数据智能

大数据尚处于早期发展阶段,如何判断大数据公司的变现能力

析议第2期,如何判断大数据公司的变现能力

2017年03月09日
撰写 | 李喆
  • 数据智能
  • 大数据

从2011年至今,大数据概念火了六年,势头依然不减。从人人讲概念,到商业化应用典型案例出现,大数据正在逐步落地。

我们认为,大数据产业仍然处于初级阶段,商业价值仍未完整展现,下一阶段发展重点将是如何发挥大数据价值,探索数据与技术如何变现。

因此,在大数据领域进入全新阶段之际,我们一起探讨大数据的商业化道路,挖掘行业新机会和新趋势。

活动中,爱分析分享了对于大数据行业的现状与趋势的观点,现摘选部分内容如下。完整PPT请关注爱分析后回复关键词“析议第2期”获取。

我们在这个时候重点关注大数据变现,主要是基于以下三点:

第一, 从行业来看,大数据发展已经进入第6年,早已过了炒概念的阶段。随着大数据在各个领域的应用逐步落地,大数据与企业需求开始融合,我们需要找到哪些真正有价值的大数据应用。

第二, 从公司来看,经过几年发展,最先成立的那些大数据公司估值很高,很多都已超过5亿美金,融资已经进行到C轮、D轮。这些大数据公司已经过了早期投资阶段,不能再依靠讲故事来维系高估值,需要有相应的业绩支撑其估值。

第三, 从投资来看,企业服务公司定价的更多根据其营收而不是利润。判断一家公司是否具备投资价值,主要考虑其未来能够产生的现金流和增速。

中美大数据图谱对比

从技术图谱来看,基于大数据基础平台之上,大数据可分为数据和技术两条线,数据是指数据在从原始数据到最后应用中间经历哪些步骤,而技术则是指这些步骤中涉及到哪些数据处理技术。

从行业业图谱来看,大数据公司是通过三种不同方式切入这个市场的。

第一类是技术驱动型,这些公司掌握一项通用数据处理技术,如搭建底层数据平台、数据采集、数据可视化等,计划将这项技术应用到大数据领域;

第二类是行业驱动型,这些公司对一个行业应用理解很深,如信用评估、广告监测等,将行业经验积累与技术结合,服务行业客户;

第三类是数据驱动型,这些公司通过自身业务积累或者采集到大量数据,希望用数据给企业客户提供服务。

对比中美市场,我们可以看到美国市场,技术驱动型公司比较多而且体量很大,Palantir估值200亿美金,Cloudera估值50亿美金,Splunk和Tableau都已IPO上市。行业驱动型和数据驱动型公司体量相对较小,多数处于发展早期。

但实际上,国外市场大数据应用发展迅速,市场成熟度也远大于国内市场,但行业驱动型和数据驱动型公司未发展起来,主要基于以下三点:

第一,企业信息化水平高,IT工程师能力强,很多企业可以利用标准产品自主开发行业应用,不需要借助外部初创公司的技术实力,这才使得行业驱动型公司体量较小。

第二,国外数据开放程度高于中国,没有足够土壤诞生数据驱动型公司,这类公司很难依靠数据源的优势快速发展。

第三,国外资本市场更加看重技术实力强的公司,即使暂时收入不高,投资机构仍然会给予这些公司很高的溢价。Splunk在2012年上市时,全年营收不到2亿美金,市值超过40亿美金,PS倍数超过20,这是很难以想象的。

反观国内市场,数据驱动型和行业驱动型发展很快,主要是基于下面两点。

第一, 国内企业信息化水平低,又因增速放缓迫切需要转型,只能借助大数据公司的技术来提升运营效率,因此行业驱动型公司发展很快。

第二, 国内数据尚未开放,但对数据需求很旺盛,推动数据驱动型公司的发展,有优质数据源的企业占据得天独厚的优势,发展速度惊人。

第三, 提供通用数据技术的技术驱动型公司,因面临国外同类公司的激烈竞争,而且这类公司与客户需求结合不是特别紧密,早期变现能力稍弱,财务数据不佳,很难获得资本市场的青睐。

三种变现模式:技术、数据、场景化解决方案

目前大数据公司根据其切入市场的方式不同,大致可分为三种变现模式:技术变现、数据变现和场景化解决方案变现。

技术变现主要是技术驱动型公司,如GrowingIO、日志易等,他们主要是输出技术能力,以满足客户需求。这类变现模式是产品标准化程度高,客单价低,客户数量对营收影响很大。

数据变现主要是数据驱动型公司,如数据堂、聚合数据等,输出自身积累的数据来服务客户,能否对接优质数据源是这类变现模式的最大影响因素。

场景化解决方案是行业驱动型公司的主要变现途径,基于客户应用场景,提供整体解决方案。这种变现的特点是定制化程度高,客单价高。行业内有家公司只靠服务十几个大客户,2016年就做到1亿元营收。

我们发现,随着公司业务开展,很多技术变现模式和数据变现模式的公司都在朝场景化解决方案变现模式转型,如明略数据、集奥聚合等。这使得很多公司的业务不再仅仅停留在平台、技术或者应用层,而是横跨两层或者三层,这种转变主要是由客户需求决定的,客户需要的是大数据能与业务结合,而不仅仅是工具或者数据。

五个维度判断变现能力:赛道、团队、运营、资源和技术/产品

根据我们调研30多家大数据公司的结果,我们认为可以通过这五个维度去判断大数据公司的变现能力。

赛道:我们会关注这个公司所处领域的市场空间、行业集中度以及这家公司的稀缺性。

市场空间分为存量市场和增量市场,增量市场比较难判断,但存量市场是可知的。对客户而言,目前大数据投入仍然算在IT投入范围,所以存量市场与行业IT投入有关。为什么很多公司都切入金融行业,这是因为金融行业IT投入大。根据IDC的数据,中国金融业每年IT投入在1000-2000亿之间,其中软件与服务投入占比超过50%,这个市场足够支撑几家独角兽公司。

行业集中度有些时候比市场空间更重要,比如全球日志分析市场规模只有十几亿美元,而BI可视化市场规模超过500亿美元,但无论是股价表现还是营收增速上,Splunk都要优于Tableau,这就是因为Splunk占据日志分析市场近30%份额,而Tableau市场份额只有1%左右。

稀缺性意味着定价权,还是以Splunk为例,为什么日志分析软件客单价可以达到十几万甚至几十万美元,就是因为Splunk是这个领域的龙头,在与客户谈判中可以占据主动。

团队:我们会关注这个团队结构组成、创始团队工作履历等。

团队结构组成是指这个团队在技术、产品和商务这三方面是否存在短板。像Palantir之所以发展很快,几个创始人分工明确,产品、技术和商务三方面都不弱。Peter thief是硅谷投资大佬,负责融资和商务层面,Nathan Gettings在Paypal负责开发反欺诈系统,Stephen Cohen是深度学习技术大牛Andrew Ng的学生。

工作履历方面,星环科技是个很典型的例子。创始团队来自Intel负责Hadoop发行版的核心研发部门,开发出全球第二个Hadoop发行版,因此星环科技成立后,一年左右就开发出自己TDH产品,是国内最早的Hadoop发行版。

技术/产品:我们会关注这家公司的技术实力和产品化能力。

我们不认为使用开源技术的公司技术实力就弱,有些时候要看这些公司在开源社区扮演的角色,对社区贡献度如何。Cloudera就是基于开源社区去开发企业级产品,但Cloudera的技术实力仍然受到认可,这是因为它在Hadoop社区中扮演领导位置,会一定程度上影响开源技术的发展方向。

数据可视化一直被大家认为是技术壁垒相对较低的行业,但Tableau还是做到40亿美金的市值,就是因为产品做得好,长期处于Gartner魔力象限的领导者位置。Hortonworks这样Hadoop社区的领导者为何股价持续走低,很大一个原因是Hortonworks始终无法形成产品,以驻扎客户现场为主要服务模式。

资源:我们会关注这家公司是否接入重要数据源以及公司背后股东。

核心数据源是个很重要的资源,如果能够接入政府、运营商或者BAT的数据,大数据公司就可以构筑起竞争壁垒。对于风控领域来说,优质数据源有时候比风控模型更为重要。

股东同样是我们需要关注的,有些股东不仅仅给创业公司提供财务支持,还会带来源源不断的订单。比如Palantir的早期股东包括一支CIA的基金,这让Palantir与CIA关系更加密切,使得Palantir可以长期为CIA提供服务。

运营:公司运营主要是指公司的商务谈判能力以及服务能力。

ToB市场,商务谈判能力非常重要,是决定公司能不能拿下行业标杆客户,这一点中国企业都应该向Palantir学习。Palantir一方面经常组织政治游说活动,邀请政界和商界名流参加晚会,另一方面,聘请包括前国务卿赖斯在内多名前政府高官作为顾问团,强化自己的商务谈判能力。

除了商务谈判能力外,持续服务能力也是非常重要的。TalkingData能够拿下很多银行大客户,除了在数据源方面积累之外,咨询团队也起到很大作用,不仅提供业务咨询,而且用数据还提供战略决策服务。

定制化与产品化

创业公司会经历一个定制化阶段,因为探索商业化过程中,需要将技术、数据与客户需求结合,开发满足客户需求的产品。但在商业化后应尽快产品化,特别是对技术驱动型公司,因为客单价低,客户数对营收增速影响更大,对规模化复制要求高。

我们认为大数据公司的核心产品必须标准化,定制化开发应仅限于界面、用户习惯和系统对接等,定制化比例应该在40%以下。

评判定制化程度可以用产品化率和人均产能来判断,产品化率是指单个项目中人力占比有多少,人均产能则是看这个企业整体运营效率,一般产品型公司要高于项目型公司,Salesforce、Oracle这些公司的人均产能都会超过30万美金。

搞定标杆客户

能搞定行业标杆客户的大数据公司变现能力强,主要基于以下四点:

第一, 标杆客户付费能力强。工行每年在IT投入达到50亿,大数据公司若能分到千分之一,都是500万订单,因此服务标杆客户,客单价高。

第二, 标杆客户对应用创新容忍度高。中小客户看重短期效果,大客户看重应用前景。大公司看重新技术对其未来保持领先地位的价值,而中小公司则是以生存作为第一目标,希望新技术能其带来订单,因此标杆客户粘性高,复购率大。

第三, 标杆客户考验技术和产品。大客户的业务量大、需求复杂,这对大数据公司的技术稳定性和产品功能性考验很高。如果大数据公司可以满足标杆客户的需求,那么未来大数据公司向同行业推广时会非常容易。

第四, 标杆客户提升品牌影响力。ToB市场相对封闭,依靠广告营销很难打动客户,这时候标杆客户成为大数据公司最好背书,有助于减少获客难度,降低获客成本。

重点关注:金融、政府和工业

我们会重点关注那些信息化程度高、数据量大、IT投入大的行业,因为我们认为企业客户只有积累一定数据量之后,才具备发展大数据的基础,才愿意为大数据付费,因此我们重点关注金融、政府和工业领域。

金融领域标杆公司和技术型公司发展前景最好。

第一, 金融行业的市场规模很大,如前文所言,潜在市场规模超过1000亿,赛道足够宽阔。

第二, 金融类客户业务数据量大,业务复杂性高。以招商银行为例,每天处理数据量为2TB,每日对外数据接口超过2000个,大数据平台容量为170TB。

第三, 因为业务复杂性高,需要大数据公司对应用场景理解深,目前已经切入金融行业的标杆公司先发优势明显,后来者很难与之竞争。

第四, 因为数据量大,所以对技术要求极高,这是为什么像日志易、Kyligence这样公司尽管商务较弱,但仍然可以切入银行客户的原因。只有在数据量很大的行业,技术优势才能展现出来。

政务领域有渠道和满足政企需求的公司容易脱颖而出。

第一,《促进大数据发展行动纲要》中明确提出政府数据开放共享,大量闲置数据亟待发掘价值。

第二,“十三五”规划中,智慧城市总投资超5000亿,大数据会遍布智慧城市的方方面面。

第三,ToG市场获取客户难度更大,因为这个市场盘踞大量供应商,这些供应商和政府关系非常密切,大数据公司切入对渠道依赖非常重。数梦工场在政务领域发展迅猛,与其背后阿里的支持有很大关系,服务客群也多数集中在江浙一带的地方政府。

第四,政府客户的需求与商业客户有很大区别,比如在数据展现方面,政府客户投入巨大。这就使得海云数据的业务在公安领域推进很快,因为公安客户对大屏可视化需求旺盛。

工业领域会有初创公司

第一, 工业互联网化是未来趋势,《中国制造2025》和工业4.0战略都将大数据作为中国制造转型的关键因素。同时,大数据与物联网发展相辅相成,因为NB-IOT标准通过,工业物联网正处于爆发前夜,而大数据是工业物联网重要变现出口。

第二, 从美国市场来看,工业大数据是可以诞生独角兽公司。Uptake成立三年时间,估值已经达到20亿美金,其核心价值就在于连通工业设备数据,提供包括故障预警在内的工业大数据服务。

第三, 国内工业信息化程度低,大部分企业不具备自己开发大数据产品的能力,这就是大数据公司的机会点,国内已经出现了昆仑数据、美林数据等专注工业领域的初创公司。

工业领域对大数据公司的团队和资源要求高,因为这个领域对行业知识要求很高,不了解客户需求根本无法切入市场,所以团队构成中必须要有行业老兵,其次,早期拿下一个标杆客户对企业发展至关重要。Uptake能高速发展,很大原因是早期拿下Caterpillar这个客户。