佳礼资讯网

 找回密码
 注册

ADVERTISEMENT

楼主: poison13

毒男美股交流

[复制链接]
 楼主| 发表于 13-7-2019 05:53 PM 来自手机 | 显示全部楼层
人造肉料两年内普及化 每块从115万降至41令吉
http://www.chinapress.com.my/?p=1668271
回复

使用道具 举报


ADVERTISEMENT

 楼主| 发表于 19-7-2019 09:37 PM 来自手机 | 显示全部楼层
19july
买 chgg.estc
回复

使用道具 举报

 楼主| 发表于 20-7-2019 09:29 PM 来自手机 | 显示全部楼层

36氪APP
让一部分人先看到未来
立即打开
人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续
人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续IPO早知道11小时前
BeyondMeat于2019年5月2日在纳斯达克挂牌上市,IPO当日,该公司开盘价46美元,较发行价25美元溢价84%;股价收涨163%,至65.75美元,创金融危机以来最佳IPO首日表现。
编者按:本文来自微信公众号“IPO早知道”(ID:ipozaozhidao),作者Uncle C、Aspirin,36氪经授权发布。

BeyondMeat于2019年5月2日在纳斯达克挂牌上市,IPO当日,该公司开盘价46美元,较发行价25美元溢价84%;股价收涨163%,至65.75美元,创金融危机以来最佳IPO首日表现。截止到7月19日收盘,BeyondMeat (BYND)股价已达170.34美元,后劲十足。

2019年的美国IPO市场是火爆的,除了Uber、SpaceX等明星独角兽以外,也包括了国内熟知的瑞幸、斗鱼也纷纷于美股敲钟上市。但以上这些融资总额接近1000亿美元的明星企业,却被一家“名不见经传”的人造肉企业BeyondMeat抢走了风头,后者的表现简直称得上独领风骚。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

图片来源:Yahoofinance

图中蓝色线代表的是BeyondMeat,截止至10日,收涨已经达到159.07%,从发行价的25美元攀升至170.50美元,市值达到102亿美元。

它可能比你想象的更有名气。从BeyondMeat的公开信息可以清晰的看到,它的个人投资者名单里称得上是众星云集,微软创始人Bill Gates(比尔·盖茨)、全球男神Leonardo DiCaprio(莱昂纳多·迪卡普里奥)、可口可乐集团CFO Kathy Waller以及Twitter的CFO Ned Segal。

能吸得到这些投资人青睐的BeyondMeat自然有它独特的地方。我们通常用作食物的肉类均是由氨基酸、脂肪、微量矿物质、维生素和水组合成的。在BeyondMeat的创始人Ethan Brown看来,这些东西并不是动物专有的,在植物中同样可以找到相同的要素。

消费升级的作用下,人们已经不简单满足于对食物口感与视觉的追求,健康环保也已经成为了需求之一。

BeyondMeat能得到消费者认同并不是偶然的。它的生产方式十分温和,对环境也更加友好。在招股书中,公司宣称能够减少90%的温室气体排放、99%的水资源消耗、93%的土地需求、46%的能源需求。健康、环保、人道主义,通过迎合目前市场的需求侧,BeyondMeat得以成功上市,一鸣惊人。

BeyongMeat 的故事

在递交给美国证券交易委员会(SEC)的招股书中,有着与众不同的地方,一封来自创始人Ethan Brown信,信中他讲述了自己从小在自家农场的经历。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

图片来源: 招股书

不得不说,这样的情怀是值得欣赏的,至少比尔盖茨是愿意为此买账的。BeyondMeat最大也是最早的投资者之一是泰森食品(Tyson Foods,一家市值近300亿美金的食品巨头)该公司在2016年持有BeyondMeats 5%的股份,后来增持至6.52%。

不过在今年早些时候泰森食品退出了此次IPO,分析师认为,如果收入像预期那样增长,其他投资者可能也会寻求套现,因为持续的分析表明,该股可能是一时的潮流,而不试合长期的投资。

BeyondMeat的销量成长空间

据招股书中披露,BeyondMeat(BYND)的销量从2016年的398万磅增加到了20018年的1524万磅,增长近3.8倍。分析师认为,这是由于消费者偏好的变化推动的,千禧年后更多的人转而使用更健康的肉类替代品,如植物性肉类,目的是得到健康益处和环境保护。

根据尼尔森最近的一份报告中显示,2016年3月至2019年3月,美国植物性肉类的年销售额增长了42%,达到了8.88亿美元,而传统肉类的增幅仅为1%。

预计这一趋势将持续下去,在鲜肉销量增加的推动下,BYND预计未来两年内将增加超过3900万磅的交易量。报告中显示,由于2016-2021年期间美国冷冻食品的销售预计将出现-1.2%的复合年负增长,由于健康益处和质量的提高,预计BYND的冷冻肉销量将下降。

根据公开的财报数据显示。近三年BeyondMeat的营收增长迅速。2018年达到8793.4万美元,较去年增长1.7倍。



人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:公开财报



细分市场性能

从零食渠道看,BeyondMeat通过其零食方合作伙伴销售其植物性肉类类基础产品,合作方包括了艾伯森、克罗格、维格曼斯以及Wholefoods等全美著名超市。根据公开的财报资料显示,2018年零售渠道的销售额占总收入的58%。

分析师预计,在品牌知名度提高、销量上升及国内与国际双管齐下的扩张推动下,未来两年BeyondMeat的收入将增长3.6倍以上,到2020年或可达到约1.85亿美元。

从餐厅餐饮店(R&F)来看,该公司在招股书披露其在美国大约通过12000家餐厅和餐饮服务网点销售旗舰产品“Beyond Burger”和“Beyond Sausage”。这个分类的收入从2016年的384万美元增至2018年的3716万美元。2018年,R&F的销售额占总收入的42%。

经预计,若没有其他不可控风险的影响下,未来两年该部门收入将增长4.6倍以上,到2020年达到1.73亿美元。

BYND运营利润解构

BeyondMeat自创立以来。一直出现经营亏损的情况,但由于收入基数的上升,经营利润率持续改善。

虽然其在净利润的表现上显现亏损,上一季度的净亏损660万美元,相比之下去年同期的净亏损为570万美元。按每股计算,Beyond Meat的季度亏损为95美分,相比之下去年同期的每股亏损为98美分。不计入某些一次性项目(不按照美国通用会计准则),该公司的调整后每股亏损为14美分,相比之下去年同期为13美分。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:公开财报

然后市场的表现显然投资者没有过度担忧账面上的亏损,这可能是由于公司一直致力于研发创新,其2018年R&D方面的支出高达958.7万美元。截止到2018年底,其招股书中显示,拥有355名全职员工,其中包括233名运营人员,44名创新研发人员,35名销售及营销人员以及11名财务人员。

IPO早知道预计,BYND将在2019年实现收支平衡,2020年盈利能力将近一步提升,这主要是得益于顶线的急剧增长,固定成本被销量的稳健增长所吸收,预计2019年营业利润率为0%,2020年为1.2%,将明显差异于2018年的-31.8%。

值得被注意的问题

细读BYND的招股书不难发现,与那些真正的素食汉堡公司不同,BYND在推动的是将他们的产品作为肉类替代品,而不仅仅是素食汉堡那么简单。因此便产生了以下几点问题:

口感还是和真正的肉类有差距。据悉有人将从超市买回的BYND素食肉进行简单的烹饪,详细对比后,表示“第一口吃下去的感觉很难区别出来,但当尝试第二口的时候会发现还是和真正的肉质有明显的差别的”。这或将导致持续的投入并不能得到预期的回报,因为没有真正获得食肉群体的认可。

没有护城河。事实上,目前的科学已经好几种可以替代动物肉的方法,随着时间推移这些方法会被不断改进并应用到市场。BYND和其主要竞争对手Impossible Foods均采用了植物为基础的路线,后者虽还没有上市,但李嘉诚、淡马锡等已为后者融资3亿美元,规模是BYND上市前的六倍还多。

但是到目前为止,还没有哪一家公司做出的肉类产品能完美替代动物肉,并且一旦有了完美替代的方式,每个人都会效仿,因为没有任何障碍可以复制。分析师在美国专利注册网上寻找了很久,BYND仅有一项专利和20个待决定专利。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:S-1, page31

毕竟,BeyondMeat做的只是优化豌豆、甜菜和其他蔬菜的组合,而并不是修改了植物的基因,这样大大增加了复制品产生的可能,甚至被后来的复制者超越也不是不可能。

激烈的竞争。暂时的股市爆发增长(或可持续一段时间,因为投资者通常会有非理智性的属性)只是暴风雨前的宁静,大玩家已经带着他们的产品入场。

泰森食品(TSN)在BYND进行IPO出售了其持有的6.5%的股份,其中一个原因就是TSN也在寻求开发自己的替代蛋白质产品的系列。

据悉,TSN已经推出了第一个产品:一种混合动物与植物性蛋白质的肉类产品。并且雀巢(OTCPK:NSRGY)等全球其他大玩家也纷纷透露正在研发相关产品。

事实上,这些体量大的竞争者们很有可能后来居上。首先,他们已经拥有强大而成熟的分销网络,包括与麦当劳(NYSE:MCD)等大公司长达数十年的合作关系。

虽然BYND在分销网络上做的同样出色,但远远还不能和TSN以及雀巢相提并论。

其次,大体量玩家的优势还在于资本成本更低。这意味着,即使生产成本类似,BYND也需要为高于TSN的产品定价而支付其资本成本。

目前,BYND的毛利率为20%,而TSN的毛利率为12%。然而,更高的价格驱动着更高的利润率。如下图所示。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:公开财报

据《美国肉类食品价格调查报告》显示,一磅的“Beyond Burger”的单价几乎是谷饲牛肉(6.99美元/磅)和普通牛肉(4.99美元/磅)的两倍。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源《美国肉类食品价格调查报告》,由Aspirin自行整理

为了让BYND赢得更多的市场份额,其汉堡的价格必须接近常规甚至有机牛肉的价格,才能具备竞争优势。但是以有机牛肉的价格计算的话,BYND的毛利率将会跌为-37%。

这意味着,为了产生这样的竞争力,BYND需要提高37%的成本与有机牛肉持平,提升高达55%的成本与普通牛肉持平。

通过研发的投资和技术的进步,是可以实现降低成本的,但这不是一夜之间就可以达成的,可能需要长达数年的过程。

估值解析

你不需要很专业的知识就能知道170美元一股的价格是昂贵的,但IPO早知道希望通过DCF的方式来还原一个合理的市场价格。

如下表所示,假设一个150美元的合理股价,到2030年,销售额必须达到220亿美元,毛利率应高于竞争对手。WACC在这里假定为10%。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:公开来源,由Aspirin自行整理

从倍数来看,假设一个公平的EV/EBITDA倍数为20倍,到2025年EBITDA应攀升至7.7亿美元,以证明当前150美元股价的合理性。

但请记住,即使雀巢目前也没有20倍的倍数。此外要想在6年内达到7.7亿美元的EBITDA也是非常激进的目标。这里仅支持于理论推导。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:公开数据

从当前价格来看,依旧假设EV/EBITDA为20倍,8年达到目标收入水平,EBITDA利润率为15%。在这种情况下,未来8年的收入需要每年增长56%,以证明现在的市场价格是合理的。

人造肉公司估值解析:BeyondMeat上市80天从25美元涨至170美元,神话能否持续

数据来源:由Aspirin整理

即使假设别的倍数、利润率和年份。BYND的营收也需要在6-10年内每年达到40%-70%的速率才可能实现。

关于BYND的猜想

那么BYND有没有可能只作为一个市场里的利基玩家呢。IPO早知道认为,这或许是一个很好的战略,因为它可以保证BYND在相对有限的竞争中保持高利润。

然而,肉类替代的市场太小了,根据数据调查,预估2023年全球肉类替代市场规模才达到64亿美元,甚至低于目前BYND的百亿市值。

但一些银行分析师预测,到2030年,市场将上涨1000亿至1400亿。此数据仅供参考。

回复

使用道具 举报

 楼主| 发表于 22-7-2019 10:43 PM 来自手机 | 显示全部楼层
22july
买chegg
回复

使用道具 举报

 楼主| 发表于 23-7-2019 04:54 PM 来自手机 | 显示全部楼层
90%人工智能公司都亏损?盈利难背后的大数据门槛
第一财经日报
07-22 08:42
¤±è

邱智丽

【90%人工智能公司都亏损盈利难背后的大数据门槛】

AI(人工智能)落地场景在不断增多,但赚钱依旧艰难。

亿欧报告显示,2018年全年,近90%的人工智能公司处于亏损状态,而10%赚钱的企业基本是技术提供商。从谈概念、讲技术,到拼场景、抢落地,建立在大数据基础之上的人工智能,仍面临数据本身带来的挑战。

“我们经常提及大数据,但事实上我们并不需要那么多的数据,AI未来的一个趋势是小数据崛起。”在市北·GMIS2019全球数据智能峰会上,斯坦福大学教授、Landing.ai创始人、CEO吴恩达表示。

一个具体的案例是工厂手机屏幕划痕检测。目前不少是利用人眼来检测手机是否存在划痕,如果拥有100万个划痕手机,AI可以非常高效地识别手机划痕。但现实情况是没有任何工厂会有几百万不同划痕的手机,这个时候小样本学习(fewshotlearning),即利用较少的数据得出同样准确结论的人工智能,将有助于推动整个领域的发展。

小样本学习的迫切性更在于落地过程面临的数据孤岛、数据隐私保护导致的数据割裂问题,让AI技术很难充分发挥价值。

“和AI用于比赛需要上千万的图片训练不同,当AI深入行业我们看到的数据往往是小数据和细碎的数据,也就是没有联通起来的数据,再先进的AI技术也很难用上。”国际人工智能学会理事长、香港科技大学教授、微众银行首席人工智能官杨强说道。

今年5月,国家互联网信息办公室发布了《数据安全管理办法(征求意见稿)》,提出在中国境内利用网络开展数据、存储、传输、处理、使用等活动,以及数据安全的保护和监督管理意见。

杨强认为“中国版GDPR(通用数据保护条例)”即将到来,数据隐私在走向严格化、全面化,这使得企业在实际应用中可以使用的数据维度和范围并不大。数据隐私保护的趋严,为人工智能技术升级提供了契机。

以保险行业利用AI进行个性化定价为例,背后需要业务数据和用户互联网行为数据融合,理想的状态是可以拿到非常丰富的用户画像,与用户的ID高度匹配,但实际情况迫于隐私、安全、法规等原因,企业可以应用的数据是非常有限的。

再例如在小微企业贷款应用方面,AI需要引入票据数据、资产数据、舆情数据等,但由于数据的割裂,实际应用中只能使用一些政府的数据,例如央行的征信报告,但这些报告只能覆盖不到10%的人群。这一问题在医疗领域更为明显,不同医院的医疗影像数据很难汇聚到一起,形成大数据来训练一个医疗模型。

针对数据割裂带来的人工智能落地难问题,杨强提出了联邦学习。所谓联邦学习,是多个数据方之间组成一个联盟,共同参与到全局建模的建设中,各方之间在保护数据隐私和模型参数基础上,仅共享模型加密后的参数,让共享模型达到更优的效果。

据杨强介绍,联邦学习分为横向联邦和纵向联邦,横向联邦是指企业各方数据维度相同、ID维度不同,更多存在于消费者应用中;纵向联邦是指企业各方数据的ID维度相同(样本重叠)、数据维度不同,更多存在于B端应用。

杨强认为联邦学习最大的优势是保证数据不出户,通过生态在不同行业选取合作伙伴,用群体智能不断提升模型效果。因此联邦学习一定是多方共同协作组成一个联盟,生态的建设十分重要。

面对AI落地难、盈利难问题,吴恩达则认为,在期待AI为企业带来红利之前,企业需要避免几个陷阱。首先AI技术会影响很多企业做业务的核心,所以选择项目是非常重要的,从小的项目开始,可以建立好的基础,同时帮团队获得动能。

其次团队建设不能仅依靠明星工程师,而是要建立一个完善的、跨学科、跨职能的团队。同时不要期待AI立刻产生作用,而是要多次尝试,对AI发展的回报曲线进行合理预算。不要使用传统的流程评估人工智能项目,应该为AI项目团队设立合适的KPI和目标。

“有关AI的应用越来越多了,但企业的AI转型并不是开发一个APP这么简单,不要指望AI解决所有的问题,也不要指望AI项目一次性就成功。”吴恩达表示。

责任编辑:于雷 PT032
回复

使用道具 举报

 楼主| 发表于 29-7-2019 09:45 PM 来自手机 | 显示全部楼层
29 july
卖 domo 套利
回复

使用道具 举报

Follow Us
 楼主| 发表于 31-7-2019 09:49 PM 来自手机 | 显示全部楼层
31 july
卖 nio.cldr
买ntxs
回复

使用道具 举报

 楼主| 发表于 2-8-2019 10:11 PM 来自手机 | 显示全部楼层
本帖最后由 poison13 于 2-8-2019 10:49 PM 编辑

2/8
卖nio 套利
买 nutalix.baba.elastic
回复

使用道具 举报


ADVERTISEMENT

 楼主| 发表于 5-8-2019 09:44 PM 来自手机 | 显示全部楼层
5 august
买 vt. Alibaba.elastic
回复

使用道具 举报

 楼主| 发表于 6-8-2019 09:46 PM 来自手机 | 显示全部楼层
6/8
买nutalix.chegg.eslatic
回复

使用道具 举报

发表于 7-8-2019 01:02 PM 来自手机 | 显示全部楼层
poison13 发表于 6-8-2019 09:46 PM
6/8
买nutalix.chegg.eslatic

厉害厉害
回复

使用道具 举报

发表于 7-8-2019 01:14 PM 来自手机 | 显示全部楼层
poison13 发表于 4-5-2019 09:19 PM
想了很久。打算开户口投资美股。这个blog有很好的资料。选了td-meritrade

https://aliinvest.blogspot.com/2015/05/td-ameritrade-open-account.html?showComment=1556963011458&m=1#c2558670371755927788
  
...

厉害啊厉害 赞
回复

使用道具 举报

 楼主| 发表于 7-8-2019 10:14 PM 来自手机 | 显示全部楼层
7/8
买 vt.chegg.twillion
回复

使用道具 举报

 楼主| 发表于 8-8-2019 10:41 PM 来自手机 | 显示全部楼层
8/8
买twilion
回复

使用道具 举报

 楼主| 发表于 17-8-2019 08:42 AM 来自手机 | 显示全部楼层
16/8
卖alibaba 套利
回复

使用道具 举报

 楼主| 发表于 19-8-2019 10:47 PM 来自手机 | 显示全部楼层
http://www.enanyang.my/news/20190819/%e4%bb%96%e4%bf%9d%e8%af%81%e7%be%8e%e8%82%a1%e9%93%81%e5%ae%9a%e6%97%ba%e5%88%b0%e6%98%8e%e5%b9%b4/
回复

使用道具 举报


ADVERTISEMENT

 楼主| 发表于 20-8-2019 07:50 AM 来自手机 | 显示全部楼层
在大数据争夺架构霸权之战中,云计算显然是赢家,而 Hadoop 明显落败了。现在客户已经不愿在单一的 Hadoop 集群上进行投资,转而青睐更灵活(如果不是更便宜的话)的云计算平台。虽然 Hadoop 上的泡沫已经明显破裂,但在构建大数据方面,组织仍然面临许多问题。

HPE 在 8 月 5 日收购了 MapR ,这可以说是 Hadoop 走在消亡路上的一个标志。人们曾将 Hadoop 视为未来的前沿平台,但现在,它看起来就像是另一个已经过时的遗留平台。曾经将 Hadoop 视为推动其大数据战略的核心技术的客户,现在正寻求转型,采用云平台来实现这些数据战略。

无论是在技术层面还是在市场层面,这种转变带来的影响都是深远的。在技术层面上,Hadoop 将计算和存储结合在一起——这是分布式架构的标志之一,直到社区修改 HDFS 以支持平淡无奇的 Hadoop 3.0 的抹除码(erasure code)时,它就已经失宠了。为取代 HDFS,我们用大规模的基于云的对象存储,构建在 AWS S3 模型上,并且能够根据需要启动计算,使用类似 Kubernetes 的虚拟化技术,而不是 YARN。

各组织不再花费大量资金雇佣工程师团队来运行复杂的本地 Hadoop 集群,他们发现,使用由 AWS、 Microsoft Azure 或 Google Cloud Platform 开发的预构建分布式计算服务,并将运营控制权交给云供应商更为经济。

这些云平台与 Hadoop 非常相似,包括了 Hadoop 世界中出现的所有计算引擎:Spark、Hive、HBase,甚至还包括 MapReduce。但是,运营复杂性的沉重负担却落在云供应商身上,而不是客户身上。

阻抗失配
Splice Machine 首席执行官兼联合创始人 Monte Zweben 表示,Hadoop 的操作复杂性就是一名杀手。Splice Machine 为 Hadoop 和其他平台开发了一个关系数据库。

他称,“当我们想把自己运送到另一个地方,需要一辆车时,我们就会去买一辆车。但我们并不会这样做:去买悬挂系统、燃料喷射装置,还有一堆车轴,然后把所有的东西都放在一起。可以这么说,我们是不会去拿材料清单的。”

“如果你看一下 Hadoop 和经销商的商业模式,你就会明白,这些就是你需要组装产品的材料清单。”Zweben 继续说道,“它们非常有效,也非常强大,而且还非常复杂。它们的目标是世界上构建软件的工程组织。它们被卖给世界各地的 IT 组织,这些组织拥有更多的操作技能,能够实现平台,并使其保持 7x24 的运行状态。”

阻抗失配(Impedance Mismatch)正是 Hadoop 消亡的核心,并对 Hadoop 商业模式造成了损害。面对来自云计算的猛攻,Hadoop 订购停滞不前,最终导致了 MapR 和 Cloudrea 的斗争公开化。 HPE 为 MapR 的减价出售做好了准备,并在此过程中拯救了财富 500 强(Fortune 500 )和全球 2000 强(Global 2000 )中的许多客户,使他们免受因运行不受支持的企业数据平台版本而蒙受耻辱。在前首席执行官 Tom Reilly 和其联合创始人之一、首席战略官 Mike Olson 辞职后,Cloudrea 仍然没有任命常任首席执行官。

死而不僵的大象
那么,我们该会走向何处呢? Enterprise Strategy Group 高级分析师 Mike Leone 表示,Hadoop 背后的势头已经明显减弱,但尚未完全放弃这头“黄色大象”。

译注: Hadoop 的吉祥物是一头黄色大象。Hadoop 这个名称,并不代表任何英文词汇或缩写词,只是一个无中生有创造出来的名称。当初原始开发者 Doug Cutting 在为这个新技术命名时,他想选一个容易拼写和发音、便于沟通,且没有在其他地方使用过的名字,于是神来一笔地借用儿子黄色毛绒填充大象玩偶的名字,而黄色大象后来也变成了 Hadoop 的官方吉祥物,如图:


Leone 告诉 Datanami,“用‘死亡’这个词,真的有点过了,但市场肯定是在萎缩而不是增长。我们的研究表明,大约有 12% 的组织仍然利用 Hadoop 作为他们分析计划的一部分。从商业角度来看,Hadoop 有着惊人的承诺,但在交付方面却不尽如人意了。”

组织对利用大数据有很大的期望,虽然 Hadoop 可能不是将组织带到大数据福地的工具,但这些期望仍然存在。

“现在,随着主要云供应商提供的服务数量的不断增加,有许多不同的方法可以实现 Hadoop 承诺的商业效益。”Leone 说,“对于那些对云不感兴趣的行业,主要的云供应商希望通过 AWS Outposts 和 Google Cloud 的 Anthos 等技术,使组织能够将它们的大数据和分析服务带到本地环境中。”

在过去的十年里,由于在 Hadoop 上已经投资了数十亿美元,因此企业不愿意关闭它们的服务器集群。相反,大多数专家都希望 Hadoop 栈能够坚持一段时间,运行客户在其上构建的定制应用。它只是全球 2000 强企业数据中心中的又一项遗留技术,这些数据中心仍然运行着 IBM 大型机、AS/400,甚至是偶尔运行的 VAX 系统。

崭新的云架构
云供应商战胜企业中的 Hadoop 的一个副作用是,云计算的功能正在被移植到企业内部部署的系统中。

基于云的大数据系统提供商 Qubole 的首席执行官 Ashish Thusoo 称:“云架构正在逐步向本地数据中心发展。云架构意味着什么?这意味着所有的基础设施都是作为一种服务提供的,而不是作为整体产品提供的。”

基于 S3 模型构建的对象存储和基于 Kubernetes 的编排框架(允许计算快速启动和停止),是云计算功能进入内部部署的数据中心最明显的例子。

“人们普遍认为,具有计算、存储和短暂的计算分离的云架构具有很强的自动化能力,可以创建集群,而且作为服务的所有一切都可以在任何地方实现,无处不在。”Thusoo 表示,“它目前还处于发展的早期阶段。它远非主流或类似的东西。但这正是我们所看到的这些公用云供应商试图做的事情。”

Hadoop 经验教训
尽管有些人可能会认为 Hadoop 市场的瓦解是一个失败,但其他人会认为它是信息技术历史上的一个必要篇章。

Hadoop 模仿 Google 开发的技术,并在 Yahoo 投入使用,最终被其他科技巨头采用,如 Facebook、Twitter 和 Uber 等,他们都为开源贡献了自己的创意。Hadoop 方法代表了构建分布式系统的一种方法。全球 2000 强企业首次采用了这种方法。这种方法对于一些公司来说,它的效果很明显,但对其他公司来说却不太有效。随着世界的发展,其他许多人认为更好的架构理念出现了,因此我们尝试了一些新的事物,诸如此类。

Leone 预测,Hadoop 的教训不会被忽视。他说,“我认为,Hadoop 为一种新的做事方式提供了很好的介绍。对于那些等待采用大数据处理技术的组织来说,现在有更好的方法来实现这一点,即 Spark 或利用 Google Cloud Platform 的 Dataproc 或 AWS EMR 之类的云服务。”

Cloudera 将尝试与混合数据平台竞争,消除云计算供应商带来的“厂商锁定”困境(尽管云计算供应商显然将厂商锁定视为其商业模式的一个特征,而不是什么 bug)。但根据 Leone 的说法,云计算供应商完全淘汰剩下的 Hadoop 供应商只是一个时间问题。

“虽然组织仍然可以在他们选择的云上利用他们首选的 Hadoop 供应商技术,但是云计算供应商已经创建了托管服务,降低与 Hadoop 相关的所有复杂性,比如持续集成、管理和维护。”Leone 解释道,“如果组织已经投资数十万美元来建立为组织创造价值的流程,那么他们将很难改变这些工作流。将这些流程提升并将其转移到云计算供应商管理的更高效的基础架构中更有吸引力。对云计算供应商来说,最槽糕的情况是组织在他们的基础架构上运行。对于云计算供应商来说,最好的情况是放弃 Hadoop 供应商,使用他们提供的托管服务。”

如果 Zweben 能够做到这一点,那么新的云架构的采用者将永远不会重复他认为 Hadoop 最槽糕的功能之一:读取模式(schema on read)。

“在第一代 Hadoop 中,每个人都只是专注于将数据放到平台上。关于读取模式有很多讨论。这对社区里的每个人来说,这意味着什么,无须担心!只需将数据放在 Hadoop 上,人们就会以他们需要的方式来消费数据。”

“这是一个可悲的错误。”他继续道,“它导致了数据沼泽。如果你将 Hadoop 的复杂性、数据沼泽的现状和公用云的成功结合起来,你会发现这对 Hadoop 发行公司来说是一个非常大的问题。”

有人可能会争辩说,Cloudera、Hortonworks 和 MapR 都错过了公用云,现在,他们的午餐被 AWS、Azure 和 GCP 给瓜分了。Zweben 说,“这就是事实啊。”但这并不意味着客户可以继续使用他们的新的云架构,就像他们滥用 Hadoop 那样。

他说:“你可以在 S3 或 Azure 数据湖上转储你所有想要的数据,然后不假思索地这么做,最终你就会跟 Cloudera、Hortonworks 和 MapR 的第一代采用者一样最终到达同一个地方,这是错误的思维方式。”

在 Zweben 看来,考虑大数据的正确方式是,首先弄清楚你希望实现什么样的业务结果,然后从那里开始着手构建。只有在了解业务挑战之后,才能确保自己正在手机正确的数据,并以正确的方式应用机器学习。

Zweben 建议说:“首先要考虑要实现现代化的应用程序,然后找到你需要的数据和你需要注入的模型,以便实现应用程序的现代化。这种思维的倒置将彻底改变整个市场。”

原文链接:

Re-Imagining Big Data in a Post-Hadoop World
回复

使用道具 举报

 楼主| 发表于 25-8-2019 06:50 PM 来自手机 | 显示全部楼层
"7月销量惨淡,蔚来8月能否迈过及格线?"

http://cn.investing.com/analysis/article-200433725
回复

使用道具 举报

 楼主| 发表于 4-9-2019 08:50 AM 来自手机 | 显示全部楼层
想靠大数据“掘金”,这九个洞察你务必理解透了
想靠大数据“掘金”,这九个洞察你务必理解透了哈佛商业评论2019-08-30
大数据和高级分析的时代已经到来,错失高级分析带来的代价颇高。
编者按:本文来自微信公众号“哈佛商业评论”(ID:hbrchinese),36氪经授权发布。

大数据和高级分析的时代已经到来。本文提炼出九个洞见,帮助领导者提升企业基于数据事实解决问题的能力。

全球每天都有数十亿部手机、传感器、支付系统和相机等设备催生出指数级增长的数据量,可以说,大数据和高级分析的时代已经到来。错失高级分析带来的代价颇高。最有远见且敏捷的企业竞争优势最大,而落后的企业将会逐渐衰落。数据分析不应仅仅是企业首席信息官(CIO)的职责。

虽然,CIO的专业知识非常丰富,但其对全盘业务缺乏充分理解会导致错失重大机会,也缺乏推动公司进行高级分析变革的权力。因此,高级分析工作一定要由首席执行官(CEO)和业务部门领导共同参与指导,才能加快企业内部变革步伐,同时保证投资决定的科学性。麦肯锡研究发现,这种模式已经逐渐形成常态:超过一半的CEO认为自己在牵头管理企业的高级分析工作,而且这一比例还在稳步增长。

麦肯锡就高管领导高级分析的现状访问了300多名优秀企业的高管。本文提炼出九个深刻洞见,帮助管理者推动企业高级分析的变革工作。

洞见1:厘清高级分析背后的逻辑
高级分析的崛起会颠覆许多行业的主流商业模式,对于CEO来说,当务之急是厘清背后的逻辑。

这一洞见有两方面值得企业深思:

第一,在解读高级分析能力的潜力和长期趋势之前,企业应充分理解,其将如何颠覆现有商业模式?可以从领先行业学到哪些先进经验?如何通过迭代商业模式更好满足客户需求?

第二,以数据为切入点开始抓住新机会,分析数据价值、了解数据的不同之处、洞察其价值、学会与其他资源结合实现增值。然后,企业方可认真思考其商业模式。一个简单的入门方法是对市场上的数据分析类公司和同业深入考察,了解其动向,由此诊断企业当前的市场定位和竞争方式,并在生态系统中找准长期方向。

洞见2:明确高级分析应用的领域以及发现创造价值的方法
只有通过在实际业务问题中运用大数据分析和高级算法设计出优化的解决方案,高级分析才能真正为企业创造价值。

然而,不少企业都是浅尝辄止,缺乏通盘考虑,而能真正思考如何将分析能力变现的企业更是少之又少。在缺少全局视野的情况下,企业领导人很难制定出可靠的商业方案,同时也难以传达高级分析能力的重要意义,而这恰恰是驱动企业下决心开展高级分析变革的关键。

对这种情况的建议是:与高管团队明确高级分析能带来最有前景的价值来源。首先,企业要确定价值链中最具潜力的部分。例如对于消费品公司来说可能是产品开发或库存优化;对于保险公司来说可能是风险模型。然后根据公司规模提出相应数量的可行使用案例,大公司可能达到上百个,小公司可适当减少,并分析数据和技术能力可以扮演怎样的角色。对每个使用案例进行外部对标以衡量其价值。最后按照使用案例的经济效益、适配性、可行性和实现速度等条件进行优先排序。

洞见3:数据分析的难点是如何获取并分析正确的数据
大多数公司尚未将实时数据纳入日常业务流程,部分公司还没有确定自身真正所需的数据。企业还面临着如何统一标准实现数据集互通(例如交易数据和客户档案)、提高数据质量和数据可用性等常见挑战。

对这一点的建议是:数据是一片汪洋大海,同时还在呈现指数级增长。为避免翻船,企业高管必须将数据战略与分析战略相结合。在探索新数据源时高管要牢记从特定使用案例出发,并思考数据的来源是商业供应商还是开源,对业务数据的熟悉度是企业实现数据变现的第一步。

企业要不断提高数据质量,落实企业治理和商业流程,确保所有获得授权用户的直接访问数据的权限,鼓励优秀的数据和元数据实践,自动构建数据协调过程,不断验证新数据是否符合质量标准。企业可以选择在集中式存储库(又称“数据湖”)中实现不同数据集互联。同时企业要化繁为简,避免为所有历史数据构建数据湖这样耗时数年的行为。麦肯锡建议企业应从优先使用案例所需的数据开始,再逐步添加其他数据,数据构建始于已有数据,避免过度追求完美而作茧自缚。

洞见4:数据所有权和访问权需要民主化
企业拒绝采用与直觉相违背的高级分析洞见的最常见理由是基础数据无效。避免这一问题的前提是由业务部门负责数据质量,同时授权业务负责人随时访问数据。具备卓越分析能力的企业会尽可能提供数据访问权限,同时确保内部统一“单一事实来源”的定义,帮助员工共同使用数据,群策群力,与时俱进。某大型制药公司的CIO对麦肯锡表示:“向公司全员公开数据,是消除业务部门和科技部门之间互相推诿职责的关键”,这种做法有利于在企业中贯彻数据驱动的决策思维。

对这一点的建议是:企业应设计有效的数据治理方案,落实权责,指定负责数据定义、创建、校对、管理和验证的牵头部门,如业务、科技和分析中心等。同时对数据采取“业务主责,通用访问”的双重原则。即使储存和支持数据的是科技部门,业务部门也应当对数据负主要责任。企业还可以创建数据利用平台,便于前线员工轻松自助提取数据的服务门户,同时举办数据利用教程,提升全员对数据分析的认知水平。

洞见5:内化高级分析能力时,变革管理和数据科学同样重要
企业内传统的工作方式素来根深蒂固,包括对分析工作的潜在不信任。高管们亟待解决的一个关键问题是,如何说服一线员工利用高级分析获得的洞见改变其决策方式。通用电气前CEO杰夫·伊梅尔特对麦肯锡表示:“一开始我以为,增加几千名技术人员,再升级软件就可以解决这个问题。事实证明我错了,产品经理、销售人员和一线支持人员必须一起改变。”

对这一点的建议是:只有当员工理解改革,并把自己看作是改革力量的一部分时,他们才真正接受改变。因此,在设计高级分析解决方案时要以用户为本,在最初环节就要引入业务部门的参与,最好搭配一位既懂数据科学,又理解如何落实于业务应用的“翻译”,全程主导使用案例开发。

企业要做到人尽其才:业务人员识别机遇,数据科学家开发算法,用户体验设计师塑造交互界面,软件开发人员专注开发原型,流程工程师实施修正工作流程,变革小组执行落地。企业要为每个使用案例设计一套战术手册,抓好培训和沟通。除了单个使用案例之外,企业还要设计一份宏观层面的改革方案,培养高级分析能力,驱动企业范围内的整体数字化转型。

洞见6:学习关注指标,然后衡量,衡量,再衡量
某大型保险公司高管曾提出一系列问题:“如何确保我们在分析方面的投资是值得的?衡量的指标是什么?如何量化分析能力创造了多少价值?怎么判断分析能力对团队进步的贡献?”这些问题十分常见,但在麦肯锡的访谈中却很少有人能够解答。

如果缺乏明确衡量高级分析能力价值的指标,又无法保障内部顺畅沟通,企业很难为其对分析能力的投资提供有力支持和佐证。而由于分析能力通常应用在支持决策制定,很难与其他计划分隔来看,所以对分析能力的量化评判更难实现。

对这一点的建议是:企业可以建立包含所有关键业绩指标的绩效仪表盘,并关联数据库实现自动更新,轻松掌握实时动态。在此基础上,企业必须相信数据。某投行的CEO表示:“通过参考统计信息,而不是光凭直觉,我们得以利用数据的指示,在正确的时间做正确的事。学会摒除情绪影响和对当前焦点的干扰是成功的必经之路。”

自动化和数字化帮助企业实现实时查看业务数据,必要时改变业务策略,而不是等一个月、一季度或者一年结束再回头分析。衡量业绩的指标更新频率得到了提升,对企业来说其价值斐然。高级分析的价值产生在正在运用数据分析的企业,因此企业领袖应该决策开展高级分析的进度节奏,并严格执行。

洞见7:诸四海而皆准的流程
高级分析的最佳运营模式是什么样的?核心问题在于集中化负责数据分析的卓越中心(COE)和业务部门应如何分配职责。事实上,只要使用得当,每一种模式都可以成功。

对这一点的建议是:企业领袖应评估高级分析的决策权位置:到底是在总部还是在业务部门,基于此设计一个充分利用现有结构优势的分析组织模型。对于已经存在的卓越中心(COE)则需要评估其效用,包括:决策速度有多快?分析解决方案有否足够的业务投入?这些解决方案是否捕获了预期价值?

洞见8:人才梯度建设不仅要,关注数据科学家,还有“转译人员”
高级分析人才市场依旧紧张,大多数接受采访的CEO均表示自己的企业已经雇用了数据科学家,反而现在更需要的是精通分析的商业专家,也就是我们提到的那些能发现机遇、构建问题、制定解决方案并掌控变革的“转译人员”。某CEO表示:“要找个会做生意的业务人员或者通晓技术的软件工程师不难,真正紧缺的是那些既懂业务又会技术的人才。”可见这一问题的关键是要找到能够理解和处理数据,并能将数据转化为价值的人才。

对这一点的建议是:找准一批有统计学、计量经济学等数理背景的优秀人才,然后设计有针对性的培训项目来强化他们的分析能力。培训课程不应局限于数据科学,还应包括领导力和管理技能用来领导端到端的使用案例识别和实施,同时引领文化变革。课程设计要结合在职培训、面对面授课和在线复习等授课方法,并授予毕业认证。通过这类举措,企业可以形成统一的内部沟通方式和标准。

洞见9:实现重大创新的捷径是培养数据驱动、测试与学习相结合的文化
企业总是报喜不报忧,成功时总是大张旗鼓,遇到困难就习惯遮遮掩掩。与此同时,许多初创公司和敏捷型企业则遵循数据驱动、测试和学习相结合的文化准则。公司高层在明确愿景之后,乐于鼓励员工探索新机会,快速完成概念证明,然后用数据说话。这一过程的关键在于迅速产生非直觉的新观点,测试后进行决策取舍。此时,企业可以尽快坦然地公布失败信息,并从中汲取利于再次迭代的经验。

对这一点的建议是:企业可以采用沙盒模式。顾名思义,这种模式的可塑性很强,用户可以快速进行拆建。沙盒模式可以提供有效发现新功能、运行相关性测试并执行分析的工具、技术和计算机能力。当出现新的信息和需求时,企业也可以快速拆除旧框架,无需再走一遍冗长的数据安全性、合规性和清理流程。

要打造一种基于数据事实解决问题、员工乐于拥抱变革的企业文化,上述要点必不可少,同时企业要习惯接受并能坦然应对日常运作中不可避免的负面消息。企业在设定投资标准时,应该接受大部分实验将失败这一事实,同时明白每实现一个里程碑式的目标就意味着投资规模的增加,铭记速度就是一切。

全面转型要求企业全体业务部门围绕共同的战略愿景进行变革,打造基本功和转型动力。这一过程通常需要两到三年的时间,因此,企业采取行动的时间窗口已经十分紧迫。这是一个不进则退的境地,落后的企业很难翻盘,正如某CEO说的,“现在已经不是大鱼吃小鱼的时代,而是快鱼吃慢鱼的时代。”

作者介绍
杰基清(Jit KeeChin) :麦肯锡前咨询顾问。

米克尔·哈格斯特罗姆(Mikael Hagstroem)  :麦肯锡前咨询顾问。

阿里·利巴里亚(Ari Libarikian):麦肯锡驻纽约分公司的全球资深董事合伙人。

哈立德·利福(KhaledRifai) :麦肯锡驻纽约分公司的全球董事合伙人。

李全伟 | 编辑

商业视角36氪
评论区
用户头像
小马使徒·2019-08-30
未来要么成为数据的掌控者要么成为数据没有第三种可能
下载APP 发表更多评论
下一篇
国内首支光电芯片基金在西安成立 主投5G和人工智能基础设施
基金借助陕西光电子集成电路先导技术研究院平台,形成光电子集成电路产业链创新创业生态体系,提前布局核心光子芯片早期项目,着力孵化消费光子千亿市值企业。
2019-08-30
商务合作
关于我们
加入我们
城市加盟
寻求报道
我要投稿
2011~2018 北京品新传媒文化有限公司 | 京ICP备12031756号 | 京ICP证150143号 | 京公网安备11010502036099号
回复

使用道具 举报

 楼主| 发表于 25-9-2019 09:09 AM 来自手机 | 显示全部楼层
24/9
捞底nio
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

 

ADVERTISEMENT



ADVERTISEMENT



ADVERTISEMENT

ADVERTISEMENT


版权所有 © 1996-2023 Cari Internet Sdn Bhd (483575-W)|IPSERVERONE 提供云主机|广告刊登|关于我们|私隐权|免控|投诉|联络|脸书|佳礼资讯网

GMT+8, 29-3-2024 06:17 AM , Processed in 0.074693 second(s), 22 queries , Gzip On.

Powered by Discuz! X3.4

Copyright © 2001-2021, Tencent Cloud.

快速回复 返回顶部 返回列表