京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据/SaaS/物联网,2015年的风口在哪里(2)
物联网(IoT)
物联网是对“消费电子电器”进行重新的性感包装,是笨重的老式家庭设备的现代化外加软件和 API,从而实现无缝的互操作以及对数据的泛化记录和使用。
现在传统的消费电子电器令我想起 iPhone 之前的摩托罗拉 Razr,很棒的工业设计,但是没有真正的软件可用。
从退出角度来看,Google、苹果、三星、飞利浦、通用电器等都对有助于加速自身在此市场努力的这方面收购感兴趣。预期该市场会出现更多的小型和大型(5 亿美元以上)退出。但是 Nest 被收购之后哪些公司会成为长期可持续的上市公司尚不明朗。
安全
这个市场的破解更加棘手,但是预期 2015 年会出现更多的安全初创企业。企业端对安全产品的购买需求不断增长。但这个领域的进入门槛也会更高,因为它既需要强劲的销售渠道,又要有差异化的产品,从而会压制市场的总体势头。会有少量初创企业实现中小型(数亿美元)退出,但该行业规模会受限于销售瓶颈(CIO 只会向少量供应商购买安全软件,但是太多的新型初创企业把关注点集中在“功能”而非全面解决方案上)。
3、轮盘赌—二元化市场,一将功成万骨枯
共享经济与按需经济
劳动力的分布或资源共享将继续成为创业热点。但是大多数初创企业都会失败,不过也会有少数取得巨大成功。正如 Facebook、Twitter、LinkedIn 成为第一波社交网络潮的巨头一样,AirBnB、Uber、Lyft、Instacart 是这一波共享经济潮的巨头(从市值看)。
类似地,正如有人(WhatsApp、Pinterest、Instagram)在第二波社交网络潮杀出血路一样,共享经济 / 劳动力分配还会诞生几家巨头,但大部分都将失败。
一句话,一将功成万骨枯。太多创业者都想做成某个微型市场的“Uber”。关键是要找出如何拿下现有的大市场的办法(如 Uber 和交通),或者用一个简单的用户案例和产品急剧扩张一个现有的市场(还是 Uber)。这种玩家一旦赢了就是大胜,因为他们颠覆了整个市场。
4、短暂困难时期
比特币
从长期来看,加密货币和块环链是是值得看好的。但是我怀疑现在的许多公司能否成功。需要有若干更大的结构性事件发生才能让比特币受到广泛采用。留给现有的比特币公司的时间窗口不多了。能盈利(或现金充足)的比特币公司也许能熬到这一转变的发生(就像 AOL 等到互联网真正兴起一样),但许多公司烧钱速度太快了,很可能要失败。不过一旦公司做得足够成功,就会有大量潜在买家看上(Google、微软、eBay 及整个金融体系)。
随着市场逐步走向成熟,未来几年预计会出现加密货币公司的大量扩张,但最终会优胜劣汰。比特币可能会有几年的苦日子,时不时也会有 1、2 单大型的让人误入歧途的退出。不过这之后就会有加密货币公司的爆发,足以令现在的趋势相形见拙。所以我长期是极其看好这一领域的,但是会对其短期情况感到担忧。
软件投资者对生物技术的投资
除了基因组以外,我还看到有越来越多的投资者投资传统的生物科技公司。基因组技术兴起的原因很明显,因为成本的大幅下降。但传统生物科技并没有享受到市场的这场大转变。个人观点是这个市场会成为技术投资者的滑铁卢,因为他们误解了这个行业的结构(监管问题、知识产权问题等),且对于潜在的市场也没有很好的嗅觉。尽管技术投资者未来几年在生物科技领域未必能做好,但是我认为少数人还是会大笔投钱进去的(类似于 2000 年代早期清洁技术的惨败)。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在企业数字化转型过程中,“业务模型”与“数据模型”常被同时提及,却也频繁被混淆——业务团队口中的“用户增长模型”聚焦“如 ...
2025-11-20在游戏行业“高获客成本、低留存率”的痛点下,“提前预测用户流失并精准召回”成为运营核心命题。而用户流失并非突发行为——从 ...
2025-11-20在商业数据分析领域,“懂理论、会工具”只是入门门槛,真正的核心竞争力在于“实践落地能力”——很多分析师能写出规范的SQL、 ...
2025-11-20在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10