开始之前，先给大家分享几个案例：
✔一家银行，根据美团点评数据，评估餐饮门店的销量以及客户体验，来分析预测其业务健康度，进而进行普惠业务。
✔一家数据公司，通过监控Tesla工厂里员工手机的信号多少，来预测特斯拉的量产情况，进而预测股价。
✔某能源公司通过分析城市的工业用电数据，预测未来的工业产值，以此来优化能源调度和分配策略，调整定价。
✔某房地产公司通过分析城市交通数据，包括公交线路、地铁站点、共享单车停放点等，来预测房地产的发展，评估房地产项目的开发和投资。
✔投资公司通过监控淘宝、天猫、京东、唯品会等电商平台上每一个商品的价格与销售数量，准确获知这些电商公司的营收情况，以此来辅助投资决策。
以上案例分布在各行各业，但其实都与金融【另类数据】有关，可以很好地诠释【另类数据】的价值与场景。
什么是金融另类数据？
在过去，投资者更多的是依靠传统金融数据进行投资决策。
传统金融数据包括股票/债券的交易数据、上市公司的年报/财报、金融机构的研报数据、政府的统计数据、银行用户的借贷数据等。
而另类数据，通常被定义为传统金融报告和宏观经济指标之外的信息。
另类数据可以提供更多关于公司、市场和经济的深层次信息。例如社交媒体、卫星图像、互联网搜索记录和消费者交易数据等。
另类数据具体有哪些？
另类数据主要分为以下三大类：
✔ 个人产生数据数据：
社交网络信息、电商平台评价、搜索记录、购物喜好等。
✔ 商业过程数据：
商业运输、物流数据、信用卡使用记录、订购、预定数据、购买支付数据等。
✔传感器数据：
卫星数据、GPS定位数据、车辆轨迹、运动轨迹、穿戴设备数据等。
可以看到，另类数据主要是互联网、物联网数据。互联网的高速发展，围绕人类和商业的行为几乎都可以数字化，积累沉淀大量的个人和商业过程数据。
数据示例：门店菜品及销量数据
数据示例：店铺评分等基础数据物联网技术则让原本不被感知的物理世界成为可数据化的分析对象，逐步形成了大量的物理数据资产。
另类数据的特征
与传统金融数据相比，另类数据具备数据量大、实时性高、数据种类多、结构多样的特点，是对传统金融数据的重要补充，为投资者提供更广泛的交易思路、更多维的分析角度。
✔ 数据量大
另类数据通常规模与传输量巨大，数据以极快的速度积累，涵盖了庞大的样本空间。
✔ 实时性高
数据的获取和传输是实时或者接近实时，能够更迅速地反映市场变化和事件影响。
以上市公司营收信息为例，传统方式是从年报/中报中获得。年报集中于3-4月披露，中报集中于7-8月披露，具有时间延后性。
而通过实时监测此公司去年全年线上销售情况，投资者在1月就能知晓此公司上一年营收情况。
✔ 数据种类多，结构多样：
另类数据的形式结构很多样。有数值、图片、文本、音频、视频等多种数据类型，结构化的、半结构化的、非结构化的都有。尤其是非结构化的文本型数据近年来猛增，是重要的挖掘研究对象。
如何获取另类数据？
因为另类数据具有数据量大、实时性高、数据种类多、结构多样的特点，获取难度也比较高。
金融机构一般通过以下3种方式获取另类数据：向另类数据供应商直接购买、自建爬虫团队获取、使用数据采集软件获取。
其中使用数据采集软件成本效益最明显，前期只需投入很少的资金与人力，即可快速开始探索另类数据。
八爪鱼是通用的网页数据爬取软件，拥有行业领先的数据采集能力，能够很好地解决另类数据体量大、实时性高、数据种类多、结构多样的采集痛点。
近年来，我们已经服务了很多金融客户，帮助他们快速获取互联网上的各种另类数据，辅助投资决策。
八爪鱼采集模板-可采集同花顺-爱基金网站下的基金每日净值情况
