华尔街的年化收益率华尔街的无限欲望

导读随着大数据一词的诞生，一个新的物种在美国各种行业论坛上徘徊——数据猎人。ErikHaines是GuidepointGlobalLLC（一家设立于纽约的公司）....

随着大数据一词的诞生，一个新的物种在美国各种行业论坛上徘徊——数据猎人。

Erik Haines是 Guidepoint Global LLC（一家设立于纽约的公司）数据与分析部门负责人，他的主要工作是筛选有价值的数据卖给对冲基金。数据来源行之有效的策略是参加各种细分领域的聚会。

采访某数据猎人时，说道“我在会场穿行与企业们交谈，试图了解在这个行业中谁收集了能提供行业洞察的数据”。

对冲基金和其他富有经验的投资人越来越多的开始依赖数据中间商，比如像35岁的Haines，尝试用非传统来源的数据来评价一个企业销售和健康程度。

这些数据包罗万象，从卫星照片中计算谷物产量，从语音分析CEO的演讲，到信用卡交易，甚至是社交媒体上关于公司的舆论导向。

但是，这些数据的准确度在投资界还存在争议，部分人认为这些数据还存在偏见和错误的样本。

这些华尔街的数据猎人四处出击，寻找那些可以用来预测公司股票价格的数据，例如，一家公司通过处理线下店面交易的数据来获得市场上某些产品或品牌的份额走势，或者一家给医院提供软件的企业可以获知某些特定的医疗仪器是如何被使用等等。

以往，获取这些数据的方式是线下实地寻访店面经理的销售情况或客流情况。例如某个最近的例子，Haines先生发现一个移动广告公司在用户播放广告的同时也收集了设备型号相关的数据，这个数据用于在苹果公布2011和2012年销售业绩之前评估iphone的销售情况，这个数据来源是的使Quanton Data公司大赚一笔。后来他和他的团队离开了Quanton加入了GuidePoint。这个公司原来是从事专家数据和客户调研数据提供业务的。

还有一些对冲基金公司选择在内部建立数据搜集团队——金融工程师。金融工程师的交易策略完全依赖于从大量数据中寻找数据规律。传统策略上，他们会分析市场数据，比如价格、交易量及这些数据随时间的变化。但是，这些数据主要是企业主营业务的经营的附带结果，这样的数据分析效果也越来越有限。

WorldQuant是一个位于康涅迪格州的量化对冲基金，这家基金有一个专业团队，每年去分析研究几百个数据集，并将研究成果在线上发布，之后，这些数据科学家进一步了解这些数据是否有助于预测公司的营业收入或市场的特定现象。

类似的这样的一批创业企业有很多，他们都看准一些缺乏数据科学家团队的基金公司，通过提供数据来获取利益。比如一个位于多伦多的企业，Quandl就提供了包括传统的市场数据和各种“替代性”数据。

如果数据作为一种资源的话，其存储量难以估量，但大多数数据对预测股票和其他证券的价格是无用的，这使得猎取数据变得更加困难。

从我国来看，国内大数据创业方兴未艾，从数据源的角度看，目前投资人和创业者的关注重点不少都在政府开放的数据资源和通过购买接口获得的数据资源，以及基于这些资源的应用。积累独特的数据资源，结合行业知识，进行数据跨界应用的案例还不多。数据应用与数据服务是个特殊的产业，互联网是先应用后积累，数据是先积累后应用，没有独特的数据源，没有提升数据价值密度的ｋｎｏｗｈｏｗ积累，很多应用做出来是酷炫的，但经不住深入的推敲，更换不来付费的客户和用户。

其实，传统企业和组织其实有很多数据资源，对这些数据资源的搜集，清洗，加工，与其他数据资源的融合，结合行业知识创造新的应用，是大数据创业未来的方向。这种搜集，清洗，加工的过程是漫长而痛苦的，这个领域未必会有快公司，但可以首先帮助金融机构解决数据统计、处理、呈现的问题，例如在报表领域，帆软协助这些企业搭建数据中心平台的例子，数不胜数。

比如某商业银行利用帆软报表打通各业务系统，整合新旧历史数据搭建数据查询平台；由于渠道经营管理机制不灵活，各网店管理成本偏高，利用报表系统连接系统实现渠道数据展现；结合Gbase、Oracle数据库将报表平台与大数据平台结合，对作业日志监控，推动大数据平台应用。