京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代,如何靠数据挣钱
大数据时代下,数据就如同矿石,如果能够充分挖掘并善加利用,大数据将会成为大财富。在很多情况下虽然大数据的价值还没得到充分证明,但分析人士指出这一市场正在扩大,越来越多的有经验的投资者希望能得到不为人知的独家数据。
目前已经有很多初创公司认识到了这一点,接下来本文将介绍三家利用大数据挣钱的初创公司:
Orbital Insight:分析卫星图像
Orbital Insight是一家通过分析卫星图像来获取和售卖数据的初创公司。其创始人James Crawford以前是谷歌的工程师,他可以在一些不可思议的地方看到商机,比如中国在建建筑的影子。通过卫星图观察中国地区在建建筑影子的变化,可以分析出中国建筑行业是在繁荣上升还是在萧条下降。投资商们渴望自己比竞争对手有哪怕那么一点点优势,能更多地掌握这些独家信息对他们非常重要。Orbital Insight目前正在分析中国30个城市的卫星图,为开发商们提供独家数据,从而使他们不再依靠政府提供的数据。
此外Orbital Insight还通过分析庄稼地的卫星图来预测庄稼的长势;分析停车场的数据来初步预测沃尔玛和家得宝等零售商的季度销售情况。
在本周二,Orbital公司对其预测系统做了首次测试。基于对罗斯百货停车场的历史数据分析,Orbital预测该公司在第三季度的销售额会好于预期。最终结果显示,罗斯百货的第三季度销售额为25.99亿美元,甚至高于Orbital预测的25.6亿美元以及分析家普遍预测的25.5亿美元。
James Crawford称其公司的首批用户包括几家价值几十亿美元的对冲基金公司,但谢绝透露他们的名字,以及他的收费标准。Orbital的早期投资商包括硅谷的风投公司Sequoia Capital,在接下来几周的下一轮融资中,Orbital希望能获得800万美元的资金。
波士顿大学卡罗尔管理学院经济学教授Ronnie Sadka认为,新类型数据固然会变得重要,但投资商们应该慎重选择。此外,调研企业TABB Group的资深分析师Paul Rowady说:“我将这归为实验目录,这些产品在表面上很让人震惊,但是要把他们转换成交易指标却是一个巨大的挑战”。比如前面提到的停车场数据分析,Orbital公司需要先从卫星公司购买一百万张卫星图像,然后建设计算机系统来从分析这些数据,从中得到可能的交易指标。
Dataminr:挖掘社交网络数据
Dataminr的三位创始人此前是耶鲁大学的室友,该公司依靠推特上每天的消息来获取数据来源。Dataminr每天要梳理5亿条推特信息,以求在正式媒体报道前得到市场变化的消息。
Dataminr提供的系统能将每条实时推特消息分类并去除垃圾消息,然后将其与最新的新闻消息、市场价格、天气情况以及其他的一些数据来对比分析这些消息的重要性。此外,该系统还能检测某个特定的用户过去在某个话题上是否可靠。
在今年的9月2日,独立记者Brian Krebs在推特上发消息称家得宝“可能会是信用卡违约的最新受害者”,Dataminr的系统立刻识别出这是一个对客户有价值的消息。随后,这一预警消息被传达给客户,包括60家银行和对冲基金公司。结果显示,其速度比财经新闻快了15分钟,而且该消息是在家得宝股票价格下降2%前被送达。
Premise:提供宏观经济数据
Premise旨在为世界各地的人们提供小量交易额信息,帮助他们观测产品价格,让公司提前了解通货膨胀率的变化和其他的一些经济指标。
很多时候真实的经济情况与官方的描述并不一样,Premise的宏观经济数据正是为了解决这一问题。“在世界的有些地方,人们没有关于经济情况的可靠信息来源,我们的目标是提高透明性”,Premise的首席执行官 David Soloff这样说道。
该公司的的数据大多是免费的,其用户包括一些金融公司。Premise目前在18个国家的68个城市有人来贡献数据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16在游戏行业“存量竞争”的当下,玩家留存率直接决定游戏的生命周期与商业价值。一款游戏即便拥有出色的画面与玩法,若无法精准识 ...
2026-01-16为配合CDA考试中心的 2025 版 CDA Level III 认证新大纲落地,CDA 网校正式推出新大纲更新后的第一套官方模拟题。该模拟题严格遵 ...
2026-01-16在数据驱动决策的时代,数据分析已成为企业运营、产品优化、业务增长的核心工具。但实际工作中,很多数据分析项目看似流程完整, ...
2026-01-15在CDA(Certified Data Analyst)数据分析师的日常工作中,“高维数据处理”是高频痛点——比如用户画像包含“浏览次数、停留时 ...
2026-01-15在教育测量与评价领域,百分制考试成绩的分布规律是评估教学效果、优化命题设计的核心依据,而正态分布则是其中最具代表性的分布 ...
2026-01-15在用户从“接触产品”到“完成核心目标”的全链路中,流失是必然存在的——电商用户可能“浏览商品却未下单”,APP新用户可能“ ...
2026-01-14在产品增长的核心指标体系中,次日留存率是当之无愧的“入门级关键指标”——它直接反映用户对产品的首次体验反馈,是判断产品是 ...
2026-01-14在CDA(Certified Data Analyst)数据分析师的业务实操中,“分类预测”是高频核心需求——比如“预测用户是否会购买商品”“判 ...
2026-01-14在数字化时代,用户的每一次操作——无论是电商平台的“浏览-加购-下单”、APP的“登录-点击-留存”,还是金融产品的“注册-实名 ...
2026-01-13在数据驱动决策的时代,“数据质量决定分析价值”已成为行业共识。数据库、日志系统、第三方平台等渠道采集的原始数据,往往存在 ...
2026-01-13在CDA(Certified Data Analyst)数据分析师的核心能力体系中,“通过数据建立模型、实现预测与归因”是进阶关键——比如“预测 ...
2026-01-13在企业数字化转型过程中,业务模型与数据模型是两大核心支撑体系:业务模型承载“业务应该如何运转”的逻辑,数据模型解决“数据 ...
2026-01-12当前手游市场进入存量竞争时代,“拉新难、留存更难”成为行业普遍痛点。对于手游产品而言,用户留存率不仅直接决定产品的生命周 ...
2026-01-12在CDA(Certified Data Analyst)数据分析师的日常工作中,“挖掘变量间的关联关系”是高频核心需求——比如判断“用户停留时长 ...
2026-01-12在存量竞争时代,用户流失率直接影响企业的营收与市场竞争力。无论是电商、互联网服务还是金融行业,提前精准预测潜在流失用户, ...
2026-01-09在量化投资领域,多因子选股是主流的选股策略之一——其核心逻辑是通过挖掘影响股票未来收益的各类因子(如估值、成长、盈利、流 ...
2026-01-09在CDA(Certified Data Analyst)数据分析师的工作场景中,分类型变量的关联分析是高频需求——例如“用户性别与商品偏好是否相 ...
2026-01-09数据库中的历史数据,是企业运营过程中沉淀的核心资产——包含用户行为轨迹、业务交易记录、产品迭代日志、市场活动效果等多维度 ...
2026-01-08在电商行业竞争日趋激烈的当下,数据已成为驱动业务增长的核心引擎。电商公司的数据分析师,不仅是数据的“解读官”,更是业务的 ...
2026-01-08