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
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27