大数据投资:要关注场景化,也不可忽视后端团队

简介:

0?wx_fmt=jpeg

大数据这个概念,已成为如今最重要的科技领域之一。大数据也成为了创投人在2015年愿意投资的领域,其风险投资的量已经超过其他行业14倍之多。


根据美国信息咨询公司Gartner,未来两年有计划进行大数据相关投资的企业占到了75%,比2014年小涨3%。Gartner研究总监Nick Heudecker表示随着大数据解决方案逐渐成为主流,海量数据、不同数据源和新的处理分析技术已经为企业所接受。企业通常希望借助大数据帮助自己全方位地成长,比如提升用户体验、优化办事流程、制定市场目标以及降低开支等。


而就在今年,硅谷大数据公司Palantir Technologies已经成功融资约4.5亿美元。该公司的估值达到200亿美元,也成为了全球第四大最有价值初创企业。


尽管中国的投资方也同样看好大数据方面的应用和技术前景,但相比十年以前,这个数据的创建速度也是超出了大家所能想象的这样一个程度,所以目前国内大数据创业者仍然会有诸多困扰。


在浦发硅谷银行前沿科技论坛大数据论坛上,纪源资本合伙人李宏玮分享了她对于大数据投资的一些看法。在李宏玮看来,对于投资大数据,纵向的行业分析和横向的大数据平台工具这两方面她都会考虑,但会比较关注行业初期发展处在何种阶段及这个行业的承受度。


无论是过去还是现在,应用数据,更多的是要重视一个场景化。李宏玮强调他们希望看到的是使用的场景,其次是需要搭建怎样的平台让数据有用,包括是怎么样的一些分析。例如说,国内的广告领域,如果有很好的数据分析后台都能够预见到你下一个点击是什么,然后帮你点到,这就是一个比较理想化的场景。所以要重视一个场景化,不要走在消费者的前面,消费的行为在哪里,你就在哪里。


身处在数字时代,数字领域所消耗和产生的大数据已经转化为带有营利性的商业模式,同时也给传统的商业模式带来大革命般的颠覆。因此李宏玮以一个投资人的角度还分析了未来会被大数据革命的四大投资领域:


O2O领域


0?wx_fmt=png

手机对所谓数据采集跟积累起到的一个很大的作用,这是从2010年到2015年的一个很大突破。所以在看O2O这一类的产品的时候,或者说是高频率应用的场景的时候,通常会很关注后端的团队,技术积累。如果一个公司的后端技术,不能够满足这个使用场景,实际上这个公司的核心竞争力就不能够体现。例如对于优步和嘀嘀来说,每一天要能够承载一千万以上的对接的数据,而它们后台的数据来源是实时且多方面的。从司机的手机包括用户的手机做一个匹配度,其实这里面存在很多很多大数据实时的积累。那么如何把这个数据能够很好的匹配,包括说传出到真正一个单的时候,实际上里面是有很多技术优势或者说门槛要突破。“今天的中国,或者国际上,如果要做个嘀嘀打车,买一家第三方公司的数据平台就能成功的话,那么嘀嘀跟优步就成立不了今天的规模,所以后端的技术能力至关重要。”


实时交易平台


在互联网金融和电商领域里,其实是一种实时的数据交流,那么它的后端需要一种技术,当出现大量的数据时,能够快速做匹配。这其实就是“先技术才前端”的应用。例如,亚马逊,它有了电商这个平台,能够给予它很多前端的数据。但是,后端的数据平台,各方面语音的架构必须先搭起来,来服务它自己核心的业务,之后他才能够延展出他自己的竞争能力,变成一个云平台。


实时视觉反应


实时视觉反应技术门槛较高,也备受投资者关注。机器要成为机器人,需要很多设备,包括摄像头或者音响,因此里面会掺杂着很多多元化数据的结合。


基因学


0?wx_fmt=png


基因学领域同样也会有较大的机会的原因是它产生大量的数据,用大数据来理解的是比较专业的领域,并且很难横向发展。


当然,做风险投资,投的是创新企业,免不了也存在挑战现有的法规的风险,但作为投资者更关注的点不是合不合法,更重要的是最终有没有价值。比如一开始的视频网站,滴滴打车和快的,当他们提供的产品有价值时,用户就会有这个需求,尽管一开始并没有相关法律法规规范,但很多国家和政府就必须要去考虑这个问题。每一次接触到新型的商业模式来说,一定会有新的法规,如果不挑战,就不会知道是不是能成功,但如果挺过去了,一般就可以成为大公司。



原文发布时间为:2015-12-19

本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

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
|
29天前
|
存储 缓存 监控
微信团队分享:微信后端海量数据查询从1000ms降到100ms的技术实践
针对大数据量带来的查询性能问题,微信团队对数据层查询接口进行了针对性的优化,将平均查询速度从1000ms+优化到了100ms级别。本文为各位分享优化过程,希望对你有用!
32 2
|
8月前
|
存储 算法 大数据
倚天性能优化--基于倚天优化后的zstd在大数据场景应用:降低存储成本+提升重IO场景性能
倚天性能优化--基于倚天优化后的zstd在大数据场景应用:降低存储成本+提升重IO场景性能
|
10月前
|
SQL 存储 传感器
大数据大比拼:Hive vs HBase,你知道两者的区别和适用场景吗?
大数据大比拼:Hive vs HBase,你知道两者的区别和适用场景吗?
642 0
|
存储 传感器 分布式计算
大数据治理系列:2 再谈大数据应用的经典场景
大数据通常是根据道格·兰尼(DougLaney)首先描述的三个维度或特征来描述的:容量、多样性和速度。同时,众多组织也开始意识到,准确性也是一个关键因素,即数据背后的“信任因素”。
大数据治理系列:2 再谈大数据应用的经典场景
|
大数据
《游戏大数据通用场景和案例分析》电子版地址
《游戏大数据通用场景和案例分析》PDF
74 0
《游戏大数据通用场景和案例分析》电子版地址
|
消息中间件 存储 缓存
|
存储 SQL 安全
【杭州研发中心-后端二团队】Java8新特性之Lambda表达式和Steam流
【杭州研发中心-后端二团队】Java8新特性之Lambda表达式和Steam流
|
Java Spring
【杭州研发中心-后端二团队】springboot源码解析-监听器详情
简介:Spring的事件驱动模型由三部分组成: 事件: ApplicationEvent ,继承自JDK的 EventObject ,所有事件都要继承它,也就是被观察者 事件发布者: ApplicationEventPublisher 及 ApplicationEventMulticaster 接口,使用这个接口,就可以发布事件了 事件监听者: ApplicationListener ,继承JDK的 EventListener ,所有监听者都继承它,也就是我们所说的观察者,当然我们也可以使用注解 @EventListener ,效果是一样的
|
SQL 消息中间件 存储
大数据生态圈常用组件(二):概括介绍、功能特性、适用场景
大数据生态圈常用组件(二):概括介绍、功能特性、适用场景
|
消息中间件 大数据 Java
大数据场景下的消息队列:Kafka3.0快速入门
Kafka是一个分布式的基于发布/订阅模式的消息队列,同时它又是一个分布式的事件流平台。既可作为消息队列,又可作为数据管道、流分析的应用。目前Kafka的最大应用还是消息队列。 市面上主流的消息队列有RabbitMQ,ActiveMQ、Kafka等等,其中RabbitMQ,ActiveMQ这些主要是Java应用中的队列,而Kafka主要在大数据场景下使用。 消息队列主要应用场景有如下几种:削峰、限流、解耦、异步通信等。