京公网安备 11010802034615号
经营许可证编号:京B2-20210330
现实世界是大数据的下一个重大契机
Matt Ocko是风投公司Data Collective的全权合伙人,曾在Uber公司2011年第二轮融资活动中参与投资。他还是Facebook的早期投资人。在2012年与正式启动Data Collective风险投资之前,Matt Ocko已经针对数据库公司进行了若干年的投资。2012年合作开始后,他们的天使投资遍及几乎所有领域的热门初创企业,囊括了从MemSQL这样的数据库公司到Planet Labs这样的卫星成像公司。本周Ocko参加了Gigaom的Structure Show秀,以一名投资者的身份对他感兴趣的和觉得过火的东西进行了阐述。
对于科技领域的很多话题,他的意见都相当有趣、值得聆听,下面是我们采访的集锦,想要了解更多,请关注他在Structure Data中的讲话(于3月18日-19日在纽约),同时受访的嘉宾还有Hilary Mason,他们就数据的未来进行了有趣的探讨。
同时几家大数据采集公司也会列席,包括Enlitic(注:通过大数据帮助医生分析图像)、Blue River Technology(注:致力于将机器人引入农业生产)和Interana公司(注:为其他企业提供便利的数据驱动决策服务)。
有用不代表着一定有吸引力
像是Snapchat和Slack这样的软件非常吸引人,但是Ocko希望能够看到开发精英们(在他看来,可以在当今的基础科技方面创造奇迹的那些人)将注意力转向类似供应链管理或者农业这样的应用上面,因为这些应用可以对“GDP很大程度上产生重大影响”。Ocko表示:这些领域也许看起来很是单调乏味,相应的公司与科技也可能会很低调,“有点冷门、有点失宠”,但是所带来的获益会非常巨大。
只要看一下SAP公司,他解释道:
他们说:“嘿,让我们把账户、供应链还有生产与计划整合起来吧,这样我们就能知道你工厂里下一步要做什么,制造起来花费几何,成本多少、售价多少。”对于制造业来说,这是具有改革性质的,我认为它比早期的工业机器人还要更有改革性。将人们所想的从所听到的东西中抽离出来,对于这些公司而言是一个巨大的经营优势。
或者个人电脑。 Ocko表示:个人电脑的概念在20世纪70年代初次被引入的时候,并未获得很多人的喜爱。“但是它比你能构建的任何1000组的大型主机都要有改革性,它创造了今天我们所从事的这个行业。”
软件吞并实验室
Ocko表示,数据采集特别关注的是:在针对从根本上提高生活质量的公司上,新科技所拥有的巩固其基础的潜力,一般来说主要集中在解决艰难的科学难题上。
他说:“我们称其为软件吞并实验室。我们可以看到,在计算生物科学方面以及相关的信息领域,无需巨额花费,甚至零支出,你就可以构建生物模型,并借此了解如何能够令人类、动物甚至地球更加健康,同时顺应了我们必须遵守的资本制度(即需要盈利的目的),但是在赚钱的同时,这些行为又有着积极而深远的影响。
在应用上,而非科技上(甚至深度学习这样的热门科技上)下注
甚至是在科技领域最热门的那个点上,Ocko表示:投资关注的角度仍然在于这种科技是否有真正的和必要的应用,而不是仅仅关注一些很酷的研究,或者也许只是一个大名头。比如,他在医学成像的深度学习初创公司Enlitic上进行了投资,但并没有仅仅因为会被立刻疯狂收购,而对构建一系列深度学习组合的初创公司表示出兴趣。
Ocko表示:“就像双手合十祈求天上掉下个DeepMind那样4亿美元的融资……因为公司里的人太过聪明,对我而言太过高大上……只能把你那些有限合伙人(注:有限合伙人以其认缴的出资额为限对合伙企业债务承担责任)的资金给吓跑。”
迄今为止,对于Hadoop和市场软件我们都只是“还好而已”
然而,即便对于一些真正创新性和改革性的科技来说,也总有一个市场饱和的临界点。这并不代表那些领域的初创公司会落得玉石俱焚的下场——他们可以建立很好的公司,但是对于投资人来说,他们就没那么大吸引力了。
其中一个代表就是Hadoop公司,在Ocko看来仍有大量实际运用的可能,但是在获取巨额估值方面,可能已经达到极限了。“如果你开启了某个分类的Hadoop群组,很多其他类别的Hadoop仍有市场,但是就像你说的,我无法确定那些公司是否也能成为巨擘。他们也许是很不错的公司,但是在VC看来,对于其他公司的投资就不会成为像是对Hortonworks、MapR或是Cloudera的并购那样的全垒打了。
另外一类就是通过机器学习提高其效率的销售和市场软件。“我看到过的从事管道矿业方面的公司数量,无论他们是致力于市场最优化还是销售最优化,不夸张地说要超过100家了。”Ocko说道,“如果有这么多公司想法如此类似,我认为这代表着他们可能会走向悲剧。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12在数字化转型深度渗透的今天,企业管理已从“经验驱动”全面转向“数据驱动”,数据思维成为企业高质量发展的核心竞争力,而CDA ...
2026-03-12在数字经济飞速发展的今天,数据分析已从“辅助工具”升级为“核心竞争力”,渗透到商业、科技、民生、金融等各个领域。无论是全 ...
2026-03-11上市公司财务报表是反映企业经营状况、盈利能力、偿债能力的核心数据载体,是投资者决策、研究者分析、从业者复盘的重要依据。16 ...
2026-03-11