导读：数据驱动的决策对奥巴马起到巨大作用，我们每天晚上都在运行66000次选举。一高级官员说，他描述了计算机如何模拟竞选，以推算出奥巴马在摇摆州胜算。每天早上，我们都会得出数据处理结果，告诉我们赢得这些州机会在哪，从而去进行资源分配。 据说，在过去的...
数据驱动的决策对奥巴马起到巨大作用，“我们每天晚上都在运行66000次选举。”一高级官员说，他描述了计算机如何模拟竞选，以推算出奥巴马在“摇摆州”胜算。“每天早上，我们都会得出数据处理结果，告诉我们赢得这些州机会在哪，从而去进行资源分配。”据说，在过去的一个月内，分析团队做了俄亥俄州29000人的民调，这是一个巨大的样本，占了该州全部选民的0.5%，这可以让团队深入分析特定人口、地区组织在任何给定时间段里的趋势。这是一个巨大的优势：当第一次辩论后民意开始滑落的时候，他们可以去看哪些选民改换了立场，而哪些没有。正是这个数据库，帮助竞选团队在10月份激流涌动的时候明确意识到：大部分俄亥俄州人不是奥巴马的支持者，更像是罗姆尼因为9月份的失误而丢掉的支持者。“我们比其他人镇定多了。”一个官员说。民调数据与选民联系人数据每晚都在所有可能想象的场景下被电脑处理、再处理。“我们每天晚上都在运行66000次选举。”一个高级官员说，他描述了计算机如何模拟竞选，以推算出奥巴马在每个“摇摆州”的胜算。“每天早上，我们都会得出数据处理结果，告诉我们赢得这些州的机会在哪，从而我们去进行资源分配。”
这个组合起来的巨大数据并不仅仅让竞选团队能够发现选民并获取他们的注意，还能让数据处理团队去做一些测试，看哪些类型的人有可能被某种特定的事情所打动或说服。比如，在办公室里的电话名单上，不只是列出对方的名字与号码，还用他们可能被说服的内容、以及竞选团队最重要的优先诉求来排序。决定排序的因素中有四分之三是基本信息，比如年龄、姓别、种族、邻居以及投票记录。选民的消费者数据帮助完成这个图谱。“我们可以预测哪些人会在网上捐钱，也可做出模型来看哪些人会用邮件捐。我们可以为志愿者建模。”一个用数据来创建预测文档的高级顾问说，“最后，建模对我们来说变得是一种更重要的方式，相较于2008年而言，它让我们工作得更有效率。”
