京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据公司的数据源是未来估值的最重要依据
大数据发展浪潮席卷全球,资本也敏锐追逐着高增长市场。尽管资本市场上对同一家公司的评判标准不一而足,但是对大数据公司而言,探究其成长性的本质,只有一个标准——数据源。
数据源是大数据公司“命脉”
中国的大数据行业,“西学东渐”与本土创新并存。行业内的创业公司有的走西方的成熟模式,技术领衔,主要为大数据落地解决“技术上如何实现”的问题。这一类公司待字“实验室”,是行业的“打工者”,仅作为一个环节,服务于大数据解决方案的设计方,无力左右大数据应用能否最终落地解决实际问题,这使得技术公司实现商业价值的路径颇为被动。
有前景的大数据公司,应该掌握“人无我有”、“人有我优”的数据源,并打通大数据应用落地过程中的每一个关键点,让海量数据源有目的、有路径地进行碰撞匹配,激发出价值。由于数据源是产业链的源头,是发展大数据必然的起点,于是,掌握了数据源的大数据公司“有米可炊”,有“食材”可用,这为后续发挥本土创新提供了无限的可能性:通过吸纳现实需求,提供行动有效的解决方案,更从需求端促发大数据技术的研究开发。
得数据源者,得天下
拥有数据源的大数据公司,将在行业内愈发扮演举足轻重的角色。它联通了各自为政的数据孤岛,实现了社会各领域全行业数据的整合,带动硬件生产商按照数据采集、传输、存储之需求供给服务器,促使软件商研发匹配的数据预处理、分析挖掘、大数据可视化等软件产品,同时,激发变现大数据交易融通的新思维。
是否拥有数据源、数据源保有量以及开发利用水平,成为决定大数据公司未来发展前景、是否具备可持续市场竞争力的关键。随着中国政府数据开放共享的步骤加快、国家大数据战略逐步推进,具备数据源优势、善于在海量数据中挖掘价值的大数据公司,成为行业翘楚只是时间问题。
优质资本已先发布局大数据产业
基于此,投资界将更多目光关注在“数据源”这一关键词,视数据源为谋定大数据公司未来估值最重要的依据,就不足为奇了。那么数据源究竟在哪里呢?
中国有70%的数据是在政府手中,而其中又有80%的政府数据待字闺中,未被开发。所以目前市场上,拿政府大数据项目是所有大数据公司的目标。但是,如果没有技术基础、应用基础,也很难获得政府的青睐,一些技术力量薄弱,场景设计研发能力不强的大数据公司正在逐渐退出市场,而那些拥有数据源的应用类大数据公司,确实获得了中国资本市场更大程度的青睐。2015年曾经发生一起中国大数据创业公司融资史上一件里程碑事件——2010年成立的九次方大数据,先后得到了建银财富、博信资本、东方证券、IDG资本、复朴投资、德同资本、初灵基金、当代东方、键桥通讯等18家基金的投资,两轮融资数额近10亿元,投资规模迄今为止仍然是大数据领域之最。而投资界看好九次方大数据的正是因为对方掌握着核心数据源。
《促进大数据发展行动纲要》计划,中国“到2020年,培育10家国际领先的大数据核心龙头企业,500家大数据应用、服务和产品制造企业”。各级政府在充分发挥积极性,密集释放政策利好,投资界更是在争分夺秒、细致入微地甄选、观察,判断哪些大数据企业将在“十三五”关键的五年间,脱颖而出,成为国际知名的中国大数据品牌。
据了解,该公司在数据源储量、软件著作权专利数量、开发应用场景能力、服务省市地区数量等多个维度领先同业。
《大数据时代》的作者维克托·迈尔·舍恩伯格预言“世界的本质是数据”。大数据是中国的战略性新兴产业,投资界持续看好大数据产业的发展未来,这种趋势明显增强。据不完全统计,至2016年10月底,2016年中国大数据行业有184家企业获得投融资。数据源愈发成为投资界对大数据公司未来估值的最重要依据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23