京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据市场持续升温,创业者需知道数据
在互联网及移动互联网时代,中国创业潮一直以来都风生水起,一大批移动互联网企业赴美上市。进入大数据时代,数据不仅为我们的生活工作带来了诸多便利,更是将创业热潮推向了历史高峰。
3月22日,由上海大数据联盟、上海大数据产业基地和华院数据联合主办、数据猿协办的“2017大数据人工智能产业发展与创新应用”论坛上,为挖掘优秀项目及人才,推动科技的创新应用,主办方正式启动了“中国大数据人工智能创新创业大赛”。
参赛团队不仅可以获得科技金融赛题提供的股市行情数据、数据库、舆情信息等数据资源,还会面临全新的赛题挑战,即国内首推K线技术面视觉分析及图文消息面市场影响评估赛题。同时,主办方还联合羽时资产特设2亿专项AI基金,寻找创业独角兽,锁定众多技术大咖,届时一定会吸引大量创新创业者参赛。
在这个“大众创业、万众创新”的时代,尽管创业是一件极具风险、成功率又极低的事情,却仍然吸引着众多年轻人前仆后继加入创业大军。可是还是有很多人都只是“为了创业而创业”。那么,拥有创业热情又不乏计算机技术的年轻人们,该如何找到大数据人工智能的创业入口?如何选对创业方向呢?在回答问题之前,创业者们不妨先来了解一下大数据产业的创投市场。
创业先看投资。创业者在进入任何一个新兴行业之时,都需要有勇气和远见,其“远见”就表现为要清楚知道市场中“钱”的走向,只有清楚投资人把钱投向了哪里,才有机会抓住产业风口,占据市场.
在此次论坛上,数据猿创始人牟蕾指出,2016年,创投圈的“资本寒冬”之声不绝于耳,时不时传出创业项目被否决的消息。投资机构变得更加谨慎,创业者融资周期不断延长。创投圈发生了什么?大数据行业的创业创新是否还有机会?又有多少机会?
对此,牟蕾对2012年-2016年大数据行业投融资情况进行了复盘。数据显示,在2014年,我国大数据市场规模为97亿元,2015、2016年间增长率均高于全球数值,预计2018年,我国大数据市场规模有望超过500亿。与此同时,大数据产业显现出正在向成熟期过渡的发展特点,数据分析、数据应用项目开始受到资本热捧。
具体而言,2012-2016五年间,大数据领域发生的投融资事件超过1600起,透露金额的有1300余起,总金额达1200多亿;其中A轮事件占比40.4%,天使轮38.2%,产业大部分项目处于发展期,部分成熟项目已进入PE阶段。其中,2016年,融资额同比增长率达189.7%,不过融资频次下降,单笔额度过亿,但产业向成熟期发展越发明显。
牟蕾强调,从细分领域投融资趋势看,五年来,数据应用产业内的相关融资事件发生了673起,被披露项目的总金额达483亿,其二级产业中广告营销类融资事件位居首位;而数据分析产业相关融资事件450起,总金额471亿,仅次数据应用产业,其二级产业中分析平台类融资事件占据榜首。从资金走向看,牟蕾还指出,被大资金追棒的项目不外乎两个方向:一是通用技术型项目,这种技术不分行业,比如与人工智能相关的机器学习等底层架构技术;二是行业间的跨界融合,尤其是传统产业与大数据人工智能技术的结合。
此外,记者了解到,此次论坛上启动的“中国大数据人工智能创新创业大赛”,将聚焦于智慧医疗和科技金融两大热门领域。这两大领域与牟蕾的大数据投融资趋势分析结果如出一辙——“目前,金融和人工智能是大数据应用最热的行业,医疗健康和互娱次之”。
如今,大数据产业的高速发展已经渗透到每个行业和职能领域,成为了重要的生产因素;人工智能也已经应用于语音识别、图像处理器、计算机视觉、机器人等多个领域,甚至击败了围棋九段李世石,一系列成绩的背后,都是海量数据的积累与学习。各行业人士对数据的挖掘与应用,预示着新一波创业浪潮即将到来。
此外,牟蕾还向现场嘉宾展示了2012-2016年大数据产业投融资TOP榜。其中,TOP5的投资机构平均投入金额均在30亿元以上;融资大事件的发生地冠、亚军之位是北京(747次)和上海(275次),除苏州、成都仅在2012年上榜之外,此后,深圳、广州和杭州融资愈加活跃。而众所周知,北上广深一直是创业者们的集中营,所以这些城市将一如既往是大数据产业创新的发源地。
创业者们,如果想要选择好的产业风口,创投分析则是对一个产业发展的前置预判。如果一个新兴产业中的很多应用度尚未大面积展开,那么这个行业真正的春天其实是将掌握在众多有“远见”的创业者手中!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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在零售行业大数据分析与精细化运营领域,纸尿裤旁摆放啤酒是最经典、最具代表性的商业案例。两种看似毫无关联的商品,一个是婴幼 ...
2026-08-19 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-08-19在数据分析、业务监控、质量检测与风险管控工作中,数据波动性是衡量数据稳定性、业务健康度、结果可信度的核心依据。数据波动代 ...
2026-08-18很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当导致 ...
2026-08-18在数据分析、业务评价、产品评级、用户分层与综合决策场景中,单一指标往往无法全面、客观地评价事物整体水平。现实中的评价对象 ...
2026-08-18在数理统计、假设检验、数据分析与机器学习领域中,卡方分布(χ²分布)是继正态分布、t分布之后最重要的连续型概率分布之一。 ...
2026-08-17在Python数据清洗、文本校验、账号密码规则校验、脏数据过滤、字符串规整化处理中,正则表达式是最高效、最常用的文本匹配工具。 ...
2026-08-17 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-08-17手游行业具备用户迭代快、竞争激烈、用户粘性易流失的典型特征。随着新游持续上线、玩家审美升级、玩法疲劳等问题出现,存量用户 ...
2026-08-14在数字化产品运营、商业数据分析、业务增长管理中,零散的指标统计无法支撑系统性的业务决策。单一的点击率、转化率、销量数据只 ...
2026-08-14 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-08-14在数据库数据分析、数据清洗、报表统计与业务查询场景中,日期时间是最高频、最核心的基础字段。数据库中存储的日期格式多样,包 ...
2026-08-13在数据统计分析与数据清洗工作中,箱线图是一种简洁高效、客观性强的数据可视化图表,能够直观呈现数据集的分布特征、离散程度和 ...
2026-08-13 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-08-13在自动化办公、数据采集、定时统计、日志清理、系统监控等场景中,程序往往需要按照固定时间间隔重复执行指定任务,这种运行机制 ...
2026-08-12