幸运的是，在过去的几十年里，数学家和经济学家一直都在努力开发一些算法，来评估各类偏好和它们的相对权重，并据此确定最佳匹配。尽管实际上这个过程是相当技术性的，但是从本质上讲，它与分析和匹配数据模式并没有太大不同。我们使用同样的技术来管理照片库（以方便自己寻找具有某些功能的图片)，或者让我们的智能手机“理解”语音指令，或者让智能手表上的健康应用程序检测出心脏的危险迹象。由于个人偏好数据只是形成某种特定模式的数据流，所以我们可以采用匹配算法来帮助自己确定最优交易伙伴。这绝不简单(确切地做出选择，将哪些东西进行比较，这些可不是琐碎的小事)，不过由于出现了更好的算法这在很大程度上归功于大量的训练用数据，任务变得相对容易了。在海量数据市场中，这些算法是交易伙伴找到彼此的方法。
这是对基于价格的交易决策所做出的重大改进，它使买卖双方能够充分利用现有的完整数据流，并帮助他们有效且高效地将数据转化为交易。由于市场具有分散性，市场参与者之间的信息交易是二元的:潜在的买家与潜在的卖家做沟通，并在交换了个人偏好的信息后，双方都了解了对方的情况，但他们并不了解整个市场。此外，市场参与者可能不想透露他们所有的个人偏好，这种行为以及类似行为，导致了我们前面提到的信息不对称。海量数据市场并没有消除这种不对称，但是，因为在海量数据市场上，更多的个人偏好信息通常会带来更好的匹配，所以人们对个人偏好信息秘而不宣的动力就减少了：因为改善匹配情况的目的，就是要识别出在交易中可以让我们获得最大价值的交易伙伴，也就是出价最高的交易伙伴。通过匹配信息而得到的交易，很多时候比我们在自已的信息多于对方时，通过谈判来达成的交易还要有利。在海量数据市场中，潜在交易伙伴之间的每一次信息互动，都能显示出更多的关于市场上商品的信息。即使最终双方没有交易，它也会对商品的最终交易结果产生正面影响。而且通过我们精心编排匹配过程，提高共同利益，优质匹配甚至可以为很多信息难以对称的领域提供帮助。当然，这个过程是不断迭代的，即使信息的流动是快速且廉价的，我们也依然还有努力提升的空间。这是因为，没有哪个人会知道每一个人的每一项偏好，交易决策虽然得到了很大改进，但它还并不完美。
第4章 市场的复兴
071