与政府统计部门、经济研究机构合作，收集更全面的宏观经济数据，如地区 gdp 增长率、失业率、通货膨胀率等。
在收集不同地区文化、消费习惯、产业结构等数据方面，数据科学家们采用了多种调研方法。通过问卷调查、实地访谈等方式，深入了解不同地区投资者的文化背景、消费观念和投资行为习惯。例如，在调研新兴市场某地区的投资文化时，发现当地投资者普遍对家族企业有着较高的信任度，更倾向于投资本地知名家族企业的项目。基于这一发现，数据科学家们在为该地区投资者制定投资组合时，会适当增加对本地优质家族企业的投资比例。
对于非结构化数据的挖掘，数据科学家们运用先进的自然语言处理技术和机器学习算法。他们开发了一套文本挖掘工具，能够自动从社交媒体、行业论坛、新闻资讯等平台上抓取与金融投资相关的文本信息，并对这些信息进行清洗、分类和分析。通过情感分析算法，判断投资者对某只股票或某个投资项目的情绪倾向，是乐观、悲观还是中性；通过主题模型分析，提取文本中的关键主题和投资热点，为投资决策提供参考。例如，当文本挖掘工具发现社交媒体上关于新能源汽车行业的讨论热度突然上升，且大多数讨论都持乐观态度时，数据科学家们会将这一信息及时反馈给投资策略团队，提示他们关注新能源汽车行业的投资机会。
用户体验设计师们则全力以赴地进行系统界面升级和社交互动功能设计。在界面设计方面，他们进行了多次用户测试和反馈收集，不断优化界面布局和操作流程。通过简洁明了的图标设计和清晰的文字说明，让投资者能够轻松理解每个功能的用途。例如，将投资组合展示界面设计成可视化的图表形式，直观地呈现各类资产的配置比例和收益情况，投资者只需一眼就能了解自己的投资状况。
在社交互动功能设计上，用户体验设计师们充分考虑了投资者的需求和使用习惯。他们设计了个人主页功能，投资者可以在自己的主页上展示自己的投资成果、分享投资经验和心得；设置了关注和粉丝系统，投资者可以关注自己感兴趣的其他投资者或行业专家，及时获取他们的动态和观点；还创建了社区排行榜，根据投资者的活跃度、贡献度等指标进行排名，激励投资者积极参与社