
大数据为什么一直火不起来?投资人说,商业模式不清晰不愿投资
大数据由来已久,在国际真正兴起普遍认为是,2009年美国奥巴马把政府的数据开放以后,而2011年的麦肯锡发布的一份报告引起了整个行业的革命。在国内是2012年9月,国务院出台了相关大数据产业化的内容。
随着高度互联和大数据时代的到来,经济领域和社会生活诸多方面均呈现海量数据的特征。大到“智慧城市”,小到“量化自我”,大数据所代表的数字化生活无处不在。庞大的信息群为数据深度分析带来新的挑战,而挖掘大数据应用的商机,则为现代企业发展管理决策提供重要价值。掌握应用数据分析方法、应用环境、应用技巧和局限,亦成为决胜互联网以及移动互联网时代的必胜法门。
在“科创通----投资界系列沙龙第二弹:洞察大数据应用”上投资界人士对大数据一探究竟。
投资界“洞察大数据应用”沙龙活动现场
有了大数据,电影未上映就知道票房盈亏不再是梦
东信首席战略官郭利锋指出,“现阶段,我们做的其实还是通过大数据对消费者进行分析拆分,分类以后所谓的消费者群体的投放。随着各个领域和各行业的数据,特别是线下的数据。”
“我们专门做了一个基金投电影。电影在没有拍之前做相应的预测,判断你赚钱还是赔钱,如果是赚钱的项目就投一笔钱进去,最终回报不是说我把数据卖给你们,而是我利用数据做投资。”海银资本合伙人李东平说。“赚多少,赔多少,具体的数字准度大概是80%。”
那么,海银资本是如何利用大数据推测出电影票房的?李东平给予了详细解读:
“电影票房预测核心就是通过在互联网上的言论、表现、社交关系,把你整个这个社交网络里边的人做一个分群——是喜欢看动作片还是喜欢看惊悚片……喜欢在什么时间看。所有的这些模型构建出来之后,是喜欢看谁拍的,是哪个导演拍的,哪个演员演的?所有这些模型构建出来之后,你出来一个片子,甚至没有拍,你把故事梗概放进去——是谍战的,或者是小清新的……根据这个模型算出有多少受众喜欢这类电影,还可以把演员确定一下,喜欢这个角色的演员一二三排一个名,第一名太贵请不起可以请第二名。所有的模型得出相应的结果,这就是我们看重的预测。”
国内大数据在哪个领域应用最多?答案是,互联网金融
对于数据的分析,不同领域可以有不同的服务,不同的方法,医药、交通、金融、零售领域居多。而互联网金融应用的是最多的。
“很多P2P机构都提到10分钟的信贷(10分钟申请,10分钟放贷),实际上就是运用后台的金融大数据平台。”华创资本董事总经理曹映雪说。“金融数据云平台,它做到的就是充分的利用申请者,不光是他传统的银行挖掘到的收入和线下的数据,它还利用爬虫手段和授权,通过申请者线上交易的支付宝信息、银行信用卡账单,迅速集成,通过自身建立的模型给借款者进行信用打分。这一点就要求具有快速处理信息能力,以及对个体信用评估模型,大数据模型的定价,各方面指标的这些确定。”
大数据虽然由来已久,但仍被认为是蓝海,那么哪些领域最有创业和投资的机会?
“作为创业者来说,我个人感觉在数据存储领域可能跟芯片相关或者跟算法相关,因为数据存储是海量的,技术更新平台是非常快的,这块可能有一些机会。在数据应用领域,我可能针对具体的行业做一些应用,这块机会也比较多。”海银资本合伙人李东平说。
大数据前景广阔,“钱”景堪忧
DCM合伙人曾振宇阐述了投资人看到的大数据目前的现状是这样的:
“我们真正看这个市场的投资机会,可能是在应用层的一些机会。或许在应用层也没有什么机会。为什么呢?真正有大数据的公司数据也不会跟你共享,你有什么好分析的,我与其让你建一个公司分析我的数据,不如把你招进来和我一块工作算了,都是这样的态度。”
华创资本董事总经理曹映雪指出,大数据怎样能变现是业内普遍焦虑的问题。“从运用的角度,包括现在很多大数据说的数据变现问题,基本还是从应用场景上没有找到合适的模式。但在金融领域,金融大数据其实有相对比较好的场景。”他说。
“经常做大数据,不要觉得有一个爬虫技术就不得了,有这个技术的人太多了,关键是你把这个数据扒下来干什么用。”钜铖资本合伙人高云卓说。“利用手里的数据创造高价值,当你面对投资人时说我挖掘出什么东西,我会创造什么价值,也许你现在不赚钱,但只要这条路是对的,投资人一定愿意掏钱。”
对于投资者来说,他们愿意投资哪类大数据应用?“我们偏向应用多一些,如果在存储、算法上有一些特色,能和硬件业务有很好连接的东西,我们也会对基础设施这块有一些投资。”乐基金成都负责人李志说。
与大数据相关的哪些行业值得挖掘?晨创投西南分公司首席代表窦勇认为,“金融可能太大,而且BAT在营销方面已经占了大头,不见得还有机会。”窦勇表示,针对一些垂直领域比如做一些APP,针对区域里边的数据资源做嫁接、挖掘可能会有出路。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
如何考取数据分析师证书:以 CDA 为例 在数字化浪潮席卷各行各业的当下,数据分析师已然成为企业挖掘数据价值、驱动决策的 ...
2025-07-15CDA 精益业务数据分析:驱动企业高效决策的核心引擎 在数字经济时代,企业面临着前所未有的数据洪流,如何从海量数据中提取有 ...
2025-07-15MySQL 无外键关联表的 JOIN 实战:数据整合的灵活之道 在 MySQL 数据库的日常操作中,我们经常会遇到需要整合多张表数据的场景 ...
2025-07-15Python Pandas:数据科学的瑞士军刀 在数据驱动的时代,面对海量、复杂的数据,如何高效地进行处理、分析和挖掘成为关键。 ...
2025-07-15用 SQL 生成逆向回滚 SQL:数据操作的 “后悔药” 指南 在数据库操作中,误删数据、错改字段或误执行批量更新等问题时有发生。 ...
2025-07-14t检验与Wilcoxon检验的选择:何时用t.test,何时用wilcox.test? t 检验与 Wilcoxon 检验的选择:何时用 t.test,何时用 wilcox. ...
2025-07-14AI 浪潮下的生存与进阶: CDA数据分析师—开启新时代职业生涯的钥匙(深度研究报告、发展指导白皮书) 发布机构:CDA数据科 ...
2025-07-13LSTM 模型输入长度选择技巧:提升序列建模效能的关键 在循环神经网络(RNN)家族中,长短期记忆网络(LSTM)凭借其解决长序列 ...
2025-07-11CDA 数据分析师报考条件详解与准备指南 在数据驱动决策的时代浪潮下,CDA 数据分析师认证愈发受到瞩目,成为众多有志投身数 ...
2025-07-11数据透视表中两列相乘合计的实用指南 在数据分析的日常工作中,数据透视表凭借其强大的数据汇总和分析功能,成为了 Excel 用户 ...
2025-07-11尊敬的考生: 您好! 我们诚挚通知您,CDA Level I和 Level II考试大纲将于 2025年7月25日 实施重大更新。 此次更新旨在确保认 ...
2025-07-10BI 大数据分析师:连接数据与业务的价值转化者 在大数据与商业智能(Business Intelligence,简称 BI)深度融合的时代,BI ...
2025-07-10SQL 在预测分析中的应用:从数据查询到趋势预判 在数据驱动决策的时代,预测分析作为挖掘数据潜在价值的核心手段,正被广泛 ...
2025-07-10数据查询结束后:分析师的收尾工作与价值深化 在数据分析的全流程中,“query end”(查询结束)并非工作的终点,而是将数 ...
2025-07-10CDA 数据分析师考试:从报考到取证的全攻略 在数字经济蓬勃发展的今天,数据分析师已成为各行业争抢的核心人才,而 CDA(Certi ...
2025-07-09【CDA干货】单样本趋势性检验:捕捉数据背后的时间轨迹 在数据分析的版图中,单样本趋势性检验如同一位耐心的侦探,专注于从单 ...
2025-07-09year_month数据类型:时间维度的精准切片 在数据的世界里,时间是最不可或缺的维度之一,而year_month数据类型就像一把精准 ...
2025-07-09CDA 备考干货:Python 在数据分析中的核心应用与实战技巧 在 CDA 数据分析师认证考试中,Python 作为数据处理与分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 检验:数据趋势与突变分析的有力工具 在数据分析的广袤领域中,准确捕捉数据的趋势变化以及识别 ...
2025-07-08备战 CDA 数据分析师考试:需要多久?如何规划? CDA(Certified Data Analyst)数据分析师认证作为国内权威的数据分析能力认证 ...
2025-07-08