爱尔兰最大博彩公司给我们带来的四条数据教训

在爱尔兰最大的博彩公司 Paddy Power，量化分析师和风险分析师团队每周为 12,000 到 15,000 场赛事设定赔率，从赛马和其他体育赛事到对碧昂丝未出生孩子名字的猜测，无所不包。在这些赛事中，有 60,000-70,000 个单独的赌注或“市场”可供下注。每个市场都需要一组赔率，即根据可用数据计算出特定结果可能发生的概率。但博彩公司如何知道哪些数据是好的，哪些数据是坏的？它如何在预测系统中建立保护措施，以免被破坏？

数据时代的一个基本原则是，更多的数据加上更强的计算能力等于对未来结果更清晰的预测。这样的预测模型带来了更准确的天气预报、更有利可图（有时也更危险）的金融模型、更强大的能源勘探、更高效的执法——你能想到的，有人在分析这些数字，试图预测未来会发生什么。

Paddy Power 的一些活动有大量具有巨大预测价值的数据作为后盾，例如赛马的表现历史和血统。其他活动则非常独特（碧昂丝的婴儿名），令人惊讶的是，有用的预测数据甚至不存在。

无论某项赛事的数据丰富还是贫乏，博彩公众仍然希望 Paddy Power 能够提供赔率。我们联系了这家博彩公司的量化分析师主管 Rob Reck 和风险主管 Dermot Golden（我们还没有听说过这个爱尔兰博彩公司的更好名字），与他们讨论信息偏见、数据中的数据以及信息技术的预测能力。以下是我们从两位每天为其业务提供一百万条微小数据更新的人那里学到的关于数据的四条经验教训。

你从哪里获取数据很重要

博彩主要是找出事件最可能出现的结果，确定结果的可能性，然后根据你的信心为自己建立缓冲。数据质量是游戏的名称，无论你是想预测哪个城市的圣诞节最白，还是下一次大型火山喷发将发生在何处（Paddy Power 为这两者提供赔率），你的数据来源都很重要。

“如果你能获得大量可供分析的统计数据，那么你从中获得的收获将远比有人告诉你火山何时可能爆发要多得多，”戈尔登说。“如果我们自己进行数字运算，那么这比听取基于混沌数学和三位不同气象学家的解释的三个不同的天气预报要舒服得多。”

这与您试图预测的结果类型以及您需要的数据是否实际存在密切相关。

“如果这是我们的数据，我们会非常满意，”雷克说。“如果是专业机构汇编的数据，我们通常也会非常满意。但有时你会沦落到业余爱好者或只是对某事感兴趣的人来维护这些数据。你对此不能抱有太大的信心。这就是你所拥有的一切，但你无法对它抱有太大的信心。”

换句话说，结果的好坏取决于投入。更好的数据意味着信心。

数据随金钱而动，产生更多数据

“这是有权衡的，”戈尔登说。“你可以投资数据，也可以投资分析，但你必须平衡营业额。在橄榄球世界杯决赛期间，你将获得数十万 [赌注] 的营业额，而在电视节目中，你将获得数万美元的营业额。你必须在周六下午 3 点的足球比赛和周六晚上 8 点的“X-Factor”之间取得平衡。足球交易员的数量远远多于新奇交易员的数量。因此，我们对足球的分析远远多于我们对新奇市场的分析。”

换句话说，数据往往来自具有某种可感知优势的地方。而且，数据已经很丰富且可信度很高的地方往往具有优势（或至少是可感知的优势）。

“一旦涉及到投注这些成千上万个市场的细节，它就是模型和技术的结合。但重大决策仍由坐在那里思考‘这匹马会赢吗？联合队能赢吗？’的人做出。”在博彩业和更广阔的世界里，这种循环可能是一件好事。以人类基因组为例。一旦它最终被测序，研究人员有了第一组真正的基因组数据，创新就开始推动突破，然后推动投资，推动更多的研究和数据，推动进一步的创新和进一步的突破。随着基因组数据量的不断膨胀，这个循环仍在自我推进，并不断加速。

但这也会导致数据增长不均衡。人类每天大约会产生 2EB 的数字数据，但有些地方的数据非常丰富（例如体育统计数据），而有些地方的数据却很少。

数据中蕴含数据

当硬数据稀缺时，博彩公司必须利用他们能得到的数据。有时，这些数据是某种专家共识或主观意见的平均值。但他们也会参考大众的智慧。例如，Paddy Power 的生意很红火，它通过清算类似于“美国偶像”的歌唱比赛节目“X-Factor”的赌注，观众通过短信投票选出他们最喜欢的演员。在这种情况下，预测模型所需的数据通常来自投注本身。

“当你看到赌注和资金流动的方式时，你会发现，实际上那些发短信给这些人投票的人就是同一群人，”戈尔登说。“下注的人和那些真正感兴趣并发短信的人是同一群人。所以我需要做出反应。我需要利用群众的智慧。”

这又带来了另一个问题——提供数据的同一来源也会影响赛事的结果。但对于 Paddy Power 来说，这也是影响他们所设定赔率结果的次要数据。这是信息中的信息，在缺乏可靠数据的情况下——尤其是涉及主观、流动、受人为影响的事件，而不是更严格、随机或科学的事件，如地震或天气——数据中的数据可能是您拥有的最有用的信息。

“数据越弱，你获得的利润就越多，”戈尔登说。“然后你要尊重资金流，因为资金中蕴含着信息。事件的类型会告诉你这些信息的价值。如果是电视节目，它就非常有价值。如果是火山爆发，它就没那么有价值。我们可以将足球定价为个位数的利润。对于像碧昂丝宝宝的名字这样的事情，我们真的不知道它会流向哪里。所以在这些活动中，我们会密切关注资金。如果住在洛杉矶的妇科医生开始押注这个，我们会非常感兴趣。”

总统选举也是一样。对于这种高人气的事件，Paddy Power 会委托市场调查，以便更好地了解结果。但有时，Paddy Power 线本身也可能成为公众舆论的一个影响因素。Golden 说：

“我们的交易量很大，所以很多人把我们看作价格指南，以表明某人当选的可能性，因为我们对实际情况了如指掌。再说一遍，这是群众的智慧。Paddy Power 提供的价格中包含了信息。”

“民意调查每三到五天发布一次，但 Paddy Power 每天都会公布赔率，”雷克说。“很多人开始关注这些赔率，尤其是记者，并从中推断出任何一位候选人的胜算。”

当记者或分析师向 Paddy Power 寻求指导并将其纳入报道时，他们实际上可以推动公众舆论朝着 Paddy Power 预测的结果发展。当然，当人们将赌注和选票押在同一位候选人身上时，他们与“X 因素”的粉丝没有什么不同，他们既下注又发短信。这些数据中包含有关选民情绪和政治气候的有用信息，可以为任何未来的预测提供参考。

技术只能按照你的指令行事

“我们在 IT 方面投入了巨额资金，”雷克说，“这是一个 IT 密集型行业。我们以前都是银行家，所以我们对技术的看法与金融服务业的人们的看法相同，都认为技术必须具有实时性，并且能够支持我们的业务。技术不仅仅是一个附加功能，更是我们业务不可或缺的一部分。”

但世界上所有的预测算法和超级计算机都无法真正预见未来。数据就是数据，没有黄金算法可以将其转化为未来结果的具体图景。

“技术只能按照你的指令行事，”戈尔登说，“这实际上取决于你的想法以及你如何解读数据，而我们认为在这方面我们做得相当不错。我们与技术息息相关。因此，我们在这方面投入了大量资金，这就是我们的运作方式。”

“但重大的方向性决策仍是直觉，”雷克补充道。“一旦涉及到投注这些成千上万个市场的细节，它就是模型和技术的结合。但重大决策仍是由坐在那里思考‘这匹马会赢吗？曼联能赢吗？’的人做出的。重大决策是由个人做出的。成千上万的小决策是由能够实时实现这些决策的算法和技术做出的。在人们从宏观角度判断某支球队赢得某场比赛的几率是否略高于市场预期后，很多决策都会自动发生。”

换句话说，人类的决策是数据的另一种形式，最终往往是最重要的。关于如何最好地解释数据以及如何最好地模拟事件的想法比技术本身更具驱动力，而技术本身通常是根据一组人类输入量身定制的。算法可以在眨眼间做出数千个微小的决定。但首先必须有人告诉它们这样做。