登录
首页精彩阅读大数据,大数据公司,低估值
大数据,大数据公司,低估值
2018-08-12
收藏

大数据,大数据公司,低估值

一. 什么是数据?

我们将它分为线上与线下两类来具体分析下:

线上,互联网数据互联网信息:网页。电子商务。 人在互联网中的行为:社交,衣食住行,健康。物联网。

线下,现实社会数据信息:线下每天依然在产生大量的信息。线下商业。实物:包括机器,桌子椅子等。人:线下的社交,衣食住行,健康医疗。 生物数据:(除人外的活体生物,宠物等)

哪些数据最重要?

互联网时代把线上数据发挥到了极致,直接推动了BAT三大巨头的诞生,同时也把马云、马化腾、李彦宏带到了首富的位置。

百度:搜索(信息,连接人与信息,重金O2O,强行连接人与服务,现在搞AI)

阿里巴巴:电子商务(商业)

腾讯:社交(人)

二. 哪些公司是大数据公司?

这个问题不好答,换个方向就好答了:哪些公司有大数据人才?连大数据的人都没有,别自称大数据公司了,好吗?

1. 互联网巨头

互联网巨头的起家背靠着电商、社交、信息、游戏和金融等互联网时代的巨大概念。

腾讯的数据主要来源于QQ、微信和腾讯游戏。拥有的用户关系数据,社交数据因为私密无法公开使用。利用数据改进产品,数据驱动广告、电商、资讯、社交等一系列腾讯产品的改进。腾讯的未来在于微信,微信现在已经不再把精力放在IM通讯上了,而是连接一切。未来微信很有可能会成为整个互联网的基础服务最大的入口。那时候的微信也就掌握了电商、社交、信息、游戏和金融的一切。

阿里巴巴的淘宝,天猫,阿里巴巴,支付宝。商品交易,支付数据是商业的基础设施。支付宝的交易数据使得阿里长期在互金领域占据霸主地位。电商超越零售不是现在,就是不久的将来。所以阿里目前拥有的网商数据,也就等于掌握了中国部分的商业占比。

百度的百度搜索。百度对于信息的利用来源于用户与商家的需求,用户侧服务互联网网民的搜索需求,商家侧匹配广告主与网民的广告业务。另外,百度还重金押宝AI,AI若能成功将革新社会的基础服务,比如无人驾驶。所以个人觉得百度仍然有机会回到第一的王座。

凭借着互联网时代庞大的数据体量与高质量的数据,可以说,BAT拥有着当今最优秀的数据人才。

2. 行业巨头

行业巨头个人分为两类:

第一类是IT巨头,例如华为,小米,新美大,浪潮,中兴,曙光等公司。他们凭借着在IT领域建立了技术壁垒或者服务能力,成为了各自领域的佼佼者。

第二类是传统行业巨头,包含各行各业,金融,零售,能源,机械,酒等垂直领域。比如你听说过茅台酒公司的大数据平台吗?

由于上述行业巨头的垂直领域数据的垄断性地位与数据体量的变大,希冀能依靠数据产生价值 。凭借着两点,行业巨头也拥有着很多高质量的数据人才。

但数据不是他们的第一驱动力。他们有更重要的主营业务。

3. 新时期的大数据公司

新时期大数据公司个人分为基础服务平台、商业数据分析两大类。

基础服务平台提供了数据平台基础服务,比如大数据存储平台,计算平台,BI平台,数据交易平台。

商业数据分析型大数据公司提供了复杂的端到端数据服务,包括数据采集、清洗、分析,帮助没有数据分析与整合能力的企业理解数据,认识数据,并让自身数据发挥效用。

接下来,我们重点讨论的是如何看待这些新时期的大数据公司。

三. 为什么突然冒出那么多新时期的大数据公司?

对数据的需求自古有之。乔家大院里面,东家乔致庸看账本可不就是数据应用吗?

那为什么在之前少有专业的大数据公司,在最近几年才爆发起来?2012或者2013年被称之为大数据元年。

新时期的大数据公司大幅增加源自于有两类数据需求的集中爆发:

1. 线下的数据机会

在看到巨头们由于占据了互联网端的数据后,很多人发现了线下的数据机会。梦想着成为巨头的他们,踏上了继续强力推进线下数据线上化的道路。

2. 企业对于数据化决策的需求

抽象来看,企业的发展过程很大程度上经历了纸质化1.0时代,信息化2.0时代,数据化3.0时代。当快糙猛的高速发展期过去,企业的发展同样需要数据驱动,数据决策。但是,很多企业信息化过程都经历了阵痛难产,现在等待它们的是数据时代的到来。对于他们来说,数据人才缺口是最大的问题,于是他们需要借助外力。在信息化时代,这叫找外包。不好意思,数据时代,一样需要外包。(什么?原来我们这些data scientist在做外包?)

于是,一大波大数据公司出现了。

四. 大数据公司的估值并不高,都比不上O2O?

在消费完大数据的概念后,其实现在媒体跟投资圈更多的在消费AI了。做系统的开始说自己做大数据,做数据的开始说自己在干AI。

估值除了看公司收入,利润,用户,概念,还有就是VC的人傻钱多了。

之前爱分析有一篇文章,大致列举了中国未上市大数据公司50强,没有一家估值超过10亿美金,一家独角兽企业都没有。那是什么原因导致的低估值?

1. 线下数据线上化,硬骨头太难啃

线下的数据还有哪些没有被线上化的?

人的线下社交,线下交易,实体零售,线下营销,线下课堂教学等一系列线下场景。可以说,线下是社会的组成,特别是很多场景严重依赖线下,比如学习,服务化消费。因此线下数据的收集同样很有利。

举一个小例子,线下课堂教学中,如果能实时获取每一个同学对于知识接受度,掌握每一个人的学习,可以有效的帮助每一位同学更好的学习,从而避免误入歧途。

但线下数据收集难度太大,成本高,技术仍不完善,所以从数据收集一开始就遇到了困难,我总结为硬骨头。

另外一个是数据孤岛效应严重,实质上数据如果无法达到大、全、价值,很难产生协同效应。

但未来肯定有办法。通过AI的发展,通过音视频的捕捉,线下数据线上化只是时间问题。

2. 大数据公司业务难以规模化

在一系列TO B的大数据公司中,商业的数据分析属于外包型数据分析业务,外包的一个重要特点是堆人头,很难产生规模化经济效益,赚取超额利润。

并且,很多大数据公司急躁且跟风,数据外包本质上是外包团队的困境,为什么很多公司现在选择自建技术团队,因为外包是不会为企业的长期发展而考虑,这是经济学或者社会学领域研究的问题。很多时候大数据公司接了单,却没有能服务好,根本不能为企业带来实际的效益,最终企业反而劳心劳力无所得。

其次,中小企业引入大数据分析数据是可以帮助决策,提升企业经营效率的。但是企业自身进行大数据投入的意愿是多少?意愿 = 收益 – 成本。如果收益无法cover成本,很多企业是没有动力做这件事情的。其实这也就是很多中小企业的困境。

当然,data to people是历史潮流,未来一定有越来越多的数据服务公司出现,也有越来越多企业需要数据服务。

3. 数据隐私

数据有其独特性,尤其是隐私,企业对于数据的思考尤为谨慎。

互联网爬虫与反爬技术的兴起,也是源于数据隐私,电商,旅游等网站都在防止竞争对手爬取自身的数据下足了苦工。互联网发展至今,特别是数据资产这一定义深入人心,大家对数据更为谨慎,也就导致了数据共享困难。

这也是我觉得纯粹靠整合某一垂直领域,利用数据来达到垄断某一领域的困境。

4. 数据技术平台

这一类公司其实已经有独角兽的端倪了,包含大数据基础平台以及数据云平台等。包括Hadoop领域的三架马车,都已经进入了十亿美金的独角兽阶段。


数据分析咨询请扫描二维码

客服在线
立即咨询