创业和创新类大赛不同体现，创新创业大赛好处？

大家好，我叫小白，是一名大数据博士，今天来做一些关于大数据方向可行创业模式的分享。

有启发的4个点

1. 有一些作品出来时，要尽快品牌化与规模化；

2. 自媒体写作不能丢，影响力是真资产；

3. 得数据者得天下；

4. 大数据领域创业的6种模式。

我目前团队主要在北京，大方向是探索数据能力的商业落地，具体项目在下面会说起。 我很久之前的职业方向其实是学术研究，在海外读书期间主要研究计算纳米光学，听起来费解 ，说人话就是：用大数据来研究自然科学。毕业后不久我就回国发展，进入互联网公司做商业数据分析。

第一份工作是在E代驾，在大数据部门下负责过核心商业数据分析，期间主导的一个反作弊模型给公司挽回了千万级别的现金流损失。之后在某B轮创业公司负责数据产品的落地，该产品功能很像GrowingIO，熟悉增长黑客的朋友应该不陌生。

回到我的创业之初，我还在公司里面，当时数据分析很火热，经常也会有猎头来聊新职位，收入作为打工还算可观，但我意识到这样的职场生涯不是长久之计。同时，身边也接触到知识付费和个人商业模式的例子。

深入思考后，我觉得起码数据分析这块是我所擅长的。只要有数据，我的数据敏感度和技术能力几乎总是能让我快速定位问题背后的本质是什么，无论是之前做学术，还是现在做商业分析。 前提是，只要有数据。（后面会讲到我为什么强调这个前提） 说回来，那么这种数据分析思维和落地能力在当时很多人需要，我干脆就从这个点切入好了。

所以我开始做自媒体写作和数据分析社群，同时也结合知识社群的内部直播分享，带来了四五百精准的社群用户，主题是数据分析入门。 这个社群我付出不少心血， 各种写作输出、资料分享、案例分析和编程知识普及，一时间挺热闹。

在运营差不多两个月左右后，我发现一个问题，社群活跃度难以持续。很快我就发现了，驱动大家学习的目的不明确，动力难以为继。 于是我决定反向筛选用户，启动付费社群，同时开始做数据分析入门课程，这样采用付费社群+在线语音课程的模式来运营。

后来我离开了公司，参与别的创业项目（和数据分析不直接相关），但是数据分析的付费社群和在线课程一直在运营，这期间已经是小团队轻资产运营模式。 此时我的数据分析知识付费的模式进化成：付费社群（微信/小密圈）+各大在线课程平台（千聊/新大/易灵微课/网易云等）+自媒体(微信公众号为主) 课程也有了简单的产品矩阵：

1）商业数据分析（技能篇/商业逻辑），

2）爬虫入门，

3）Python入门和数据分析 截止到春节，在我兼职运营的情况下，知识付费流水超过120万，其中课程营收占大头，各个渠道付费用户总和过2000人，这个数字只能算差强人意。 回过头看，在知识付费这个方向上，我收获到几点教训：

1）错失了红利期，没能进一步规模化和品牌化

2）在自媒体写作上不够持续投入（长期的复利效应，需要放下得失心，持续投入） 那时我也观测到许多朋友在知识付费领域做的风生水起了，比如咱们亦仁的生财有术，坦白说，开始我没有看懂知识星球这个模式，这只能说明自己当时商业认知的不成熟。

在同一时期，疯狂逆天的数字货币如日中天，各种空气币都在秒天秒地，最后秒了韭菜和自己的口碑。数字货币这波大行情，我赶了个晚集，截止到熊市开启后，在投机上没有太多财富斩获，但好处是找到了将数据分析和数字货币市场结合的细分方向。 那就是数字货币二级市场的量化套利交易。

这个模式，做好了就是量化对冲基金和资产管理，只要行情不是特别差，市场有流动性，我们的量化策略就有套利空间。 那么可能有人会问，量化交易和数据分析之间的联系是什么？为什么我会切入到这个领域？ 其实量化交易历史相当悠久，华尔街的二级市场用了几十年了，本质就是借助统计方法、数学模型来指导投资，可理解成平时定性投资的数量化实践，交易对象一般是各种股票、期货、债券等。

传统量化交易做的最好的团队，华尔街公认是传奇数学家西蒙斯的大奖章基金(Medallion fund)，穿越了2000和2008两次黑天鹅，在1994-2014这二十年内，年化回报平均71.8%。 本来这个模式可能传统金融出身的团队更做的更多，但是随着这波以比特币为主的数字货币牛市启动，资本和热钱涌入后，币圈的二级市场提供了足够的流动性，这就吸引了类似我们这样有较好的大数据和统计背景的团队涌入到数字货币的量化交易市场。

我自己熟悉数据和商业分析，恰好找到了传统二级市场的操盘手做合伙人，这样加上核心的研发，我们就组成了一只精益的量化交易团队。去年我们融了一轮钱，主要用来研发策略，目前的策略已经跑了几个月，熊市那一段时间的平均月化回报还不错，具体数字就不公开说了。

简单来说，借助数据分析的背景，我切入到了金融科技这个离钱足够近的领域。 目前在币圈的量化团队，整体来说算是良莠不齐，做的好的不多。说起来可能得罪人，有些团队根本没有量化能力，底线再降一降，就是在用资金盘割韭菜。另外，真正的量化交易策略打磨，还是有些门槛的。我们自己算是做的相对快的，也借助了华尔街那边对冲基金成熟的策略思路，初期花在量化模型回测的研发时间就有三个月。

举个例子，某知名互联网行业招聘平台的一位联合创始人18年也切入到币圈的量化交易，然后在去年12月份，我了解到他们的策略爆仓了，亏了几千万人民币！做的好的代表也有的，华人的币圈量化团队中，我知道做的很好的一家在硅谷，去年在美国和他们接触过，牛市结束前，他们的策略年化回报是比特币的3.5倍，月化回报是比特币的1倍多。但是他们进入熊市后的回报数据，我就不得而知了。

说到这里，简单总结下我对数据方向的创业思考。 拥有数据分析技术手段、商业分析思维和互联网产品背景的创业团队来说，如何才能找到一条阳光的商业变现模式呢？ 需要时刻记住，数据积累才是核心竞争力，进一步来说，优质、海量、多元化、能持续更新的数据才是真正的护城河。

所以大数据/人工智能这个赛道里，得数据者得天下，数据寡头们，如BATMD和美国的Google/脸书/亚马逊这种既有源源不断的数据，又有变现生态和超强技术能力的，正在瓜分最大红利。 而对大部分掌握数据能力却没有数据积累的初创团队来说，指望靠做小产品来产生足够体量的数据不太现实，只有依靠平台级产品才有能实现。

举个例子，斯坦福李飞飞这么顶级的AI专家，也曾去Google工作，为了就是借助Google的海量数据去训练和优化她在高校做出的算法模型。在我国，情况更是如此。 此外，就算手上有数据，如何变现也是个问题。不同行业的数据，不同时间的数据，不同人群的数据，价值都不一样。

淘宝、拼多多上面产品的销售数据很有价值，如果还能拿到相关用户的数据，价值非常高，至于支付宝上的征信数据和消费记录，更是金贵。可是人家都有反爬虫机制，想获得完整的数据很难。数据行业里面，灰产和黑产也不少，保险、券商、赌场这些行业都非常需要暗网一直有数据被倒卖，各种酒店的确有人赚到快钱，但是国际上对数据这块的立法越来越规范。

前几年有个做数据集市业务的新三板上市公司，因为涉及到灰色数据交易，高管被带走调查。 所以数据方向的创业，只能从单点突破。如何选择突破点？我觉得需要同时考量内部因素和外部因素：

1）团队核心的数据能力侧重：有的擅长数据仓库和清洗，有的擅长算法模型，有的对行业需求敏感，有的数据产品能力突出，有的数据洞察和咨询能力出色。

2）团队的行业资源积累：有的出身顶级研究机构，有的和资本方走得近，有的背靠巨头生态或广告商，变现能力强。

3）外部因素：细分方向的选择，不同的时机和环境下，会涌现不同的红利。

再进一步，基本就是以下几种模式：

1）有超强的人工智能算法积累/耀眼的研究背景：我会把人工智能头部玩家都放在这个 类别中。他们到最后，活下来的出路大概率就是找到巨头和数据爸爸站队，老老实实做马仔，分点汤喝，拿到别人指定品类的数据来做应用。这个模式对算法模型的能力和融资能力不是一般的高。具体可参考国内的商汤/旷视/第四范式/格灵深瞳等，如果找不到清晰的产业化路径和变现场景，到了资本寒冬，很多都难以为继，我刚刚列举的公司中，有的已经出现了高层震荡，部门大规模裁员的现象了。 这里多说几句，不是每个公司都能成为头条，不是每个创始人都有张一鸣的综合能力和好运气。没有更好选择的情况下，站队其实不丢人，对商业公司来说，咬牙负重活下来比硬挺着腰杆在寒冬中一夜死去要光彩得多。真的想不为五斗米折腰？其实机会也很多，道路千万条，何苦来创业。

2）To B的咨询服务模式：利用数据能力，找到公开渠道能获得的数据或者甲方授权数据，挖掘分析在可视化后后做成商业报告，将数据能力转化成商业洞察和商业咨询报告。这样就变成乙方了，这个模式中，我熟悉的宋星老师创建的分析数据是个代表，他们提供SEO/定制的数据化营销/培训等服务。我想，完整数据能力应该是未来的咨询公司的标配吧。

3）To B数据产品模式：做成数据产品+私有化部署，卖给中小公司。用自己的产品能力给甲方赋能，以实现数据驱动增长。该模式的佼佼者如秒针/GrowingIO，但是除了研发之外，对行业需求的理解和落地能力，以及对融资能力要求都不能有短板。而且，一不留神就会做成很重的定制化开发，那就是个无底洞。

4）To G模式：面向zf和相关组织机构，将算法模型能力封装出来，和zf合作，打通全维度数据做指定应用。这个细分市场里头，基本上是没有金刚钻，不揽瓷器活。技术/zf公关/融资能力，三者缺一不可。国内有明略数据，给公安部提供大规模反恐维稳和舆情监控的能力，具体业务再进一步解读就不合适了；硅谷鼎鼎有名的Palantir，干的也是类似的业务，算是前者的师傅？

5）金融数据领域：这里面也细分好几个方向，我们做的量化对冲就是一种，利用金融数据直接套利；此外还有金融数据服务商，代表企业如庞博/汤森路透，以及国内的万德，但严格来说这些业务不适合初创团队切入，对行业资源要整合能力要求很高。

6）数据分析相关在线教育/知识付费：卖线上/线下课程和培训；或者做聚合的在线课程平台，流量变现和渠道抽成；这个模式按说我最熟悉，但仔细想想，但真正做得特别出色的品牌，脑子里面居然一家都没想出来，上网搜索了下，也是类似的结果。这说明数据类的教育培训市场，目前还处于早期，是比较分散和野蛮生长的状态，还是挺有机会的。

再者，这个市场的特质就是短期很难垄断，因为太新，用户需求也在不断变化，所以无法像传统教育那么被快速复制和标准化。

最后，回到我目前的量化套利项目上，我觉得算是找到了正确的赛道，但是变现效率还不够，目前的利润回报在体量上还没达到盈亏平衡，所以策略和业务模式还要继续迭代。眼下的状态就是一边自我造血，一边继续在资本市场的冬天寻找星星之火。

尤其是最近，我得以近距离看到一些大佬对商业的敏感度和执行、变现能力，的确叹为观止。也令我再次明白，在商业的路上，我的认知还要继续升级。本着这样的目的，我在做项目之余，还在运营一个商业观察的社群，用来分析和解读在我视野范围内全球各种和商业有关的案例或现象，以此倒逼自己输出和链接到更多未来的合作伙伴。