TO-B-+-AI-大数据的“一箭双雕”.docx

《TO-B-+-AI-大数据的“一箭双雕”.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、在专业化投资盛行的今天，企业服务、人工智能、大数据三个看似不相关的投资领域往往是由一支基金内不同的团队来完成的。不过也有异同者，找寻不同投资领域的关联性，按统一逻辑挖掘各领域的行业脉络和阶段性，再用具体的项目机会和实践来验证和完善原始的投资逻辑。笔者认为，优质的数据源其实是企业服务、人工智能、大数据三个领域的关键所在，企业服务是获取大数据的优质源泉，而后者又很大程度上决定了人工智能的准确性和效果。本文将从几个方面来谈谈这三者是怎样有机结合的。三个热度截然不同的投资领域1.大数据——看似“不温不火”大数据可以说是从2012年开始火起来的，那时的创业者讲得最多的故事大致是：团队开发出了一套牛

2、逼的大数据分析模型，可以帮助B端客户（以金融、消费品公司为主）分析他们的C端客户数据，做高效的CRM管理或者广告营销，大幅提高转化率并降低推广成本；在为B端客户提供此类服务的同时也积累了大量C端客户数据，丰富了自己的大数据库也让自己的分析模型更加准确有效。听上去很美的故事，彼时也博得了不少眼球和投资。快三年过去了，很多曾打着大数据旗号的创业公司境况却差强人意，发展较好的往往是借助自身的销售能力和行业资源，不过单拼销售的发展空间有限，在10亿人民币左右的规模卖给上市公司成了“最好的归宿”，VC投资热度似乎也降低不少。为什么靠大数据革新行业的故事难以实现呢？归其根源，是缺乏独立、真实、不断更

3、新的数据源。在中国，月活超1亿的APP数量仅15个，渗透率排名前10的APP几乎都为BAT所控制，除BAT、电信运营商外，能够有优质大数据源的企业是少之又少，而拥有好数据源的企业很少会将自己拥有的全部数据及时、完整、持续的提供给帮其做数据分析的公司。所以说大数据领域的投资，不是火不起来，是缺乏优秀的投资标的。2.企业SaaS服务——投资界“时尚新贵”随着O2O烧钱模式受到质疑和融资遇冷，企业SaaS服务以其业务门槛高、用户流失率低、不买流量不补贴等特色，正日益受到VC投资人的青睐。硅谷著名VC基金A16Z公布的2015上半年投资项目中，企业服务占到了40%，还有将近20%是开发者服务（也

4、属于ToB的一个类别），ToB占了总投资半壁以上江山。在国内，数家知名投资机构均表示，自己在一、两年前就开始布局ToB领域，尤其以企业SaaS服务为重点。以前只看2C投资的机构，现如今也几乎都有了专门看ToB的团队。更有人预言，企业SaaS是未来两到三年内最有可能出现独角兽(估值10亿美元以上的创业企业)的领域。当和创科技、纷享销客、理才网等企业不断刷新融资次数和规模时，一个问题出现了：眼前企业SaaS服务的繁荣，究竟是传统企业软件在移动互联网时代的一次狂欢或YY，还是真的企业生产、管理、运营、销售模式在质方面的飞跃？笔者认为答案是后者，但真做到飞跃，仅把传统软件搬到云端或APP里是不够

5、的，关键在于企业内有效信息、数据的无缝连通，从根本上提高效率。3.人工智能——“小荷才露尖尖角”用Siri或科大讯飞服务的朋友可能都有这个感触，现在的语音识别是越来越准了，谷歌无人驾驶汽车已积累了百万英里安全驾驶里程，多家机构宣布开发出比人肉眼更精准的人脸识别技术，人工智能在近五年的进步比过去三四十年加总还要多数倍甚至数十倍，虽然还有很多不完善的地方，但总体的趋势是，准确度提高得越来越快了，离库兹韦尔预言的电脑代替人脑的奇点时代也越来越临近了。所有这些进步都离不开一个基础——数据量的增多。智能手机和移动互联网的普及使得可以有效采集、供机器学习、不断更新的数据大幅度提高。这种机器深度学习，

6、不仅仅是获取大数据并理解，还包括人机互动并通过互动结果对于最初的理解和互动加以修正和优化，数据的不断更新正确保了这一点得以实现。人工智能领域的投资可以说是如日方升，国外以谷歌、亚马逊、软银等为代表的投资机构虽然斩获了不少投资标的，但带给大家的更多是想象而非立即可以用于实际的产品或服务。国内，少数天使和早期投资机构已看好这个领域的长期发展，开始播种。当然人工智能投资目前还是个需要多些耐心的工作，不过这也是最有可能出现颠覆现有移动互联网生态的领域，目前最有希望的包括语音语义识别、AR/VR、无人机等。三个行业的庖丁解牛ToB、大数据、人工智能，这三个行业每个细分起来，都起码要花上几页纸篇幅，

7、本文仅从其同大数据发生联系的角度进行分析。先来说说大数据行业本身，这里面的创业公司按顺序基本都在做三样事：找数据、分析数据、和卖数据（数据解决方案，如DMP或精准营销等）。这三者中，笔者认为最为关键的是第一步即数据源，而听起来神乎其神的数据分析能力对公司成败可能重要性最低，“卖数据”的销售能力排当中。国内名校和国际名校在分析算法上的差别只是93分和95分之差，而数据源的差别，对分析结果的准确性和实用性却能产生60分和90分的不同，缺