預測分析選舉結果、景氣動向等

另外，人們的一個強烈期望，是運用大數據對不大遙遠的未來，也就是對當下或者近期做出準確的定量預測。我在雅虎實施過兩個有趣的預測。一是預測了2013年7月的參議院選舉結果。

最終發現，我們的預測大部分準確，預測結果的準確率超過了所有主要媒體。具體而言，我們發現網際網路上關注度—搜尋量和推特（Twitter）、Facebook上的原創投稿量等－—與投票方式具有高度關聯性，針對每個選舉區進行了預測。歷來的辦法是通過專家學者的觀察、選民的呼聲和問卷調查結果等進行綜合預測，而我們僅依據數據的類型和利用量進行預測，獲得了準確性超越傳統做法的結果。

另一個例子是經濟情況的預測。內閣府公布的景氣動向指數，通常在時間上要滯後1、2個月，但人們想知道的不是兩個月前的景氣好壞，更想知道現在的情況如何，於是我們開始了這個預測。我們首先從分析搜尋詞條入手。雅虎上全年大約會出現75億種搜尋詞條。我們對其中經常被搜尋的約60萬個進行了全面分析後，篩選出了尤與經濟指標密切相關的200個關鍵詞。以此為基礎，製作了用於推導當前景氣指標的模式，預測結果也成功做到了基本準確。

如上所述，在對近期或當前的定量預測中，大數據發揮出巨大作用。實際上，它早已被用到了日常的供應鏈管理（Supply Chain Management）中，便利商店一天3次發送數千件商品也沒有出現赤字的一個理由就在於此。

妨礙利用的各種問題

然後，我想談一談利用大數據時可能出現的幾種典型問題。第一，幾乎所有企業實體根本就沒有稱得上大數據的數據。這是問題之前的問題。

第二，各種數據本身尚未得到充分完善，導致無法整合數據加以利用。比如，零售商品數據，通常按大類、中類、小類等多層次分類，但對這種商品管理數據結構，即使是在同一個零售集團內部，每個鏈條都各不相同。這樣一來，整合利用就變得極為困難。如何將這些數據整合起來加以利用是一個重大課題。

即使解決了上述兩個問題，另外還需要一種可以實時處理和利用龐大數據的機制。大多數企業既沒有這種機制，而且也不具備基礎，將不斷湧入的數據存儲到記憶裝置中去。就算擁有存儲基礎，也沒有運用維護的人才。

為了解決這些問題，公司迫切需要的是擁有綜合技能的人才，運用資訊科學和工程技術學，從海量的數據中找出解決商業課題的答案。

綜上所述，缺乏數據、無法整合、不能建立讀取處理和利用的機制、沒有足夠的儲存保管基礎、缺乏運用維護人才以及可以綜合梳理並解決問題的人才——這就是現今大多數公司利用大數據的現狀。