京公网安备 11010802034615号
经营许可证编号:京B2-20210330
VC迎来新风口,投资先问大数据
“当技术决策能力超越人工团队的决策能力和信息覆盖面广度时,科技风投的新风口会全面开启。”近日,天曦网络科技(北京)有限公司人工智能研发部技术总监刘石告诉科技日报记者。
李开复很早就看到了大数据挖掘的商机。近日谷歌风投(GV)技术合伙人张拓木正式加入创新工场担任首席数据科学家,负责数据驱动的投资实践,以及AI和大数据方向的投资。
上个月,创新工场宣布募资5亿美元。创新工场董事长兼CEO李开复宣布,创新工场正式步入“Tech VC”(科技风投)时代。张拓木从硅谷谷歌离任加盟,将成为创新工场重要的技术智囊。
“主要方向是确定的。一是AI和大数据投资,二是尝试用更多大数据和机器学习的方法来提升投资流程各个环节的效率。”张拓木说。
投资方式进化是必然趋势
“在谷歌风投,机器模型扮演关键性的角色,在全球风投(VC)行业是绝无仅有的。”张拓木说。
大数据挖掘商业机会未来是不是会成为新风口,对于提升投资决策效率能有多大作用?
刘石从业多年,经历了很多个“风口”,从传统互联网到移动互联网,从车联网到物联网,从互联网金融到金融科技,从大数据到人工智能,他在重要的风口元年都打造了业内知名产品,所以对风口已经具有某种感知力。
“从2012年起,我和业内顶级研究机构一起开展大数据方面的研究,大数据挖掘商业机会方面未来毋庸置疑会成为新风口,其能基于海量的数据运用先进的人工智能技术,建立起完善的模型和系统,通过互联网可全球范围内捕捉商机。”刘石说。
刘石认为,数据创造价值,创新驱动未来,大数据对于提升投资决策效率有巨大作用,“决策=信息+逻辑”,投资信息本身就是大量数据,数据经过处理之后才是信息,信息经过人工智能技术处理才能作出决策。
“如果公司手工处理数据,基本上耗时耗力耗人,能处理的数据很有限。面对全球化的市场,和瞬息万变的商机,毫无疑问通过科学技术实现自动化的智能处理,将能以一顶万,成为最佳的选择。”刘石说。
那么,未来风投方式会不会由投资人逐步转向算法和机器分析?
“风投方式的进化是一个必然趋势,投资方不只会采用算法和机器分析,更重要的是会采用人工智能技术。”刘石说,这其中涉及到很多专业知识和专业指标的衡量和决策,采用人工智能算法和机器分析等技术,将大幅提高效率,降低人工成本,且更全面的信息智能决策,可将风险降到最低。
真正起决策作用的还是投资人
“这个改变对于科技公司尤其初创企业影响会非常巨大。首先,投资方的规则发生了变化,投资将基于更全面、更智能、立体、多维的信息,人工智能将从技术、财务、行业走势、舆情分析等不同维度来建模分析。”刘石说。
其次,对企业真正的实力要求更高了。刘石解释,不只看企业创业的方向,公司的创始人和核心成员实力也至关重要。“这意味对企业越来越公平,无论在哪里,只要做得好,有科技实力,做专做精,就不用担心融资的问题,因为投资方会通过强大的智能科技系统主动找到这样的公司。”刘石说。
不过,91科技集团董事长、CEO许泽玮也坦言,无论未来科技如何发达,人的作用终究无法完全替代。
“目前,虽然借助大数据的技术能够提升投资决策效率,但囿于目前企业数据尚未完善,大数据只能起到辅助作用,未来大数据基础设施更加完善,数据模型更加丰富,将会给投资决策提供更为重要的支撑。”许泽玮说。
在许泽玮看来,未来风投方式应该还是由投资人来做决策,算法和机器分析可以为投资人提供充足的数据和决策依据,但在商业领域和投资领域,人还会是决定性因素。
“大数据技术会产生一定的影响,可能会导致企业更加注重数据的提供,也能提升决策效率,但这些主要还是辅助作用,真正起到决策作用的最终还会是投资人。”许泽玮强调。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12