
大数据时代哪7类人最赚钱
一个划时代新的技术和思维的兴起,它会驱动几乎所有的产业变革,大数据更是如此,通过几年的观察和最近大量的基金公司朋友的接触,我从赚钱的角度对这个领域进行了分析。
他们通过炒作概念在股票市场活动巨额回报。这些人分析发展趋势,把握大局,他们关心产业政策,关心市场空间,少关心具体运营能力和市场竞争格局。据了解,大数据概念股以 2010 年 6 月 1 日为原始起点,截至 2015 年 11 月 10 日,大数据概念指数变化区间在 [95%,1860%],一直以来强于上证指数,相对上证指数有很高的收益,这个相对收益是惊人的,最高时超额收益超过 15 倍。即使从 2012 年底开始的创业板指数,也跑弱于大数据概念指数,足见大数据概念相关个股具有较好的回报。相对高点时,大数据概念指数强于创业板指数 10 倍以上;从低点起来,大数据指数涨幅到最高点超过 18 倍,如此高的涨幅让许多人羡慕不已,相关个股精彩纷呈。投资这类的企业如拓而思,用友,东方国信、启明星辰、绿盟科技、恒生电子。
他们用最短的时间,研究股票,投资,获益,资本效率极高,一些高端的股票和投资者,他们会专门针对行业要求做培训,走访企业家走访客户。短时间内就可以赚的钵满盘满。
他们从最开始就投资有最高价值的大数据的企业,并从中发现商机,过去的几年只是一个开始,可以预见大数据行业未来十年仍然会是创业公司的机遇地。他们眼光超前,投资的估值不断高升;他们跟进投资,然后迅速推动企业发展,然后期待包装上市。这类企业如:集奥聚合、国双科技、华院数云、品友互动、易赞普、百分点科技、永洪科技、国云数据、数据堂、数海科技等。投资资本如:宽带资本、红杉资本、IDG、创新工场、深圳创投、清科、软银中国,今日资本等。
虽然有些企业死了,但是大部分还在受到资本追捧,创业者最苦逼,但是在资本催生产业变革的年代他们获益也是最多的,现在大数据企业的估值从几年前的几个亿到几十亿是翻了近十倍;企业老板的身价也是翻了近十倍,这类人笔者认识很多,因为比较涉密不一一列举。
行业内专家教授参加各种会议各种讲课,培训机构,在线教育,还有专家学者备受亲来。笔者成立的大数据培训联盟、数据共享联盟等微信群,经常会收到邀请做讲课深有体会。
媒体版面改版,自媒体增多,受到关注的大数据自媒体如:大数据邦、大数据文摘、大数据参考、腾讯大数据、CSDN 大数据、36 大数据等。
那就是免费数据,收费 api 的这些数据开放平台们;已经成功的如: Salesforce 23 亿美元的年收入中超过的一半的收入是通过 API 产生的。Google 每天通过 API 处理 50 亿笔交易,Twitter 每天通过 API 处理 130 亿笔交易,亚马逊每天通过 API 处理万亿笔交易,还没有成功的但是已经获得很好的发展的国内如:BAT、运营商、政府的数据开放平台,高德数据开放平台,数据交易市场 (数海科技、数据堂、聚合数据、九次方、美林数据等)。
数据之美在于流通,在于推动业务发展,在于提高用户体验,在于预测业务发展做好企业战略规划,在于集群众智慧、激活人员动力。利用数据推动商业变革才刚刚开始,做企业赚钱才是硬道理,先活下来,因为企业的大数据路还很长,变数也很多。盲目跟风,不可取!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 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在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23