京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在实验检测、质量控制、科研验证等场景中,“方法验证”是确保检测/分析结果可靠、可复用的核心环节——无论是新开发的检测方法 ...
2026-03-04在数据分析、科研实验、办公统计等场景中,我们常常需要对比两组数据的整体差异——比如两种营销策略的销售额差异、两种实验方案 ...
2026-03-04在数字化转型进入深水区的今天,企业对数据的依赖程度日益加深,而数据治理体系则是企业实现数据规范化、高质量化、价值化的核心 ...
2026-03-04在深度学习,尤其是卷积神经网络(CNN)的实操中,转置卷积(Transposed Convolution)是一个高频应用的操作——它核心用于实现 ...
2026-03-03在日常办公、数据分析、金融理财、科研统计等场景中,我们经常需要计算“平均值”来概括一组数据的整体水平——比如计算月度平均 ...
2026-03-03在数字化转型的浪潮中,数据已成为企业最核心的战略资产,而数据治理则是激活这份资产价值的前提——没有规范、高质量的数据治理 ...
2026-03-03在Excel办公中,数据透视表是汇总、分析繁杂数据的核心工具,我们常常通过它快速得到销售额汇总、人员统计、业绩分析等关键结果 ...
2026-03-02在日常办公和数据分析中,我们常常需要探究两个或多个数据之间的关联关系——比如销售额与广告投入是否正相关、员工出勤率与绩效 ...
2026-03-02在数字化运营中,时间序列数据是CDA(Certified Data Analyst)数据分析师最常接触的数据类型之一——每日的营收、每小时的用户 ...
2026-03-02在日常办公中,数据透视表是Excel、WPS等表格工具中最常用的数据分析利器——它能快速汇总繁杂数据、挖掘数据关联、生成直观报表 ...
2026-02-28有限元法(Finite Element Method, FEM)作为工程数值模拟的核心工具,已广泛应用于机械制造、航空航天、土木工程、生物医学等多 ...
2026-02-28在数字化时代,“以用户为中心”已成为企业运营的核心逻辑,而用户画像则是企业读懂用户、精准服务用户的关键载体。CDA(Certifi ...
2026-02-28在Python面向对象编程(OOP)中,类方法是构建模块化、可复用代码的核心载体,也是实现封装、继承、多态特性的关键工具。无论是 ...
2026-02-27在MySQL数据库优化中,索引是提升查询效率的核心手段—— 面对千万级、亿级数据量,合理创建索引能将查询时间从秒级压缩到毫秒级 ...
2026-02-27在数字化时代,企业积累的海量数据如同散落的珍珠,若缺乏有效的梳理与分类,终将难以发挥实际价值。CDA(Certified Data Analys ...
2026-02-27在问卷调研中,我们常遇到这样的场景:针对同一批调查对象,在不同时间点(如干预前、干预后、随访期)发放相同或相似的问卷,收 ...
2026-02-26在销售管理的实操场景中,“销售机会”是核心抓手—— 从潜在客户接触到最终成交,每一个环节都藏着业绩增长的关键,也暗藏着客 ...
2026-02-26在CDA数据分析师的日常工作中,数据提取、整理、加工是所有分析工作的起点,而“创建表”与“创建视图”,则是数据库操作中最基 ...
2026-02-26在机器学习分析、数据决策的全流程中,“数据质量决定分析价值”早已成为行业共识—— 正如我们此前在运用机器学习进行分析时强 ...
2026-02-25在数字化时代,数据已成为企业决策、行业升级的核心资产,但海量杂乱的原始数据本身不具备价值—— 只有通过科学的分析方法,挖 ...
2026-02-25