
大數(shù)據/SaaS/物聯(lián)網,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
所謂的“大數(shù)據”可細分為四個領域:
(1)大規(guī)模數(shù)據處理(Hadoop、Spark 等)
(2)智能數(shù)據。如分析性工具獲數(shù)據科學家使用的工具。
(3)數(shù)據中心基礎設施(有時歸為“大數(shù)據”)。如 Mesos(及 Mesosphere)。
(4)垂直數(shù)據應用(如針對醫(yī)保索賠的數(shù)據存儲和分析)
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)據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據分析師報考條件詳解與準備指南? ? 在數(shù)據驅動決策的時代浪潮下,CDA 數(shù)據分析師認證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據透視表中兩列相乘合計的實用指南? 在數(shù)據分析的日常工作中,數(shù)據透視表憑借其強大的數(shù)據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數(shù)據分析師:連接數(shù)據與業(yè)務的價值轉化者? ? 在大數(shù)據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數(shù)據查詢到趨勢預判? ? 在數(shù)據驅動決策的時代,預測分析作為挖掘數(shù)據潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據查詢結束后:分析師的收尾工作與價值深化? ? 在數(shù)據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據分析師考試:從報考到取證的全攻略? 在數(shù)字經濟蓬勃發(fā)展的今天,數(shù)據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據背后的時間軌跡? 在數(shù)據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據類型:時間維度的精準切片? ? 在數(shù)據的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數(shù)據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據分析師認證考試中,Python 作為數(shù)據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據趨勢與突變分析的有力工具? ? ? 在數(shù)據分析的廣袤領域中,準確捕捉數(shù)據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據分析師認證作為國內權威的數(shù)據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學方法在市場調研數(shù)據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學方法則是市場調研數(shù) ...
2025-07-07CDA數(shù)據分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當下,數(shù)據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數(shù)據分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據分析師考試作為衡量數(shù)據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數(shù)據處理的關鍵技能? 在數(shù)據處理與分析工作中,數(shù)據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數(shù)據分析師視角:從數(shù)據迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據分析師:開啟數(shù)據職業(yè)發(fā)展新征程? ? 在數(shù)據成為核心生產要素的今天,數(shù)據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03