
大数据市场持续升温,创业者需知道数据
在互联网及移动互联网时代,中国创业潮一直以来都风生水起,一大批移动互联网企业赴美上市。进入大数据时代,数据不仅为我们的生活工作带来了诸多便利,更是将创业热潮推向了历史高峰。
3月22日,由上海大数据联盟、上海大数据产业基地和华院数据联合主办、数据猿协办的“2017大数据人工智能产业发展与创新应用”论坛上,为挖掘优秀项目及人才,推动科技的创新应用,主办方正式启动了“中国大数据人工智能创新创业大赛”。
参赛团队不仅可以获得科技金融赛题提供的股市行情数据、数据库、舆情信息等数据资源,还会面临全新的赛题挑战,即国内首推K线技术面视觉分析及图文消息面市场影响评估赛题。同时,主办方还联合羽时资产特设2亿专项AI基金,寻找创业独角兽,锁定众多技术大咖,届时一定会吸引大量创新创业者参赛。
在这个“大众创业、万众创新”的时代,尽管创业是一件极具风险、成功率又极低的事情,却仍然吸引着众多年轻人前仆后继加入创业大军。可是还是有很多人都只是“为了创业而创业”。那么,拥有创业热情又不乏计算机技术的年轻人们,该如何找到大数据人工智能的创业入口?如何选对创业方向呢?在回答问题之前,创业者们不妨先来了解一下大数据产业的创投市场。
创业先看投资。创业者在进入任何一个新兴行业之时,都需要有勇气和远见,其“远见”就表现为要清楚知道市场中“钱”的走向,只有清楚投资人把钱投向了哪里,才有机会抓住产业风口,占据市场.
在此次论坛上,数据猿创始人牟蕾指出,2016年,创投圈的“资本寒冬”之声不绝于耳,时不时传出创业项目被否决的消息。投资机构变得更加谨慎,创业者融资周期不断延长。创投圈发生了什么?大数据行业的创业创新是否还有机会?又有多少机会?
对此,牟蕾对2012年-2016年大数据行业投融资情况进行了复盘。数据显示,在2014年,我国大数据市场规模为97亿元,2015、2016年间增长率均高于全球数值,预计2018年,我国大数据市场规模有望超过500亿。与此同时,大数据产业显现出正在向成熟期过渡的发展特点,数据分析、数据应用项目开始受到资本热捧。
具体而言,2012-2016五年间,大数据领域发生的投融资事件超过1600起,透露金额的有1300余起,总金额达1200多亿;其中A轮事件占比40.4%,天使轮38.2%,产业大部分项目处于发展期,部分成熟项目已进入PE阶段。其中,2016年,融资额同比增长率达189.7%,不过融资频次下降,单笔额度过亿,但产业向成熟期发展越发明显。
牟蕾强调,从细分领域投融资趋势看,五年来,数据应用产业内的相关融资事件发生了673起,被披露项目的总金额达483亿,其二级产业中广告营销类融资事件位居首位;而数据分析产业相关融资事件450起,总金额471亿,仅次数据应用产业,其二级产业中分析平台类融资事件占据榜首。从资金走向看,牟蕾还指出,被大资金追棒的项目不外乎两个方向:一是通用技术型项目,这种技术不分行业,比如与人工智能相关的机器学习等底层架构技术;二是行业间的跨界融合,尤其是传统产业与大数据人工智能技术的结合。
此外,记者了解到,此次论坛上启动的“中国大数据人工智能创新创业大赛”,将聚焦于智慧医疗和科技金融两大热门领域。这两大领域与牟蕾的大数据投融资趋势分析结果如出一辙——“目前,金融和人工智能是大数据应用最热的行业,医疗健康和互娱次之”。
如今,大数据产业的高速发展已经渗透到每个行业和职能领域,成为了重要的生产因素;人工智能也已经应用于语音识别、图像处理器、计算机视觉、机器人等多个领域,甚至击败了围棋九段李世石,一系列成绩的背后,都是海量数据的积累与学习。各行业人士对数据的挖掘与应用,预示着新一波创业浪潮即将到来。
此外,牟蕾还向现场嘉宾展示了2012-2016年大数据产业投融资TOP榜。其中,TOP5的投资机构平均投入金额均在30亿元以上;融资大事件的发生地冠、亚军之位是北京(747次)和上海(275次),除苏州、成都仅在2012年上榜之外,此后,深圳、广州和杭州融资愈加活跃。而众所周知,北上广深一直是创业者们的集中营,所以这些城市将一如既往是大数据产业创新的发源地。
创业者们,如果想要选择好的产业风口,创投分析则是对一个产业发展的前置预判。如果一个新兴产业中的很多应用度尚未大面积展开,那么这个行业真正的春天其实是将掌握在众多有“远见”的创业者手中!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
R 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 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29