企業服務的“多快好省”｜懂行說企服

接著文章《0-1創新+潛在快速增長》。同前文，如果不滿足，我就會在後面加個問號，比如“【

大市場？

】”

。

先摘錄如下：

1）

“0-1”/“代差”［

好

］

（滿足其一）

：

①

“0-1”

創新：

新技術

/

模式解決新問題（供給

——

新的技術

/

模式；需求

——

新政策、新場景、新需求），屬於“

0-1”創新&

空白市場、②

“代差”

：

新技術

/

新模式解決老問題，技術

/

模式存在明顯代差，體現為效率提升；

2）

“大市場”［

多

］

：

（同時滿足三點）：①尚未被滿足的、真實有效的業務

/

場景需求（避免偽需求和炫技型企業）、②足夠大的市場空間、③明顯的市場邊界（對後進入者則是延展性

/

無邊界）；

3）

“潛在裂變式增長”［

快

］

：

①有網路效應

/

駭客增長

/

快速鋪得開、②甚至競爭者來不及反應；

4）

“易執行”［

省

］

：

（同時滿足①和②）：①易落地的業務

/

場景需求（無教育成本）

+

足夠強的有經驗的執行

/

運營團隊、②

“網路/

規模效應

+

集中度提升”建立壁壘和品牌，可以消除或減輕同質化競爭、③特殊情況：不需要執行力（專利資質、壟斷、爆款、地租）。

“多看好省”只是我其中一個視角，不是所有專案我都在這個視角/框架下去分析的哈。我的框架多了去了。我認識的某投資人總結了100多個模型/框架，哈。

前文分析了安全、運維兩個領域的4個賽道，下文分析

雲計算、

大資料、

AI&RPA、

通用

企服四個領域的8個賽道。兩篇文章加起來，也是篇萬字長文了：

舉例說明——雲計算領域：

我在文章《關於企業級服務（4）：一個投資框架》和《關於企業級服務（5）：幾頁PPT》中都有把to B分為幾個象限，而云計算屬於非常典型的第一個象限，時代性/系統性機會。在2016年的時候我們正系統性看該領域的一些公司，打算投出一家標杆性企業。最後在兩個標的之間選擇，

我上司

從判斷人出發，更喜歡看起來更加精明的某個

OpenStack

公司，但最終也沒投成；

但我更願意分析業務本質，所以

我也認同另一個公司。這點上，跟上司在

標的的選擇上有分歧。反正

遺憾，兩個最後都沒有投出。我在文章《有些非市場化VC合夥人，水平遠比你想象中差》，也有提到。花的精力倒不少，所以依然講一下。

雲計算：

第一，【

0-1創新

】，

這點是肯定的。

第二，【

大市場？

】，市場空間大

也是可以肯定的；但是“一元中標”的激烈競爭使得市場邊界並不明晰，一定要在特定市場有自己的差異化打法，以保證核心競爭力。比如Ucloud、金山雲早期之於遊戲，青雲之於金融。

2016年，

我認為第一要分析清楚正確的技術路線和各自核心競爭力，第二要清楚整個行業的生態競合格局

；

這兩點不足夠清楚前，不可以投。

比如我自己一度認為：有些基於OpenStack的私有云公司很難做大，沒有核心的東西，

實為

系統整合而已，階段性教育市場的產物。的確有些

OpenStack

的企業在雲計算生態競閤中站隊——被投資/收購，或者直接失敗，從而沒有了聲音。

現在我說起當時“兩大六小”中的“六小”，很多人都沒聽過了。

第三，【

潛在裂變式增長？

】，整體

中國IaaS層的增速非常喜人，尤其是政企上雲的那幾年；但是有些創業公司能否快速增長要打個問號。

第四，【

易執行

】，賽道和場景是落地的，但

巨頭競爭之下執行是有難度的。就我看好的另一個公司，

我認為從它做的標杆專案來看，落地能力不容懷疑；

就它的具體場景（比如金融）而言，還是技術說話（比如穩定性要求高），對它還是有點信心的。當時我有個比喻，重點切行業雲的公司、切金融雲的公司的區別，就像蛋糕的最下面一層和最上面一層的區別。

如果投了我看好的這公司，已投專案就多了一個上市公司了，重金投入、至少翻倍的回報，至少打80分（打分是對專案，而非賽道，以下同）。

Ucloud、金山雲、青雲等企業財務指標沒有那麼理想，導致回頭來看，幾乎整個行業的創業公司都遭到了否定，並沒有創造足夠高的市值。而且如果不是科創板，也上不了市。但是，他們忽略了一點，就是，它們的確只是軟體公司而已。中國軟體創業之難，導致軟體企業在財務/資本資料上比較吃虧。A股

100億人民幣市值

至少等於美股100億美元的市值，

一

個

100億市值

的軟體公司已經是極為難得了

。而且中國的資本市場，依然沒有支撐合理的軟體企業上市。在我眼裡，這些都是非常成功的標杆性企業。（後面我專門寫篇文章講講軟體公司特別的財務特徵~）

舉例說明——大資料領域：

大資料領域範圍很廣。現在看要不就切底層資料庫技術的，尤其是開源的，比如PingCAP（可惜人民幣基金不投）；要不就是政企大資料，比如明略資料切公安政府金融、數之聯切智慧城市（人民幣基金喜歡的）；要不就是產品化能力非常強的BI公司，比如帆軟（美元人民幣都喜歡，但是它不融資）；還有就是少數垂類的、0-1創新的資料公司，比如Talkingdata、神策資料、GrowingIO（還是美元居多）。

美元投資泛化屬性的、看性感，人民幣更願意投資稀缺性、看壁壘。感覺大資料這些年，其實

跑出來的機會比較少；尤其是部分資料中臺的公司，我總覺得商業本質上有不合理的地方。下面就接觸過的兩個賽道簡評一下：

政府大資料：

第一，【

0-1創新

】，從市場角度也算吧

。

第二，【

大市場？

】，

市場大不大跟創業公司的能力有關，從我們接觸的某公司來看，

一開始

政

府

部門佔比高

，它的市場並不大。該公司後來也轉型到更廣泛的工業檢測AI領域去了。

市場邊界

也跟創業公司的資源能力有關係，總起來說也沒有明顯的市場邊界，好在都是專案制，不至於內卷競爭。

第三，【

潛在裂變式增長？

】，政府這塊

算不上裂變性增長，這也是我對這種賽道總體不太感冒的原因，容易變成資源導向的“生意”型。但是比較其他市場化賽道的企業而言，前期發展階段更容易生存、立足。

第四，【

易執行

】，其實

政府資料的好處是非常明顯，因為量大、結構化，專案

上側重上層資料探勘和決策就好；這剛好是該公司擅長的。政府統一規劃，也更

有動力、也更容易解決資料孤島的問題；因此可以從規劃角度切入市場，是比較落地的。加上本身公司創始團隊人很強、能力很強，技術、演算法水平高，我們接觸的首年就有25%利潤。我們接觸的很早期，經過6/7年發展，該公司目前也快要上市了。我們沒投，也算錯過了一個小上市公司，如果我們早期投了可以賺很多倍數，我打75分左右吧。

營銷大資料：

第一，【

0-1創新

】，某公司是做資料採集和行為分析的，

我是2

016年接觸

的，那個時候這類企業不多，算是0-1創新吧

。

第二，【

大市場？

】，市場空間很大是肯定的。但是

也沒有明顯的市場邊界，同賽道好幾家企業，其他做資料分析的也可以切進來；尤其是現在CDP的概念下，原來的賽道都被囊括了進去。

第三，【

潛在裂變式增長

】，早期階段找到合理PMF，是可以裂變式增長的。因為市場痛點清晰，而且客群廣泛。我認為屬於“能力”型賽道，做得好一樣可以實現裂變式增長；具體看公司和團隊能力。

第四，【

易執行？

】，那個時候

市場教育可能有難度，營銷marketer停留在以創意和文案為主的營銷認知1。0，甚至Google Analytics都很少用到。但是就我參加該公司產品釋出會的時候，很多客戶都是主動找過來的；說明需求的確在，只是用得少。市場早期，埋點無埋點沒那麼重要、功能也沒有那麼重要。關鍵是資料底子要打好，要建PaaS，要讓客戶看到真切的效果。

一

定要認識到，資料應該是需要構建的基礎能力，而非產品

輸出；這也是中外創業的區別所在

。

所以，業內另一家更重視私有化服務，反而更加落地一點。我很早就接觸了某公司，多年過去，發展沒有另一家好（已經從資料分析往營銷雲發展了）。該專案雖然也算明星專案，我只能打60分了。但接觸不深，打低了罪過哈~

舉例說明——AI領域：

AI領域範圍也很廣。為了與後面的“行業數智化”區別開來，主要講兩個通用基礎AI技術的賽道/公司，附帶兩個：RPA和低程式碼。

通用AI：

第一，【

0-1創新

】，時代系統性機會，肯定

是0-1創新

。

第二，【

大市場

】，市場空間很大是肯定的。

市場邊界看能力，是有競爭的，但是技術水平的差距可以拉開很大。

我們訪談某銀行客戶，

雖然我們接觸的公司（已港股上市、兩千億市值）是後起之秀

，但是拿它原始版本做測試，就打敗了原供應商（也是四小龍之一）好幾輪改進的版本，銀行立馬打算替換供應商。

第三，【

潛在裂變式增長

】，

沒什麼好說的，該公司從一開始就是裂變式增長。主要是0-1創新和技術能力所帶來的爆發力。

第四，【

易執行

】，雖然有海康威視等傳統勢力的競爭，但是市場早期還是落地非常容易的。這個賽道完全可以高舉高打、是“易執行”的。

後來有些唱衰AI的聲音，我認為主要是二線公司把市場做爛了吧。另外從利潤上，AI公司短期的確沒法體現、現金流也不好。以致於把AI說成是演算法外包商。但是這種聲音顯然沒有看清業務本質，懂行的不必在意。AI是典型0-1創新、能力型賽道，只要做到最頭部，帶來的價值是完全不需要懷疑的。

我們看的標的是我從業多年以來唯一一個打分到90分的標的

，眼前一亮、極為難得。以致於首次接觸標的後，打車回去路上我們都有點小興奮。B1輪接觸、只要美元，

B2輪

可以人民幣、但又太快結束了，我們本來可以投、但錯過了，十分可惜。不然按上市後的價格就是16倍的投資回報了。哎，又錯過一個上市公司。

這個賽道投資邏輯倒並不複雜——選能力最強的團隊，我們當時把全球AI最厲害的華人科學家全梳理了一遍。

技術層面，無論團隊技術能力、還是客戶專案，我們也知道透過什麼指標體系來衡量團隊/技術。

盡調層面，行業專家、核心客戶、競爭對手的驗證，我們也訪談較深。

運籌最佳化：第一，【

0-1創新

】，我在2018年初接觸了某公司，其實也算該賽道的成長早期階段，兩年後它才把國內首個最佳化求解器做出來。所以算是0-1創新的。大約也是從那個時間節點開始，我看專案基本

只關注“0-1創新”

的賽道，並且把

能否實現“潛在裂變式增長”作為是否是好標的的衡量標準之一

。第二，【

大市場

】，相對而言，市場空間還是可以的，但是不是像上述通用AI那麼寬廣。運籌最佳化天然離決策更近，不同於深度學習，因此離客戶也比較近。同樣，市場邊界看公司能力。我認為看的那個時候，還是有市場邊界的，有明顯的時間視窗。除了同行業競爭，下游替代也需重視，物流大廠都有自建團隊。第三，【

潛在裂變式增長？

】，這就要打個問號了，也是我後面沒有使勁推動的另一個原因。畢竟是專案制，做工程，產品屬性弱。但不是說產品化就能怎麼的，求解器解決的是最後一步，本身也不創造多少營收。按國外公司的演進，應該逐步完成工程化收費到流量收費的轉換。總體來說，也取決於下游的發展（物流發展還是很快）。第四，【

易執行？

】，場景驅動，落地是容易的。但是但凡做工程，乙方都是比較難一點。

當時接觸該專案的時候，正在換工作階段。

計劃推給某CVC，跟ERP有很好的協同作用。

但後來我跟該CVC拉鋸數月、發現不靠譜，主動放棄了offer，也就沒有進一步推動該專案。

如果財務投資角度，該專案貌似可投可不投；

現在也已經融資數輪了。

我打70-

7

5分吧。

金融RPA。進一步AI，退一步RPA。RPA賽道我是2019年介入的，我上半年看，下半年這個概念就火了，人人都知道RPA的概念。我看的時候概念叫“流程自動化”，而且是偏金融場景。

第一，【

0-1創新

】，

我認為是的。當時是NLP、

知識圖譜、深度學習、規則引擎等技術應用到

業務流程自動化，比

如文字AI模型、財務表格提取自動化、金融問答

機器人

、信貸流程自動化等產品。我認為該賽道比Fintech下游的“反欺詐&信評風控&獲客”賽道好多了，對於to B而言是資料治理層面的增量、也是剛需。那個時候銀行都重視“排程”，講“開放銀行”之類的。RPA應用到金融，這是解

決“yes or no”的問題，而“AI+投研/量化”都是探索性業務。所以，對比之下，我覺得賽道靠譜。第

二，【

大市場

】，這個

市場空間是有彈性的，就金融賽道能算出來，監管科技+銀行科技，哪些銀行多少預算放過來可以估計。現在幾年過去了，沒有銀行不用RPA了吧。

而且RPA可以應用到更廣泛的領域

。

第三，【

潛在裂變式增長？

】，

這個賽道不會裂變式增長，是個慢賽道。就這賽道而言，團隊的

工程經驗很重要，工程能力是我衡量團隊的核心能力之一。行業內有個競爭對手，創業團隊都是博士生小夥伴，我看都沒看；因為第一擔心工程經驗肯定不足，第

二純資料驅動的公司很難做好，這不是說機器過去就能解決問題的。

第四，【

易執行？

】，

執行容易不容易還是看團隊，因為早期是純專案制的。2019年全球統計，RPA服務性營收佔比是近80%的。我認為還是一開始要有核心競爭力，長期有綜合能力，讓客戶看到效果；即

結合OCR、NLP、深度學習等多種

技術，

產品化做到比較好，

且底層資料處理（iPaaS）及場景理解上有突出表現才能長期發展。這是個要求有核心基礎能力，並且能夠手眼腦、持續做加法的賽道，最終應該是往超自動化方向發展。

有人不懂，說RPA是“升級版按鍵精靈”，門檻低、同質化，大哥，這絕非“按鍵精靈”所能比較的。

我朋友圈有過評論，發到某RPA群裡，得到了很多業內人士認可。放在下面：

我一直關注的有個公司擅

長文字處理（核心競爭力），OCR、NLP、RPA、AI多種技術融合，原廠服務，後面發展就不錯；最近被我第一個老東家投了。那個專案我給75-80分吧，但我實際瞭解也並不多，希望不要偏差太大哈。

低程式碼。也順帶提一下該賽道，這個賽道我本身認可度

一般，

如果是投資，整個賽道我可能都不會看了

。

以下4條，沒有一條能夠滿足的

。

第一，【

0-1創新？

】，顯然不是。

第二，【

大市場？

】，我認為也不是。1）

先說應用開發平臺，低程式碼

其實切的是軟體行業的邊邊角角，演算法資料結構複雜的不行、高效能應用不行、分析和智慧化應用的不行、專業軟體更不行，而且高度軟體化的ERP、CRM等可以自己二開、可以APaaS，所以，低程式碼市場在哪兒？參考一篇文章《萬字長文講透低程式碼》，裡面有些觀點我還挺認同。2）再說無程式碼應用搭建平臺，目前一大推公司，同質競爭，市場空間不大、也沒有市場邊界；有幾家站隊了大廠，其他都難有流量曝光度。

第三，【

潛在裂變式增長？

】

，更不是。1）

應用開發平臺

很容易專案制，

服務佔

比高。

即便領域模型驅動，也是極其考驗工程化落地的能力。聽聞金蝶的雲蒼穹做得很不錯，研究了一下，我認為金蝶的魄力比很多創業公司都大。2）

無程式碼應用搭建平臺

白熱化，更加無法實現裂變式增長。

第四，【

易執行？

】，也不是。1）

應用開發平臺

落地難度大，每個專案都得與客戶磨，並非容易交付的賽道。2）

無程式碼應用搭建平臺容易陷入價格戰，我預計生態圈外的公司很難生存下去。也許不能全否掉，可能也有好公司，但是就整個賽道而言，我認為沒那麼好。

後來我還在一個FA做過一個低程式碼專案。對不起，只能給50分了，不，40分吧。我認為我還是有比較高的專案鑑賞能力的，FA忽悠我做我認為不及格的專案，簡直。。。

從接觸商湯科技這種頂尖的90分專案，到這種不及格的專案，哎，我怎麼可能看得上、怎麼可能願意做呢！？

後來該合夥人還拿來一個更差的專案（不是低程式碼了），他還想做，我只能打20分。我只做80-90分的專案，結果在他這到40分、再到20分。所以後來他的專案我都懶得搭理了。當然我也很快“被離開”了，FA只幹了幾個月，參考《

投資出身，切忌FA

》。說來也巧，FA讓做的，剛好都是我不願意深耕的賽道/企業，哎。

舉例說明——最後，通用企服領域：

這就細分賽道更多了。我只用一個賽道來隨便聊聊好了。

辦公。

第一，【

0-1創新

】。這個算是吧，因為我們看的就是國內最強的office，金山WPS。我們當時是2015年，基於“自主可控/核高基/南風計劃”尋找國內優質標的。這是人民幣基金的路子，同時也是不足，

太重視政策紅利反而對於產品革新缺乏洞察

。當時WPS釋出移動端產品大約才3/4年，100多人團隊，都是自己重新寫的。訂閱業務正開始高速增

長：金山WPS的PC版一直積累也沒到千萬使用者，而移動版出來一下子就幾千萬，（我們訪談時超過5000萬）。應該說是

非常難得的標的了。

二，【

大市場

】，顯然是。有市場空間，同時也有市場邊界，僅此一家啊。只是近年來，有聲音認為開始遇到增長瓶頸了（這幾年我已經很少關注了）。

第三，【

潛在裂變式增長

】

，本來主要就是C端訂閱產品，當然存在裂變式增長。to B也是跑馬圈地多年。

第四，【

易執行

】，這個實話說了解不深。但是我算了下金山辦公的人效超過了100萬/人，也可以側面印證吧。

總體來說，是

比較難得的標的，85分。

當然難得的標的不一定能投進去，但是我認為主要原因還是當時自己團隊不重視、不努力，反而沿著自主可控的思路去看同行業其他專案去了。當然最後不了了之。

所以又錯過一個上市公司？

其實當時福昕發展也不錯，東看西看，反倒漏掉了，哎，可惜。

上文都是簡要評價，其實有些賽道的專案接觸不多、也就初次聊聊，沒有深入產業盡調、理解就不一定到位，比如有些賽道，財稅、數字簽名本來我也寫了，但都直接刪掉了。

其實，我也有寫專門用於回顧的《專案總結》，有的專案數萬字、有的幾千字。比上述簡評更豐富。

順帶提一下：

“職場感悟”的系列文章以後就徹底不寫了，這種“抱怨”體文章可以寫，但不能寫多了、不然就沒人敢要我了。以後只涉及行業分析和投資邏輯相關的。

從ABCSS到數字化轉型：

這兩篇文章其實是對職場早期賽道和專案的回顧，涉及

大資料、

雲計算、

安全&運維、

通用企服

（即通用ABCSS，這個提法我在

《

關於數字化轉型（上）：創新企業服務

》就出現了

）幾個領域，大概是2015-2019年。

從2020年初（文章是從《

》）開始，相對ABCSS，我側重“數字化轉型”相

關的賽道研究更多一點，提煉的主要三個方向包括：

供應鏈/價值鏈、內容&生產力SaaS、行業數智化

。

這幾個方向才是我的重點，以後會討論多一點

。

歡迎參考並關注我《數字化轉型》的系列文章，已經很久沒發了；下一篇將是《

關於數字化轉型（上）［補］：

內容&生產力SaaS

》，不久就會發出來。

跟上文一樣，

最後

也放個圖，這圖之前也出現過，見《加一頁PPT：內容》：

強哥漫談 VC投資