京公网安备 11010802034615号
经营许可证编号:京B2-20210330
O2O与大数据:下一轮资本泡沫之源
VC如今都在偃旗息鼓了,此前清科集团创始人倪正东手上的一组数据显示,VC前三季度整体投资额下降了60-70%,VC募资下降了70%;同时PE投资总额下降40%,募资下降70%。也许就像他说的那样:“VC/PE行业过去5年都没有像今年这样饱受压力。”
经纬中国创始人张颖更是直言:
1)超过50%的投资机构会关门大吉 2)超过70%的行业人员会解甲归田,换行业 3)15%的投资机构会赚85%的退出回报 4)年轻人要想清楚,不适合做投资的早换,别浪费光阴。
无论是支出还是募集,现金层面的流的都逐渐变缓,大佬也发出了唱衰的信号,但是否就意味着VC的寒冬已经来临?显然不是!因为投资的光环效应正可顺势将劣币洗刷,那“良币”们期望什么?必然是下一轮泡沫的来临!
为何这么说?
一方面,在资金储备层面,优秀VC的资金依然充裕。2010年中国VC美元基金的融资额首次超过了以色列,而美元基金通常是7+2甚至是8+2的模式,基于投资周期中的资金分配,显然2010年所募集的资金并未在电商这轮泡沫中用尽。而在2011年,大型基金中除鼎晖外,其他公司也未有募资行为。考虑到今年的投资额较少,可以看到,优质基金中恐怕缺乏资金的依然是少数。
另一方面,LP的压力较大。资本的流动性差,不仅是在一级市场上,二级市场也同样如此,而无论大势如何LP们每年依然需要支出2-3%的管理费。所以对于VC的GP来说,钱一定是要投递出去的,这时一个新泡沫的孕育显然是充分且必要的,没有泡沫,也就意味着没有基金们的顺势而为,从而形成投资的势头。
那如何才能够将泡沫吹起,有时什么来将其构成呢?如今看来需要以下三份背书:
首先,需要盘活二级市场。一级市场的投资冷淡,部分也是受到二级市场窗口关闭的影响。随着YY的上市,此后的一、两个季度内,如若还有2-3家公司可以在香港、美国成功IPO,便足以初步提振投资者对于企业登陆二级市场的信心。
其次,在O2O、大数据中寻找泡沫的机会。为何不是云计算和电子商务呢?对于云计算,的确存在着“投资标的”的基因,但由于政府涉及过多导致的市场效率低下,同时阿里、百度等巨头也蓄势待发,中小企业很难其中找到机会,也是就失去了投资的意义。电子商务则由于上一轮投资中形成的泡沫过大,投资者将较为理性的看待,新钱很难将旧钱洗刷。反观O2O,目前线下一环仍未有效封闭,如若想将O2O形成闭环,其所需要的正是大规模资本的投入,同时O2O涉及的范围较大,除了巨头外仍有足够的想想空间。而大数据,首先已经在美国被证明是一种合理的模式,考虑到政府并未涉及其中,市场化效率较高,同时存在着技术门槛,这恰巧是VC最偏好的。
最后,在明年底有机会成为新一轮泡沫的鼓风期。从时间维度判断,2010年所进行的募资,在2013底至2014年初将进入VC投资的焦虑期,如果能如上文中谈到的,在明年上半年对二级市场进行一定的盘活,下半年将注定成为新泡沫的孕育良机。
如果在O2O和大数据中选择的话,前者的成功更多依靠的是运营的管理,而后者则可以凭借技术层面的概念讲出故事——后者无疑是VC更有兴趣的。因此下一轮泡沫中最可能由大数据这波大浪与O2O这股小潮而激起——但”良币“VC们你们准备好了么?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27数据分析的基础范式,是支撑数据工作从“零散操作”走向“标准化落地”的核心方法论框架,它定义了数据分析的核心逻辑、流程与目 ...
2026-01-27在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22