
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
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04