我眼中的Alternative Data
当我看到国内有些人把Alternative Data翻译成另类数据时，我第一反应想到的是程序员。我猜想是这样的，在工程师眼里，所有的数据被分为两大类，一类是与该主体直接相关的，另一类是间接相关的。比如在资本市场，股票交易价格、参与人信息、公司公告披露出来的信息、财务报表等都是与主体直接相关的数据，我暂且称其为传统数据；像通过分析上市公司的舆情变化走势预测股价变化则属于与主体间接相关的数据，我称其为非传统数据。我本人是个名副其实的杠精，特意查了一下Alternative的含义。
重新定义Alternative Data
看完词典后其实我还是比较懵逼的，又看了一些Alternative Data在金融行业的实际应用，加之我个人的研究方向是B2C企业非结构化数据洞察，我对Alternative Data的直接理解是通过实际应用场景而产生的数据。
即在具体的商业活动中，与核心主体相关的各个对象会在某些具体的场景下产生出场景数据，这些数据对于核心主体日常活动来说是间接关联的，但是会在很大程度上对主体的造成多方面的影响。Alternative Data即场景数据。
场景数据的特点
1.数据规模巨大。核心主体相关的对象是多方面的，也就是说场景也是非常丰富的，多场景势必会带来海量的数据规模。
2.数据流动速度快。多场景下巨大的数据规模也就伴随着数据的流动速度也是实时的。
3.数据种类众多。场景数据大多数都是非结构化的，数据来源多种多样，主要以文本、视频为主，语音为辅。
场景数据除了应用于量化投资领域，还能干什么？
透过量化投资，我们来捋一下场景数据的应用逻辑。投资人其实是通过场景数据来验证与评估该企业是否值得去投。我们换个视角，如果把这种评估思路应用到企业内部产品、品牌以及市场，识别会带来显著的效果。我一直研究的企业品牌口碑、产品口碑、行业动态其实是场景数据的实际应用。
我个人认为场景数据真正发挥的基础是对场景进行充分的认识与了解。如果我们把一个企业作为主体，那与主体相关的主要场景包括企业品牌、产品、竞品、行业这4个方面。与普通舆情产品相比，场景数据不仅仅包括品牌负面预警，更多的是将场景数据应用到企业的实际业务增长中。企业商情洞察系统是场景数据下一个增加点。
