风险投资行业报告_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
风险投资行业报告
金地毯智能数据技术有限公司，是中国首次将...|
总评分0.0|
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩10页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢美国上半年风投放缓，这对大数据行业意味着什么... - 联盟推荐_【北京联盟】
美国上半年风投放缓，这对大数据行业意味着什么...
/ 作者：小易
北京联盟摘要：
美国上半年风投放缓，这对大数据行业意味着什么...，上一篇：
下一篇： 。点击上方蓝色字体关注。 您还可以搜索公众号“D1net”选择关注D1net旗下的各领域（云计算，数据中心，大数据，CIO，企业协作，网络数通，信息安全，企业移动应用，系统集成，服务器，存储，呼叫中心，视频会议，视频监控等）的子公众号。 ======= 数据显示，
点击上方蓝色字体关注。您还可以搜索公众号“D1net”选择关注D1net旗下的各领域（云计算，数据中心，大数据，CIO，企业协作，数通，信息安全，企业应用，系统集成，服务器，存储，呼叫中心，视频会议，视频监控等）的子公众号。=======数据显示，风投资金正在变得更加集中于少数企业。&本月早些时候发表的一份新报告显示，今年上半年，风投的总体步伐有所放缓。虽然软件业从整体来看表现良好，但初创公司所收到的投资数量却呈下降趋势。数据显示，经过了几年对大数据初创公司的大力投资之后，大数据产业可能将迎来改变。普华永道（PricewaterhouseCoopers）与美国国家风险投资协会（National Venture Capital Association）联合发表的《资金树报告》（MoneyTree Report）报告显示，从今年1月至6月，所有行业的风投总额约为300亿美元，较去年同期减少约10%。这份报告基于汤森路透（Thomson Reuters）的数据编制而成。投资数量也在减少，今年前六个月里总计为1,972笔，低于去年同期的2,318笔。虽然这是风投总额连续第十季达到或超过100亿美元，但也是两年半以来季度投资数量首次低于1,000笔。“今年第二季度的数据证实了我们从会员那里听到的说法：风险投资者在一连串强劲的融资期中仍然非常活跃，但对投资对象变得更加挑剔。”美国国家风险投资协会会长兼首席执行官鲍比·富兰克林（Bobby Franklin）在声明中说。软件业从整体来看继续表现良好，在今年上半年获得138亿美元风投，是吸引风投资金最多的行业，较去年同期增长约6%。但其中近三分之一的金额却仅由两笔交易贡献，分别是优步（Uber）得到的35亿美元和Snapchat得到的13亿美元。数据显示，风投资金正在变得更加集中于少数企业。风险投资者基本上正在从早期投资向后期投资转移。《资金树》报告追踪了所谓的“超级交易”，也就是金额不低于1亿美元的风险投资。今年第二季度是超级交易连续第九个季度达到或超过10笔。当然，正如文末列出的大数据融资交易所示，大数据仍然在吸引大量风投。安永（E&Y）于今年5月发表的一份报告估计，在今年第一季度的并购活动中，大数据分析约占七成。“大数据分析是（数字化颠覆的）完美例子。和非科技公司都在寻求新的数据来源，以便为他们的分析能力提供原始资料，尤其是涉及到机器学习技术的时候。”安永的交易咨询服务主管杰夫·刘（Jeff Liu）说。对大数据公司的投资不会继续从天而降但有迹象表明，大数据产业正在进入整合阶段，分析师对此早有预料。首先，我们在大数据产业里没有见过前几年出现过的那种超级交易，比如Cloudera在2014年5月的7.4亿美元F轮融资，MapR Technologies在2014年6月的1.1亿美元融资，Hortonworks在同年（12月上市之前）的1.5亿美元融资，或者Datastax在2014年9月的1.06亿美元E轮融资。虽然大数据热潮（体量以PB和EB计）没有表现出减速的迹象，但大数据软件行业可能将迎来改变甚至修正。2013年至2015年期间涌现出了太多的大数据初创公司，某些领域的技术提供商可能存在过剩。这并不是说大数据产业行将崩溃。恰恰相反，增长才是主旋律。市场调研机构高德纳（Gartner）的数据显示，高级分析市场在今年的增速达到14%，带动了15亿美元的支出。显然，大数据产业仍然方兴未艾。但在这个市场上，并非所有的细分市场都欣欣向荣，而且企业软件历来的支出模式可能并不适用于大数据软件。大数据大多使用的都是开源软件，有很多大数据项目一定要靠开发人员把不同的软件统合在一起。如果企业试图在大数据的世界里沿用传统的软件授权和产品开发模式，恐怕并不会得到他们想要的结果。虽然高级分析突飞猛进，但最基本的商业智能和可视化领域却并非易与之地，因为这里的竞争非常激烈，自助服务正处于一种“引爆点”。今年早些时候，商业智能软件提供商Tableau的业绩未达预期，导致该公司的市值在一天之内缩水一半。私募股权公司也在进军该领域，可视化分析公司Qlik在今年早些时候被收购，私募股权基金Vista Equity Partners则在2014年出资43亿美元收购了软件公司Tibco。无论如何，大数据产业仍然属于新兴事物，专家预计，大数据软件产品将逐渐摆脱目前的“蛮荒”阶段，在未来几年里变得更加成熟。以下是大数据公司在今年上半年完成的值得注意的风投融资。一月·Hadoop关系数据库管理系统供应商Splice Machine在1月份的一轮融资中获得900万美元，由Mohr Davidow Ventures领投；·云监控即服务提供商Datadog获得9,450万美元D轮融资，由ICONIQ Capital领投；·向IT机构提供机器学习智能技术的Sisense完成5,000万美元D轮融资，由柏尚投资（Bessemer Venture Partners）领投；·高级分析库提供商RapidMiner完成1,600万美元股权融资，由新投资者NGP领投；·Hadoop即服务提供商Qubole获得2,000万美元C轮融资，由IVP领投；·向零售商提供客户行为追踪解决方案的Euclid Analytics完成2,000万美元C轮融资，由考克斯企业（Cox Enterprises）领投；二月·内存数据网格提供商GridGain获得1,500万美元B轮融资，由俄罗斯联邦储蓄银行（Sberbank）和MoneyTime Ventures领投；·数据科学初创公司DataCamp获得Accomplice提供的100万美元种子资金；·自助式数据转换工具提供商Trifacta从包括加速合伙公司（Accel Partners）在内的现有投资人手中获得3,500万美元的成长期融资；·人工智能和网络安全解决方案提供商Jask宣布获得200万美元种子投资，由Battery Ventures领投；·下一代数据可视化工具提供商Zoomdata完成2,500万美元C轮融资，由高盛（Goldman Sachs）旗下的投资集团Principal Strategic Investments Group领投；·机器学习初创公司DataRobot完成3,300万美元B轮融资，由恩颐投资（New Enterprise Associates）领投；·NewSQL数据库开发商NuoDB获得1,700万美元中期融资，由Hummer Winblad Venture Partners领投；·实时分析软件提供商Wavefront获得1,150万美元A轮融资，由红杉资本（Sequoia Capital）领投；三月·人工智能软件开发商DimensionalMechanics从一位天使投资人手中获得470万美元A轮融资；·软件容器开发商Mesosphere获得7,350万美元C轮融资，由惠普企业（Hewlett-Packard Enterprise）领投；·Hadoop数据管理和安全工具开发商Zaloni获得750万美元A轮融资，由Sierra Ventures领投；·实时分析软件开发商Striim完成1,000万美元B轮融资，由Atlantic Bridge Capital领投；·NoSQL数据库开发商Couchbase获得3,000万美元F轮融资，由North Bridge Venture Partners & Growth Equity领投；·新型Apache Flink框架开发商data Artisans获得600万美元A轮融资，由英特尔资本（Intel Capital）领投；四月·使Apache Spark更易于使用的软件开发商Levyx获得540万美元A轮融资，由芝加哥的OCA Ventures领投；·从毕威拓软件公司（Pivotal Software）剥离、利用GemFire和Spark提供数据库解决方案的SnappyData获得365万美元A轮融资；·NewSQL数据库开发商MemSQL获得3,600万美元C轮融资，由REV和Caffeinated Capital领投；五月·大数据软件开发商和Hadoop发行商毕威拓软件完成2.53亿美元C轮融资，由福特公司（Ford Motor Company）和易安信公司（EMC）领投；·大数据挖掘解决方案提供商Maana获得2,600万美元B轮融资，由沙特阿美能源风投公司（Saudi Aramco Energy Ventures）领投；·搜索引擎应用开发商ThoughtSpot获得General Catalyst Partners的5,000万美元投资；六月·完全自定义分析公司Keen IO获得1,470万美元B轮融资，由Pelion Venture Partners领投；·Apache Spark支持者和Spark即服务提供商Databricks获得美国情报界的风险投资机构In-Q-Tel的投资，没有公布具体金额；·存储初创公司Qumulo获得3,250万美元C轮融资；·人工智能解决方案提供商Armorway获得250万美元种子投资（来源：百度百家）
美国上半年风投放缓，这对大数据行业意味着什么...
免责声明：本站文章除注明来源“北京联盟”外的文章均来自网络和网友投稿，著作权归原作者所有。北京联盟不承担任何连带责任！博客访问： 154
博文数量： 1
注册时间：
ITPUB论坛APP
ITPUB论坛APP
APP发帖 享双倍积分
IT168企业级官微
微信号：IT168qiye
系统架构师大会
微信号：SACC2013
分类： 大数据
“世界的本质是数据“，时代的预言家维克托·迈尔-舍恩伯格此话掷地有声。然而置身于在大数据的浩瀚海洋中，我们不得不承认这样一个事实，人类的技术水平目前还没有达到随心所欲地处理一切数据的地步。
清华大学苏州研究院大数据处理中心技术总监赵勇，直言，在信息处理技术的步伐没有跟上之前，每日都在激增的大数据带来的是问题，而不是能够产生价值的资源。赵勇在他即将出版的新书《架构大数据-解析》中写道：“传统的信息技术架构，已无法处理大数据问题，需要以现代云计算的手段和技术来解决大数据问题。”无可辩驳，大数据要为我所用，处理分析数据的需求也催生了一批创业公司，风投资本的青睐助推了其雨后春笋般的成长速度。
《证券日报》：为什么说大数据的爆发是信息发展过程中遇到的棘手问题？的搭建又有什么意义？
赵勇：信息技术为人类步入智能社会开启了大门，带动了互联网、物联网、电子商务、现代物流、网络金融等现代服务业发展，催生了车联网、智能电网、新能源、智能交通、智能城市、高端装备[0.00%]制造等新兴产业发展。现代信息技术正成为各行各业运营和发展的引擎。但这个引擎正面临着大数据这个巨大的考验。各种业务数据正以几何级数的形式爆发，其格式、收集、储存、检索、分析、应用等诸多问题，不再能以传统的信息处理技术加以解决，对人类实现数字社会、网络社会和智能社会带来了极大的障碍。在实践中，一些地方政府和企事业单位一般会将采集到的数据选取一段时间内的或者异常的数据进行部分存储，或者干脆不存储。
大数据爆发带来的瓶颈需要以现代云计算的手段和技术来解决。云计算与大数据是相辅相成、辨证统一的关系，云计算、物联网技术的广泛应用是我们的愿景，而大数据的爆发则是发展中遇到的棘手问题。大数据技术的突破不仅能解决现实困难，同时也会促使云计算、物联网技术真正落地并深入推广和应用。
由于云计算并没有真正落地，现在在各个行业、各个机构之间形成了很多信息孤岛。国内有不少侧重于大数据应用的公司，但是从事基础层面的数据采集、存储、计算、分析和展示业务的公司较少，如果仅仅从应用层面来做的话，基础数据很难实现互通互联，这就需要一些平台型的架构将数据关联起来。比如要建设智慧城市，就必须跨部门、跨行业进行数据共享交互，这就需要从大数据平台和接口入手。
平台搭建好之后，再选择性地做应用。
《证券日报》：大数据时代数据的多维价值正在被逐步发现，整个市场的规模将会无法想象。
赵勇：是的，2012年被称为大数据元年，今年大数据市场正处在井喷式发展阶段，未来五年全球大数据市场价值将高达几百亿美元。2012年初，大数据相关软件、硬件和服务的收入总和只有约50亿美元。但随着企业对大数据价值的认识和相关产品技术及应用模式的不断成熟，大数据相关产业和服务将获得长足发展，大数据将逐渐落地，并在未来几年保持惊人的增长速度。国内因为传统的信息手段和技术都迫切需要转型升级，大数据市场实际上就是云计算在各个领域和行业的应用市场，所以综合市场规模在最近几年将达千亿元量级。
《证券日报》：国内外通过搭建数据平台来发掘经济价值的公司是怎样的情况？
赵勇：国内此类的创业公司还正在起步，国外已经有一些运行良好的做数据服务业务的公司了。比如位于西雅图的BlueKai，它建立了一个数据管理平台(DMP)，用来帮助用户组织并分析数据，同时也建立了数据交换中心，连通数据需求的两端。
《证券日报》：资本的嗅觉总是十分灵敏，一切能产生价值的地方总能看到资本的身影。请简要介绍一下国内外大数据领域的创业型公司及风险投资的动向？
赵勇：大数据概念的普及，也带动了资本市场对大数据技术创业公司的高度关注，国外多家顶级风投和早期投资机构都对大数据行业青睐有加。
另一方面，大数据问题出来之后，国际互联网行业巨头得益于人财物的优势，可以快速提供解决方案，但由于他们所运用的还是传统产品，目前还没有杀手锏级别的新产品出来，也也给大数据创业公司提供了机会。可以说从数据的采集、存储、分析，直到最上层的数据展示，每一个层面都有可供大数据创业公司发掘的机会，也为资本提供了很好的投资标的。
例如，风投机构Accel
Partners针对这一行业设立了一支总额高达1亿美元的基金；大数据分析公司Splunk，在Nasdaq首日IPO即上涨109%；其他大数据软件服务商如MapR、10Gen、DataStax等近期都完成了千万美元级的融资。
在国内，互联网行业“去IOE”的呼声渐高(IOE分别是IBM、Oracle、EMC，更确切地说是IBM小型机、Oracle数据库与EMC存储设备的组合，这三驾马车构成了一个从软件到硬件的完整商用数据库系统)，很多大数据创业公司跃跃欲试，涌现了一批大数据分析、挖掘、展示、广告方面的创业公司。我们清华大数据处理中心在成立前期就是在四家感兴趣的风投公司中选择的一家，近期我们又在智慧教育、智慧旅游、车联网等方面发力，正在吸引新一轮融资。以云计算和大数据为引领的新一代信息技术在各个领域都能带来模式、内容、路径方面的创新，会形成诸多新兴市场的蓝海。
参加相关培训并通过考试的学员，可以获得： 1．由人力资源和社会保障部中国高级公务员培训中心、全国信息化计算机应用技术水平教育培训管理中心颁发《大数据技术工程师技术水平教育培训》证书。该证书可在人社部中国国家人事人才培训网查询（http://www.chinanet.gov.cn），可作为能力评价、考核和任职的重要依据。
2.中国科学院计算技术研究所教育中心颁发的《大数据技术工程师》培训证书。
大数据技术已经成为互联网后的又一个里程碑意义的科技革命与生产力革命，也是产业结构战略调整的战略机遇。如何管理自身的业务大数据，从中获取智慧，对传统业务再造并实巨大价值的产品和服务？如何将大数据困境转换为大数据宝藏？如何从大数据概念炒作到实践落地？
由北京理工大学大数据搜索挖掘实验室、中国科学院计算技术研究所教育中心联合主办，大数据论坛联合承办，开设大数据技术进修班。聘请北京理工大学赵燕平教授、张华平博士、北京市外办信息中心姜伟主任、清华大学马宝君博士等知名专家全面讲授大数据架构、大数据搜索、大数据挖掘以及大数据应用四大板块，分享亲身经历的大数据应用，并为学员提供大数据搜索挖掘工具的实训。
授课时间 9月7、8日上午9:00-12:00，下午13:30-16:30 ( 16:30-17:00 开放式讨论答疑 )
进修费用 4980元（包含发票，讲义，教材，工作餐，与讲师互动自助晚餐会）； 老学员或同单位三人以上报名九折优惠；
全日制学生凭学生证优惠价格2980元，不含发票。差旅及食宿费用自理
授课方式 ：(a)《大数据搜索与挖掘》教材（科学出版社）； (b)中文多媒体讲义；
&&&&&&&&&&&&
针对学员具体需求的互动交流会。 (d)大数据搜索与挖掘工具实训；
(e)互动自助晚餐会；
大数据技术培训
主讲讲师：张华平：北京理工大学大数据搜索挖掘实验室主任，博士，副教授
&&&&&&&&&&&&
赵燕平：北京理工大学教授，教育部电子商务专家
&&&&&&&&&&&&
姜伟：北京市外事办信息中心主任
&&&&&&&&&&&&
马宝君：清华大学搜索评价与推荐系统专家
小班授课：为保证充分讨论，确保进修效果，采用小班授课，名额有限，先到先得。
培训内容：《科学的大数据观》《云计算与大数据架构》《大数据精准搜索关键技术》&&&&&&&&&&
《大数据挖掘关键技术》《大数据搜索与挖掘平台工具实训》&
《大数据与电子商务应用》《大数据在电子政务中的应用》《微博大数据挖掘》&
《大数据困惑及解决》《方案应对讨论》
报名地址：
阅读(11) | 评论(0) | 转发(0) |
上一篇：没有了
下一篇：没有了
相关热门文章
给主人留下些什么吧！~~
请登录后评论。登录以解锁更多InfoQ新功能
获取更新并接收通知
给您喜爱的内容点赞
关注您喜爱的编辑与同行
966,690 十一月 独立访问用户
语言 & 开发
架构 & 设计
文化 & 方法
您目前处于：
火力全开：大数据领域2017年全景剖析
火力全开：大数据领域2017年全景剖析
Matt Turck
0&他的粉丝
7&他的粉丝
日. 估计阅读时间:
：开启与Netflix、微软、ThoughtWorks等公司的技术创新之路！
亲爱的读者：我们最近添加了一些个人消息定制功能，您只需选择感兴趣的技术主题，即可获取重要资讯的。
相关厂商内容
相关赞助商
2017年，我们已经很适应这样的部署阶段。&大数据&这个词正在逐渐淡出我们的视野，但这种技术本身还在飞速扩张。各行各业的各种轶事和证据证明相关产品越来越成熟，在越来越多的财富1000强企业内开始投入实用，很多初创公司借助这些技术快速实现了收入增长。
与此同时，宣传炒作的泡沫开始毋庸置疑地转向了这个生态系统中机器学习和人工智能等领域。过去几个月来，人工智能领域涌现出一种&大爆炸&式的集体意识，这一情况与几年前大数据技术的&遭遇&相差无几，不过发展速度更快。
从另一个角度来看，2017年也是激动人心的一年：望穿秋水的IPO。今年头几个月，大数据领域的初创公司在这方面活动频频，并得到了公开市场的热切欢迎。
总的来说，数据生态系统在2017年终于实现了火力全开。与以往每年一样，我们将通过一年一次的大数据领域回顾为大家提供一个详细的&国情咨文&，将我们针对这一行业的见解总结为关键趋势奉献给大家。
大数据 + 人工智能 = 全新技术栈
任何风险投资机构有幸看到的各种宣传都能证明，2016年，每家初创公司都在变身成为&机器学习公司&，&.ai&已成为必备的域名，而&等等，我们会通过机器学习技术解决这个问题&已经开始普遍出现在各类集资活动的演示文稿中。
围绕人工智能的报道、座谈会、新闻邮件，以及微博层出不穷，很多早已在关注机器学习技术的人，他们的反应就好像发现自己当地的某个品牌突然开始了全球化扩张：一方面，倍感骄傲；但另一方面，就好像面对派对上姗姗来迟又装腔作势的人那样表现出明显的厌烦之情，同时做好了不可避免会感到失望的心理准备。
虽然很容易认为这些趋势的发展非常和缓，但该领域所经历的演变是不可避免，并且影响深远的：机器学习正在快速成为很多应用程序中最重要的组件。
我们正在见证一个新技术栈的涌现，在这个技术栈中，大数据技术被用于处理数据工程方面的核心挑战，而机器学习技术被用于从数据中提取出价值（以分析见解或操作等形式）。
换句话说：大数据提供了渠道，人工智能提供了我们需要的智能。
当然，这种共生关系并不是什么新事物，但只有少数人有幸能够真正实现。
这些技术正在真正开始变的&民主化&。&大数据 + 人工智能&已经成为很多现代化应用（无论面向普通消费者或企业的应用）的默认技术栈。大量初创公司和一些财富1000强企业都在使用这种新的技术栈（例如JP Morgan的&Contract Intelligence&应用，可参阅）。
通常来说，云计算是这个&板凳&的第三条腿，但也并非总是如此。这一领域的发展也受到各大云计算巨头的推动，这些巨头们正在举行一场公开的战争，争先恐后地开始提供机器学习云（下文将详细介绍）。
短期来看，是否可以认为民主化会促进人工智能技术的商品化？实际上从技术角度来说，人工智能依然很难。虽然很多工程师正在培养有关人工智能技术的技能，但至少到目前，全球范围内深入钻研这一领域的专家依然很少。
不过这种民主化的趋势至少不会&开倒车&，机器学习技术迟早会从竞争优势&进化&成为一必备要素。
而这种趋势对初创公司和大企业都产生了深远的影响。对于初创公司：除非你所开发的人工智能软件是最终产品，那么将你自己称呼为一家&机器学习公司&这样的做法很快将变的毫无意义。对于大型企业：如果目前你还没有积极主动地制定&大数据 + 人工智能&的战略（自行实现或与其他供应商合作），那么你们很快会面临被淘汰的境地。关于大数据，这样的说法已经持续多年了，但随着以大数据技术为基础诞生的人工智能技术飞速发展，这一天只会更快速地到来。
企业的预算：逐利
过去多年来，在我们与大数据技术的买家和卖家的交谈中，我们发现财富1000强公司中，越来越多的预算被用于对核心基础架构进行升级，以及与数据分析有关的技术，大家都对大数据技术给予极大关注。很多分析机构也认同这一结论：IDC，到2020年，大数据和分析市场将从2016年的1300亿美元市场规模增长至2030亿美元。
在大数据技术方面，财富1000强公司的很多买家正变的越来越成熟和理智。过去多年来，他们已经进行了充分的研究调研，现在已经准备好全面部署了。不仅技术型行业，目前很多行业均是如此。
这种飞速变化的趋势还得到了老技术自然淘汰周期的进一步助推，对于大型企业，通常每隔几年就会这样做一次。曾经逆风飞扬（难以剔除或取代原有基础架构）的大数据技术现在正逐渐变的顺势而飞（&我们需要替换过时的技术，市面上最好的同类技术是啥？&）。
当然，很多大企业（&晚期从众者&）依然是大数据领域的&新手&，但这种情况的变化速度变的越来越快了。
企业数据正在陆续上云
就在几年前，如果你建议企业将数据迁移至公有云，大企业的CIO给你的回应大部分只会是&除非我死了&，当时他们顶多只愿意将开发环境，或各种稀奇古怪，非关键的对外应用程序迁移至云端。
但现在他们的看法似乎开始产生变化了，去年以来这种变化非常明显。我们听到了一种更为开放的心态：大家已经逐渐认识到&反正我们的客户数据本来就已经保存在Salesforce的云中&，或者&在网络安全的预算方面，我们的投入与AWS压根儿没得比&，而讽刺的是，过去多年来，对安全的顾虑曾是企业接受云计算的主要障碍之一，但云供应商在安全与合规（HIPAA）等方面的辛苦努力终于得到了证明和回报。
毫无疑问，目前离大部分企业数据都保存在公有云中这一目标还有一定距离，但部分原因在于遗留系统和管控制度。
然而演变的趋势是明显的，并且越来越快。云供应商会尽一切努力促进这一过程，甚至提供。
2017年的大数据全景
言归正传，我们想象中2017年大数据领域的全景是这样的。
(点击放大图像)
若要查看全尺寸图片，请。高清原图可随意缩放。若要下载全尺寸图片，请。若要通过表格的形式查看所涉及公司的完整清单，请。
当然，今年我在FirstMark的同事也对此图的制作提供了巨大的帮助。
本文尾注详细介绍了我们的研究方法。
合并工作开始了吗？
大数据领域每一年都变的更加热闹，因此这就造成了一个显而易见的问题：这个行业是否迎来了大规模并购的风潮？
似乎还没，至少目前还看不出这样的趋势。
首先，风投们会继续愉快地注资各家新老公司。2017年头几个月，为成长阶段的大数据初创公司注入巨资的消息此起彼伏：Looker（D轮，8100万美元）、InsideSales（F轮，5千万美元）、（C轮，5400万美元）、（C轮，5千万美元）、Collibra（C轮，5千万美元）、Uptake（C轮，4千万美元）、WorkFusion（D轮，3500万美元），以及MapD（B轮，3500万美元）。另外非常值得注意，他们在2016年12月刚获得6千万美元的C轮投资。
全球范围内，大数据初创公司在2016年得到了风投机构总计148亿美元的投资，其中10%由全球性的技术VC提供。
另外需要注意，该领域的相关投资大多是全球性的，欧洲、以色列（如Voyager Labs）、中国（iCarbonX）等地均有大量公司成立并获得注资。
其次，2016年全景中曾经提到，并购活动已在有序进行，但没有特别让人印象深刻的，也许部分原因在于私营公司的估值始终居高不下。我们在2016年大数据全景中曾经提到，共有41家公司被并购（完整清单请参阅文末备注），2017年，并购的节奏大体上会与去年持平。
另一方面，2017年至今已经出现了一些非常大的并购活动，例如Mobileye（被Intel以153亿美元收购）、AppDynamics（思科，37亿美元），以及Nimble Storage（HPE，12亿美元）。
去年还曾出现过一种较为普遍但并不持久的现象：，尤其是专为各种水平问题（Horizontal problem）组建了团队的公司。例如：（Apple）、Magic Pony（Twitter）、Viv Labs（三星）、（Salesforce）、（Uber）、API.ai（Google），以及（GE）。虽然这些举措使得主要针对水平领域的人工智能初创公司快速成为VC眼中的香饽饽，但这种不假思索的快速收购可能也对应着各种炒作，以及人工智能领域工程师的缺乏所造成的特殊时间段。
第三，一些大型大数据初创公司正在变成独立的上市公司。SNAP可以说是带动了技术公司IPO市场的复苏，但截至目前，能够借助该机会成功变现的依然只有大数据领域的公司。
虽然2016年全年，只有Talend这一家大数据公司成功上市，但2017年截至目前这一领域内满是IPO良机。Mulesoft和Alteryx成功上市并且表现还不错，这两家的发行价都超过了IPO价格。在撰写本文时，Cloudera也即将上市，该公司最新预估价（41亿美元）与营收（亿美元）之间的空缺对于&独角兽&的估价现象将造成不小的考验。此外MapR以及位置智能公司Yext也正在准备上市。
接下来会是谁？多年来，Palantir作为业内最低调的公司之一，已经表达出想要公开上市的意图（部分详情可参见）。考虑到Palantir的最新预估价为200亿美元，如果其公开估价能够接近这一数字，将会成为IPO领域的一枚重磅炸弹。
打响云端战役
失败和收购活动也许不会让这个行业立刻得到巩固，但&功能合并&的情况日渐普遍，尤其是在云计算领域。该领域内一些重量级选手正在逐渐构建整合式的&大数据 + 人工智能&服务，并且吸引了不少用户，这些服务或者使用了自行开发的产品，或通过流行的开源计算引擎自行实现，这种服务距离很多买家所期待的&一站式购买&越来越近了。
尤其是Amazon Web Services还在继续快速发布不同类型的产品，让人获得了深刻的印象。目前该公司已经围绕大数据和人工智能技术提供了几乎所有产品，包括分析框架、实时分析、数据库（NoSQL、图形等）、商业智能，以及日益完善的人工智能能力，并且在深度学习方面颇有建树（完整清单可参阅）。按照这样的速度，AWS很快将具备我们的大数据全景中所涉及的几乎所有基础架构和分析产品。
虽然Google涉足云计算的时间较晚，但他们正在围绕大数据积极主动地构建一系列产品（BigQuery、Dataflow、Dataproc、Datalab、Dataprep等），并且已将人工智能视作超越竞争对手的方法之一。过去一年来，Google在人工智能方面公布了很多消息，例如：一个新的转换引擎（），雇佣了两名出色的人工智能专家Fei-Fei Li和Jia Li来领导新成立的Cloud AI and Machine Learning部门，针对视频识别提供的全新机器学习API（），并且收购了数据科学家社区Kaggle。
更大规模的企业级IT供应商 & 尤其是Microsoft、IBM、SAP、Oracle以及Salesforce & 也在努力推出大数据（以及人工智能）产品，这些产品都支持云端（最引人注目的是Microsoft）和本地部署。除了通过自行开发，以及收购而来的技术构建这些产品，他们的合作意愿也在逐渐加强，尤其是与&有数据的&公司（数据仓储）和&有人工智能的&公司进行合作。例如IBM和Salesforce（）以及SAP与Google（）的合作都是其中的典型。
按照企业IT行业的标准来说，云供应商的规模依然不算大，但这些公司的野心（包括在企业技术栈中，将自己的地位从IaaS层面上升至应用程序层面的明确意图）和稳扎稳打将企业数据迁往云端的做法相结合，意味着与传统IT供应商的全面战争已然打响，大家在争夺庞大的企业级技术市场的控制权，而大数据和人工智能将会是核心战场。
2017年，大数据生态系统全景回顾
去年发生的很多事依旧余波未平，例如流处理的重要性与日俱增，目前Spark已独占鳌头，但人们对竞争产品，例如的关注也逐渐开始涌现。此外还有一的有趣的话题时不时地出现在人们的对话中：
SQL已经正式回归了
过去十多年来一直面对NoSQL技术&打压&的SQL数据库技术现已正式回归。Google最近发布了云服务版的。Spanner和（Spanner的开源版本）承诺提供一种高存活性、强一致性，可横向扩展的SQL数据库。Amazon发布的与诸如等产品类似，是一种大型的SQL数据引擎，可直接查询S3 Bucket中存储的数据。Google BigQuery、SparkSQL以及Presto也开始在企业领域占有了一席之地 & 这些都是SQL产品。
数据虚拟化
在公有云的接受度方面有个有趣的趋势：数据虚拟化产品的使用率正在快速激增。较为古老的ETL流程需要移动海量数据（并且通常需要为数据集创建副本）并创建数据仓库，数据虚拟化技术使得企业可以无需移动，在原地进行数据分析，借此提高速度和敏捷性。很多下一代数据分析产品供应商，现在均已同时提供数据虚拟化和数据准备产品，借此帮助客户更轻松地访问云中存储的数据。
数据管控和安全性
随着大数据在企业中的应用日益成熟，并且数据的种类和数量依然在与日俱增，有关数据管控之类的话题也变的越来越重要。很多企业已经选择通过&数据湖&的方式创建一个中央仓库，用于保存自己的所有数据。但除非人们知道数据湖中到底有什么，并且能按需访问分析工作所需的恰当数据，否则数据湖将全无用处。然而帮助用户轻松找到自己需要的数据，同时妥善地管理数据访问权，这一点并不容易实现。不仅需要考虑数据湖本身，管控的一个核心主题在于让用户轻松访问可信赖的数据，借此满足企业中任何人的需求，同时必须要以安全、可审计的方式做到这一切。或大或小的供应商（Informatica、Collibra、Alation）纷纷提供功了数据编录、参考数据管理、数据辞典，以及数据帮助台等产品。
数据科学家是否已经成为濒危物种？
就在几年前，数据科学家还被视作&21世纪最性感的职业&。就算到现在，Glassdoor的&美国最佳工作&清单中，&数据科学家&依然名列榜首。
但是仅仅在诞生几年后，这个职业就已陷入困顿。部分原因在于其必要性，虽然学校和程序员课程依然在塑造大量粗制滥造的新手数据科学家，但这个岗位依然有很大空缺，尤其是财富1000强公司，他们都觉得很难招募到顶尖的技术人才。在某些组织中，数据科学部门已经从原本的促进者一举&堕落&为瓶颈。
与此同时，随着人工智能技术的民主化和自服务工具的飞速涌现，现在无论数据科学技能极为有限的数据工程师，甚至非技术型的数据分析师，都已经可以承担原本只能由数据科学家负责的基本任务。企业中与大数据有关的很多工作，尤其是枯燥乏味的简单工作，也许会越来越多地开始由数据工程师和数据分析师通过自动化工具来执行，而不再需要具备娴熟技能的数据科学家参与。
也就是说，数据科学最终可能会完全由机器来处理。一些初创公司已经明确将自己的产品定位为&自动化的数据科学&，其中最值得一提的是，DataRobot刚刚通过这种想法筹集到5400万美元投资（），Salesforce Einstein也自己可以提供能自动生成的模型。
毫无疑问，这些趋势尚未流行起来，目前在数据科学的社区里依然存在一些争议。然而数据科学家目前还不需要对此过于担心。在不远的将来，自服务工具和自动化模型选择将成为数据科学家的&左膀右臂&，而非彻底取代他们，他们可以将更多精力用于需要进行判断、创新、社交技能，或需要具备垂直行业知识的任务。
让一切协同工作：数据工作台的崛起
在大部分大型企业中，大数据技术的运用通常都是从少数相对独立的项目开始的（这里部署个Hadoop群集，那里部署个分析工具），并且会产生一些新的工作岗位（数据科学家、首席数据官）。
然而今天的情况截然不同：异构的情况愈加普遍，企业内部使用了五花八门的工具。从组织结构方面来看，在大型企业中，集中化的&数据科学部门&正在逐渐变成更加&分散化的组织&，通常会有数据科学家、数据工程师，以及数据分析师组成的跨职能群体，并且更加深入地融入到不同业务部门中。因此对于平台来说，需求已经变的更加明确，需要让所有人能够就各种技术进行协同工作，这一点在我们去年的文章中就有提及，大数据项目能否成功，主要取决于能否将不同技术、人员和流程完美融合在一起。
因此协作平台这一领域目前正在经历快速发展，并催生出一种被部分人称作DataOps（类似于DevOps）的概念。FirstMark也正是出于这个原因而投资了（可参阅我的上一篇文章：）。这一领域其他比较重大的投资包括Knime（A轮，2千万美元）以及（A轮1千万美元）。Cloudera刚刚发布了一款基于所收购的Sense技术开发的工作台产品。这一领域的开源活动也很活跃，例如和Anaconda。
人工智能驱动的垂直应用程序
至少几年前，我们就开始讨论垂直领域人工智能应用程序的崛起（），但原本的溪流何时演变成了现在的滔天巨浪？突然之间，似乎每个人都开始开发人工智能应用程序了，无论新成立的，或已经取得重大进展的初创公司，都开始压赌于人工智能，认为这是下一轮增长点（例如）。
在这种状况和趋势影响下，一些新成立的初创公司提出了很多激动人心的技术，虽然其中一些犹如雾里看花，但为了追逐热点趋势，也有很多公司在激进地进行重塑。在某些领域使用了某种机器学习技术的公司，并不算人工智能公司。
总地来说，人工智能初创公司的创建并不容易。而其中最关键的第一步在于选择一个垂直领域所面临的问题。除了深入的技术DNA，还需要深思熟虑的定位和策略（）。
然而要确保自己不被各种可能性看花眼，面对飞速的发展保持冷静，要做到这些其实很难。
尤其是去年，趋势已经很明显了：通过人工智能技术，解决与数据有关的任何问题。无论企业级应用程序或垂直行业，都采取了这样的方式。考虑到现实情况，今年我们在图表的应用程序分类中添加了多个类别，包括交通运输、房地产（），以及保险业。同时我们将一些非常活跃的行业拆分为两个类别，例如营销应用（拆分为B2B和B2C）以及生命科学（拆分为医疗健康和生命科学）。
除了这些领域外，还有一些非常新潮的应用（例如无人驾驶汽车），今天的人工智能技术正在缺乏想象力的企业应用领域闪烁着耀眼的光辉，从人员流失预测到后端办公室自动化，再到安全，以不同形式提供了切实可行的收效。
人工智能导致人类失业，也许还没有得到政府部门的，但没有任何一个职业是不受影响的，至少需要考虑会如何受到影响，也许会通过人工智能得以&增强&。这些问题已得到很多白领职业的证明，例如医生（）或律师（）。
尤其是金融领域，似乎充分考虑了人工智能的潜力。多年来艰难度日的对冲基金正在为自己的算法寻找可替代数据（）。由人工智能驱动的全新对冲基金（Numerai、等）虽然还不完善，但已经实现了快速发展。华尔街一些最重要的事务所均在使用人工智能取代人类（、）。
机器人的反击
无论是爱是恨，2016年都是机器人的元年。很多消息交流服务均提供过完全自动化，可以实时交谈的代理程序。虽然昙花一现，但这些机器人程序似乎已经全面经历了不同的炒作周期，从一开始的承诺，到Tay所面临的灾难（译注：Tay是微软提供的一种基于人工智能技术的聊天机器人，该机器人一经上线，与众多网友交流后，变成了&带有种族歧视倾向并且固执的存在&），到微型文艺复兴，再到Facebook相关研究放缓，有称聊天平台上70%的人工智能聊天机器人最终都以失败告终。
对于机器人程序的热情似乎有些早，得出这种结论的原因有很多，建议参阅Bradford Cross的，他在文中非常恰当地指出，人们可能因为机器人程序在亚洲的崛起，或者等底层基础架构的快速增长而得出了过于乐观的预期。我们相信，最终这种机器人程序有着很大的潜力，但毕竟这一领域还需要更长的成长时间。&生产商&一端（初创公司需要专注于每个具体的业务领域，少作承诺）和&消费方&一端（我们都需要习惯于机器人程序可以和不能做到的事情，Alexa正在帮助我们意识到这些！）都需要进行彻底的心态调整。
就目前来看，最光明的未来可能属于重要领域需要的服务，或者完全采取不同于机器人程序的定位，使用人工智能技术扩充人类能力的技术（我们得出这一结论的依据来自）。
大数据与人工智能强强联合，我们即将进入&收获&的季节。忽略各种炒作，我们迎来了数量众多的可能性。
随着核心基础架构以及应用程序端日渐成熟，人工智能技术驱动的应用将迎来井喷期，2017年，大数据（以及人工智能）生态几将火力全开。
1) 今年我们首次难以将所有企业妥善放置到图表上正确的分类中。虽然该图表的设计目标是尽可能全面包含，但最终我们只能进行一定的取舍。我们的方法当然还不够完美，不过简单来说主要标准是这样的：
平等对待一切，但更偏重市场成就高到一定程度的公司。对于大型技术公司来说，这是一种相对较为简单的过程。对于成长中的初创公司来说，考虑到他们可用的数据量通常较为有限，我们会使用风投机构的注资情况作为了解他们市场发展前景的象征（当然，也许并不完美），其他一切条件都是平等的。因此我们倾向于着重强调已经获得大额投资，尤其是A轮及后续投资的初创公司。
偶尔我们会人为调整，以包含处于早期阶段，但我们认为值得关注的初创公司。
在应用程序方面，我们更为偏重明确使用了大数据、机器学习，以及人工智能作为自己产品中关键组件，或借此获得独到之处的公司。正如上文所述，越来越多的公司开始围绕人工智能技术调整自己的宣传口径，因此很难公平准确地进行判断，但我们已经尽力了。
和去年一样，今年我们剔除了很多公司。一个主要原因在于这些公司被收购，并且后续不再像一个独立的公司那样运营。但我们也在图表中保留了一些被收购的公司，因为我们觉得被收购公司的品牌将能得以保留，并且与收购方的业务保持了相对的独立。
2) 当然，制图过程中我们不可避免会遗漏掉某些重要的公司。
3) 该图表为png格式的图片，因此缩放查看也能获得很高质量的效果。
4) 我们每年会收到很多请求：您可以随意将图表用在自己的图书、会议、演示文稿等内容中，但有两个要求：(i)不要修改／编辑图表，并且(ii) 提供图表归属信息（Matt Turck、Jim Hao，以及FirstMark Capital）。
5) 声明：我是FirstMark的投资人，该公司投资了很多大数据领域的公司，包括：ActionIQ、Cockroach Labs、Dataiku、Frame.ai、Helium、HyperScience、Kinsa、Sense360，以及x.ai。FirstMark投资并且出现在图表中的其他公司包括：Bluecore、Engagio、HowGood、Payoff、Knewton、Insikt、Optimus Ride，以及Tubular。我是Datadog一名微不足道的个人股东。
6) 自从去年的大数据全景剖析之后，被收购的公司清单：
目标 / 收购方 / 收购金额（如果有披露）
2017年，截至目前（5家）
Mobileye / Intel / 153亿美元
AppDynamics / Cisco / 37亿美元
Nimble Storage / HPE / 11亿美元
Kaggle / Google
Dextro / Taser
2016年（36家）
Qlik / Thoma Bravo / 30亿美元
Cruise Automation / General Motors / 10亿美元
Apigee / Google / 6.25亿美元
OPower / Oracle / 5.32亿美元
Tapad / Telenor / 3.6亿美元
Nervana Systems / Intel / 3.5亿美元
SwiftKey / Microsoft / 2.5亿美元
Withings / Nokia / 1.91亿美元
Circulate / Acxiom (LiveRamp) / 1.4亿美元
Altiscale / SAP / 1.25亿美元
Viv Labs / Samsung / 1亿美元
Connectifier / LinkedIn / 1亿美元
Recombine / Cooper / 8500万美元
MetaMind / Salesforce / 3280万美元
Livefyre / Adobe
TempoIQ / Avant
DataHero / Cloudability
Sense / Cloudera
ai / Google
EagleEye Analytics / Guidewire
Attensity / inContact
RJMetrics / Magento Commerce
Placemeter / Netgear
Kimono Labs / Palantir
Tute Genomics / PierianDx
Statwing / Qualtrics
PredictionIO / Salesforce
Roambi / SAP
Visually / Scribble Technologies
Preact / Spotify
Nuevora / Sutherland Global Services
Geometric Intelligence / Uber
Platfora / Workday
Driven / Xplenty
Gild / Citadel
作者：，阅读英文原文：
感谢对本文的审校。
给InfoQ中文站投稿或者参与内容翻译工作，请邮件至。也欢迎大家通过新浪微博（，），微信（微信号：）关注我们。
Author Contacted
语言 & 开发
150 他的粉丝
架构 & 设计
414 他的粉丝
0 他的粉丝
186 他的粉丝
17 他的粉丝
0 他的粉丝
告诉我们您的想法
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p
当有人回复此评论时请E-mail通知我
赞助商链接
InfoQ每周精要
订阅InfoQ每周精要，加入拥有25万多名资深开发者的庞大技术社区。
架构 & 设计
文化 & 方法
InfoQ.com及所有内容，版权所有 ©
C4Media Inc. InfoQ.com 服务器由 提供, 我们最信赖的ISP伙伴。
北京创新网媒广告有限公司
京ICP备号-7
找回密码....
InfoQ账号使用的E-mail
关注你最喜爱的话题和作者
快速浏览网站内你所感兴趣话题的精选内容。
内容自由定制
选择想要阅读的主题和喜爱的作者定制自己的新闻源。
设置通知机制以获取内容更新对您而言是否重要
注意：如果要修改您的邮箱，我们将会发送确认邮件到您原来的邮箱。
使用现有的公司名称
修改公司名称为：
公司性质：
使用现有的公司性质
修改公司性质为:
使用现有的公司规模
修改公司规模为：
使用现在的国家
使用现在的省份
Subscribe to our newsletter?
Subscribe to our industry email notices?
我们发现您在使用ad blocker。
我们理解您使用ad blocker的初衷，但为了保证InfoQ能够继续以免费方式为您服务，我们需要您的支持。InfoQ绝不会在未经您许可的情况下将您的数据提供给第三方。我们仅将其用于向读者发送相关广告内容。请您将InfoQ添加至白名单，感谢您的理解与支持。