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
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 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