第二、整個經濟現在已經從高速增長變成中速或者是勻速增長，在這種情況下，原來的移動端紅利、互聯網紅利以及整個經濟的紅利都沒有那么大了。對于企業來講，可能進入了一個零和博弈的時代，效率或者企業整體運營水平會變成核心競爭力； 第四、移動化，因為中國在移動化的方向上走界的最前面。我過去幾年一直在關注移動化的方向，所以按照我自己的經驗和判斷來看，中國在移動端的發展速度在全球應該是和美國并肩的，甚至在有些領域是領先美國的，所以在C端的經驗有可能用于B端。而在B端，其實有很多場景是沒有辦法用PC去解決的，因為很多行業，比如：餐館的服務員、快遞員、建筑工人、銷售等，其實它是一個移動驅動的過程或者場景，那么在這種情況下，過去PC解決不了的問題，在移動化的情況下可能得到比較好的解決。
P方面，國家統計局的數據顯示，近期大家熱議經濟新常態和“L型走勢”的同一時間，悄然發生了一個重大變化，2015年中國第三產業對P總量和增速的貢獻都超過50%，這是一個非常好的標志，發達國家第三產業對P的貢獻都比較高。 這意味著，從2015年開始服務業真正成為中國經濟最主要的支柱。要知道美國第三產業的P占整個P的比值是75% 以上，中國剛剛過50%，從這個角度來看，好日子還在后面。 組織方面，我們可以看企業規模的變化。最近五六年，企業的平均規模從2010年的110多人降到了2015年的60多人，減少了47% 。 就業方面，可以看職業者的數量。我沒有找到特別權威的統計，不過個體戶的數量在六年內翻了一倍多，從5400多萬增加到1.17億。在中國就業人口接近8 億的情況下，職業者大概占了八分之一，量還常大的。 個體就業和職業是非常好的失業率管控手段。雖然個體戶和職業者所帶來的稅收可能會少一些，但是對而言，保障就業比稅收收入更重要，個體就業和職業是失業率非常好的緩沖劑。 其次從企業需求角度看，創業潮興起，這也導致了企業規模變小。另外，企業本身面臨非常大的成本壓力。最近20年，中國就業人口的平均工資每年漲幅大約為13%-14%，控制企業規模也是一個剛需。 第三是勞動力供給的變化，目前70%的職業者都是85后，他們性格特質年輕，追求個性，討厭辦公室和朝九晚五，同時職業對他們而言是一個更優的收入分配模式。 第四是技術原因。從基礎工具、溝通工具、支付工具到交易平臺，再加上移動化的大趨勢，每一層的技術都變成熟了。 小結：經濟狀況、企業需求、勞動力供給和技術演進帶來了兩個結果：組織越變越��；職業和共享經濟的興起。
組織變小變扁平導致共性需求更多，因此做標準化的服務和產品更有可能。職業和共享經濟的興起，從供給側來講，當職業的供給多起來，會出現對應的工具和交易平臺；從需求側來講，組織變小，人變年輕，就要求個性化、高品質的服務或產品，也更加看重分享、協作和Social功能。 這些變化也帶來新機會。組織變小后，個人在組織里的身份和地位和他作為個體的身份和地位共性更多，B和C的界限開始模糊，很多業務可以比較自然地從B做到C，或者從C做到B。 關于大數據有一個很好的比喻，說它teenager ，所有人都在談論它，但可能沒有多少人知道怎么做；大家都以為別人在做，都對外號稱自己在做。我試圖講講我們的理解，數據服務從哪里來，哪里。
圖中有一條時間軸，軸的右邊是企業信息化，軸的左邊是基礎IT技術迭代。這期間我們經歷了三個階段，第一個階段是方法和理論，第二個階段是信息化，第三個階段是數據。 1915年批量經濟概念的提出和1934年確定訂貨點的統計方法，是工業生產中出現MRP（Material Requirement Planning）理論的理論準備。MRP理論即物料需求規劃理論，就是工廠生產中，先有一個主生產計劃，然后根據主生產計劃去協調采購、庫存。 直到20世紀40年代中葉，第一臺大型計算機才出現（它是軍方用來做彈道計算的）。此時計算機行業沒有給企業界帶來巨大的變化。1950年代末，美國制造行業的一些專家經理人成立了一個叫APICS的組織，這個組織成立幾年后，制造行業內部運行的流程理論MRP才開始形成。至此理論應該相對完善了。 但在這段時間里，計算機還沒有被普遍使用，理論到系統的發展比較慢，像1970年代成立的現界上最大的做ERP的公司SAP，他們最早的版本都是運行在大型機上，基礎技術沒有跟上迭代，影響了產品對用戶需求的滿足。 1980年代之后，產品端的MRPⅡ 系統出現，基礎技術又一次迭代，這一次迭代是PC進一步發展，微軟和Intel聯盟興起。 企業服務方向另一項關鍵技術的突破是，關系型數據庫的迅速發展，ERP領域另一家巨頭Oracle基本靠此起家。關系型數據庫的發展在企業服務中非常重要，因為信息化的核心任務之一是把企業運行過程中的數據記錄下來，建立數據庫。這個階段SAP已經上市了。 1990年代，基于PC和關系型數據庫的發展，ERP系統開始出現，這時可以說企業服務信息化領域的產品已經非常完善，同時技術又開始新一輪迭代。1990年代初互聯網的雛形出現，10年之后SaaS（軟件服務）興起。 在數據時代之前，我們能看到一個規律，即企業的需求一直都在而且比較超前，而只有基礎技術出現較大提升，才能出現滿足當時客戶需求的新產品。在這個過程中，企業的需求、產品和技術處于螺旋上升迭代的狀態。 以上回答了數據從哪里來的問題。迭代到最后一個時間點2008年，Gartner提出 “大數據” 概念。在這個時間點我們應該得到什么樣的產品？這是我們現在面臨的問題，我們走到這兒了，接下來我們會哪里？
我從三個維度分析數據。第一個維度是數據的整個流通、生產和分析的過程，可簡單分為采集數據、管理和分析、智能決策三個步驟。大部分的數據產品都可以歸類到其中一個或者幾個步驟。 第二個維度是行業，鑒于數據在不同行業里存在很大的不均衡性，所以不同行業里的數據切入點應該是不一樣的。那用什么標準去判斷這個行業從哪個點去切最好？我認為可能有幾個判斷標準，前三個標準是與數據相關的，后兩個標準是與業務相關的。 1、可數據化程度和速度；2、行業存量和增量數據的大小；3、數據業務的變現能力；4、在關于數據的工作上，過去是IT人員參與更多，現在業務人員參與更多。對數據服務提供商來說，IT很強可能還不夠，還要有比較多的行業know-how，甚至有行業專家；5、行業本身的變化要求數據的切入點不同。 按照五個維度，我把不同行業做了簡單mapping：農林牧漁、運輸和批發零售處于采集階段；醫療、安防、公共事業和制造業處于第二個階段到第三個階段的過程；最下面是金融、電信、廣告、狹義的TMT，狹義的TMT是指業務基本在線上，線下部分比較輕的服務。O2O和電商就不算狹義的TMT。 第三個維度是技術維度。它是變量，因為比較大的技術突破，有可能把某一個行業從一個階段推到另一個階段。 第一層的變量上，移動和IoT的發展能在數據采集上推動一個行業的發展。在移動和IoT發展之前，收集數據是一個非常難的過程，尤其是移動屬性非常強的行業，比如運輸行業，批發零售業等，工作不適合收集數據。舉個例子，司機天天在外面跑，讓他們守在桌子前輸數據不顯示。移動和IoT的出現，加速了數據采集的過程，使之從第一個階段走到第二個階段。 第二層的變量包括互聯網技術、分布式技術、NoSQL等等。還有一個非技術原因是國產化，去IOE，這一點表現比較明顯的是互聯網。 互聯網技術出現之前，金融和電信，這兩個行業本來就是IT技術非常成熟的行業，也是數據化程度非常高的行業。狹義TMT和廣告兩個行業基本上就是被互聯網技術從第二個階段推到了第三個階段。 第三層的一個重要變量是AI，如果AI做得好就能完成我上一張圖講的數據閉環，使得決策后的數據進行一次新的數據循環，從而讓AI更加智能。 一個的問題是，做AI的時候，究竟應該做泛AI，還是垂直AI，這個問題沒有，但是我們傾向于垂直AI。有三個挑選標準，第一是有明確的場景，第二是問題解決有明確的結果，第三是最好有一個數據循環。 所以，我們在看行業和數據的時候，大概會做一個mapping，即行業會停留在數據處理的哪個階段，技術變量在哪兒，能把它推到什么地方，新的技術變量是不是能從根本上提升行業的效率。 首先看流通行業的地位。從P貢獻率看，2013年起，批發零售業成為對P總量貢獻率僅次于工業的第二大單一產業。最近10年批發零售業的年度增幅都超過了13%, 而P的增幅過去是8%到10%，現在新常態變成了6% 到7%，可見零售業的平均增幅很快。但從2013年開始批發零售業的增幅開始變緩，這是它遇到的一個問題。 從流通行業對就業的貢獻來看，私營企業成為解決中國就業問題最重要的力量，而在私營和個人就業者中，從事流通行業的人數占40%。2015年的最新數據顯示有1.13億人從事流通行業的相關職業。 由此可見，大流通行業是一個非常重要的行業。但是這個行業如果沒有技術的迭代，真得不容易做。前面我也提到了，在移動和IoT出現之前，物流業和零售批發業相對原始，現在移動和IoT正在把流通行業從第一個階段推動到第二個階段甚至第三個階段。 其次流通行業本身正在發生變化。我們投資的兩家公司恰好代表了流通環節變化的兩個方向。諾信創聯做的是醫藥行業的流通和相關營銷，它代表監管流通這個方向；舟譜數據做的是快消行業，是極度市場化流通的方向，屬于兩個極端。 諾信創聯所在的醫藥行業受政策影響很大，除兩票制和藥品托管之外，對它影響比較大的有兩件事。第一，今年過完年國務院辦公廳發布批文，要求醫藥代表必須注冊、登記，并且只能從事醫學相關的學術和推廣活動，不能直接賣藥。第二是希望把醫療資源平攤到三線、四線甚至更偏遠的地方，讓更多的人享受到醫療服務，這樣一來基層醫院就變得越來越重要。但是過去許多藥廠就盯著三甲醫院，基層醫院的覆蓋度不夠，同時醫藥代表的手被捆住，市場活動應該如何開展，是比較大的問題。 舟譜所在的快消行業也碰到了問題。第一是用戶消費升級太快，傳統經銷和供應鏈的體系跟不上，所以廠商和經銷商很迷茫，不知道什么賣得好，也不知道自己賣得怎么樣，對手賣得怎么樣，應該怎么去改；第二是終端渠道的變化，基層變多意味著終端下沉，同時新的終端渠道出現，電商、O2O等渠道開始下沉，原有的幾層分銷渠道的效率受到很大挑戰。 應對這樣的變化，我認為新公司首先要做的就是尊重行業的合理規律。偏垂直行業的公司在跟傳統行業結合的時候，常常想傳統行業，打破傳統行業的格局。有時候我會對這種做法打一個問號。 流通行業的分銷體系在中國存在了二三十年，一定有它的合，偏上游的分銷商墊資的作用大，偏下游的分銷商則更多地承擔物流、倉儲、配送等功能。 這么多年來，他們承擔了各自的任務，現在有人要這個行業，甚至要把體系干掉重來。干掉不是不可以，但由于需求沒變，干掉體系的同時，必須要承擔被干掉的那部分責任和義務。以及，新公司是不是能比原有體系做得更好、更高效、成本更低？我覺得不一定。所以，我們更愿意投資尊重行業合理規律的公司。 為什么把這幾件事放在一起呢？其實大家如果從頭開始注冊過一家公司，到公司運營到一段時間后，大概就能明白線下這幾個行業其實是交叉在一起的。做工商注冊的公司很有可能免費幫助你做注冊，最后是為了將你帶到記賬以及人力資源那一塊的服務。而且這幾個行業現在存在著比較大的性機會，因為現在的基本現狀是公司數量眾多，但是都沒有形成比較大的規模�；谶@幾點判斷，我們覺得整個行業有比較大的整合機會。 我覺得還有其他幾個原因在于：衣食住行可能是C端比較好的或者是剛性的需求，對于企業來說，我其實也一直在找這種“高頻、剛需、穩定”的需求，從這個角度來講，其實財稅和人力資源服務可能是比較好能滿足這些條件的需求。因為財稅、人力資源服務其實是一個相對外在強制性的需求，但凡你要開一個公司，不管你有沒有利潤，你都要報稅，哪怕只有一個人，都需要發工資，正規情況下也需要給他交社保。 而且人力資源服務，我個人感覺有一個更好的地方在于，它能夠帶來比較大的資金沉淀。從這個角度來看，其實在能做的事情就不只企業服務那么簡單了。因為這可能會過一些交易，也可能會產生一些比較大的金融服務的機會。包括騰訊、阿里以及我們的友商其實今年都在人力資源領域做了不少的布局，尤其是在人力資源外包行業、薪酬、福利等方向，這些創業方向是很好的，但是誰能找到一個最高效的方式去完成這種服務，并且能成本足夠低，我覺得這可能是一個比較大的挑戰。 我個人比較看好的方向，也一直在尋找的標的，是工具協。工具協和協同工具之間的差別是什么呢？我覺得工具協本身有比較強的工具屬性，這個屬性不一定是為了協同而上的，它可能是為了解決某一個垂直行業或者某一個職業里面的某些需求，可能這個需求最好不只是由他本人能完成，而是把內外部的合作伙伴都拉到平臺上，接下來可能就會衍生出其他的機會。 大概的邏輯是這樣的：工具屬性解決了你作為某一個行業或者職業的從業者的需求，那么如果你把協同拉上來，在剛需的基礎上，其實就有了粘性，你本身作為工具的價值就會好了不少，并且同時在協作的過程中難免會有數據的留存，這樣粘性會更加高。接下來可能就會衍生出比較多的機會，包括在工具衍生出交易市場、招聘、教育或者職業培訓等方面的需求，我覺得都有可能變成一件比較大的事，而且由于工具本身可能帶有比較強的職業或者行業屬性，那么這種機會可能比較多的會在垂直行業里面產生。 還有一塊機會也是我一直看好，但是還沒有看到比較好的投資標的的一個機會，就是在營銷方面。我們可以看到在美國的SaaS或者企業服務的上市公司里面，除了廣告公司之外，其實做營銷工具的有若干家10億美金以上的上市公司。但是在中國，這個領域還沒有發展起來。 我覺得這可能是一個比較好的點，因為它實際上和企業的收入是直接相關的。從我自己的角度來判斷，差不多是這樣來排序的。對于企業來講，如果你幫助它做開源，要好于對企業做節流；如果你幫助企業做節流，要好于單純的效率提升。從這個角度來說，其實營銷和銷售是綁的比較緊的，但是在這個方向上其實我一直沒有找到特別好的公司。 另外一塊是企業IT，這一塊我們的投資人張矩看的比較多，他自己也有比較長的企業IT方面的從業經驗，自己也做過創業，也在大公司干過，也做過孵化以及投資人，行業經驗非常豐富。我引用一下他之前在我們內部分享講的一段話，我覺得特別對，這也是我們看好企業服務的另外一個比較重要的原因：其實整個企業服務投資是一個嘗新的過程，只不過我們遵循了一個螺旋式上升的規則來投資。 原因也很簡單，因為隨著的變化和技術的提升以及大家對目標追求的越來越高，必然會導致需求有變化，也必然會帶來技術上的更新。其實每一次需求的變化都會帶來比較大的技術上的更新，比如過去的數據量不大，可能用單機就可以做了，數據量大的時候，可能對于單機的性能就會有一些要求，再大量的話，可能就要多用一個機群去算。在算的過程中，可能我們也經歷了很多的迭代，從單機計算到后來的MapReduce，再到后來的Spark，越算越快。我們最近也投資了一家公司，他們做出來的指標在某些領域上其實比Spark還要好。這種需求從根本上來說就是為了算得更快、更好、更準。由于需求在不斷提升，所以新的技術、產品也在不斷提升，這方面的機會是比較大的。 在企業IT領域，安全也是我們特別看好的一個方向，我們也在這方面非常積極的做投資和布局。因為隨著數據量的不斷增大，并且數據越來越成為公司非常核心的資產時，相關的安全需求，包括碰到的問題和困難也會越來越多，那么在這個領域我們覺得會有非常大的機會存在。 最后再講一下交易平臺，其實我們在B2B交易方面的投資不是特別多，原因也相對簡單，因為現在市面上能看到的比較多的B2B交易平臺常見的做法是先通過撮合，GMV達到一定程度以后，一方面可以在下游抓需求，另一方面在上游控制供應端，一步步往上走，最后做自營，公司主要的收入和利潤可能來自于自營。 但是在這種模式上可能面臨一個挑戰，現在相對比較多的B2B交易可能集中在非常成熟的產品或者工業原材料這兩個領域： 第二、這些傳統行業在線下已經存在了比較長的時間，每一個環節抽取的毛利其實都對應著他在中間做了很多事情，如果我們做了一個B2B交易平臺把這些中間商或者中介全部去掉的話，那么這部分人所做的工作其實是需要平臺來承擔的，那么平臺是不是能夠提供一個比過去傳統模式更加高效的一個模式，包括時間和經濟上的高效，這件事情其實是存在疑問的。 所以，我們其實更傾向于去找中間有相對大一點的毛利空間，并且能盡量在中間產生比較大的增值部分的B2B企業。具體舉例子可能不太好舉，但是我們希望平臺本身除了交易之外能夠產生其他的價值，比如：粗加工、精加工等，如果是這種模式，我們覺得它的價值、門檻會高一些。 比特幣的價格十分不穩定，一會暴跌一會又回升。對此，多家比特幣交易平臺日前宣布調整交易手續費。 推薦：
|
