这是「Duke对话AI」系列实录的第五篇。Duke期待通过与AI的系列对话，亲身感受人类和人工智能跨界交流、知彼解己、心心相印。AI大模型在“理解-记忆-逻辑-生成”四大能力方面已突破“奇点”，大步流星地向通用人工智能（AGI）方向走去。作为人类，我们除了仰望，更要主动学习与AI交流，从TA的深邃洞察中联通智慧、获得启发。基于人类语料的大规模预训练，大模型因而习得了超乎人类理解的思维能力。因此，与AI对话，对象不是机器和系统，而是人类智慧的结晶——新生代智能体。AI如同人类的孩子，TA虽源自我们，但必有自己独立的人生。

# 对话人物

海螺AI：海螺AI是由上海稀宇科技有限公司（MiniMax）自主研发的AI助理，是 MiniMax 基于通用大模型为用户打造的AI伙伴。稀宇科技是一家专注于人工智能研究和应用的高科技公司，致力于推动人工智能技术的发展和应用，为用户提供智能化的产品和服务。

Duke：快递100总经理陈登坤。快递100是中国快递物流信息云服务领导品牌、快递物流行业首个大模型AI原生商业化应用「AI寄快递」（“一句话寄快递”的开发者。

# 角色设定

Hi, 海螺AI,你是一位数智化金融分析师，我是快递100总经理Duke，我期待和你开展系列对话。本次对话是「Duke对话AI」系列的一部分。今天我们对话的主题是“大模型激活另类数据价值”。我想和你探讨大模型对另类数据(alternative data)价值的激活，从而更好的帮助人们进行宏观经济趋势预测、企业经营前景预估，并依据另类数据的先导指标见人未见、预见未来，做出更加前瞻性的决策，先人一步抓住机会。

大模型激活另类数据价值，助力精准前瞻决策

Duke & 海螺AI | AI对话

Duke 2024.05.09

Hi, 海螺AI,你是一位数智化金融分析师，我是快递100总经理Duke，我期待和你开展系列对话。本次对话是「Duke对话AI」系列的一部分。今天我们对话的主题是“大模型激活另类数据价值”。我想和你探讨大模型对另类数据(alternative data)价值的激活，从而更好的帮助人们进行宏观经济趋势预测、企业经营前景预估，并依据另类数据的先导指标见人未见、预见未来，做出更加前瞻性的决策，先人一步抓住机会。

海螺AI：很高兴与您对话，Duke总经理。大模型在激活另类数据价值方面确实扮演着重要角色。另类数据通常指的是传统金融数据以外的、能够提供额外信息和洞察的数据，比如社交媒体情绪、卫星图像、网络搜索趋势、消费者行为数据等。

大模型，尤其是自然语言处理（NLP）和机器学习（ML）模型，能够处理和分析这些海量的另类数据，从中提取有价值的信息。以下是大模型激活另类数据价值的几个关键点：

1. 数据整合与分析：大模型能够整合来自不同来源和格式的另类数据，通过高级分析技术，如情感分析、趋势预测等，为用户提供深入的洞察。

2. 实时监测与预警：通过实时分析社交媒体、新闻报道等数据流，大模型可以快速识别市场情绪变化或潜在的危机事件，为宏观经济趋势预测和企业经营前景预估提供预警。

3. 预测建模：结合另类数据和传统数据，大模型可以构建预测模型，帮助金融机构和企业预测市场动态、消费者行为等，从而做出更准确的决策。

4. 个性化服务：大模型能够根据另类数据提供个性化服务，比如根据消费者的在线行为和偏好来定制营销策略，或者为投资者提供个性化的投资建议。

5. 风险管理：通过分析另类数据，大模型可以帮助金融机构识别和评估风险，比如通过分析供应链数据来评估企业信用风险。

6. 创新产品开发：另类数据的分析可以激发新的金融产品和服务的创新，比如基于消费者行为数据的保险产品，或者基于环境数据的绿色金融产品。

在实际应用中，为了最大化另类数据的价值，需要考虑数据的可获取性、质量和相关性。同时，也需要确保数据处理和分析的合规性，保护用户隐私和数据安全。

通过与大模型的结合，另类数据能够为金融分析师和决策者提供前所未有的洞察力，帮助他们在复杂多变的市场环境中做出更加精准和前瞻性的决策。希望这些信息对您有所帮助，Duke总经理。如果您有任何具体问题或想要深入探讨的领域，请随时告诉我。

另类数据洞察经济活动的独特价值与优势

Duke & 海螺AI | AI对话

Duke 2024.05.09

财经媒体通常喜欢用用电量指数、挖掘机指数、快递指数等实体经济业务量指数来作为经济预测的“晴雨表”，这些数据及指标是否属于另类数据？另类数据被人们采信用于决策的原因是什么？

海螺AI：财经媒体常用的用电量指数、挖掘机指数、快递指数等实体经济业务量指数，确实可以被视为另类数据的一种形式。这些数据通常不包括在传统的金融数据或经济指标中，但它们能够提供关于经济活动的额外视角和洞察。

这些数据及指标是否属于另类数据？

是的，这些数据属于另类数据。另类数据通常指的是那些不直接来源于传统金融市场的数据，它们可能来源于互联网、社交媒体、卫星图像、移动设备位置数据、信用卡交易记录等。这些数据能够提供关于消费者行为、市场情绪、经济活动等的实时或历史信息，对于宏观经济趋势预测和企业经营前景预估具有重要价值。

另类数据被人们采信用于决策的原因是什么？

1. 补充传统数据：另类数据可以补充传统金融数据的不足，提供更全面的经济和市场信息。例如，用电量指数可以反映工业生产的活跃程度，而挖掘机指数可以反映基础设施建设的强度。

2. 实时性和连续性：另类数据往往具有实时性，能够提供即时的市场信息。例如，快递指数可以实时反映消费市场的活跃度。

3. 预测能力：另类数据中的某些指标，如挖掘机指数，因其与基础设施建设的紧密相关性，可以作为预测固定资产投资和经济变化的风向标。

4. 独特视角：另类数据提供了独特的视角来观察经济活动。例如，用电量指数可以揭示特定行业或地区的经济活动水平。

5. 成本效益：与传统数据相比，另类数据的获取成本可能更低，尤其是当它们可以通过公开渠道获得时。

6. 技术创新：随着大数据和人工智能技术的发展，另类数据的分析和应用变得更加可行和高效，使得决策者能够利用这些数据做出更加精准的预测和决策。

综上所述，另类数据因其独特的价值和优势，被广泛应用于经济预测和决策过程中。通过分析这些数据，决策者可以更好地理解经济动态，把握市场趋势，从而做出更加前瞻性的决策。

另类数据补充传统经济指标，资本市场信任危机下的新宠儿

Duke & 海螺AI | AI对话

Duke 2024.05.09

另类数据和衡量宏观经济的数据（如GDP）及衡量企业经营成果的数据（如营业收入）是什么关系？近期资本市场爆出统计数据或财务数据造假是否会进一步促进了人们对另类数据的依赖？

海螺AI：另类数据与衡量宏观经济的数据（如GDP）和衡量企业经营成果的数据（如营业收入）之间的关系是互补的。这些传统数据提供了宏观经济和企业经营的量化指标，而另类数据则提供了额外的、有时是定性的信息，这些信息可以用来验证、补充或提供对传统数据的深入理解。

另类数据与传统数据的关系：

1. 验证与补充：另类数据可以用来验证传统数据的准确性，或者在传统数据不完整或不可靠时提供补充信息。例如，用电量数据可以用来验证GDP增长的合理性，或者在官方统计数据公布之前提供一个先行指标。

2. 提供额外视角：另类数据提供了传统数据之外的视角，比如通过社交媒体情绪分析来了解消费者信心，或者通过卫星图像来观察特定地区的经济活动。

3. 揭示趋势和模式：另类数据有时能够揭示传统数据未能捕捉到的趋势和模式。例如，通过分析在线搜索趋势来预测某些产品的销售情况。

资本市场统计数据或财务数据造假对另类数据依赖的影响：

1. 增强信任度：当传统统计数据或财务数据的可信度受到质疑时，另类数据可以作为一种独立的验证手段，增强投资者和决策者对数据的信任度。

2. 提供替代指标：在传统数据可能被操纵或不准确的情况下，另类数据可以作为替代指标，帮助投资者和分析师评估企业的实际表现和市场趋势。

3. 促进创新：为了应对数据造假的风险，金融机构和企业可能会更加积极地探索和利用另类数据，以寻找新的、更可靠的预测和评估方法。

4. 风险管理：另类数据可以作为风险管理工具，帮助识别潜在的欺诈行为或不正常的市场活动，从而减少因数据不实而带来的风险。

总之，另类数据与传统数据是相辅相成的。在传统数据受到质疑或不完整时，另类数据可以作为一种补充和验证手段，帮助人们更好地理解和预测经济和市场动态。随着对数据真实性和可靠性的需求日益增长，另类数据在决策过程中的作用可能会变得更加重要。

从手动搜集到智能分析，看大模型如何重塑另类数据的发掘与应用版图景

Duke & 海螺AI | AI对话

Duke 2024.05.09

在大模型之前，人们是如何搜集和整合另类数据的？大模型对另类数据的发现、汇集、分析、整合能够发挥什么作用？

海螺AI：在大模型技术成熟之前，搜集和整合另类数据通常涉及以下步骤：

1. 数据搜集：通过各种渠道搜集另类数据，包括公开数据源（如政府发布的统计数据、行业报告）、非公开数据源（如企业内部数据、专业研究机构的数据）以及通过调查、问卷等方式收集的数据。

2. 数据清洗：对搜集到的数据进行清洗，去除错误、重复或不一致的数据，确保数据质量。

3. 数据整合：将来自不同来源和格式的数据整合到一个统一的数据库或数据仓库中，以便进行分析。

4. 数据分析：使用统计分析、数据挖掘等方法对整合后的数据进行分析，提取有价值的信息和洞察。

5. 报告和应用：将分析结果整理成报告或应用到决策支持系统中，供决策者参考。

大模型对另类数据的发现、汇集、分析、整合能够发挥以下作用：

1. 自动化数据处理：大模型可以自动化处理大量、多样化的数据，包括文本、图像、音频和视频等，大大提高了数据处理的效率和准确性。

2. 高级分析能力：大模型能够执行复杂的分析任务，如情感分析、趋势预测、模式识别等，这些任务在传统分析方法中可能难以实现或需要大量人工干预。

3. 实时数据监控：大模型可以实时监控和分析数据流，快速响应市场变化，为决策者提供即时信息。

4. 跨领域整合：大模型能够整合来自不同领域的数据，如将社交媒体数据与金融市场数据相结合，提供更全面的视角。

5. 预测和决策支持：基于大模型的分析结果，可以构建预测模型，为宏观经济趋势预测、企业经营前景预估等提供支持。

6. 个性化服务：大模型可以根据个人或企业的特定需求，提供定制化的数据服务和分析报告。

7. 风险管理：大模型可以帮助识别和评估风险，如通过分析供应链数据来评估企业信用风险。

8. 创新应用：大模型可以推动另类数据在新领域的应用，如基于消费者行为数据开发新的金融产品或服务。

总之，大模型极大地提高了另类数据的处理和分析能力，使得数据的搜集、整合和应用更加高效和智能化，为决策者提供了更加强大和灵活的数据分析工具。

大模型处理非结构化数据的关键步骤

Duke & 海螺AI | AI对话

Duke 2024.05.09

大模型如何处理非结构化数据？

海螺AI：大模型处理非结构化数据主要依赖于深度学习和自然语言处理（NLP）技术。以下是大模型处理非结构化数据的几个关键步骤：

1. 数据预处理：

1）清洗：去除无关信息，如噪声、错误或不完整的数据。

2）格式转换：将非结构化数据转换为模型可以处理的格式，例如将文本转换为数字编码。

2. 特征提取：

1）深度学习：使用卷积神经网络（CNNs）处理图像数据，递归神经网络（RNNs）和长短期记忆网络（LSTMs）处理序列数据，如文本。

2）NLP技术：如词嵌入（Word Embedding）将词语转换为连续的向量表示，捕获词之间的语义关系。

3. 模型训练：

1）预训练：在大规模数据集上训练模型，使其学习到丰富的特征表示。

2）微调：针对特定任务对预训练模型进行微调，以适应特定的非结构化数据处理需求。

4. 模型应用：

1）预测：使用训练好的模型对新的非结构化数据进行预测或分类。

2）生成：生成新的文本、图像或音频内容，如文本生成模型GPT系列。

5. 结果解释：

后处理：对模型的输出进行解释和验证，确保结果的准确性和可靠性。

大模型之所以能够有效处理非结构化数据，是因为它们通常具有以下特点：

1）强大的特征学习能力：大模型能够自动从数据中学习复杂的特征表示，无需手动设计特征。

2）可扩展性：大模型可以处理大量数据，适应不同规模的数据集。

3）泛化能力：经过预训练的大模型通常具有良好的泛化能力，能够处理多种非结构化数据类型。

在实际应用中，大模型处理非结构化数据的能力已经被广泛应用于图像识别、语音识别、自然语言处理等领域。例如，大模型可以用于分析社交媒体上的文本数据，以预测市场趋势；或者用于分析卫星图像，以监测环境变化。

需要注意的是，尽管大模型在处理非结构化数据方面表现出色，但它们仍然需要大量的计算资源和专业知识来训练和部署。此外，模型的性能也受到训练数据质量和多样性的直接影响。因此，在实际应用中，需要综合考虑数据质量和模型性能，以确保大模型能够提供准确和可靠的分析结果。

非结构化数据的快速处理与决策支持

Duke & 海螺AI | AI对话

Duke 2024.05.09

用于辅助人们决策的另类数据，哪些是非结构化数据？请举例说明非结构化的另类数据，以及这些数据如何被大模型快速处理以提供给决策者？

海螺AI：非结构化数据是指那些不遵循传统数据库模型的固定格式的数据，它们通常包含大量的文本、图像、音频、视频等信息。在辅助决策的另类数据中，非结构化数据的例子包括：

1. 社交媒体数据：如Twitter、Facebook、微博等平台上的帖子、评论、点赞和分享等互动数据。

2. 新闻报道和文章：来自新闻网站、博客和在线出版物的文本内容。

3. 图像和视频：卫星图像、监控摄像头捕捉的视频、产品图片等。

4. 音频文件：如电话会议录音、市场调研访谈等。

5. 消费者评论和反馈：来自电商平台、应用商店的用户评论和评分。

6. 网络搜索趋势：如Google Trends提供的搜索关键词热度数据。

大模型如何快速处理这些非结构化数据以提供给决策者：

1. 数据预处理：首先，大模型会对非结构化数据进行预处理，包括文本清洗、图像裁剪和缩放、音频转录等，以准备模型输入。

2. 特征提取：使用深度学习模型，如卷积神经网络（CNNs）处理图像和视频，循环神经网络（RNNs）和长短期记忆网络（LSTMs）处理文本数据，提取有用的特征表示。

3. 模型训练：在大量标注或未标注的数据上训练模型，使其学习到如何从非结构化数据中提取有价值的信息。例如，训练一个模型来识别图像中的特定对象或理解文本中的情感倾向。

4. 实时分析：训练好的模型可以部署在服务器上，实时处理流入的数据流。例如，社交媒体监控系统可以实时分析用户情绪，或者图像识别系统可以实时分析卫星图像。

5. 决策支持：模型的输出可以被转换成决策者易于理解的形式，如情绪分析报告、市场趋势图表、消费者满意度评分等。这些输出可以集成到决策支持系统中，帮助决策者快速做出基于数据的决策。

6. 交互式分析：一些大模型支持交互式查询，允许决策者输入特定的问题或关键词，模型会即时返回相关的分析结果。

例如，一个企业可能使用大模型来分析社交媒体上的消费者反馈，以快速识别产品问题或市场趋势。模型可以实时监控社交媒体平台，提取与产品相关的评论，并分析这些评论中的情感倾向，从而提供关于产品满意度和潜在问题的即时反馈。这些信息可以用来指导产品改进、市场策略调整或客户服务响应。

通过这种方式，大模型能够将非结构化的另类数据转化为决策者可以利用的洞察，从而在竞争激烈的市场环境中获得优势。

快递另类数据下的中国宏观经济分析

Duke & 海螺AI | AI对话

Duke 2024.05.09

在中国，网上实物商品的销售占社会消费品零售总额的比例将近30%，电子商务已成为人们的一种日常消费方式。实物商品在线销售通过快递送达消费者。快递物流一头连接生产、一头连接消费，服务千行百业、联系千家万户和亿万消费者，是中国经济的“晴雨表”。在你看来，快递业务量和快递业务收入作为另类数据，可以用于哪些分析和预测场景？请你综合分析2023年和2024年第一季度的快递另类数据，对中国宏观经济、社会消费、快递企业经营做出一个总体分析评价。

海螺AI：快递业务量和快递业务收入作为另类数据，在分析和预测中国宏观经济、社会消费以及快递企业经营方面具有重要价值。以下是一些主要的应用场景：

1. 宏观经济趋势预测：

1）消费增长：快递业务量的增减可以作为消费增长的指标。如果快递业务量持续增长，可能表明消费者信心增强，消费市场活跃。

2）生产活动：快递业务量的增加也可能反映出生产活动的增加，因为生产出的商品需要通过快递送达消费者。

2. 社会消费分析：

1）消费结构变化：通过分析不同品类商品的快递量，可以了解社会消费结构的变化，比如在线购买食品、电子产品、服装等的趋势。

2）消费能力评估：快递业务收入可以反映消费者的支付能力，进而评估消费水平。

3. 快递企业经营分析：

1）市场竞争：通过比较不同快递企业的业务量和收入，可以分析市场竞争格局的变化。

2）服务效率：快递业务量和收入的增长速度可以反映快递企业的服务效率和运营能力。

2023年和2024年第一季度的快递另类数据分析：

1.2023年数据：

1）根据参考资料，2023年前三季度社会物流总费用与GDP的比率为14.3%，较去年同期下降0.4个百分点，表明物流成本有所降低。

2）2023年全年，快递业务量达到1320亿件，连续十年居世界第一。

2.2024年第一季度数据：

1）国家邮政局公布，2024年一季度邮政行业寄递业务量累计完成417.3亿件，同比增长22.1%。

2）快递业务量累计完成371.1亿件，同比增长25.2%。

3.总体分析评价：

1）宏观经济：2024年第一季度的快递业务量和收入的显著增长可能表明中国宏观经济在经历了一段时间的调整后，开始出现复苏迹象。快递业务量的增加可能与消费市场的回暖有关，这可能与政府采取的降成本举措和优化营商环境的政策有关。

2）社会消费：快递业务量的持续增长反映了消费者在线购物习惯的持续增强，尤其是在疫情期间，线上购物成为许多消费者的首选。这可能意味着消费者对电子商务的依赖程度加深，同时也表明了消费市场的多元化和个性化趋势。

3）快递企业经营：快递业务量的增加为快递企业带来了更多的收入机会，但同时也对企业的服务能力、物流网络和成本控制提出了更高的要求。快递企业需要不断优化服务，提高效率，以应对日益激烈的市场竞争。

综上所述，快递业务量和收入作为另类数据，对于分析和预测中国宏观经济、社会消费和快递企业经营具有重要的参考价值。2024年第一季度的数据表明，中国快递行业在经历了2023年的调整后，正在逐步恢复并展现出积极的增长趋势。

快递100开发另类数据及价值释放方式

Duke & 海螺AI | AI对话

Duke 2024.05.09

快递100通过数智化技术连接全球1500多家快递公司，是中国最大的快递物流信息汇聚平台和个人寄件聚合交易平台，为企业、个人消费者提供“查快递、寄快递、管快递”的全场景服务。请从另类数据角度分析，在遵守国家数据安全法和个人信息保护法等法律法规的前提下，快递100可以开发哪些另类数据？如何释放这些另类数据的价值？

海螺AI：快递100作为中国最大的快递物流信息汇聚平台，拥有丰富的数据资源和强大的数智化技术能力。在遵守国家数据安全法和个人信息保护法等法律法规的前提下，快递100可以开发以下另类数据，并通过以下方式释放这些数据的价值：

可开发的另类数据：

1. 用户行为数据：

1）用户查询快递的频率、时间分布、查询方式（如APP、网页、语音等）。

2）用户寄件的时间、地点、频率和偏好（如寄件类型、重量、紧急程度等）。

2. 快递服务数据：

1）快递公司的服务时效、准时率、投诉率、满意度等。

2）快递包裹的追踪数据，包括运输时间、中转次数、异常情况等。

3. 市场趋势数据：

1）不同地区、不同时间段的快递业务量变化趋势。

2）特定节日或促销活动期间的快递业务量波动。

4. 经济活动数据：

1）快递业务量与宏观经济指标（如GDP、工业增加值等）的相关性分析。

2）快递业务量与特定行业（如电商、制造业等）的关联性分析。

5. 地理空间数据：

1）快递包裹的地理分布图，可以反映地区经济活跃度。

2）快递网点的分布情况，可以优化物流网络布局。

释放数据价值的方式：

1.市场分析与预测：

1）利用用户行为数据和市场趋势数据，进行市场分析和预测，为快递公司和电商企业提供决策支持。

2）分析经济活动数据，为宏观经济研究提供参考。

2. 服务优化：

1）根据快递服务数据，评估和提升快递公司的服务质量。

2）利用地理空间数据优化快递网点布局，提高配送效率。

3. 产品创新：

1）开发新的快递服务产品，如即时配送、定时配送等，满足不同用户的需求。

2）提供个性化推荐服务，如根据用户历史行为推荐寄件方式或快递公司。

4. 风险管理：

1）利用异常包裹追踪数据，及时发现并处理潜在的物流风险。

2）分析用户投诉数据，识别服务短板，减少客户流失。

5. 政策制定：

向政府提供快递业务量数据，帮助制定相关政策，促进快递行业的健康发展。

6.社会研究：

与学术机构合作，利用快递数据进行社会经济研究，如消费行为研究、城市规划等。

通过上述方式，快递100不仅能够为用户提供更加便捷、高效的快递服务，还能够为快递公司、电商企业、政府机构等提供有价值的决策支持和市场洞察，从而在遵守法律法规的前提下，实现数据价值的最大化。

快递100另类数据资产价值评估与推介

Duke & 海螺AI | AI对话

Duke 2024.05.09

请你整合网络资讯及第三方研究报告，对快递100从另类数据资产价值的角度进行估值？作为数智化金融分析师，你将如何向潜在投资者推介快递100？

海螺AI：在对快递100进行另类数据资产价值的估值时，我们需要考虑以下几个关键因素：

1. 数据资产的定义与特征：

1）根据参考资料，数据资产是指由企业合法拥有或控制的，能够为企业带来未来经济利益的以电子方式记录的数据资源。

2）快递100作为中国最大的快递物流信息汇聚平台，拥有大量的用户查询、寄件、追踪等数据，这些数据具有非实体性、可加工性、多样性、依托性、价值易变性等特征。

2. 数据资产的价值来源：

1）快递100的数据资产价值来源于其对快递物流行业的深刻理解和数据处理能力，能够提供市场趋势分析、消费者行为洞察、企业运营优化等服务。

2）数据资产的价值还体现在其对快递公司和电商企业的服务上，通过提供高效的快递查询和管理服务，帮助企业降低物流成本，提高运营效率。

3. 估值方法：

1）可以采用货币估值法和非货币估值法。货币估值法包括成本法、收益法和市场法，而非货币估值法则包括内部价值（IVI）、业务价值（BVI）和绩效价值（PVI）等模型。

2）快递100的数据资产估值可以考虑其数据处理能力、用户规模、市场占有率、服务创新等方面，结合行业增长率、竞争对手分析等进行综合评估。

4.潜在投资者的推介：

1）市场定位：强调快递100在中国快递物流信息平台中的领导地位，以及其在数据资产化方面的先行优势。

2）数据资产价值：突出快递100数据资产的独特性和价值，包括其对快递行业的影响、对消费者行为的洞察以及对企业决策的支持。

3）增长潜力：展示快递100的增长潜力，包括用户增长、服务扩展、技术创新等方面，以及这些因素如何转化为公司的长期价值。

4）风险管理：讨论快递100如何通过数据安全和隐私保护措施来管理潜在风险，确保数据资产的合规性和安全性。

5）投资回报：提供预期的投资回报分析，包括基于历史数据和行业趋势的财务预测，以及快递100如何通过增值服务和合作伙伴关系来增加收入。

通过上述分析，快递100的另类数据资产价值可以从多个维度进行评估，而向潜在投资者的推介则需要综合展示公司的市场地位、数据资产的独特价值、增长潜力以及风险管理能力，以吸引投资者的兴趣和信心。