京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16