京公网安备 11010802034615号
经营许可证编号:京B2-20210330
O2O与大数据:下一轮资本泡沫之源
VC如今都在偃旗息鼓了,此前清科集团创始人倪正东手上的一组数据显示,VC前三季度整体投资额下降了60-70%,VC募资下降了70%;同时PE投资总额下降40%,募资下降70%。也许就像他说的那样:“VC/PE行业过去5年都没有像今年这样饱受压力。”
经纬中国创始人张颖更是直言:
1)超过50%的投资机构会关门大吉 2)超过70%的行业人员会解甲归田,换行业 3)15%的投资机构会赚85%的退出回报 4)年轻人要想清楚,不适合做投资的早换,别浪费光阴。
无论是支出还是募集,现金层面的流的都逐渐变缓,大佬也发出了唱衰的信号,但是否就意味着VC的寒冬已经来临?显然不是!因为投资的光环效应正可顺势将劣币洗刷,那“良币”们期望什么?必然是下一轮泡沫的来临!
为何这么说?
一方面,在资金储备层面,优秀VC的资金依然充裕。2010年中国VC美元基金的融资额首次超过了以色列,而美元基金通常是7+2甚至是8+2的模式,基于投资周期中的资金分配,显然2010年所募集的资金并未在电商这轮泡沫中用尽。而在2011年,大型基金中除鼎晖外,其他公司也未有募资行为。考虑到今年的投资额较少,可以看到,优质基金中恐怕缺乏资金的依然是少数。
另一方面,LP的压力较大。资本的流动性差,不仅是在一级市场上,二级市场也同样如此,而无论大势如何LP们每年依然需要支出2-3%的管理费。所以对于VC的GP来说,钱一定是要投递出去的,这时一个新泡沫的孕育显然是充分且必要的,没有泡沫,也就意味着没有基金们的顺势而为,从而形成投资的势头。
那如何才能够将泡沫吹起,有时什么来将其构成呢?如今看来需要以下三份背书:
首先,需要盘活二级市场。一级市场的投资冷淡,部分也是受到二级市场窗口关闭的影响。随着YY的上市,此后的一、两个季度内,如若还有2-3家公司可以在香港、美国成功IPO,便足以初步提振投资者对于企业登陆二级市场的信心。
其次,在O2O、大数据中寻找泡沫的机会。为何不是云计算和电子商务呢?对于云计算,的确存在着“投资标的”的基因,但由于政府涉及过多导致的市场效率低下,同时阿里、百度等巨头也蓄势待发,中小企业很难其中找到机会,也是就失去了投资的意义。电子商务则由于上一轮投资中形成的泡沫过大,投资者将较为理性的看待,新钱很难将旧钱洗刷。反观O2O,目前线下一环仍未有效封闭,如若想将O2O形成闭环,其所需要的正是大规模资本的投入,同时O2O涉及的范围较大,除了巨头外仍有足够的想想空间。而大数据,首先已经在美国被证明是一种合理的模式,考虑到政府并未涉及其中,市场化效率较高,同时存在着技术门槛,这恰巧是VC最偏好的。
最后,在明年底有机会成为新一轮泡沫的鼓风期。从时间维度判断,2010年所进行的募资,在2013底至2014年初将进入VC投资的焦虑期,如果能如上文中谈到的,在明年上半年对二级市场进行一定的盘活,下半年将注定成为新泡沫的孕育良机。
如果在O2O和大数据中选择的话,前者的成功更多依靠的是运营的管理,而后者则可以凭借技术层面的概念讲出故事——后者无疑是VC更有兴趣的。因此下一轮泡沫中最可能由大数据这波大浪与O2O这股小潮而激起——但”良币“VC们你们准备好了么?
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19