Краудсорсинг в экономике: прогноз инфляции по фотографиям цен
Молодая компания из Сан-Франциско Premise Data
Каждый снимок приносит его автору от восьми до десяти центов и представляет существенно бо́льшую ценность для Premise. Анализируя по свежим фотографиям динамику цен на товары ежедневного потребления, сотрудники Premise выстраивают индекс инфляции практически в режиме реального времени.
В компании считают, что такие аналитические данные сегодня крайне востребованы, и надеются продавать их на регулярной основе. Среди подписчиков Premise уже числятся Procter & Gamble и хедж-фонды Уолл-стрит. Цена подписки на месяц колеблется от 1500 до 15000 долларов.
Исполнительный директор Premise Дэвид Солоф (David Soloff) так оценивает ближайшие перспективы:
В течение пяти лет я хотел бы увеличить число занятых мониторингом людей до трёх-четырёх тысяч. Глобальный мониторинг инфляции позволит оптимизировать расходы и защитит от спекуляций.
Идея довольно проста: обладая актуальными сведениями и достаточной вычислительной мощностью для их обработки, можно найти новые закономерности и взаимосвязи между различными типами данных.
Сама по себе фотография корзины орехов в каком-нибудь азиатском магазине не имеет большой ценности. Если же сопоставить её с другими аналогичными снимками, ретроспективными данными о метеоусловиях и экономических показателях выбранных регионов, а затем выполнить статистический анализ, то выводы о характере и причинах изменения цен могут оказаться весьма значимыми.
В Premise утверждают, что спрогнозировали уровень инфляции в Индии на несколько месяцев раньше правительства, просто ежедневно отслеживая цены на лук по стране.
Научный сотрудник Центра предпринимательства и техники Калифорнийского университета Бернт Вал (Bernt Wahl) поясняет, что верность принятия решений, основанных на такой аналитике, напрямую зависит от свежести полученной информации:
«Большие данные» проливают свет на рыночную ситуацию и дают возможность реагировать быстрее. Скоро это станет регулярным бизнесом, основанным на прогнозировании. Все компании начнут действовать как Amazon – постоянно корректировать свои цены по всему миру.
В Premise сочетают отслеживание изменения цен по присланным фотографиям и прайс-листам с тридцати тысяч сайтов. На основе этих данных
Как видите, подобный анализ в России и странах СНГ даже не планируется, поэтому упомянутое приложение для нас неактуально. Впрочем, это не отменяет ценности самой инициативы прогнозирования на основе анализа больших объёмов данных.
Можно продолжать делать прогнозы по старинке – на основе обычного ретроспективного анализа. Например, оценить продажи мороженого прошлым летом и готовиться к такому же объёму в будущем сезоне. Однако сегодня есть более совершенные инструменты.
Анализ «больших данных» позволяет учесть при прогнозировании десятки сторонних факторов – от климатических особенностей до количества спортивных мероприятий в городе. Вполне возможно, что на объём продаж мороженого существенно влияют именно они, или какой-то другой совершенно неочевидный фактор. Выявить такую корреляцию можно только благодаря технологиям Big Data.