昨天川普和希拉里的辯論大家都看了嗎?看這篇就夠了。
要說這場辯論賽，確實很有看頭。因為這兩人在政策取向、個人風格方面反差很大，而所受的爭議也為美國歷史所罕見。川普大叔和希拉里進行了第一場總統候選人辯論，數據顯示，全美有超過8000萬人觀看直播。
單從辯論能力來說，川普一個商人能和律師出身的高級政客辯到這份兒上，大數據分析科學家們幫了不少忙。
最早運用大數據技術的是奧巴馬，但在目前數據源的渠道越來越多、先進的分析工具陸續開發，以及大規模計算能力增長，2016 年這場大選簡直就是大數據的盛宴。
本篇不打算重復他們說了什么，而要扒一扒他們背后使了什么高科技?
希拉里堪比硅谷公司的大數據團隊：希拉里擁有一支由50名專業的程序員和開發者構成的技術團隊，他們原本供職于 Facebook、Google、Twitter等大型的科技公司，現在想利用更多技術手段幫助希拉里贏取更多選票和資金。比如，民主黨對于競選頁面進行細微的調整，讓捐贈人可以儲存信用卡信息。電商公司的經驗告訴我們，這是將窗口用戶變為付費用戶的關鍵，在政治上也同樣如此。
此外，希拉里的技術團隊還能應對一些突發的技術問題。2015 年，聯邦競選委員會報告競選籌資截止日當天，外部郵箱系統突然崩潰，競選團隊在 4個多小時內搭建了一個臨時郵箱系統 Balloon，以應對突如其來的危機。
那么，希拉里科技團隊就是一硅谷公司，川普只有Twitter?錯!
在辯論中起效果的川普大數據團隊：川普的競選團隊則運用大數據來分析希拉里過去十來年的辯論演講，尋找她的弱點與習慣性語言和動作。
因此，此次辯論與初選期間比較，川普的表現比較平和，沒有叫對手外號，也沒有說些尖刻的挖苦話。這也許是為了爭取那些對川普個性感到不舒服的選民，但是另外一方面，也讓他在進攻時顯得畏首畏尾。在對手發言的時候，川普臉上表情很多，令人覺得有點孩子氣。看來自身問題還得靠自己改變。 不過，川普已經很努力了，綜觀整場辯論會，川普開場26分鐘就打斷希拉里25次，推特上的相關討論亦有六成以上有關川普，僅三成不與希拉里相關，換句話說，川普再度以一個走入美國主流政治的非典型候選人形象，吸引普羅大眾的目光。
重點來了，大數據當真能助選嗎?
早在 2012 年奧巴馬競選時，民主黨的競選團隊中就吸納了一批有類似特質的科技人員，開發了一套數據庫 Narwal 用于管理投票情況。助奧巴馬連任成功，功不可沒。
與過去相比，現今的總統選舉在利用大數據分析這一塊更加旗鼓相當。拼的就是誰做得更好。
任何數據分析工作的執行，都需要做好三方面的準備：
1. 幕后的兩家大數據公司收集和整理數據
從目前來看，大數據分析現在是大型政治選舉的桌面籌碼。當需要幫助政治家盡可能有效地拉選票時，大數據收集和整理就必不可少。
先扒一下兩家大數據公司。
TargetSmart 給民主黨派和州民主黨派以及他們的同盟提供大數據分析和服務;Deep RootAnalytics，給共和黨及其從屬團隊提供數據分析。
Deep Root 和 TargetSmart 都是利用 Alteryx 的軟件來說明他們容納、凈化、混合以及分析來源不同的大規模資料。這種分析軟件以一種最有效的方法，來分析所有選民的年齡結構，根據不同年齡段來分段并且打分，然后利用這些資訊來優化他們在媒體上的花銷，特別是在非常重要的電視廣告上。
Deep Root 利用它的分析模型來告訴參選者，在他們已有電視預算的條件下，哪些地方能獲得最大的收獲。正如 Seawright 表示，資料分析在每天的決策過程中發揮很重要的作用。
資料將會指示客戶該將他們的競選廣告放到哪，才能讓他們的目標人群最有可能看到，也會提示他們花銷的紀錄，透過讓客戶在情景中能夠意識到這個問題，不僅提供他們所做的與目標人群相關的理由，而且也會分析競爭對手或同盟所做的，對目標人群的影響，這就允許他們能夠對正在進行的分配任務具有策略性，并對廣告投放更聰明——把廣告投放在最不顯眼而又最高效的地方，同時根據其他人或組織的移動來及時做出反應。
TargetSmart 也提供相似的分析服務，但是透過利用資料來優化移動不僅只是在電視廣告投放上，也在客服中心活動、傳統郵件及社區拉票，TargetSmart 在它的 360 度投票者聯系技術上比他們的老對手走得更遠。
2.“精準”，了解個性化需求
大數據技術顯然已經推翻了美國歷史上總統選舉的定律：誰籌的錢越多誰勝出可能性越大、誰花的錢越多誰就會贏。
但要做到“精準”是一個與業務定制的過程。
曾經奧巴馬團隊能取得顛覆性的勝利，是因為他們做到了三個最根本目標：讓更多的人掏更多的錢，讓更多的選民投票給奧巴馬，讓更多的人參與進來!這些都緣于他們對選民的認知達到了“微觀”層面：每個選民最有可能被什么因素說服?每個選民在什么情況下最有可能掏腰包?什么樣的廣告投放渠道能夠最高效獲取目標選民?這些都緣于他們對選民的認知達到了“微觀”層面：每個選民最有可能被什么因素說服?每個選民在什么情況下最有可能掏腰包?什么樣的廣告投放渠道能夠最高效獲取目標選民?
機器學習是數據挖掘中常用的方法，它的基本原理是讓計算機從歷史數據中“學習”其中的規律，并利用該規律對未來數據進行預測，這個過程也就是建模和預測的過程。因此，當用戶數據因業務而異時，每一組數據中都會有自己獨特的數據模型，這也就是與實際業務相定制的過程。比如，奧巴馬的數據團隊就會對每一個群體的選民都進行建模，進而預測他們的捐款行為方式(通過網絡捐款，還是會匯款)。
因此，在激烈的市場競爭中，誰能夠深入的了解他的每一個用戶的個性化需求，誰就能在競爭中擊敗對手，獲取勝利。
兩家公司還幫助川普和希拉里在社交領域進行加碼：
兩家大公司都正在越過電視領域來到類似社交媒體的數碼媒介來探險。但是這種嘗試是非常艱難的，因為數碼媒介上的資料更概略，透過媒體分析并不容易知道你所要到達的目標人群。
TargetSmart 在這一領域正在做一些創新性的工作，透過利用個人可辨識的資訊，這家公司將2.55 億國內投票者資料與類似 Facebook、Google、Yahoo 及 MSN 等數碼平臺上的使用者匹配。他們不能夠將每個推特用戶與注冊的投票者相匹配，但是能得到一個內部可以利用的相當規模的資料。如果按正確的方法來做這件事，它就會注入到你的模型中。這也是這次選舉一個重要的副產品。
利用社交媒體資料來更廣泛地理解人們的消費方式，還有人們與社交媒體連接的方式，這對于大數據分析而言將會更有價值。
3 .動態調整模型
模型需要根據實際情況進行動態調整。用戶因環境、喜好或其他因素常常會導致其行為規律發生一定的變化，使得其產生的數據也隨之變化，這些變化將會影響模型的精準性。
比如奧巴馬在第一次電視辯論結束后，選民的投票傾向發生改變。而數據分析團隊可以立即知道什么樣的選民改變了態度，什么樣的選民仍堅持原來的投票選擇。
不過，自從英國公投后，民調變得不那么靠譜了。
據CNN于辯論后公布的最新數據，有62%的民眾認為希拉里技壓全場，只有27%的民眾認為川普占了上風;而彭博發出的數據顯示，川普已經領先了兩個百分點。
進一步分析，亞裔多數不喜歡川普，支持川普的華裔多是新移民有強烈的民族主義，崇尚財富，認為美國必須嚴執移民法。
但川普已經步步為營，與希拉里拉小了差距，未來結果還未可知，想必數據科學家們此時還在針對投票趨勢在調整模型中。
11月8日，美國大選日見分曉!