大數據的概念最早可以追溯到2001年麥肯錫的一份報告。2009年，美國將大數據上升為國家戰略資源。2012年左右大數據開始在中國嶄露頭角。到了2015年，大數據行業開始瘋狂生長，一年時間增加了500多家。2015年超過50家大數據公司進行融資，總融資金額超過50億人民幣?！按髷祿?”已經滲透到幾乎所有行業，如“大數據+零售”、“大數據+醫療”、“大數據+房地產”等等?？梢哉f，大數據領域正在慢慢成為風口。

　　2016年7月20日，作為重點關注大數據領域并且已經做出多項投資的機構，藍馳創投舉辦了《大數據領域創業的機遇與挑戰》論壇。論壇上，藍馳創投合伙人朱天宇、投資總監曹巍、投資總監吳佳捷等分享了關于大數據的現狀、機會與前景，看看他們怎么說。

　　朱天宇：大數據的創業時機到了

　　我們今天講三個部分：時機。時機是很多創業里最關鍵的一個因素。第二，在大數據這個領域里創業可能面臨的一些挑戰。第三，我們藍馳已經在做哪些方面的布局和思考，有哪些機會是我們看重的。

　　其實說到大數據這個行業的時機，我們會從這兩個方面說：第一，行業內部內生的一些需求，第二，政策的拉動。這兩方面都構成了我們覺得目前大數據創業這個時機已經呼之欲出的一個原因。

　　首先說行業內部的需求。其實說大數據創業首先要說到企業服務。中國過去這么十年、十五年以來，以互聯網為代表的消費已經如火如荼這么多年，現在大家說紅利已經差不多了。大家為什么在過去半年都在討論企業服務的春天到了？其實我們都知道，中國過去二三十年改革過來，每個行業效率遞進，其實在大部分行業，除了我們比較熟悉的互聯網行業，它是精細化，比較追求效率優化運作方式在運作之外，大部分經濟體內大部分行業它的效率依然還是比較粗放，精細化運作依然是缺少的。這一個很大的原因是說，在中國經濟體有很多行業的龍頭企業，比如說超大型國企，一些國資委管理的企業，它們本身在效率的追求還是不夠。這些行業的龍頭企業對于效率的追求的動力的不足，實際上導致了每個行業鏈條下，圍繞它的中下游企業，企事業沒有把效率作為企業發展的核心目標。所以導致這里我們看到身邊很多企業都是以關系尋租型在做生意，而不是追求精細化運作。所以這是目前大數據我們看到的一個春天。從供給側的提法來看，其實本屆政府對于企業在效率方面提升所創造的紅利是非常關注的。所以那些龍頭的國企已經受到很大的壓力，當它們關注成本效率的時候，企業服務給它提供削減成本的模式，這個工具和服務是不是會比以前賣的更好？所以這是我們看到春天來的一個最大的動因。這個動因根本首先它是一個政治問題，而不是經濟問題。

　　其次，信息化的企業洼地率先成為大數據的沉積地。這是什么意思？我們看到本屆政府提到的大數據作為國策之一，國務院也發布了很多大數據發展綱要。但是中國政府提的大數據里，其實它的含義本身是信息化的問題。因為很多企業信息化還沒有達到，在這里有很多洼地。先不要提大數據，先把企業是不是真正按照數據的方式進行驅動的經營管理，企業流程業務生產系統當中業務流程當中那些數字是不是真的能抓出來，真正把這些數據拿去做效率優化的改進，其實并沒有。這些空白實際上也是我們創業公司的機會。就是說我們雖然可以說我們在做大數據創業，但是很可能我們大數據創業起點是先從信息化開始的。但是只做信息化肯定是遠遠不夠的。后面會講到每個層級的遞進。雖然我們從信息化洼地開始，但是它們會率先成為大數據的沉積地。像醫院的病例數據并沒有得到很好的處理，但是現在如果有很好的技術我們把它抓起來，形成醫學大腦，這個速度可能會比其他行業大數據業務發展的還要快。什么是跨越式發展？這類似于中國九十年代開始去重新布線程控電話，但是同時在美國又同感電話資產已經積累了很多年，其實程控電話發展比美國還要快，就是直接跳過了一代技術直接往后。我們發現這就是在行業機會上的判斷。我們發現在有些行業上，如果那個行業真的非常落后，甚至我們可能用很創新的技術，顛覆性的直接把這個行業的機會拿下，比別人走的更快，比別人拿的數據更多。這是我看到目前行業內生需求的幾個特征。

　　接下來想分享一下在大數據創業里頭我們可能遇到的挑戰。首先我們看到三個層次的挑戰，我們說從0到1創業維艱，但是在大數據創業來講不光是從O到2，而是從負1到0的問題，這就是我說的數據冷啟動的問題。因為沒有數據，拿不到數據，大數據創業，大數據價值創造從何而來呢？

　　像大家看到的很多在線支付行業起步的時候，快捷什么的，它們雖然想復制PayPal，但是做半年、一年才發現，在中國首先要做的事情是幫銀行補課。而這個在美國市場，在五六十年代已經開始逐步的電子化、信息化，到八十年代信息化已經非常成熟了，到了九十年代互聯網一上來立刻互聯網化效率很快的提升，再往后移動互聯網。而在中國會發現，這幾個階段可能要兩三步并做一步去走。這種超常的跨越式發展，一方面對于創業者挑戰非常大，但是一方面對大家來講也是機會。如果你識別出這樣的空白，識別出這樣超常跨越式機會，你就會站到這個行業的潮頭。我們說數據冷啟動往往被迫從信息化開始，要被迫做非?？?、非常累的活，才有可能拿到數據，才能開始數據煉金的路。

　　接下來有了數據，你怎么賺錢？有了數據就能賺到錢了嗎？其實并不如此。這里很關鍵的點，就是怎么理解行業客戶的應用場景。因為數據本身并不是能產生價值，你能給客戶解決問題才能產品，而用戶的需求在哪兒，而我們這兒提到的是用戶的真實需求。在一線工作人員和部門的老總，和公司的老總需求是一樣的嗎，他們的需求都能說出來嗎？真說不出來，但是又說不出來；能說出來但是又不想說。你不能對客戶掌控，甚至商務關系的親近，能把這些話套出來，能把真實的需求套出來。因為這跟做消費者，跟to C的業務不一樣，to B面臨的不是一個消費者，消費者簡單，你把體驗做到極致就搞定了，但是面對一個企業的時候克服的挑戰更多。

　　這里列了幾個，我們覺得在行業上可能率先會有比較典型的應用場景，而且我們也看到大量的創業公司都盡量：金融、安全、物聯網、農業、物流等等。

　　有了場景，有了商業產品和服務之后，再上一層樓，我們的收費模式是怎樣的？對于企業服務而言的話，是按項目收費，還是按服務量收費？大家比較熟悉的是按項目收費，我提供一個數據服務，像SaaS一樣，你付我多少錢。但是這是大數據商業模式的真正本質嗎？我們這里關注的是能不能按服務量收費？就是你手里有很多數據和工具，用戶在你這里跑一次，你能不能吐出一些給企業有用的結果，能夠創造一些新的價值的結果，能有一些讓他不得不花錢買單的結果，這個可能是一次數字的檢驗，也可能像授信，像征信的核查一下，或者是一個問題的搜索。當按服務量收費的時候，這個模式的收費能力和按項目收費的能力完全不一樣的，而且這才真正體現了我們拿到了一個有價值的大數據的收費服務。所以在這塊也是我們進一步的一個挑戰和思考。

　　我這兒有三個關鍵詞，如果能把這個關鍵詞帶走，就能讓大家后悔的目的。第一，從負1到0。就是剛才說的數據冷啟動的問題。每一個關鍵詞背后其實是問題，并不是關鍵詞。當你想到負1到0的時候你要問自己哪些問題。第二，場景。不光是數據問題，你對場景熟悉到什么程度，你對客戶需求到底了解到什么程度，才有可能真正建立自己的產品和商業模式，賺到錢。第三，定價權。這三關鍵詞是針對不同階段的創業者，對于剛起步的可能從負1到0是你當下要關注的，對于已經上路的同志來講，場景是不是你之前忽略的，你有沒有更好的方式去獲得更有洞察力場景的知識。對于想更上一層樓的創業者，腦子里要想的是定級權，背后要問自己哪些問題，怎么樣獲得你強有力的數據源，怎么樣建構你技術的壁壘，怎么樣真正提供一個好的產品服務，讓別人只能到你這兒來買單。

　　曹巍：大數據+Fintech，信貸、財富管理、保險處處是機會

　　其實金融行業說實話，它是一個天然和數據相關，而且每天都在產量大量數據的行業，我們把這個行業其實重點的一些領域拿出來，我覺得這個實際上是更多的跟大家的一個分享和探討。比如說，第一個我們給它定義為垂直交易類平臺的機會。金融市場最重要的是在做資源調配，我們每買一股股票，或者每投資一個基金，我們都在潛移默化幫助市場做資源配置。垂直交易平臺，圍繞股票、基金、外匯、大宗商品交易平臺是一個很重要的方向。做大數據創業團隊圍繞這個的話，要通過數據維度挖掘買到被低估的股票或者表現良好的基金，甚至預判國際風云的變化，幫助自己資產的保值和增值。這塊通過數據的分析我覺得大有可為。

　　另外，我們在看這個方向的時候我們還很關注用戶端的數據。因為每一個金融的細分垂直交易平臺，目前來看在用戶數據積累和分析方面其實都還在一個非常初期的階段。那些真正能夠抓到用戶行為數據，給用戶的數據行為打標簽，甚至個性化的用戶行為數據，這些團隊才有機會針對于這個用戶的風險、偏好幫助這個客戶做好資產配置。圍繞用戶端的需求，我認為目前階段大家分析的還很初步，不斷券商手握大量的信息，還是我們說的傳統的1.0門戶，像天天基金網，這些模式它們對用戶需求的深度理解還夠。

　　第二，企業信貸，中大型企業，小微企業，以及供應鏈金融。小微企業其實是一個很大的市場，這個市場有多大，80%的利潤里，差不多有將近一半的利潤來自于中大型，中小型，供應鏈金融，各行各業的企業信貸。這也是銀行的主營業務。在這個方向我們也在尋找一些好的方向和好的創業團隊。這些團隊在做什么？無非就是兩件事情：一，解決數據的從負1到0。因為中國特色的市場環境，大部分數據并不是以節點相銜接而充分共享的網絡，而是大家有大量的信息孤島，很多數據在政府手里，很多數據在民間的一些第三方創業公司手里，誰能打通這些數據，幫助銀行和金融機構去做資產質量的分析，提升銀行的效率。那么我覺得這些公司在未來就會大有可為。而且這個創新的模式最本質的一點，是說我能夠充分的找到源源不斷的能夠幫助我去提升銀行資產配置效率的數據來源。供應鏈金融其實也是最近藍馳創投一直在關注的一個細分領域。供應鏈金融的一個天然特點，是說它一直圍繞核心交易產生的。你的一個中小型企業，小微企業可能做的和上下游無關的企業，但是很多在供應鏈內部的企業，它其實天然是和交易結合的。它每天或者每月產生的交易數據，圍繞這些數據我們也看到過一些非常優秀的公司，通過數據來去判斷企業的信用，從而能夠降低這些企業獲得資金的成本和門檻，幫助這些在供應鏈體系內的企業能夠更好的募集到資金，快速的成長。

　　個人信貸，其實是剛才講的模式創新里跑的最快的一個細分領域。像趣分期就是一個典型的圍繞細分場景和人群，和這個人群的需求做的學生人群的消費信貸服務。但是下一步的機會在哪兒？我們覺得這些機會更多的是圍繞在場景，不在你自己手里，可能在別人手里，真正靠數據去煉金，真正靠數據的模型和數據深度的積累，圍繞技術和數據的驅動，去幫助銀行以及這些沒有場景的第三方金融機構判斷用戶的風險，并且能夠給這些風險去定價。我覺得這一波的機會的話，也會有非常不錯的公司沖出來。

　　還用財富管理和保險與互助。財富管理其實我們看到，目前國內說到財富管理想到的就是每天給大家打的騷擾電話，他們有四五千員工，每天通過各種渠道找有理財需求的人。這個是早期1.0的畸形狀態，這個不可持續的。未來是純人肉向半自動化過渡。這樣我們要有了解客戶需求的數據來推薦，只有這樣我們在數據充分的情況下才能精準將財富管理的職能，或者說才能夠將財富管理的行業推到新的高度，就是不需要大規模的人工，圍繞數據和技術做到真正的基于技術和數據的創新，它才能夠變成高毛利，給股東回報利潤的行業。

　　保險與互助，這是一個非常有意思的細分領域。因為中國的保險公司可以說是在所有金融機構最強勢的公司。、保險公司對數據關注嗎？關注。但是它們對數據的分析也是處于初級階段。像在美國有行多創業公司，甚至中大型保險公司開始嘗試的UBI車險，基于你的駕駛行為，幫助你去找到一個符合你風險偏好，以及符合你風險維度一個性價比最高的車險模式。這個在中國推廣過程中遇到過很多挑戰，但是我覺得這是一個長期的發展方向。就是未來用戶人群以及風險價格的定價一定掌握在數據最多，數據分析能力最強的人手中。因為只有這樣，你有了真正圍繞數據定價，你才能把性價比最高的產品推給用戶。

　　另外一個熱點就是互保社區和互助社區。這是一個有強力的方向，像有些做互助社區的時候會請一些保險公司的精算師來，我跟他們的CEO聊的時候，他們也說保險公司很多數據也不完整。我覺得互助社區，其實未來在用戶人群沉淀的基礎之上，一定是連接所有數據源和高質量數據第三方的一個節點。因為你只有連接了這些高質量的第三方數據源，找到了真正能夠幫助你去定價風險的這些數據，你才有可能維持這個社區的運營。不然的話每天出來的互助產品看起來很便宜，8塊、9塊保你怎樣怎樣，但是這個模式是不可維系的，因為你對這個風險本質和風險的定價結構心里沒有譜，用戶也沒有譜。如果沒有真正高質量的數據做保障的話，我覺得互助社區在短期的話更多的是公益性的體現。

　　再有的話就是創新的保險產品，這與剛才分享的互助社區有點像，但是這個更多的是圍繞保險公司的產業如何幫助保險公司設計出來更好的產品，如何去幫助保險公司按去連接它們連接不到的數據平臺。這個我們認為也是大有可為的，因為它們能賺錢，如果能幫助保險公司賺錢的話，這個細分行業也會有高盈利的公司成長起來。

　　我們聊一聊藍馳在找什么樣的團隊，或者在大數據互聯網金融行業藍馳在看哪些行業？首先，我們希望專業。金融的本質還是金融，一個專業的團隊首先要了解金融，你要對金融市場有自己的見解，要對金融市場有敬畏之心，你的專業程度是我們非?？粗氐?。另外，在大數據和創新技術領域的積累。我們希望找到的是你的長板夠長。如果有短板沒問題，我們是早期的投資公司，我們有足夠的耐心和資金，包括我們有足夠的資源幫助你成長，但是首先你第一點要說服我們，你的長板足夠長，你看到了別人真的沒有看到的機會，或者在技術積累上有足夠高的門檻和壁壘，我們可以圍繞這個壁壘和門檻搭建真正的核心價值。所以專業、技術積累，這個是非常重要的。第二，其實我們在看的是團隊本身的對本土金融市場的理解。因為我們剛剛看到中國市場發展階段，其實這個發展階段以及金融市場的底層機會，如果你站在局外人的角度的話，特別我們聊過一些剛剛從海外回來的團隊，他們可能直接把美國最先進的模式，像自動理財，直接搬回國內，但是結果并不理想。為什么？因為他對本土用戶的需求并沒有深刻的理解。你在一個不理解用戶需求的市場上創業，這個結果一定不會太好。所以我們希望找到那些你愿意去理解，或者是說你之前有自己深刻的理解，對于你所面對的目標細分人群的市場是怎樣的一個感知和怎樣的一個判斷。第三，學習能力。互聯網金融和圍繞互聯網金融創新機會，它的技術演進速度實在太快了。今天在說大數據，我們還在看區塊鏈，和互聯網結合的方向。

　　吳佳捷：大數據+物聯網的后天、明天與今天

　　大家看到我的第一個標題，其實是挺意思的，就是后天、明天和今天。IOT其實是一件周期更長，更靠后的一件事情。我們一直有一句俗語，就是大家先人兩步就成先烈。我們是希望通過這次分享能夠讓大家看到，大家都想成為先驅，但是不想成為先烈。做什么樣的事情能夠成為先驅，犯什么樣的錯誤，踩什么樣的坑很有可能成為先烈，這是今天想分享的主題。

　　我會用兩張圖講一下對后天的看法。這是一張思科在2011年做的圖，我標題都沒去掉，它的標題是IOT已經到了。這是2011年做的一張圖。但是如果思科真的按這個判斷做事的話，我估計思科會交一大筆學費。這張圖上其實描述的是后天才會發生的事，是2020年才會發生的一件事。它是聯網的設備數和世界人口的比例。它預期在2020年會有500億設備的上網數。那個時候全球人口可能是76億。大概是7-8倍的比例關系。但是從我們自己的看法來看，它畫的中軸線是2015年，但是這個報告是2011年出的，講的是后天的事。

　　第二張圖是描述5G。物聯網會給整個傳輸帶來全新的要求。就是過去傳輸主要為了人的需求在服務。人的需求是什么的？我對帶寬的要求比較大。因為傳輸的越來越多，媒體越來越富媒體，從文字，到視頻，現在到直播了。我對延遲容忍其實是可以容忍的，包括大家開發的各種各樣的新技術，人對延遲的容忍是按秒來算的。人對可靠性的要求其實相對是低的，因為不行可以再點一次。但是一旦到了IOT，這個要求可能會完全反一反。IOT大量的設備對帶寬的要求是很低的。就是如果是一個紅外傳感器，我可能就傳幾個字節的信息，不停的傳就可以了，對帶寬要求是非常非常低的。對延遲的要求幾乎是不能容忍的。比如我是一個報警器，你不能告訴我晚幾秒鐘那兒報警了。就是在IOT下對延遲的要求要毫秒級。大家對5G標準有關注的話可以看到一個現象，就是5G很可能發展出兩個標準：一個是窄帶標準，一個是寬待標準。窄帶標準很有可能專門服務IOT。這個也是后天的事。

　　這是2015年的圖，描述的是在不同的IOT垂直領域大概的開發者數量。很明顯的看到的實框是今天，虛框是這張作者對明天的展望。大家看到量做的相對比較大的是可穿戴設備和智能家居。大家看到to C是明顯過去幾年比較紅火的事情，背后折射的也是投資人在這些領域大量的投資和這些行業里大量蓬勃發展的硬件公司。智能開關，智能盒子，智能路由，過去一兩年很多公司在這些領域拼殺。智能穿戴設備，兩只手基本都戴不下了。相對在B2B領域，可能發展是比較緩慢的，因為核心的原因是沒有找到一個可商業化的場景。

　　再看展望，我們可能跟它們會有不一樣的想法。就是說在智能家居和可穿戴設備上，現在大量的公司其實都已經撞到了錢。大家可能過去前不久的新聞里已經有公司撞墻了。這塊的發展可能沒有這張圖作者的想法那么樂觀。車的話是智能駕駛輔助這個需求為驅動，可能會驅動出來一波智能設備，美國已經有一家公司上市了，做的非常好。在找到明確的商業場景之后，智能車這塊可能會有一個比較好的發展。這點我們跟他的認同是一樣的。我們更關注的是在零售、工業、醫療這三個方向上的垂直應用。如果能找到比較好的垂直場景，這三塊的預期可能會比這個圖更樂觀一些。

　　藍馳投什么？主要是三個大方向：第一，因為IOT的數據的特殊性和它的連接的特殊性所帶來的一些基礎設施的不同，它的一些特性就是超大規模的連接數，很大的數據量，實時的非結構化的數據處理能力。這些特性跟過去人的需求是不一樣的，所以這個可能會催生出一些機會。第二，我相信已經有一些人認識到，就是硬件這件事情大家用免費的模型去做可能是不行的，因為它的邊際成本非常高，它的出裝成本非常高，它的用戶接受成本非常高，如何能夠在某一個垂直領域以一種有商業實際應用場景的方式去切入這個場景，可能是接下來智能硬件能不能進入到某一個場景，能不能帶來一個爆發的核心的邏輯。而不再像互聯網像軟件那樣，沒關系，進去再說，燒了再說，這個在過去幾年已經被證偽了。第三，大量的數據收上來了，大量的應用場景鋪下去了，它能提供什么東西，來提高哪些真正的效率？這三個大方向是藍馳關注的事情。

(來源：投資界 Echo)

【免責聲明】本文觀點屬于原作者，不代表清科私募通立場，轉載請注明出處：

http://news.pedata.cn/234690.html