1. 大数据可以在哪些领域实现预测价值
和原来统计抽样数据不同，大数据需要持续数据，来反应相对完整的过程，而且整个过程是一个相对稳定的规律性状态。
这样通过数据比对，一方面能去除偶然性和外界环境干扰带来的噪点，另一方面通过数据积累，能把规律的异常波动和结果之间找到数据对应关系，来实现对异常变化的情况分析和预测。
只要数据全面和连续，异常变化的征兆就可以被发现。传统的统计抽样数据需要从数据中进行抽样，通过单个数据的精确来反应当时状态，但是无法进行规律的分析。
所以大数据的原理是，基于每一种非常规的变化，在事前一定有征兆体现。没有任何一件事情是突发的，这和佛教哲学中的因果道理是一样的，每一件事的发生是可以被追寻脉络的。
利用大数据的预测和分析，就建立在可以捕捉和分析这些反应事物变化的征兆上，而最容易捕捉这种征兆的领域，一定是原本有稳定规律的领域。
我们从现实生活中举几个例子。
1、股票市场
是否能用大数据的方式，来预测股票的涨跌呢？如果不讨论个股情况，从理论上讲在美国可以，在中国很难。
美国股票市场是可以双向盈利的，当股票价格脱离价值时，另一股资金力量就会反向操作来盈利。而中国的股票市场则不同，股票只有涨才能盈利，这样的规则就会吸引一些游资利用信息不对等的状况，人为改变股票市场规律，没有相对的稳定状态则很难被预测，或者说变量大到捕捉分析成本过高。
2、商品价格
单次性销售的商品价格是能够被预测的，因为任何商品的销售无法脱离赚钱这个根本，而且不同渠道成本和收益需求在竞争充分的环境下是相对稳定的，与价格相关的变量相对固定，所以价格可以预测。
但是如果商品有后续服务等持续性收费，或产品盈利不是唯一的需求（比如：产品新上市推广、打击竞争对手新上市商品等）时，则此商品价格变得不可预测，因为它脱离了一个稳定的状态。
3、人的健康状况
慢性病是可以被预测的。因为人体的体征变化是呈固定的变化规律的，慢性病形成的过程中，体征变化规律也呈现持续性异常。所以在慢性病形成的过程，就可以对异常的体征变化规律进行分析。
急性病是很难预测的，因为是外界因素带来的突变，体征数据变化规律异常是应激反应，属于突变的过程，尤其随机性，则预测成本过高，但可以发生后被分析出来。
1、数据波动规律不因外界随机干扰而不可测影响，可以用固定维度的变量建立基准规律；
2、持续采集和分析数据的成本要小于预测带来的收益；
3、有异常状况和不同结果的对应关系。
2. 为什么jm33.cn中说股票分析可用大数据来预测而多人都觉得股票是被操纵的，没有预测的可能
股票的预测只是一个概率问题，实际上即便是使用大数据也无法解决其中的偶然因素造成的影响，所以没有100%的准确。
3. 大数据时代: 大数据时代的 商业创新
大数据时代: 大数据时代的 商业创新
大数据不是一个新的现象，或者是数据根本就不是一个新的现象。上世纪1920年代，在美国出现了所谓的直销业，大量的百货公司开始进行所谓的直销，给每家每户送目录，这就是开始采集用户的数据来进行个性化的营销。到1982年，美国的一些航空公司出现了客户忠诚项目，航空公司开始有大量的客户交易行为数据。
商业创新涉及产品整个价值链
从商业创新的角度来看，更多的是围绕着管理现有和潜在顾客的全生命周期，在你购买之前、购买之后，全媒体、全渠道。无论是pc、手机，还是线下o2o，所有跟这个企业的社会互动，把这些数据收集起来，就能做出一个很好的预测。而且传统的数据营销，产品投放市场以后，只是单纯地做营销。现在，商业的创新是更多延伸到产品整个价值链的上下游商业的创新。
大数据时代，商业创新的市场趋势和一些商业创新出现新的范式。
我们现在处于一个社会化互联网时代，早就过了门户时代。现在的互联网是一个社会化的互联网，其内容主要是用户提供的，用户的内容都可以自己生成，而不是由企业生成的。
互联网时代，最主要是两种形式：一种叫口碑，就是“言”；另外一种是观察模仿，或者叫观察学习，就是“行”。
大数据时代的商业创新，既然是围绕着社会互动展开的，就有一个很重要的特点：社会化互联网使社会互动成为企业的一个重要的战略变量，无论是口碑还是观察模仿，在传统的线下，企业没有办法直接操控。中国有一句谚语：酒香不怕巷子深，但现在不一样，现在很重要的一个特点是，商业创新要看各种各样的新的商业模式，很多完全是围绕这个展开的。
口碑：
新的营销决策变量
从过去这些年的研究中，可以发现的一些有关口碑的例子。比如亚马逊1995年最早推出消费者的口碑，第一次把消费者的口碑当做企业操控的变量，它可以决定提供还是不提供。这里，我们要思考口碑给企业带来了什么样的影响，功能是什么。
观察学习也是这样，也是亚马逊最早开始做的。我们在线下排队的时候，亚马逊很轻易地放到网站上，后台可以统计出看过某款产品的客户，最终有多少人购买这款产品。
我们看到100个顾客从餐馆门前走过，最终有多少人进了这个餐馆，多少人进了对面的餐馆，这就是在现实生活中大家去吃饭时关心的数据。企业仍然能够把它当做直接操控的战略变量，这就改变了很多商业的游戏规则。
另外，社会互动的类型成为企业直接管理的变量。其实，另外一种社会互动的异质性本身或者同质性本身，也成为企业管理战略的变量，这是我们要在另外一篇文章里面讨论的问题。
商业创新：
立足社会互动的战略管理
商业创新是围绕着利用社会互动来影响产品投放市场以后的战略吗？其实远远不止，社会互动还可以影响到整个价值链的上下游。企业用消费者社会的互动来做新产品的测试，更重要的是新产品测试的时候就在做营销了。
身处大数据时代，商业创新一个很重要的立足点就是怎么来进行社会互动的战略管理。社会互动的异质性取决于社会网络关系，社会互动不同的类型不仅可以影响企业做决策，还受现在移动互联网o2o的影响，它也是一个战略变量。
其实在大数据时代，你仍然可以做社会互动。美国芝加哥的一家公司是卖t恤衫的，任何一个人都可以把自己设计的t恤衫上传到这个网站，得票高的由这个网站生产。这样来做新产品开发，同时也是在做新产品的测试，也是在做新产品的营销。什么意思呢？在大数据时代，如果你要基于社会互动战略管理的时候，我们过去商业上决策的流程是一种串行。现在是一个并行，我在做营销的时候，我就应该在做研发，我在做研发的时候，我应该就在做营销，不应该把它割裂开来。
社会互动：
企业可操控的战略变量
传统的市场主体企业创造价值，顾客消费价值。是谁创造价值，谁消费价值呢？实际上是消费者在创造价值，企业在消费价值。而传统市场的功能是在做价值的交换和资源的配置，但是价值的交换前提是：谁是价值的创造者，谁是价值的消费者非常清晰，而现在并不清晰，现在市场最主要的功能更多的是在做一种资源的整合和价值的共创。市场的主要调节机制不仅是供求价格，更多是社会互动。
人类社会一直有社会互动，社会互动现在成为市场调节的主要机制？一个很重要的条件是，价格之所以成为调解价值，第一是价格可观测、可度量，第二是价格可调控。
由于互联网、大数据技术，社会互动成为企业可以操控的战略变量。大数据技术可以把用户在微博、微信上互动的内容分析提取出来，知道什么价值有用，什么价值没用，这就是大数据时代对商业创新的影响。
4. 通过大数据分析股票，对购买决策有何帮助
毫无作用,因为你拿不到真实的数据,中国股市信息不对称问题由来已久,而且尚未解决,数据分析是有作用的,但是只限于基本面,其他的数据分析甚至会误导你的决策
5. 你们的基于大数据预测的股票为什么没有跟上来用大数据来预测股市靠谱吗
目前还没有到大数据时代，还是靠自己预测吧
6. 如何加快大数据分析的创新
“未来的需求”，是指现在的产品仍有缺陷，用户期待更合适的产品和服务。比如从地铁站出来的乘客，原来会通过“打黑车”解决“最后一公里”的问题。共享单车的出现，让人们有了更好的选择。
7. 我花了近5年的时间发明了一种算法（里面涉及到一些创新理论），可以预测一只股票的最佳买点，想推广
都能用excel运算了，就说明这套东西能写成程序了，那就把你这套东西做成交易策略去回测一下看看效果呗，拿资金曲线，回测数据说话呗。
如果真那么好用还上什么班啊，还卖给别人干什么啊。做成自动交易程序你不就等于拥有了一台印钞机了吗。在家数钱就可以了。
8. 大数据分析股票，有什么好的方法
大数据只是做好宏观经济走向，但是落实到具体某只股票，就显得不那么使用了
9. 大数据预测股票靠谱吗
要进行人工分析，不能完全依靠数据
10. 大数据对股市分析的技能怎么样
目前，数据分析职位缺口主要集中在三大巨头行业：移动互联网、计算机软件以及金融，总占比64%，同时非典型数据产业，潜移默化、迅速崛起。说明数据分析是各个行业都是通吃的技能，且都能期待不错的收入水平。