京公网安备 11010802034615号
经营许可证编号:京B2-20210330
中证报新三板探营:奥维云网瞄准大数据创新
奥维云网2014年登陆新三板时,以“奥维咨询”的名称而被外界所熟知,公司以数据挖掘和分析为主营业务。
自去年1月发布大数据发展战略以来,公司的大数据转型不断取得突破,并在2014年12月更名为“奥维云网”,并定位为垂直领域大数据应用服务提供商。公司管理层向中国证券报记者表示,大数据应用是奥维云网自成立以来最大规模的一次战略转型,公司名称变更是水到渠成的一个节点。公司将引入做市商并借力资本市场适时加大对数据技术和应用的研发投入,进一步建全产业链数据体系。
业务模式转型
奥维云网的前身为“奥维咨询”,早期以提供彩电行业零售数据和分析报告起家,随后快速进入到白电、小家电等领域,目前覆盖面已经扩大到38个家电品类的数据产品和研究分析领域。公司提供的行业数据准确性和共识性得到业界高度认可。
奥维云网前期主要以提供企业客户市场分析报告为主。自2014年发布大数据发展战略以来,公司业务模式逐步转型。公司管理层向中国证券报记者表示,随着互联网和移动互联(2456.88,22.050,0.91%)网的快速发展,以及大数据存储和计算处理技术逐步成熟,传统商业模式的局限性凸显,企业发展需要进一步转型。在去年8月挂牌新三板的同时,奥维云网的战略转型也在紧锣密鼓地进行,公司将垂直领域内的大数据应用和服务作为转型升级方向,为企业高速发展增加更强劲的源动力。
尽管目前大数据领域的前景和业务模式商不清晰,但在奥维云网董事长喻亮星看来,公司大数据转型的脉络已经清晰。奥维云网专注于其自身长期深耕和熟悉的家电、消费电子、显示及数字内容、商用系统等垂直领域,从材料到整机再到流通渠道和终端用户全产业链关键节点的大数据网进行整合,借助企业长期以来建立的对数据挖掘、分析以及行业需求认知的敏锐度,以应用引导技术研发,确定软硬件设备投入,扩建数据监测和采集网,规避盲目扩张。
喻亮星表示,各个行业每个环节都在产生大量数据,之前局限于技术能力,使得这些数据无法进行沉淀和有效分析。大数据最基本的要素就是要具有海量和多维数据,通过一系列技术手段去进行数据挖掘和研究分析,并基于此开发出应用服务。一旦规模上去,边际成本将逐步递减。
“奥维云网之前和企业合作,提供的数据都是往围绕销售、市场、开发、采购等方面,各个企业依据数据,来制定销售策略,制定价格调整计划等。”喻亮星表示,未来将借助大数据,企业可以解决制造流程改造的问题,再到售后服务体制、终端渠道和推广,服务环节从单一纬度向多层次多维度转变。
业绩快速增长
奥维云网新三板挂牌后交出的首份成绩单喜人。财务数据显示,公司预计2014年营业收入在3900万元到4100万元之间,较去年同期增长270%以上;预计全年净利润在470万元到520万元之间,较去年同期增长500%以上。
奥维云网在公告里并没有透露业绩飙升的详细原因。不过,喻亮星对中国证券报记者表示,从业务层面来看,业绩大增主要来自于两点:公司覆盖的品类和2013年相比大幅增长;随着数据来源延伸到供应链上下游和基于互联网信息,公司从单个客户获取收入和利润的能力也在提高。“在和一些企业合作中,前几年我们提供的帮助有限,合作金额只有几十万元,而近两年的合作金额达到百万元级别。”
奥维云网面对的客户主要是家电企业,而家电行业目前的发展已经过了高峰期,产业运行处于低空飞行阶段。在这样的局面下,对于奥维云网受到行业景气度的影响有多大,喻亮星认为,和诸多新兴产业相比,家电行业的成长性确实略显逊色,但是行业体量巨大,新的产品技术层出不穷,更新换代需求仍然旺盛。且在制造业领域,中国家电企业拥有最强的全球竞争力,在当前的环境下,企业对数据分析和应用的需求量会更高。“目前我们在家电领域覆盖企业比例并不高,因此奥维云网业务还没有遇到发展瓶颈。今年和未来一段时间,奥维云网的业绩增长仍然很快。”
计划引入做市商
对于2015年在资本市场的动向,奥维云网董秘金晓锋对中国证券报记者表示,公司计划引入做市商,再融资计划上根据企业的发展确定,如果有增发事项,主要募投的方向仍是大数据技术和应用类项目,包括全产业链数据体系建设等方面。
“在大数据应用服务层之下,奥维云网的大数据平台建设有两个核心数据系统,大数据采集系统以及大数据挖掘和分析系统。”金晓锋表示,这两个环节是解决大数据应用服务业务快速拓展的关键点。通过这两个系统的建设与完善,公司在行业和品类方面的低成本快速扩张完全可以实现。公司将通过技术和业务合作、资本合作等方式加大投入,围绕产业链各个关键环节的数据体系建设。
“另外,奥维云网还将积极研究如何借助资本市场,通过兼并重组等方式,进一步做大做强主营业务”喻亮星说。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 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 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 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 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25