
东方国信:跨国收购强化工业大数据布局
维持“增持”评级,上调目标价到 37.44 元。东方国信作为 A 股大数据的首选标的,此次收购 Cotopaxi 正式进入工业大数据领域,将拓展出新的业务蓝海。我们上修 2015-2016 年 EPS 为 0.39 元(+10%) /0.57元(+3%) ,维持 “增持”评级,考虑到公司在大数据领域“内生+外延”的良好成长性,给予 2015 年 2 倍 PEG,上修目标价至 37.44 元(+106%),距离当前价位 52%空间。
跨国并购工业大数据标的 Cotopaxi. 公司公告以自有资金 1810 万英镑收购 Cotopaxi 公司 100%股权,后者主要基于物联网、云计算、大数据等核心技术能力为全球工业及商业企业提供能源与过程优化软件平台及咨询服务,其业务已遍布全球 35 个国家,为近 400 家工厂部署了约5 万个不同类型的监测点,主要客户包括联合利华、帝亚吉欧、王子食品、怡乐包装等。市场此前将东方国信定位为运营商大数据企业,虽此前通过并购科瑞明、北科亿力向非运营商领域跨出了第一步,但距离形成生态闭环尚有差距,与工业互联网+首选大数据标的的定位总有差距。此次收购 Cotopaxi 除进一步强化工业大数据能力外,还在前端传感及数据采集方面做出了延伸且提供了丰富的下游客户资源。我们判断,公司除继续开拓银行、运营商客户价值外,还将通过 Cotopaxi深挖 B 端工业用户价值。
催化剂:公司在工业互联网端的持续布局。
风险因素:运营商结算延迟影响净利润表现。?
其他机构研究
国海证券:东方国信收购工业互联网标的,三大数据版块鼎足之势已形成
工业+互联网正当时,收购标的正处在快速成长期工业+互联网的结合带来一场新的工业革命,工业产业链整个生命周期都涉及到海量的数据,工业企业的数据也呈现出爆炸性增长的趋势。工业互联网对于提高生产效率、节约能耗、优化生产工艺与流程等等作用巨大,据国际权威机构测算,应用工业互联网后,企业的效率将提高大约20%,成本可以下降20%,能源消耗可以下降10%左右。我国发改委、工信部近两年先后出台政策,要求中国各级政府及17,000 家重点耗能企业建设和提升工业节能监测分析平台,简单测算我国的工业能效监测市场是千亿级别的市场,而且刚刚启动。
作为全球节能服务与过程优化领域的领先企业,Cotopaxi 已在全球35 个国家近400 家工厂部署了约50,000不同类型的监测点,主要客户包括联合利华、帝亚吉欧、王子食品、怡乐包装等,并已在中国两家大型高耗能企业落地能效监测平台和节能专家系统项目。标的公司的过往业绩以及承诺业绩均体现出高速成长性,而东方国信的并购价格相对于标的公司2015 年承诺业绩的估值仅为7.5 倍,此次收购性价比极高。
工业大数据再补强,通信+金融+工业的三大数据版块鼎力,订单模式不轻言顶此次收购是公司大数据业务向工业互联网、工业智能化领域的重要布局,将有力补充公司工业大数据版块的业务,提升公司市场空间。我们认为,1、公司大数据业务的三大版块已经形成,且从增长速度来看,金融和工业两大版块的增速更快。公司2014 年收购的上海屹通信息订单迎来爆发,在手机银行业务基础上又开拓出互联网金融平台和移动大数据平台,新产品在越来越多的银行中标,金融业务已经成为公司收入和利润增长最为迅速的行业。工业大数据在我国刚刚启动,可以说是蓝海市场,北科亿力+Cotopaxi 的组合将推动公司在这个千亿市场空间的领域不断斩获订单。此外,建议关注公司在政府大数据的布局和进展。2、因为公司传统电信业务已经达到了一定规模,虽然在开拓新市场方面屡有超预期表现,但市场对公司订单制模式的发展普遍担心天花板问题。近两年的收购,尤其是屹通信息的并购让市场看到了公司在非电信行业的增长潜力。电信行业是信息化和市场化是最早的,公司在电信行业已经证明了自己的能力,现在正将这种优势复制到金融、工业、政府等其他行业,其他行业正处在对大数据平台、大数据业务需求爆发的阶段,核心逻辑就是数据驱动效率提升降低成本。我们认为仅仅凭订单模式,公司通过两年左右的时间就可以达到5 亿元的净利润,而且这只是刚开始,我们重申大数据对各行各业的重要性:传统行业转型互联网、移动互联网,触网是第一步,意图在网上积聚足够多的用户和数据,以达到精准营销的最终目标,有了用户和数据后,一定是通过大数据技术来实现。
数据运营更引人遐想,仍需等待数据运营一直是市场关注的焦点。根据上述分析,我们认为公司要想将跨行业数据运营落地,大概率上是通过合作和外延的方式来完成。数据运营的公司价值体现在两个层面:一、真正拥有大数据,这种公司极少。二、具有运营落地的能力,一般在垂直领域,模式或B2C 或B2B2C。公司一直在关注和尝试将数据引入一些垂直领域,但目前来看,真正实现运营闭环仍需时间,建议积极关注。
维持买入评级假设Cotopaxi 2015 年全年合并报表,我们预测公司2015 年-2017 年全面摊薄后的EPS分别为0.44 元、0.59 元、0.75 元,对应PE 分别为55.5 倍、42.0 倍、32.7 倍。我们坚定看好公司的长期成长性,维持“买入”评级。
风险提示收购未获批;运营商对BI 的投资力度低于预期或投资进度慢于预期;运营商结算延迟风险;收购带来的整合风险;创业板大幅下跌风险。(国海证券)
维持“增持”评级,上调目标价到 37.44 元。东方国信作为 A 股大数据的首选标的,此次收购 Cotopaxi 正式进入工业大数据领域,将拓展出新的业务蓝海。我们上修 2015-2016 年 EPS 为 0.39 元(+10%) /0.57元(+3%) ,维持 “增持”评级,考虑到公司在大数据领域“内生+外延”的良好成长性,给予 2015 年 2 倍 PEG,上修目标价至 37.44 元(+106%),距离当前价位 52%空间。
跨国并购工业大数据标的 Cotopaxi. 公司公告以自有资金 1810 万英镑收购 Cotopaxi 公司 100%股权,后者主要基于物联网、云计算、大数据等核心技术能力为全球工业及商业企业提供能源与过程优化软件平台及咨询服务,其业务已遍布全球 35 个国家,为近 400 家工厂部署了约5 万个不同类型的监测点,主要客户包括联合利华、帝亚吉欧、王子食品、怡乐包装等。市场此前将东方国信定位为运营商大数据企业,虽此前通过并购科瑞明、北科亿力向非运营商领域跨出了第一步,但距离形成生态闭环尚有差距,与工业互联网+首选大数据标的的定位总有差距。此次收购 Cotopaxi 除进一步强化工业大数据能力外,还在前端传感及数据采集方面做出了延伸且提供了丰富的下游客户资源。我们判断,公司除继续开拓银行、运营商客户价值外,还将通过 Cotopaxi深挖 B 端工业用户价值。
催化剂:公司在工业互联网端的持续布局。
风险因素:运营商结算延迟影响净利润表现。?
其他机构研究
国海证券:东方国信收购工业互联网标的,三大数据版块鼎足之势已形成
工业+互联网正当时,收购标的正处在快速成长期工业+互联网的结合带来一场新的工业革命,工业产业链整个生命周期都涉及到海量的数据,工业企业的数据也呈现出爆炸性增长的趋势。工业互联网对于提高生产效率、节约能耗、优化生产工艺与流程等等作用巨大,据国际权威机构测算,应用工业互联网后,企业的效率将提高大约20%,成本可以下降20%,能源消耗可以下降10%左右。我国发改委、工信部近两年先后出台政策,要求中国各级政府及17,000 家重点耗能企业建设和提升工业节能监测分析平台,简单测算我国的工业能效监测市场是千亿级别的市场,而且刚刚启动。
作为全球节能服务与过程优化领域的领先企业,Cotopaxi 已在全球35 个国家近400 家工厂部署了约50,000不同类型的监测点,主要客户包括联合利华、帝亚吉欧、王子食品、怡乐包装等,并已在中国两家大型高耗能企业落地能效监测平台和节能专家系统项目。标的公司的过往业绩以及承诺业绩均体现出高速成长性,而东方国信的并购价格相对于标的公司2015 年承诺业绩的估值仅为7.5 倍,此次收购性价比极高。
工业大数据再补强,通信+金融+工业的三大数据版块鼎力,订单模式不轻言顶此次收购是公司大数据业务向工业互联网、工业智能化领域的重要布局,将有力补充公司工业大数据版块的业务,提升公司市场空间。我们认为,1、公司大数据业务的三大版块已经形成,且从增长速度来看,金融和工业两大版块的增速更快。公司2014 年收购的上海屹通信息订单迎来爆发,在手机银行业务基础上又开拓出互联网金融平台和移动大数据平台,新产品在越来越多的银行中标,金融业务已经成为公司收入和利润增长最为迅速的行业。工业大数据在我国刚刚启动,可以说是蓝海市场,北科亿力+Cotopaxi 的组合将推动公司在这个千亿市场空间的领域不断斩获订单。此外,建议关注公司在政府大数据的布局和进展。2、因为公司传统电信业务已经达到了一定规模,虽然在开拓新市场方面屡有超预期表现,但市场对公司订单制模式的发展普遍担心天花板问题。近两年的收购,尤其是屹通信息的并购让市场看到了公司在非电信行业的增长潜力。电信行业是信息化和市场化是最早的,公司在电信行业已经证明了自己的能力,现在正将这种优势复制到金融、工业、政府等其他行业,其他行业正处在对大数据平台、大数据业务需求爆发的阶段,核心逻辑就是数据驱动效率提升降低成本。我们认为仅仅凭订单模式,公司通过两年左右的时间就可以达到5 亿元的净利润,而且这只是刚开始,我们重申大数据对各行各业的重要性:传统行业转型互联网、移动互联网,触网是第一步,意图在网上积聚足够多的用户和数据,以达到精准营销的最终目标,有了用户和数据后,一定是通过大数据技术来实现。
数据运营更引人遐想,仍需等待数据运营一直是市场关注的焦点。根据上述分析,我们认为公司要想将跨行业数据运营落地,大概率上是通过合作和外延的方式来完成。数据运营的公司价值体现在两个层面:一、真正拥有大数据,这种公司极少。二、具有运营落地的能力,一般在垂直领域,模式或B2C 或B2B2C。公司一直在关注和尝试将数据引入一些垂直领域,但目前来看,真正实现运营闭环仍需时间,建议积极关注。
维持买入评级假设Cotopaxi 2015 年全年合并报表,我们预测公司2015 年-2017 年全面摊薄后的EPS分别为0.44 元、0.59 元、0.75 元,对应PE 分别为55.5 倍、42.0 倍、32.7 倍。我们坚定看好公司的长期成长性,维持“买入”评级。
风险提示收购未获批;运营商对BI 的投资力度低于预期或投资进度慢于预期;运营商结算延迟风险;收购带来的整合风险;创业板大幅下跌风险。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02CDA 数据分析师:助力企业破解数据需求与数据分析需求难题 在数字化浪潮席卷全球的当下,数据已成为企业核心战略资产。无论是市 ...
2025-09-02Power BI 度量值实战:基于每月收入与税金占比计算累计税金分摊金额 在企业财务分析中,税金分摊是成本核算与利润统计的核心环节 ...
2025-09-01巧用 ALTER TABLE rent ADD INDEX:租房系统数据库性能优化实践 在租房管理系统中,rent表是核心业务表之一,通常存储租赁订单信 ...
2025-09-01CDA 数据分析师:企业数字化转型的核心引擎 —— 从能力落地到价值跃迁 当数字化转型从 “选择题” 变为企业生存的 “必答题”, ...
2025-09-01数据清洗工具全景指南:从入门到进阶的实操路径 在数据驱动决策的链条中,“数据清洗” 是决定后续分析与建模有效性的 “第一道 ...
2025-08-29机器学习中的参数优化:以预测结果为核心的闭环调优路径 在机器学习模型落地中,“参数” 是连接 “数据” 与 “预测结果” 的关 ...
2025-08-29CDA 数据分析与量化策略分析流程:协同落地数据驱动价值 在数据驱动决策的实践中,“流程” 是确保价值落地的核心骨架 ——CDA ...
2025-08-29CDA含金量分析 在数字经济与人工智能深度融合的时代,数据驱动决策已成为企业核心竞争力的关键要素。CDA(Certified Data Analys ...
2025-08-28CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-08-28