2015年50亿资金投进大数据，大数据创业公司都用来干嘛了？
2015年即将过去，大数据逐渐落地并不断诞生出各种商业模式。都说资本市场上半年火热，下半年寒冬，但对大数据行业来说，这句话并不成立，大数据的资本市场一直在升温。数据客分析了2015年获得融资的大数据创业公司，和大家一起回顾这一年来中国大数据创业公司的融资情况。数据分析为主流，基础技术还不够我们通过搜索网络公开资料，整理出51家（有两家公司今年融资两次）2015年在国内融资的大数据创业公司，总融资金额超过50亿人民币。这50亿都投到哪些领域了呢？我们把这些大数据创业公司分为三类：数据资源、数据技术、行业应用（详细企业列表见附录）。大数据从数据采集、存储、处理、分析挖掘、展现各个环节在不同行业都有相关应用，所以大数据创业公司也有着多种不同的方向。从2015年的融资情况来看，中国的大数据创业企业发展很不平衡，相较于美国已经有成熟的大数据产业链，国内大数据企业在硬技术方面比较欠缺，更多的是大数据的行业应用。2015年大数据创业企业融资情况从上图可以看出，针对大数据行业应用的创业公司占52%，其中提供营销和金融风控数据服务的创业公司最多，这一方面反映了市场的需求，另一方面也显示出在资本寒冬形势下，资本更亲睐有成熟商业模式的项目。针对数据的采集和交易也成为热点。大数据的基础是数据，而大部分传统企业在以往并没有这方面的考量，进入数据时代之后，数据之间的共享、交易才能带来更大的价值，针对这个方向的创业公司也有着不错的前景。从时间来看，各月分布较平均，下半年进入资本寒冬以后，大数据企业融资步伐也并没有减慢，反而逆势而上，表明资本市场对大数据行业的信心。从金额上看，其中融资最多的项目为九次方，2015年共两轮融资7亿人民币。融资上亿的大数据公司达到19家，占35.8%，A轮以上融资均为千万及以上级别，资本对大数据公司毫不吝啬。从轮次来看，获得A轮融资企业最多，有18家，A轮以下企业有32家，占总数一半以上，大数据行业创业企业大部分处于初期。但已经走过两三年的创业企业大都活的不错，从传统营销手段转向大数据营销的“品友互动”走上Pre-IPO，九次方也宣布明年有上市计划，在行业深耕，前景是光明的。投资机构方面，除了老牌的红杉、经纬在大数据行业有上亿的投资外，投资大数据的公司和基金众多，且部分大成立时间不长。很多新晋投资机构在热门投资方向上竞争不过行业大佬，把目光投向更有前瞻性的领域，大数据就是他们的一大热门方向。大数据是一座冰山2015年中国大数据领域的创新公司总共获得近50亿人民币的投资，而美国在2013年大数据领域的新创公司就获得了36亿美元的投资，硅谷大数据公司Palantir Technologies今年的估值已达200亿。以中国如此大的数据量和潜力来看，接下来大数据领域的投资还有很大潜力可挖。随着技术和理念发展，“大数据”在中国逐渐落地，行业应用不断增多。除了营销、金融等原本就需要数据驱动的行业，逐渐以更大的数据量和更完善的数据分析改善业务之外，大数据更需要应用在健康医疗、交通、气象、公共服务治理等方面，大公司通过引进大数据改善经营和管理，提升企业竞争力，于此相支撑的硬件技术、数据采集、可视化等方面都会不断扩大市场规模，这些都给了资本信心。相对于前几年很多公司号称自己是“大数据”公司，但实则仅仅是查询搜索或是还在利用人工搜集数据的状况相比，目前很多创业公司已经有了很好的行业知识、技术架构、数据采集能力和算法分析能力，这些给未来行业的良性发展打下良好的基础。同时大数据培训和竞赛领域也不断发展，为大数据人才的培养奠定基础。《2015年中国大数据交易白皮书》预计，2015年大数据市场规模将达到421亿美元，大数据公司风头正劲。但大数据在中国发展不过几年，从技术到分析水平都还在学习阶段，在技术基础设施领域，中国创业公司创新明显欠缺，同时也存在部分企业并没有相关的技术实力，却乘着政府政策扶植的东风谋求发展，给行业带来一定的概念泡沫的情况。“冰山在海上之所以显得庄严宏伟，是因为他只有八分之一露出水面。”数据之所以显得能量巨大，是因为需要巨大的数据量为支撑，通过分析挖掘搞清楚水下的“八分之七”，才能得出最精华的结论。搞清楚水下，就是未来的机会所在。附1：详细企业列表附2：其他有潜力的创业公司（业务方向摘自网络宣传）数据客整理发布，欢迎关注公众号（idacker），和我们一起畅聊数据圈的大事小事。
*文章为作者独立观点，不代表虎嗅网立场
授权 虎嗅网 发表，并经虎嗅网编辑。转载此文章须经作者同意，并请附上出处()及本页链接。原文链接/article/135648.html
未来面前，你我还都是孩子，还不去下载 猛嗅创新！
后参与评论为何将大数据风控做好的公司寥寥无几？
近两年，在市场追逐、资本热捧以及国家政策支持下，互联网金融行业发展势头颇猛。但有专家透露，在目前的互联网金融市场上，有60%的损失来自于欺诈，这60%里面又有80%—90%属于集团欺诈。因此，风险控制就成为互联网金融发展的必要基础，银行通常借助用户行为风险识别引擎、征信系统、黑名单系统等反欺诈系统，对交易诈骗、网络诈骗、电话诈骗、盗卡盗号等欺诈行为进行风险识别。
关注网（微信公众号：shuju_net）了解更多精彩资讯
在实施风控过程中，其核心在于如何通过以及人工智能技术进行快速操作，降低诈骗风险并提高效率。与传统金融的风险控制相比，大数据风控可以采集到更多传统金融没有触及到的数据，比如用户在APP和网页的行为轨迹数据，以及GPS位置信息数据等，通过海量数据的积累和分析，对客户的还款能力进行有效判定。
如今，信贷行业已有大量的消费金融公司、网络信贷公司、P2P公司在收集数据，而收集数据的目的就是判断这个人会不会还钱、能贷给他多少钱。概括来说，信贷机构主要收集三种数据，就是谁借了、谁批了、谁还了，也就是借款历史、审批结果和还款数据。
在信贷机构看来，借款人又分为两种，第一种是他借过钱，第二种是他没借过钱。对于借过钱的人，中国人民银行有征信数据，他们的信用情况很容易判断。而对于没借过钱又有借款需求的人，人行征信数据覆盖不到的大概有4亿人，判断这部分人的还款能力和欺诈风险，就需要借助大数据技术来实现。
大数据风控的市场格局
从整体来看，目前国内大数据风控市场上有两种体系：BAT与互联网金融公司内部的大数据风控体系；第三方大数据风控体系。
第一类是由BAT互联网巨头和互联网金融公司建立的大数据风控体系，BAT巨头拥有征信牌照，依据自身平台的流量优势，建立封闭系统的信用评级和风控模型。比如蚂蚁金服旗下的芝麻信用，利用阿里旗下淘宝、支付宝等海量数据优势，为用户提供信用评价。
而对于没有征信牌照的其他公司来说，则是通过建立大数据风控系统来识别风险。比如，融360推出的“天机”风控系统，通过大数据分析技术，为申请贷款的用户进行评分，然后依据分值为合作机构提供放贷建议。
第二类是针对互联网金融企业和金融机构提供大数据风控服务的第三方大数据风控平台服务商。由于互联网金融行业对大数据风控技术的需求爆炸性增长，诞生了一批第三方服务商，他们的大数据风控体系具有明显的“开放性”特征，与企业及各类金融机构“共享”或“共建”大数据风控服务。
以网易金融为例，其在不久前推出了全国首个开放性智能风控平台网易北斗，通过大数据分析技术，为国内金融机构提供获客、征信、授信、管理等多样化系统支持，从而降低金融机构的坏账率。
企业做大数据风控面临的问题
尽管大数据风控已经得到业界认可，但市场上真正将大数据风控做好的公司却寥寥无几，原因是什么呢？
很多公司的技术实力跟不上大数据风控的要求，其利用大数据进行建模时，经常忽略技术在建模中的运用，只是将原始数据进行简单筛选，整个环节并没有涉及太多技术分析。曾有专家指出，数据底层的技术是大数据风控的核心基础，如果没有过硬的技术实力，大数据风控也就无从谈起。
其次是数据源问题。一些平台在实施大数据风控过程中，收集的数据源很有限。将行为数据化，进而将数据结构化，需要有个时间过程。
另外，还有层出不穷的欺诈行为。对于骗子来说，其会通过伪造资料进行骗贷，这就需要大数据风控系统不断更新迭代，加入多维度的复杂特征，才能有效打击违法诈骗行为，这也是对大数据风控技术的持续性考验。
同时，在大数据风控系统中，很多评分标准、分级制度、对应放贷额度、逾期率等所谓的模型都没有经过实际还款周期的检验（消费金融的还款周期一般是1—3年），这些风控模型都是纸上谈兵。有不少平台为了快速做大获取融资，竟主动降低风控要求。
国内大数据风控困境
除了企业内部因素以外，在外部的市场大环境中，也出现很多问题阻碍着大数据风控的发展。
困境一、中国征信体系不完善。大数据风控的第一步就是获取数据，而我国央行个人征信记录覆盖率仅为35%，许多互联网金融企业的用户都没有信用卡，自然没有信用数据可言。目前大多数公司的做法是将自己的数据共享给第三方征信机构，然后从征信机构那里获取数据。
困境二、团体诈骗现象。在信用市场上，一些诈骗集团通过各种方式召集法律意识淡薄的用户进行借贷，再将借到的钱瓜分。诈骗集团跑路后，还款及逾期都压到了用户头上，这种诈骗方式让平台处于很被动的处境。
困境三、缺乏应对极端环境的测试。预测是大数据技术的价值之一，但黑天鹅事件却是在大数据预测规则之外。目前，国内大数据风控的发展只经历了几年时间，期间并没有经历过极端经济环境的压力测试。
面对以上困难和挫折，除了要加强对互联网金融的政策管理以外，企业自身也要严于律己，以提升大数据风控的技术实力为标准，才能让整个互联网金融行业向着正规、有序的方向发展。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。国内大数据风控方面做的比较好的企业有哪些？数据的获得途径有哪些？ - 知乎60被浏览6128分享邀请回答01 条评论分享收藏感谢收起61 条评论分享收藏感谢收起查看更多回答(window.slotbydup=window.slotbydup || []).push({
id: '2014386',
container: s,
size: '234,60',
display: 'inlay-fix'
&&|&&6次下载&&|&&总79页&&|
您的计算机尚未安装Flash，点击安装&
阅读已结束，如需下载到电脑，请使用积分（）
下载：30积分
0人评价15页
0人评价23页
0人评价22页
0人评价29页
0人评价18页
所需积分：（友情提示：大部分文档均可免费预览！下载之前请务必先预览阅读，以免误下载造成积分浪费！）
（多个标签用逗号分隔）
文不对题，内容与标题介绍不符
广告内容或内容过于简单
文档乱码或无法正常显示
文档内容侵权
已存在相同文档
不属于经济管理类文档
源文档损坏或加密
若此文档涉嫌侵害了您的权利，请参照说明。
我要评价：
下载：30积分}