A# d/ @8 k! J3 F" m* D* W. k. ?# u7 Q
5 N8 E, U3 L! ^" I% ~
! `# i+ `1 ]% ]5 }# p3 W1 C% s 打开凤凰新闻，查看更多高清图片
% p8 O# B% Z( B2 ~" V
1 C7 n2 b# o3 F" f/ `" s* Y& |
与云服务和人工智能一样，大数据也已经是火了很多年的行业了。生活在新时代，人们越来越能感受到大数据发展带来的便利服务，比如在疫情防控方面，大数据对科学防疫提供了强有力的支持和帮助。而且，随着数字化的不断深入，大数据与各行各业的结合也越来越紧密，智慧城市、智慧交通、智慧金融、智慧农业、智慧园区等智能应用场景的底层技术，都离不开大数据行业的发展和推动。
& _: i6 P$ y7 e4 v 根据IDC的最新研究数据显示，2021年全球大数据市场的IT总投资规模为2,176.1亿美元，并有望在2026年增至4,491.1亿美元，五年预测期内(2021-2026)实现约15.6%的复合增长率，中国市场2026年大数据IT指出规模预计为359.5亿美元，市场规模位列第二名，从增速上看，中国大数据IT支出五年CAGR约为21.4%，位列全球第一，中国大数据市场增速持续领跑全球，呈现出强劲的增长态势，市场前景十分广阔。
) \# M( _- A# r
既然前景广阔，那2022年大数据行业的发展状况如何？投资机构在重点跟踪哪些领域和方向呢？如果“新玩家”准备“入场”，什么领域又会是未来的方向呢？带着这些问题，数据猿整理了2022年年初至8月中旬，大数据行业新增的投融资状况，希望能从中发现大数据行业正在发生的一些变化。
8 I1 J9 {+ l% b" h% U" t+ x
基础技术成行业热点
2 G9 h! T; N: q. E4 ^6 g 在分析大数据行业时，数据猿将其分为4个二级行业和65个细分领域，如下表所示。根据企业的业务类型，将二级行业分为：大数据基础技术、大数据通用应用、大数据垂直应用和数据服务。我们将从获融资企业数量、企业所在地区、获融资的月份、企业所处的融资阶段和主要投资的机构等维度，分别对大数据行业今年的投融资情况进行分析。
) `2 t- Q+ _! D" g& g' ^4 a
7 o: X$ X0 E B5 l( T+ a （大数据行业划分目录，来源：数据猿基于公开资料整理）
9 Y) @/ S$ H' m1 s1 V 从二级行业的投融资案例分布来看，今年前8个月，大数据行业产生的投融资活动主要集中在大数据基础技术和大数据垂直应用，两者占比分别为62%和36%，数据服务方向没有产生新的投融资案例。
+ v- ~( f9 J7 d4 d% b7 ~ 
0 f- N, ~, u! z
（2022年大数据二级行业融资分布，来源：数据猿基于公开资料整理）
8 @2 T9 w7 M a7 J% Z1 o q 由此来看，大数据基础技术依然是被资本机构重点看好的方向，数据猿认为，其中的原因可能有两方面，一是国产替代背景下的政策要求和刚性需求，二是基础技术更具有普适性，只有基础技术实力增强，才能更好的支持场景应用。
6 Z" \/ ]; t, N2 j 再进一步拆解到细分领域，如下图所示，不难看出，数据分析领域的投融资案例最多，占比超过了25%，数据安全和医疗大数据紧随其后。在融资数量最多的5个细分领域中，数据分析、数据安全、数据处理均属于大数据基础技术，数据猿认为，相较于美国的Oracle等大型数据厂商来说，国内数据分析起步较晚，成长空间仍然较大，为了防止未来可能被“卡脖子”，国产数据厂商，尤其是从事数据基础技术的厂商，未来的机会非常明确。
$ A6 ^7 Q- ^/ d( R( |+ @) ^5 Q 
' h& R& G! G+ z2 k9 `( d) a& E9 \* v （2022年大数据细分领域获融资企业的数量，来源：数据猿基于公开资料整理）
9 Y$ A e* B* L* s 除了基础技术之外，医疗大数据和地理大数据分别出现16家和11家投融资事件，数量相对较多。医疗大数据受到重视与“新冠疫情”有关系，地理大数据的爆发主要是由于智慧交通、智能汽车以及低碳节能等领域的发展和推动，这些复杂的应用场景需要更加精确的地理数据服务支持。数据猿认为，大数据垂直应用领域的发展，在终端场景的推动下，有望迎来快速的发展。
# `. Y6 C4 C, o+ }1 z! _ 二三线城市强力布局大数据产业
. v* S3 a2 M& K
从大数据领域获融资企业所在的地区来看，2022年前8个月的151家获融资的企业分布在28个城市。其中北京市依旧最多，以54家企业的数量位居首位，占比36%，其次是上海、杭州和深圳，分别为17家、17家和11家。
$ @* u" n% y2 x* Y$ X' f3 b1 N
6 H+ X8 k- G K9 f( w （2022年大数据领域获融资企业所在地区，来源：数据猿基于公开资料整理）
! B" F: q" e9 J5 T9 b) F7 |7 l. A
整体来看，虽然一线城市占据了多数企业，但其他城市也具有吸引力，比如：宿迁、绵阳、烟台、黔南布依族苗族自治州、安庆等城市，依然吸引了科技企业的入驻发展。按照常规的思路来看，大数据跟人工智能很像，入场门槛高，而且对互联网企业的依赖也相对较高，因此北上深杭似乎更具竞争力，为何二三线城市的布局也如此宽广呢？
5 a! t+ I8 F* m% @# d
数据猿认为，大数据企业在二三线全面渗透的原因有两个，一是“东数西算”战略的实施，促进了西部地区大数据产业的快速布局和发展；二是地方政府产业基金的布局和引导。数据猿整理了部分城市获融资企业和投资机构的情况，如下表所示。
6 M. ]+ S+ q5 W: R. n8 C
! `6 v8 I5 C" l, z P: H 
' d& E7 B* p& K1 L. k5 v9 {# f （2022年大数据领域部分获融资企业信息，来源：数据猿基于公开资料整理）
$ t* n. n3 H0 ^. P" L
从上表中的数据可以看出，“落户”二三线城市的企业中，尤其是还处于起步阶段的企业，其投资方大部分都为地方产业基金，比如：合肥创投、苏新高创投、贵州省创新赋能大数据投资基金、贵阳创投等，机构名称直接表现出背后的控股方。地方政府为了促进当地的经济发展和完善产业机构，通过地方产业基金对外招商引资，实现区域的协调发展和新旧动能转换，这是越来越多高科技企业落户二三线城市的主要原因。
0 [6 m1 I" N' Z$ D3 [, s# d 数据分析是块“香饽饽”
8 n! V1 T# g: M: v6 l4 _" N 从融资活动发生的月份来看，大数据行业的融资活动相对比较稳健，平均每月20家企业获得融资，整体起伏波动不大。由此可见，行业的发展还是比较稳健的。
6 t o' K9 }! w5 O- b
5 x& X4 W$ |! K7 A. x6 ^+ E* L# h5 L2 R （2022年大数据行业在不同月份获融资企业数量，来源：数据猿基于公开资料整理）
$ @( X" ?1 c% P+ R! `
如果按细分领域在不同月份发生投融资案例数量进行拆分，如下表所示。从表中的分布来看，数据分析、数据安全两个领域每个都有投融资活动发生，数据处理、地理大数据、医疗大数据也几乎每个月都会发生投融资活动，由此可见，一级市场今年的投资热度相对比较集中。
t$ Z/ }! f' V- h; |
' N3 z, _8 I9 n/ @& z1 F
（大数据行业2022年不同月份各细分领域获融资企业数量分布，数据来源：数据猿基于公开资料整理）
1 B9 K( u! ?1 E. A
“被收购”或许是多数企业的终局
$ }4 Z4 j. h' H, | 从融资阶段来看，大数据领域仍然处于发展阶段，处于发展早期的企业数量要多于成熟期的企业数量，具体情况如下图所示。
- l- Q. d/ \& q: f, Q: t! z' ~$ G1 }
R! q; H8 U0 |
（2022年大数据行业获得融资企业所处阶段，来源：数据猿基于公开资料整理）
: A" x% ?4 J( x# h
从数量上看，处于A轮阶段（含A轮、A1轮、A2轮、A+轮、A++轮、A+++轮、Pre-A+、Pre-A2）的企业有24家，占比16%；初始阶段（含天使轮、天使+轮、种子轮、Pre-A轮）的企业数量有37家，占比25%。与人工智能行业和云服务行业不同的是，大数据行业中，上半年获得战略投资的企业数量较多，由此可见，大数据行业企业与其他行业企业的融合发展比较多。
! q( Y, ^& _7 Y- E% X5 i7 L 今年前8个月中，实现IPO的企业有8家，平均每月一家。具体信息如下表所示。从上市的企业业务来看，医疗大数据领域的上市企业占到50%。大数据基础技术领域的上市企业占另外一半。
& l6 |" Q$ [% u' \. Q* {5 l, L7 d
8 l+ C& j5 @8 X. U C) |# f
（2022年前8个月人工智能行业IPO的企业，数据来源：数据猿基于公开资料整理，截止到2022年9月30日）
# A# F& z$ P$ [1 ]( k 除IPO之外，被收购的企业数量有9家，如下表所示。
+ Z( b+ _! r' y4 m0 ] 
4 d* T1 W+ I* K) K) D- P# k
（2022年前8个月大数据行业被收购的企业，数据来源：数据猿基于公开资料整理）
. L! Q2 W" c- E5 b1 e! i! o0 `
结合IPO和被收购的企业信息来分析，数据猿认为，大数据行业虽然涉及的领域广，但是从商业模式上来说，很难直接从C端客户盈利，主要以服务B端客户或G端客户为主，对于B端和G端客户而言，它们需要服务并不会使单一的技术、服务或者产品，大多数情况下主要是需要系统的解决方案或者成熟的产品体系。因此，从这方面考虑看，对于大数据领域的企业而言，并不是所有的细分领域最终都能走出一家上市企业。从这个角度来分析，更多的企业可能会面临被收购的终局。
$ ]6 J, g/ O0 ?$ E
投资机构各有所爱
1 ^9 W2 G# K% x' o0 r. v4 \
从投资机构的角度来看，除IPO之外，前8个月中，投资机构在大数据行业中的投资数量差距并不大，最多的也就4家，平均两个月投资1家公司。在投资数量超过2家的机构中，产业资金、外资资金、民营资本均有参与。
0 `& V, ]( b" G
( _) o4 R6 P- w. D$ A. \ （2022年大数据领域融资来源较多的机构/渠道，来源：数据猿基于公开资料整理）
# Z3 S8 p, o/ l! k5 @5 U 线性资本、襄禾资本、高领创投今年前8个月各投资4家企业，IDG资本、红杉中国、君联资本各投资3家企业。下表展示了线性资本、襄禾资本和高瓴创投在大数据行业中的布局情况。
' r' O* A7 A. y9 ]8 ]9 _ " j0 Q8 q( v1 W. h; `, d P
i$ D, T1 r" A3 W
（2022年线性资本、襄禾资本和高瓴创投在大数据行业的布局，来源：数据猿基于公开资料整理）
; d& g% e+ |: W; U) v% P, d 通过表中的信息对比，可以发现三个有趣的现象，首先，三家机构的投资方向从细分领域上看，主要是以大数据基础技术为主，垂直应用领域的投资案例较少；其次，三家机构在大数据领域中的投资布局有重合，而且8家公司均是多家大机构同时投资，可见大数据行业内部的竞争也很激烈，优质的项目吸引优质的投资机构。
9 ~: C6 r- {* Q' J' W0 C9 v 最后一点，三家机构投资的8个项目中，有2家公司是今年前8个月获融资最多的企业之一。数据猿整理了今年前8个月中，除IPO之外融资最多的5家公司，如下表所示。
" A' L5 Y- U, T9 T' P 8 _9 o+ V. ~" y" l8 e/ v
- A4 R' Z) X$ B （2022年前8个月大数据行业融资金额最多的企业，数据来源：数据猿基于公开资料整理）
. Z7 `1 i+ F# D i$ ]2 i7 x
神策数据在D轮融资中获得了12家机构共2亿美金的投资，这是今年前8个月大数据行业中最大的一笔投融资；知衣科技获得6家机构共1亿美金的投资，相对而言也是较大的一笔融资。其他三家公司为被收购或股权转让。
; Q" A _5 R' c0 Y" u: h( b# }3 V 投资和融资的终局
0 `8 f2 a0 \% r- W 整体来看，大数据行业仍然处于快速发展阶段，行业早期的创业公司数量较多，基础技术领域依然是当前的热点领域。伴随着基础技术的发展和部分重点领域的发展，大数据垂直领域和通用领域也将迎来“春天”，比如现在比较热闹的医疗大数据、地理大数据等，主要受益于新冠疫情和智能汽车的驱使，受到资本的追捧。
# w, b! V( T6 S- H' H, J( B 根据IDC的预测，到2026年，专业服务、电信、银行和地方政府将会贡献超过50%的中国大数据IT投资。就增速而言，医疗保健行业将以30.9%的五年CAGR成为增长最快的行业终端用户。由此可见，大数据在这几个行业的垂直应用未来可能有比较不错的机会。另外，在政府部门的推动下，智慧城市、智能制造、智慧农业等领域也将迎来新的机遇。
. B# s7 w, @' L$ A2 q$ G+ [9 p 从投资机构的角度看，当前创投领域中，好项目依然非常紧俏，机构之间的竞争比较激烈，目前机构的投资热点为大数据基础技术方向，大数据应用方向主要看公司所在行业的未来发展机遇。无论是刚刚起步的创业公司，还是逐渐成熟的公司，都能在市场中找到各自的投资方。以高瓴创投、地方产业基金为主的机构喜欢投资刚起步的公司，以红杉中国、襄禾资本为主的机构喜欢投资逐渐成熟、未来可能会上市的公司，真可谓：萝卜青菜，各有所爱。
. K7 [8 J9 B$ r, y) p ^! Z" v+ {
从企业的角度看，大数据行业的企业，其产品和服务大多数是针对B端用户和G端用户，对于技术实力强、产品和服务受众面广的企业，大概率可以走IPO的道路，但是对于深度扎根单一行业或者单一领域的企业，扎扎实实的把产品和服务做深、做强，主动“抱大腿”发展或许是最佳的选择。
, `0 ~' y: `" y, a/ `) J) Z
与人工智能、云计算相比，大数据行业并没有多少神秘色彩，就像一杯普通的白开水，看似并不起眼，却对人体健康具有重要意义，各行各业的数字化发展却都离不开大数据行业的技术和服务。
6 ^7 y9 B6 n: d 文：赢家 / 数据猿
3 ~9 {3 B3 ^/ c: s; w8 m0 ^- _
