1703928492
投资新标的
1703928493
1703928494
大数据改变投资思维、方法，同时也改变了投资标的自身。2013年，国内股市的大数据概念异常火热，在追逐似是而非的概念股前，我们有必要弄清一些基本问题，比如大数据如何定价？经营何种大数据业务的公司，会有更大成长前景？必须承认，大数据是传统定价理论与模型未曾预料到的“怪胎”，这也是新生事物对投资界出的难题。
1703928495
1703928496
大数据定价，答案在风中
1703928497
1703928498
大数据的定价是个问题。在提交给美国证券交易委员会的IPO申请文件中，Twitter披露过去其一年的营收为5.34亿美元，亏损额为1.43亿美元。据市场人士预计，Twitter在2015年之后才有扭亏为盈的可能。对于这个有2.32亿活跃用户、营收增长迅猛的新创公司，不知道你会怎么定价，但市场定价是这样的：IPO发行价每股26美元，按此价格，公司估值181亿美元，为2013年预期营收6亿美元的约30倍；首日开盘价45.1美元，按此价格，公司市值约为245.5亿美元，为2013年预期营收的约41倍，市净率为约35.4倍。
1703928499
1703928500
Twitter估值超出美国铝业公司等传统公司，这不足为奇。但是同为互联网、大数据公司，它的估值也高出了许多同业公司。截至2013年11月，谷歌公司的市盈率和市净率分别为29倍和4.3倍，Facebook的市盈率和市净率分别为111倍和8.8倍，LinkedIn的市盈率和市净率分别为763倍和10.4倍。由这些估值的对比，衍生出两个问题。第一个问题是，与传统行业的定价理论或模型比，互联网、大数据公司定价的范式是什么？是否“无招胜有招”？从Twitter、去哪儿网的上市热炒，到某些商界领袖撰文警告新一轮互联网泡沫行将破灭，界定和评估互联网泡沫，应按照怎样的维度或标准？第二个问题是，怎么理解这些互联网和大数据公司的定价差异？Twitter和Facebook的定价有差异，那么新浪微博、微信和腾讯QQ是否也应有差异？差异的本质是什么？
1703928501
1703928502
大数据怎么定价，这可能不是单个问题，而是一连串的问题。《社交红利》一书的副标题是“如何从腾讯平台获取流量、用户、收入”，作者徐志斌提出了一个社交平台的收益等式，即收益=信息×关系链×互动。从字面上简单理解，该等式的意思是让信息在关系链中流动。这或许是大数据的商业逻辑，乃至定价公式。至于大数据公司之间的定价差异，或许就在于上述公式三个变量的差异。因为互联网公司拥有的大数据，在特性方面千差万别。拿中国几家坐拥大数据资源的互联网企业来说，百度主要是用户搜索数据，以及利用网络爬虫技术搜集的公共网络数据；阿里巴巴是在线交易数据、小部分的社交数据；腾讯微信、QQ掌握的是用户个人和社交关系数据。大数据资源不同，决定了收益方式的差异，同时也影响公司估值。
1703928503
1703928504
锁定大数据企业
1703928505
1703928506
布局大数据产业线，这是一个现实的投资问题。2013年，多数人没见识过大数据，可市场上已满是它的传闻。在相关概念股一阵热炒之后，投资者才赫然发现，要获得更大的投资收益，对大数据产业需要布局长远。
1703928507
1703928508
按照一些专家的预测，有三类公司即将成为大数据时代的主角。第一类是拥有数据资源的平台公司。国内互联网特别是移动互联网的数据入口之争，虽然其格局逐渐清晰，但是仍存在较大的不确定性。但不管结果如何，坐拥大数据资源的公司将处于大数据产业的上游，它们可以“靠山吃山”，靠“大数据”吃“大数据”，无论是自己挖掘，还是授权给有技术、有思维的企业，数据平台公司都可获得稳定收益。
1703928509
1703928510
有望成为大数据主角的第二类公司，是有大数据挖掘技能的技术性公司。它们面向第三方的个性需求，以技术和算法为其提供增值服务。目前，大数据技术尚不成熟，这块领域虽然前景广阔，但是技术门槛偏高。大数据时代的数据挖掘，一是需要使用跨界数据；二是需要处理非结构化数据，如文字、语音和视频等；三是同质化产品时代不复存在，私人定制、千人千面成为新常态。满足这三个要求的同时，如果服务收费还实惠，这样的公司即使无法成为“主角”，也会是主角最耀眼的陪衬。近年来，数据处理公司的重要性日益体现，成为跨国公司争夺大数据产业的战略高地[4]。
1703928511
1703928512
第三类可能成为主角的公司，是有大数据思维的咨询服务公司。之前我们已经谈到，大数据时代最缺的不是投资机会，而是大数据思维。维克托认为，大数据思维是一种意识，这种意识使人保持某种敏感，想从相关联数据的处理中，找出千百万人急需解答的问题的答案。如果一家咨询公司具备大数据思维，就有可能成为大数据时代的尼尔森、麦肯锡，凭借对客户需求的把握和对数据资源、数据分析技术的熟悉，为各行业客户提供大数据的解决方案。
1703928513
1703928514
除了关注度高的主线与主角之外，有些业务可以成就配角，比如大数据时代的中间数据商。大数据挖掘需要用到跨界数据，但是各家数据平台均视数据为战略资源，如何走出“数据孤岛”，实现资源的聚合利用？这就需要牵线搭桥的“月老”、掮客，提供跨界数据的对接方案。利用与数据平台公司的协议和授权，对应第三方机构的数据需求，中间数据商可跨界整合大数据资源。
1703928515
1703928516
除了主配角，这部戏余下的角色就只有龙套了。大数据的采集、存储、分析，在软硬件方面支出巨大，为传感器、存储器等硬件设备商，以及计算机软件和云平台提供方创造了极大的业务空间。别以为跑龙套的不起眼，或许这是个具有高性价比的工作。结合计算机系统的去“IOE运动”[5]，中国相关公司或许有更大成长机会。
1703928517
1703928519
反思大数据
1703928520
1703928521
有人认为，数据越多，问题越多，大数据也可能是大忽悠。《信号与噪声》中提到，尽管数据在快速增长，但是有用的信息却没有变化，增长的只是噪声。不看好大数据的人在想，客观信息或者真理是个恒量，数据却是个增量，执着于不断增长的数据，人类将会迷失自我。
1703928522
1703928523
另一个质疑，是大数据可能误导人类：神化程序与机器智能的后果，将是人类灵魂的自我放逐。有人认为忽略经验与直觉，一切唯数据是从，是一种大数据泡沫。譬如，对Netflix用大数据算出的美剧《纸牌屋》，有批评者认为这只是个噱头。电影工作者更是声称，大数据再厉害，也抹不去创意的价值。
1703928524
1703928525
这些观点无疑有其合理性，大数据当然不能统治人类，它只是一种服务于人类的思维、技术和工具。但是我们不能否认，在移动互联时代，大数据促进了信息挖掘、信息共享与信息透明，拓宽了人类对自然和自身的认知边界。只有更完整地认知事物，人类才能更有效地改造事物。也只有更好地认知人类这个客观存在，我们才能更好地把握民意与潮流，真正做到“为人民服务”。所以，大数据对人类的作用是协助而非奴役，把我们从无创意的工作中解放出来，更好地发挥创造力，这一点对金融投资业尤为重要。
1703928526
1703928528
未来不可预测
1703928529
1703928530
预测未来，这是个哲学命题。第一个疑问是，过去能否预测未来？就人类行为而言，这一点似乎是确信无疑。吃完饭后散步，晚上睡觉前网购，周末看场电影，还有个人审美偏好等，这些习惯与性格可能是固定的。通过对这些习惯与性格的分析，当然可以预测某人下一步行为。虽说“一个人不能两次跨入同一条河流”，但是前一次的跨入行为对下一次跨入仍有指导意义。
1703928531
1703928532
第二个疑问是，未来真不可测？预测的未来必然不等于未来，因为人们基于对未来的预测采取行动之后，实际上的未来又产生了相应变化。经济学里的蛛网模型讲的就是在有限理性的条件下，由于信息与决策的时滞，人类陷入决策的怪圈。
1703928533
1703928534
搜猪网通过信息技术搜集众多养猪户的养殖信息和疫情信息，汇总这些信息以后，再将分析结果返回给每个养猪户，给他们提供制定生产经营决策的支持。搜猪网作为养猪的大数据平台，为大户养猪提供了前所未有的信息资源，但这又改变了猪肉量价的蛛网轨迹。某些在搜猪网成立之前尚能预知猪价的养猪大户，曾在搜猪网上留言：“自从有了这些数据，我对肉价走势的预测就没对过。”
1703928535
1703928536
这个悖论对投资同样成立。当证券分析师集体乐观或者悲观时，市场总会走向反面。在2012年前三季度股市低迷之际，卖方策略分析师多数看空第四季度的市场，反而看多2013年第一季度。在这个时候，安信证券前策略分析师程定华有个论断，是对预测悖论最好的诠释：“当所有分析师都看好明年一季度，看空今年四季度时，要么行情提前，要么行情压根没有。”
1703928537
1703928538
就投资而言，大数据将永远是先行者的游戏。当大数据埋藏的信息为多数人发掘，它对未来的预测能力又将回到小数据时代的水平。大数据之于投资的意义，是快人一筹的洞察力和预见力，找的是其他投资群体的认知盲区。唯有如此，你预测的未来才与众不同，不会被相同预见者破坏，最终比别人更接近于未来。
1703928539
1703928540
未来不可预测，过往亦不可纠正
[
上一页 ]
[ :1.703928491e+09 ]
[
下一页 ]