如何评估你的创业点子

简介: 很多时候,你会发现当自己作为一个旁观者,很多预言都是准确的。而当你真的去投资购买股票的时候,往往就不准了。这就是作为旁观者和当事人的区别。我觉得当有一个新的主意,如果能够满足下面的几点那么或许成功的几率会大些。

引子

通常我们有两个角色:
  • 旁观者
  • 当事人
这几年互联网大潮,尤其是移动互联网的崛起和发展给我的冲击非常大,这期间看到了很多公司的起起落落,在周边也接触到了或多或少的创业公司,之前自己也有参与创业,一直对此都有所思考。或者换个说法,我其实一直作为一个旁观者看着这纷繁的世界。
很多时候,你会发现当自己作为一个旁观者,很多预言都是准确的。就好比你判定一支股票,你只是做判断的时候,你就经常判断准确了,而当你真的去投资购买股票的时候,往往就不准了。这就是作为旁观者和当事人的区别。它们之间存在如何的微妙关系我无法参透,但是从一个旁观者的角度,我觉得当有一个新的主意,如果能够满足下面的几点那么或许成功的几率会大些。

重新定义(微创新)

重新定义我们也可以称之为‘变革’。重新定义要比发明具有更大的优势和价值。已经存在的东西往往被广为运用,甚至延伸到人们生活的每个小细节。现实中有如此多的古老的产品可以进行重新定义,而这个年代似乎各大互联网公司也不过是在不断的去做这些事情而已。
Google 重新定义了搜索,汽车,眼镜。苹果重新定义了手机,平板,手表。你现在能看到的创业公司很少有去发明一件东西的,大都是以现有的产品,通过互联网去重新定义它。
评估标准一:
  我的点子是为了重新定义一个被广泛使用的产品么

大数据和机器学习

大数据和机器学习的目标应该是为了更好的帮助人们的工作,作为一种提高效率或者改变人们工作习惯的东西,而不是取代人。这里我们也可以延续第一条准则,重新定义。也就是大数据和机器学习应该是重新定义人们的一些工作,学习,生活方式。举个例子,猎头是无法用大数据和机器学习取代的,至少招聘做了这么多年,也没见哪家公司做的东西取代了他们。你的技术不是为了用来取代某个环节,而是为了提高某个环节的效率 
评估标准二:
我的点子能够有效提高某个产品现有流程中的某个环节,
加快信息的流通么

积累,把控

当我们想到一个前无古人后无来者的点子,哪怕是自己不熟悉的领域,也会觉得很棒。但是如果你的点子是来源于自己的积累,成功的概率可能会更高。
  1. 你能较为容易的做出产品原型
  2. 你能把控产品最后能够做成什么样子
  3. 隔行隔山,你不容易迷失。

当然有很多跨行做成了,一般这种人都是面非常广的,并且具有非常独到的嗅觉,也就是洞察力。没有这些基础,无异于走进一片深林,把见到的第一个动物当做最可怕的动物。
说白了,来源你的积累的东西,你容易把控。当一个东西在你的把控下,显然不容易失控。
评估标准三:
这个点子是基于自己的工作积累么?我有把控的能力么?

天花板

我以前记得我们老大说过一句话,当你的产品被几千个人用,和被几千万上亿用户使用,那种感觉会是完全不一样的。当你的点子初期可以面对一小群人,但是也很容易扩展成面向每个人,那么,它的天花板会很高。投资人应该都喜欢这类主意。
比如Facebook.初期是只局限在高校。这样操作起来很方便。但是他的天花板超级无敌高-理论上不存在天花板,社交是人人都需要的。所以当这种社交模式在高校得到有效证明后,推广到所有人,于是成就了现有的脸书帝国。
评估标准四:
 我的点子是不是一开始面向小的人群,但是很容易扩展到新的人群,如果是,成功概率又会高些。

浪潮之巅

其实我想说的是,很多新技术一旦成熟,那么如果你的点子正好是基于这个新技术的,那么成功率也往往会比较高。比较简单的例子是,随着网速的提高,使得视频更容易,从而延伸了类似YY的那种视频互动社交。随着大数据的成熟,基于之上的创业点也非常多。所谓移动互联网大潮,本质是只能手机得到普及,手机网速大幅提升,从而使得原先一些不可能的东西变得可能,从而推动一个时代。
评估标准五:
 我的点子是不是基于一个新生的技术,或者在某个风口?如果是,可能会更容易成功些

例子

如果你的点子满足上面五个点,基本就是可实施的好点子,并且可能会成为巨大的帝国。
当然满足其中一两点,也是个好点子。
我曾经试图对博客产品形态进行有益的改进,
这个产品至少满足了三个点:
  1. 重新定义了博客产品。
  2. 并且有一定的积累把控
  3. 浪潮之巅,基于Git技术的发展
但是他有天花板,用户群体可能会比较小。

总结

凡事都没有金科玉律,但是建立某种评价体系总归是有好处的。万物总有规律,这种规律可以基于人的分析,也可以通过某种数学化的表示学习出来。我觉得陈宫的创业点子也有其内在的规律。
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 
目录
相关文章
|
6月前
|
人工智能 前端开发 测试技术
面对“失业焦虑”我们可以做些什么?让 AI 帮助自己变得更强大!
面对“失业焦虑”我们可以做些什么?让 AI 帮助自己变得更强大!
59 0
|
监控 测试技术
软件测试培训哪里好?就业前景可观吗?
近些年,由于我国的软件行业目前突破了作坊时代,由以前软件开发的单打独斗升级为工业化、流水线式的生产模式,作为工业化的产品,软件测试也就成为软件开发企业必不可少的质量监控部门,因此这也使得软件测试成为我国就业市场里面最热门的岗位之一,那么这让这么多人首选的软件测试就业前景怎样呢?
|
程序员
程序员转行做基金经理?领域专家带你多维度了解量化投资行业
本周六(10月29号)西安交大元向辉教授将在线上举办一场公益报告会,欢迎对量化投资感兴趣的IT从业者或者有理工科背景的社会人士报名参会,了解信息技术与金融投资如何进行完美结合。
程序员转行做基金经理?领域专家带你多维度了解量化投资行业
|
图形学
带你3D建模行业真实现状,就业前景薪资待遇真有那么好?
不需要大学文凭。但是需要在某个大型项目中担任过重要角色。最好在国外3A大厂镀过两年金。EA,育碧,暴雪,你待过哪个? 有没有信心?有没有自信?
145 0
|
机器学习/深度学习 人工智能 算法
人才短缺是AI创业最大困难 | 靠才华
人工智能(AI)是个比较大的领域,很难说清楚具体的界限在哪里。笼统地讲,可以认为是机器对人的思维、意识、行为的模拟,属于计算机技术的一个分支。近些年,人工智能得以快速发展,得益于几个重要的条件:计算速度显著提高、足够大的数据量、深度学习算法的突破等等。另一方面,由于人类对自身大脑运作方式的认知有限,人工智能对人类的模拟,特别是情感和思维方式,还有很长的路要走。
126 0
|
机器学习/深度学习 人工智能 自然语言处理
面对5400万抑郁症患者,这600位志愿者“树洞”打算用AI拯救他们
面对5400万抑郁症患者,这600位志愿者“树洞”打算用AI拯救他们
286 0
|
机器学习/深度学习 人工智能 供应链
2020 人工智能人才报告:AI 职位需求放缓,非技术素质将成重要考核指标
2019 年,人工智能技术(AI)持续保持惊人的发展速度。预计到 2030 年,AI 技术将为全球增加 15.7 万亿美元的商业价值。2020 年将成为 AI 研究、产品开发和商业化的关键之年。
3326 0
2020 人工智能人才报告:AI 职位需求放缓,非技术素质将成重要考核指标
|
机器学习/深度学习 人工智能 算法
银行业AI:炒作背后的现实——“尽管对新技术感到兴奋,但银行业态度非常谨慎”
在人工智能火热的今天,银行业是如何看待人工智能对其的影响呢?答案可能出人意料。
3060 0