📖 ZKIZ Archives

準獨角獸公司薪酬報告：營銷崗飽受沖擊 技術崗依然堅挺

11月2日消息，由IDG資本官方微信發布消息稱，2016年度《中國準獨角獸公司薪酬調研報告》今日正式出爐。薪酬調研項目自今年6月啟動以來，共有1036家公司通過IDG資本微信公眾號和拉勾網平臺報名。最終有效參與數據提交的150家企業涉及電子商務、互聯網金融、企業服務、O2O等12個熱門領域，融資輪次涵蓋互聯網創業企業發展的各主要階段，地域範圍覆蓋國內多個一、二線城市。

下面是該報告根據數據調查出來的中國準獨角獸公司薪酬問題幾大特點：

非創始人CEO的總現金薪酬是創始人CEO的 2.2 倍

以CEO崗位 50 分位薪酬水平為例，非創始人CEO總現金薪酬約為創始人CEO總現金薪酬的 2.2 倍。如此巨大的薪酬差異，一方面，反映出創始人角色的“事業導向”，另一方面，這也與創始人持有的大量“股權”相關;長期來看，創始人所持有的股權可能為其帶來遠比現金薪酬豐厚得多的收益和回報。

商務營銷崗最先被開刀

受整個創業資本融資市場低迷以及企業裁員影響，與2015年相比，商務營銷類個人貢獻類崗位所受沖擊最大。

其中，商務營銷管理類崗位年度總體薪酬與2015年基本持平，略有上浮;個人貢獻類商務營銷崗位年度總體薪酬則大幅跳水，S2 和S1分別下降 45%和 14 %，這與從2014年下半年開始的大量創業企業經營規模收縮呈正相關。

2016年與2015年市場營銷類崗位實際總現金薪酬50分位對比：

產品管理崗高端人才總現金薪酬大幅上漲

與營銷類崗位飽受沖擊相比，產品類崗位個人貢獻者薪酬與2015年重合度很高，而管理類產品崗卻逆勢強勁上揚，M3 和 M2 的年度實際總現金薪酬漲幅分別高達 59%和 46%，優秀的資深產品經理難求，各公司不惜重金爭搶。

2016年與2015年產品管理類崗位實際總現金薪酬50分位對比：

技術崗在寒冬依然堅挺走高

不管2016年的資本寒冬讓多少創業企業輝煌不再，技術類崗位薪酬持續堅挺走高，鮮受裁員和降薪影響。

以移動端 iOS 開發為例，其中 M2 年度現金總薪酬漲幅達到 68%;Android 開發 P2、P3的年度現金總薪酬漲幅約在 10%左右，可見業內公司對於關鍵崗位薪酬資源的投入持續增加。

2016年與2015年iOS開發崗實際總現金薪酬50分位對比：

2016年與2015年Android開發崗實際總現金薪酬50分位對比：

期權價格為公司估值 3-6 折

長期激勵方面，期權依然是最主要的激勵工具。在激勵對象篩選的過程中，崗位價值、績效水平以及入職時間是三個最主要的考慮因素。此外，近八成的公司在成立的 2 年之內即進行股權激勵的首次授予。

在授予價格方面，部分企業采用“極低行權價格”作為股權激勵的授予價格，這與公司在發展的早期階段授予股權激勵有一定的關系。此外，還有相當比例的公司采用“融資價格”或者“融資價格的一定折扣”作為股權激勵的授予價格。市場上較為常見的股權激勵授予價格為融資價格的 30%-60% 。

通吃二手車電商市場，這家估值2.5億美元的大數據公司是下個獨角獸嗎？

楊潔 2016-11-14 14:19

一個“數據驅動”的新時代正在來臨。

前幾年，“大數據”在更多的人眼中，還是個不知所雲的噱頭。而如今，“用數據說話”已經深入人心。當然，和之前2C領域紅火的投資熱度相比，時至今日，大數據還是無法與之比肩。這固然有進入的技術門檻和行業限制，但是，數據的價值在國內，仍然無法得到完全發揮，也是個不爭的事實。

但是，先行者們已經走在路上。創業家&i黑馬根據公開資料粗略統計，僅僅在2016年上半年，就已經產生了24起融資事件。而且，在這個領域，大多的融資量級達到上億，而且參與投資的，都是經緯、紅杉、君聯資本等頂級投資機構。

2013年成立的海致BDP（Business Data Platform）就是上半年獲得融資的大數據公司中的一家。今年2月，它完成了C輪3000萬美元融資，估值達到2.5億美元，成為當前國內估值最高的大數據公司之一。而意欲突破老牌BI公司的它，能夠成為下一位獨角獸嗎？

在風起之前就入場

在創辦海致BDP之前，計劃離開美麗說的胡嵩正處在職業生涯的選擇路口。

但這不是他的第一次選擇了。兩年多以前，在老朋友徐易容的邀請下，胡嵩加入美麗說，擔任總架構師、無線事業部總經理，組建了無線產品技術團隊，並在一年中，將美麗說的APP做到了百萬日活。

這對胡嵩來說，並不是什麽困難的事。畢竟在此之前，他就是百度的移動互聯網事業部總架構師，也是移動搜索產品的技術負責人。但他並不認為，這就是自己想要追求的事業。

之所以加入美麗說，一是因為徐易容的相邀，二是移動互聯網正當風口，其三，也是胡嵩想體驗，從一個比較成熟的大公司到一個相對早期的創業公司，“參與創業”的感受。

在入職之前，他和徐易容約定“只做兩年”。而到他離開創辦海致，時間恰好過去了差不多兩年。

在風口行業工作過，從一個技術人員到積累了商業感覺，體驗了創業公司的做法與成長，胡嵩開始思考下一步的走法。程序員出身的他，在百度工作時就密切關註大數據、機器學習等，所以胡嵩還是希望能夠回歸技術，回到自己擅長的領域。

創業的時機和機遇也很重要。而從美麗說戰鬥過後，“我對女性產品的感覺還是不太多。”胡嵩笑言。在當時已經漸漸風起的團購、O2O等消費類項目，也同樣被他認為不適合自己的風格。就在這時，胡嵩和正在籌備新公司的任旭陽相遇了。

任旭陽是百度元老，而他在投資和創業方面的成績也可圈可點。當年的愛奇藝，也是由他牽頭創辦。2010年，任旭陽赴美國斯坦福大學學習一年，回國後的任旭陽決定辭職創業，一點資訊就是他旗下的第一個項目。

而在2013年，任旭陽開始準備打造第二家創業公司，而這次，他把目光投向了企業級服務和大數據領域，而這，正和胡嵩的想法不謀而合。公司成立後，任旭陽負責公司戰略與融資，胡嵩負責產品技術與商務。

但在那時，他們的想法還是屬於“吃螃蟹”的那一類。彼時，“大數據”這個概念開始興起不過三四年時間，只存在於IBM等國際巨頭的傳播上。國內的雲計算廠商，在技術、平臺、數據庫、網絡設備上都被國外同行拉下了一大段距離，盡管國內的電商、團購O2O、遊戲等行業風起雲湧，但是如何利用數據來解決企業內的管理問題，大多數人對此仍然是一臉懵懂。傳統軟件之外，企業級服務，當時幾乎沒有什麽聲音。

這也是胡嵩佩服任旭陽之處。“他在跟我聊的時候，已經有要做的產品PPT了。其中的幾個關鍵詞，一個就是企業級，一個是大數據，還有一個就是消費整合。後來我們發現，這三個點當時都恰好處於萌芽狀態。我們確實是在風起之前已經在那兒了。”

能在風起前入場，這需要的是戰略性的眼光。而事實也證明，國內企業對雲計算和大數據的需求，當時也正走到了轉折點。

海致BDP初創階段的2013-2014年，正是處於一個國內雲計算與大數據行業發展的節點上。雲計算已經初步打下基礎，“互聯網化”在企業中開始普及，傳統SaaS公司開始向移動轉型。

而與之相伴隨的，就是國內企業用戶的改變。移動終端智能化占比上升，SaaS企業服務平臺成為企業互聯網化的起點。

“到2013年的時候，經濟轉型出現端倪，傳統的粗放式的、出口的、低價的，以人力成本為核心優勢的企業競爭模式已經過時了。到2014年的時候，這個趨勢開始顯現。新的我們稱之為互聯網+或者泛互聯網企業興起，它們帶來的，就是用互聯網的技術加上數據驅動的理念，去改造傳統行業的理念。”胡嵩說。

海致BDP總裁胡嵩

“通吃”二手車電商市場背後

現在，在二手車電商人人車中，上到CEO，下到地區區域經理，基本上每一個人都有一個BDP的帳號，每天起床的第一件事情就是看數據。

人人車CEO李健也不止一次在業內會議上提到過，數據驅動使得自己的運營效率比其他公司要高上一倍。

海致BDP和傳統的BI軟件不同，它打造統一的數據平臺，提供高性能雲端實時分析，讓企業里的數據通過自己平臺的計算，能夠可視化直觀呈現。它能一鍵聯通企業內部數據庫、Excel及各種外部數據，在同一個雲平臺上進行多維度分析，實現億行數據、秒級響應。

人人車通過海致BDP，能夠對車主信息、車輛信息、買車人信息等數據進行整合分析。同時人人車的各個營銷渠道的投放、帶來的流量，以及銷售線索和實際交易轉化，都能進行精準分析。這樣，公司的整體投入產出比，也就是ROI，也就能夠得到完整呈現，並且可以不斷有針對性地優化方案，提高運營效率。

而當初，任旭陽和胡嵩確定了企業級服務這個方向後，做什麽產品出來，對他們而言，也還是一個需要打磨和試錯的過程。

胡嵩告訴創業家&i黑馬，最初他們的想法是延續自己在搜索領域的長處和優勢，做一個類似於企業垂直搜索引擎的產品“商情匯”，通過整合外部的數據，幫助企業去掌握商業環境的變化，然後去發現商機。例如說，將企業的供貨信息推送給行業內有采購需求的一方，或把采購信息推送給供貨方。

但當產品原型出來與尋找客戶體驗後，這個方向就被叫停了。“在互聯網上公開的產品供需的信息太少，尤其是具有真實性和時效性的數據太少，它沒有辦法滿足客戶的預期。”胡嵩說。

但這反而開辟了他們新的思路。“這次碰壁的原因就是因為外部數據的不完善，我們就轉而想到了企業內部的數據——已經有大量的內部數據的那些企業，它有沒有在這些數據上去做分析、挖掘的需求呢？”經過了一輪新的調研，到了2014年初，在公司成立半年之後，海致BDP的產品方向最終出爐。2014年7月，產品1.0版上線。在這之後，海致BDP保持了每周叠代一個版本的速度，一直至今。

自從2014年底，海致BDP的第一個客戶接入，到現在為止，海致BDP的客戶已經達到3000家左右。包括58到家、知乎、春雨醫生、百合網、每日優鮮等，以及雀巢、伊利、華聯超市等傳統企業，都采用了海致BDP的大數據分析服務。

人人車是海致BDP服務的第一家二手車電商公司。但隨後，這種應用大數據分析的方式迅速蔓延到了業內其他的公司。目前，瓜子二手車、優信二手車、好車無憂等公司也都是海致BDP的客戶，二手車電商行業已經幾乎被“一網打盡”。

效率革命：泛互聯網企業的百億市場

在胡嵩的眼中，海致BDP未來所面臨的，是一個百億規模的市場。

對於海致BDP的客戶群體，胡嵩概括為“泛互聯網類”的行業客戶。它們的業務可能各有不同，但是，它們都有著共同的特點，那就是有著極強的互聯網基因。

“一方面，它們的團隊之中大多數都是來自互聯網行業的年輕人，人員素質和技術能力較強，核心人員對數據驅動的管理理念也比較前沿。”胡嵩總結，“另一方面，它們的業務也偏互聯網化，業務的規模單量會非常大，它對於數據分析的需求就會比較強。”

“我在美麗說時，就體驗過搭建一個平臺的難度。”胡嵩告訴創業家&i黑馬，“如果我要清晰地告訴老板，我投放出去的錢的效果怎麽樣，就必須得有一個實時的數據分析平臺告訴我，渠道的投放、各個版本的留存，包括點擊轉化，而這需要企業人力財力的大量投入。而現在，我用SaaS去提供這樣的服務，企業能夠節省大量的資金，卻獲得更好的服務。”

因此，中等規模的公司也成為海致BDP的主要服務對象。“超大型的公司，會自建自己的數據團隊，很難成為典型客戶。小微型的，還在為獲客而奔波，數據量也不夠。一般來說，A輪以上的互聯網公司，或者年銷售額在1億元以上的傳統給企業，會是我們的主要客戶群體。”

開發自己的數據系統，擁有自己的數據分析師和技術團隊，而這樣的成本是中小企業所難以負擔的。而對於急於發展的它們而言，這也並不是它們所必須擁有的核心業務技能。因此，尋找第三方服務商，使用付費的SaaS服務，逐漸為更多的企業所接受。

擺在海致BDP這樣的數據分析平臺們面前的，就是這樣一個規模巨大又亟待開發的市場。

而海致在選擇客戶上，也仍然細心且謹慎。它會考察客戶行業的規模是否足夠大，企業數據的量級是否達到一定程度，業務是否有前景。“泡沫較多的行業，比如P2P，我們是不會去做的。”胡嵩說。

胡嵩現在看好的，是下一個效率革命的時代，產生的大數據分析動力。

當移動創業的人口紅利和社交紅利在慢慢消逝之時，數據將成為新的企業收益來源，在數據分析和應用方面的部署將成為新的競爭焦點。

“假設一個公司應用了這樣的產品，將自己整體經營的每一個環節都IT化，基於這些IT化沈澱下來的數據，做細致地分析，不斷地去打磨每一個鏈條的效率。每一個環節效率比其他同行公司高1%，那麽鏈條越長的商業活動，它的總效率就會越高。”胡嵩說，“這就把商業競爭改變成了效率之爭。”

盡管有著資本和市場的支撐，但國內大數據分析公司們所面對的，還是一個前途尚未明朗的未來。大數據行業在國內還屬於起步階段，數據源缺失和市場教育等問題還需要解決，在國內，也尚沒有和Palantir等類似的獨角獸公司出現。

“從基礎技術方面來講，我們和美國的差距並不大。”胡嵩沈吟說，“但是，早在十幾年前，美國就出現了Salesforce這樣的公司。我們現在的市場成熟度及規模和美國相比，落後了5-10年。”

中國企業客戶的發展尚未成熟，胡嵩認為是目前大數據類公司發展最大的限制。在經營理念、管理方式和數據基礎上，許多企業仍是相對粗放和落後的，“為什麽2B市場現在還沒有巨頭？因為土壤還不完善。等待我們服務的對象發展起來，必然是個相對比較漫長的過程。”

“也許5年之後，這個行業里，會出現國內的獨角獸。”胡嵩說，“我希望海致BDP就是其中一家。”

文章評論

匿名用戶

發布

全部評論：10

發布

到處都是恐婚單身狗，婚慶行業還能出現獨角獸嘛？

峰瑞資本 2016-11-30 10:13

本文系微信公眾號峰瑞資本（ID: freesvc）授權i黑馬發布。

黃海，峰瑞資本副總裁。加入峰瑞資本前，他在 IDG 資本擔任早期項目投資負責人。黃海側重於電商、共享經濟，O2O 等領域的投資，他主導和參與投資的項目包括：友道財富、順順留學、快服務、百場匯，V. Photos 等等。

本文選自黃海在 2016 中國婚嫁行業 “+互聯網” 創新大會的演講

在座各位都是婚嫁領域資深的從業者和專家，我們作為投資人只能從外圍觀察這個行業。從外圍看有利有弊，弊端在於我們缺乏對行業運作細節的深入了解，優勢在於我們能夠從一些更加宏觀的角度，發現更加趨勢性、結構性的問題。

我想就中低頻服務業消費升級的投資邏輯分享我們的看法。婚嫁行業屬於 O2O 領域聚焦用戶中低頻需求的服務業。和婚嫁行業處於類似賽道的，還有攝影行業、教育行業。雖然不同行業面臨的具體的情況不太一樣，但是可以分析和把握其中的很多共性。

/ 01 /

催生創業機會的 4 種宏觀驅動力

從宏觀的角度來看，大致有 4 類驅動力催生著創業機會：科技創新、模式創新，產業效率提升，還有隨著社會發展所帶來的觀念升級。

我們逐一來看，科技創新很容易理解，互聯網、搜索、移動互聯網都屬於科技的創新。模式創新也無須贅述，像滴滴出行、團購，都是基於科技發展衍生出的模式創新。產業效率方面，我們會看到包括 “找鋼網” 在內的很多 B2B 平臺都在幫助提升特定行業的效率。

消費升級是峰瑞資本重點布局的賽道。我們認為，消費升級是由第 4 類驅動力催生的，因為人們的收入和生活水平有了提升，所以大家會追求更好的服務。

相比而言，模式創新是裂變的形態，能夠快速成長，比如滴滴出行可能用 4 年就能做到很大的體量，美團可能也就 5-6 年。

但是我們回看消費升級，它是漸變式的發展，需要和時間做朋友。人們消費能力的升級不能一蹴而就，昨天你還在買 100 塊錢的東西，不可能今天就能買 1 萬塊錢的東西。所以在投資消費升級的過程中，我們需要有充分的耐心，紮紮實實地看到項目對行業本身的改造，等待事情慢慢發展出成果。現在不可能像三四年前移動互聯網剛剛發展的時候，能有那麽大的紅利，去快速推動一些項目估值翻倍。

基於這樣的一個認識，我們會有第二個認識：消費升級覆蓋的人群不可能像當初的互聯網創業項目那麽廣泛。這個很好理解，任何一個項目的商業價值構成其實很簡單，就等於兩個數乘在一起：一是用戶數量，二是每個用戶貢獻的價值。所有的項目都是這樣。

我們發現，過去十多年中，中國的互聯網創業項目一直在優化第一個參數。我們一直在關註產品的用戶數量以及用戶的活躍度。第一，因為流量紅利衰竭，很多項目不可能短期內獲得太多的用戶。第二，從消費升級的本質特征來看，需要先聚攏垂直細分的群體。比如海外婚禮的用戶，就是一類非常垂直、快速增長的群體，但起初它的用戶量不會特別大。所以，看一個消費升級項目，我們看的是它能否通過一個細分的點切入，把服務和口碑做好，從而優化提升每位用戶貢獻的價值。

這些特征在婚慶行業都體現得很明顯，因為它的客單價比較高，可能達到 5-10 萬。優化用戶數量參數的年代已經過去了，我們要想辦法在商業模式當中，從每一單的交易中獲得更多的利潤。無論投資還是創業，大家都可以從這個方向思考，因為已經不可能再在短時間內獲得大規模的用戶了。

/ 02 /

中低頻 O2O 服務的 4 大切入點

具體而言，包括婚慶行業在內的中低頻 O2O 行業大體上存在 4 類切入模式。我們也在不斷地思考，哪種模式機會更大。

▌第一種模式是流量分發，做類似媒體的角色，進行廣告展示。

這類項目其實比較適合大公司，因為大公司沈澱的流量比較多，時間也比較長。像大眾點評和百度這樣的大型互聯網公司切入婚慶領域之後，已經有比較可觀的盈利。所以創業公司要從流量角度切入需要相對謹慎。

這種方式主要是以廣告為主的商業模式運作，並沒有改造服務行業本身。我們進一步看會發現，隨著對行業服務本身切入的增加，服務參與的深度和改造會不一樣。

▌第二種模式是服務撮合平臺，連接供給方和用戶。

平臺可以在這當中做內容、社區、工具方面的嘗試。婚慶行業比較容易做內容社區，這點不用多說。通過服務撮合平臺這種方式把婚慶行業當中的，或者各個中低頻 O2O 行業中的服務者和消費者連接在一起。是否能形成交易閉環，則視每個行業的具體特點而定。

這種商業模式抽取的費用可能不僅僅是以撮合為基礎的廣告費，如果能做到有交易閉環的話，還會有交易傭金，對整個服務鏈條的切入也會更加深入。

▲ 打車軟件是典型的服務撮合型平臺。

▌第三種模式是通過互聯網來提升行業效率，直接做服務商，這也是最深入的一種切入方式。

就像我們投過的很多家教 O2O 或者留學 O2O 公司，其實有很多自營老師或顧問，是能夠直接為用戶服務的。

婚慶行業也是同樣的邏輯。比如公司本身能夠提供攝影師。這種公司對服務的改造和升級是更加徹底的，能夠從整個服務收費中抽取的費用也是更高的。所以我們會傾向於從抽成比例這個角度去分析每一種商業模式。

另外一個角度是從可擴張性和發展速度來看，做平臺是最輕也是最快的，做服務可能是最重的。大概是這樣一個分析框架。

▌第四種模式是 To B 模式，就是為傳統公司搭建 SaaS 系統。

這類模式在美國比較常見，因為美國的服務業比較發達，可以升級改造的空間沒有那麽多。以婚慶行業為例，在美國基本上看不到以第二種模式或者第三種模式為主的創業公司拿到融資，或者說做到比較大的體量，倒是有不少公司從第四類模式出發，做 To B 服務。

下面重點分析一下第二類和第三類模式當中有哪些值得我們註意的點。

我們先來看第二類服務撮合平臺這個模式。在做服務撮合平臺的過程中，我們覺得是否能滿足以下幾個方面，某種程度上決定了這個行業或者這個項目是否能夠做起來以及做起來的難度高低。

我跟婚嫁同窗班長鄭榮翔交流過，發現從兩三年前開始到現在，婚慶行業沒有特別大的改變，在過去一年當中也沒有發生太多特別的事。給我的啟發是，其實每個行業都有自己的特點，它的速度不可能像別的行業一樣快。

第一點，如果服務撮合平臺所針對的行業是分散供給對應分散需求的話，能做起來的可能性會比較大。我舉個反面的例子，票務 O2O 的創業項目很難做起來，就是因為它的供給端電影院不是分散的。可能整個北京只有幾百家電影院，大公司比較容易獲取這些資源，即使小公司先獲取，也很容易被競爭對手超越或者顛覆。但如果是出租車這種全國有幾十萬、上百萬分散的供給端的情況，就比較容易做起來。

第二點，要滿足用戶動態的變化需求。一個需求動態變化的平臺會比一個需求穩定的平臺要更加容易做起來。道理也非常簡單，比如就家政 O2O 來說，家政阿姨如果表現好我會一直用，我就不需要用平臺再叫新的阿姨了。從這個角度來看，家政類的 O2O 最近一兩年過得不太好，也跟用戶需求相對穩定這個因素有關。

▲ Airbnb 提供的服務差異化明顯。

第三點，服務要存在差異，並且最好能夠用互聯網把這種差異很好地表達出來。服務行業當中典型能夠體現差異化的就是利用評分、口碑，展示不同服務商提供服務的能力。比如 Airbnb，它是中低頻服務撮合平臺的標桿，它在商業模式上優於 Uber，直接用圖片就能把不同房子的區別展示得一清二楚，服務上非常具有差異性，用戶願意為更好的服務付更多的錢。

最後一點，需要看管理供給方的難度。這一點也是婚慶行業接下來需要解決的一個問題。前三點在婚慶行業中問題不算太大，但第四點可能是影響婚慶行業發展速度的主要原因，它上遊的供給相對分散。整個婚慶服務流程的鏈條比較複雜，包括策劃、攝影、婚紗、花藝、舞臺搭建等環節在內，需要由不同人去滿足這個服務流程。所以在做供給端管理的時候是需要更多的難度和心思的，也是制約行業發展速度比較主要的因素。

從以上這幾個角度來看，我們發現婚慶的行業市場很大，供給端也足夠分散，用戶的需求點也比較多。這種 “分散” 既是婚慶行業的機會，也加大了我們改造它的難度。

如果拿教育類的 O2O 項目做比較，它只需要關註老師和學生這兩端，老師提供服務的過程就是他自己去傳授知識的過程，這個過程是相對簡單的。但是婚慶不可能由一個人提供所有的服務，必須要牽扯到這個鏈條當中各種相關的資源方，這是我們要解決的一個核心的問題。

/ 03 /

改造婚慶這樣的中低頻服務業，互聯網能做什麽？

再來分享我們對通過互聯網的方式做服務商這種模式的看法，也就是不做撮合平臺，而是提供自營的服務。對這樣的項目我們會思考的一個核心問題是：線下行業如何能夠被互聯網升級？線下已經存在很多相關的競爭對手了，如果一個新型服務商跟以往的線下服務商沒有太多服務上的區別，投資人為什麽要投一個這樣的項目？

我覺得答案是：IT 系統或者說互聯網能在多大程度上提升服務行業的效率，促進效率提升的點又在什麽地方？

首先，互聯網可以提升獲客效率。我們可以通過在線精準投放廣告的方式，也可以做內容營銷，或者用線上社群積累品牌口碑，從而降低獲客成本。

其次，互聯網以及 IT 系統能夠提升服務能力。比如在婚慶行業，現場搭建會牽扯到很多方面的供應商，很多公司是用 Excel 表格來管理供應商的。Excel 表格的一個核心問題在於不能實時更新，就是說不能及時確定婚禮主持人今天是否有空，某個物資在倉庫里有沒有剩余。這種原始的管理方式就會影響協調的效率，如果有一個很好的內部管理系統的話，就能夠把效率提升上去。

▲ IT 系統幫助企業提升服務效率。

最後一點，也是我們一直在思考的問題：服務行業的擴張性是怎樣的？我們發現很少出現全國連鎖性的婚慶機構，我們需要明確，到底未來會出現新的轉機，還是說行業本質決定它不會出現大規模的連鎖機構？

我們再拿教育行業做類比，在好未來和學而思成立之前，中國沒有全國性的教育培訓機構。某個行業一旦突破了擴張的門檻之後，在中國這麽大的一個市場容量當中，規模就會變得非常可觀。

今天的婚慶行業會不會像十年前的教育行業一樣，能夠迎來一撥連鎖化或者品牌化的發展，這是我們一直在思考的問題。我相信互聯網在這個過程當中也肯定會充當一個比較重要的作用，比如降低管理溝通以及跨地域協作的成本。

以上是我們對於做互聯網服務提供商或者基於 IT 系統去做服務這類模式的思考。

/ 04 /

案例分析——V. Photos

我們認為，從中長期來看，在大部分中低頻行業當中，服務撮合平臺和互聯網服務提供商這兩類模式最後會趨同。很多行業的現狀都在印證這一點，自營或者邀請第三方加盟，在公司發展到中後期階段都是會並存的。因為做平臺能夠提升公司的發展速度，而做自營能夠提升服務質量和毛利率。

最後，我簡單地介紹一個我們在婚慶相關行業里面投資過的案例，來講明白我們怎麽思考這個行業的問題。

V.Photos，他們屬於攝影類的 O2O 項目，是婚慶服務當中的一個分支。他們攝影師手里拿的相機里有智能硬件，拍攝的照片能夠同步上傳到雲端，大家關註公眾號就能即時獲得現場活動的照片，分享到朋友圈。婚宴現場人非常多、比較混亂，來參加婚宴的親朋好友比較難在現場就獲得高質量的照片。這個服務就是從用戶的角度出發，幫助參加婚禮的用戶把這些美好時刻記錄下來，並且及時分享出去。

從投資分析的角度來看，為什麽我們覺得 V.Photos 是有亮點的項目？首先，婚慶、公關、垂直行業活動的拍攝需求是非常分散的。在供給端方面，因為他們能夠提供專業的攝影師以及攝影設備，可以很好地做供應端管理。在客戶體驗差異化方面，活動現場的每位參與者都能第一時間拿到照片並把照片分享出去。

以上是我們長期總結下來的投資決策框架以及具體的案例分析，感謝各位的傾聽。

文章評論

匿名用戶

發布

全部評論：10

發布

他預見了這個矽谷獨角獸騙局

創業家 2016-12-12 09:30

12月9日，多家海內外媒體，包括The Information等，報道稱AR公司Magic Leap根本沒有做出所謂的增強現實產品，所有的產品效果視頻都是一家叫Weta的視覺特效公司制作的，一時業界嘩然。這是一家先後拿了谷歌、阿里巴巴、摩根斯坦利等知名公司和風投機構合計14億美元、估值高達45億美元的公司，雖然公司創始人連發幾十條推文辯解，但Magic Leap已然有了“騙子公司”的嫌疑。

這不是孤例。

矽谷另外一家由斯坦福大學畢業的美女霍爾姆斯擔綱CEO的血液檢測公司Theranos，號稱不需要從靜脈取血，只需要在指尖取“幾滴血”即可完成200多種檢測。這項所謂的新技術，既減少了血液儲存運輸成本，檢測時間也由過去的十幾個小時縮短到4 小時，單次驗血收費更只有2.99美元，還不到傳統驗血價格的一半。這家公司很快拿到了甲骨文公司創始人的投資，估值迅速漲到90億美元。但2015年10月，曾兩獲普利策獎的記者John Carreyrou 撰寫報道揭露Theranos的檢驗儀器檢驗結果有嚴重偏差。

2016年1月美國醫保與醫療救助服務中心對Theranos的檢測儀器重新調查，結果顯示Theranos公司的實驗室在操作過程和化驗結果中都存在大量缺陷。此後，Theranos遭到索賠數額達上億美元的訴訟。今年6月，《福布斯》把去年曾經高居美國白手起家女富豪首位的霍爾姆斯的個人估值從45億美金調整至“0”。霍爾姆斯財富神話破滅，Theranos被認為典型的矽谷騙子公司。

楊寧是中國青年天使會的會長、樂博資本創始合夥人，他曾帶中國投資人到美國矽谷看人工智能等高科技項目，也遇到了矽谷的騙子公司。10月26日下午，他曾在黑馬營課堂上（黑馬營14期將在12月14-16日開課，敬請期待）做過幹貨和血淚分享：《如何識別矽谷的騙子公司》。他準確地預見了Magic Leap這家獨角獸公司的“騙局”。

互聯網時代買了站票，人工智能時代要買商務艙

（中國）互聯網發展十幾年之後，我感覺差不多快“翻篇”了。我們現在所看到的這些冒出來的機會，不管是滴滴，還是Uber、OFO、摩拜、直播，這些都屬於互聯網大行情里面邊角料的機會，很難真正在互聯網主戰場幹掉那三大(BAT)，因為它們已經具有碾壓式的優勢。

我是最早在中國看到互聯網機會的人（之一），1999年跟兩個同學做了ChinaRen，比李彥宏還早。李彥宏回國的時候，我已經把ChinaRen並購到搜狐。當時李彥宏找我，說能不能在搜狐的首頁上掛上百度的搜索引擎。我當時是搜狐的CTO，還管這事兒，所以我還幫了李彥宏。

我就感到非常郁悶。這就好像高鐵要開通了，我起得特別早，排隊買了票，上車以後我看到馬化騰、李彥宏、馬雲，在商務艙觀光座躺著，很開心，我在旁邊站著。互聯網這個高鐵我是坐上了，也上了市，也賣了公司，套了現。但是，是個站票。

最近我聽說開始修人工智能的高鐵了。這次我看清楚了，得買個商務座。我開始大量的在人工智能上買票，買這麽多票一定有個商務座吧。為什麽這麽說呢？整個大的（人工智能）浪潮，從2013年慢慢開始湧動，基礎科技的進步，確實快到爆發點了。

前（段時間），馬雲發表了一個重要言論：未來人工智能的基礎是大數據。也就是說，由於巨頭有大數據，所以會永遠霸占未來人工智能最牛逼的位置，小創業公司別想了，你們肯定撼動不了。

這句話說得一點兒都不對，未來人工智能的根本一定不是大數據。對大數據的依賴，是當前人工智能算法的缺陷，不是它的特點。深度學習，依賴大數據。在人工智能進化過程中，會有更先進的算法，對大數據的依賴會下降。

現在的深度學習是什麽？我比喻成掉坑式學習，不停地掉坑爬起來，掉坑爬起來。而我提倡的發展方向是小數據學習方法，不要爬那些坑了，直接給我一張地圖，告訴我坑在哪。

人類通常是在別人的體驗中去學習。比如一個老人講他的故事和體驗，我們就學會了，根本不用真的經歷他所經歷的。

你問我有沒有小數據學習方向？我也沒有，預言家從來不需要自己去實現自己的預言。其實，我也提倡很多團隊認真搞這個方向，不要再繼續搞深度學習了。

我可能是中國最早一批關註人工智能的投資人，經歷了泡沫的升起和破滅。現在人工智能項目挺冷的，大部分人都在喊正在看，其實很少人在投。只有早期項目能拿到錢，中後期項目非常難拿到錢。

原因是什麽？投資人A輪、B輪以後，他們看的是數字，而不是概念。Face++為什麽好融資？因為有數字。很多（項目）第一輪就10億元估值，接下來會很麻煩。投資人是要有回報的，不是做福利的。這（按）10億（元估值）投進去，必須要找一個起碼（按）15-20億（元估值投）的人接。人家說，你讓我當接盤俠？不當。看看數字。投資人最喜歡的數字是什麽？第一是利潤，有利潤就有市盈率。沒有利潤看收入，收入大也行，像京東。收入也沒有？投資人說，那也沒關系，咱喜歡第三樣東西：用戶。最慘的是啥？啥數字都沒有。完了，（你得）繼續在那講概念、說故事。

那些矽谷的騙子公司

2013年以來，我見了大量的公司，在中國、美國也投了很多公司，加起來有40多家，（發展）比較好的像億航、靈感科技、小覓機器人。有的創業者不行了，做死了，我完全OK。我不能接受的是什麽，我被騙了。

在這個過程中，我遇到大量的騙子。騙子和努力創業失敗，這有根本性的不同。騙子的動機就是壞的，他們明知這東西不可能，制造一個環境，讓你認為他們已經達到了某些階段性的成果，騙你錢。

為什麽這幫（矽谷騙子）人天天找“老中（中國投資人）”去投呢？

老中，第一有錢，第二好賭，第三不懂，特別好！老美，第一沒錢，第二那幫人很謹慎、很精，第三美國科研體系很牛X，（老美）投資人都認識大學教授，他們本身的技術水平比較高。

2014年我帶（中國）青年天使會（的投資人）去矽谷考察、投資。大家一看，全是有技術含量的公司，都這麽便宜！我們動靜比較大，各路騙子都來了。一路上，我們見了很多騙子。

我居然還被騙了。很難想象，我被一個人工智能公司騙了。

我自認為在人工智能領域，還是很懂的一個人，還被騙。徐老師（徐小平），對這個領域不太懂，他反倒沒投。

他們是做深度學習2.0的。這是個非常大的計劃，目前的芯片不能跑他們的算法，要自己做芯片，算法和芯片一體化。傳統的計算機科學，不管什麽碼和變量，都是基於符號。他們的計算不是基於符號，是基於感知。聽起來好牛X的樣子！

我們還算是見過世面的人，剛看到這個項目的時候，我跟我的合夥人說，大神啊，還去山中修過道，有可能他們就是當代的圖靈。跟他們接觸過程中，他們的行為舉止感覺詭異。他們是夫妻倆，但他們的夫妻身份我很懷疑。他們有個孩子，我懷疑小孩不是他們的，感覺是借來的。在美國的時候，我們去他們家里吃了頓飯，過程中非常有儀式感，穿著袍子跟我們吃飯，還焚香。但這種詭異，我們解讀為，大神都很詭異，他們不是一般的創業者。

他們能跟那些教授非常順暢地對話，對人工智能還真的是很懂的。你想想，能過我這關，表示他們學的東西還是很紮實的，對其他人的論文研究很透。他提的東西如果完全不靠譜，我也肯定不會被騙。

他們襲擊的是你最大的欲望。我最大的欲望是改變世界，如果有深度學習2.0，很難抵抗的，你知道嗎？我們在任何技術文檔都沒看到的時候就投了100萬美金，其中20萬美金在沒有簽協議就打給他們了。當時我為啥還心存僥幸？我說，想騙我的話就騙這100多萬美金？後來我們才意識到，原來我們是他們整個大計劃的第一步，騙我們這100多萬美金確實不值。（後面接的是）中國的一個大機構，投了他們1000多萬美金。

投完之後，（我們）覺得可能有什麽（問題）。今年四五月份，他們又來北京，一起吃早餐。我跟他們講，我的合夥人對你們意見很大，要撤資。我說，我還是相信你們的，但是，我要看一下你們的技術文檔。他們說，不讓我看技術文檔是為了我好，因為他們的東西太先進了，我知道了會給我帶來危險。我說，沒關系，我也不會傳播，你們也不用給我拷電子文檔，無論是打印版還是電子版，我只要看一遍。說來說去就是不給。

（我們意識到這家公司有問題），有人提議，要不然等下一輪把他們賣掉？我的另一個合夥人說，算了，到時候（接盤的）人埋怨你。（我們通過仲裁）把本兒和利息要回來就行了。也不用證明他們是騙子，因為挺困難的。我們就找到投資協議里一個小問題，說他們沒有執行合同，要把錢退回來。案子現在在仲裁，估計我們還得出庭，要回錢的問題不大。

有一個在美國德州做廉價火箭的，在他們的辦公室，有一個火箭發動機模型，給大家看的時候就點了個火，噗！就這一下，很多老中投了，我們沒投。還有一個無人機項目，一扔上去，就跟著你狂拍，那基本上也是個騙子，好多老中也投了。

有個項目，（通過）一個儀器，一滴血里能數出各種病毒的數量，完全改變了病毒檢測的模型，因為過去都是用抗體檢測病毒的。

當時我代表一堆老中說，錢不是問題，估值也不是問題，只要東西牛逼，老中不怕貴，只怕東西不牛逼！但是，我是搞技術的，我跟他們說，按照我的步驟，在我的觀察下，能做出這個檢測，我們就投你。然後，他們跟我解釋，為什麽不能做檢測。我說，不管，我們這群老中，我帶頭的，我說了算。他們說，考慮一下給答複，然後沒影了。

還有所謂的AR公司，斯坦福教授做背書，主打深度學習，其實是拿著做完處理的視頻騙人，（網上流傳的）那是在中國融資時候出來的視頻，馬雲還投了8個億給他們，之後就沒消息了。沒有人見過他們的東西，號稱見過的都是他們的水軍。

騙子有這樣幾個特征：

第一、特別神秘。微軟那個眼鏡不神秘，習主席也讓戴上看看。好公司不神秘是最重要的，因為你牛x怕什麽啊？牛x的人背書，這是騙子的第二大特點。第三、創始人背景非常特別，有很多爆點，天才似的人物，但舉止詭異，異於常人。第四、沒有搞過苦逼的研究，偉大的成就來自於靈光一現。

文章評論

匿名用戶

發布

全部評論：10

發布

機器人時代來臨：全球硬件獨角獸的出現

GGV紀源資本 2016-12-13 11:15

本文系GGV紀源資本（微信ID：GGVCapital），作者李宏瑋。

沒有任何其他科技能像機器人一樣能贏得我們目不轉睛的關註。機器人總是出現在我們的想象世界之中——無論是一個機器人承擔體力勞動、人類可以自由的進行思考和創作的世界，亦或是一個機器人超過人類智能的反烏托邦的未來。目前為止，機器人主要還停留在科幻小說之中，但是科技的拐點已經來到了，自動化的機器人很快將大規模存在於我們的工作與生活之中。

作為一名關註前沿科技公司的投資人，我看到機器人進入主流市場的時機經過醞釀已經成熟：低造價感應器、開源機器人軟件、3D打印、人工智能的爆發，還有社會對“智能”機器的逐漸接受。加之資本向機器人領域的創紀錄的投資和世界範圍內對自動化科技日益增長的需求，具有全球思維的創業者現在正處於前所未有的建立顛覆性的機器人公司的風口。

機器人投資近來很火，我已經有超過30年建造與投資自動化設備的經驗了。20年前，作為一個無線通訊與控制系統專業畢業的學生，我設計了自己的第一架無人機。過去的十多年，作為一名風險投資人我致力於投資那些有機融合了中國最先進制造能力和美國的市場營銷與設計的前沿科技公司。最令我心潮澎湃的一次智能硬件投資經歷是我在2013年見到了胡華智。他是一名航天科學家和夢想家，也是億航的創始人。他帶領億航創造出了第一架載人無人機，成功試航飛行20分鐘。一年多以前，在優步開始從卡內基梅隆國家機器人工程中心挖來一支團隊投入自動駕駛研發的同時，我投資了億航。今年夏天，我見證了他們第一次載人飛行測試。

風險投資流入機器人領域

根據CB Insights的數據，2015年，風投機構一共向全球機器人公司投資5.87億美元，創下歷史新高。2016年，投資金額有可能將再度被刷新。在機器人領域之外的另一個風險投資熱點是人工智能科技。人工智能科技可以為自動化的機器人提供“思考”的能力。僅在2016年第二季度，風險投資人在人工智能公司累計投資超過10億美元。當美國投資人關註機器人領域的創業公司的同時，中國國內的資本早已習慣於投資硬件公司。中國投資人見證過包括華為、小米和AAC在內的硬件公司獨角獸在國際舞臺的巨大成功，他們急切的想要投資中國和世界範圍內的小一代機器人硬件公司。

中國市場需求：前所未有的機會

在GGV紀源資本，我們認為以下兩個機器人領域中的細分領域極有前景：工業機器人和服務機器人。目前，中國是創業公司解決這兩個市場痛點的最有潛力的市場。創造下一代機器人，特別是在工廠中與人類協同合作的機器人具有得天獨厚的優勢進入中國的大規模生產和服務行業。

全球工業機器人產業已經發展成熟，為全球生產貢獻了超過80%的機器人。工業機器人大多在工廠的流水線上工作，並且在美國、日本和歐洲已被廣泛使用。中國政府積極支持自動化進程，相信機器人可以幫助中國公司擁有更大競爭力。中國是世界上最大的制造經濟，但平均每一萬名制造工人只擁有36臺機器人。與中國相比，德國每萬制造工人平均擁有292臺機器人，日本擁有314臺，韓國擁有478臺。2015年，中國購買了全球市場中28%的制造機器人，在未來，中國在國際機器人市場中還將購買更多機器人以平衡不斷上漲的人工成本。包括Kuka, Fanuc, Yaskawa 和ABB在內的大型公司將競爭巨大的中國市場。新興的創業公司諸如Grabit, Rethink, 和 Life Robotics也將加入這場競爭，分一杯羹。

執行設定好的功能的服務機器人將在中國的餐廳、賓館、辦公室、醫院和家庭中逐漸出現。這也是對創業公司來說千載難逢的巨大機會。隨著人力成本的不斷提高，餐廳和酒店都熱衷於使用服務機器人來提高長期利潤。服務機器人可以在建築物內送貨、送餐、送包裹，提供從送貨車到家門的上門服務，也可以提供就餐服務，幫醫院的病人送藥，從倉庫收貨，擔任前臺，逗孩子開心，等等。盡管在早期階段，包括Fetch, Savioke和Keenon在內的創業公司已經生產處了商用服務機器人，在未來的5-10年，更多的公司將出現在服務機器人領域，甚至有出現“獨角獸”公司的可能。

機器人投資：回報如何？

就像任何其他前沿科技一樣，機器人領域具有巨大的潛力，但也在走向大規模應用的路上遇到了一些阻力。在工業領域，推斷機器人領域的潛在回報相對容易，因為機器人已經在制造業中被使用了很長時間了。要判斷一個機器人公司是不是一筆好的投資，工廠所有者只要比較現有的勞務成本和使用機器人所節省的成本與提高的產能之間的關系即可。投資人也可以從類似的模型出發判斷一家工業機器人的盈利潛力。

在最近出現的服務型機器人領域，計算未來回報相對來說較為複雜。對包括自動家具和玩具在內的消費類服務機器人來說，產品必須具有大眾市場吸引力、價格較低且功能明確。目前來說，大多消費類服務機器人還木能滿足這三點要求。對於商用服務機器人來說，這些機器人的使用場景包括辦公室、倉庫、醫院和商店等。這個領域的機器人的投資回報相對來說較為容易計算。如果一臺服務型機器人能夠降低人工成本，幫助工人們提高生產能力，或者增加新的服務吸引到更多消費者，這類公司的金錢價值相對來說就比較容易衡量。

全球協作

下一個獨角獸公司會在哪里出現呢？最成功的機器人公司最有可能將具有全球化基因，融合了中國、美國、以色列、德國和日本的各方力量。由於機器人其實就是硬件、傳感器和軟件的技術結合，中國創業公司在制造和供應鏈方面的豐富經驗能夠幫助他們在全球範圍內取得成功。但是中國的創業公司只有通過與美國或者以色列的工程、市場和銷售人才合作，加上來自世界領先的機器人市場——日本和德國的幫助，才能真正占領全球市場。這對美國的機器人公司來說也是一樣的：他們也需要從公司創立之初就建立全球思維。第一家機器人獨角獸公司無論來自什麽地方，都將在全球範圍內建立運營體系。GGV紀源資本機器投資了機器人公司Vincross。Vincross雖然來自北京，但他們在美國也擁有一支團隊。

機器人領域具有極大的發展空間，創業公司如果抓住機會將在科技的底層拐點到來的初期占領市場份額。下一代工業和新興服務機器人將需要昂貴的傳感器、雷達、3D打印、語言和圖像處理技術、照相機和人工智能軟件等。由於成本相對較高，只有提供的服務足夠好，也就是性價比足夠高的時候才能真正走向廣泛應用。如果創業者和投資人在目前集中註意力制造和投資這些核心技術進行布局，在下一個十年到來之前，我們或許就能看到成千上百萬的新機器人出現在我們生活的各個維度之中了。

文章評論

匿名用戶

發布

全部評論：10

發布

深扒一個獨角獸公司標配，但仍被低估的崗位

峰瑞資本 2016-12-29 11:03

本文由峰瑞資本（微信ID:freesvc）授權i黑馬發布，來源Stitch Data，編輯張瀟冉。

美國數據工程概況

目前，LinkedIn 上有 6500 人稱自己是數據工程師。而僅在舊金山，就有 6600 個這樣的工作機會虛位以待。去年，數據工程師的數量翻了一倍，但工程主管們卻仍覺得人才匱乏。

數據人才的旺盛需求源自一個根本性的變化：科技公司現如今都成了數據公司。

像 Uber、Airbnb、Spotify 這些公司都在大力發展數據產品，結果便造成數據系統開發和維護人才的激烈爭奪。

Josh Wills 是 Slack 的數據工程師，在 2016 數據工程大會（DataEngConf 2016）上半開玩笑地說：“我的數據工程師都在會場了，請你們別挖墻角。” 即使 Slack 這樣當紅的矽谷企業，也在擔憂如何留住這些寶貴人才。

我們的研究著重於說明以下幾個方面：

目前市場上數據工程師的數量；

數據工程師的背景和核心技能 —— 這些信息對於主管們研究如何將軟件工程轉換至數據工程特別有用（編者按：以緩解招聘數據工程師的壓力）；

數據工程師的就業信息 —— 幫助你說明為什麽要投資（時間/精力/金錢）到這項昂貴的技能中來。 

從 Stripe、MIT、Looker 的工程主管對數據人才的發現、留任和對數據工程師團隊項目的開發等一系列策略的分享中，我們找到了這些問題的答案，使得這份報告清晰地呈現出數據工程的現狀。

關鍵指標：

人數：6500 人在 LinkedIn （領英）上稱自己是數據工程師。

發展：2013 到 2015 年，數據工程師的數量至少翻了一倍。

分布：50% 的數據工程師都在美國。

之前的職務：42% 的數據工程師都是軟件工程出身。

產業：數據工程師主要供職於信息科技與服務產業。

技能：數據工程師前 5 項主要技能是：SQL, Java, Python, Hadoop, 和Linux。R語言甚至都沒進前 20。

分析方法：

本報告基於 Linkedin 上的用戶資料，包括所有公開可見的個人及公司檔案、技能與工作經驗，數據以 2016 年 3 月份的統計為準。

我們根據檔案上的職業標題和頭銜識別出數據工程師，這里只納入了那些可確認公司的數據工程師檔案。

【圖表：LinkedIn 個人檔案總結】

▲ 截止 2016 年 3 月 1 日，Linkedin 上的個人檔案大約 4.3 億，此次參考了 2.6 億例檔案，其中列有至少一項經歷的近 1.9 億， 有一項已認證經歷的超過 1 億，當前經歷已認證的近 8000 多萬。

在這些數據工程師中，我們分析了：

3 萬項工作經驗

8.2 萬條個人經歷

3400 個公司

分析工具：

分析采用 Python, SQL 和 Jupyter。

HighCharts 和 HighMaps 中的交互式可視化效果采用 Python 的制圖包和 Python-highchairs 實現。

數據采用 AWS Redshift 進行存儲和處理。

1、數據工程師有多少

“數據工程師”（所有以某種方式與數據打交道的軟件工程師）的定義仍有很大的模糊性，目前並沒有一個完美答案，我們覺得由這些從業者自己來解讀是最好的方式。

我們發現在 Linkedin 上有 6500 人稱自己是“數據工程師”。

6500，這個數目並不大。

實際上，我們有些驚訝“數據工程師”竟如此之少。而在寫這篇報道的時候，Indeed 上有 6600 個 數據工程師的招聘啟事，這還僅僅是在舊金山和灣區。

薪酬數據也證實了數據工程師很受歡迎。據說，在 Facebook, Amazon 和 Google 這樣的巨頭公司工作的頂級數據工程師工資超 50 萬美金。Indeed 的數據分布更保守一些，盡管如此，薪資也達到了 6 位數。

【圖表： 舊金山地區數據工程師的數量和薪酬比】

▲ 截止從上圖可以看出，薪酬在 10 萬美元以上的職位超過 80%, 其中 110k-120k， 120k-130k 和 130k+ 的職位都很多，均超過了 20%。數據工程師成為當下的黃金職業！

專家洞見 

Jonathan Coveney，Stripe 數據工程師：“對數據工程師型人才的需求”。

近十年來，Jonathan 都在數據領域深耕，曾在 Twitter、Spotify 等公司建立數據系統。在他看來，有三種主要趨勢在推動著對數據工程師類人才的需求：

公司在對數據和管理數據的人的思考上更加精深。“數據不再是副產品，而是一個公司運作的核心”。

對機器學習愈加倚重。由於機器學習的進步，對專有數據的掌握逐漸成為各個領域的公司最重要的競爭優勢。

公司開始建造數據產品。“以地圖為例，機器學習主要作用於交通路線的偵測與規劃，而地圖的基礎建設則在於管理和組織大規模的數據，這就是數據工程。”

2、數據工程師的數量隨時間的變化

LinkedIn 的簡歷顯示了一個人聲明的自己的職業發展歷史，包括了在各個時間段內的職務。這些數據讓我可以構建出某個職務的不斷演變。

下圖就展示了”數據工程師“這個職務的飛速發展：

【圖表】累計數據工程師的數量（單位：千）

▲ 數據工程師的數量從 2013 年到 2015 年增長超過了一倍。而且基於上文中相關崗位需求的數據，該增長趨勢並不會減慢。

相比之下，數據科學家的數量大約是數據工程師的兩倍（大約 11,400 人），但是數據工程師的增長速度卻要更高：在同一時期，數據科學家數量“僅”增長了 50%。

3、數據工程師從哪里來

數據工程師的瘋狂增長讓人產生了一個疑問：這些人從哪里來？他們之前是什麽職業？

我們通過觀察數據，調查了數據工程師這一職業的 DNA —— 他們之前的職業。

在我們的調查前有以下幾個猜測： 

數據工程師是軟件工程師和數據科學家之間的橋梁：他們編寫了生產代碼來方便數據科學家們進行大規模的運算實驗。因此，我們猜測有很大一部分數據工程師的前身是軟件工程師或數據科學家；

因為數據工程師很大部分的工作都圍繞著運算的規模，他們同時也是軟件工程師和運維開發 ( Devops ) 的橋梁。因此我們猜測一部分人由運維開發轉來；

數據庫管理員曾在一個企業中扮演類似的角色。因而，不難假設一部分數據庫管理員投身到這一更加先進的職業中。

結果顯示，我們的猜測部分是正確的，有一點是非常明確的：數據工程師的 DNA 和軟件工程師最接近 。

【圖表 ：TOP 10 數據工程師的來源】

▲ 數據工程師前職調查，最多依次為軟件工程師、分析師、咨詢師、商業分析師、數據架構師、數據分析師、數據庫管理員、數據科學家、實習生、研究助理等 

4、數據工程師都在哪

50% 的數據工程師在美國。這並不奇怪，因為數據科學家這個稱謂的本身和很多基礎技術都是來自於美國的科技公司和大學。

【圖表：數據科學家全球化】

▲ 大部分的數據科技或是來自於一小部分大學——特別是伯克利大學 AMP 實驗室，或者是來自於全球最大的網絡公司軟件工程團隊。

谷歌、臉書、領英和亞馬遜在領先該產業其他對手很久，就已經開始挑戰大數據，並投入了大量資源。他們不僅創造了很多的數據科技，他們成為了數據人才的培育基地。

然而，這張圖有些誤導。

美國至今有著最多的數據工程師，也同樣在全球有著最多的數據工程師檔案：接近4倍多於排名第二的印度。

為了標準化數據，我們圖中排名前十的國家展開詳細，看他們各自數據工程師人數與在領英（LinkedIn）檔案數的對比，以及與總人口的對比。

【圖表：TOP 10 數據工程師最多的國家】

▲ 這張統計中沒有以色列，以色列是我們此前的參考標準，它曾經在每百萬人中的數據科學家占比排名中排名最高。上文提及，以色列長期被認為是數據科學的起源國度，在以色列“矽溪”有著強勁科技展現。但意外的是，這卻沒能轉化為高密度的數據工程師人才。

5、哪個行業聘用的數據工程師最多

在擴大存儲、傳輸和處理數據方面遇到挑戰的公司對數據工程人才需求最甚。這些挑戰多在科技公司出現，但是像電信、生物科技和保險這些行業呢？難道這些行業不需要數據擴張方面的幫助嗎？

當我們考察數據工程師的工作領域時，我們發現一系列的行業都需要數據人才。

【圖表：TOP 20 數據工程師的行業分布】

▲ 與預期一致，電信和金融服務接近頂端，但是在生物科技中 DNA 的拍字節（Petabytes）的排序卻沒有朝排名靠前的位置發展。

從該表格中，我們不應該認為這些行業之外的領域就不需要或者不聘用擔任數據工程師功能的人才。相反，盡管“數據工程師”在某一個領域內已經流行開來，互聯網科技公司—— 這個特定職位的用法仍處於初始階段。這個領域內的技術、流程和思維方式正在開始延伸到其它的行業。

6、哪些公司聘用的數據工程師最多

當我們看到聘用了數據工程師的具體公司時，他們在科技領域的受歡迎程度就更加明顯了。在前十的公司里，只有兩家公司不是專門從事技術或數據的：一家電信公司（Verizon）和一家金融機構（Capital One）。

【圖表：TOP 50 聘用數據工程師的公司】

▲ 經常在數據大會上分享經驗的 Amazon、Facebook，Netflix，CapitalOne 等公司，都是業界數據應用的非常成功的公司，和其雇傭的數據工程師的人數呈正相關。

很有趣的是，一些公司聘用了不成比例的數據工程師。比如 Spotify（1600+ 雇員）比起必能寶（Pitney Bowes）（16,000 雇員）要小得多，但他們聘用的數據工程師數量相當。

這些數據清晰顯示，現在的一些科技 “獨角獸” 高度重視數據工程師一職。同時，考慮到三藩市目前有 6600 家公司在找數據工程師，這個趨勢短期內似乎不會改變。

7、數據工程師的基礎技能

數據工程師幹的活大體分為兩個部分：

在整個業務流程，讓消費者能接觸到數據

打造 “產品化” 的算法，將其變為數據產品

總體而言，直接與數據相關的技能獲得了越來越多的重視，另一方面，某些核心的軟件技能也為數據工程師所青睞。

【圖表：TOP 20 數據工程師的基本技能】

▲ 從圖上可以看出用 SQL 來回答分析型的問題、寫腳本來做數據集成、清洗這樣的 ETL 任務和使用Hadoop生態的工具是數據工程師的主要工作。

No.1 SQL（Structured Query Language：結構化查詢語言）：

即便在數據技術領域，很多 NoSQL 倡導者 “欲除之而後快”，但 SQL 仍是數據工程師最普遍具備的技能。

No. 2 Java：

Java 是最受數據工程師歡迎的編程語言。自從分布式系統基礎架構 Hadoop 在 2000 年左右被開發出來後，JVM（Java Virtual Machine：Java 虛擬機）便處於數據處理的中心。

No.3 Python：

不僅被應用於數據工程，還能為分析任務服務——相較而言，總是和 Python 一同出現在新聞里的 R 語言，更專精於分析與統計，這應該也是 R 沒有上榜的主要原因——在數據科學圈，數據工程和分析二者並重。

專家洞見 

Mike Xu, Looker 的數據架構師：“弄明白你想要哪款數據工程師？”

Mike 的職責之一是傾聽開發者的心聲：哪些事情讓他們開心？哪些讓他們不爽？最多的抱怨是什麽呢？嗯，不同的數據工程角色間是有細微差別的，但很多公司卻不懂行。

在 Mike 看來，數據工程師主要有 4 種角色——這也是招聘者應該弄明白的事情：

數據倉庫：專註於為分析來優化數據倉庫，主要是負責數據的讀寫和管理。

工具：總能在一系列數據工具箱里，極其擅長一、兩樣特定的工具（編者按：類似於 Hive, Hbase，ElasticSearch 等）。

架構：才華通透、“端到端” 的思考者，無論是數據收集，還是收集後幫助團隊使用數據，他們需要考慮的事情多而雜，貫穿業務的很多環節。

運維（Ops）：主要把時間花在建立數據庫等事項，還要管理權限、操心數據安全。

8、數據工程師的技能如何隨著公司規模的變化而改變

作為數據工程師，同樣需要認真應對公司和業務的規模化所帶來的挑戰——業務更多，數據集 （Dataset）的規模也更大，所需求的數據能力和工作方式也要隨之演化。

姑且做個猜測：規模越大的公司，對規模化相關的技能越加看重。是否真的如此？我們先查看查看下面的圖表。

【圖表：不同公司的數據工程師之間的差別】

▲ 縱軸表示技能，橫軸則表示相對偏差（Relative Difference：某一次測量的絕對偏差占平均值的百分比）。深藍色、天藍色、橘色分別代表三種公司規模：1-200人、200-1000人、1000人以上。越接近圖表頂部，該技能越應用於較小的公司，反之，位於底部的技能更普遍地出現在 1000 人及以上的公司里。

看完表，我們可以用數據回答先前的猜測：NO。

真實情況是，在規模更大的公司，數據工程師更在意 “企業級” 相關的技能，比如 ETL（Extract-Transform-Load）、BI（Business Intelligence：商業智能）、數據倉庫等，而在較小的公司，數據工程師更多的把心力花在 Python、Java 等編程語言上（編者按：Python 和 Java 作為普通的編程語言，可以用來構建產品，這對於小公司來說屬於核心業務。）

專家洞見 

Will Smith，MIT 的主數據工程師 / 架構師：“數據工程 @大公司 VS. 初創公司”

Will 曾為 Nokia、Warner Bros Games 這種大公司打造過數據技術。在他看來，數據工程師所仰賴的技術，不那麽取決於公司規模本身，而更應該從這麽一種角度出發：你所負責的數據是“寫時模式”（schema-on-write）還是“讀時模式”（schema-on-read）？

他認為，大公司往往在處理數據工程的 BI 方面有所積累，Informatica、Oracle、SAP 都會接觸和使用。這類公司往往在“寫時模式”的環境里工作。

但現如今，很多打造數據科技的公司實際作業的環境是“讀時模式”。“想象一下，公司交給你幾個 TB 的日誌數據，用的 JSON，是關於廣告效果的。數據工程師不知道能從這堆數據中挖掘出什麽，所以你需要開發者寫代碼去做數據發掘，而不是一上來就直接套用 SQL。這和大公司在 ‘寫時模式’ 的環境中做事很不一樣。”

2011年時，Will 正效力於諾基亞 （Nokia）。盡管當時主要經手 “企業級的數據”，但團隊卻選擇“讀時模式”的思路去開展相關工作。

“現在很多數據工程師都這麽做，比較適合規模化的需求。這樣設計和開發出來的東西，可以消化掉來自於各種來源的數據。傳統老舊的 BI 系統就沒這能耐——主要是因為以’寫時模式’為基礎吧，這種老技術不知道在一堆數據里都有什麽，這麽一來我們這些工程師也沒啥頭緒了。” 

9、數據工程師與數據科學家的技能差異是怎樣的

這個數據集體現了數據工程師與數據科學家之間的明顯的技能差異，由此可以將數據工程師與數據科學家的技能構成看作一個頻譜的兩個對立面。

以下這張圖表顯示了一張數據技能頻譜圖，頻譜圖頂端的技能在數據工程師的簡歷中更為常見，而頻譜底端的技能更常出現在數據科學家的簡歷中。

【圖表：數據工程師與數據科學家的區別】

▲ 從圖表的技能構成可以看出，數據工程師更傾向於掌握 “戰術層面” 的具體數據技能，專註於使數據可用並能夠在生產環境中對數據進行處理，如具體的編程語言、操作系統與數據庫等；而數據科學家更傾向於“戰略層面”的數據技能，如數據分析、數據挖掘、統計分析、機器學習等。

10、數據工程師與軟件工程師的技能差異是怎樣的

數據工程師與數據科學家之間的差異是十分明顯的，那麽數據工程師與軟件工程師之間的技能差異又是怎樣的呢？畢竟，正如我們之前所展示的那樣，大部分的數據工程師都具有軟件工程師的背景。

【圖表：數據工程師與軟件工程師之間的區別】

▲ 以數據工程師為中心的最多人選擇的技能是 Hadoop，數據倉庫和 BI——正如你所期望的那樣。與之相反，在軟件工程師端列出的所有技能幾乎都與 web 前端開發相關。最大的兩個例外是 C 語言和 C++ 語言，這是在現代大數據技術棧開發中不常用到的編程語言。

雖然許多數據工程師具有軟件工程師背景，但他們並不是簡單的為了博取加薪而轉換一個新的工作頭銜；他們不得不通過學習新的技能來適應新的角色。

專家洞見 

Ryan Orban，Galvanize CTO：“在數據工程師和數據科學家之間建立更好的關系”

“想一想設計師和前端開發工程師之間的關系，” Ryan Orban 說，“一個角色負責通過想法完成工作，而另一個角色負責將想法付諸實施，這之間可能會導致很多的緊張對立情緒。” Ryan 認為，數據工程師和數據科學家之間的關系與之類似，因此緩解兩者之間的緊張情緒的方法也是相似的。“正如設計師經常被告知需要學習編寫一些代碼，而前端開發工程師也經常被告知要制作一些原型，我鼓勵數據科學家和數據工程師相互學習一些對方所需要掌握的數據技能。”

那麽，數據工程師需要多深入的了解數據科學家的世界呢？

“數據工程師應該對機器學習有一些基本的了解”，Ryan 說，“他們不需要了解所有的數學理論，但是他們應該能夠判斷效率和準確性。相反，數據科學家應該了解架構，以及如何對架構進行擴展，並初步了解生產級的編程語言。”

這種深入了解其他相關學科專業知識的轉變也發生在其他領域。公司習慣於聘請數據科學家來負責市場、產品或者業務分析方面的工作，而聘請數據工程師來完成更廣泛的工程功能。這造成了目標錯位。Ryan 認為這種趨勢正在改變：“ ‘數據團隊’ 是由數據科學家和數據工程師共同構成的這一概念越來越受歡迎。這一如此簡單的改變將很大的改善兩組人員之間的關系。”

文章評論

匿名用戶

發布

全部評論：10

發布

滴滴再次傳出裁員過半，出行獨角獸的未來依舊充滿變數

i黑馬 2017-01-05 14:15

i黑馬訊1月5日消息 今日中午，與uber中國合並之後的滴滴出行再次傳出裁員消息。滴滴出行營銷副總裁在微博上回應，“這純屬無稽之談。要再不信，等我們這個月工體開年會時，邀請你們多帶點人來親自數數好麽？”

今日，有媒體報道稱，滴滴最近正在裁員，滴滴各個業務線加起來將會有一半的員工被“優化”離職。文中提到，“今年光滴滴快車一個部門就新招進來了2000名以上的員工。此前的11月曾有消息說，滴滴即將裁員1000人，快車業務部門是重災區。雖然傳言很快被滴滴發聲否認，不過上述內部員工稱，10月初公司系統里還有8000多人，‘現在這個數字減少了近2000’。”

滴滴裁員傳聞已非首次，尤其是滴滴與uber中國合並之後。

2016年8月，滴滴宣布正式與uber中國合並，uber的數據和用戶全部被遷移到了滴滴，滴滴出行成為名副其實的獨角獸。當時人們樂觀地認為，滴滴從合並快的，到最終合並uber，已經取得了出行市場的最終勝利。

只是沒等滴滴收割勝利果實，困難卻接踵而至。一方面，易到用車和神州轉車強力阻擊，繼續打價格補貼戰略；另一方面是地方政府出臺的網約車細則給了滴滴當頭一棒。北上廣深等一線城市幾乎都對專車與快車的車型、司機戶籍與牌照等條件進行了嚴格限制，如果嚴格按照地方公布的細則實施，滴滴司機將嚴重流失。

在司機和乘客方面，滴滴也已經逐步取消了對司機與乘客的補貼，而快車原本的收費標準也比之前漲了不少。這一舉措也引起了乘客和司機的不滿。

如今除了裁員，滴滴也屢次傳出估值虛高，而在地方政府的細則發布之後，滴滴尚未公布過融資消息，也沒有對外披露最新的估值。

2016年9月，富士康子公司鴻準宣布向滴滴出行投資1.198億美元，將持有滴滴0.355%的股份。根據投資金額和所占股份測算，滴滴當時的估值超過337億美元。而地方新政發布之後，有媒體曾報道，滴滴的估值已經縮水了一半。

如何撐起高估值成為外界普遍關心的問題，盡管滴滴也投資了共享單車ofo，開始試水賣車業務以及租車業務等等，但目前成效有限。

當前還處在政策實施的過渡期，路上依舊存在很多未符合要求的車輛和司機，只是隨著政策的靴子落地，已經沒有給滴滴留出太多時間。無論是轉型自己運營車輛招募司機，還是繼續沿用老路，這個故事都不會像之前的滴滴那樣性感，如何紓解自身業務的困局才是滴滴當下的關鍵。

以下為滴滴出行營銷副總裁的回應：

1、一年不到，我們又雙叒連著三次“被裁員“了：（ 不過這次誇張到要被“裁員一半“了！再再澄清下這純屬無稽之談。要再不信，等我們這個月工體開年會時，邀請你們多帶點人來親自數數好麽？

2、合並優步後，到目前為止，滴滴的員工加起來是6800人，不知道內部員工說的8000多人的數怎麽冒出來的？還是說這莫名多出來的2000號人就是傳說被裁的數目？

3、任何一家公司，都會有正常的人員調整和員工離職。每個月也都會有員工因為績效或者規範等原因離開滴滴，但都是少量的，滴滴的做法和一般的互聯網企業通行的做法沒有什麽兩樣。

文章評論

匿名用戶

發布

全部評論：10

發布

滴滴再次傳出裁員過半，出行獨角獸的未來依舊充滿變數

i黑馬 2017-01-05 14:15

i黑馬訊1月5日消息 今日中午，與uber中國合並之後的滴滴出行再次傳出裁員消息。滴滴出行營銷副總裁在微博上回應，“這純屬無稽之談。要再不信，等我們這個月工體開年會時，邀請你們多帶點人來親自數數好麽？”

今日，有媒體報道稱，滴滴最近正在裁員，滴滴各個業務線加起來將會有一半的員工被“優化”離職。文中提到，“今年光滴滴快車一個部門就新招進來了2000名以上的員工。此前的11月曾有消息說，滴滴即將裁員1000人，快車業務部門是重災區。雖然傳言很快被滴滴發聲否認，不過上述內部員工稱，10月初公司系統里還有8000多人，‘現在這個數字減少了近2000’。”

滴滴裁員傳聞已非首次，尤其是滴滴與uber中國合並之後。

2016年8月，滴滴宣布正式與uber中國合並，uber的數據和用戶全部被遷移到了滴滴，滴滴出行成為名副其實的獨角獸。當時人們樂觀地認為，滴滴從合並快的，到最終合並uber，已經取得了出行市場的最終勝利。

只是沒等滴滴收割勝利果實，困難卻接踵而至。一方面，易到用車和神州轉車強力阻擊，繼續打價格補貼戰略；另一方面是地方政府出臺的網約車細則給了滴滴當頭一棒。北上廣深等一線城市幾乎都對專車與快車的車型、司機戶籍與牌照等條件進行了嚴格限制，如果嚴格按照地方公布的細則實施，滴滴司機將嚴重流失。

在司機和乘客方面，滴滴也已經逐步取消了對司機與乘客的補貼，而快車原本的收費標準也比之前漲了不少。這一舉措也引起了乘客和司機的不滿。

如今除了裁員，滴滴也屢次傳出估值虛高，而在地方政府的細則發布之後，滴滴尚未公布過融資消息，也沒有對外披露最新的估值。

2016年9月，富士康子公司鴻準宣布向滴滴出行投資1.198億美元，將持有滴滴0.355%的股份。根據投資金額和所占股份測算，滴滴當時的估值超過337億美元。而地方新政發布之後，有媒體曾報道，滴滴的估值已經縮水了一半。

如何撐起高估值成為外界普遍關心的問題，盡管滴滴也投資了共享單車ofo，開始試水賣車業務以及租車業務等等，但目前成效有限。

當前還處在政策實施的過渡期，路上依舊存在很多未符合要求的車輛和司機，只是隨著政策的靴子落地，已經沒有給滴滴留出太多時間。無論是轉型自己運營車輛招募司機，還是繼續沿用老路，這個故事都不會像之前的滴滴那樣性感，如何紓解自身業務的困局才是滴滴當下的關鍵。

以下為滴滴出行營銷副總裁的回應：

1、一年不到，我們又雙叒連著三次“被裁員“了：（ 不過這次誇張到要被“裁員一半“了！再再澄清下這純屬無稽之談。要再不信，等我們這個月工體開年會時，邀請你們多帶點人來親自數數好麽？

2、合並優步後，到目前為止，滴滴的員工加起來是6800人，不知道內部員工說的8000多人的數怎麽冒出來的？還是說這莫名多出來的2000號人就是傳說被裁的數目？

3、任何一家公司，都會有正常的人員調整和員工離職。每個月也都會有員工因為績效或者規範等原因離開滴滴，但都是少量的，滴滴的做法和一般的互聯網企業通行的做法沒有什麽兩樣。

文章評論

匿名用戶

發布

全部評論：10

發布

知乎融資1億美元，知識獨角獸將會走向何處？

羅超 2017-01-12 15:08

*本文系微信公號羅超頻道（ID:luochaotmt）對i黑馬投稿，作者羅超。

今天，知乎宣布已順利完成1億美元D輪融資，領投方為今日資本，騰訊、搜狗、啟明、賽富、創新工場等在內的原有董事股東全部跟投。知乎CEO周源在同步的內部信中透露，這輪融資速度史上第一，“還沒來得及寫 PPT 就談定了，錢到賬的速度也很快，1 億美元已經在上個月 8 號入賬。”這一融資事件成為2017年互聯網投資界的“開門紅”，“2017年資本寒冬已過”的論斷似乎更加確定了。

知識經濟領域“獨角獸”現身

公開資料顯示，知乎於2011年1月獲得由創新工場投資的數百萬人民幣天使輪融資；2012年1月獲得啟明創投投資的數百萬美元A輪；2014年6月獲得賽富基金和啟明創投的2200萬美元B輪融資；2015年9月獲得C輪融資，投資方包括騰訊和搜狗，在C融資之後，曾有媒體報道知乎估值在3-4億美元之間。D輪融資之後，據知乎天使投資人創新工場李開複透露，知乎估值超過10億美元，邁入獨角獸行列。

知乎今天估值在10億美金意味著在過去的一年多里，它的體量翻了兩倍多。同時它也超過了它在美國的對標者的估值：Quora 最近一輪融資在2014年，8000萬美元融資估值9億美元。如果不考慮這兩年的增量，知乎體量已超過了Quora。因此，從增長來看，知乎這一年表現可以說是相當不錯。而知乎最新一輪投資方都有豐富的經驗或者很好的背景，比如創新工場和今日資本都堪稱頂級機構，騰訊和搜狗自不必說，雙方在業務層面有許多整合空間，過去一年已有諸多嘗試。

不過，10億美金估值依然有些低於我的預期。10億美金估值是獨角獸公司的門檻，然而近年來頻頻出現估值10億美金的公司，讓“獨角獸”本應有的稀缺性已經蕩然無存，2016年中艾瑞統計的估值榜顯示進入10億美金俱樂部的中國互聯網公司已超過40家。知乎不論是從用戶體量還是產品價值來看，都應該有更大的體量才對—事實上，許多人將知乎與今日頭條、微博這兩大內容平臺對標，而這兩者的估值或市值均已超過100億美元，就是說，在我看來，知乎是被低估的。

知乎被低估是有原因的。正如知乎這輪領投方今日資本創始合夥人、總裁徐新所言，“知乎不追風口，而是把握擅長的細分市場精耕細作，抓住用戶需求把產品做好，以此為基礎成長變大。”在知乎身上，我看到了豆瓣的“慢公司”風格，走得很穩，比如在變現上很關註用戶體驗進而表現得克制，在產品擴張上不跟風，2016年許多公司都在做自媒體內容平臺，知乎並未跟進。在喧囂的互聯網世界，知乎的風格是一股清流，不過這會讓它像豆瓣一樣錯過一個又一個黃金風口嗎？

知乎為何要擁抱變化改變自己？

有位知乎用戶在2016年底曾寫過這樣一篇文章引發圈內轟動，《知乎在移動端的艱難與它錯過的一個時代》，這篇稿子有一些地方不符事實，但卻指出了知乎在擴張速度上過於保守的事實，不知道知乎管理層是否看到了這篇文章，但從周源內部信能夠看到，知乎正在“求變”。

周源在內部信中透露，總結2016年的工作得出的答案是“知乎團隊比以往更加積極的在擁抱用戶需求變化，並同時努力改變自己。”，2016年是知乎產品改版最激進的一年，上線了機構賬號、書店、知乎 Live、值乎和分享等諸多功能，與此同時，知乎的線下運營如鹽Club沙龍在積極推進，而廣告產品的推出表明知乎在變現上的嘗試。

之所以如此，一方面用周源的話說，是觀察用戶和市場需求之後的決定。另一方面，在我看來與源源不斷的競品出現有關，譬如分答、得到這些新興知識產品，今日頭條和微博也推出了問答。

如果你不跟風口，那麽，飛起來的豬就可能超越你。

豆瓣曾經在互聯網電影平臺上有絕對的領先優勢，然而貓眼就借助於O2O這個風口做了起來並與之勢均力敵，豆瓣再入局在線票務發現為時已晚。如果不想重蹈覆轍，知乎就必須更加積極地擁抱變化——是否追風口不用刻意深究，風口的本質正是市場的動向。

周源在內部信中透露，“我們變化不夠快，對用戶理解不夠深，缺乏把產品從好用提升到優秀的緊迫感，事實上，很多地方我們還稱不上好用。”，除了產品上要更快速變化之外，在運營、變現上或許知乎同樣需要更快才行。

2017年知乎的重點方向會是什麽？

知乎在2016年從問答社區成功轉向知識平臺，連接著知識生產者和消費者，同時還有圍繞知識的合作夥伴。翻譯一下就是，知乎不再只是做基於SNS的問答社區，而是有多樣化的滿足知識生產與消費的產品進而形成平臺，如Live、值乎、知乎專欄、機構賬號等等，平臺與社區最大的不同無非在於突破“人與人的連接”，實現更多元的供需連接，知乎2016年做到了。

2017年，周源在內部信中為知乎提出了三個目標。

1、為廣泛知識消費者開拓新場景。

問答只是知識分享的場景之一，除了問答，專欄、Live、值乎、日報也是知識分享的場景，知乎已覆蓋。然而，知識場景還有許多。知識涵義十分廣泛：“知道是什麽”的事實，“知道為什麽”的理論，“知道怎麽做”的技能技巧訣竅，“知道找誰”的人機關系，均屬於知識的範疇。維基百科、百度文庫、百度知道、百度搜索、網易公開課、YY教育、TED、可汗學院、coursera等產品，均是知識經濟玩家，這意味著，百科、教育這些場景依然是知乎的範疇，知乎會有更多的產品內容形態。

2、實現規模化的廣告營收能力。

過去知乎在變現上很保守，偶爾有個廣告，還有出書，2016年算是元年，上線了自動化的廣告產品，更重要的是在付費知識上有里程碑進展。2017年知乎會更強調廣告變現，希望實現規模化營收。作為與今日頭條、微博對標的內容平臺，知乎是註意力黑洞，而註意力最直接的變現模式是廣告。周源對於廣告的看法特別，其認為“廣告應該是一種有價值的內容”。張小龍可通過“朋友圈廣告”這種新型廣告模式來博得廣告主與用戶的雙邊喝彩，知乎的答案會是什麽？

3、知識市場成為真正的市場。

中國年輕人為數字內容付費意願愈發強烈，不只是知識領域，電影、音樂、圖書、App都有類似趨勢，蘋果 2016年大中華區整體營收下滑17%，App Store收入卻上升了90%，手機沒有內容好賣了。在這樣的大環境下，2016年知識經濟卷土重來，知識付費、知識共享…認知盈余的理論在中國互聯網市場得到了很好的詮釋。

周源不認同知乎在抓付費內容的風口，但2016年知乎在知識市場化上取得了不錯的進展，“知乎Live”自2016年5月14日推出至今已舉辦超過1500場，737位主講人平均時薪達10980元，單場知乎Live收入最高達到19萬元。周源說要在2017年讓“知識市場成為真正的市場”，在我看來更多是要激發供給與需求，通過產品、運營、技術等手段，完善市場機制，提高效率和公平性。

2012年，知乎上有一個問題是“知乎是什麽？”，周源的回答是：“知乎就是一個由每個人知識、經驗和見解組成的 P2P 網絡。”，這已有共享經濟的雛形，現在看來知乎還沒背離初心。

知乎的星辰大海又在何方？

知乎的未來在哪里？不妨從人們對“知乎的潛在對手是誰”的討論這個角度來看。

有人說，知乎是百度的對手，百度現在市值是600億美元，是知乎的60倍。知乎與百度的競爭關系不只是因為它一定程度取代了知道（百度上線了百度派等產品反擊），更重要的是，知乎已是一個垂直搜索，“知乎一下，你就知道”，之後它可能會做百科甚至貼吧，與搜狗合作則可強化搜索。

有人說，知乎是今日頭條的對手，今日頭條的估值是110億美元，是知乎的11倍。知乎會是一個內容平臺，問答是知識的場景，而知識是內容的一種。知乎之後可從知識進入到更多內容範疇，用時髦的話說是“泛知識領域”。內容產業是2016年互聯網的主流故事，騰訊投資知乎正是因為內容戰略；阿里巴巴給到馬雲的愛將俞永福的擔子也越來越重，在大文娛上發力；百度在2016年啟動內容戰略上線百家號；搜狐、網易們不斷架構調整迎接內容潮，知乎從知識平臺到內容平臺水到渠成。

還有人說，知乎是網易公開課、YY們的對手，知乎會從知識分享平臺進化到在線教育平臺，今天有人在知乎Live分享見解經驗和知識，明天就有人在知乎Live分享技能，後天就會有老師到知乎上課。總之，教育是知識傳授的最高階形態和最有效方式，知乎最終入局在線教育服務，是必然。

知乎本輪領投方今日資本總裁創始合夥人、總裁徐新這樣展望知乎的未來，“當知乎能夠進一步圍繞知識的供需解決有所突破，就有可能成為滿足用戶多場景內容消費和更多需求的偉大公司。”從這句話能夠看到知乎從知識跳躍到內容消費的很大可能性，更多需求是什麽，還要知乎給出答案。

總體來看，知乎至少有三個互聯網巨頭們都夢寐以求的特性。

第一，互聯網下半場，2017年開始的下一個十年，滿足精神消費需求成為互聯網的主線之一，物質愈發充裕，精神卻依然空虛，這需要資訊、知識、娛樂諸多內容的填補，相對於資訊和娛樂迎來第二春而言，知識是一個新興市場。

第二，正如我之前一篇文章所言，互聯網下半場，人口紅利消失之後，移動App爭奪焦點是用戶時長，要實現這一點就要內容化、社區化和實體化。知乎作為一個註意力黑洞，雖然整體用戶時長與微信、今日頭條、視頻App們比有差距，但單用戶時長在互聯網行業中領先，它的產品有內容和社區的雙重特性，有著天然的時間吸引力。

第三，互聯網下半場，消費升級是另外一個故事，不論是物質還是精神消費的升級，年輕化用戶和新興中產都是兩個新貴用戶群，前者是未來，後者有消費力，知乎投資方看中它的一個很重要的原因，正是因為其有“新興中產和知識階層”。

互聯網下半場到來，遊戲規則已悄然發生變化。精神消費特性、時間吸引力與中產階級用戶群都在知乎相遇，可能是這個問答社區起家的知識平臺未來最大的機會。

文章評論

匿名用戶

發布

全部評論：10

發布

眾籌平臺倒閉潮，巨頭擠壓下難出獨角獸

王子健 2017-02-13 14:16

本文系王子健對i黑馬投稿。

這幾個月眾籌消沈了不少。隨著眾籌項目的不斷落地，相應的風險和潛在問題不斷凸顯，導致眾籌模式逐漸冷卻。同時被隨後興起的VR、共享單車、自媒體等熱門領域排擠並打入冷宮。眾籌平臺倒閉潮

眾籌近來的日子並不好過，積累的問題開始集中爆發。股權眾籌沒有良好的投後管理模式，欺詐項目頻繁出現。公益眾籌缺少第三方監管機制，管理漏洞頻現。近幾月處於瘋狂增長中的汽車眾籌，也出現了跑路、提現困難等問題。

來自中關村眾籌聯盟最近發布的研究報告顯示，截至2016年年底，平臺下線或眾籌業務下架的平臺數量共計89家，占正常運營眾籌平臺數量的五分之一。

業務停止、轉型，平臺倒閉、跑路，不少業內人士都直觀地感受到行業正在步入“冷卻期”。

讓我們把視線轉移到產品眾籌平臺。這類平臺沒有公益眾籌、股權眾籌、汽車眾籌、房產眾籌等垂直性眾籌平臺存在的潛在問題。

京東、阿里、蘇寧這種大的互聯網企業有平臺優勢，流量優勢，資金人力和產業鏈優勢。不僅能培育市場、進行用戶教育，還能把眾籌平臺迅速做起來。

早期垂直類眾籌平臺扮演了知識普及的角色，現在到了交棒給電商玩眾籌的階段了。那些死去的平臺最終只是做了一場用戶教育罷了。

目前想要獨立發展的眾籌平臺幾乎舉步維艱。在僧多粥少的局面下，同質化競爭以及巨頭的湧入是中小眾籌平臺紛紛倒下的原因。

好的眾籌平臺需要的三個屬性

《新約·馬太福音》里有這麽一句：“凡是少的，就連他所有的，也要奪過來。凡是多的，還要給他，叫他多多益善。”

據數據顯示，在2017年1月，成功項目融資額最高的平臺是開始眾籌，約1.40億元。其次是淘寶眾籌和京東眾籌，分別為1.33億元和1.22億元。成功項目支持人次最多的平臺是京東眾籌，約68.01萬，其次是淘寶眾籌和蘇寧眾籌，分別約50.20萬和6.41萬。

在行業肅殺背後，一股暗流正在湧動。眾籌資金與資源越來越向開始眾籌、京東眾籌、淘寶眾籌、蘇寧眾籌平臺匯聚，形成寡頭格局，馬太效應越發強烈。

對於項目方而言，平臺的流量與資金是創業初期渴求的資源。企業都希望在大的眾籌平臺銷售產品、拓展品牌知名度，說不定還能獲得新聞媒體的采訪。

眾籌行業正在經歷一輪優勝劣汰的洗牌。一個比較重要的原因是因為許多企業本身沒有眾籌相關的經驗，也缺乏資源及流量入口。想跟風在這塊領域分得一杯羹，紛紛建立新的事業部上線旗下眾籌平臺，結果導致這類眾籌平臺運營效果不佳，很容易倒閉。他們沒有站在項目方和用戶的角度思考，而只是單純地想迅速把平臺做起來。

一個好的眾籌平臺一定具備三個屬性，一是流量屬性，二是金融屬性，三是營銷屬性，缺一都不是好的眾籌平臺。

流量屬性：龐大的流量入口是一個好的眾籌平臺不可或缺的一部分，流量是金融屬性和營銷屬性的基礎。有了流量基礎才會有接下來用戶支持眾籌項目的一系列行為。

金融屬性:眾籌最初的目的很簡單，通俗一點講就是籌錢。如果一個平臺的籌資率很低，那麽優秀的項目肯定不會花時間和精力在這個平臺上線。

營銷屬性:當我們談論眾籌是互聯網金融時，更多的會關註其金融屬性，而忽略其本身蘊藏的巨大的營銷屬性。新聞效應是其根基，新聞媒體的關註是必不可少的一個關鍵點。一個優秀的項目能否在平臺獲得大量用戶青睞和媒體關註是起決定性因素的條件。

能滿足以上三個條件就屬於一個好平臺。但是獨立的眾籌平臺現在還面臨一個困難，就是盈利能力比較弱，很難有規模性的財務收入。一般而言，產品眾籌平臺的主要收入模式是促使項目籌資成功並收取部分服務費。也就意味著，項目多交易量大才能有更多的傭金，在項目枯竭的情況下盈利模式必然受到限制。

未來眾籌的看頭是參與感

在眾籌未來的發展上,產品眾籌平臺會更加看重用戶的參與感。未來大平臺不僅會在流量、籌資率、用戶基礎、新聞效應上競爭，還會在眾籌的參與感這一環節下功夫。

可以這樣說，眾籌如果沒有參與感就不是眾籌。

在2014年7月，京東眾籌剛上線時。京東金融眾籌業務負責人金麟介紹，京東金融做眾籌的特點，是優選聚集好的創意，出資人在“湊份子”能找到好玩、有趣的項目，其身份不僅是消費者、投資者，更是參與者。項目初期，出資人在產品設計、生產、定價等環節，能與籌資人建立起深層次的互動，並能決定產品未來，這些過程都體現出了真實參與感。

可是令他萬萬沒想到的是，現階段的京東眾籌既不像國外眾籌那樣讓參與者從創意階段就介入產品研發，也缺乏與籌資人建立良好的社交互動關系。

另一方面，被眾籌業內普遍認可的是，眼下只是一個過渡階段。產品眾籌不會停留在前期的營銷層面，而是要扮演一個線上孵化器的角色，平臺能否利用自身生態圈資源為他們提供從渠道、營銷到用戶數據、基礎設施的整合服務，將是寡頭接下來競爭的焦點。

接下來可能形成兩極分化局面。一部分大平臺更加註重眾籌的參與感，一部分更加註重提供整合服務。前者更能為社會創造巨大的價值，後者更能在商業上取得非凡成就。

希望未來國內數一數二的眾籌平臺能讓更多草根散發他們的光彩，實現他們的夢想。讓人感受到眾籌的意義之所在。

文章評論

匿名用戶

發布

全部評論：10

發布