
百观科技想成为金融机构的非传统数据供应商
对于金融行业而言,信息即是金钱,移动互联网和物联网的发展产生了前所未有的海量新型数据,然而金融机构对非传统数据的运用能力,远未能跟上科技的发展。
百观科技要做的就是利用数据分析技术,为金融机构在海量非传统数据中,提取出对决策有关键参考价值的信息。百观的首款产品定位于服务股权投资机构,通过收集、整理和分析上市公司的非传统数据,帮助用户更深入地捕捉标的公司的基本面变化。
举例来说,随着视频直播的流行,来自直播业务的收入成为了某些社交平台重要的业绩增长点,那么直播业务未来有多大的潜力,其收入增长是否可以持续,就成为了评估这些公司价值的重要因素。百观的解决方案是通过对海量的主播和房间进行抽样,再通过建模来模拟平台整体的收入分布,帮助投资者更好的回答这些问题。
“获取数据本身并不难,真正的门槛在于了解客户在分析过程中有那些信息空缺,再从非传统数据中找出对应的有价值信息,”百观的创始人陈沐说,“金融和技术之间存在一个非常明显的Gap,金融机构的前台人员不熟悉如何利用技术有效获取数据,而科技行业的人很少理解金融需要什么样的数据。“
陈沐认为,大型投资机构内部虽然有技术部门,但是需求总是来至于强势的公司前台部门,技术往往被视为支持部门,处于被动的位置。然而有一些关键的信息只能由工程师在数据处理中发现,需要让工程师和业务部门平等交流,对业务有充分的了解,这在很多投资公司现有的组织架构下是很难实现的。
“数据离交易决策越近,附加值就越高,原始数据的附加值比较低,百观做的就是通过对数据的挖掘和分析,提高数据的价值,“陈沐说,”市场上有多家成功的基础数据提供商,满足金融机构对一般信息的需求, 百观的市场定位是在成为这些基础数据的补充。“
陈沐回国前曾供职于YipitData,这是一家由RRE,SV Angel和高原资本投资的纽约金融数据公司,陈沐在公司负责数据系统的新产品开发工作,曾研发了电商、O2O、本地生活广告等20多个数据系统。“美国对冲基金对数据的应用很成熟,成功的数据服务商也更多,”陈沐说,“国内虽然有上万家私募基金,但是能够挖掘数据价值的并不多。”
陈沐认为,对数据价值的了解和认可有一个过程,国内的市场潜力很大,随着中国的开放国际机构对于中国的信息需求也在持续增长。早期百观将主要服务拥有国际头寸的中国大型对冲基金,再逐步探索市场,目前百观正在与多个管理资产规模百亿以上的对冲基金进行种子用户测试。
数据技术的应用场景广泛,上述针对直播平台的数据可以帮助分析已经上市的公司,也可以帮助一级市场的VC投资进行数据尽调。又比如通过分析电商的数据可以发现大量消费相关的信息,这不仅可以指导消费行业的投资,甚至可以指导企业的生产。
作为远期目标,百观希望对标McGraw Hill Financial和Moody’s等国际金融数据产品公司,一方面通过聚集一批数据工程师以及分析师,解决金融机构个性化的数据需求,另一方面通过接入其他数据服务商以满足用户更广泛的数据需求,为金融机构提供全面的非传统数据解决方案。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30