浏览百度预测平台（trends.baidu.com)，百度票房预测的图标是灰色的，并没有正式上线，相反，经济指数、疾病、景点和赛事预测倒已全面上线投入使用。百度票房预测模型还需进一步完善，更多参数需要加入模型，比如影片属性、片长、排片量、场均票价等全方位维度都纳入考虑。
不过，从另一个角度来看，我认为，就算是百度票房预测正式上线之后出现预测失误，也非常正常，没有谁真正拥有水晶球，大数据预测无法确定某件事情必然会发生，它更多是给出一个概率，人类只有不断地去接近这一个概率。预测的前提就是要承认不确定性的存在。在不同领域不确定性大有不同。票房、股市恰恰就是更容易受人为影响的存在大力不确定性的领域，预测的难度会大过天气、旅游、交通、物价等。
因为一部《黄金时代》预测失利便质疑大数据预测本身，或者票房预测本身，是不合理的。百度此前在世界杯期间、在黄金周期间相对漂亮的预测结果，已经证明了大数据预测的价值，只不过面对票预测房这一全新的领域，需要更耐心地优化而已。那么，票房预测在中国真的没效吗？
二、预测的精髓在于沉淀和纠偏
在《大数据预测将会改变哪些行业？》一文中，笔者总结大数据预测的逻辑基础是，每一种非常规的变化事前一定有征兆，每一件事情都有迹可循，如果找到了征兆与变化之间的规律，就可以进行预测。对于预测来说至关重要的两点是：从过往数据和经验中得到的规律，这映射到预测模型；可以实时监控的变化，映射到变量或者说实时数据。大数据预测与传统预测的不同就在于：更具时效性、新型数据源、动态性预测以及规律性依赖。
对票房预测持消极态度的首先将问题归结为数据：电影数据沉淀太少、各家网络数据不通以及脏数据问题。
1、沉淀太少是杞人忧天。
中国票房数据沉淀太少可能是客观事实。但预测需要海量历史数据的原因在于从中发现规律。但倘若只有100年的票房数据，却并没有与影响这些票房数据的变量数据，对于挖掘规律其实并无帮助。
一个例子是百度在做世界杯预测时便与第三方数据公司合作得到大量历史数据进行挖掘，将球队、队员、场地等静态因素考虑在内同时引入舆情、欧赔指数等动态变量，最终实现接近准确的预测。
大数据预测的数据源优势正是在于它可以更全面及时地记录数据，并且收集到过往完全无法收集的数据比如用户的需求、舆情、情绪变化，或者说出行规律、电影票价、影院排期数据。因此与其去担忧传统数据沉淀不足还不如思考票房预测究竟需要哪些数据，究竟如何才能提升规律？
2、数据不通和脏数据是永恒问题。
网络数据不通是整个互联网都要面临的数据鸿沟问题，没有哪一家拥有全网的数据，聚合全网数据进行预测几乎是不可能完成的任务，况且这根本没任何必要。如果说社交网络数据对预测很重要，那么中国只有腾讯才可能做好预测实际并没有做。阿里淘宝指数已成为电商销量风向标、百度搜索指数对于各行各业同样具有重要的参考意义，因为它表征兴趣。每家掌握数据的性质不同，但确实可通过合作去得到更多维度的数据，最终提升预测可靠性，但要各家直接打通数据壁垒是不现实的。
同理，脏数据以及噪音是整个互联网永远存在的现象，就算是传统的采样调研难免也会遇到噪声样本进而被干扰。应对这个问题只有尽量过滤噪音数据，同时考虑到噪音对模型进行不断地纠正，并且增大预测结果的误差范围。还有一个假设是，如果有脏数据对结果起到积极作用（比如让票房成绩更好），同样会有脏数据对结果起到消极影响。
3、影院经理不是预测而是影响票房。
影院经理确实可预测对应影院某部电影的票房结果。如果他们掌握拍期权甚至还可以直接影响、决定对应电影的局部票房。所有影院经理最终会对整体票房造成莫大的影响。这并不是一个因果关系，而是环环相扣：影院经理在预测票房的同时也影响着票房。
这里想说明的是，将参与者与预测者放在一起本身就不合适，参与者是十分重要的动态变量。《黄金时代》出现如此惨淡的票房很大程度便是票房经理不断降低预期进而减少排片所致。不过，百度未来与影院或者票房经理合作倒确实可以提升预测准确率，一方面在线下升级模型，另一方面将票房经理的排期计划纳入监控范围，把百度数据+工程师的大数据预测升级为众包式的票房预测，倒有可能。
最后我想说的是，因为一部电影的预测失利否定大数据票房预测确实有待商榷，天气预报不断地沉淀不断地升级才能做到今天的准确率以及精细化，但仍有不准的时候，在影响我生活时我也曾愤怒地认为天气预报不考虑，但大家都知道事实并非如此。票房预测刚刚开始，或许应该得到更多包容。从长远来看，通过不断的优化，如果票房预测产品最终能够达到一定的准确度，那么对于整个电影产业将会提供非常重要的参考价值，比如对投资方、拍摄方、推广方提供更准确的数据参考，从而引导他们在宣传推广、剧情设置甚至是甄选演员等方面做出更加准确、有利的判断。