京公网安备 11010802034615号
经营许可证编号:京B2-20210330
马云这种天才很难復制
很多创业者染上了一种坏毛病,什么事儿也没做就觉得特别牛,好像自己就要成功了。
我们公司有个经验叫发布会定律,这点分享给创业者:凡是需要开发布会才能够让大家知道的産品,一定不是好産品。好的産品不用开发布会,也不用在行业里站起来振臂一唿。创业者多跟用户説话,多去了解用户的想法,然后让用户形成口碑。
我们以后少讲点儿大话、空话,我们的産品还没有找用户去验证,就宣布要革谁的命,谁会相信呢?我们应该悄悄地进村,枪声都不要,然后等到巨头们发现的时候,我们産品几乎已经上亿了,其他企业想抄已经来不及了。
塬来我特喜欢跑会上讲话,讲完了之后,我自己体力有限、兜里钱有限,自己还没来得及干,发现都被巨头们干了。
现在不少创业者融了很多钱,建议他们不要做那么多演讲。因为除了你的竞争对手会认真研读你对行业的分析,用户永远会问一个问题,“大哥,我为什么用你的産品?你的産品给我创造什么价值?我怎么用?我在哪能找到?”
所以,任何伟大的公司,我们不要看他今天多牛,我们应该像他们当年一样,埋头扎在用户中,更多去关注我们的産品。
我等飞机的时候经常看马云演讲,觉得讲得挺好。但是我发现,马云能够成功,他一定有我们所不了解的一些独特能力,比如説领导力、前瞻性,比如説他对团队的鼓舞。但是很多创业者不具备那样的能力,看到的只是马云天天在对外讲话,出席各种会议,很多人只学会了这一点,所以依然收获不了他那样的成功。因此,马云这种天才很难復制。
所以,对绝大多数人来説,可能我们没有更多的时间去説这些话,只能把自己有限的精力花在内部産品的管理、经营和打磨上。
真正的大数据时代才刚刚开始
无线互联网将成就下一个时代,有人谈工业4.0,有人谈IOT,我更喜欢IOT这个概念。
IOT最大的不一样是什么呢?首先,很多人把它庸俗化,叫做物联网。其实,物联网是一个技术概念,加了一些传感器,而事实上IOT不仅仅是在技术上加一点传感器。它最重要的是把産品互联网化,把商业模式互联网化。未来最好的商业模式,就是你如何通过IOT的技术做出一个産品,把这个産品和你的用户和企业连接起来。所谓工业4.0、IOT,讲的都是这个概念。
IOT其实会给大家提供更多的机会。当大家都站在这儿羡慕小米,或者羡慕那些新兴企业的时候,有些企业成功了之后往往会做个总结,説某某时代已经结束了,市场上第一、第二已经出来了,不需要大家再进入了。
错了!想想所有能看到的东西,从汽车到房子,从电灯到开关,从眼镜到手表,甚至工业化里的车床、集装箱、运输设备,如果都变成智能化,中国未来5年会有200-500亿臺设备接入互联网,它们7×24小时産生的数据那才叫大数据。真正的无线互联网、真正的大数据时代才刚刚开始。
当今天大家觉得手机、互联网就这样了,我恰恰觉得很多东西还没有被发明出来。真正的创新,是用互联网来改造一个传统的商业模式。对所有的创业者来説,这意味着更大的机会。
我很欣赏《失控》作者凯文·凯利,最近跟他有一次对话,他説90%的东西还没有被发明出来,我非常认同。如果再引申一句话,很多传统的商业领域都可以被互联网改造,所有这些,我认为都叫IOT。
早几年,总説中国年轻人创业没有资金,所以我们更多在“忽悠”有钱人拿出钱投资。那时天使很稀罕,今天遍地都是天使,我们的天使投资人肯定超过了硅谷。所以,今天大家融资已经感觉不缺钱了。
这几年,随着很多创业营的宣传鼓动,创业精神已经深入人心。现在年轻人越来越多从大公司离开,他们都愿意去创业,而且有很多人支持他们创业。是不是説我们的创业就很顺利了呢?
最近去美国,我发现了一个重要的变化。塬来在美国有很多孵化器,中国把孵化器学过来,但很多地方把这个经给念歪了,变成了房地産,给创业者提供办公的地方。其实真正的创业者不稀罕办公地点,连办公的地方都搞不定,在车库、卧室里开发不了程序还叫什么创业者?美国如今出现了很多“加速器”,其中有很多创业者的人脉,他们定期把创业者找来,请很多师傅、导师,给这些创业者去答疑解惑。在商业模式、産品策略、推广方式方面,得到这些导师的帮助,这才是对创业最大的加速。
CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30