大数据相关材料

如何利用大数据？2013年07月16日06:25AM英国《金融时报》专栏作家蒂姆•哈福德IBM称，全球所有计算机每天产生250亿亿个字节的数据。这相当于每人每天产生大约半张CD的数据量。无数激动人心的会议展示和咨询报告都以“大数据”为主题。那么，它对经济学可能有何帮助？每个人所说的“大数据”含义不尽相同，但以下为一些共识。第一，如果不依赖某些可视化软件的帮助，人类不可能理解如此大的数据量。用散点图寻找规律或异常情况的传统办法，在这里毫无作用。第二，数据从产生到被利用往往只有很短的时间，至少对一些人如此。你的手机运营商能够实时获悉你手机所在位置。第三，数据可能高度互相关联。理论上，谷歌(Google)可掌握你的电子邮箱和安卓(Android)手机位置信息，知道你在GooglePlus社交网络上有哪些好友，并了解你的搜索记录。第四，数据是杂乱无章的：你储存在手机上的视频属于“大数据”，但它与整齐有序的分类数据库（按照生日、就业状况、性别、收入等分类）还相去甚远。这可能给经济学家带来问题。经济学家已经被惯坏了：20世纪30和40年代，西蒙•库兹涅茨(SimonKuznets)和理查德•斯通(RichardStone)建立了清晰有序、逻辑连贯的国民账户系统。几十亿项个人交易一下子被概括为“英国2012年GDP”；几十亿次价格变动体现为通胀指数这么一项指标。数据整齐地排列成矩形，例如，横排为若干个国家，竖排为年份，每个方格内的数据对应某个国家在某个年份的通胀率。大数据的方法截然不同。以信用卡数据为例。理论上，万事达(Mastercard)拥有一套完美的数据：它知道何人在何地为何种产品消费的金额，而且这些数据都是实时的。但这是经济学家丽兰•安纳夫(LiranEinav)和乔纳森•莱文(JonathanLevin)所说的“便利样本”(conveniencesample)，因为不是每个人都有万事达卡，也不是每个拥有万事达卡的人都会经常使用万事达卡。如果说万事达卡的数据无法为经济研究人员带来一点儿有用信息，那未免不符合常识。但它与我们平常使用的那类数据非常不同，甚至跟我们通常的问题几乎不是一回事。经济学家喜欢寻找因果联系，而不只是规律。而且，经济学家希望他们找到的因果联系适用于所有人或是有代表性的群体样本，而不只是一个随机的子群体。或许不令人意外的是，经济学对大数据的最直接应用是在预测（或短时预测）领域，这一直是经济学的实用领域，也是学术上的边缘领域。有人专门分析Twitter消息、谷歌上失业福利或汽车保险的搜索量、或德国卡车的行车记录，以了解经济运行的状况。这种做法似乎效果不错。麻省理工学院(MIT)的“海量价格数据项目”(billionpricesproject)每天提供世界各地通胀率的估计数字。一些学者尝试以更为传统的方式利用大数据，他们的努力取得了一些效果。例如，拉吉•切迪(RajChetty)、约翰•弗里德曼(JohnFriedman)和乔纳•罗克夫(JonahRockoff)研究了纽约市250万名学童的官方数据与他们成年后收入的关系。研究表明，哪怕有一年时间接受差老师的教导，也会在长远上极大地影响事业上的成功。艾米•芬克尔斯坦(AmyFinkelstein)和同事一起评估了美国低收入医保计划——联邦医疗补助计划(Medicaid)，发现了医院记录与信用记录等变量之间的联系。没有庞大的成组数据，此类研究将无法进行。上述这些最新研究意味着，经济学在这方面还将大有作为。但如要完全利用数据革命，经济学家必须改变其目前对何为问题、何为答案的看法。译者/刘鑫大数据：大机遇还是大忽悠？2013年09月13日01:04AM英国《金融时报》中文网编辑王昉“大数据”似乎在一夜之间闯入了任何一个关于互联网未来的讨论，成为一个炙手可热无所不包的概念。但它是否真如许多IT行家们所言，将成为信息技术领域又一片蕴藏无限潜能的处女地？还是只是软硬件巨头们为了卖出更多产品而吹出的一个美丽泡沫？正在大连举行的2013夏季达沃斯开辟专场，以“大数据概念是否被过度炒作”为题，请四位嘉宾分成正反两方，展开一场激辩。穿梭于各场彬彬有礼的“清谈会”之间的听者们，步入这场辩论时，无不感到意外之喜，目击到一场有趣又有料的意见交锋。持正方观点，即“大数据已被过度炒作”观点的，出人意料地，是四位嘉宾中更年轻、更接近“技术宅男”的两位，其中一位是美国Kaggle公司总裁兼首席科学家JeremyHoward，另一位是加纳MPedigree网络公司总裁BrightSimons。持反方观点，为大技术时代的到来欢呼的，一位是北京大学光华管理学院新媒体营销研究中心副主任苏萌，另一位是日本政治家、内阁成员山本一太。在辩论之前，主持人先作了一次现场调查，同意“大数据是过度炒作”的听众稍占上风，占比54.5%。听众被告知，在辩论结束后还会再来一轮投票，四位嘉宾的任务就是尽可能留住支持者，让对方阵营倒戈。辩论开始，正方嘉宾、科学家Howard起身走近听众席，一句话亮明观点：数据不在多，而在怎么用。他提出“一台电脑论”，即科学家们研究所需的数据，最好用一台电脑就能装下，否则数据处理会过于繁琐，无助于解决问题。他结合自身经验说，随着数据量的增大，研究的准确性一开始会随之上升，但很快就会趋平。“举个例子，如果我们把所有《星球大战》铁杆粉丝的数据拿来研究，就一定能准确地判断出他们中谁会喜欢《魔戒》吗？我们发现并非如此。”反方嘉宾、北大的苏萌教授起身应战。他请大家原谅，“为了更流畅地表达观点，我还是用中文”，引来听众理解的笑声。他说，大数据刚刚露出冰山一角，在金融、零售等领域的运用上，还远未释放它的潜能。这有三个原因：一是因为不同机构间的数据还未真正流动起来，目前还只是数据“孤岛”；二是完整的生态产业链还未形成，尽管通过行为数据分析已能够分辨出一个消费者的喜好，但从供应到购买的链条还没建成；三是因为数据分析人才仍然极度匮乏。他说，15年前，很多人认为互联网是泡沫，今天证明互联网没被高估，5年前，很多人认为电子商务是泡沫，但今天中国已经有3亿人的电商市场，我们还有什么理由说大数据只是泡沫呢？听众席上点头频频，现实显然颇具说服力。正方嘉宾，来自非洲加纳的Simons急于扳回局面，抛出一个引人思索的问题：“请问，我们现在真的有什么问题，是靠大数据才能解决，而靠现在技术解决不了的？”他说，大数据不仅分散了人们的注意力，甚至是“危险”的，因为海量数据意味着决策制定将更加“集权化”，而科学本身是应当以人为本，强调自主性的。他以多年前他在一家英国银行开户的经历作为例子：一开始他与银行客户经理面对面聊天，对方认为他完全符合开户条件，可当把他的所有信息输入电脑之后，电脑却拒绝了他的开户申请，而他至今不知道自己为什么被拒。“大数据意味着人们将不再运用自己的智慧、问真正该问的问题，”Simons说。“最后我想说，小才是美。”听众们显然有所触动，天平似乎又重新倾斜。最后出场的是反方辩手、日本内阁大臣山本一太。曾是摇滚音乐人的他十分懂得调动气氛，郑重宣称，由于强敌当前，所以也决定临时变更计划，改用日语，再度引来笑声。他为支持大数据拿出的“杀手锏”是——东京申奥成功的“奥秘”。他说，日本民众最初对申办奥运的支持率只有不到60%，但日本政府成功利用社交媒体和数据分析，向公众传递支持申奥的讯息，最终将支持率提升到80%以上。另外，在自然灾害频发的日本，大数据也早已在防灾减灾上发挥作用。两轮交锋下来，赛程过半，双方似乎势均力敌。主持人接着请听众来挑战双方辩手。一位听众挑战正方，说，你们认为大数据过于庞杂纷繁，反而解决不了问题，那是不是说，当处理数据的计算工具变得足够好时，大数据就会变得有用？科学家Howard重复了“一台电脑论”，强调数据不是越多越好，而是恰到好处才好，但似乎没能拿出更有说服力的论据。一位听众挑战反方，问：眼下的大数据热，是由真实的需求驱动的吗？还是IT企业的噱头？决策制定真的要靠大数据吗？苏萌教授一语中的（虽然似乎有些偷换概念）：“不靠数据，难道靠直觉吗？”一位听众再次挑战反方：几年前爱沙尼亚遭到黑客攻击，由于该国政府部门和私营部门的数据集中存放，网络攻击导致该国几乎全面瘫痪，这个事件是不是说明，大数据会让网络安全变得更加脆弱？山本回答：的确如此，但各国都已高度重视网络安全，技术进步也会让这个问题找到答案。苏萌最后总结道：所有新鲜事物都需要一定的泡沫，才能吸引到更多的投资和关注，最终才能让真正好的东西沉淀下来。辩论结束，主持人再度请现场听众投票，反方成功逆转，支持率上升到57.1%。苏萌与山本兴奋地击掌欢呼。这场短短的交锋，显然只是大数据之争的一个微小缩影，也无法给出是或非的答案，但足以激发听众的思考。正如Howard在发表“失败感言”时所说，“我们并非反对数据，只是反对大而无当的数据，数据本身当然非常重要”。人类已经并将继续产生日益庞大的数据，或许不论我们接受与否，大数据时代都已到来。如何利用它造福人类，才是最为关键的问题。不能让大数据变成“老大哥”2013年06月17日06:27AM英国《金融时报》专栏作家约翰•加普自爱德华•斯诺登(EdwardSnowden)揭露美国国家安全局(NSA)是如何从技术公司获取电话记录和数据以来，乔治•奥威尔(GeorgeOrwell)《一九八四》(NineteenEighty-Four)的销量便一直在上升。迄今为止，为了换取安全保障，即便人们不那么喜欢“老大哥”，他们也做好了放弃部分隐私权的准备。那么“大数据”呢？一些公司正凭借手中规模迅速增长的个人信息，利用各种新型数据分析方法和人工智能，来进行产品和服务决策，以及预测客户的需求。谷歌(Google)首席执行官拉里•佩奇(LarryPage)表示，他眼中的理想技术就像“一名高度智能化的助手，为你做各种事情，免得你自己操心。”设想一下，你就好像生活在一座虚拟的“唐顿庄园”中，有一台计算机为你规划日程，为你推荐最佳出行路线、你可能想看的电影和最理想的航班（甚至帮你预订）。这种生活确实让人向往。我们都时间紧张，希望能轻松地生活。比起被淹没在海量信息中且被迫要做出选择，能享受个性化服务确实不错。尽管美国国家安全局监听活动的曝光让人们大吃一惊（虽然这项活动已进行了60年），但我怀疑，多数人可能没有意识到，自己每天制造了多少数据，以及一些大数据企业用以利用这些数据的科技已经发展到了怎样的地步。技术发展如此迅速，两年前还不可想象的事情如今已变得稀松平常。现居北京的投资人、前谷歌大中华区总裁李开复(Kai-FuLee)表示：“这是一幅既美好又可怕的前景。拥有海量数据的公司会比你自己还了解你。它们将能够预测出你接下来可能要做什么。”在最近的一篇专栏中，我将谷歌比作19世纪末的通用电气(GeneralElectric)——那个创新型工业企业、新技术的“弄潮儿”。而另一方面，谷歌、亚马逊(Amazon)、微软(Microsoft)等技术巨擘正在积聚各种必须严加管控的力量。美国国家安全局和那些大数据公司将自己的数据库和计算能力用于了不同的用途——前者将其用于识别间谍和恐怖分子，后者将其用于为用户提供合适的服务。它们都使用了超大型数据库、模式识别以及网络分析等技术。这种技术的前沿领域会演变为一种人工智能，例如：在你拼错的时候猜测到你实际想搜索的关键词，即时语音翻译（如微软去年在中国演示过的那样），或通过浏览无数张图像学习如何识别一张猫的照片。计算机与类似人类的方式学习的能力被称为“深度学习”(deeplearning)。令人瞩目的是，谷歌已聘请多位该领域的先驱人物，包括科学家兼作家雷•库兹韦尔(RayKurzweil)。美国国家安全局提出愿意移交给美国私营公司的技术中，有一项是“尖端机器学习技术”。如美国国家安全局对来自Verizon（或许还有其他运营商）的通话元数据的分析所示，只要零散信息的数量足够大，此类软件便可从中推断出许多事实。美国总统巴拉克•奥巴马(BarackObama)向美国人保证“没有人在偷听你的电话”，但这个保证本身也意外暴露了一些问题。哈佛大学(HarvardUniversity)教授拉塔尼娅•斯威尼(Latanya)的研究显示，只要知道一个人的年龄、性别和邮编，并与公开的数据库交叉对比，便可识别出87%的人的身份。社交网络和互联网公司收集的数据呈现出很强的身份特征。大数据公司之所以非常强大，是因为它们能够将客户的个人信息与他们的行为特征结合起来，从他们购买了哪些商品，到他们身在何处（来自从手机上收集的全球定位卫星测量数据）。这可以生成一系列关于客户可能需求的“推测数据”(inferreddata)。例如，如果我在印度时用一部安卓(Android)手机搜索“泰姬陵”(TajMahal)，谷歌将优先显示位于印度北方邦(UttarPradesh)的那座圣地。如果我在东伦敦砖块街(BrickLane)进行同样的搜索，谷歌将列出位于那里的的孟加拉餐馆。当我在黄昏时分漫步在异国城市时，谷歌会根据我对其他餐馆的评价为我预订一家餐馆——这样的事情还要过多久才能变成现实？一方面，如果谷歌能帮我预定，我会很高兴（只要它预定的那家餐馆靠谱），因为这将省去我自己来的麻烦。另一方面，正如世界经济论坛(WorldEconomicForum)一份关于个人数据的报告所说：“推测数据可能像一个无所不知、盯着监控摄像头的‘老大哥’。”这引发的担忧之一是，拥有这类软件的大数据公司，将是很难打败的竞争对手。用户提供给它们的数据越多，它们就越能预测用户想要什么。计算机的“大脑”在使用中会越来越聪明。另一个问题是信任。社交网络在保护用户数据方面一直不力，用户行为、习惯和意图方面的信息，只有很小一部分免于被这种新一代网络服务公诸于众。难怪NSA会找上它们——NSA有计算能力，而它们有海量信息。第三个问题是所有权。我们每个人对自己的信息拥有权利，但如果个人信息与其他人的信息混在一起，进入了一个关于用户意图的庞大数据库，会发生什么？如果我改变主意，我如何能把我的信息消除？最重要的是，我们都不知道大数据技术意味着什么，因为大数据时代才刚刚开始。它有许多值得我们惊叹的地方，但要爱上它，尚需时日。译者/徐天辰、方舟大数据中的金融市场监管2013年05月23日06:43AM美国康奈尔大学教授莫琳•奥哈拉大卫•伊斯利为英国《金融时报》撰稿监管机构和投资者疲于应对高频交易(HFT)带来的难题。这种速度极快的计算机化金融活动如今占据了交易的大头。美国监管部门认为，高频交易一手制造了2010年5月的“闪电暴跌”(flashcrash)，令道琼斯工业平均指数(DowJonesIndustrialAverage)突然大跌。然而，现在的高频交易已与三年前大不相同，这是“大数据”造成的。大数据指的是过于庞大或复杂（或两者兼具）、无法用标准软件高效管理的数据集。金融市场是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道无一不是它的来源。第一代高频交易单纯靠速度来发现利用价格差异，依赖这种策略的公司近年来的日子不太好过。RosenblattSecurities表示，与2009年相比，2012年高频交易公司的利润下降了74%。光快是不够的。我们与劳伦斯伯克利国家实验室(LawrenceBerkeleyNationalLaboratory)的马科斯•洛佩斯•德普拉多(MarcosLopezdePrado)提出，高频交易公司越来越依赖“战略顺序交易”(strategicsequentialtrading)。它包含的算法可以分析金融大数据，以识别出特定市场参与者留下的足迹。例如，如果一支共同基金通常在收盘前每一分钟的第一秒执行大额订单，能够识别出这一模式的算法将预判出该基金在其余交易时段的动向，并执行相同的交易。该基金继续执行交易时将付出更高的价格，使用算法的交易商则趁机获利。这种新形式的高频交易可能会误入歧途，例如2013年4月23日的“无厘头暴跌”(hashcrash)——美联社(AP)的Twitter账号发出巴拉克•奥巴马(BarackObama)遭遇恐怖袭击的虚假消息，引发市场下跌。与2010年5月的那次暴跌不同，此次暴跌的罪魁祸首不是快速抛售引发的更多抛售。它不是快速交易导致的暴跌，而是大数据导致的暴跌。如果监管机构认识不到区别所在，它们将面临一种风险：新制定的规则只能解决陈旧、过时的问题。大约两年前，对冲基金开始普遍从社交媒体提取市场情绪信息，其理念是利用Twitter、Facebook、聊天室和博客用户发出的成百上千万条消息，开发交易算法，判断出与各家公司有关的需求趋势。然而，这些算法通常无法利用小数据集做出有效的猜测。近几个月，一种算法流行起来——一旦有自然灾害或恐怖袭击等意外信息公布，便立即抛出订单。一个数据点出错就能导致“无厘头暴跌”，能够引发它的灾难性事件未来必定会上演。坏消息是，若要应对新型高频交易带来的难题，就必须理解大数据与以往截然不同的挑战。好消息是，监管机构似乎认识到了适应变化的必要。本月，美国商品期货交易委员会(CFTC)专员斯科特•奥马利亚(ScottO’Malia)在纽约大学理工学院(NYU-Poly)大数据金融会议上表示，“鲁莽行为”正取代“市场操纵”，成为起诉不当行为的标准。例如，尽管利用从几百万条Twitter消息提取出的信息进行交易合情合理，但一旦算法在新闻通讯中发现“炸弹”和“白宫”两词便抛出大量订单，毫无疑问是鲁莽的。一个重要的问题是，我们如何保证市场参与者负责地使用“大数据”？正如《哈佛商业评论》(HarvardBusinessReview)的文章所说，大数据需要大智慧。几年前，CFTC曾考虑是否应当让监管机构对交易商的算法进行认证。监管机构干预的潜在风险是巨大的，更不用说还有知识产权盗窃的风险。各方可以达成一种妥协：让市场参与者提出一系列追踪“鲁莽”行为的实时指标，例如在买家减少时增加市场抛售压力的行为。如果一家交易商逾越了多个“鲁莽”行为的临界值，它将可能被起诉。随着市场的演化，这些指标可以调整变化；最重要的是，它们可通过全体市场参与者的一致同意而制定。利用美国国家实验室的资源是一种解决方案。劳伦斯伯克利国家实验室拥有超级计算能力和雄厚的分析技术，足以实时监控这些“鲁莽行为”指标，并且向监管机构汇报威胁稳定的鲁莽市场行为。传统的停市机制在市场暴跌后停止全部交易。相比之下，实时监控能够将单个参与者扫地出门，从而向诚信的参与者继续敞开市场。大数据的使用正在改变市场。现在，我们需要改变监管市场的方式。解决高频交易问题的出路不是限制技术，而是鼓励对更复杂的技术乃至更大数据的利用。本文作者为美国康奈尔大学(CornellUniversity)教授译者/徐天辰大数据揭示美国居民消费模式2013年05月21日06:29AM英国《金融时报》专栏作家吉莲•邰蒂几周以前，我在和美国最大食品饮料公司之一的高管聊天时，他关于数据流的看法对我很有启发。像大多数消费品集团一样，这家公司也正投入大笔资金，使用大数据技术监测消费者行为。该公司观察的不仅仅是顾客买什么和不买什么。最近，该公司越来越仔细地研究美国各个地区的工资与福利金发放周期这样的微观信息。为何这么做？这位高管表示，2007年以前，多数美国城市的消费者在一个月中的食品和饮料消费金额是相当稳定的。但2007年以来，消费模式已变得极其不规律。勉强糊口的消费者似乎越来越多，只有工资、食品券或福利金到手里时，他们才会买东西。而且，这一变化不仅发生在最贫穷的地区，甚至中产阶层地区也出现类似变化。因此，有必要研究一下各地区的工资与福利金发放周期。这位高管解释道：“我们看到人们现在的购物习惯与衰退之前有了明显的不同。消费者紧巴巴地根据每笔工资量入为出。此外，还有5000万人靠食品券生活，食品券也有发放周期。”“所以，对我们公司而言，掌握这种工资（和福利金）的发放周期是非常重要的。”遗憾的是，外部人士（或记者）似乎不可能接触整个经济中的这些数据。大公司对自己的大数据项目守口如瓶（这家全美多种热销点心的生产商，不让我透露公司的名号）。同时，虽然经济学家监测零售消费的宏观趋势，但他们通常不会去分析微观的消费波动。然而，这么做的并非只有这家公司。比如，沃尔玛(Walmart)的高管近来便指出，“工资支付周期”的影响越来越大；另一家零售企业克罗格(Kroger)也指出，使用食品券的顾客比例已增加了一倍，意味着消费模式有了更多变化。并且，随着这些消息越来越多，起码有两条原因使它们值得人们注意。第一条、也是最明显的理由是，这些消息应让我们警醒，在妨碍当前美国“复苏”的经济阵痛中，存在发不出声音、处于阴影之下的脆弱群体。最值得关注的是，近年来失业率居高不下且实际收入与家庭财富缩水，似乎严重加剧了美国社会贫困阶层的经济拮据状况。（比如，近期公布的一份翔实调查显示，2007年至2010年间，拉美裔和黑人家庭的财富分别缩水44%和31%。）经济拮据状况像微观消费习惯变化一样难于评估，这是因为经济学家一般并不追踪这一问题。但是，目前据推测有七分之一的美国人（约5000万人）生活在贫困线以下，另有相同比例的人生活在“食品无保障”的家庭。同时，有600万人使用食品银行，4700万人依靠食品券。此外，美国布鲁金斯学会(BrookingsInstitution)几年前曾试图研究经济拮据问题，分析有多少家庭可以立即拿出2000美元来。当时得出的结论是，四分之一的家庭没有储备随时可用的应急资金。“现在，尽管低收入家庭的经济拮据状况更加严重，但在看上去属于中产阶层的美国人中，也有很大一部分处境不容乐观。”我认为上述趋势值得注意（如果不是不幸的话）的第二个原因，是它揭示了我们对于时间的态度。上世纪的大部分时间里，现代“进步”的一个标志似乎是，我们对整个社会进行规划的时间跨度已拉长了。进入现代社会之前，农民或牧人既无法衡量时间的流逝，也不能精确地计算未来的风险。进入20世纪之后，人们似乎对环境有了很大的控制，以至于有可能（也是有利的）长远地看问题。人们不再以应激方式仓促行动，而是学会了预先计划，进行时间管理。人们不必再每天忙着寻找食物，而是可以主动地提前计划好，每隔一段时间去一次超市，这是更宏观意义上人类社会与认知发生变化的一个有力象征。但是，正如过去五年的经验所显示，历史不会沿着直线发展或者匀速前进。如果你让美国富人预测未来，他们可能把未来描述成自己期待踏上的一条精心校准的道路。但如果你让依靠工资而艰难度日的美国穷人预测未来，他们更可能把未来想象成无数个混乱的短周期。换言之，经济分化造成了不同的认知图，当然也带来了消费模式的微妙变化——消费品公司的大数据专家们现在想要追踪这些变化。但愿在不太远的将来，历史学家、社会学家和心理学家们将能进入大数据宝库。这个宝库可能揭示许多信息，不过也可能展示出让人辛酸的一面。译者/邢嵬数据科学家炙手可热2013年04月02日06:22AM英国《金融时报》保罗•索尔曼为英国《金融时报》撰稿《哈佛商业评论》(HarvardBusinessReview)近期声称，21世纪最性感的工作是数据科学家。这一美国商学院期刊表示，数据科学家集“数据黑客、分析师、沟通大师和受信任的顾问”于一身，并指出，这种技能的结合极为罕见。这正是全球各地诸多企业的问题所在。尽管公司经理深知大数据所能带来的效益，但他们难以找到拥有合适技能的人才。利用大数据的潮流毫无放缓迹象。管理咨询公司埃森哲(Accenture)去年调查了600家美国和英国公司，结果发现有三分之二的公司在之前18个月任命了负责数据管理和分析工作的高管。即使是尚未设立此类高管职位的公司，也有71%准备在不久的将来作出任命。招聘顾问也表示，对数据分析专家的需求正在飙升。专注信息技术领域、在伦敦和阿姆斯特丹设有办事处的Cititec表示：“今年前六周，我们收到的大数据招聘请求与之前六个月一样多。我们估计，该数字今年将比去年高出100%，甚至更多。”的确，大数据正快速成为IT招聘机构的重要专长。“我们现在拥有一位大数据专家，而一年前还没有，”Cititec补充道，“这是一块竞争激烈的市场，有很多公司竞相争夺资深人才。”埃森哲北美金融服务数据分析部门执行董事布莱恩•麦卡锡(BrianMcCarthy)认为，全球及各行各业的需求意味着，数据分析技能严重供不应求，尤其是在美国和英国。他说：“背景适合从事数据科学家工作——计算机科学、统计学、机器学习——的毕业生正在走出校园，但他们的数量还不够。”麦卡锡补充道，尽管许多公司转而聘请合同工——埃森哲调查表明，有近60%的公司求助于外部分析师和咨询顾问——但它们仍无法找到需要的人才。Cititec称，这种紧缺十分严重，以至于英国承接IT外包工作的资深数据架构