
为什么赢得政治选举与大数据分析联系在一起?
两大政治党派如何利用大数据分析来帮助他们做出决定并且尝试领先竞争对手,是今年的总统大选的主要情节之一。但你们可能没有意识到的是,大数据在决定选票变化上已经变得多么普遍。这里我们就深度剖析一下两个在行业内领先的数据分析公司如何利用大数据分析帮助他们支持的政党来取得胜利。
在过去的两个总统大选中,有人认为奥巴马竞选团队有效利用大数据分析的能力就是他赢得其他对手的其中一个原因。但是今年像奥巴马那种优势几乎已经不会存在了,TargetSmart的首席执行官Tom Bonier说,值得一提的是,TargetSmart同时给国家民主党派和州民主党派以及他们的同盟提供大数据分析和服务。
“与过去相比,现今的总统选举在利用大数据分析这一块更加旗鼓相当”,Bonier告诉 Datanami。“2008年,民主党在利用大数据分析领域比共和党聪明太多,而且更有远见,但在这个年代不是这样。现在,对参选者来而言,在选举进行的创新性这一方面是一个更加公平的游戏。”
Deep Root Analytics,给国内和州内的共和党及其从属团队提供数据分析,它们的分析和产品创新的主管,David Seawright 也同意上述观点。
“从2012年的失败中我们吸取的最大教训就是我们需要在大数据分析上努力,而且我们需要我们的分析变得得更好。”Seawright这么说。“所以这方面已经有很大的投资,不仅仅提供给党内平台,而且也用于帮助Deep Root以及像我们一样的公司真正地在这一领域进行深度挖掘并且提供这些服务给我们的客户。”
现在这类服务正在快速增长。由于新数据来源的结合,先进分析的大众化,可接受的大规模计算能力增长,2016年的政治运动尽情享受数据分析带来的便利,放到过去来看,这是极其不可能的。从全国性的政治运动到州内和当地的政治竞争,大数据分析正在我们的国家政治上留下很大印记。
将数据作为武器
Deep Root是在共和党的努力下成立的,用来更有效地与民主党在大数据分析领域进行竞争。这家公司本质上是共和党的大数据武器,以给共和党人参选提供数据和分析服务,上至总统选举,下到州立法机关选举。
“我们喜欢用的一个词是武器化,行动化——实施某个行动”,Seawright 说道,“我们能够提供这种服务,而且能够同时洞悉很多不同活动,洞悉很多不同阵营在选票上的上下变化。利用大数据分析将不再是一张豪华机票——它是一种任何人都能做到而且应该做到的东西。”
Deep Root和TargetSmart都是利用Alteryx的软件来帮助他们容纳,净化,混合以及分析来源不同的大规模数据。这种分析软件以一种最有效的方法来使用,它分析所有选民的年龄结构,根据不同年龄段来分段并且打分,然后利用这些信息来优化他们在媒体上的花销,特别是在非常重要的电视广告上。
Deep Root利用它的分析模型来告诉参选者在他们的已有电视预算的条件下,哪些地方他们能获得最大的收获。正如Seawright解释的那样,数据分析在每天的决策过程中起着很重要的作用。
“我们的数据将会指示我们客户该将他们的竞选广告放到哪才能让他们的目标人群最有可能看到。”他说,“我们也会提示他们花销的记录,通过让客户在情景中能够意识到这个问题,不仅仅提供他们所做的与目标人群相关的理由,而且也会说明你的竞争对手或者同盟所做的对你的目标人群的影响,这就允许他们能够对他们正在进行的分配任务具有策略性,并且对广告投放更聪明——把广告投放在最不显眼而又最高效的地方,同时在根据其他人或组织的行动来及时做出反应方面也会让他们更加机灵。”
TargetSmart提供相似的分析服务。但是通过利用数据来优化行动不仅仅只是在电视广告投放上,也在客服中心活动,传统邮件花费,以及社区拉票,TargetSmart在它的360度投票者联系技术上比他们的老对手共和党走得更远。
一对一政治
传统上,相较于其他席位的竞选,总统竞选吸引了更大数额的资金。但是由于2010年的联合公民决定,解除竞选运动委员会在广告投入上的限制,今年的总统竞选看起来会将电视开销提升到一个全新水平。竞选行动委员会的资金与有力的分析工具形成竞选中的有力武器,能将信息以一种较以前更精细的方式传达出去(尽管他们必须躲避协调用力的出现)。
Bonier曾经通过2012年建立的慈善运动实验室参与过奥巴马的连任竞选活动,按照Bonier的说法,对目标分析的利用是非常新奇的,“利用大数据分析是那种你随处都可以感受到的东西”,他说,“但是如果你回顾一下2012年的竞选活动,它真的只是帮助目标广告购买而已。奥巴马竞选活动的总体预算的一小部分才花费在目标广告上,在今年,将不会是这种情况。我会说几乎全部的广告投放,至少总统竞选水平,他们的发生都会经过大数据目标分析过程。”
多亏了正在进行的先进分析软件的普遍化,竞选活动有各种预测手段和统计模型可以使用,Alteryx的总裁George Mathew如是说,“你从政治图谱的两侧所听到的,其实这就是新常态,” Mattew说道。“创新性,人们更加被隐藏于大数据分析中的能力,它们就是在政治图谱两侧持续发展的东西。”
广泛增加的有技巧的大数据实践者在这当中也扮演者重要角色,Seawright说道,“除了这些被采用和被接受的事物的文化变化,随着新的数据来源的变化,新的可以用来解决问题的技术和软件的出现,在市场上也会发生实践转向。”他说,“当然那些变化的某些部分会伴随着人类增加的天赋而来,这就使我们能够干好这些工作并且利用它们服务我们客户。”
下一步:社会分析
两家大公司都正在越过电视领域来到类似社交媒体的数字媒介来探险。但是这种尝试是非常艰难的,因为数字媒介上的数据更概略,并且通过媒体分析并不容易知道你所要到达的目标人群。正如古典的老New Yorker卡通所说,“在互联网上,没人知道你是一只狗。”
Bonier认为,“数字导向分析在大家看起来显然不可靠,你不知道你正在接近你需要去谈话的人群,所要竞选运动几乎从未在数字媒介上花费类似在广播电视和其他沟通形式上的投入。”
TargetSmart 在这一领域正在做一些创新性的工作,以希望能影响2016年的总统大选。通过利用个人可识别信息,这家公司将2.55亿国内投票者资料与类似Facebook,Google,Yahoo,以及MSN等数字平台上用户匹配。
他们已经取得一些进展,Bonier希望2016年的大选会是一个突破口。“我们不能够将每个推特用户与注册的投票者相匹配,但是你能得到一个内部可以利用的相当规模的数据”,他说,“如果你按正确的方法来做这事,它就会注入你的模型。拥有类似Alteryx的以一种进行时和动态的方法利用那些信息的能力和工具是非常具有决定性和重要的进步。那将是这次选举一个重要的副产品。”
Deep Root 也在社交媒体上努力探索,Seawright说,“我们正处于一个不断有新的数据来源加进来的市场。”他补充道,“具体地我们能够利用社交媒体数据来帮助我们更广泛地理解人们消费方式,还有人们与社交媒体连接的方式,这对于我们而言将会更有价值。”
从目前来看,很显然大数据分析现在是大型政治选举的桌面筹码。如果有金钱花费在电视广告上——这排除了类似图书馆管理员和社区捕狗者等的竞争——那么当需要帮助政治家尽可能有效的花费这些钱时,大数据分析就必不可少。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30