互联网大数据时代 以数据为“轻创业”加分

简介:

20160922071911969.jpg

20160922071911177.jpg

在是一个鼓励创业的时代,但不是仅仅追随你的内心和激情就一定能实现自己目标的。可在现在浮躁和创业成本变低的环境下,很多人有了一个自认为很酷的想法就开始做了,几乎不提前做好功课。这篇文章未必能保证你创业成功,但是你照做了至少能降低你犯错的机率。

创业是九死一生的事情,无论是技术行业还是别的行业都是如此。我们应该鼓励些创业者付出的努力,因为今天的失败能为明天的成功带来经验;哪怕 我们当中大都经历过初创企业的成败,但看东西也总有走眼的时候,但总有人会做出我们认为永远都不可能的事情。用新办法尝试别人做过的事情正是技术初创企业的动力。

但是我还是止不住在想有很多可预见的失败都是因为缺乏基本的规划。要想做出成功的公司,你最终还是要有“收入”这个东西:这个东西别人不会交给你,你得自己挣。

1、市场规模

定位小规模市场也没问题,你也许还可以做出一个对你个人来说特别有价值的利基业务。所以如果你追逐的利基市场想融一笔小钱的话,要注意把你的成本压得很低,尽快实现现金流为正。经营亏损很大或者试图通过回收期很长的付费营销活动快速打开市场就是你的死亡之吻。而后者恰恰需要风险资本。如果你的目标是建设一家可扩张的初创企业,你要关注大笔开支花在了什么地方,或者将要花在什么地方。如果你连自己的市场会是什么样都没有考虑的话,那你不仅是懒而且根本好没有准备好创业。

2、市场结构

市场规模是重要的,但同时市场结构也一样重要。你要进入的市场(比如说音乐)是由控制了分销渠道的寡头把持的吗?还是说这个市场是“碎片化”的、没有一个人能控制得了的?这两个市场你都可以进入,但你的策略必须很不一样,我可以告诉你的是,碎片化市场更容易颠覆一些。

3、既有者的优势和劣势

你应该了解价值链的每一部分价值被谁把持了,同时也应该理解既有者的优势和劣势以及对方对你的成功会作何反应。比方说,在一个你打算分销机票的行业里面,你需要思考他们什么地方会对你施加影响,什么地方影响不了你。你的公司刚开始的时候既有者的反应一般都是不予理会,因为你太小了太没有分量了。不过一旦看到你发展,他们就会提高对你的兴致,可能会分析你的商业模式和潜在影响。如果你开始大获成功的话他们一定会做出反应的。

4、微观经济

聪明的投资者会考虑很多所谓的“单元经济”。我们需要对那位客户进行营销,让他们意识到我们产品或者服务的存在。无论你怎么考虑获取用户及/或客户都不是免费的。那么你就得理解用户的经济效益。只是节省了更多的时间吗?还是效率?能更省钱吗?省多少?为什么?你要收多少钱?用户会付钱吗?有第三方愿意付费吗(广告主、数据公司)?如果是第三方广告:现在他们给出的CPM是多少,你需要的最低流量是多少,你是直销还是通过广告代理?你会提供优质广告还是冗余广告?

然后你还得理解这些人给类似产品和服务付费的情况。这些东西你编不出来的。如果你想做送外卖,你得知道是消费者付钱还是商家付钱,原因是什么。你需要理解他们有什么样的替代方案,这些又会对他们的开支造成什么样的影响。不管你在哪个市场竞争,有一个东西是大家都要抢的,那就是“钱包份额”,在大部分市场里,这个东西都是有限制的。

5、竞争

如果你希望成功,你需要研究竞争对手。你不大可能进入到一个还没有其他人在的市场。你要老老实实回答自己一个问题:跟市场现有的竞争对手相比,你的产品或服务呢个比别人好多少?你要有打入市场的楔子,你更比别人便宜,比别人多提供功能,易用性更好,或者定位服务不周的人群,或者哪怕产品水平一样但你把销售和营销做得比对手更好也行。但是不研究这个市场里面别人是怎么干是不行的。

6、历史

最后,研究你的历史。如果你希望开公司跟别人竞争的话,你得研究为什么他们会成功,另外20家想把这家公司拉下马的公司身上又发生了什么。每个市场都有这样的公司,不是说只有你想到。但他们的失败并不意味着你不会成功。但是如果你不问问“哪里出了什么问题”,“我们可以从中学到什么东西”的话,那你就相当于放弃了自己最大的优势:站在前人的肩膀上的能力。

结论

计划、思考、行动、测试、验证数据坚定地验证占领有利位置。了解你规划好的差异化资源,一边学习一边调整。多吸取其他创始人失败的教训。但也要知道他们告诉你的答案角度既不是完美的,也会带有叙述上的偏见。其实如果一开始就选择了正确的项目,就会很大程度上降低创业的失败几率,中轻创作为一家政府机构,旗下的创业超市栏目包含了多个行业供400余个项目,都是知名企业提供的创业加盟项目,从根本上杜绝失败,让你离创业成功、迎娶白富美、走上人生巅峰更进一步!


本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0
|
2月前
|
SQL 存储 分布式计算
MaxCompute问题之下载数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
2月前
|
分布式计算 关系型数据库 MySQL
MaxCompute问题之数据归属分区如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
35 0
|
3月前
|
机器学习/深度学习 存储 分布式计算
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
机器学习PAI关于maxcompute上用protobuf 处理数据,比较方便的方式
|
2月前
|
分布式计算 DataWorks BI
MaxCompute数据问题之运行报错如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 1
|
4月前
|
存储 SQL 大数据
dataCompare大数据对比之异源数据对比
dataCompare大数据对比之异源数据对比
105 0
|
2月前
|
分布式计算 关系型数据库 数据库连接
MaxCompute数据问题之数据迁移如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
34 0
|
2月前
|
分布式计算 Cloud Native MaxCompute
MaxCompute数据问题之没有访问权限如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
38 0
|
9天前
|
数据采集 搜索推荐 大数据
大数据中的人为数据
【4月更文挑战第11天】人为数据,源于人类活动,如在线行为和社交互动,是大数据的关键部分,用于理解人类行为、预测趋势和策略制定。数据具多样性、实时性和动态性,广泛应用于市场营销和社交媒体分析。然而,数据真实性、用户隐私和处理复杂性构成挑战。解决策略包括数据质量控制、采用先进技术、强化数据安全和培养专业人才,以充分发挥其潜力。
13 3
|
12天前
|
运维 供应链 大数据
数据之势丨从“看数”到“用数”,百年制造企业用大数据实现“降本增效”
目前,松下中国旗下的64家法人公司已经有21家加入了新的IT架构中,为松下集团在中国及东北亚地区节约了超过30%的总成本,减少了近50%的交付时间,同时,大幅降低了系统的故障率。