Следующим этапом в компьютеризации стала выборка информации — вы уже видели, как это делает Альберт. Проглотив все положенные биты, компьютер готов к тому, что от него потребуют выстроить их в любом искомом порядке. Когда появились запрашивающие системы типа той, что есть на машине Альберта, аналитик мог просто подсесть к клавиатуре и спросить: «Компьютер, дай мне пятьдесят самых низких показателей отношений цены акции к доходу» — и компьютер тут же распечатывал их или показывал на экране, тщательно расставив по ранжиру, все требуемые показатели. Потом аналитик мог спросить: «Компьютер, какие десять из указанных пятидесяти акций имеют наибольшую прибыль на вложенный капитал?» И компьютер выдавал требуемую десятку. В общем, аналитик мог так играть до бесконечности. Он мог сказать: «Компьютер, приведи отношения цены к доходу этих десяти акций в соответствие с трехлетним скользящим средним их прибылей» — и компьютер делал это.
Все эти расчеты и раньше, так или иначе, делались хорошими аналитиками, но никакой аналитик не мог совершать их тысячами. Компьютер делал выборку данных из миллионов битов информации и тут же располагал эти данные по разным моделям — чего аналитик физически не в состоянии был сделать.
Ныне каждый может подписаться на услуги, дающие полную информацию о любых акциях за последние десять лет, выстраивающие компании по разным характеристикам внутри отдельно взятой отрасли промышленности и сопоставляющие эти отрасли с другими отраслями.
Тем временем аналитики и программисты отправились на поиски новых приключений. Одним из таких приключений стала проекция. Работает она следующим образом: создается модель какой-либо отрасли индустрии, а затем просчитываются прибыли этой отрасли для самых разных обстоятельств. По сути дела, тот же анализ ввода-вывода данных. А компьютер умеет подстраивать свои биты даже для сезонных изменений.
В конечном итоге аналитик теперь может просто сидеть и играть с чудесной игрушкой, пробуя простые и экспоненци