2017中国大数据投资论坛

《智能时代大数据投资热点》

• 窦勇
• 达晨创业投资有限公司大数据业务负责人

数据2.0时代的特点和机遇

• 场景化应用
  • 大数据已经不再是圈数据资产的模式（数据采集）
  • 场景化的大数据应用公司将被看好（场景化应用）
• AI智能成为数据与用户的联接
• IOT复兴将大量拓展线下数据源和相关应用

智能时代，我们的投资方向

• 标的企业：技术导向为主+市场应用
• 产业逻辑：工业大数据+医疗大数据+政务大数据
• 行业背景：场景化应用

《（大数据创业）企业融资成长经验分享》

• 常雷
• 北京偶数科技有限公司 创始人兼CEO
• www.oushu.io
• 2016年底注册公司，拿到天使创投

公司简介

• 由EMC/Pivotal HAWQ核心团队成员2016年底成立
• 成员大多为Apache Committer & PMC成业，来自各大云计算和大数据公司
• 团队研究成果发布在国际顶级数据管理会议上（比如SIGMOD等），并拥有多项国际专利
• 2017年获得红点创投1000万的天使轮融资

打铁还需自身硬

• 产品可持续迭代的技术架构
• 以数据科学为核心的技术团队

不打无准备的仗

• 成熟且调理清晰的BP
  • 产品项目
  • 商业模式
  • 竞争对手
  • 发展计划

从资本市场角度重新考虑产品

融资过程中的细节

• 美元：耐性较长，偏技术性投资
• 投资协议

《中国大数据产业投资趋势分析》

• 高丹
• 赛迪顾问股份有限公司 总经理
• 软件与信息服务业研究中心

中国大数据市场进入应用实施期

• 大数据布局全域普及
  • 2016年数据中心IT投资规模2410亿元
  • 数据中心建设数据逐年减少
  • 新技术融合发展
• 中国大数据市场规模持续高速增长
  • 服务于软件份额占比不断增加
  • 服务、软件、硬件
  • 大数据业务逐步向全国迁移扩展
• 大数据应用实施环境不断完善
  • 大数据政策制度向行业应用转移
  • 大数据交易法规和环境日益完善
• 用户对大数据的认知日渐成熟
  • 大数据企业在各行业应用领域全面铺开
  • 金融、政府、电信、教育，等各行各业都有用户
  • 大数据企业在产品和服务商的特点

中外大数据投融资市场对比分析

• 机构大数据投融资业务更谨慎
• 成长期企业对大数据融资需求高
  • 2017年大数据企业对资金的需求升高
• 大数据投融资业务集中度更高

中国大数据投融资市场趋势展望

• 场景化应用

商业计划——《云房数据——构建房地产数据生态平台》

公司概述

• 定位 独立第三方的房地产数据服务商
• 愿景 致力构建房产数据生态平台

• 概述 云房数据20多年深根于银行、税务、评估行业、交易等领域，积累了287个城市、12000万户、25000亿次交易数。

• 名词解释【估值】，为用户估算当地房产价格价值

云房数据1.0阶段

• 2008-2013

  • 以估值为核心的业务模式创立

  • 前身 仁达信息数据事业部阶段

    云房数据2.0阶段

• 2013-至今

  • 打造数据+估值为核心的多场景应用模式得到验证逐步走向成熟
  • 把全国的房产资源价格数据建立起来
  • 287城市
  • 1.2亿户基础数据（楼盘字典、城市数据）
  • 2.5亿次交易数（新房、土地、二手房、租赁）据的房产数据库

• 估值系统达到行业顶尖

  • 应用场景：金融 开发商/二手交易 评估 地税
  • 估值产品线
  • 数据产品线
  • 综合集成服务线

• 服务行业——开放商/二手房/地税（房地产综合治税）

  云房数据3.0阶段

• 2017.3 未来将打造房地产数据+综合服务模式，迈向更高阶段

• 地产数据+合作数据+整合算法挖掘

• 数据+在前进与阿里巴巴合作，共建A-Y数据库：建立地址检索、打通人群标签、房产信息

投资人点评

优势

• 房地产数据，是百姓生活重要的一部分

疑点

• 团队及人员配置？
  • 共170人，半数用来做数据
  • 30-40人开发系统
  • 10人算法模型
• 与另一家竞品对比
  • 另一家全是互联网数据
  • 云房拥有：自主评估数据、银行数据、其他数据等
• 应用场景？
  • 小区配套评级
  • 小区物业评级
• 信息安全，倒逼政府开放数据
  • 政策发展：政府要建租赁平台
  • 云房在政府二手房交易、租赁平台中发挥作用
• 如何拿到银行数据？
  • 银行给云房付费
  • 银行为云房开放数据
  • 云房给银行提供数据接口

商业计划——有数据的地方就需要R7

时代特征

数据资源的流动性和可获取性是大数据应用和产业发展的基础，直接关系到大数据价值的实现。——中国工程院 邬贺铨院士，2017年中国大数据产业峰会

• 自动化进程
• 电动化进程
• 可控化进程
• 智能化进程

关于翱旗

解决两大核心问题： - 实现任何数据在全组织范围内的互通 - 建立数据大平台与碎片化应用结合的数据生态系统

壁垒： - 数据处理领域行业壁垒值，新玩家难以进入。部分产品直接对标国外技术企业。

数据全生命周期

• 数据源 结构化、非结构化、半结构化、其他
• 数据接入
• 数据处理
• 数据存储计算
• 数据分析挖掘
• 数据应用
• 数据服务

产品形态&商业模式

• 通用产品【分销快销】单价10万，可复制
  • 快速实现
  • 快速部署
  • 快速覆盖
• 平台产品【直销+分销】【设计、集成、服务】
  • 基于场景复杂，为需求符合的用户，提供定制化开发
• 解决方案及服务 单价1000万，定制服务
  • 政府合作，大型项目

经典案例：楚天云&四川省国税

• 52省职部门，323个子系统数据的汇总融合
  • 通过API形式几乎不可能实现
  • 直接通过数据库层面进行整合同步
• 金税三期，税务数据收集，数据再分发
  • 基层单位IT水平较低，省级向基层分发存在技术难度

覆盖行业

• 政府
• 医疗
• 教育
• 金融

盈利收入

• 2016 4000万
  • 产品形态
  • 销售模式

发展历程

• 2014开始市场破冰
• 2015年拿到投资

市场趋势

• 220亿美元的大数据软件产品市场规模

投资人点评

• 团队结构？
  • 共100人
  • 20-30人负责售后服务，配置实施
  • 50人研发团队
• 应收账款？【财务问题】
  • 项目型：1期，2期，3期
  • 产品型：短平快

商业计划——数据大脑——城市（政务）大数据资源中心

• 北京思创立方科技有限公司

行业需求

• 新增智慧城市建设的必然要求，习总书记强调“以推行电子政务、建设新型智慧城市等为抓手，以数据集xx”
• 大数据中心
  • 一个中心
  • 一对平台
  • 一套应用
  • 一个体系
  • 一朵云
  • 一套标准
• 数据中心痛点
  • 底数不清 数据资源梳理
  • 体系不明 信息目录体系
  • 采数不顺 数据采集汇聚
  • 质量不高 数据质量提升
  • 持续不久 数据动态更新
  • 应用不佳
  • 标准不一

架构体系

• 数据源问题
  • 数据类型
    • 互联网数据
    • 政务数据
    • 物联网数据
  • 采集形式
    • 人工导入
    • 自动导入
    • 数据采集
• 标准规范
• 模板模型
  • 72个政府部门的共享数据模板
  • 1500多个共享数据库表，19000多个共享数据的元数据模板
  • 人口、法人、空间地理、宏观经济、城市资源
• 目录体系
• 工具平台
  • 数据基因
  • 信息资源目录
  • 数据交换共享
  • 数据综合运维
  • 数据管控系统
  • 数据分析系统
• 应用场景
  • 一号申请
  • 一窗受理
  • 一网通用
• 增值：智慧物联大平台
• 增值：政法行业大数据系统
• 典型案例：广东南海
• 成功案例：江苏苏州

核心价值——大数据资源中心建设运营服务

商业模式

• 政府采购
• 政府购买
• PPP

盈利点

• 为政府提供规划、设计、咨询
• 建设、运维、运营城市大数据资源中心并提供云化服务
• 应用系统建设、运维服务
• 数据服务：数据运维、数据运营、数据交易（先脱敏，再交易）

营销

• 资质
  • 20多软件著作权
• 客户
  • 政府
  • 科技园区
• 报价
  • 地级市 1500万
  • 县区 500万

投资人点评

• 与政府财力息息相关
• 政府部门存在信息孤岛，难以有外在动力打破壁垒，连接信息
  • 发达地区市场成熟，资金充足
  • 中西部地区财力较弱，但存在机遇【如江西】
• 应用系统，技术门槛较低，在当地会有公司已经在做同样的事情？
  • 细分政府业务模型的咨询与知识是其他公司难以复制的