京公网安备 11010802034615号
经营许可证编号:京B2-20210330
要如何理解大数据相关的2B服务?
2B服务大潮到来,硅谷和中国的科技创业越来越同步了。
问题来了:
2B服务就是SaaS吗?
智慧企业的未来空间是否巨大?
智慧企业的“智慧”意味着什么?
未来企业的可能模式是什么样的?
2B创业企业又应该怎么看待自己所处的领域?
大数据服务公司Palantir联合创始人JoeLonsdale在9月8日的黑马线下沙龙发表了以智慧企业为话题的演讲。
我们对Joe Lonsdale的演讲做了重新整理和解读,不是演讲复述哟。对演讲原文感兴趣的读者可以上网自行搜索哦。
Joe Lonsdale是硅谷大数据服务公司Palantir的联合创始人,是彼得·蒂尔的学徒和投资伙伴。他还是硅谷风投Foundation 8 Partners的创始合伙人。
Palantir尚未上市,但估值已超过200亿美元。
科技创业的第六次浪潮:面向智慧企业的2B业务
回顾硅谷的历史,一共有五次大的科技浪潮:
1930-40年代,惠普崛起,引领了电子浪潮。
1950-60年代,半导体、晶体管诞生,英特尔引领了半导体浪潮。
1970-80年代,电信行业变革到来,思科就是这次浪潮中典型的美国企业。
1990-2000年代,就是大家比较熟悉的互联网浪潮。
2000年之后是全人类同步经历的移动互联网浪潮。
与互联网相关的这两次技术浪潮在普遍意义上为消费与用户端带来了巨大的行为变化,亚马逊、Facebook等就是典型代表。换句话说,后面两次变革是由互联网引领的消费者变革。
那么,硅谷的下一个十年呢?
Lonsdale的答案是:智慧企业。
与以往几次浪潮不同,这个趋势几乎可以肯定将会在中国同步展开。
理解智慧企业的姿势一:从智慧企业应有的样子看数据技术的发展空间
人类社会真正快速的深刻变化往往是由应用技术所推动的,过去几百年人类社会的巨变程度在之前的几万年里都是无法想象的。2C的消费型变革更多的是跟随而不是推动。
对于很多行业,都存在着“现状vs本来应该的样子”这样的一种Gap。人们会想,“如果是这样的那该多好呀”。从这个角度看,这是一个对技术应用前景做展望的可参考视角。
Lonsdale给了几个美国的例子:
A) 在政府领域, 美国政府想解决预算的问题。对于市政预算,通过数据分析服务,政府的决策者可以看到被细分的城市区域里哪些预算是被浪费的、哪些预算是真正应该投入的。
对于养老金,大数据分析可以帮助政府决策者找出欺诈账户,从而能更好的对养老金计划做合理的规划。
B) 在医疗领域, 把生物学、医学和智能企业结合在一起之后,可能会产生全新的医疗保险公司。
智能型的医疗机构有可能自动覆盖大多数的患者诊疗需求,包括常规手术都可能被自动设备所承担。医生只需要做关键决策和操作即可。
在新的体系下,所有人的医疗福利都可能获得大幅提升。
C)在教育领域,常规的教学引导、教学资料提供、学生水平提升是完全可能被基于数据的平台所完成的。这也是传统教育机构所没法量化、没法精准施教的现实。教师的角色可能更多的会在出现例外情况、需要给学生建议的时候才有价值。
D)在金融领域,数据分析搭配数据专家的模式能够有效的减少经纪人的参与程度。这可能会影响到整个金融市场的交易模式。
理解智慧企业的姿势二:抽象流程,具象数据,重构流程
很多人都在讲2B领域的创业风口到来了。我们应该从怎样的角度来理解这个提法呢?
是不是介入到企业的某种流程(比如工资单、报销、客服等等),给它提供与传统On-premise软件不同的所谓“2B SaaS云端服务”就是正确的理解姿势呢?
我们觉得,流程型SaaS可能只是切入企业服务的一种方式,至于能否长期成功还是要看2B服务类创业公司对于未来的理解格局处在怎样的层次上。
传统企业的流程都是线性的,但是在智慧企业里,流程将会由于技术对数据的抽象而形成某些非线性的状态。
非线性的流程状态并不是刻意追求的形式,而是通过对大数据的有效利用把企业传统上的串行流程打破,而后自然演进形成的新型企业运作形态。
上面说的如果不好理解,我们或许可以这么表述上述逻辑:
企业或组织的内部流程和外部环境之间可能会产生错综复杂的大量数据。
过去,这些数据是难以被分析和使用的,企业对它们的利用是极为低效的。
在智慧企业里,会有相应的企业服务帮助这些企业把以往无法处理的数据进行抽象、重构。
被抽象、重构之后的数据就变成了可以被企业相关人员使用的决策工具。
基于大数据的新型决策工具又将会引起企业原有流程的重构。
这类平台型大数据SaaS服务可能会让未来的企业变成“数据处理SaaS平台+专业数据使用人才”的模式。
在这种前所未有的模式下,现有的企业流程可能会被大规模重构,企业的决策机制会发生更为自治的变革,企业的效率会得到提升。
这大概就是所谓“智慧企业”的意思之一。你可以想象,如果全身的器官都具备大脑的某些分析功能,人类会是一个多么不同的物种···
这么看,可以演化成为这类能够对企业大数据进行抽象、重构并引起企业流程重构的平台型SaaS服务公司很可能代表了2B服务领域未来的大方向。
因此,SaaS服务公司单纯把眼界放在优化企业业务流程、降低企业成本这个阶段可能是不够的。
当然,这只是从比较大的图景来看这件事。真正切入、落实的时候,仍然是需要以对现有行业、流程为基础来深入理解企业各个部门和企业整体对特定类型数据的真实需求。
只有在这个基础上,创业公司才可能走出一条在特定领域产生长期价值的大数据平台2B服务道路。
所以,可以心怀太空,但意念需要深度深度再深度的聚焦于企业的真实问题以及数据型服务的自身特质及可扩展性。
对于使用场景,Lonsdale拿服务于美国军方和财政部门的大数据分析公司Palantir举例:
A)100亿美元如何合理有效的分配?这么大体量的资金决策如果没有数据分析支持肯定是有问题的。
B)国防情报文件短时间内会出现海量数据,依靠完全依靠人工是无法搞定分析和决策的。
当然,他的例子是面向政府大型机构的解决方案。如果把场景转向大型企业、中小企业、小微型企业,可能会有很多不同的全新场景出现。
总结
2B服务是未来十年的大趋势,而与大数据相关的2B服务又是重中之重。如何正确的理解它,对于创业和投资都是至关重要的。
对于行业流程、人员决策机制、参与者痛点的深入理解是切入和扩展市场的基础;
对于数据型SaaS平台本身的深入理解是建立长期2B服务事业的基础。
现在看来,“数据机器+人”的模式可能会是未来很长时间里的创新应用基调。
机器负责高效的执行复杂战术、理清数据谜团;人负责看清现象背后的规律、进行关键操作以及制定顶层战略。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融行业的运营风险贯穿业务全流程,涵盖交易欺诈、操作违规、流程漏洞、合规偏差、客户信用异常等多元场景,是银行、保险、证券 ...
2026-07-17财产保险作为金融行业的核心板块,涵盖车险、家财险、责任险、企财险等多元品类,是个人与企业抵御财产风险、经营风险的重要保障 ...
2026-07-17 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-07-17【核心关键词】模块、餐饮、客户、门店、企业、订单、供应链、多样化、产品、生产计划、数据分析、生产管理、物料管理、业务分 ...
2026-07-16在数字化分析时代,原始数据本身不具备业务价值,只有通过科学的统计学方法加工、拆解、验证与解读,才能挖掘数据背后的规律、差 ...
2026-07-16 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-07-16在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09