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
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23