史瑞肯·达加（Shreekant Daga）
很难量化所收集的数据量。如果可以的话，那将是巨大的！这个十年主要用于收集数据而不是处理数据。
已经出现了更新的方面来分析该数据，并且进化是自然而必要的。让我们看看一些熟悉的事件，其中数据处理已用于决策。
关现在，交通信号灯配备了摄像头，这些摄像头不仅可以视频记录正在发生的事情，还可以在视频翻转中侦察车牌，以惩罚违法者。
相关新闻2020年预算：“增长将是关键议程，预计将为行业提供支持措施”“在预算，制药和快速消费品包装之前，市场可能会保持波动” 2020年预算：“财政部长的箭袋里几乎没有箭”可能不久之后，车辆会预先安装GPS或地图服务提供商向当局提供有关限制出入道路的数据，以遵守和遵守法律。
随着这些趋势的上升，探索数据如何驱动印度投资决策可能会很有趣。首先让我们看一下信贷方面，看看某些新时代公司如何在质和量方面相互联系。
快速周转对当今的企业和客户而言至关重要，因为缺乏周转可能会有害。有几家广告商宣传信用评估的速度。
他们当然会评估4C的信用（抵押品，特征，契约和能力），但同时也将重点放在SILK（社交，互动，联系和k常数）上。
根据可用的数据类型，可以将其分类为社会上主动的或被动的，因此因素被嵌入了决策过程。担心社会报应的人更可能不是故意的违约者。
个人在柜台上进行的对话会对信用的质量和动机做出二元判断。此处也使用了代理客户评级（例如出租车客户评级）。
同样，从信用的角度来看，联系良好且同伴位置良好的个人可能属于相似的品种。最后，保持一致性可以消除风险。
如果某人每天在相似的时间在同一地方工作，或者始终在某个位置花费时间，则被视为更安全的信用押注。在这方面，位置数据由各种应用程序共享。
投资是一个充满噪音的空间。有人们的意见，而且这些意见会随着时间而流逝。就像表演一样，如果可以跟踪这些意见和得到证实的相称时间，那么依靠它们将变得更加容易。
不幸的是，传统方法不会捕获评论和回测评论，也不会遵守投资指令并将其与实施方式进行比较。
通过机器学习，很多事情都是可能的。机器学习生动地描述为机器自身学习的能力。机器学习可以将重点放在个人所说的内容上，并具有预定义的参数以测试未来。因此，通过这种方法进行的访谈和意见可以客观地进行回测。
同样，数据也可以专注于公司，而不关注基金经理或基金公司。卫星图像，热图和其他示例是获得业务活动视角的示例。
每季度的结果只有滞后才能得到报告，但是如果可以确定结果的方向，那么投资者就会获得意外的收获。可以监控基础设施项目的进度以及公司自有网点的人流。
数据还可以用于通过跟踪管理来抢占公司的决策权，因此可以预示即将发布的公司公告，例如合并或收购。
当前世界中的数据非常棘手，出于投资目的，其使用甚至更加棘手。数据的使用不应属于网络钓鱼或侵犯隐私的范围。
数据可能是匿名的，但在某些情况下，如果这样做也可能会使其有用。有一条细线，需要维护。
（作者是CAIA协会副主任）
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
