京公网安备 11010802034615号
经营许可证编号:京B2-20210330
九次方大数据创始人:大数据是创业下一个暴风口
[摘要]大数据与金融的结合,被认为是未来十年弯道超越BAT的唯一创业机会。对此,王叁寿强调:“目前九次方与一些银行合作,交易的不是底层的基础数据,而是通过清洗建模出来的数据结果。
BAT(百度、阿里、腾讯)的创业奇迹已然发生,创业才子都在寻找下一个风口,而大数据与金融的结合,被认为是未来十年弯道超越BAT的唯一创业机会。
4月16日、24日,九次方大数据公司创始人、执行总裁王叁寿两度受邀前往北大演讲,分享个人创业经历。“大数据,创业的下一个暴风口”,演讲中,王叁寿带来了实用的干货、前沿大数据应用解读,生动讲述了大数据与金融的“天作之合”。
顺势而为
瞄准“大数据+金融”
演讲中,王叁寿梳理了大数据在国内的传播轨迹——
2009年,麦肯锡首次提出了大数据的概念;2011年,大数据概念从硅谷蔓延到北京,引起相关机构关注;2012年,中国大数据起步元年;2013年至2014年,企业纷纷看好大数据产业,先行战略部署和试水大数据项目。
2000年到2005年期间,王叁寿一直从事与数据相关的工作,在商务部研究院兼职,给麦肯锡写与数据有关的报告、做调研。在意识到数据的商业价值后,王叁寿决定跨界大数据金融行业创业。2010年,九次方大数据诞生。
彼时,国内大数据之势未起——
“那时候,没有公司可以称得上是大数据公司。九次方主要做了一件事情,就是汇集了全国的企业数据。”九次方定位为企业金融大数据服务平台,创立依靠200多人的地面部队,在全国撒网,收集拟上市公司的融资需求,同时沉淀企业运营的相关数据。
然而,人工收集太慢,而且数据是动态、实时、可变化的,九次方便想到做一个金融系统终端,让数据可以不断扩展。
如今,九次方已成长为国内最大的金融大数据公司——
经过五年沉淀,九次方掌握的数据已覆盖40多个产业链、8000多个行业、4万多个细分市场的九百万家企业。针对每家企业设立70多个指标,进行交叉分析统计。此外,九次方还与汤森路透、标准普尔达成战略合作伙伴关系。
“创业一定要顺势而为。”经历了两次创业,王叁寿向热爱创业的朋友分享他的经验,“创业最避讳的事情就是认为自己的人不行,到处找所谓的牛人。创业不需要拉什么高大上的人进来,比起这个,我更关注他是以什么心态进来。”
冲击上市
大数据带来腾飞机遇
2012年,九次方还没有开始盈利,就获得了来自博信资本、IDG资本及德同资本的A轮近一亿元投资。
2014年,九次方首次实现盈利,且数据服务合同超过亿元的体量。王叁寿介绍:“九次方的收入60%来自银行,30%来自政府,还有10%来自小贷公司等。”目前,九次方已为全国20多地政府、40多家银行提供服务。
今年2月1日,九次方B轮融资,获得8家知名投资机构共2亿元注资。
王叁寿的计划是,今年底冲击上市。上市,一方面可以回报投资人,另一方面可以惠及创业团队和员工。目前,九次方20%的员工持有股份,而且是原始股。公司的管理层持股平台每年都对管理层及优秀员工开放一次,这样就可以达到全员创业的效果。
“现在做得非常好的企业没有一家是一个人做出来的,都是拼合力。一个人很难聚集三种技术能力,每个人分工要极其明确。”王叁寿认为,技术型人才未来的重心可以向“应用”上倾斜,关注银行、金融机构的客户需求,投投资人之所好,比技术更重要。
前景巨大
清洗交易让数据变现
“大数据行业市场还不成熟,连60分都不到。”王叁寿分析,中西大数据差距不算太大,国家政府政策宽容,创业环境宽松,大数据拥有非常大的市场。“北京市政府拥有的数据是十个阿里巴巴那么多,现在各个地方政府的数据都没有做清洗和分析,这是一个非常大的市场。”
“数据清洗不是用拿水冲啊,而是用电脑把不规则的数据清洗成规则的数据。”王叁寿幽了一默,他说,除了政府这块大蛋糕,不少手握大数据的企业也希望交易大数据,一方面获取自己所需的大数据,另一方面可以将手中的大数据变现。
4月中旬,全国首家大数据交易所——贵阳大数据交易所投入运营,并完成首笔交易仪式,大数据有了变现的通道,作为交易所第二大股东,王叁寿同时负责交易所的运营。此前,九次方还在贵阳、天津等地建立了两个大数据清洗基地,一系列布局,王叁寿正致力于将九次方打造成大数据清洗领域的“富士康”。
问答环节,同学们对大数据交易可能涉及的隐私以及商业秘密泄露等问题十分关注。对此,王叁寿强调:“目前九次方与一些银行合作,交易的不是底层的基础数据,而是通过清洗建模出来的数据结果。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 定义: 用户增长核心分析框架,刻画用户从接触产品到自发推荐的全生命周期,五个递进环节构建 ...
2026-09-15在数字化营销与精细化用户运营时代,企业传统的广撒网式营销模式成本高、转化率低,已无法适配精准商业竞争需求。客户画像作为大 ...
2026-09-15 很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度” ...
2026-09-15在MySQL数据库数据查询与数据分析中,GROUP BY与ORDER BY是使用频率极高的核心关键字。二者语法结构相似,常搭配使用,但核心功 ...
2026-09-14随着数字化治理、智慧运营、数字孪生技术的普及,数字体征成为衡量业务状态、系统运行、城市治理与企业经营健康度的核心体系。数 ...
2026-09-14 很多数据分析师沉迷于复杂的模型和算法,却忽略了数据分析的一项基础能力——描述性统计。事实上,大量商业分析问题,用描述 ...
2026-09-14在MySQL数据库运维与开发实践中,经常出现一种典型现象:数据库实际存储的数据量很小,数据表条数少、文件体积低,但服务器整体 ...
2026-09-11 很多数据分析师能熟练计算均值、标准差,但当被问到“总体和样本有什么区别”“参数和统计量有什么关系”“数据级别的高低如 ...
2026-09-11CDA数据分析师 出品 作者:李诗怡 定义: 将同一时间段内因具备相同属性或共同经历的用户划分为群体,分析其留存与生命周期价值 ...
2026-09-11在零售、商超、餐饮、线下门店等实体商业运营中,客流与销售额是衡量门店经营状态的两大核心指标。销售额是门店经营的最终结果, ...
2026-09-10在数据可视化体系中,柱形图是最基础、应用最广泛的图表类型,其中**累计柱形图(堆积柱状图)**是兼顾整体总量与内部结构的核心 ...
2026-09-10 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 ...
2026-09-10在Python Pandas数据分析中,DataFrame是承载结构化数据的核心载体,数据清洗、数据修正、条件赋值、字段更新等实操场景,都离不 ...
2026-09-09 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 ...
2026-09-09卡方检验(Chi-Square Test)是统计学中针对分类数据的经典显著性检验方法,核心用于判断两个离散分类变量是否相互独立、数据实 ...
2026-09-09CDA数据分析师 出品 作者:李诗怡 1. 销售漏斗阶段判断 题目:销售漏斗模型中,通过广告、社交媒体等方式触达品牌信息(如浏览品 ...
2026-09-07在Python数据分析中,Pandas库的DataFrame是最核心、最常用的结构化数据表对象,类似于Excel的二维表格,具备规整的行列结构、字 ...
2026-09-07在数据分析、经营复盘、业绩预测与经济统计工作中,平均增速(平均增长率)是衡量数据长期变化趋势、业务发展快慢的核心指标。不 ...
2026-09-07 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 ...
2026-09-07随着大数据技术的快速发展,商业竞争逐步从传统的经验式经营转变为数据驱动的精细化运营。海量的用户行为数据、交易数据、运营数 ...
2026-09-04