京公网安备 11010802034615号
经营许可证编号:京B2-20210330
九次方大数据创始人:大数据是创业下一个暴风口
[摘要]大数据与金融的结合,被认为是未来十年弯道超越BAT的唯一创业机会。对此,王叁寿强调:“目前九次方与一些银行合作,交易的不是底层的基础数据,而是通过清洗建模出来的数据结果。
BAT(百度、阿里、腾讯)的创业奇迹已然发生,创业才子都在寻找下一个风口,而大数据与金融的结合,被认为是未来十年弯道超越BAT的唯一创业机会。
4月16日、24日,九次方大数据公司创始人、执行总裁王叁寿两度受邀前往北大演讲,分享个人创业经历。“大数据,创业的下一个暴风口”,演讲中,王叁寿带来了实用的干货、前沿大数据应用解读,生动讲述了大数据与金融的“天作之合”。
顺势而为
瞄准“大数据+金融”
演讲中,王叁寿梳理了大数据在国内的传播轨迹——
2009年,麦肯锡首次提出了大数据的概念;2011年,大数据概念从硅谷蔓延到北京,引起相关机构关注;2012年,中国大数据起步元年;2013年至2014年,企业纷纷看好大数据产业,先行战略部署和试水大数据项目。
2000年到2005年期间,王叁寿一直从事与数据相关的工作,在商务部研究院兼职,给麦肯锡写与数据有关的报告、做调研。在意识到数据的商业价值后,王叁寿决定跨界大数据金融行业创业。2010年,九次方大数据诞生。
彼时,国内大数据之势未起——
“那时候,没有公司可以称得上是大数据公司。九次方主要做了一件事情,就是汇集了全国的企业数据。”九次方定位为企业金融大数据服务平台,创立依靠200多人的地面部队,在全国撒网,收集拟上市公司的融资需求,同时沉淀企业运营的相关数据。
然而,人工收集太慢,而且数据是动态、实时、可变化的,九次方便想到做一个金融系统终端,让数据可以不断扩展。
如今,九次方已成长为国内最大的金融大数据公司——
经过五年沉淀,九次方掌握的数据已覆盖40多个产业链、8000多个行业、4万多个细分市场的九百万家企业。针对每家企业设立70多个指标,进行交叉分析统计。此外,九次方还与汤森路透、标准普尔达成战略合作伙伴关系。
“创业一定要顺势而为。”经历了两次创业,王叁寿向热爱创业的朋友分享他的经验,“创业最避讳的事情就是认为自己的人不行,到处找所谓的牛人。创业不需要拉什么高大上的人进来,比起这个,我更关注他是以什么心态进来。”
冲击上市
大数据带来腾飞机遇
2012年,九次方还没有开始盈利,就获得了来自博信资本、IDG资本及德同资本的A轮近一亿元投资。
2014年,九次方首次实现盈利,且数据服务合同超过亿元的体量。王叁寿介绍:“九次方的收入60%来自银行,30%来自政府,还有10%来自小贷公司等。”目前,九次方已为全国20多地政府、40多家银行提供服务。
今年2月1日,九次方B轮融资,获得8家知名投资机构共2亿元注资。
王叁寿的计划是,今年底冲击上市。上市,一方面可以回报投资人,另一方面可以惠及创业团队和员工。目前,九次方20%的员工持有股份,而且是原始股。公司的管理层持股平台每年都对管理层及优秀员工开放一次,这样就可以达到全员创业的效果。
“现在做得非常好的企业没有一家是一个人做出来的,都是拼合力。一个人很难聚集三种技术能力,每个人分工要极其明确。”王叁寿认为,技术型人才未来的重心可以向“应用”上倾斜,关注银行、金融机构的客户需求,投投资人之所好,比技术更重要。
前景巨大
清洗交易让数据变现
“大数据行业市场还不成熟,连60分都不到。”王叁寿分析,中西大数据差距不算太大,国家政府政策宽容,创业环境宽松,大数据拥有非常大的市场。“北京市政府拥有的数据是十个阿里巴巴那么多,现在各个地方政府的数据都没有做清洗和分析,这是一个非常大的市场。”
“数据清洗不是用拿水冲啊,而是用电脑把不规则的数据清洗成规则的数据。”王叁寿幽了一默,他说,除了政府这块大蛋糕,不少手握大数据的企业也希望交易大数据,一方面获取自己所需的大数据,另一方面可以将手中的大数据变现。
4月中旬,全国首家大数据交易所——贵阳大数据交易所投入运营,并完成首笔交易仪式,大数据有了变现的通道,作为交易所第二大股东,王叁寿同时负责交易所的运营。此前,九次方还在贵阳、天津等地建立了两个大数据清洗基地,一系列布局,王叁寿正致力于将九次方打造成大数据清洗领域的“富士康”。
问答环节,同学们对大数据交易可能涉及的隐私以及商业秘密泄露等问题十分关注。对此,王叁寿强调:“目前九次方与一些银行合作,交易的不是底层的基础数据,而是通过清洗建模出来的数据结果。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 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 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21