英国脱欧，美国特朗普当选总统，主流媒体的预测全都失去了准头。其实不是人类行为异常无法预测，而是主流媒体早已经不是主流了，只是他们自己还不知道罢了。
　　有一家人工智能公司MogIA，是印度人SanjivRai于2004年创建的，MogIA通过采集大数据正确地预测到了前3次美国大选的结果，甚至上一届大选时全美国51州的投票结果都没算错；这一次MogIA对共和党和民主党的初选结果的预测也正确，但是主流媒体却把这个新闻放在了科技版面，而把传统民调的错误数据放在了头版。
　　大数据可以收集到美国人民在 Facebook和Twitter发表的信息，从人们对两党的竞选活动和广告内容的互动数据给予倾向数值，MogIA就能依照自己的算法对两位候选人的民众参与度打分。
　　大选前全美国的民调都把对民主党的支持率提高了一大截，特朗普当选的机会似乎处在风雨飘渺之中，但是，MogIA发表的特朗普的参与度，超过了2008年当选总统的奥巴马在竞选期间的峰值，报告中提到，如果特朗普输掉了选战，那就是12年来第一次违背了数据预测趋势。
　　结果几乎所有传统民调都失去了准头，电脑从大数据中挖出了人们真正的投票倾向，一个人不会在 Twitter上讽刺川普，还投票给他；不会在Facebook上对希拉里的广告视频按赞，却不投票给她。可是，民调找上他们时，他们不一定会给出心里的答案。
　　另一方面，大数据搜索得到的样本数可能有上亿个，民调要找到上万样本的难度和成本却非常高。不是新时代的美国选民已经疯狂到无法预测，而是预测的方法过时了，大数据取样多，多到可以不用分析背后的原因，预测准确一点也不稀奇。
　　各行各业里面银行是最保守的行业，他们帮助所有人搬钱，按照比例留下利息或手续费，除此之外最好的生意就是借钱给有信用的人，可是就怕“万有一失”。所以银行借人100元，要求别人提供200元的资产抵押。导致许多有信用的人急需要钱，却无法通过银行保守的条件。
　　对于银行来说，借钱给有信用的客户比借钱给有资产的人更有价值。但是，信用很难预估，为了避免所贷非人，每家银行只好设下了种种征信关卡，导致符合一家银行贷款资格的客户，一定可以找到许多家银行来杀价谈贷款条件，银行借钱给别人的生意，早已是一片红海。
　　有了互联网，有了社交网络，就有了大数据。
　　玉山银行是台湾一家小规模的银行，其信用贷款的业务量却是台湾前十大同行平均值的200%。因为他们是最早成立了大数据部门，用信贷模型工厂系统当后台，推出了“e指可贷”APP，让客户利用计算机或手机在网上申请贷款，3分钟完成申请的银行。每一案件的审核时间，只需要原来一半的时间，人力省了2/3。
　　不仅如此，这个大数据后台，可以打入Facebook和BBS等各种社交平台，统计其个人的朋友人数、发表内容被点赞的次数……差不多能了解一个人是否被朋友肯定，也能了解其社会经济地位。这些信息足以评估一个人的信用和可能偿还能力。
　　没有贷款记录，其服务单位和职称不显赫，而且薪资水平不高的年轻人，或是曾经生意经营不善，曾经留下违约还款记录的人……许多人无法通过传统信用评估制度的审查，在其他银行贷不到款的人，有三成可以通过玉山银行的大数据审查贷到款。
　　因为，大数据交叉比对申请人的社交环境，就能确定填写的数据是不是正确的，也可以利用其身边的朋友来佐证申请人的信用状态。因而，玉山银行潜在的客户范围比其他银行更宽，征信正确率更高，业绩当然高出同行一倍。
　　互联网改变不了银行贷款的风险，却能利用网络的效益，改善贷款业务的效益。
　　想一想，有了互联网，印刷生意有何不同？
　　毋庸置疑，互联网可以串联起印刷供应链。在网络上传递的无非是订单和文件，如果一家印刷厂接到订单，无法让电脑自动处理，自动登录管理订单和客户的系统，无法自动启动生产流程，必须由特定的管理人员去分配印前、印刷和印后的活。这样的话，订单增加，人手势必增加。
　　世界没有疯狂，看似不可预测的时代，其实还是可以预测，只是工具的问题而已。
　　如何多利用电脑管理资源（ERP），如何把生产管理自动化，才是应付印刷产业变化的课题。