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