
2015年的風(fēng)口是大數(shù)據(jù)?人工智能?還是SaaS
雷軍說,站在臺(tái)風(fēng)口上,一頭豬都能飛起來。找準(zhǔn)市場(chǎng)的潛在熱點(diǎn),你成功的幾率就會(huì)大增。在這樣的市場(chǎng)里更容易招到好的人才、有更多露面的機(jī)會(huì),更容易融資,也更容易退出。那么2015年的風(fēng)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(shí)限是 7 年。而站在風(fēng)口上則可以大大縮短退出時(shí)間。1990 年代末,由于互聯(lián)網(wǎng)熱潮的興起,被收購或 IPO 的時(shí)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(gè)季度的盈利。不過如果處在風(fēng)口的話,對(duì)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)。
歷史資料表明,那些掛起的風(fēng)球有 50% 的概率是假預(yù)報(bào)。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(shù)熱,以及 2000 年代中期的清潔技術(shù)和 2000 年代晚期的地理定位熱。
而成功刮起來的風(fēng)包括社交網(wǎng)絡(luò)(2000 年代中期—Facebook、Twitter、LinkedIn)以及移動(dòng)社交(2010 年代早期—WhatsApp、Instagram)。
那么 2015 年可能的風(fēng)口在哪里呢?
1、颶風(fēng)—可能催生大型獨(dú)立公司和眾多收購的市場(chǎng)
大數(shù)據(jù)
所謂的“大數(shù)據(jù)”可細(xì)分為四個(gè)領(lǐng)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(xué)家使用的工具。
(3)數(shù)據(jù)中心基礎(chǔ)設(shè)施(有時(shí)歸為“大數(shù)據(jù)”)。如 Mesos(及 Mesosphere)。
(4)垂直數(shù)據(jù)應(yīng)用(如針對(duì)醫(yī)保索賠的數(shù)據(jù)存儲(chǔ)和分析)
這個(gè)市場(chǎng)會(huì)創(chuàng)造出獨(dú)立上市公司,也會(huì)產(chǎn)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(lǐng)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(gè)關(guān)鍵領(lǐng)域)的垂直型數(shù)據(jù)公司可能會(huì)被更加專業(yè)的收購者收購(如 UnitedHealth)。
SaaS(軟件即服務(wù)—含API/開發(fā)者工具)
如最近一些公司(Zenefits 和 Slack)爆發(fā)式增長(zhǎng)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(jī)會(huì)。
這個(gè)領(lǐng)域未來幾年內(nèi)每年會(huì)冒出 1、2 家非常大的公司(或退出)不足為奇。關(guān)鍵是找到差異化的有機(jī)分發(fā)模式(Slack)或業(yè)務(wù)模式(Zenefits)。
為了避免市場(chǎng)過于細(xì)化,此處將 API/ 開發(fā)者工具也歸為一類。把許多服務(wù)做成 API 是行得通的,因?yàn)閭鹘y(tǒng)上其執(zhí)行方式過于笨重。Stripe 和 Twilio 就是這類趨勢(shì)的兩個(gè)典范,Checkr.io 則是更近一點(diǎn)的例子。
基因組技術(shù)
基因組學(xué)尚未進(jìn)入主流炒作周期。但由于市場(chǎng)發(fā)生的根本性轉(zhuǎn)變,到了 2015 末 2016 初有可能會(huì)成為投資熱點(diǎn)。這可能會(huì)催生大片的未來投資,也可能產(chǎn)生 1 億至數(shù)十億美元的退出。這一波基因組浪潮可能會(huì)推出獨(dú)立的基因組軟件公司(IBM、Oracle、Google、Illumina 等是可能的買家),也會(huì)出現(xiàn)更多的傳統(tǒng)以生物學(xué)為中心的基因組學(xué)公司(醫(yī)藥與傳統(tǒng)生物科技公司為買家)。這個(gè)領(lǐng)域會(huì)誕生少量大型的上市公司。
2、狂風(fēng)—會(huì)有許多收購但是否會(huì)出獨(dú)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(tái)”的公司
(2) 應(yīng)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(jī)器翻譯或篩選病例樣本)
第一類公司會(huì)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(huì)誕生少量大型的獨(dú)立公司。我更看好第二類,因?yàn)榇祟惞菊嬲齽?chuàng)造價(jià)值。不過,如果你主要對(duì)快速退出感 興趣的話,第一類公司會(huì)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(jī)器學(xué)習(xí)人才的公司。
物聯(lián)網(wǎng)(IoT)
物聯(lián)網(wǎng)是對(duì)“消費(fèi)電子電器”進(jìn)行重新的性感包裝,是笨重的老式家庭設(shè)備的現(xiàn)代化外加軟件和 API,從而實(shí)現(xiàn)無縫的互操作以及對(duì)數(shù)據(jù)的泛化記錄和使用。
現(xiàn)在傳統(tǒng)的消費(fèi)電子電器令我想起 iPhone 之前的摩托羅拉 Razr,很棒的工業(yè)設(shè)計(jì),但是沒有真正的軟件可用。
從退出角度來看,Google、蘋果、三星、飛利浦、通用電器等都對(duì)有助于加速自身在此市場(chǎng)努力的這方面收購感興趣。預(yù)期該市場(chǎng)會(huì)出現(xiàn)更多的小型和大型(5 億美元以上)退出。但是 Nest 被收購之后哪些公司會(huì)成為長(zhǎng)期可持續(xù)的上市公司尚不明朗。
安全
這個(gè)市場(chǎng)的破解更加棘手,但是預(yù)期 2015 年會(huì)出現(xiàn)更多的安全初創(chuàng)企業(yè)。企業(yè)端對(duì)安全產(chǎn)品的購買需求不斷增長(zhǎng)。但這個(gè)領(lǐng)域的進(jìn)入門檻也會(huì)更高,因?yàn)樗刃枰獜?qiáng)勁的銷售渠道,又要有差異化的產(chǎn)品,從 而會(huì)壓制市場(chǎng)的總體勢(shì)頭。會(huì)有少量初創(chuàng)企業(yè)實(shí)現(xiàn)中小型(數(shù)億美元)退出,但該行業(yè)規(guī)模會(huì)受限于銷售瓶頸(CIO 只會(huì)向少量供應(yīng)商購買安全軟件,但是太多的新型初創(chuàng)企業(yè)把關(guān)注點(diǎn)集中在“功能”而非全面解決方案上)。
3、輪盤賭—二元化市場(chǎng),一將功成萬骨枯
共享經(jīng)濟(jì)與按需經(jīng)濟(jì)
勞動(dòng)力的分布或資源共享將繼續(xù)成為創(chuàng)業(yè)熱點(diǎn)。但是大多數(shù)初創(chuàng)企業(yè)都會(huì)失敗,不過也會(huì)有少數(shù)取得巨大成功。正如 Facebook、Twitter、LinkedIn 成為第一波社交網(wǎng)絡(luò)潮的巨頭一樣,AirBnB、Uber、Lyft、Instacart 是這一波共享經(jīng)濟(jì)潮的巨頭(從市值看)。
類似地,正如有人(WhatsApp、Pinterest、Instagram)在第二波社交網(wǎng)絡(luò)潮殺出血路一樣,共享經(jīng)濟(jì) / 勞動(dòng)力分配還會(huì)誕生幾家巨頭,但大部分都將失敗。
一句話,一將功成萬骨枯。太多創(chuàng)業(yè)者都想做成某個(gè)微型市場(chǎng)的“Uber”。關(guān)鍵是要找出如何拿下現(xiàn)有的大市場(chǎng)的辦法(如 Uber 和交通),或者用一個(gè)簡(jiǎn)單的用戶案例和產(chǎn)品急劇擴(kuò)張一個(gè)現(xiàn)有的市場(chǎng)(還是 Uber)。這種玩家一旦贏了就是大勝,因?yàn)樗麄冾嵏擦苏麄€(gè)市場(chǎng)。
4、短暫困難時(shí)期
比特幣
從長(zhǎng)期來看,加密貨幣和塊環(huán)鏈?zhǔn)鞘侵档每春玫摹5俏覒岩涩F(xiàn)在的許多公司能否成功。需要有若干更大的結(jié)構(gòu)性事件發(fā)生才能讓比特幣受到廣泛采用。留給 現(xiàn)有的比特幣公司的時(shí)間窗口不多了。能盈利(或現(xiàn)金充足)的比特幣公司也許能熬到這一轉(zhuǎn)變的發(fā)生(就像 AOL 等到互聯(lián)網(wǎng)真正興起一樣),但許多公司燒錢速度太快了,很可能要失敗。不過一旦公司做得足夠成功,就會(huì)有大量潛在買家看上(Google、微軟、eBay 及整個(gè)金融體系)。
隨著市場(chǎng)逐步走向成熟,未來幾年預(yù)計(jì)會(huì)出現(xiàn)加密貨幣公司的大量擴(kuò)張,但最終會(huì)優(yōu)勝劣汰。比特幣可能會(huì)有幾年的苦日子,時(shí)不時(shí)也會(huì)有 1、2 單大型的讓人誤入歧途的退出。不過這之后就會(huì)有加密貨幣公司的爆發(fā),足以令現(xiàn)在的趨勢(shì)相形見拙。所以我長(zhǎng)期是極其看好這一領(lǐng)域的,但是會(huì)對(duì)其短期情況感到 擔(dān)憂。
軟件投資者對(duì)生物技術(shù)的投資
除了基因組以外,我還看到有越來越多的投資者投資傳統(tǒng)的生物科技公司?;蚪M技術(shù)興起的原因很明顯,因?yàn)槌杀镜拇蠓陆?。但傳統(tǒng)生物科技并沒有享受 到市場(chǎng)的這場(chǎng)大轉(zhuǎn)變。個(gè)人觀點(diǎn)是這個(gè)市場(chǎng)會(huì)成為技術(shù)投資者的滑鐵盧,因?yàn)樗麄冋`解了這個(gè)行業(yè)的結(jié)構(gòu)(監(jiān)管問題、知識(shí)產(chǎn)權(quán)問題等),且對(duì)于潛在的市場(chǎng)也沒有 很好的嗅覺。盡管技術(shù)投資者未來幾年在生物科技領(lǐng)域未必能做好,但是我認(rèn)為少數(shù)人還是會(huì)大筆投錢進(jìn)去的(類似于 2000 年代早期清潔技術(shù)的慘?。?。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)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(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)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(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)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(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、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(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)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(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)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(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)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(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)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(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10