京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代的 投资分析
继互联网、物联网、云计算之后,大数据(Big Data)主题投资近期引起高度关注。
什么是大数据
随着计算机普及和互联网应用,近十多年海量的信息和数据不断产生,美国互联网数据中心指出互联网上的数据每年增长50%,而且速度越来越快。目前世界上90%以上的数据都是最近几年才产生的,美国人比较简捷地把海量的信息数据称为“大数据”。而随着数据仓库、数据安全、数据分析、数据挖掘等等围绕海量信息数据的商业价值利用,大数据已逐渐成为行业人士争相追捧的焦点,并从2010年开始成为互联网信息技术行业的流行词汇。
马云说,大家还没搞清PC时代的时候,移动互联网来了,还没搞清移动互联网的时候,大数据时代来了。舍恩伯格的《大数据时代》持续热销,美国总统都把大数据作为国家战略和“未来的石油”,市场对大数据的热情可谓一浪高过一浪,然而在兴奋之余我们又是否真正了解大数据和其中蕴藏的投资机会呢?
大数据的应用
市场上有一种误解,把传统的数据库等同于大数据,但实际上除了巨大的容量要求外,大数据来源还有很大的广度。可以表示对之前未被重视和利用的信息进行归类和分析,如谷歌通过整合对比各种译文建立起目前最好的自动翻译机器;还有我们的智能移动终端每天产生大量信息数据等。在理论上大数据还表示一种把全部数据都进行描述和统计的研究方法,特别是像社会科学这些很难用数学工具精确定义的领域,把现象都描述出来会比牵强的理论更有价值。比如常用的商业和医疗病例,如果能够把所有的情况都描述和存储起来,是否就可以替代理论了呢?这也是大数据对理论界提出的一种挑战。
此外,大数据也是个技术范畴,指一整套将数据库分散存储、计算和整合的技术,以及为之配套的数据存储、远程计算、非结构分析等等的计算机技术。可以说如果没有当下廉价的数据存储、空前强大的计算能力和聪明的计算理论,也就没有大数据生存的土壤。
在金融领域,大数据的价值目前尚未明显体现。数据挖掘是投资领域近年来重要的技术革新,配合大数据技术,这项创新的分析广度和速度都会大幅提升。在传统金融领域,阿里金融已得到了行业的广泛关注,其低廉的信贷征信成本对中国现有的金融机构和模式影响甚大。而证券公司建立的客户关系管理系统,通过客户交易行为分析挖掘其风险偏好,进而推荐合理的资产配置,目前也处于运用初期,未来会有较为广阔的发展前景。
哪些标的值得关注
国际数据公司(IDC)发布的报告显示,2012-2016年期间全球大数据技术及服务市场复合年增长率(CAGR)将达到31.7%,而中国大数据技术和服务市场未来5年的复合增长率超过50%。显然,未来几年大数据相关领域发展空间巨大,这里面预计也会涌现一批发展前景不错的企业。
大数据虽然前途光明,但其门槛也不低,因为只有那些拥有足够技术实力、资本储备和人才队伍的公司才能真正利用起大数据的价值,特别是搭建大数据平台的公司。加之各家公司、消费者对自身数据价值的觉醒,获取数据也必然会变得越来越不容易,所以什么样的商业模式值得投资呢?目前看来都还不太确定。
笔者认为,重视数据布局的科技公司在这场竞争中占有先机,而为大数据做配套的上下游公司也有投资的机会,此外由于商业模式的不确定,真正的大数据投资机会或许还没诞生,或者还在起步阶段。所以,大数据行业的投资还是需要打开思路、不断观察,随时关注这个行业的进展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25