数据科学和云计算赢得大多数政治竞选活动

数据科学和云计算赢得大多数政治竞选活动

回到大学后，我为华盛顿特区的政治咨询公司提供了计算机咨询。 在政治领域的两个方面，我在称为局域网的这些新事物上安装了基于CP / M的PC（约会自己）。 这个想法是提供基本的竞选流程，例如直接邮件和电话清单管理，以支持州，地方和联邦竞选。 很简单

快进到2020年。竞选办公室中的系统要复杂10,000倍，通常数据已移至公共云提供商，而先进的数据科学则可以最大限度地提高竞选活动中已知数据的有效性。 现代战役中最有价值的人不再是战役经理，而是那些负责利用数据有效地瞄准战役资源的人。 那些做到最好的人可能会赢。

[InfoWorld的要点： 用于AI开发的5种最佳编程语言 。 • 为什么应该使用Python进行机器学习 。 • Julia与Python的对决：Julia语言在数据科学方面的兴起 • 五个 用于数据科学的 基本Python工具（现已改进） • 数据科学的Python发行版Anaconda入门 。 • Python的Anaconda发行版中的新增功能 。 | 通过InfoWorld的App Dev Report新闻通讯了解编程方面的热门话题。 ]

我们看到了一些新事物。 首先，公认的使用公共云计算作为可以廉价存储数据（包括非结构化和分布式数据）的地方。 第二，第五或第六代的数据科学工具，例如分析和统计工具。 最后，使用AI技术从数据模式中学习对您来说是陌生的，这可能会改变2020年比赛。

那么，选民的魔术在哪里出现？ 这实际上是围绕通过模式（例如他们访问的网站或参与的社交媒体）来定位可能尚未决定的选民（即使他们不知道自己尚未决定）。 然后放置有影响力的刺激措施，例如定向广告，社交媒体体验，重点新闻或任何将投票者推向一个方向的事物，并以适时，有目的的方式将其推给单个投票者。

运动不是企业。 它们是规模较大的临时组织，聚集一到两年，直到下届大选为止。 他们的优势是，使用同类最佳技术，大部分时间都可以重新开始，并且没有传统技术的锁定。

令我感到奇怪的是，与政治运动不同，企业在很大程度上无法利用数据作为力量的乘数，以更有效地利用销售，物流，库存管理和预测新兴市场趋势。 简而言之，他们拥有数据，但缺乏根据数据做出断言的能力，更不用说对那些断言采取行动以改善业务。

我的观点是，企业应该从明年运动的成功或失败中吸取教训，并采用一些相同的用例和技术。 也许甚至雇用一些能够为候选人和企业带来成功的云感知数据科学家。 值得深思。

翻译自: .html