现实世界是大数据的下一个重大契机
Matt Ocko是风投公司Data Collective的全权合伙人,曾在Uber公司2011年第二轮融资活动中参与投资。他还是Facebook的早期投资人。在2012年与正式启动Data Collective风险投资之前,Matt Ocko已经针对数据库公司进行了若干年的投资。2012年合作开始后,他们的天使投资遍及几乎所有领域的热门初创企业,囊括了从MemSQL这样的数据库公司到Planet Labs这样的卫星成像公司。本周Ocko参加了Gigaom的Structure Show秀,以一名投资者的身份对他感兴趣的和觉得过火的东西进行了阐述。
对于科技领域的很多话题,他的意见都相当有趣、值得聆听,下面是我们采访的集锦,想要了解更多,请关注他在Structure Data中的讲话(于3月18日-19日在纽约),同时受访的嘉宾还有Hilary Mason,他们就数据的未来进行了有趣的探讨。
同时几家大数据采集公司也会列席,包括Enlitic(注:通过大数据帮助医生分析图像)、Blue River Technology(注:致力于将机器人引入农业生产)和Interana公司(注:为其他企业提供便利的数据驱动决策服务)。
有用不代表着一定有吸引力
像是Snapchat和Slack这样的软件非常吸引人,但是Ocko希望能够看到开发精英们(在他看来,可以在当今的基础科技方面创造奇迹的那些人)将注意力转向类似供应链管理或者农业这样的应用上面,因为这些应用可以对“GDP很大程度上产生重大影响”。Ocko表示:这些领域也许看起来很是单调乏味,相应的公司与科技也可能会很低调,“有点冷门、有点失宠”,但是所带来的获益会非常巨大。
只要看一下SAP公司,他解释道:
他们说:“嘿,让我们把账户、供应链还有生产与计划整合起来吧,这样我们就能知道你工厂里下一步要做什么,制造起来花费几何,成本多少、售价多少。”对于制造业来说,这是具有改革性质的,我认为它比早期的工业机器人还要更有改革性。将人们所想的从所听到的东西中抽离出来,对于这些公司而言是一个巨大的经营优势。
或者个人电脑。 Ocko表示:个人电脑的概念在20世纪70年代初次被引入的时候,并未获得很多人的喜爱。“但是它比你能构建的任何1000组的大型主机都要有改革性,它创造了今天我们所从事的这个行业。”
软件吞并实验室
Ocko表示,数据采集特别关注的是:在针对从根本上提高生活质量的公司上,新科技所拥有的巩固其基础的潜力,一般来说主要集中在解决艰难的科学难题上。
他说:“我们称其为软件吞并实验室。我们可以看到,在计算生物科学方面以及相关的信息领域,无需巨额花费,甚至零支出,你就可以构建生物模型,并借此了解如何能够令人类、动物甚至地球更加健康,同时顺应了我们必须遵守的资本制度(即需要盈利的目的),但是在赚钱的同时,这些行为又有着积极而深远的影响。
在应用上,而非科技上(甚至深度学习这样的热门科技上)下注
甚至是在科技领域最热门的那个点上,Ocko表示:投资关注的角度仍然在于这种科技是否有真正的和必要的应用,而不是仅仅关注一些很酷的研究,或者也许只是一个大名头。比如,他在医学成像的深度学习初创公司Enlitic上进行了投资,但并没有仅仅因为会被立刻疯狂收购,而对构建一系列深度学习组合的初创公司表示出兴趣。
Ocko表示:“就像双手合十祈求天上掉下个DeepMind那样4亿美元的融资……因为公司里的人太过聪明,对我而言太过高大上……只能把你那些有限合伙人(注:有限合伙人以其认缴的出资额为限对合伙企业债务承担责任)的资金给吓跑。”
迄今为止,对于Hadoop和市场软件我们都只是“还好而已”
然而,即便对于一些真正创新性和改革性的科技来说,也总有一个市场饱和的临界点。这并不代表那些领域的初创公司会落得玉石俱焚的下场——他们可以建立很好的公司,但是对于投资人来说,他们就没那么大吸引力了。
其中一个代表就是Hadoop公司,在Ocko看来仍有大量实际运用的可能,但是在获取巨额估值方面,可能已经达到极限了。“如果你开启了某个分类的Hadoop群组,很多其他类别的Hadoop仍有市场,但是就像你说的,我无法确定那些公司是否也能成为巨擘。他们也许是很不错的公司,但是在VC看来,对于其他公司的投资就不会成为像是对Hortonworks、MapR或是Cloudera的并购那样的全垒打了。
另外一类就是通过机器学习提高其效率的销售和市场软件。“我看到过的从事管道矿业方面的公司数量,无论他们是致力于市场最优化还是销售最优化,不夸张地说要超过100家了。”Ocko说道,“如果有这么多公司想法如此类似,我认为这代表着他们可能会走向悲剧。”
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21