京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据代表未来,投资力度增强
大数据以“降低信息不对称和提高决策有效性”为目标,可广泛作用于几乎所有行业,必将掀起一场新的革命。目前,大数据已经迎来了高速发展的黄金成长期,我们看好其发展趋势,推荐投资者提高对其中孕育机会的关注度。
从源到流看,大数据涵盖数据入口、数据融合处理、数据应用三个过程;按照物理分层,大数据又可以分为硬件、基础软件、应用软件和信息服务四个维度。每一个细分领域都正在不断演进,存在不少问题也孕育着巨大的机会,万千创业者不断地寻找着新的突破口。
目前制约大数据更好更快发展的主要问题有以下几点:
一是数据的归属权不清晰,各家数据资产型企业私密占有平台数据,制约着大数据的融合及发展;
二是数据有效性将直接影响到大数据的应用水平,从源数据到分析样本的采集过程需要大量人工干预;
三是配套软硬件成熟度不够:适宜处理海量数据的数据库软件尚未成熟,私有云的普及程度也不高;
四是数据尚未获得真正意义上的定价和产业化。
基于对大数据的研究,我们判断,未来3-5年的中期投资思路主要包括新数据入口、新模式、数据融合处理和商业智能4个方面。其中,新入口方向推荐关注新型人机交互模式的可穿戴设备、准入门槛低并找到了硬需求作为切入点的智能家居、基于食药品生产追溯的物联网等相关企业;新模式方向推荐关注针对新入口的底层统计公司、“以免费服务获授权数据”和“有偿返还数据给用户”三种可能的创新;数据融合处理方向推荐关注针对金融业务的征信创业及私有云相关企业;商业智能方向推荐关注对细分行业有深刻理解的大数据应用软件及SaaS云服务供商。综合标的数量、确定性、所需投入和价值等因素考虑,重点推荐针对细分行业的大数据应用软件和SaaS云服务提供商、私有云解决方案提供商,追踪关注新入口的发展,并发掘相应的底层统计公司(类似针对移动应用的友盟)。
大数据代表未来
1) 环境驱动
数据产生成本逐年下降,政府和企业对大数据的投资力量日益增强,新的数据源正不断产生并壮大,大数据蓬勃发展的外部环境因素已经成熟。
成本逐年下降
根据IDC的判断,数据产生成本是符合反摩尔定律的,即数据产生成本大概每两年下降一半;而这一趋势,最起码会持续到2015年。
大量新数据源
互联网世界完成从Web1.0到web2.0的过渡,移动互联网日趋成熟,物联网长足发展,高粘性、强(实时快速)互动性、去(弱)中心化、全民媒体等特征明显呈现,线上与线下深度融合,各种(人人、人机)交互的网状结构更加复杂与饱满,全新数据源层出不穷。
各种电商平台、O2O入口、电子支付平台等的发展,让我们可以捕捉到海量的商业交易活动行为痕迹;同时,SNS、自媒体、LBS 技术等的高速发展可以较好地呈现不同主体的关系链、偏好、兴趣、习惯等信息;前述两者共同让面向主体的识别与判定变得更加容易和精准;娱乐、媒体、医疗保健、视屏监控、物联网等则让我们进一步加深了对自己和环境的理解。
投资力度增强
从国家层面看,2012年3月9日,奥巴马政府投资2亿美元启动“大数据研究与发展计划”,希望增强手机海量数据、分析萃取信息的能力。预计欧盟、中国等主要经济实体也很可能跟进出台相应引导政策。在公司层面看,Google、微软、IBM、Oracle与BAT等国内外巨头均加强了在大数据相关领域的布局。根据麦肯锡预测,到2015年跟大数据相关的全球投资总额将增加到5.2万亿美元。
2) 需求驱动
我们认为整个人类都一直并将继续面对和突破四个约束——能源约束、信息约束、智慧约束和审美约束。其中,能源约束指人类生存、改善、发展所需的材料和泛能量之总和,能源是一定的,总量取决于人类的活动半径,利用水平则依赖于智慧和信息;信息约束指人类做决策所需要的非实物形态、非价值观和方法论的信息(具有一定一次性的特点)总和,信息正通过监测、取样、记录、保存而不断生成和更新迭代;智慧约束指人类生产或决策所需要的价值观、方法论等信息综合处理研判能力及知识,智慧通过人类不断的探索、试错行为产生新信息并再处理、再研判、再探索的行为而更新完善,并指导未来的决策;而审美约束0则指不同实体的亿万条效用曲线的共性和个性,在短期审美不易改变,很大程度作为人类思考和行为的指南针,长期则也会受智慧及信息影响而缓慢变迁。在这四个约束条件的共同作用下,人类通过不断探索、试错去寻求改善,从一个个旧的稳态发展到一个个新的稳态和帕累托均衡,以终为始,周而复始。
海量的,多种类的,以前没有或无法获取但正源源不断生成的大数据将直接而迅速地在较大程度突破信息约束,为突破智慧约束提供了广度和深度都前所未有的素材和原料;而“大数据”另一个特征——速度(信息快速处理能力)又能帮助我们在现在和不远的未来将这些素材和原料进行有效提取与再加工,形成知识演进和智慧积累,加快对智慧约束的突破;并指导我们更好的发现自己(审美约束,即亿万条效用曲线),理解和开发环境(能源约束),提高行为有效性。
因此,大数据直接而深度的影响信息约束和智慧约束,并间接的影响到能源约束和审美约束,我们认为他非常深度的契合了人类发展的需求,从需求层面讲必然代表未来的方向。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21 很多数据分析师每天盯着几十个指标,但当被问到“这套指标要支撑什么业务目标”“指标之间是什么逻辑关系”“业务变化时如何 ...
2026-05-21在数据驱动决策的时代,数据质量直接决定分析结果的可靠性与准确性,而异常值作为数据清洗中的核心痛点,往往会扭曲分析结论、误 ...
2026-05-20 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“哪些指标在所有行业都适用”“哪些指标只对电商有意义”“二者如何搭 ...
2026-05-20Agent的能力边界,很大程度上取决于其掌握的Skill质量和数量。传统做法是靠人工编写和维护Skill,但这条路很快会遇到瓶颈。业务 ...
2026-05-20在统计分析中,方差分析(ANOVA)是一种常用的假设检验方法,核心用于分析“一个或多个自变量对单个因变量的影响”,广泛应用于 ...
2026-05-19 很多数据分析师每天盯着GMV、DAU、转化率,但当被问到“什么是指标”“指标和维度有什么区别”“如何定义指标值的计算规则和 ...
2026-05-19想高效备考 CDA 一级,拒绝盲目刷题、冗余学习?《CDA 一级教材知识手册》重磅来袭!以官方教材为核心,浓缩 13 章 103 个核心考 ...
2026-05-19在数据统计分析中,卡方检验是一种常用的非参数检验方法,核心用于判断两个或多个分类变量之间是否存在显著关联,广泛应用于市场 ...
2026-05-18在企业数字化转型的浪潮中,很多企业陷入了“技术堆砌”的误区——上线了ERP、CRM、BI等各类系统,积累了海量数据,却依然面临“ ...
2026-05-18