
据金融时报报道,高盛近日向金融数据服务商Kensho投资1500万美元以支持该公司目前正在进行的数据平台分析开发计划。据悉,谷歌和CNBC都是Kensho的投资者。高盛(Goldman Sachs)成为一家金融分析初创公司的最大投资者,后者让金融机构挖掘大数据。此举凸显出华尔街在投资技术方面的动力。
Kensho是一家什么公司?是什么原因让众多大佬对它趋之若鹜?Kensho目前正在研发一种针对专业投资者的大规模数据处理分析平台。该平台将能取代现有的各大投行分析师们的工作。该工作平台将可以快速、大量的进行各种数据处理分析工作并且能够实时的回答投资者所提出的复杂的金融问题。
如果Kensho公司的该产品能最后研发成功,那么对于金融机构的分析师和研究人员来说将会是一场灾难。面对一个能够更快更好对金融数据进行分析的机器,他们毫无胜算。
Kensho是一个数据分析平台,可以自动完成过去人力密集型的研究,即刻回答数以百万计的复杂金融问题。高盛为其牵头完成一轮1500万美元的融资。该行将在自己的各个业务部门部署这一平台,并将其推广给一些大客户。
Kensho被比作为面向投资者、分析师和交易员的Siri风格的服务,让他们提出自然语言的问题,如:“如果3级飓风登陆,美国住宅开发商板块的股票会怎么样?”
数据科学家估计,80%的数据以非结构化形式出现;能够迅速分析如此丰富信息的平台,是那些寻求利用大数据增进业务的银行梦寐以求的神器。
“一直以来,华尔街都受困于只能利用20%足以影响市场的数据,”Kensho的首席执行官丹尼尔•纳德勒(Daniel Nadler)称,“每一家华尔街银行只能以实际速度或自动化的方式,看那些金融数据:市盈率(P/E ratios),账面价值(book value),市值(market cap)和类似数据。
他表示,不能快速分析那些难以结构化的事件——央行公告、地缘政治事件、天气现象以及科技产品发布——相当于“在看世界时不仅是一只眼被遮住,而且是一只眼被遮住、另一只眼半闭着。”
该平台最初命名为“沃伦”,意在向80多岁的亿万富豪沃伦•巴菲特(Warren Buffett)和IBM公司的超级计算机“沃森”(Watson)致敬。后来在高盛的建议下,该平台已改名为“Kensho”,跟公司名保持一致。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29