本文轉載自公眾號“讀芯術”(ID：AI_Discovery)。

近幾年來，另類數據一直是投資者關注的熱門話題。對沖基金通過利用非傳統數據集獲得洞察力，并從中獲取巨額利潤。而對于普通投資者或任何使用傳統標記者來說，這種洞察力難以獲得。

摩根大通稱，對沖基金投資者十分重視另類數據，2017年資產管理公司在另類數據上的投資已經達到20-30億美元，且此后每年都增長10-20%。

但從另類數據中獲利的不僅僅是對沖基金。各類企業都可以利用另類數據來提高收益——最具創新性的公司已經意識到，另類數據是實現其競爭優勢最大化的關鍵。事實上，利用另類數據的科學分析要優于基準測試，其性能比傳統分析方法高出約13%。

[[347861]]

另類數據到底是什么?

簡單來說，另類數據可以是用于分析的任何數據，但其分析通常不會用于做出決策。另類數據包括代理指標，這些指標用來替代一些難以判斷的因素，還包括來自非官方渠道的信息，個人可以使用這些信息深入分析。另類數據既提供了新型商業智能，也提供了新型理解方法——如何理解來自傳統數據中的商業智能。

正如標準普爾全球公司(S&P Global)首席信息官克里希納·內森所說：“另類數據來自非傳統數據源，因此對數據進行分析時，它們會產生額外的洞察力以補充傳統數據源獲得的信息。”

另類數據來源會因不同的行業和分析類型而有很大的差異。投資者們已在使用信用卡交易、手機定位數據以及網頁搜索等各種辦法獲取信息，甚至追蹤公司的私人飛機也被用來評估是否要投資某家公司。

[[347862]]

圖源：unsplash

在投資領域之外，另類數據也可以有效地發揮作用。零售商利用從衛星圖像中獲取的數據來決定在何處開設新門店，金融科技公司使用現金流標記和教育背景來評估無信用記錄人員的信用度，就連旅游公司也使用從互聯網上收集的另類數據來決定所提供便利設施的位置和種類。

我工作的Evo是一家供應鏈和定價AI公司，因為使用另類數據，我們的供應鏈工具將庫存效率提高了至少10%。我們使用各種網絡數據來試驗以改進分析，在使用另類數據方面大獲成功。

我最喜歡的案例之一，就是采用門店經理對銷售趨勢的看法，我們允許門店經理指定他們認為在接下來的銷售期間最有可能流行的特定商品。這種方法讓管理者來充當代理人，更本地化、更精細化地判斷銷售趨勢和商品受歡迎程度。這種方法奏效了，我們預測的準確性提高了5個百分點，比最初的補給系統提高了20個百分點。

另類數據如何推動數字轉型?

對于那些希望在當今經濟中占有一席之地的企業而言，數據驅動型決策至關重要。這就是大多數公司使用大數據分析來收集商業情報的原因所在。然而，這些公司中卻很少有人真正了解有效利用數據來實現公司內部數字轉型的辦法。

為什么會這樣呢?因為他們仍在分析相同的數據。真正的數字轉換不僅僅是將人工智能和機器學習整合到當前的決策過程中，而是利用新技術來重新思考解決問題。使用新工具分析傳統數據時，確實可以更高效地收集商業情報，但是總體上收益是有限的，除非真正應用另類數據。

在分析中應用另類數據有助于思考傳統方法無法提供的新策略。你可以完善分析內容，以獲得更細致、更實時、更準確的建議。只有這樣才能實現預期內由數字轉型帶來的顯著進步。

麻省理工斯隆學院數字經濟倡議的研究科學家喬治·韋斯特曼說：“真正完成數字轉型后，就像毛毛蟲破繭成蝶一樣，但如果做錯了，你所擁有的只是一只速度極快的毛毛蟲。”

尋找真正的另類數據

[[347863]]

圖源：unsplash

作為一名數據科學家，僅僅知道另類數據有助于改進分析是無濟于事的，你必須了解哪些數據能夠幫助你實現商業目標，提供有用的商業智能。雖有如此多的數據可用，但大部分數據只是垃圾，最終毫無用處。

統計學家、FiveThirtyEight(新聞網站)的創始人和總編輯內特·西爾弗說：“每天，每秒三次，我們產生的數據量相當于美國國會圖書館全部紙質館藏中的數據量。但大部分數據就像YouTube上的貓咪視頻，或是13歲孩子們互相發送關于下一部《暮光之城》的短信。”

過濾掉一些正確的另類數據只是試錯。選擇一個可用于分析的數據源，評估選擇該數據的風險，并做出最佳猜測。這些結果可以讓你在做了一些測試之后，找到最佳選擇。

不過，最終你會提出正確的問題從而選擇正確的數據。當你優先考慮真正的業務目標而不僅僅是關鍵績效指標時，就可以更容易地找到所需數據來完善不足。我傾向于使用常識性的方法，不過這完全取決于環境。當我和客戶工作時，我一定會先找到他們的動機。為什么他們希望提高供應鏈的效率?答案將有助于我找到另類數據的合理來源。

[[347864]]

圖源：unsplash

大數據正在顛覆數據科學家們所面臨的挑戰。我們不再費力尋找大量的數據來源，而是努力在海量可用數據中找到連貫有用的模式，分析海量另類數據只會復雜問題。但我們必須迎接挑戰。當今最好的商業智能來自非傳統數據源，數據科學家們有責任精確定位并分析數據。

另類數據是數字轉型的未來，不能在分析中應用它的公司將面臨淘汰。如果想最大化投資回報率，首先要投資正確的信息，這就是另類數據。