来源：知乎
#知乎专栏：数据分析侠
#作者：面包君
#时间：2016-4-8
前段时间在北京见了不少的投资VC，在和君资本也是认识了不少朋友。对于VC投资界，我听到的最多的词汇就是太缺少技术类的人才。这是我万万没有想到的，应该来说对于互联网界干技术的人才实在是太多了，反倒是懂商业、懂艺术的人相对少些。我们当时一个人就把“我爱数据分析网”搭起来了，所以技术对于我们来说感觉反而更容易。了解到像横跨金融和互联网技术的人才是非常的少数，以后懂技术+金融+艺术的人才会非常吃香。
期间就和VC们聊一些投资项目，他们关心的是在什么阶段的融资、退出机制如何、团队规模和核心成员，而对于像很多创业公司而言，除了有一些idea和以前的项目经验外，基本上没有什么可以供VC们来参考的，有些好的会有半成品或者已经上线的产品问世。所以还是鼓励创业是先把自己的想法做成Demo或者产品先，让VC去想象你大概会做成什么样的产品的确很难，更别提一些虚无缥缈的概念。
记得之前有次问人想了解下“汽车后市场”这块的app目前都有哪些，主要是想了解下目前的汽车后市场这块，大概创业的公司都做成什么样子。也就有个同学发了个链接给我，收纳了很多关于汽车后市场的app信息整理，我当时对这个网站就特别看好，其实目前国内的创业环境这么浓厚，而围绕创业的服务缺没有紧跟着，这是政府和企业的机会。也没错，当时看好的那个网站现在已经迅速发展市值数亿美元。
最近也是在大张旗鼓赶紧把数据分析这块的书整理完整，看了很多，感触很深。要么就是讲的太泛泛，要么就是根本和实际的工作不太相关。这些的东西会给人很多误导，非常希望能够有更多的《数据分析侠A的成长故事》这样的真实小说有血有肉的存在。而数据分析目前应用的比较广泛的在互联网电商领域，而在金融行业还是稍显落后。虽然也在谈论量化投资这些，像资产管理公司和基金公司在美国已经很早大规模的应用了数学统计模型来衡量公司投资产品的质量和未来市场的预测。而VC们也是应用了不少数据库和市场分析工具，这块在国内还是比较空白，有很大的创业机会。
Google Ventures 声称他们已经在数据分析上获取了相当的进展。他们拒绝公开成果，不过综合各方面信息看来，Google Ventures 的公式或许并没有想象得那么高深：他们通过分析运用诸如创业城市、团队平均年龄、过往创业经历这样的因素来考量每一个潜在的投资机会。不过 Mark Zuckerberg 在成立 Facebook 前只卖过产品原型而无创业经历，甚至 Google Ventures 的俩老板，Larry Page 和 Sergey Brin，如果要用这么一个算法来评测，估计也难以过关。Google Ventures 也颇有自知之明，看感觉 (intuition) 和看顺眼 (chemistry) 仍是他们在投资决策中颇为重要的考量因素。
KPCB 和红杉这样的高级玩家也尝试过通过分析创业公司在 Twitter 上被提及次数，或者创业公司产品 App Store 排名这样的数据来分析一家创业公司的价值。而 IronStone，这家由外练William创立的被视为异类的创投，在数据分析上走得比同行们更远更快。根据一些已经公布的信息，他们声称一个创业公司的团队因素只会在他们的整个考量过程中占到 12%，即使团队和人员长期以来被传统创投视为最为重要的一项影响因素；而另外 20%被分给了创业公司的其他各项指标，余下的 68%则全部被市场因素占用：将要进入的市场的环境、公司的调整周期、市场的变化是否可被预期等等。
目前已知的或公开声称正在或将要使用数量分析来投初创公司的主要机构包括上文提及的 Google Ventures、KPCB、Sequoia Capital、IronStone、Y Combinator，以及 500Startups、August Capital、Accel Partners、Andreessen Horowitz、Floodgate Fund、Greylock Partners、SVAngel 等等。其中，Accel Partners 专门拨出 1 亿美元作为大数据基金 (Big Data Fund)，而 Greylock 已在使用其内部数据团队制作的专有数据分析工具。Google+、Facebook 和 Twitter 等社交网络是目前被作为数据采集的主要源头。
像在美国，投资决策目前和传统VC区别主要是在种子阶段、初创、扩张这些不同的时期使用的数据分析工具有所不同，基本上能应用到的数据分析工具像caplinked、younoodle、startup genome等。
比如我会通过像angellist、seedsummit这样的初创公司数据库来寻找合适的项目，然后通过acplinked、dealflow这些流程管理平台来筛选相应的可能会投资的，通过younoodle来搜集初创公司的竞争对手以及这个团队在市场上的竞争力。通过ownyourventure可以来评估几轮投资后的股权价值等。
通过这些量化的工具，可以帮助传统VC去分析：潜在的市场机会都有哪些？目前都有哪些模式的创业公司？量化评估此创业公司的运营周期和成本？市场保有量和未来上市的可能性？这些是每个VC都会去关心的问题。
未来随着国内创业环境的成熟和体制的完善，相信会有不少这样的创业后市场的服务会补刀上来。还是希望能够在数据分析的先驱们，走在前面的人可以多思考怎么去把数据分析应用到更多的领域，而非只是和人家还在谈论R语言、关联聚类、做报表这些前人讲烂的东西。
未来的数据分析市场能有多大，谁也不知道！
也欢迎大家多关注“数据分析联盟”最新动态！
