- 数据智能
作为一家老牌硅谷基金，红点创投在大数据领域布局颇多，包括Hadoop三家马车MapR、数仓公司Snowflake、数据分析公司Datameer，偏好投资技术型公司是红点创投的一大特点。
国内市场，红点创投主要专注于早期投资项目。入华11年投资了40多家公司，不过大数据领域出手不多。早期投资了秒针系统，最近投资了Kyligence。
技术背景出身的红点创投副总裁刘岚，同样偏好投资“集客公司”，早期在华为的工作经历，让他对企业服务项目有着独有的判断标准。去年，他主导完成投资的Kyligence就是家企服领域的技术驱动型大数据公司。
近期，爱分析对刘岚进行专访，他针对大数据行业现状、竞争格局以及早期技术型公司的投资价值等方面，阐述了自己的观点，现摘选精彩内容与各位读者分享。
大数据领域空间上限难以判断，主要关注数据再加工和数据分析等细分赛道
爱分析：您是如何看待整个大数据行业的市场空间？
刘岚：我认为大数据这个行业在快速增长。在国内外，大数据的需求和深度都在同步发展的。大数据最初主要应用于互联网行业，需求主要停留在广告营销上。
逐渐地，大数据深入到传统线下企业，企业的数据量剧增，他们会发现积累的数据如果进行详细加工、提炼，可以指导企业进行精细化运营和生产。因此，他们在大数据方面的需求会快速增加。
我认为，大数据走到最后一步是自动化，也就是人工智能。很多判断都交给机器，那么机器做判断要基于过往海量数据的分析。
我觉得很难判断这个市场有多大，这个问题有点像互联网市场有多大这个概念。现在国家提出的是“互联网+”概念，未来很可能会是“大数据+”，最后一步是“AI+”。
爱分析：您是如何划分大数据产业的？会更加关注哪些细分赛道？
刘岚：根据数据处理过程，我将整个大数据行业划分成以下几个部分。
数据获取这部分，我们认为有价值的数据源是BAT和政府以及大型央企，我认为这个领域是偏重资源导向型。现在国家对于数据安全非常重视，会非常看重大数据公司的背景，是否有外资股东。作为一家美元基金，我们投资这个领域的企业会比较困难。
数据清洗、存储这部分，主要是提供基础数据库的大数据公司，以Apache等开源社区为核心，提供基于开源技术的解决方案。这个领域技术相对成熟，不是我们关注的赛道。主要有两点：
第一， 这个赛道已经出现星环科技等体量较大的创业公司，而且也是华为等传统厂商发力的领域，留给新公司的机会太小；
第二， 单纯做这个领域，同质化严重，利润比较薄。
数据标准化和再加工是我们关注的重点，这个领域主要是数据仓库相关业务。这种事务性数据库在银行等传统大型企业应用非常广，需求也非常旺盛，并且现在“去IOE”趋势非常明显。在OLAP层，我们投资了Kyligence这家公司；在OLTP层，我们还在看机会。
分析这部分，我们主要关注数据分析与应用结合，关注创业公司能提供哪些行业解决方案。
爱分析：像工业、农业等信息化水平较低的行业，大数据在这些领域应用空间如何？
刘岚：我觉得大数据这件事还是需要信息化水平达到一定程度才可以，因为我们看到大型银行都已经做了私有云和Hadoop大数据平台。对于一些城商行，可能今年才要求他们的业务要上云，他们目前还使用Oracle一体机等，他们走到Hadoop可能还需要一两年时间。
所以，一些工业客户连云都还没有接受，很多数据都没有，怎么去提大数据概念。一个行业至少在云计算方面的投入达到一定水平，才可以去谈大数据。数据量大才需要做大数据分析，否则一台电脑就可以把数据搞定了，何必要用Hadoop。
国外厂商对创业公司的冲击要大于BAT
爱分析：国外厂商如Cloudera这些公司，他们都开始进入中国市场，他们会对国内厂商产生冲击么？
刘岚：星环科技等创业公司会受到这些外资企业的冲击，竞争主要集中在金融、电力、电信等行业的大型企业。
爱分析：BAT都在开发自己的大数据平台，这一点会对提供BI可视化等服务的公司产生影响么？
刘岚：首先，我们要看BAT提供的平台主要服务客群是什么，可能BAT提供的不是纯粹商业软件。企业客户需要的是商业化产品，而不是开源的、让互联网人使用的产品，这点对传统企业级客户非常重要。
其次，基于BAT平台的开源产品去做商业解决方案，这个方案是否在关键点上满足行业需求。从国外来看，很多大互联网公司都用Google Analytics，但是存在很多专门做BI、数据分析的公司。
所以我觉得与其担心BAT，倒不如Oracle、IBM等国外巨头或者国内金蝶、用友这些公司。
技术、产品、商务三个维度评判早期公司，产品和商务至少满足其一
爱分析：红点偏重于投资早期公司，您在做投资决策时，会通过哪些维度去判断企业？
刘岚：我主要是通过技术、产品、商务三个维度去判断企业价值：
技术上，一方面，我会去看这家公司的技术能力，技术方面能不能形成壁垒；另一方面，我也会关注公司在开源社区内的贡献，目前大部分公司都是基于开源技术做开发，所以公司在开源社区的贡献，很大程度会影响这家公司的技术能否顺应未来趋势，技术处于正确轨道中。
产品上，一方面，要看这家公司产品化的能力。如果一个公司只能给银行等大客户提供定制化开发，我觉得这类公司价值有限。像Teradata给银行提供的也是标准化产品，定制开发也仅限于界面、使用习惯的改变以及与原有系统的配合。在我看的这些项目中，我觉得定制服务这部分不应该超过40%
另一方面，要看这家公司是否有行业解决方案。公司早期切入一个行业，会不会为了满足单一客户需求去开发产品功能，还是说公司本身有特别明确的产品目标，不会被客户牵着鼻子走。
商务上，一方面要看公司的客户关系如何，能否与大客户建立比较好的合作关系。另一方面，要看公司能否快速了解客户需求，能够找到客户需求与标准产品之间的平衡点。
爱分析：投早期项目，创始团队非常重要，您会更加看重创始团队的哪些特点？
刘岚：首先，我比较偏向投资2-3个创业伙伴一起来做的项目，而不是单个创始人一家独大的项目。因为每个人都会有自己的长板和短板，需要一个互补团队。互补团队这部分我希望至少有一位是技术大拿，把握技术整个架构和方向。
另外，在商务和产品化不能同时都是短板，要不然对客户理解比较深，能做一个产品规划；要不然跟客户关系比较好，能带进来一两个大客户，使公司能在行业内扎根。如果商务和产品两个特点都不具备，我对这个团队表示比较担心。
爱分析：感觉红点创投更倾向于投技术型公司，这背后的原因是什么？
刘岚：首先，技术型公司可能短期无法接触顶级客户，但技术领先同类公司一个档次，客户没有理由会选择更差的解决方案。技术型公司的市场可以慢慢做起来。
其次，长期来看，其他核心竞争力补齐的难度要低于技术竞争力，华为这种体量的公司，补齐技术短板都花了很大精力，创业公司很难有这个财力和精力去做这件事。
再次，从退出来看，如果A股或者500强企业更愿意收购技术型创业公司，因为需要补全技术短板。
技术要与应用和数据源结合，提供单一技术无法打开市场
爱分析：最近这两年出现很多做可视化、用户行为分析等数据分析公司，您是如何看待这些公司的发展前景？
刘岚：市面这类公司我们基本都看过一遍，不过还没有出手。原因有以下几点：
第一， 我认为中国IT化水平和大数据应用与国外差距还很大，时机还未到。
我们刚刚尽调的一家大数据公司，是既做存储也做分析工具，他们竞标的时候会碰到一些可视化公司。从客户角度来看，如果只购买了可视化产品，那数据存储的问题如何解决。最后客户没有选这些提供可视化产品的公司。
对大多数客户而言，可视化是实现精细化运营的方式。他们还没有到这个阶段，更多关心数据的存储、清洗。因此，我认为这个市场远远没有成熟，这些公司冒出来可能就是看到国外Domo发展很快，世界500强都是他们的客户。
第二， 我认为这些公司的技术能力并没有表现出来，他们做的可视化更像是一款SaaS化产品，大家更关注一个产品化、产品的用户体验，但我认为这是不够的。
以Domo为例，Domo的核心除了用户体验，还有另外一点。Domo的下层接了两百多个数据源，国内大多数企业不具备这个能力，Domo可以连接很多其他软件，中国企业使用的软件是否能与这些大数据公司的产品对接。
第三， 产品需要与行业结合，对行业有一个更深入的理解。
快销品和耐销品的CMO关注点可能都不同，只用一套产品去满足需求肯定不行。但是具体这种个性化需求是由大数据公司来满足，还是甲方业务部门自己开发。
目前在中国，大部分业务部门不具备开发能力，但如果单靠大数据公司来完成，大数据公司对行业理解的专业性又受到质疑，整个团队需要一些行业专家让客户信服。
资本和人才孕育技术型创业公司，产品化和标杆客户获取是技术型创业公司必须通过的关卡
爱分析：最近这几年明显感觉技术型创业公司在增加，这背后原因有哪些？
刘岚：此前，国内大多数是商务型人才最早发现一个商机，组建团队去创业，提供最小可用成品，服务原有客户。这就解决了创始阶段公司冷启动问题。之后随着公司规模做大，加大研发投入，增强产品积累。二三十年前，华为、中兴都是用这种方式崛起的。
从国外来看，企业服务的创业团队，最初都在大公司研发开源技术，后来将这个技术贡献给开源社区。接着，创业团队离开大公司，将这项开源技术商业化。这些是美元基金偏好投资的。
这几年中国市场发生两方面改变，使得技术型创业公司越来越多：第一，VC越来越多，资本市场环境改善；第二，技术人才纷纷离开外企，选择加入互联网公司或者创业。
爱分析：技术型公司在发展过程中会碰到哪些必须要迈过去的门槛？
刘岚：我们国内投的技术公司发展时间不长，他们要走过的门槛有以下几个：产品化能力、行业标杆客户获取、行业复制和新行业拓展。前两个门槛是创业公司必须跨过去的，跨不过去这家公司的成长会非常有限。