-
观点
硅谷那些不知名的独角兽，可以让2017年IPO市场回暖吗？
科技公司IPO长期处于低潮期，但这不仅催生了火热的一级半市场交易，而且还加快了一些不知名公司的IPO步伐。
据路透社报道，来自投资银行负责IPO事宜的人分析称，相比那些不愿意上市的独角兽明星公司，有大把不知名的、规模相对较少的初创公司对上市十分感兴趣。这些公司可能会为”IPO寒冬“解冻。
虽然很多公司在创立之初，就想有朝一日可以IPO，但这一市场并不如大家想象中那么热闹。2016年，仅有20家科技公司在美国IPO，这是IPO市场自2009年以来最低迷的状态。
2015 年，仅有 28 家科技公司在美国上市，有 131 家“独角兽 ”公司选择了继续保持非上市状态。而去年和前年在美国IPO的科技公司则分别有 62 家和 48 家。
近几年的情况很不乐观，但很多美国独角兽将 IPO 计划推迟至 2017 年。另外，Renaissance Capital认为，2017年IPO市场可能回暖。
为何这些公司会为”IPO寒冬“解冻？
相比那些未上市的明星科技公司，这些不知名的科技公司具有诸多优势。
据Renaissance Capital数据，2017年可能有277家公司选择上市，尤其受关注的是Snapchat和Spotify。而且，仅这两家公司的融资额就可能超越过去两年所有风投支持的科技公司IPO交易的总规模。
但仍有很多像Apttus,、Tintri 和 Okta等不知名的软件公司，准备为IPO市场”破冰“。来自UBS Group AG的Justin Smolkin认为，这些公司是更多投资者在市场中进行表现的”风向标“。他还补充道，这些公司被认为是比较优秀的公司，并且投资人可以从中赚大笔的钱。
这些公司可以提供一系列的服务，如自动化的交易程序、安全、会计、软件培训和费用管理服务。通过服务订阅，这些软件公司可以获得稳定的收入流。这些公司倾向于跟投资人签订多年的合同，相比那些依赖于广告和个人交易的的互联网公司，它们可以给投资人多于预期的回报。
来自Goldman Sachs Group的Will Connolly认为，虽然这些公司只有5亿美元-40亿美元的中等估值，但它们占据了科技公司IPO市场中的大部分份额。他还表示，大部分科技公司IPO后规模并不会很大，但那些大公司会更受关注。然而，那些小的或中等的公司，会因为一些创新人才及推动科技创新而被熟知。
据汤森路透数据，2016年只有6家软件公司IPO。2017年，将有包括Avalara、MuleSoft、ForeScout Technologies Inc、AppDynamics 和 Yext等十几家软件公司准备上市。
另外，来自硅谷银行的Greg Becker认为，相比2016年的15家，预计2017年会有30家-40家获得风险投资的科技公司打算IPO。这些公司可能打算在科技巨头Airbnb和Uber之前IPO，因为这两家公司在”IPO预备期“中已经获得足够的资金和关注。
如果这些软件公司能够成功IPO，会给那些已经提供关键资金支持、但想尽快变现的早期投资人莫大的希望。据汤森路透的数据，2016年只有20家科技公司IPO，这是2008年以来的最低值。来自Credit Suisse Group AG的Anthony Kontoleon认为，如果这些公司可以顺利IPO，积极的信号将给市场带来里程碑意义。
但是如果这些公司不能在2017年顺利IPO，那么一些风险投资经理就需要花更多的精力，来让投资人变得更”快乐“。同时，那些为吸引和留住优秀员工的初创公司，承诺他们公司IPO后会获得更多利益，然而可能会受影响。
另外那些选择在2016年底IPO的科技公司，它们的股价表现也不错。Twilio Inc、Coupa Software Inc、Nutanix Inc和Blackline Inc，这些公司的估价都高于它们当初的发行价，这极大地提振了同样想IPO的同行。
本文参考了多个信息来源：www.reuters.com
-
观点
2017年大数据发展的十大趋势预测
来源｜199IT
编辑｜陈光
网址｜www.xtecher.com
微信公众号ID｜Xtecher
2016年，近40%的公司开始或正在实施和扩展大数据技术应用，另有30%的公司计划在未来12个月内采用大数据技术。2016年NewVantage Partners的大数据管理调查发现，62.5%的公司现在至少有一个大数据项目投入生产，只有5.4%的公司没有大数据应用计划，或者是没有正在进行的大数据项目。
2017将会有越来越多的公司加速采用大数据技术。互联网数据中心(IDC)预测，到2020年大数据和分析技术市场，将从今年的1301亿美元增加至2030亿美元。“公司对数据可用性要求的提高，新一代技术的出现与发展，以及数据驱动决策带来的文化转变，都继续刺激着市场对大数据和分析技术服务的需求“，IDC副总裁Dan Vesset表示。
“2015年该市场全球收入为1，220亿美元，预计到2016年，这一数字将增长11.3%，并预计在2020年以11.7%的复合年增长率(CAGR)继续增长。”
虽然大数据市场将会继续增长这一点毋庸置疑，但企业应该如何应用大数据呢？目前还没有一个清楚的答案。新的大数据技术正在进入市场，而一些旧技术的使用还在继续增长。本文涵盖大数据未来发展的十大趋势，机器学习、预测分析、物联网和边缘计算等这些趋势都可能对2017年及以后的大数据市场产生极大影响。
一、开放源码
Apache 、Hadoop、Spark等开源应用程序已经在大数据领域占据了主导地位。 一项调查发现，预计到今年年底，近60%企业的Hadoop集群将投入生产。佛瑞斯特的研究显示，Hadoop的使用率正以每年32.9%的速度增长。专家表示，2017年许多企业将继续扩大他们的Hadoop和NoSQL技术应用，并寻找方法来提高处理大数据的速度。
二、内存技术
很多公司正试图加速大数据处理过程，它们采用的一项技术就是内存技术。在传统数据库中，数据存储在配备有硬盘驱动器或固态驱动器(SSD)的存储系统中。而现代内存技术将数据存储在RAM中，这样大大提高了数据存储的速度。佛瑞斯特研究的报告中预测，内存数据架构每年将增长29.2%。目前，有很多企业提供内存数据库技术，最著名的有SAP、IBM和Pivotal。
三、机器学习
随着大数据分析能力的不断提高，很多企业开始投资机器学习(ML)。机器学习是人工智能的一项分支，允许计算机在没有明确编码的情况下学习新事物。换句话说，就是分析大数据以得出结论。高德纳咨询公司(Gartner)称，机器学习是2017年十大战略技术趋势之一。它指出，当今最先进的机器学习和人工智能系统正在超越传统的基于规则的算法，创建出能够理解、学习、预测、适应，甚至可以自主操作的系统。
四、预测分析
预测分析与机器学习密切相关，事实上ML系统通常为预测分析软件提供动力。在早期大数据分析中，企业通过审查他们的数据来发现过去发生了什么，后来他们开始使用分析工具来调查这些事情发生的原因。预测分析则更进一步，使用大数据分析预测未来会发生什么。普华永道(PwC)2016年调查显示，目前仅为29%的公司使用预测分析技术，这个数量并不多。同时，许多供应商最近都推出了预测分析工具。随着企业越来越意识到预测分析工具的强大功能，这一数字在未来几年可能会出现激增。
五、智能App
企业使用机器学习和AI技术的另一种方式是创建智能应用程序这些应用程序采用大数据分析技术来分析用户过往的行为，为用户提供个性化的服务。推荐引擎就是一个大家非常熟悉的例子。在2017年十大战略技术趋势列表中，高德纳公司把智能应用列在了第二位。高德纳公司副总裁大卫·希尔里(David Cearley)说：“未来10年，几乎每个app，每个应用程序和服务都将一定程度上应用AI。
六、智能安保
许多企业也将大数据分析纳入安全战略。企业的安全日志数据提供了以往未遂的网络攻击信息，企业可以利用这些数据来预测并防止未来可能发生的攻击，以减少攻击造成的损失。一些公司正将其安全信息和事件管理软件(SIEM)与大数据平台(如Hadoop)结合起来。还有一些公司选择向能够提供大数据分析能力产品的公司求助。
七、物联网
物联网也可能对大数据产生相当大的影响。根据IDC 2016年9月的报告，“31.4%的受访公司推出了物联网解决方案，另有43%希望在未来12个月内部署物联网解决方案。”随着这些新设备和应用程序上线，许多公司需要新的技术和系统，才能够处理和感知来自物联网的大量数据。
八、边缘计算
边缘计算是一种可以帮助公司处理物联网大数据的新技术。 在边缘计算中，大数据分析非常接近物联网设备和传感器，而不是数据中心或云。对于企业来说，这种方式的优点显而易见。因为在网络上流动的数据较少，可以提高网络性能并节省云计算成本。它还允许公司删除过期的和无价值的物联网数据，从而降低存储和基础架构成本。边缘计算还可以加快分析过程，使决策者能够更快地洞察情况并采取行动。
九、高新职业
对于IT工作者来说，大数据的发展意味着大数据技能人才的高需求。IDC称，“到2018年，美国将有181，000个深度分析岗位，是数据管理和数据解读相关技能岗位数量的五倍。” 由于人才缺口过大，罗伯特·哈夫技术公司预测，到2017年数据科学家的平均薪资将增长6.5%，年薪在116，000美元到163，500美元之间(当然这是美国的标准，中国国内目前尚未统计)。同样，明年大数据工程师的薪资也将增长5.8%，在135，000美元到196，000美元之间。
十、自助服务
由于聘请高级专家的成本过高，许多公司开始转向数据分析工具。 IDC先前预测，“视觉数据发现工具的增长速度将比其他商业智能(BI)市场快2.5倍，到2018年，所有企业都将投资终端用户自助服务。
一些大数据供应商已经推出了具有“自助服务”能力的大数据分析工具，专家预计这种趋势将持续到2017年及以后。数据分析过程中，信息技术的参与将越来越少，大数据分析将越来越多地融入到所有部门工作人员的工作方式之中。
-
观点
未来的工作流程：事件驱动型的 SaaS
编者按：事件驱动型的 SaaS 是新式的 SaaS。它可以更方便、更准确地服务使用者，但同样也存在着一些问题。本文作者Tomasz tunguz向我们详细介绍了这一新的理念，并分析了其优点与实施过程中存在的问题。
传统软件的运行流程示意图
曾经有一个 SaaS 公司的高级执行官告诉过我“用报告推销软件”。 这在正常的销售中的确没错。假如公司CEO希望能够更好地预测销售状况，那么他就会购买客户关系管理工具来收集数据。而 SaaS 也就由此诞生了。
先是一家公司购买一个数据库。销售人员、营销人员和客户服务人员原本只用照常工作，但在购买了数据库之后，这些人员在完成工作后又多了一份更新数据库的额外任务，因为这样才能生成一份数据报告。
这个设计存在着一个代理问题，那就是它并没有为做了额外工作的员工们带来什么好处。而这个问题通过三个方面影响着软件的有效性。
首先，管理人员们必须要激励员工们更新数据库。其次，由于员工们是回溯性报告数据，所以数据库便不能及时反映数据，这也就破坏了报告的准确性。最后，软件对于员工们带来的好处只有在数据库完善几个月甚至几年之后才能体现出来，例如工作人员可以查看客户的动态。
而相反，在销售模式中却是工作流程在推销软件。那些想要取代现有的记录系统的新的 SaaS 公司将会以完全不同的方式制造产品。那就是事件驱动型的 SaaS 公司。
事件驱动型 SaaS 示意图
事件驱动型的 SaaS 是从数据源获得数据并分析事件的，这些数据源包括社交媒体、新闻报道、可分析的数据、营销数据、客户服务数据和销售数据。这些事件都是通过应用程序接口提取并提交到数据库的。而最开始这些数据纪录系统会自动填充数据。
利用这些信息，它们将事件排序并进行工作，来帮助工作人员更有效地工作。包括排序优先和哪些客户谈话，自动回复客户的问题或者是任何类似但还没发明出来的事情。
值得一提的还有一个反馈系统，用户的任何操作也都会作为事件反馈到数据库，系统也会另外生成一份相同的报告。
事件驱动型的 SaaS 减轻甚至解决了传统软件的代理问题，用户可直接使用并从中受益。而报告作为优化了的工作流的副产品，其比传统的系统更佳准确。
代理问题原本是传统软件在被接受的过程中面临的最重要的问题，尤其是如今市场上最普遍的记录系统。而下一代价值数十亿美元的 SaaS 平台，也就是那些新的创业公司，会用事件驱动的理念和优化的工作流程来取代现有的系统。
翻译来自：虫洞翻翻 译者ID：崔珂铭
本文来自翻译：tomtunguz.com
-
观点
吴晓波：预见2017（演讲全文整理）
整理/巴九灵（微信公众号：吴晓波频道）
昨天，小巴熬夜为大家整理出了年终秀上吴老师对2016年8个预测的复盘，总结了过去一年里发生在我们身边的大事儿。
今天，2016年正式过去了，在2017的第一天，小巴第一时间奉上吴老师干货满满的“预见2017”超长演讲。
2017年，关于创业、关于消费升级、关于投资领域，关于所有你关心的事，吴老师将会做出哪些预测和展望呢？
以下根据吴晓波频道年终秀现场演讲整理
预见2017
我想先跟大家分享一个名词：舒适感。
有一个新闻客户端，知道你喜欢什么东西，并且不断向你推荐你喜欢的东西，这时你会感到非常舒服，但也是你要警惕的时候。
我们一定要拒绝舒适感，拒绝之后会很焦虑，产生不适感。有了不适感，你才会愤怒，才会反抗。
2017年很可能是让你产生不适感的年份，这是好事儿。我们会面临一个非常陌生的年份，甚至比2016年更让我们陌生，这份陌生感是我们前进的动力。
2017会发生哪些新的变化呢？
1新锐中产渐成主流
我们对2016年的第一个预见是中产消费元年的到来，这件事在2016年变成了现实。我认为2017年它会由元年的萌芽状态渐渐成为主流，这个主流不仅仅是消费、产品方面的变化，它有可能是橄榄形中间的数以亿级的中产阶级的扩大。
当这些人不断增加时，这个社会改变的不仅仅是消费观，它会改变什么呢？会改变审美，会改变价值观，会改变这个国家很多的公共问题，甚至改变我们对“公平”这两个字的理解。当新锐中产成为这个国家的主流时，中国将出现新的增长点。
今天我们这个国家，在主流社会中有60后、70后、80后、90后，不同年龄的人扮演着不同的角色。我认为要理解2017年的中国，就要来了解统治中国社会的这四类人。
60后已经从中国产业经济的创业一线大规模退出，这是一件让人很纠结的事。中国2000位富豪的平均年龄是53岁，集中出生在1963年，在互联网行业、信息行业中，他们是最焦虑的群体。2017年他们会退出一线舞台，交给80、90后，成为80、90后的投资者。
他们是未来投资的主力人群，因此60后的投资观是我们需要关注的事情。
对于70后，我们要关注的是消费观。今天中国的汽车、服装、娱乐、电影，很多观念是由70后主导的。
而对于80后呢，要关注的是80后的审美观。80后正慢慢走到舞台的中央，他们现在是中国绝大多数企业的中层干部主力人群，所以他们的审美观在定义中国的文化是什么，中国的消费是什么。
再来就是90后，90后是中国过去100年以来第一批在和平时代和物质丰裕年代出生的人，他们成长在一个互联网化时代。他们成为未来中国消费的反叛力量。
这些人，他们的家庭构成了今天中国的中产阶级，逐渐成为这个社会的主流人群。他们的投资观、消费观、审美观和叛逆观将发生很大的变化。
2工匠精神再造国货
2017年，随着消费升级，工匠精神将再造国货。
我们在研究经济史的时候会发现一个景象，什么时候一个国家的国民开始要穿自己的服装，买一把中国人自己做的雨伞，喝中国人自己的茶叶，用中国人自己的杯子，穿中国人自己的衬衫？
这些工匠精神怎么出现？美国、日本各个国家都一样，当中产阶级成为消费主力的时候，国民本土文化崛起，国民自信心崛起，就需要有本土文化的商品。当需求被激发出来的时候，供给就发生了。
这么多年，中国制造业者、企业家，长期以来认为模仿是最大的成功，把国外的电影、国外的衣服、国外的家电拍回来，用最低的成本、最大的规模制造出来。很长时间里，中国的消费者没有为本土创新买单的意愿，而这一切在今天发生了变化。
同时，这是移动互联网的时代，是整个金字塔式的环境解构的过程，是消费市场发生变化的时候。2017年中国大型企业、大众品牌的日子会越来越难过，同时一些愿意为内容、产品付出努力的人将成为中国新的一批企业家。
他们不再是规模很大的企业，而是以中小企业为主，这些企业的生产和制造不再是性价比模式，而是性能比模式。其实我不知道他们能走多远，能做多大，能坚持多久，有没有人会成为独角兽，有没有人会在两年后破产，我真的不知道。
但是我知道，我要支持他们，因为他们是产业转型的未来，他们用和父辈不一样的方式制造这条围巾、这件衬衫、这双皮鞋。他们用他们的方式重新让所处行业感到非常不舒服，他们都是叛逆者。
年轻人用这样的方式来告别大师们，我们把他们定义为新匠人。这些人一定不是回到传统中，而是用新的工艺、新的审美、新的技术，重新完成变革。
3跨境并购倍级增长
今年5月份我带了150个企业家去德国参加汉诺威工业博览会。现在有一个名词叫“德国工业4.0”，我们看到柔性的生产线、新的传感技术、智能化的车间。明年我们还会带500个人继续去看西门子的工厂以及奔驰的工厂。
我比那些企业家晚到了两天，下飞机后导游来接我，第一句话是：吴老师，我们已经有两个团员要买德国工厂了。
我跟驻德大使馆的领导打电话，问2016年中国企业在德国的并购案增加了多少。“增加了3倍”——这是未来几年慢慢成为主流的景象。因为中国的产业转型在全世界所有国家中最真实，我们有超过14亿的消费人口，1亿的中产阶级。
整个产业转型建立在消费升级的前提下，所以未来我们会成为全球工业4.0、第四次工业革命升级最大的试验场。当我们有强大的消费能力的时候，就可以利用人民币泡沫化红利到全世界抢购最好的技术、设备和原材料。
我想我们不会像日本人一样买一些标志物，我们会以中小企业为主，以中国的中产阶级和富裕阶级家庭为主，以更渗透的方式到发达国家去买他们的金融资产、技术资产、实业资产。这在2017年会成为一个重要的趋势。
4人工智能穿透产业
我们认为2017年人工智能会有发展。
2016年年初的时候我们看到一则新闻，阿尔法狗战胜了韩国的围棋冠军。但是我们会说这个狗离我们的生活很远，如今发生了什么变化呢？今年我出版了一本书叫做《腾讯传》，念一段文字给大家听。
0:42“吴老师”朗读录音来自吴晓波频道
念得好不好？我如果告诉大家这是一个机器念的呢？这是一家中国的语音技术公司向我要了十个小时的演讲内容，然后让机器深度学习，用我的声音念出了这段文字。
这是人工智能进入我们生活的一个非常小的应用，这些应用已经慢慢地在向各个行业渗透。
今年年初我们在深圳看了一家互联网公司，他们把自己叫做金融科技公司，这家公司原来有2400人，做P2P，做互联网金融销售。我去的时候有多少人呢，400个人，砍掉了2000人，但是在过去十个月里发展了500万用户，做了200多亿的贷款余额。
通过大数据和深度学习的方式，把你的名字、一些信息告诉他们，机器可以在两分钟之内认定能不能贷款给你30万。
所以，在2017年，人工智能会以比我们想的更快的速度进入我们的生活，穿透我们的产业。
5资本市场频繁换壳
在资本市场，2017年会是一个比较活跃的年份。
2016年上半年房地产市场的暴涨给了中央政府极大的警惕，2017年年底会召开十九大，所以整个2017年中国的政治、经济、舆论都将以稳定为第一前提。
因此不动产市场在2017年会维持在一个相对比较稳定的状态，不可能出现类似2015年第四季度和2016年上半年的暴涨行情。资金会去哪里呢？会进入股票市场。二级市场中好的公司，或有重组价值的公司将成为重要的争夺目标。
对于机构资金来讲，无论私募基金还是社保基金都很充裕。但在资本市场以外，无论实体经济还是服务行业仍然处在水深火热的转型当中，所以大规模的资金缺少好的标的物，他们一定会找到一个相对确定的目标，哪怕它是一个壳。
2017年，在规范化的前提下，我认为险资会入市，跟它一起进去的还有私募基金、风险基金，甚至国家的主权基金。
同时，在资本不断进入上市公司的前提下，中国现在的3000家上市公司，当中绝大部分都是传统没落的、处在一个非常不适状态下的资产，他们将利用2017年的资产荒和资金入市完成改造。
这个过程会比较野蛮、血腥，很可能充满种种灰色交易。这个过程中，上市公司的资产质量和行业状况会发生巨大的变化，而随着中国资本市场衍生工具的增加，越来越多的创业公司会愿意在中国本土上市。
在这些投资、转型、买壳和新的规范调整过程中，2017年资本市场会比2016年表现得更加活跃。
6理财恐慌持续蔓延
中国转型仍然非常艰难，我认为2017年传统制造业、服务业破产倒闭的状况会持续。
外贸公司，如果没有办法跟新的跨境电商模式嫁接，那特朗普上任会对中国的外贸造成冲击，外贸将继续处在一个动荡的环境中。
为了完成这次空前的产业转型，中央政府仍然会做两件事，第一是会继续通过PPP的方式加大基础建设的投资，以维持6.5%以上的GDP增长。第二是继续容忍货币的“量化宽松”。
中国企业中的20%将引领这个国家的经济转型和升级，80%的企业仍会处在一个非常艰难的状态下。
如果这些事情在2017年成为现实的话，就意味着2017年中国家庭贫富悬殊继续拉大。所以2017年可能会出现理财的恐慌，中产阶级不知道买什么资产，眼睁睁看着货币贬值。
7新型垄断挑战公平
我认为未来中国的经济社会有两个非常重大的主题：
第一个主题是，我们要通过年轻人、工匠精神、广大的中小企业完成这一次实体经济的转型升级。这是一次代价非常大，但我认为成功概率很高的转型。
第二个主题是公平，历史永远在发展和公平中摇摆。
互联网经济作为一个让社会变形的普适化经济，在各行各业都引发变化。但我们一方面看到互联网、新技术的力量把旧的商业模式彻底推翻，另一方面又看到新型的垄断。
又如，中国允许发片公司和影院合为一体，这意味着什么？意味着有人可以控制影院的屏幕数和电影的上映速度，这就在中国影视市场诞生了垄断。垄断产生之后，垄断者发一些烂片填充到我们的时间当中，中国的电影创新就被扼杀了。
很可惜在中国过去这些年里，传统意义上的媒体监督能力被破坏了。《东方早报》将在2017的第一天停刊，它是最早报道三聚氰氨的媒体，今后谁给我们报道三聚氰氨？
成为新中产的标志并不是拥有多少钱。你的家庭资产仅仅是你成为中产阶级的前提，成为合格的中产阶级需要对中国的公共事务表达态度和立场，为这个社会的公平奉献我们的力量，这是我们社会稳定、健康和理性发展的前提。
所以我认为，2017年以后，随着中产阶级不断崛起，反对垄断和对公平舆论环境的重新定义会成为越来越重要的话题。
8全球通缩政经动荡
2017年，全球仍然在一个通缩的环境下，反全球化的景象会继续蔓延。
法国、德国将要改选，2017年是欧洲动荡的观察点。美国的特朗普当选第一年，会在欧洲做什么？会对中国做什么？而在2017年年底，我们的政府也面临换届。欧洲、美国、中国、俄罗斯、日本，全球会在通货紧缩和反全球化的状态下出现很多不确定因素。
各位会发现，每一年都会出现很多令人焦虑不安的事情，但是我们每年12月底还是会来到这个舞台预见下一年。这个世界就是这样，它会在不断的不适应和变化中迎接新的可能性。
大家还记得在去年年终秀演讲幻灯片上的最后六个字吗？“风很大，一起上。”我们在2015年看到了互联网+，看到了传统制造业遭到互联网经济和新经济的巨大冲击。2015年底，中国的制造业者、企业家做好了面对变革的准备，但是一年过后我们发觉，变革仍然会从出人意料的方向袭来，我们的生活还是有相当大的部分被不确定性改变。
2017年这样的景象仍然会发生。所以我们仍要做好准备，保持理性的状态，用积极向上、健康，甚至带有一点快乐的心情向新的一年迈进。
-
观点
罗振宇《时间的朋友》跨年演讲精简版：2017年的5大趋势与变化
2016年12月21日，罗振宇发了一条微博，微博中称，“今天是我坚持每天60秒的第1461天。距离我结束这份坚持还有六年。”
2016年12月31日，坐标深圳，罗振宇开始了他人生中第二次“时间的朋友”跨年演讲。距离他结束这份坚持还有十九年。
演讲同步在《深圳卫视》直播，邦哥亲赴现场聆听演讲并做如下笔记：
1、时间战场
时间会成为商业的终极战场。未来有两种生意的价值变得越来越大，一是帮助用户省时间，二是帮助用户把时间浪费在美好的事情上。
2、服务升级
市场上有一种叫做“父爱算法”的需求。将来会诞生很多伟大的公司。背后的精神就是六个字：你不用懂。听我的。真正的机会不在于付费还是免费，而在于你是不是在提供服务。
3、智能革命
智能革命这个话题，比脸还大，比肾都虚。中国在人工智能领域的机会相当大。也许只要5到20年，在我们还没有退休的时候，这个世界就会变得极其陌生。未来社会什么样？推荐你看2017年最重要的一本书。
4、认知迭代
2016年，有一种气氛在弥漫，叫事情正在起变化。面对这个全新的庞然大物，你有两个选择：交越来越贵的“共识税”，或者打越来越残酷的“认知战”。抢认知变成下一个战场。谁能提出新认知，谁就占领未来。阿里和京东就是最好的例子。
5、共同体危机
有一个词，使用频率在2016年飙升了200倍——“后真相”。情绪的影响力已经超过了事实。郭德纲和曹云金互撕，冯小刚和王思聪互撕，从这一场场互撕中，我们应当学到什么。
以下是演讲精简版：
首发｜创业邦（ 微信号：ichuangyebang）
编辑｜邦哥
活动｜2016年12月31日 罗胖跨年演讲《时间的朋友》
2016年充满了神转折。所谓三大黑天鹅事件分别是：AlphaGo狂胜围棋世界冠军李世石；英国脱欧；特朗普赢得2016年的美国总统大选。
这就是2016。全世界好多事都只看到掉下来一只靴子。另一只靴子什么样、掉不掉、什么时候掉、怎么掉？现在一概不知道。
很多人今年会因为环境的不确定，而感到茫然失措。但是创业者不会。
我们定义的创业者，不仅仅是指那些拥有一家公司的人，只要他是试图通过提升自己的认知，和更多的人达成协作，做一件前所未有的事，他在我们的眼里，就是一个创业者。
创业者的世界很独特。他们不会去感受那些缥缈的好和坏。远方的消息好也罢，坏也罢，我们仍然身处具体的处境中，只有具体的问题和具体的方法属于自己。
正如查理·芒格所说，宏观是我们必须接受的，微观才是我们能有所作为的。
因此，以下趋势与变化，是你作为创业者，在2017年不应忽视的“具体的处境”。
一、时间战场
2016年，我提出了一个概念——国民总时间。GDT（GrossDomestic Time）。在我们可见的未来，时间是绝对刚性约束的资源。一分一秒也多不出来。
三年来，人均每周上网时长变化趋于平缓，稳定在每周26.5小时。算到极限，有10亿网民，每天花5个小时。互联网可以开采的国民总时间，大概为18250亿小时。
这将带来商业上的巨变。
首先，时间会成为商业的终极战场。
再也没有什么行业边界了，每个消费升级的行业都在争夺时间。电影、视频、游戏、休闲、度假、直播，在时间维度上，它们都是竞争对手。
时间战场，变成了特别重要的一只黑天鹅。
也就是微信的张小龙敢说，微信有一个基本价值观，一个好的产品是用完即走的。其他的创业者哪里能这么傲娇。你生意再大，拿不到用户的时间，你的未来就岌岌可危。
这就是为什么马云从旺信、来往，到现在的钉钉，一直放不下社交情结，2017年，阿里系，甭管是支付宝还是钉钉，一定有一轮像样的社交进攻。
第二，消费者花的不仅仅是钱，他们为每一次消费支付时间。
2016年初，中国电影屏幕是3万块；到年底飙升到4万块。但整个电影票房从去年的440亿仅仅只涨到了今年的450亿。
除了行业补贴停止之外，更重要的一个原因是，电影是一个要支付时间的消费品。
猫眼的老板郑志昊说，看电影，不是碎片时间的支付，是整块时间。做决定的难度越来越大，时间风险也越来越高。
所有的行业都必须警觉，不是你不努力，也不是你的行业没价值，也不是你的价格不够低，而是你索取了过多的用户时间，大家付不起了。
第三，商机从空间转向时间。
这一轮消费升级提供的不是炫耀品，而是体验品。不是优化消费者在空间里的比较优势，而是优化消费者在时间里的自我感受。同样是茶，他们不再为柴米油盐酱醋茶的茶付钱，他会为了琴棋书画诗酒茶的茶而付钱。
所有的体验，本质上都是时间现象。
消费升级，人们不见得再会去买昂贵的奢侈品。
未来有两种生意的价值变得越来越大。
一种是帮助用户省时间。
那省下时间干什么？
这就是第二项生意——帮助用户把时间浪费在美好的事情上。
二、服务升级
时间是新的战场，也是新的货币。在这个处境里，商业有两个获得用户的办法：
一个是让他上瘾，拖住他的时间。
一个是提供服务，优化他的时间。
今日头条每个月为1.5亿用户提供服务，每天有7000万人上瘾一般花76分钟在上面看新闻。
有一次，我和今日头条的张一鸣在一起开会。我私下跟他交头接耳。
我说，用户要什么，你就给什么，甚至他们没说出来你就猜到了。这叫母爱算法。在中国这个市场，没人比你做得更好了。但是好在这个市场上还有一种父爱算法的需求。将来也会诞生很多伟大的公司。
这就是我讲的服务：给人们他还不知道的好东西。互联网让所有的产业都必然向服务业演进。围绕这个服务进行的消费升级，也是我预判的下一个阶段的消费类创业机会：
让用户在自己的知识盲区里能“放心”。
有一次我约朋友吃饭，让和菜头给建议。他说了很简单的几句话：
1，某潮汕牛肉火锅。
2，我吃过十家，这家最好。
3，严格按照商家提供的时间涮肉，说四秒绝对不要五秒。
4，调料只许用酱油加点辣椒圈，绝对禁止用麻酱。
完了。
爱死他了。我愿意为这样的粗暴态度付费。
所有这样的服务，背后的精神就是六个字：你不用懂。听我的。
这样的服务升级，是2017年市场上的第二只黑天鹅。
这波机会的本质，是靠父爱算法告诉用户，放下你手里的烂东西，我告诉你一个好东西，跟我来。这正是这波服务业机会最有意思的地方。
有人问过我，如果你有很多很多钱，你会做什么？
我说，我每天吃饱喝足，找一个团队，每天替我去世界上搜集最好的老师，用最有趣的方式，给我讲最好的课程。每天中午，我睡醒午觉之后，一个葛优躺，坐在那里，让他们讲给我听。每天讲一个话题，破我心中的一个迷雾。如果我家房子够大，我会在身边再放几把椅子，请朋友来听。如果可能的话，也可以卖票。
有一次，我把这个梦想讲给我们公司的CEO脱不花听。她说，这不就是我们现在做的“得到App”吗？
我从2016年上半年就开始四处鼓吹内容付费，年中就开始推出得到App里的订阅产品，正是在内容领域实践上述思路。
我知道，这是一个划时代的机会。
真正的机会不在于付费还是免费，而在于你是不是在提供服务。
知识过去不是服务，它只有一系列的产品。出版业在卖书，传媒业关注拿到了多少注意力，最像服务业的教育业也不过是一种对用户的管束机制。
所以，如果有人能提供高品质的、可持续的、专业化的知识服务，这就是开创了一个全新的创业跑道。
得到App的灵感其实来自O2O。在前两年的O2O创业泡沫里，我们看到了一个神奇的景观：每个人被互联网赋能成为一个君王。滴滴是他的御马监，美团饿了么是御膳房。
他为什么不能有个翰林院呢？
这就是得到App：我们请全国各个领域最有学问的老先生、姿态谦恭的服务你。你付了费，就是君王。
君王的朝廷里也容不下太多的臣子。六部九卿太医院目前还空着，创业者抓紧。
三、智能革命
智能革命这个话题，比脸还大，比肾都虚。但又不得不提。
有一些我们不熟悉的东西正在崛起。过去，我们对所有人造的东西都会说，听我的；而这一次，我们只用说，你看着办。
智能革命来得又快又急，2016年，不管是谷歌、苹果、亚马逊、Facebook、微软、还是中国的BAT，不管原来的主营业务是什么，大家都把重兵压在了人工智能上。
在近些年的商业进程中，我从来没有见过如此口径一致的判断。几乎所有的人都同意人工智能是未来，是下一个主战场。就像LinkedIn创始人里德·霍夫曼说的：人工智能，技术方向尚不明朗，但所有大公司都已重兵进入。
还用说吗。智能革命，2017年的第三只黑天鹅。
人工智能火到这种程度，我作为文科生也只好去四处请教我能找到的人工智能专家。学了一圈之后，我渐渐知道了普通人对人工智能的一些误解。
简单澄清三点：
第一，人工智能不是在复制人类，它是完全不同的另外一种存在。
机器和人类的最大区别是什么是机器不会疲倦。你在打游戏的时候，他在学习，你在休息的时候他还在学习。
这导致机器思维和人类思维的一个重大区别。
人因为能力有限，思维方式是尽量简化。所以我们有那个重要的奥卡姆剃刀原则，如无必要，勿增实体。这样可以更方便地理解和传递知识。但是机器的能力足够强，它不需要把世界简化了之后再去理解。人工智能其实是让世界恢复了原本的复杂性。
于是，运用机器思维的亚马逊公司，它拥有3亿用户，就可以根据每个人的大数据，运算出三亿个结果，给每个人展示一家独特的店。
在人工智能逻辑里，它不关心人类对一件事情的定义，但是它可以输出你要的答案。只要有大量的数据，它就能用跟人完全不同的思路，达到同样的结果。
第二，人工智能不会提高玩家参与的门槛，是降低了参与门槛。
以前各个领域的人工智能，比如搞声音识别的和搞视觉识别的、搞自动驾驶的，是完全不同的行当。但是，因为人工智能的算法底层被打通了。各个应用场景中的人工智能，在算法上越来越像。真正最重要的战场转换到大数据上了。
谁的数据更多，更精准，谁的技术怪兽就会被喂养得更强。
过去我们以为，人工智能这一波机会是大公司独享的机会。但是现在看起来，那些顶尖的算法工程师会出来创业，会进入新兴公司和新兴市场；那些计算能力，已经在通过云技术变得人人可用；那些数据，本来就不是大公司的。
而中国在人工智能领域的机会相当大：
首先，全世界43%的人工智能论文都是中国人写的；其次，我们每年能毕业上百万的工程师，没有任何一个国家能做到这一点；最重要的是，全世界没有任何一个国家的人民像我们中国人一样乐于向互联网贡献数据，通过各种买买买、卖卖卖。
假设人工智能医生真的是靠大数据和海量的病例才喂养得出来，那么，未来最牛的人工智能医生还能出现在哪个国家呢？
第三，人工智能不仅是人的延伸，它是人的替代。
过去一万年，人类的总趋势是，在技术的帮助下，个体变得越来越强大，选择变得越来越多元。我们面对的世界越来越丰富。
我们的能力确实是被无数倍地放大。但是丰富到这个程度，其实也很尴尬了。因为我们看不过来，所以海量信息并没有什么用。
所以，公司们也在发生变化。
Google的逻辑起点本是要给大家更丰富的世界、更强大的能力，但到了今天，这个逻辑倒转过来了，它倾向于给你的信息越来越少，越来越逼近你实际的需求。你不用亲自在信息的海洋里游泳。
说到这里，你会发现人工智能这个词太自大了。它暗示一个意思是，这是我们研发制造并由我们自己控制的工具，错了，它不仅是人的延伸，更是人的替代。它是独立于人之外的另外一个智能物种。
它和人之间的关系，不是主人和工具之间的关系，而更像是心理学界经常用的那个比方：大象和他的骑象人。人工智能是那头大象，它按照自己的算法在行走，骑在大象上的人，偶尔可以施加影响，但是已经说不清谁在主导谁。所以，人工智能不是让我们多了一项工具，而是让我们多了一个跨物种合作的可能。
过去，不管技术多强大，我们都是活在人和人的关系中；而未来，我们在很多场景下，会活在人和机器的关系中。
大量的人被替代，大量的人际关系被解体。每个人原先的生存基础都在动摇。
未来社会什么样？这就极其考验我们这代人的想象力。《人类简史》的作者尤瓦尔·赫拉利，又了一本新书叫《未来简史》，就在回答这个问题。
这会是2017年最重要的一本书。
这本书里说，未来可能出现一种没用的人。如果人工智能足够强大，愿意毫无怨言地被剥削、被奴役，那有的人类可能连被剥削的价值都没有了。
近在眼前的是一系列职业的消失。有了人工智能，司机、文秘、公务员、医生、律师、厨师，这些职业都会受到威胁。
也许只要5到20年，在我们还没有退休的时候，这个世界就会变得极其陌生。这次冲击来得又快又大。过往的人类历史证明，进步是好的，更好的是缓慢的进步。但这一次，好消息是，我们在进步，坏消息是，我们在飞快的进步。
那怎么办？
我们这一代人最有效的生存策略也许是，像王烁说的那样，做智识的游牧民族。看见哪里的青草更肥美，我就转场到哪里。
四、认知迭代
2016年，有一种气氛在弥漫，叫事情正在起变化：国家版本的“新常态”、王兴版本的“下半场”、李彦宏版本的“下一幕”，还有马云版本的“五新一平”……面对一个全新的庞然大物，大家都找不到合适的词来描述它。
但是有一件事可以确定，那就是我们的认知必须迭代了。
拿网红来举例。真格基金的徐小平老师给网红下了一个定义：网红，就是自我赋权的权威。
他们不需要权威机构给颁奖、发证、授权、升职，就可以有自己的协作体系。回忆专用小马甲、delicious大金、PDD娇妹、张大奕……你都谈不上喜不喜欢，大多数你是压根就不知道。
这个世界正在飞速逃离你的理解范围。
互联网刚起来的时候，我们形成了一个错误的认知——世界会是平的。我们以为互联网作为一种全新的交流工具，它会把整个社会像一碗鸡蛋一样，慢慢的越搅越匀，大家会共享信息、价值观、观念和认知。
但是十几年过去，我们发现，世界是碎的。互联网正在造就大量的人间隔膜。人和人互不理解、互不认同、甚至互不知道。
世界越来越破碎，而那些治愈破碎的力量就会变得越来越值钱。
这个力量我们称之为共同的认知。
地分南北，人有老幼，各自奔走，想法不同，但是人人都认得范冰冰。她不值钱，谁值钱？猫眼老板郑志昊说：现在的投资，大妈买黄金，土豪买资产，一流投资家买IP。IP是什么？你以为是虚头巴脑的知识产权吗？它就是越来越稀缺的共同认知。
越来越稀缺的东西，就越来越值钱。这背后的逻辑和过去几十年的房地产业一模一样。
你可能会说，做其他产业的人岂不是很悲催？我们挣的钱，岂不是都交了“认知税”？
认知税，成了2017的第四只黑天鹅。
不一定。你也可以自己来抢占认知。抢认知变成下一个战场。谁能提出新认知，谁就占领未来。
现在，你有两个选择：交越来越贵的“认知税”，或者打越来越残酷的“认知战”。
阿里从2009年开始做“光棍节”，一直演化到今年的“双十一”。从当年的5000万营业额，做到今年的1207亿。马云是生生地在全体中国人的脑子里，插进了一个认知。你说这是一个得逞的诡计，我说这是一个伟大的商业创造。
认知这个战场还有一个很残酷的逻辑：一旦被占领，再难有他人的立足之地。
站在刘强东的角度，你就能理解，这有多尴尬了。京东每年都要成立打猫办，跟阿里争夺双十一这个认知。请问这个做法是聪明还是傻？
一方面好像显得傻，因为无论京东多努力，双十一这个符号以及社会认知都还是属于阿里。以至于，每次大战之后，京东都不好意思宣布自己的销售额成绩。这似乎在证明，认知一旦形成，很难被颠覆。但是另外一方面，要依我说，这恰恰是刘强东的精明之处，因为他其实是在打造另外一个认知，我是阿里的唯一对手。
大概是今年七月份的时候，我和脱不花突然意识到一个问题，虽然我们在做电商，但是我们再也不能说自己是在做电商了，只要有阿里京东在，在网上买东西这个认知，会渐渐地收敛到他们两家的旗下。这是一个缓慢、坚定、很难逆转的趋势。
虽然我们是一家小公司，毕竟天那么大，我们也可以创造出属于自己的认知。可以稍稍得意地说一句，我们这家小公司在这方面做出了一个有趣的示范。
就拿我们今天的跨年演讲来说，去年起步，今年成长，从一开始就宣布要做20年。这就是无中生有地创造一个认知，一旦占领，再无敌手。这不是说别人不能做，或者做得没我们好，而是，在跨年演讲这个认知上，它会面临我们这个很难击穿的天花板。
认知这件事，还有一个奇妙的特性。
它是种子，只要你浇灌，它就生长。它是时间的朋友，时间越久，价值就越大。它是免费的，你浇灌它的方式，决定了它长成的样子。
（邦哥备注：11点05分，罗振宇兴奋地公布，深圳卫视直播在所有的跨年平台当中，收视率全国第一。）
五、后真相
后真相（post-truth）的意思，不是没有真相，而是对这个世界来说，情绪的影响力已经超过了事实。
后真相时代的来临，最核心的变化是人们越来越不关心真相，而只关心立场、态度和情绪。
过去谣言泛滥，是因为信息太少了。
而后真相时代，是因为真相太贵了。
相声演员郭德纲和他的徒弟曹云金互撕，电影导演冯小刚和万达院线的“太子”王思聪互撕……你关心真相是什么吗？
过去，我们总说真理越辩越明，基于事实的论战，总归有对有错。但大家看到的事实不同，认知的层级不同，是非对错很难论定。
过去，我们用认知去抵达事实；现在，不管是事实还是认知都成了表达自我的工具。
这个变化不是一件小事，它是一个全人类文明的转折点。它带来的结果，不仅是事实模糊了，纷争增多了这么简单。它其实在摇晃我们文明的一块基石。
它带来的真正危机是共同体危机。我们2017的第五只黑天鹅。
文明的进程不只是财富的膨胀和个人的自由，其实还有一根坚定而强韧的线索，就是建立共同体，换句话说，就是怎样定义“我们”。知道我们是谁，协作才能展开，财富才能积累，安全才能获得，尊严才能建构。
后真相时代正在不断地削弱我们的共同体意识，而这正是我们的文明之锚。
过去，建立共同体或者定义我们的方式有很多种；但是除了国家这个共同体之外，血缘、地域、阶层、单位……这些共同体构建依据都在发生不同程度的弱化。
那么认知会成为构建共同体的依据吗？不会，因为它太脆弱，因为每个人的认知成长都不同步。
但创业者们之间的共同体，在这个时代却凸显了出来。
只要你正在试图通过提升自我的认知，试图构建全新的合作，试图探索不同的可能，你就是创业者。
不管你是为公司还是为自己，也不论你是自由职业者还是打工仔，这是我们共同拥有的身份——时代的探险家，人类文明新边疆的开拓者。
在所有时代的探险者群体中，都会自然形成守望相助、无私分享的伦理。因为内心太孤独，风险太难测，多一分信息，就多一分胜算；少一次协作，就少一次生机。暂时的成败，什么都不算。一生的对手，也都值得尊敬。
这是创业者会成为一个共同体的根本原因。
我们这一代创业者和其他共同体有很多地方不一样，这也往往是外界误解我们的地方：
我们是永远的犯错者。
在创业者的世界里，永远没有正确这个词，因为我们每时每刻都知道，有比我们当前做法更高明的策略。
我们是永远的逃亡者。
以前认为挣钱最重要，后面发现增长比挣钱重要；当你以为增长最重要的时候，后面发现增长的速度才是最重要的；当你在追求增长速度的时候，你又会发现超过市场预期的增长速度才重要。创业的本质是要增长，要预期中的增长，要超过预期的增长。
无论你跑在哪里，跑得多快，后面都有一条狗，在穷追不舍。这哪里是在创业，这分明是一场没有终点的逃亡。
我们是永远的挫败者。
任何其他行业的人，一生只需做出一个即可名流青史。他们的价值都是用最高点来衡量，而创业者的价值是按结局来衡量。
诺基亚、摩托罗拉、索尼、惠普、雅虎……人们记住的不是这些伟大的公司最辉煌的时刻，而是终局时他们落魄的样子。商学院的教授会毫不迟疑地更改自己的教案，把一个成功的典范，改成一个惨痛的教训。
任何一个创业者，只要你在卸任或者死去的那一刻，你的事业不处于上升期，你就是一个挫败者。
作为创业者，我们有着别人无法理解的独特宿命，我们创业者是一个共同体。
所谓共同体，未必真能帮到彼此，但是我们应该有能力感受这个共同体里其他成员的苦乐和悲欢。这不是一个责任，这是一个能力。
既然我们的终极宿命是错误，是逃亡，是挫败，我们还应该承受共同体其他人对错误的指责，对逃亡的加码，对挫败的嘲笑吗？
举个例子，2016年9月，关于黄太吉大面积关闭店面的报道铺天盖地。在这些报道中，我们可以闻到一种浓烈的幸灾乐祸的气味，一时间，我也看到很多创业者的转发文字。总结起来，就是一句话：果然不出我所料。
9月21日，黄太吉创始人赫畅发文章问了大家三句话：
“黄太吉四年的出现，对中国的餐饮行业究竟有没有贡献？”
“黄太吉对于餐饮新一代创业者究竟影响有多大？”
“你们真的希望一个没有黄太吉的世界吗？”
赫畅要得多吗？无非是一个等着他做出努力、克服困难的机会而已。
创业者就是珊瑚虫，他们是用身体堆出岛礁，最后穿出海面。他们每一代人，都在用生命的某一个片段，来推动商业文明的进步。
以成败论英雄，是他们应当承受的宿命。但是，同样承担这种宿命的创业共同体，再这样做就不厚道了。你用你当下的快感，垒起你自己成长路上的一座座高墙。信口雌黄的批评何其容易，就算你对了又能怎样？
与其去嘲讽职责，不如仔细欣赏他人为你探的路，感受价值创造瞬间带给你的惊喜。
你看，这就是创业者共同体。
我们非常郑重的呼吁，2017年开始，创业者不黑创业者。
以上好像都在诉苦，但是创业者也有一笔其他人没有的财富。
人生的各种活法之间，没有高低贵贱之分。但是在自己的活法里是不是步步登高，决定了一个人的成色。作为创业者，我们拥有了一根看得见的进度条，反映我们的内心成长、认知升级。所有人都看得见，你爬了多高，走了多远。
对一个创业者来说，你读了多少书，上了多少学，开了多少会，承受了下属的多少委屈，你的进度条不会骗你。
自由市场经济演化至今，终于可以赐予这一代创业者一个巨大的福祉——可以用数字标定一个人人生的高度。
2016年，每一个创业者都拥有一些可以标记自己的数字。2017年，我们推动它，也就是推动自己向上成长。
正如莎士比亚在《暴风雨》里写到：“凡是过去，皆为序章。”
-
观点
创业公司如何创新？这 10 件事你做了吗？
编者按：创新是一个企业发展的根本，本文作者 Craig Haney 将根据其经验为大家介绍企业走向创新之路的前10步。
企业创新是现在的热点之一。全球各大公司都在和初创公司合作以及在科技加速器开办创新实验室。大家都想获得可以激发初创公司创新思维的魔法，但这在大公司的那种规矩繁杂、只关注效益的环境里是很难实现的。
要想将创新注入大而复杂的机构需要策略，也需要学习怎样引领企业走向创新，同时还需要有行动的决心。
要想从企业创新实验室产出企业价值，仅仅有解放公司最具创新意识之人的大脑或简单地在明星初创公司旁搞个办公室是不行的。成功的企业创新之路需要决心、计划以及执行力。
我曾帮助很多公司制定合作创新策略，根据经验，我列出了引领公司走向创新之路的最初10步。
这10步为创意领袖们提供了制定策略所需要的信息和意见，从而可以引领他们的创新实验室贡献商业价值，促进商业发展。
1.外聘公司主管
能够存活下来的公司都是有执行力的。首先，你需要的是“催化剂”，这个人可以帮助带领团队将想法转变为现实。如果你不想公司陷入产品“更新——重复”的死循环或变为储存没有实践的想法的仓库，那么你就需要从团队外部重新招聘一名主管。
2.团队多样性
一家有100年历史的大公司要如何招聘到那些更愿意去初创公司工作的人呢？它应该学习初创公司招聘到最好、最聪明的员工的方法，并且在招聘时还应强调自己能够提供初创公司所不能提供的条件：进入可以影响市值数万亿美元的公司的机会、分红、高薪以及能够在团队内推进创新策略的机会。重点是要展现自己已有的，然后学习自己不懂的。
3.实行创新准备评估
评价是引领公司成为成功创新企业的重要信条之一。实行创新准备，公司可以明确最基本的评估与测量创新项目成功或影响力的基本准则，同时也可以找出公司能够在早期就推进的创新项目，以及明确哪些项目需要更多的时间。
4.组建创新理事会
除了团队的日常工作以外，你还需要组建一个创新理事会，创新理事会可以保证整个团队向着大目标前进并具有执行力。运营和策略部门都需要有代表加入创新理事会，这样才可以保证从创意到产品的平稳落地。创新理事会必须有权利获得各种资源，从而使创新团队能够快速行动并跳过阻碍企业创新的官僚主义。
5.打入“圈子”
参加公司以外的活动。无论是行业内的还是公司所在地或者其他场合的各种聚会，都是树立自己口碑的好机会。赞助创新人才大会，和其他组织合作，并学习他们的长处。多与初创公司联络，然后出现在人们意想不到的地方并向他们学习。
6. 创造共同语言
在大公司里，当创新团队与管理层讨论时，同样的话双方的理解可能会有所不同。比如创新团队开发了一个app，但由于处于原型阶段，所以还需要更多实验完善。但通常管理层都不知道什么是app原型，如果原型看起来还不错，管理层就会误以为它已经是成品。在可重复程序中，要确保有共同语言，这样才不会出现错误。
7.建立可重复程序
大公司赖以生存的一点就是可重复程序，这也是创新实验室所必需的。就像伟大的艺术家都依赖于一次又一次的创作一样，公司创新也需要经历这样的过程。如果没有可重复程序，最终结果可能是一次性奇迹。可重复过程必须能够帮助团队确定其开发的原型产品以及测试的标准，以便公司最终可以支持未来的产品和服务。
8.产出点什么——即使不够完美
仅仅把最聪明的人关在一间屋子并不能激发创新。创新源于实验、用户测试和数据跟踪。创新团队可以通过最小可行产品（minimum viable products ，MVP）来测试产品、收集反馈并实时改善产品。MVP功能简洁，但是这些功能必须要切实解决消费者在意的问题，这样总支出和项目风险才都能有所降低。
9.创新无处不在
创意的来源并不只有一处——还有顾客、重要股东、频道合作伙伴、管理层以及员工都可以提供创意。创意激发想法，想法再激发创意，这样一步一步就可以解决大问题了。关于创新，最重要的一点就是要知道我们应该怎样评价一个创意，以及如何组建团队开发原型产品。如果好的想法无法实践，那么企业的创新项目也将走向失败。
10.会讲故事，专注创新
主动展现价值可以带来融资。例如，现在你的团队发现了治愈癌症的疗法，但是如果你不对外宣传，也不证明其功效，那么就没有人会支持你继续这项工作。因此，要同时对内对外宣传公司的创新，要与大家分享能使团队成功的数据，并向大家说明你的目标会通过什么方式来引导和配合商业目的。
一个成功的企业创新项目需要计划和灵活的精准平衡。虽然计划和准备是必不可少的，但是执行力和顺应状况灵活变化的能力才能最终带领项目走向你想要的结果。投入必须的时间和努力，建立可以帮助你获得可持续成功的团队。只有训练这个团队，才能和他们一起为你的企业赢得一次又一次的成功。
翻译来自：虫洞翻翻 译者ID：YLS
本文来自翻译：venturebeat.com
-
观点
深扒一个独角兽公司标配，但仍被低估的岗位
编者按：本文来自微信公众号“峰瑞资本”（ID：freesvc），推荐人陈诚，DataPipeline创始人，前 Yelp 数据工程师。
来源 / Stitch Data
译者 / 黄谦、徐勇、王小佛、张耕、王心田、王挺、Raymond Yang
编辑 / 张潇冉
在和国内外顶尖公司交流的过程中，我发现他们多数都很骄傲有一支极其专业的数据团队。这些公司花了大量的时间和精力把数据工程这件事情做到了极致，有不小规模的工程师团队，开源了大量数据技术。Linkedin 有 kafka, samza, Facebook 有 hive, presto, Airbnb有airflow, superset，我所熟悉的 Yelp 也有 mrjob…… 这些公司在数据领域的精益求精，为后来的大步前进奠定了基石。
今天推荐的这篇文章《美国数据工程现状》，从多个维度阐释了数据工程和数据工程师在美国的发展状况。或许你和我一样，都会有一些意想不到的发现。
我常觉得数据工程之于企业的意义，就好像马斯洛需求理论之于人的意义，从低到高进阶满足，企业对于数据工程的应用应该遵循这个三角原则。
第一层，企业要注意到公司发展过程中，最普世最基础的需求：即让数据可见可得。这需要我们重视数据工程这件事，这是企业做大做强安身立命的根本；
第二层，进阶需求。有了数据意识，招来了数据工程师，拉开架势开始干吧。这时候企业就需要开始从语义（semantic）的角度去理解跑起来的数据流了。实现从数据到企业战略指导再回到数据；
第三层，是目前看起来最接近塔尖也是最高级的需求：即建模、更完善的预测性算法、更漂亮的数据可视化、深度学习、AI 等等……
这些更高级的更贴近金字塔尖，也是现在创业的风口。我偶尔也会被风吹的精神抖擞，但吹完风，静下来想想，一个企业没有好的数据工程、数据基础架构逻辑、没有构建数据流的能力，这些金塔尖上的需求是非常难被满足的，很难取得好的结果，也无法实现真正的价值。
是的，我又被风打下来了，开始站在地上思考问题了。
当然，对于创业公司来说，打造完整的数据工程、严密数据架构、高效的数据流是件 “正确但不容易的事情”。不好做、效果不直观，但很重要。
最后，我想引用 Kafka 技术的缔造者 （Kafka，被誉为 LinkedIn 的 “中枢神经系统”），现 Confluent 的 CEO Jay Kreps 的一句话：Without a reliable and complete data flow, a Hadoop cluster is little more than a very expensive and difficult-to-assemble space heater。如果你的公司没有一个完整可靠的数据流，那么你的 Hadoop 集群其实就像非常贵而且很难组装的暖气片而已。
如果你对中国数据工程现状充满兴趣和好奇心，欢迎你和我取得联系 cheng@datapipeline.com。
我是贴心的文章要点：
6500 人在 LinkedIn （领英）上称自己是数据工程师。
2013 到 2015 年，数据工程师的数量至少翻了一倍。
50% 的数据工程师都在美国。
42% 的数据工程师都是软件工程出身。
数据工程师主要供职于信息科技与服务产业。
数据工程师前 5 项主要技能是：SQL, Java, Python, Hadoop, 和Linux。R语言甚至都没进前 20。
美国数据工程概况
目前，LinkedIn 上有 6500 人称自己是数据工程师。而仅在旧金山，就有 6600 个这样的工作机会虚位以待。去年，数据工程师的数量翻了一倍，但工程主管们却仍觉得人才匮乏。
数据人才的旺盛需求源自一个根本性的变化：科技公司现如今都成了数据公司。
像 Uber、Airbnb、Spotify 这些公司都在大力发展数据产品，结果便造成数据系统开发和维护人才的激烈争夺。
Josh Wills 是 Slack 的数据工程师，在 2016 数据工程大会（DataEngConf 2016）上半开玩笑地说：“我的数据工程师都在会场了，请你们别挖墙角。” 即使 Slack 这样当红的硅谷企业，也在担忧如何留住这些宝贵人才。
我们的研究着重于说明以下几个方面：
目前市场上数据工程师的数量；
数据工程师的背景和核心技能 —— 这些信息对于主管们研究如何将软件工程转换至数据工程特别有用（编者按：以缓解招聘数据工程师的压力）；
数据工程师的就业信息 —— 帮助你说明为什么要投资（时间/精力/金钱）到这项昂贵的技能中来。
从 Stripe、MIT、Looker 的工程主管对数据人才的发现、留任和对数据工程师团队项目的开发等一系列策略的分享中，我们找到了这些问题的答案，使得这份报告清晰地呈现出数据工程的现状。
关键指标：
人数：6500 人在 LinkedIn （领英）上称自己是数据工程师。
发展：2013 到 2015 年，数据工程师的数量至少翻了一倍。
分布：50% 的数据工程师都在美国。
之前的职务：42% 的数据工程师都是软件工程出身。
产业：数据工程师主要供职于信息科技与服务产业。
技能：数据工程师前 5 项主要技能是：SQL, Java, Python, Hadoop, 和Linux。R语言甚至都没进前 20。
分析方法：
本报告基于 Linkedin 上的用户资料，包括所有公开可见的个人及公司档案、技能与工作经验，数据以 2016 年 3 月份的统计为准。
我们根据档案上的职业标题和头衔识别出数据工程师，这里只纳入了那些可确认公司的数据工程师档案。
【图表：LinkedIn 个人档案总结】
截止 2016 年 3 月 1 日，Linkedin 上的个人档案大约 4.3 亿，此次参考了 2.6 亿例档案，其中列有至少一项经历的近 1.9 亿， 有一项已认证经历的超过 1 亿，当前经历已认证的近 8000 多万。
在这些数据工程师中，我们分析了：
3 万项工作经验
8.2 万条个人经历
3400 个公司
分析工具：
分析采用 Python, SQL 和 Jupyter。
HighCharts 和 HighMaps 中的交互式可视化效果采用 Python 的制图包和 Python-highchairs 实现。
数据采用 AWS Redshift 进行存储和处理。
“数据工程师”（所有以某种方式与数据打交道的软件工程师）的定义仍有很大的模糊性，目前并没有一个完美答案，我们觉得由这些从业者自己来解读是最好的方式。
我们发现在 Linkedin 上有 6500 人称自己是“数据工程师”。
6500，这个数目并不大。
实际上，我们有些惊讶“数据工程师”竟如此之少。而在写这篇报道的时候，Indeed 上有 6600 个 数据工程师的招聘启事，这还仅仅是在旧金山和湾区。
薪酬数据也证实了数据工程师很受欢迎。据说，在 Facebook, Amazon 和 Google 这样的巨头公司工作的顶级数据工程师工资超 50 万美金。Indeed 的数据分布更保守一些，尽管如此，薪资也达到了 6 位数。
【图表： 旧金山地区数据工程师的数量和薪酬比】
截止从上图可以看出，薪酬在 10 万美元以上的职位超过 80%, 其中 110k-120k， 120k-130k 和 130k+ 的职位都很多，均超过了 20%。数据工程师成为当下的黄金职业！
专家洞见：
Jonathan Coveney，Stripe 数据工程师：“对数据工程师型人才的需求”。
近十年来，Jonathan 都在数据领域深耕，曾在 Twitter、Spotify 等公司建立数据系统。在他看来，有三种主要趋势在推动着对数据工程师类人才的需求：
公司在对数据和管理数据的人的思考上更加精深。“数据不再是副产品，而是一个公司运作的核心”。
对机器学习愈加倚重。由于机器学习的进步，对专有数据的掌握逐渐成为各个领域的公司最重要的竞争优势。
公司开始建造数据产品。“以地图为例，机器学习主要作用于交通路线的侦测与规划，而地图的基础建设则在于管理和组织大规模的数据，这就是数据工程。”
LinkedIn 的简历显示了一个人声明的自己的职业发展历史，包括了在各个时间段内的职务。这些数据让我可以构建出某个职务的不断演变。
下图就展示了”数据工程师“这个职务的飞速发展：
【图表】累计数据工程师的数量（单位：千）
数据工程师的数量从 2013 年到 2015 年增长超过了一倍。而且基于上文中相关岗位需求的数据，该增长趋势并不会减慢。
相比之下，数据科学家的数量大约是数据工程师的两倍（大约 11,400 人），但是数据工程师的增长速度却要更高：在同一时期，数据科学家数量“仅”增长了 50%。
数据工程师的疯狂增长让人产生了一个疑问：这些人从哪里来？他们之前是什么职业？
我们通过观察数据，调查了数据工程师这一职业的 DNA —— 他们之前的职业。
在我们的调查前有以下几个猜测：
数据工程师是软件工程师和数据科学家之间的桥梁：他们编写了生产代码来方便数据科学家们进行大规模的运算实验。因此，我们猜测有很大一部分数据工程师的前身是软件工程师或数据科学家；
因为数据工程师很大部分的工作都围绕着运算的规模，他们同时也是软件工程师和运维开发 ( Devops ) 的桥梁。因此我们猜测一部分人由运维开发转来；
数据库管理员曾在一个企业中扮演类似的角色。因而，不难假设一部分数据库管理员投身到这一更加先进的职业中。
结果显示，我们的猜测部分是正确的，有一点是非常明确的：数据工程师的 DNA 和软件工程师最接近 。
【图表 ：TOP 10 数据工程师的来源】
数据工程师前职调查，最多依次为软件工程师、分析师、咨询师、商业分析师、数据架构师、数据分析师、数据库管理员、数据科学家、实习生、研究助理等。
50% 的数据工程师在美国。这并不奇怪，因为数据科学家这个称谓的本身和很多基础技术都是来自于美国的科技公司和大学。
【图表：数据科学家全球化】
大部分的数据科技或是来自于一小部分大学——特别是伯克利大学 AMP 实验室，或者是来自于全球最大的网络公司软件工程团队。
谷歌、脸书、领英和亚马逊在领先该产业其他对手很久，就已经开始挑战大数据，并投入了大量资源。他们不仅创造了很多的数据科技，他们成为了数据人才的培育基地。
然而，这张图有些误导。
美国至今有着最多的数据工程师，也同样在全球有着最多的数据工程师档案：接近4倍多于排名第二的印度。
为了标准化数据，我们图中排名前十的国家展开详细，看他们各自数据工程师人数与在领英（LinkedIn）档案数的对比，以及与总人口的对比。
【图表：TOP 10 数据工程师最多的国家】
这张统计中没有以色列，以色列是我们此前的参考标准，它曾经在每百万人中的数据科学家占比排名中排名最高。上文提及，以色列长期被认为是数据科学的起源国度，在以色列“硅溪”有着强劲科技展现。但意外的是，这却没能转化为高密度的数据工程师人才。
在扩大存储、传输和处理数据方面遇到挑战的公司对数据工程人才需求最甚。这些挑战多在科技公司出现，但是像电信、生物科技和保险这些行业呢？难道这些行业不需要数据扩张方面的帮助吗？
当我们考察数据工程师的工作领域时，我们发现一系列的行业都需要数据人才。
【图表：TOP 20 数据工程师的行业分布】
与预期一致，电信和金融服务接近顶端，但是在生物科技中 DNA 的拍字节（Petabytes）的排序却没有朝排名靠前的位置发展。
从该表格中，我们不应该认为这些行业之外的领域就不需要或者不聘用担任数据工程师功能的人才。相反，尽管“数据工程师”在某一个领域内已经流行开来，互联网科技公司—— 这个特定职位的用法仍处于初始阶段。这个领域内的技术、流程和思维方式正在开始延伸到其它的行业。
当我们看到聘用了数据工程师的具体公司时，他们在科技领域的受欢迎程度就更加明显了。在前十的公司里，只有两家公司不是专门从事技术或数据的：一家电信公司（Verizon）和一家金融机构（Capital One）。
【图表：TOP 50 聘用数据工程师的公司】
经常在数据大会上分享经验的 Amazon、Facebook，Netflix，CapitalOne 等公司，都是业界数据应用的非常成功的公司，和其雇佣的数据工程师的人数呈正相关。
很有趣的是，一些公司聘用了不成比例的数据工程师。比如 Spotify（1600+ 雇员）比起必能宝（Pitney Bowes）（16,000 雇员）要小得多，但他们聘用的数据工程师数量相当。
这些数据清晰显示，现在的一些科技 “独角兽” 高度重视数据工程师一职。同时，考虑到三藩市目前有 6600 家公司在找数据工程师，这个趋势短期内似乎不会改变。
数据工程师干的活大体分为两个部分：
在整个业务流程，让消费者能接触到数据
打造 “产品化” 的算法，将其变为数据产品
总体而言，直接与数据相关的技能获得了越来越多的重视，另一方面，某些核心的软件技能也为数据工程师所青睐。
【图表：TOP 20 数据工程师的基本技能】
从图上可以看出用 SQL 来回答分析型的问题、写脚本来做数据集成、清洗这样的 ETL 任务和使用Hadoop生态的工具是数据工程师的主要工作。
No.1 SQL（Structured Query Language：结构化查询语言）：
即便在数据技术领域，很多 NoSQL 倡导者 “欲除之而后快”，但 SQL 仍是数据工程师最普遍具备的技能。
No. 2 Java：
Java 是最受数据工程师欢迎的编程语言。自从分布式系统基础架构 Hadoop 在 2000 年左右被开发出来后，JVM（Java Virtual Machine：Java 虚拟机）便处于数据处理的中心。
No.3 Python：
不仅被应用于数据工程，还能为分析任务服务——相较而言，总是和 Python 一同出现在新闻里的 R 语言，更专精于分析与统计，这应该也是 R 没有上榜的主要原因——在数据科学圈，数据工程和分析二者并重。
专家洞见：
Mike Xu, Looker 的数据架构师：“弄明白你想要哪款数据工程师？”
Mike 的职责之一是倾听开发者的心声：哪些事情让他们开心？哪些让他们不爽？最多的抱怨是什么呢？嗯，不同的数据工程角色间是有细微差别的，但很多公司却不懂行。
在 Mike 看来，数据工程师主要有 4 种角色——这也是招聘者应该弄明白的事情：
数据仓库：专注于为分析来优化数据仓库，主要是负责数据的读写和管理。
工具：总能在一系列数据工具箱里，极其擅长一、两样特定的工具（编者按：类似于 Hive, Hbase，ElasticSearch 等）。
架构：才华通透、“端到端” 的思考者，无论是数据收集，还是收集后帮助团队使用数据，他们需要考虑的事情多而杂，贯穿业务的很多环节。
运维（Ops）：主要把时间花在建立数据库等事项，还要管理权限、操心数据安全。
作为数据工程师，同样需要认真应对公司和业务的规模化所带来的挑战——业务更多，数据集 （Dataset）的规模也更大，所需求的数据能力和工作方式也要随之演化。
姑且做个猜测：规模越大的公司，对规模化相关的技能越加看重。是否真的如此？我们先查看查看下面的图表。
【图表：不同公司的数据工程师之间的差别】
纵轴表示技能，横轴则表示相对偏差（Relative Difference：某一次测量的绝对偏差占平均值的百分比）。深蓝色、天蓝色、橘色分别代表三种公司规模：1-200人、200-1000人、1000人以上。越接近图表顶部，该技能越应用于较小的公司，反之，位于底部的技能更普遍地出现在 1000 人及以上的公司里。
看完表，我们可以用数据回答先前的猜测：NO。
真实情况是，在规模更大的公司，数据工程师更在意 “企业级” 相关的技能，比如 ETL（Extract-Transform-Load）、BI（Business Intelligence：商业智能）、数据仓库等，而在较小的公司，数据工程师更多的把心力花在 Python、Java 等编程语言上（编者按：Python 和 Java 作为普通的编程语言，可以用来构建产品，这对于小公司来说属于核心业务。）
专家洞见：
Will Smith，MIT 的主数据工程师 / 架构师：“数据工程 @大公司 VS. 初创公司”
Will 曾为 Nokia、Warner Bros Games 这种大公司打造过数据技术。在他看来，数据工程师所仰赖的技术，不那么取决于公司规模本身，而更应该从这么一种角度出发：你所负责的数据是“写时模式”（schema-on-write）还是“读时模式”（schema-on-read）？
他认为，大公司往往在处理数据工程的 BI 方面有所积累，Informatica、Oracle、SAP 都会接触和使用。这类公司往往在“写时模式”的环境里工作。
但现如今，很多打造数据科技的公司实际作业的环境是“读时模式”。“想象一下，公司交给你几个 TB 的日志数据，用的 JSON，是关于广告效果的。数据工程师不知道能从这堆数据中挖掘出什么，所以你需要开发者写代码去做数据发掘，而不是一上来就直接套用 SQL。这和大公司在 ‘写时模式’ 的环境中做事很不一样。”
2011年时，Will 正效力于诺基亚 （Nokia）。尽管当时主要经手 “企业级的数据”，但团队却选择“读时模式”的思路去开展相关工作。
“现在很多数据工程师都这么做，比较适合规模化的需求。这样设计和开发出来的东西，可以消化掉来自于各种来源的数据。传统老旧的 BI 系统就没这能耐——主要是因为以’写时模式’为基础吧，这种老技术不知道在一堆数据里都有什么，这么一来我们这些工程师也没啥头绪了。”
这个数据集体现了数据工程师与数据科学家之间的明显的技能差异，由此可以将数据工程师与数据科学家的技能构成看作一个频谱的两个对立面。
以下这张图表显示了一张数据技能频谱图，频谱图顶端的技能在数据工程师的简历中更为常见，而频谱底端的技能更常出现在数据科学家的简历中。
【图表：数据工程师与数据科学家的区别】
从图表的技能构成可以看出，数据工程师更倾向于掌握 “战术层面” 的具体数据技能，专注于使数据可用并能够在生产环境中对数据进行处理，如具体的编程语言、操作系统与数据库等；而数据科学家更倾向于“战略层面”的数据技能，如数据分析、数据挖掘、统计分析、机器学习等。
数据工程师与数据科学家之间的差异是十分明显的，那么数据工程师与软件工程师之间的技能差异又是怎样的呢？毕竟，正如我们之前所展示的那样，大部分的数据工程师都具有软件工程师的背景。
【图表：数据工程师与软件工程师之间的区别】
以数据工程师为中心的最多人选择的技能是 Hadoop，数据仓库和 BI——正如你所期望的那样。与之相反，在软件工程师端列出的所有技能几乎都与 web 前端开发相关。最大的两个例外是 C 语言和 C++ 语言，这是在现代大数据技术栈开发中不常用到的编程语言。
虽然许多数据工程师具有软件工程师背景，但他们并不是简单的为了博取加薪而转换一个新的工作头衔；他们不得不通过学习新的技能来适应新的角色。
专家洞见：
Ryan Orban，Galvanize CTO：“在数据工程师和数据科学家之间建立更好的关系”
“想一想设计师和前端开发工程师之间的关系，” Ryan Orban 说，“一个角色负责通过想法完成工作，而另一个角色负责将想法付诸实施，这之间可能会导致很多的紧张对立情绪。” Ryan 认为，数据工程师和数据科学家之间的关系与之类似，因此缓解两者之间的紧张情绪的方法也是相似的。“正如设计师经常被告知需要学习编写一些代码，而前端开发工程师也经常被告知要制作一些原型，我鼓励数据科学家和数据工程师相互学习一些对方所需要掌握的数据技能。”
那么，数据工程师需要多深入的了解数据科学家的世界呢？
“数据工程师应该对机器学习有一些基本的了解”，Ryan 说，“他们不需要了解所有的数学理论，但是他们应该能够判断效率和准确性。相反，数据科学家应该了解架构，以及如何对架构进行扩展，并初步了解生产级的编程语言。”
这种深入了解其他相关学科专业知识的转变也发生在其他领域。公司习惯于聘请数据科学家来负责市场、产品或者业务分析方面的工作，而聘请数据工程师来完成更广泛的工程功能。这造成了目标错位。Ryan 认为这种趋势正在改变：“ ‘数据团队’ 是由数据科学家和数据工程师共同构成的这一概念越来越受欢迎。这一如此简单的改变将很大的改善两组人员之间的关系。”
-
观点
潘欣：关于在线教育2017的思考
图片来源：Pixabay
本文转载自微信公众号“独立思考”，作者潘欣，经作者授权转载。
请先看我一年前《关于在线教育2016的思考》一文中的预测。本人目测，关于资本层面的预测照例错得最离谱，关于商业层面的预测大体还算靠谱。
2016年的在线教育行业，正式步入了“亿元”时代，不管融资还是单月营收，如果不是以亿为单位，那肯定都不好意思对外说了。至于说这些数字真的假的，说的人自己心里最清楚，创业者甘苦自知啊。当然，最可怜的是没有常识的一大撮围观群众对着那些数字还分析得头头是道。
在线教育的2017会是什么样呢？
1、对于中国的证券市场，我得有自知之明了，我已经不敢再预测了。对中国的证券市场，唯一能说的就是“未来是那么的不可知”。所以，这种高度不确定性下，今天松明天紧的，基本上想找个A股接盘侠的，大家只能看命了。现在看来是松的，但哪天又收紧了，我是不敢预测的了。
2、二级市场如此的不确定，对一级市场自然也不会有什么正向的作用。这个市场中的钱一直是不少的，只是近一年多越投越谨慎了，钱越来越趋向集中。这正应了一句老话，寒冬是好公司的利好。融资容易的时候，好坏公司不容易拉开差距；融资不易的时候，这是一个拉开差距的好时候。2017年，依然会如此。
3、不管政策如何变，A股那些跨行进入教育行业的土豪们在2017年依然会继续其“买买买”的策略。原因无它，市值管理。毕竟，对于绝大多数A股教育概念股来说，内生基本靠嘴，市值只能靠买。当然，这是做得不太好也不至于太差的教育创业公司们的利好。
4、今年最火的莫过于直播了。当直播已经成为在线教育行业标配的时候，直播也就成了一个基本功能，而不是决定一个企业成败与否的因素了。我在TAB活动上关于直播分享了三个观点：非模式、非普适、非万能。简单说就是，直播是趋势，但只是一个教学工具，根本不是一个商业模式；并不是所有的用户群都必须要直播；直播的到课率和录播的听课完成率没有本质的提升，用户买的是体系化的教学服务，而不是直播本身。2017年，直播概念依然会盛行，但直播不再会成为卖点了，我相信会有越来越多的公司为自己包装出体系化服务的概念了。
5、今年火了少儿英语外教一对一。听说都相继开始探索小班直播了，这是一个正确的方向，商业上可均衡成本费用，教学上满足多样化需求。明年就看这几个玩家是否能走得通了。K12的在线教育2016年也开始起量了，率先受追捧的还是一对一模式。2017年，K12这块还远远谈不上和面授之间的竞争，无非是共享市场红利分一杯羹罢了，这会是一个新的热点方向。另，在这里我们还不能忽视双师模式。
6、科技教育是2016年的另一大热点。这主要有赖于AlphaGo和李世石的围棋大战推动了人工智能的热潮，对于创业者和投资人来说，这都是不能错过的一个热点，当然也得包括教育行业在内。相信2017年人工智能+教育仍会是一个热点方向，但是AI之于教育，任重道远，不知道有几个公司能熬得住、耗得久。至于AR/VR，感觉更是还没形成泡沫就直接破了，2017年不太会继续成为热点了。不过，说实话，AR/VR+教育好像也压根就没真正热起来过。任何科技+教育，其实最终拼的的还是教研和内容，而不是科技本身。
7、虽然AI和VR这些现阶段其实在C端市场基本都啥用，也没啥真正适合的应用场景，但不影响这些玩意先进入B端市场。各级教委、学校需要这些“高科技”的工具包装，公立校的盘子无比巨大，吃不到肉喝点儿汤也足够过冬了。
8、借着国家的东风，公立校的生意基本上现在也成了风口上的猪了。虽然公立校的生意已经完成了教育信息化到智慧学习的新旧名词的变更，但是对于绝大多数公司来说，那些没什么老师学生可以持续使用的垃圾应用和智慧二字基本没任何关系。这桩生意的核心目前就是“guanxi”。2016年，做公立校生意的也开始了B2B2C的探索，2017年或许会有成功的个案被包装出来。但是，对于绝大多数来说，也就是嘴上说说罢了。
9、有个创业者今天早上跟我说，看了你的分享，觉得做啥都没希望了……对此，我只能说，好听的话说的人太多了，我只是想指出一些问题来，希望这个行业能变得更好。再说了，多烂的赛道也能跑出好公司，多好的赛道一样也充斥着无数的烂公司。所以，其实我很少具体说某一个公司的好与坏，因为我不了解不能瞎说。
10、如果你看到以上几点都似曾相识的话，那就对了，因为这些观点已经在年末被逼无奈参加的各种会上和采访中扯过淡了……我就这么些观点啊，这玩意真没法儿天天变。祝各位在线教育的从业者们2017一切安好，融更多的钱、卖更多的钱，吹更大的牛逼。
-
观点
2017的4大趋势让HR更有战略价值
编译：德鲁菌
数据来源：Bersin by Deloitte
来源：公众号“人才学” （微信号 people-insight）
就在不久前，德勤（Deloitte）出了一份报告，预测了人力资源行业在2017年的11个趋势。我们总结了这份40多页的报告，提炼出了其中四个最为关键的类目。这四个预测都围绕一个更大的主题——数字化（digital）——而展开：数字化是这个时代的大趋势，2017更是如此；企业在人力资源上的策略，也应当持续地为这个趋势铺平道路。最初，企业关注的是如何用最有效的组织结构实现规模化。企业越能够有效地进行大规模生产，在市场中便越占优势。例如，产品经由研发-->设计-->生产-->销售这个过程时，由于规模较小，所以每个环节都三四个人负责。当公司越做越大，每个部门所需要的人力便增加，于是公司就按照部门的结构来划分，由此产生了研发部、产品部、市场部和销售部。
这是一种典型的由上而下的层级结构（hierarchical structure）。
后来，科技发展越来越快，对于员工的知识更新速度也加快。企业在市场中的竞争力也不再由单纯的规模大小和生产效率决定。能持续找到新的解决方法满足消费者需求才是维持企业竞争力的关键因素。这就使得企业组织架构设计的关注点不再是「可规模化的效率（scalable efficiency）」，而是「可规模化的学习（scalable learning）」——员工数量的增加的同时学习效率能够保持在一定的水平，甚至提升。
新进来一名员工，如果几周之内就能够把业务熟悉透，这要比同时招进三个员工却要花费半年甚至更久来让他们熟悉业务，效率高得多。
为了实现这样的效果，前几年一直很流行组织结构扁平化。这种结构的确减少了管理者与其他员工之间的距离，这样leader们能够更直接地和员工进行沟通，学习的成本也就相应地降低。
但这还不够。这种组织架构依然延续着之前的瀑布流式（waterfall method）的产出方式。比如在一家较大的企业中，只有当研发和设计部门完成了一整套的方案设计并敲定后，才能够进行生产；生产完成后再由市场及销售部门进行推广。
在这种结构下，跨部门沟通的障碍依然没有得到很好的解决。这使得企业在环境快速变化的当今市场缺乏了快速试错的能力。
为了能够更加敏捷地对市场做出学习和反应，更加敏捷的小团队化组织架构由此诞生。
在这种架构下，公司由各个具备跨部门能力的小组构成。每一个小组负责一个产品或项目，并且具备了完成这个产品/项目的必须function（研发、设计、市场、销售等）。
例如当初苹果在进行产品设计和研发的时候，就按照产品项目分成了Lisa小组和Apple II小组。两个小组相互独立运行，各自专注于自己负责的项目。当然正如大家知道的，最后大获全胜了的是另一个叫做Macintosh的小组。
如今，这种小团队化的组织架构的趋势正由互联网企业逐渐蔓延至其他行业。而这也是2017年的一个趋势。人人都在谈论企业文化。自2008年至今，在谷歌上搜索企业文化的数量呈明显上升趋势。而参与度则是员工对于企业文化的反应——企业文化越符合员工期望，员工便越能投入地进行工作。衡量企业文化和它相应带来的员工参与度，可以参考五个大类组成的20个因素。
为了得到关于这些方面的更多更精准的员工数据，越来越多的企业开始将之前的季度/年度review换成了短频且快速的Pulse Survey（脉搏调查）。所谓脉搏调查，正如它的名字暗示的那样，就像医院里的脉搏显示仪那样能对病人的每次心跳给出反馈。
这些每周的pulse survey通常都很简单，一次1-2个问题，涉及到的话题可以是任务反馈、团队建设、客户服务、工作环境等。员工每次只用花两三分钟的时间就可以完成这个调查。目前市面上流行的生产力工具（productivity tool）如Slack、Outlook、Gmail都内置了脉搏调查的插件，其功能也越来越成熟。
而最近兴起的People Analytics概念（直译为员工解析技术），能从数据的角度将员工行为公司业务表现相联系。
例如德勤自己开发CulturePath就能够将团队小组级别的员工信息直接与员工积极性、离职率等内容进行关联，便于企业在这些方面进行更好的决策。
2017年，企业要做的不仅仅是建立一个具有数据分析能力的团队，并去运用这些工具；更重要的是，要在企业内部建立起一个由这些工具和团队构建的反馈机制。通过总结长期的研究，HR部门的任务可以归为以下三点：
确保人事相关的流程有效率地进行，包括招聘、培训、薪酬、绩效等
建立与战略相关的人才系统，不光是“招到人”，而是“招到符合需求的人”
了解、管理和提升员工体验，确保员工能在一个能让他们充分发挥潜力的环境下工作
可以看到，HR的工作是围绕着人展开的。但长时间以来，这个部门的许多思维却是「项目思维」。回顾一下自己的人力资源部，是否设计并实施了这样那样的项目（program）？
需要让员工了解更多业务知识，于是开设了很多培训项目。为了提倡员工的自我学习，甚至有的公司要求员工下班后参加读书学习会。这些项目很多时候轻则治标不治本，重则有点……用产品设计的话说就是“反人类”。
奇怪的是，企业在面对消费者的时候却能够充分考虑用户的需求，并依据他们的实际需求进行产品设计。尤其在互联网行业，产品经理就承担着这份重要的职责。他充分地洞悉用户的痛点，在进行了详实的市场分析后，为这个痛点量身定做解决方案。
脑海中回荡其万塘路18号的《产品经理是条狗》这首业内知名曲目人们一直强调的「产品思维」就是这个意思。你是在为用户设计产品，产品必须解决他们的痛点。HR部门在提升员工体验的时候，也应当具备这种思维方式，把员工当做用户，发现他们的痛点，并相应地解决。
再回到上面的例子，员工平时缺乏自我学习，或许原因根本就不是少了几场读书学习会。
也许真正的原因是团队在计划工作内容的时候，没有划分清楚任务的优先级，导致员工经常陷入没完没了的应对繁琐任务的消极节奏中，从而丧失了学习的动机。
了解到了这一点，那么为了提升员工学习的机会，HR部门应当协助团队确认任务的优先级，提升员工的work-life balance，这样员工便有更多的时间和精力去自我提升。
第一个E：Education（教育）这是培养领导力的最基础形式。开一场讲座，或者开设一系列的培训，让部门负责人在台上以讲课的方式培训员工。
这种形式的培养是单向的，缺乏环境和反馈，因此根据多项研究表明，这也是最没有效果的一种培养领导力的方法。
第二个E：Experience（经验）指的是除了接受正式的培训，还能够通过观察前辈的日常工作、向上司进行请教的方法，获得他们的经验，从而提升相关的领导能力。
第三个E：Exposure（感受）
通过与同事、专家、意见领袖、客户等角色进行接触而学习到的领导能力。在这种环境下，学习者可能会负责一个项目，但这个项目大多是模拟的，而非与实际公司业务结果相联系的。
第四个E：Environment（环境）
这是最高形式的培养领导力的方法。意思是将学习者放到实践中，去直接领导一个项目，并由指定的上级给出反馈和指导。更重要的是，这些项目不是模拟的，而是真正与业务有关的。这样一来，学习者就能够持续地看到自己的工作对公司的实际影响，从而产生更多的动力。
根据德勤的数据显示，在被访的企业中，只有15%的80、90后觉得企业提供有效的领导力培训。而根据另一项高效领导力的相关调研，教育式的领导力培养效果是最差的。
所以在2017年，企业对年轻人的领导力培养，应当以四个E的结合形式进行。
-
观点
12位企业家的年末私人荐书单
他们并没有推荐商业&管理类图书。
本文来自公众号：红杉汇（微信ID: Sequoiacap）
成功的企业家们的秘诀是什么？是什么使他们将业务水平提升到更高的层次？事实上，某一单项业务水平的提升，往往得益于各方面看似无益的知识与习惯的养成，广泛阅读是形成完整、多元的世界观的前提。
你不一定非看某一领域的书，不一定只关注商业，你可以看小说，研究历史，了解科技，哪怕是那些作者观点与你相左的书，开卷有益。下面这份书单来自Food52、Talkspace等知名企业的掌门人，他们有各自的阅读癖好，有的喜欢儿童读物，有的试图从心理学中寻求帮助，而有的痴迷于小说故事。
父与子
“我喜欢阅读儿童书籍，很多给孩子们准备的书其实都是成年人的优秀读物，这本书尤其如此。它不仅向读者娓娓道来一个很棒的故事，而且还是研究父子关系的力作。
丹尼和他父亲之间在积极地尝试一种更好的关系，这像极了创业的态度。他们精心策划、合谋，最终，合作伙伴的关系以及他们之间的友谊远比严格按照计划完成任务更加重要。每当事情没有按照计划进行的时候，我都讲这个道理铭记于心。”
——Merrill Stubbs/Food52 Company
积极心理学
“在这本书里，作者将几十年的研究成果结合在了一起，向人们展示了如何将消极思维转换成积极的思考、行为和感受方式。读完这本书后，我可以确信Shirzad所言不虚，他的方法和技术真的奏效。
所谓积极心理学的要点是：你越将大脑往积极的方向训练，你就越能感觉到快乐。我每天都会花时间让头脑安静下来，从而获取知识并恢复精力。”
——Jessica Dilullo Herrin/Stella & Dot
“人”的生意
“作者是第一个也是唯一一个获得诺贝尔经济学奖的心理学家。人、情感和关系在我们做决定的过程中占有很大的分量，而这些根深蒂固的机制得到了越来越多的理解和接受。这基本也是商业本质的原理，因为你在和谁做生意？你在和人做生意。
这本特别的书为你提供了一个独特的视角，让你明白如何更好地理解人，如何更好地与人合作。”
——Oren Frank/Talkspace
倾听不同
“如果你是一个企业家，那么我认为你不能只有一个观点。这本书帮助你在不同的框架下进行探索，以及用相关的、当前的问题和例子为你分析如何工作。观点纷繁复杂，但即使你不同意这些意见，你也会从中有所收获，从而做出自己的决定。”
——Gavin Armstrong/Lucky Iron Fish
科学的边界
“这是一本制作精美的书，讲述了一个关于美国制造原子弹的故事，探究了原子弹背后的技术。我是一个不会为非小说的书买单的人，但不得不说，它吸引到我了。
本书用一种非常容易理解的方式向我们讲述科学，内容围绕建造原子弹的道德问题、自我和人格冲突，以及由于许多犹太人科学家被纳粹从欧洲清除，成为纳粹主义毁灭的最终武器的事实展开。”
——Jeff Chapin/Casper
赢得尊重
“关于如何成为一个受人尊重的人，这本书能够给你一个良好的指导和蓝图。它有理有据，雄辩地向读者证明：如果你能够将其他人的需求视为己任，你就将从中受益。”
——Dave Rusenko/Weebly
享受征程
“我向很多人推荐了这本书，每年都会抽出时间读上一遍。我想每个人在阅读此书的时候，都会从中体会到不同的感悟。对我而言，它使我想起了旅程。我的道路就注定会是我的个人的道路，我需要拥有它、享受它。这本书会影响你的选择，影响你感受生活中点点滴滴的方式。”
——Melissa Ben-Ishay/Baked by Melissa
睡个好觉
“越来越多的人饱受失眠的困扰，是时候开上一剂良药了。这本书深入分析了失眠现象，是一本真正实用的指南，指导人们如何更好地对待睡眠。我没有推荐商业类书籍，却一直向许多人推荐这本书，因为的确非常实用，能够在很大程度上影响你的生活。”
——Aaron Hirschhorn/DogVacay
自我挑战
“这是一本关于运气的书，本书用统计学的概念解释了很多常见的投资现象。关于这本书我只想说：读了它之后，我改变了做决定以及在事后反思事件的方式。”
——Jack Groetzinger/SeatGeek
冒险
“我想对于各位CEO或企业家来说，本书提供了一种伟大的思考方式。当然，诸如《精益创业》这样的书也会对帮助创业新手去思考如何建立一家公司大有裨益。”
——Matt Ehrlichman/Porch
不忘初心
“这本书的作者，加拿大宇航员、国际空间站指挥官克里斯·哈德菲尔德是我的朋友，也是我所知道的最勇敢且最有灵感的人之一。在这本书中，他分享了一些宇航员生涯中难以置信的故事，同时也告诉我们无论我们追求的是什么，都能够将不可能的事情变成现实。我向那些有梦想、且努力保持真实的自我的人推荐这本书。”
——Ryan Holmes/Hootsuite
营养与健康
“这是一项非常特殊的研究。它告诉我们，营养影响着我们对生活的看法，甚至影响着我们我们对问题的处理方式。这本书改变了我在营养方面的做法和期望。从能力到想法，你吃的东西对一切都有巨大的影响。”
——Daniella Yacobovsky/BaubleBar
扫一扫 加微信
hrtechchina
