1.2.2　没有数据是不行的

所谓机器学习，其实就是通过若干算法，使用数据训练模型并做出预测的过程。那么数据的重要性就不言而喻了。假如模型是马路上跑的汽车，那么数据就是让汽车正常运转的燃料。常规的数据包括经济统计数据、市场交易数据和上市公司财报。如今，人们使用的数据范围更广，甚至包括卫星图像、信用卡销售、股民情绪分析、手机地理位置定位和爬虫抓取等来源。理论上来讲，我们这里说的数据包括任何可以使用机器学习提取交易信号的信息。

举一个例子，如果在某家上市公司公布财报数据之前，我们可以获取该公司在招聘网站上发布的招聘岗位数量，就可以先于财报数据发布了解到该公司的运营状况。假如该公司的招聘人数在上升，则可能说明该公司业绩良好，自然其股票的价格也可能上涨；反之，假如该公司的招聘人数锐减，则说明该公司的经营可能有困难，则可能会导致该公司股价下跌。

当然，最直接有效的数据还是那些能够直接体现用户消费的数据，如支付数据。在后面的章节，我们会具体来讨论如何使用外部数据，并将其添加到模型的训练当中。