本书总共有八章。第一章用一个学界和一个业界的故事作为开篇，让读者了解另类数据产生的背景和重要意义。第二章将介绍另类数据这个概念以及相关的行业现状，其中特别说明了另类数据和大数据之间的区别和联系。第三章从不同角度对另类数据进行了分类，考虑到另类数据这个概念的内涵和外延是在不断变化的，所以另类数据的分类也将是与时俱进的。第四章介绍了在应用另类数据中遇到的挑战和风险，包括个人隐私、重大非公开信息这些法律问题，处理另类数据需要解决的实体匹配等技术问题，以及在应用另类数据方面领先者和落后者所面对的不同风险。第五章讨论了把另类数据应用到决策过程时的流程，这一章对于资产管理团队在引进另类数据时具有很强的实操含义。第六章讨论了各种对另类数据进行估值的方法，它可以帮助金融机构在引进另类数据时进行合理有效的价值评估。第七章对当前已经得到应用的另类数据按照类别进行了介绍。考虑到环境、社会和治理（ESG）这个概念的重要性，我们把涉及ESG的另类数据单独放到第八章进行了讨论。

王闻，南开大学经济学硕士，清华大学数量经济学博士，曾在金融业界和智库中工作，现任哈尔滨工业大学副教授。

第一章 地震和闲聊
一、宽客地震
二、闲聊公司
第二章 另类数据：投资的新水源
一、什么是另类数据
二、另类数据是大数据吗
三、为什么要使用另类数据
从主动转向被动/业绩不佳的原因/解决方案：成本竞争对比另寻他途/另类数据：替代性对比补充性/Alpha 以外的因素
四、另类数据生态圈
数据初建商/数据中介/数据服务商/数据使用者
五、数据市场
六、创新到哪里了
创新者/早期接受者/早期多数跟进者/后期多数跟进者和落后者
第三章 另类数据的分类
一、基于数据供应商的角度
二、两家数据服务商的分类
Neudata/Eagle Alpha/一些另类数据的优点和缺点
三、基于数据使用者的角度
资产类型/投资关联性/价值属性/成本属性/处理阶段/数据质量/技术细节
第四章 另类数据的挑战和风险
一、另类数据来源的法律问题
个人数据/网页抓取/重大非公开信息
二、处理另类数据中的挑战
实体匹配/数据匹配/缺失数据/缺失数据处理/异常值/结构化数据/面板结构稳定化/去偏/汇总数据
三、如何评估另类数据的价值
直接和间接预测/金三角事件研究方法/评分卡/评分卡：一些案例
四、使用另类数据的风险
早期使用者面临的风险/落后者面临的风险
第五章 使用另类数据的流程
一、获取数据之前的流程
制定相关战略和策略/确定适当的另类数据集/供应商尽职调查事前评估风险/事前评估信号
二、获取数据之后的流程
载入数据/数据预处理/提取投资信号/业务部署/运营维护
三、搭建另类数据团队
四、数据产业供应链
第六章 另类数据的价值
一、价值变化
价值衰减/价值维持
二、数据的估值方法
成本价值（Cost Value）/市场价值（Market Value）/经济价值（Economic Value）
三、投资中的回测
量化投资者/主观投资者/风险经理
四、回到卖方
垄断/收益分享/免费和软美元
第七章 一些另类数据的介绍
一、文本数据
网页数据/新闻/社交媒体/联储沟通/应用场景
二、图像数据
卫星图像/个人图像
三、位置数据
手机位置/商船位置/商务飞行位置/出租车乘坐数据/其他传感器数据
四、调查和众包数据
调查数据/众包数据
五、投资者关注
间接指标/直接指标
六、消费者交易和商业交易
银行卡交易数据/电邮收据数据
七、其他另类数据
国际组织、政府、行业和企业数据/市场数据
第八章 环境-社会-治理
一、历史回顾
二、行业概览
投资光谱/整合和融入/市场规模和驱动因素/ESG生态系统/ESG基金/ESG投资绩效
三、评级和指数
ESG评级：关键指标/重要性因素/评级结果的差异/从评级到指数
四、ESG 数据特征体系
ESG数据的性质/投资决策因素/数据-决策矩阵
参考文献