
大數(shù)據(jù)/SaaS/物聯(lián)網(wǎng),2015年的風口在哪里
雷軍說,站在臺風口上,一頭豬都能飛起來。找準市場的潛在熱點,你成功的幾率就會大增。在這樣的市場里更容易招到好的人才、有更多露面的機會,更容易融資,也更容易退出。那么2015年的風口在哪里呢?我們來聽聽Elad Gil的看法。
初創(chuàng)企業(yè)退出的平均時限是 7 年。而站在風口上則可以大大縮短退出時間。1990 年代末,由于互聯(lián)網(wǎng)熱潮的興起,被收購或 IPO 的時間僅僅是 2、3 年。最快的退出方式是并購。
而要想成功 IPO 通常需要有 5000 萬美元的收入,還要有幾個季度的盈利。不過如果處在風口的話,對盈利的要求也許就沒那么高,甚至還可以寬松一陣子(比方說大數(shù)據(jù)熱潮下 Hortonworks 的 IPO 就是例子)。
風能刮多久?
歷史資料表明,那些掛起的風球有 50% 的概率是假預報。例子包括 1980 年代的第一波人工智能熱,2000 年代早期的納米技術熱,以及 2000 年代中期的清潔技術和 2000 年代晚期的地理定位熱。
而成功刮起來的風包括社交網(wǎng)絡(2000 年代中期—Facebook、Twitter、LinkedIn)以及移動社交(2010 年代早期—WhatsApp、Instagram)。
那么 2015 年可能的風口在哪里呢?
2015年的風口
1、颶風—可能催生大型獨立公司和眾多收購的市場
大數(shù)據(jù)
所謂的“大數(shù)據(jù)”可細分為四個領域:
(1)大規(guī)模數(shù)據(jù)處理(Hadoop、Spark 等)
(2)智能數(shù)據(jù)。如分析性工具獲數(shù)據(jù)科學家使用的工具。
(3)數(shù)據(jù)中心基礎設施(有時歸為“大數(shù)據(jù)”)。如 Mesos(及 Mesosphere)。
(4)垂直數(shù)據(jù)應用(如針對醫(yī)保索賠的數(shù)據(jù)存儲和分析)
這個市場會創(chuàng)造出獨立上市公司,也會產生大量收購。潛在的收割者包括傳統(tǒng)的企業(yè)巨頭(HP、IBM 等),以及該領域有流通股或市值很大的早期公司(如 Cloudera,、Hortonworks)等。此外,醫(yī)療保健方面(及其他 2、3 個關鍵領域)的垂直型數(shù)據(jù)公司可能會被更加專業(yè)的收購者收購(如 UnitedHealth)。
SaaS(軟件即服務—含API/開發(fā)者工具)
如最近一些公司(Zenefits 和 Slack)爆發(fā)式增長所表明那樣,SaaS 在企業(yè)協(xié)作、人力資源管理等方面還有著非常多的機會。
這個領域未來幾年內每年會冒出 1、2 家非常大的公司(或退出)不足為奇。關鍵是找到差異化的有機分發(fā)模式(Slack)或業(yè)務模式(Zenefits)。
為了避免市場過于細化,此處將 API/ 開發(fā)者工具也歸為一類。把許多服務做成 API 是行得通的,因為傳統(tǒng)上其執(zhí)行方式過于笨重。Stripe 和 Twilio 就是這類趨勢的兩個典范,Checkr.io 則是更近一點的例子。
基因組技術
基因組學尚未進入主流炒作周期。但由于市場發(fā)生的根本性轉變,到了 2015 末 2016 初有可能會成為投資熱點。這可能會催生大片的未來投資,也可能產生 1 億至數(shù)十億美元的退出。這一波基因組浪潮可能會推出獨立的基因組軟件公司(IBM、Oracle、Google、Illumina 等是可能的買家),也會出現(xiàn)更多的傳統(tǒng)以生物學為中心的基因組學公司(醫(yī)藥與傳統(tǒng)生物科技公司為買家)。這個領域會誕生少量大型的上市公司。
2、狂風—會有許多收購但是否會出獨立公司不太清楚人工智能(AI)
有兩類 AI 公司:
(1) 開發(fā)通用型 AI 或“一般 AI 平臺”的公司
(2) 應用 AI 解決非常專門的問題或客戶需求的公司(如網(wǎng)頁的機器翻譯或篩選病例樣本)
第一類公司會被 Google、Facebook 等少數(shù)公司以人才收購的方式收購掉。第二類公司可能會誕生少量大型的獨立公司。我更看好第二類,因為此類公司真正創(chuàng)造價值。不過,如果你主要對快速退出感興趣的話,第一類公司會賣得更快,1 到 4 年就能以很好的估值賣給 Google 等試圖囤積機器學習人才的公司。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網(wǎng)絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10