データの進化

データ分析と機械学習は大きな進歩を遂げています。しかし、これは、データの生成、保存、共有、ネットワーク化された学習の進行中の進化において、次の可能性のあるものにすぎません。

データの進化…

  1. データの不足 – 1990年代初頭以前は、データの生成が(現在と比較して)少なく、データを保存および共有するメカニズムがより制限されていたため、データはかなり不足していました。
  2. データ生成 – 2000年代はセンサーの時代になりました。電子機器の進歩により、センサーはより手頃な価格になりました。その結果、センサーの生産と新しいセンサーの種類が大幅に増加しました。展開されたセンサーの大規模な規模により、データ生成は飛躍的に成長し、そして成長を続けています。
  3. データストレージ –データ生成の急増に伴い、費用効果の高いデータストレージの必要性が高まっています。大規模なデータストレージは今では非常に安価になっているため、データサイズが巨大になるまではごくわずかなコストに近づきます。
  4. データ共有 – 1990年代に、企業は独自の内部データを生成しましたが、それはほとんど外部で共有されていませんでした。印刷された形式を除いて、一般的な知識もありませんでした。インターネットの出現とその後の広範な採用(1993年以降)により、データ共有はかつてないほど普及しましたが(特に、APIの急増に伴い)、ほとんど構造化されていませんでした。
  5. データの構造化 –技術に精通した業界の専門家は、利用可能な情報セット内で繰り返し可能なパターンを確認し、一度に1つの業界に垂直に構造化を開始しました。収集と照合は、次の「隣接可能な可能性」でした(2004年から2016年頃)。これが実際、PrivateEquityInfo.comが2004年に開始された方法です。私は、プライベートエクイティおよび関連するM&A企業とイベント全体でデータを構造化する機会を特定しました。これにより、人々は情報の発見と専門的なネットワーキングにかかる​​時間を大幅に節約し、M&A取引の効率を高めることができました。
  6. データ分析 –構造化されたデータにより、アルゴリズムを通じて、これまでにない方法でデータ全体の傾向を分析および特定できるようになりました。これは、歴史的背景をよりよく理解するのに役立ち、歴史的傾向からの将来の予測を可能にしました(2008年以降)。また、少なくとも方向性を持って、実用的な洞察を提供します。
  7. ビッグデータ –意思決定においてデータがますます有用になるにつれて、私たちはますます多くのデータを収集し始めました。データ(および十分な処理能力)があれば、より多くの方が優れています(データの拡張によってデータ品質が低下しないと仮定すると、多くの場合、誤った仮定になります)。
  8. スマートデータと機械学習 –センサーとさまざまな入力からの構造化されたデータ収集が、それに追いつくための(人間の)能力を大幅に上回り始めたため、データ内の関係を確立し、将来のより良い予測と指標を作成するために機械学習技術を採用し始めました。大量のデータが供給される機械学習は、人間がコーディングしたアルゴリズムよりもはるかに強力です。膨大な量のデータから、機械は人間ができないパターンを引き出すことができます。彼らはより速く学習し、データの因果関係を特定できるため、人間よりも正確に結果を予測できます。スマートで機械学習されたデータ駆動型アルゴリズムと大量のデータが組み合わされて、人工知能(2015年以降)がインテリジェンスに近づきました。

次は何ですか?

ネットワーク学習 – 2018年以降、マシンはデータを作成し、事前に決定された構造化された形式で利用できるようにし、このデータを他のマシンと共有し、マシンのネットワークに相互に学習させます。機械の超知能。より多くの処理能力、より多くのストレージ容量、より高速な情報検索を除いて、人間の脳の複雑なネットワークをより厳密にモデル化します。これは特異点ではありませんが、機械によって生成されるインテリジェンスがそれほど人工的に感じられないという点で、大きな飛躍となるでしょう。


民間投資ファンド
  1. ファンド情報
  2.   
  3. 公共投資基金
  4.   
  5. 民間投資ファンド
  6.   
  7. ヘッジファンド
  8.   
  9. 投資資金
  10.   
  11. インデックスファンド