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
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 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 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 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 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 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 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 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 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 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 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 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。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07