
大数据公司的数据源是未来估值的最重要依据
大数据发展浪潮席卷全球,资本也敏锐追逐着高增长市场。尽管资本市场上对同一家公司的评判标准不一而足,但是对大数据公司而言,探究其成长性的本质,只有一个标准——数据源。
数据源是大数据公司“命脉”
中国的大数据行业,“西学东渐”与本土创新并存。行业内的创业公司有的走西方的成熟模式,技术领衔,主要为大数据落地解决“技术上如何实现”的问题。这一类公司待字“实验室”,是行业的“打工者”,仅作为一个环节,服务于大数据解决方案的设计方,无力左右大数据应用能否最终落地解决实际问题,这使得技术公司实现商业价值的路径颇为被动。
有前景的大数据公司,应该掌握“人无我有”、“人有我优”的数据源,并打通大数据应用落地过程中的每一个关键点,让海量数据源有目的、有路径地进行碰撞匹配,激发出价值。由于数据源是产业链的源头,是发展大数据必然的起点,于是,掌握了数据源的大数据公司“有米可炊”,有“食材”可用,这为后续发挥本土创新提供了无限的可能性:通过吸纳现实需求,提供行动有效的解决方案,更从需求端促发大数据技术的研究开发。
得数据源者,得天下
拥有数据源的大数据公司,将在行业内愈发扮演举足轻重的角色。它联通了各自为政的数据孤岛,实现了社会各领域全行业数据的整合,带动硬件生产商按照数据采集、传输、存储之需求供给服务器,促使软件商研发匹配的数据预处理、分析挖掘、大数据可视化等软件产品,同时,激发变现大数据交易融通的新思维。
是否拥有数据源、数据源保有量以及开发利用水平,成为决定大数据公司未来发展前景、是否具备可持续市场竞争力的关键。随着中国政府数据开放共享的步骤加快、国家大数据战略逐步推进,具备数据源优势、善于在海量数据中挖掘价值的大数据公司,成为行业翘楚只是时间问题。
优质资本已先发布局大数据产业
基于此,投资界将更多目光关注在“数据源”这一关键词,视数据源为谋定大数据公司未来估值最重要的依据,就不足为奇了。那么数据源究竟在哪里呢?
中国有70%的数据是在政府手中,而其中又有80%的政府数据待字闺中,未被开发。所以目前市场上,拿政府大数据项目是所有大数据公司的目标。但是,如果没有技术基础、应用基础,也很难获得政府的青睐,一些技术力量薄弱,场景设计研发能力不强的大数据公司正在逐渐退出市场,而那些拥有数据源的应用类大数据公司,确实获得了中国资本市场更大程度的青睐。2015年曾经发生一起中国大数据创业公司融资史上一件里程碑事件——2010年成立的九次方大数据,先后得到了建银财富、博信资本、东方证券、IDG资本、复朴投资、德同资本、初灵基金、当代东方、键桥通讯等18家基金的投资,两轮融资数额近10亿元,投资规模迄今为止仍然是大数据领域之最。而投资界看好九次方大数据的正是因为对方掌握着核心数据源。
《促进大数据发展行动纲要》计划,中国“到2020年,培育10家国际领先的大数据核心龙头企业,500家大数据应用、服务和产品制造企业”。各级政府在充分发挥积极性,密集释放政策利好,投资界更是在争分夺秒、细致入微地甄选、观察,判断哪些大数据企业将在“十三五”关键的五年间,脱颖而出,成为国际知名的中国大数据品牌。
据了解,该公司在数据源储量、软件著作权专利数量、开发应用场景能力、服务省市地区数量等多个维度领先同业。
《大数据时代》的作者维克托·迈尔·舍恩伯格预言“世界的本质是数据”。大数据是中国的战略性新兴产业,投资界持续看好大数据产业的发展未来,这种趋势明显增强。据不完全统计,至2016年10月底,2016年中国大数据行业有184家企业获得投融资。数据源愈发成为投资界对大数据公司未来估值的最重要依据。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15