大數據無疑是現在最引人矚目的詞匯。但是，誰堅持認為可以從這項技術中獲利——而且如何獲利？
    過去10年中，在經歷了通信業和投資銀行業的幾個早期大數據項目后，我總結這個新興技術最適合用在像股票市場和供應鏈這樣的復雜系統中，獲得更精準的解析。尤其是投資銀行，這是最先采用大數據分析的行業之一。畢竟，那些專職賺錢的高管們熱衷于省錢和創造財富。
    在投資銀行，為了更準確的推薦投資或買入股票，需要處理的文檔（比如新聞、資產負債表等）數量太大而不能全人工處理。因此，合伙人傾向于簡化分析過程，使用電子表格文檔去完成大多數工作。而采用大數據技術處理大量信息可以有效性的降低風險，和以前相比，公司可以更好的進行分析和預測。
    公司如何運用大數據賺錢呢？
    通過大數據平臺，股票市場的交易員和投資組合證券d經理可以處理大量的非結構化數據，來識別最值得投資的公司。
    非結構化的公眾信息，包括公司新聞、產品評論、供應商數據和價格表變更，可以以大數據的形式進行整合并建立數學模型，幫助交易員決定買入或賣出哪支股票。
    一些按照上述方式運用大數據進行投資預測的企業，為了減少項目的前期投入使用云服務，比如Amazon的網絡服務（AWS），從少量的服務器開始，獲利后再擴大規模。我認識一個從大型投資銀行辭職的定量分析師，他可以在6個月內、用有限的資金創建一個可盈利的大數據交易系統。
    甚至在制造業，使用大數據可以提升預測能力。一個我曾經擔當顧問的歐洲主要汽車制造商，建立了一個內部系統進行鋼鐵價格的可行性分析，確定在最合適的時間、以更優惠的價格購買原材料。該系統采用開源Java框架Hadoop,整合多個供應商的數據庫、總量達到15Tb的信息，兩年節省了1.6億美元。
    該項目成功的兩個原因是：首先，該公司有足夠的信息對所有供應商進行建模；其次，該項目節省的原材料成本大大超過了建立系統的費用。
    公司如何運用大數據賠錢呢？
    但是，不是每個大數據項目運用這種方法都會成功。有時，公司運用大數據，賠錢和賺錢的概率相差無幾。大數據失敗的早期情況并不相同，但最普遍原因如：
    開始時步子邁得太大：大數據不需要大預算。如果懷著投資多等于回報大的想法開始一個項目，往往會失敗。在項目開始前，明智的做法是，分析在該技術上以有限的投入、在小范圍內是否可以帶來預期的收益。如果是，該項目隨時可以擴大規模，保證規模越大利潤越高。
    低估人力需求：開始實施系統前，問自己一個簡單的問題：沒有恒定的人力支持，該大數據項目能夠運作嗎？如果答案是“不”，那么馬上停止。建立一個不能以盈利模式進行維護的系統，意味著數百萬的損失。
    嘗試推進自然語言處理：大數據的一個潛在承諾是，通過自然語言處理（NLP），將各領域的數據變得可讀可寫。這種想法是令人興奮的——但在實際應用中沒有進展。目前的自然語言處理有嚴格的限制，因為人工智能還不夠先進——再過10年也可能不行。
    現代大數據意味著可以節省費用，和過去的數據處理器相比簡直是魔法。但在最初建立大數據項目時判斷是否真的可以盈利，將不會浪費你的時間和資源。只有傻瓜才會冒進。
    數據科學家Marco Visibelli從IBM辭職后創立了Kuldat公司，該公司運用大數據，對銷售和市場前景進行可行性分析并呈現可能的結果。