
解析“大数据大金融大物流”时代投资逻辑_数据分析师
自2013年以来,“大数据、大金融和大物流”已经成为当前新经济的最大特点。
大数据,也称巨量资料,指的是所涉及的资料量规模巨大到无法通过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据的4大特点是:Volume(大量)、Velocity(高速)、Variety(多样)、veracity(真实性)。
“大金融”概念:宏微观金融理论的系统整合;金融和实体经济的和谐统一;金融发展一般规律和“国家禀赋”的有机结合;内外部金融和谐共融的全球化思维模式和跨界意识。大局观念与全局思维成为大金融理论的核心要义。大金融这一全球性金融框架概念也将于2013年度的G20国际峰会上正式提出,进而帮助实现会议所宣称的强劲、可持续、平衡的经济增长的“全球经济目标”。
大物流即现代物流指的是将信息、运输、仓储、库存、装卸搬运以及包装等物流活动综合起来的一种新型的集成式管理,其任务是尽可能降低物流的总成本,为顾客提供最好的服务。我国许多专家学者则认为:“现代”物流是根据客户的需求,以最经济的费用,将物流从供给地向需求地转移的过程。它主要包括运输、储存、加工、包装、装卸、配送和信息处理等活动。
互联网技术发展为“大数据、大金融和大物流”的核心技术依仗,也是主要技术使然工具。互联网技术在中国的跨越式崛起为“大数据、大金融和大物流”的跨越式发展。
一个经典案例—亚马逊的故事。亚马逊自1995年7月上线,历经18年的磨练,2013年已经成为营收745亿美元,市值近1400亿美元(2013.12)的商业巨头,市盈率高达3000多倍,而另一个零售巨头沃尔玛发展50年,对应的市盈率却仅为14倍。亚马逊在成立之初投入了大量资金用于市场推广,树立品牌,但在1997年之后便开始将资金更多地转向物流仓储和技术研发,截止2011年底这两项的费用占比依然是最高的,可见亚马逊对于物流仓储和IT技术的重视程度,但也正是这样,才保持了亚马逊的竞争优势,同时也为后来的盈利打下了基础。由于电子商务的规模效应以及前期的大量资源积累,亚马逊历经8年亏损,终在2003年迎来首次全年盈利,并从此进入了快速发展期,云计算、物流服务、Kindle终端等各类业务不断涌向市场。
回顾发展历程,亚马逊一下子基本占据新经济所有发展核心要点。在零售业,Amazon.com与沃尔玛竞争;在设备制造方面,它向苹果发起挑战;在数据服务领域,Amazon.com威胁到IBM的位置。总体是,亚马逊基本占据“大数据、大金融和大物流”基本特征。市场也给予未来无限的遐想,公司市值也一直“高歌猛进”。
那么在“大数据、大金融和大物流”新经济时代的投资逻辑是什么?
对此,宏源证券交运研究组分析师瞿永忠表示,总结起来,“大数据、大金融和大物流”投资要点主要着眼于一下几点:具有开放、共享、协同的生态商业思想,产业边界没有硬性约束,可扩张性大。现在的亚马逊已经不再是一家单纯的零售企业,虽然目前零售业务仍是主要的收入来源,但其业务体系已经渗透到仓储物流、技术服务、硬件终端乃至金融服务等领域,且增长态势良好,亚马逊正试图打造自己的生态系统。另外,瞿永忠认为阿里菜鸟的思想架构,其开放平台最伟大:“菜鸟网络”的开放平台是要构建下一代商业模式、消费模式、生活模式。“天网”主要是商业网络,圈住所有的B-B和B-C客户,减少商业链条,实现供应商和消费者无缝融合。“地网”主要是打造线下的物流网络/供应链网络,依靠社会化分工,提供标准、仓储、干线运输等社会资源可自由接入的平台,将商户圈住,从而抓住用户。
瞿永忠认为,互联网技术应用是关键,但要有核心商业诀窍的创新。他最推介在B-B前端供应链整合或一体化的产业链发展公司,B-C消费供应链整合的并面向消费升级的平台型的电商企业的发展。所有技术的依仗必须是互联网技术,但其核心商业诀窍发展也是必须。
线上和线下的融合成为未来的发展趋势,核心是改变/创造新的商业生态。最近,顺丰开518家“嘿店”,直接向阿里的“天网+地网”的商业生态创新挑战。
1 瞿永忠认为,在3年之内,电商线上业务发展速度将很快慢下来,核心问题是网上购物和实体购物之间的“鸿沟”-客户体验的边际效益很快会慢下来,两种方式之间的平衡点很快会找到。当然物流服务水平就是其中重要瓶颈。2、OTO是解决电商未来发展的核心手段,还可以提升电商业务发展空间。但是OTO模式核心竞争力是“贴近客户,包围客户,便利客户”。顺丰“嘿店”在这些店内,顾客可以代寄、代收快递,费用更加便宜;再比如女生网购了一双凉鞋,到货后,可以先到嘿客店内进行试穿,感觉大小不合适或者款式不喜欢,可直接取消购买,不用承担任何费用,省去了以往后续交涉、退款、退货的复杂手续。除了快递物流业务、虚拟购物外,“嘿客”还具备ATM、冷链物流、团购\预售、试衣间、洗衣、家电维修等多项业务,实为社区网购便民生活平台。从实际意义上,“嘿店”已经远超马云“天网+地网”所提供生活社区概念,更加实际,更加具有客户体验。
3、快递业务最后一公里服务最好途径是便利店,日本最成功。方便、可信任、低成本、流程可控是该模式的核心要义。这样,对比成都的红旗连锁(发展便利店配送)和三台电子的盒子。基本可以肯定前者是未来发展方向。
4、总之,电商发展,“新的战争又开始了”。前三名的排序可能生变。个人更加看好具有物流竞争力的京东和顺丰。
总体上,综上所述,“大数据、大金融和大物流”新经济会带来企业发展模式巨大突破,也会带来投资估值思维上的巨大突破。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 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