关于许多成熟的投资机构来说 ，都有各自的一套相对完整、系统的投资要领体系及相关工具。好比高瓴资本的价值投资体系就广受业内人士的认可。然而 ，就如高瓴投资首创人张磊自己所说：投资并没有放诸四海而皆准的要领。市场上的投资理念、要领、工具林林总总 ，很难找到一套要领体系可以兼容所有的投资场景和完整的投资生命周期。
同时 ，关于许多地方工业投资平台来说 ，相比成熟的纯市场性投资机构 ，自己就缺乏相对系统的投资要领 ，更除了纯粹的市场价值外 ，还要兼顾考虑工业价值、社会价值和区域生长价值等多元评估维度 ，因此挑战巨大。不少平台看似掌控几百几千亿的基金 ，但真正乐成的投资案例却少之又少。
因此 ，可以通过一些新的技术与工具 ，辅助投资团队提升投资效率与乐成几率。好比大数据技术。从投资的生命周期来说 ，共需要三个阶段：
投前阶段的主要目标 ，是挖掘到合适的投资标的。具体做法为先基于某工业领域的生态关系 ，建立其对应的工业图谱 ，如“汽车领域”的工业图谱：
其中每个“节点”都代表一个汽车领域的工业主题 ，同时也是一个投资“赛道”。关于“汽车领域”来说 ，可以大致分为制造（硬件/软件）及应用（实体/虚拟）两个大的偏向。
然后 ，再基于“工业节点”建立“标签” ，通过大数据技术抓取相应的企业信息。主要包括：
企业基本信息：公司名称（包括工商盘问全称、简称、代号）、公司信息（包括网址、公司业务） ，所处一级行业、二级行业 ，及相关标签 ，建立时间（年月） ，建立所在 ，最新获投状态 ，经营状态（运营、停业）；
企业投资信息：投资时间（年月日）、投资轮次（分为种子、天使、pre-a等多种轮次） ，投资金额 ，投资公司、创业公司（即被投工具）；
这里同一个企业可以对应多个差别的“标签”。
这时 ，可以直观的看到工业图谱的投融资情况 ，好比：
企业数量：每个节点的“面积”体现截止到目前为止 ，相关的企业数量。
获投比例：每个节点的“颜色”体现截止到目前为止 ，相关的企业获得投资的比例。
这时 ，可以比较容易地看到哪些赛道的投资热度最高。好比上图中的“无人驾驶/智能驾驶”领域 ，其自身及其上游的关联节点都是“小紫圈”（获投比高 ，企业数低） ，那么这些上游赛道及其自身的上游赛道都有可能是投资洼地。尤其由于一二级市场的联动性和滞后性 ，更有可能作为二级市场的投资参考依据之一。
虽然 ，关于地方工业基金来说 ，经济回报并不是唯一考量维度。这时 ，可能更多要去考虑其所在地区的工业生态战略偏向以及目今的完备水平。
这样 ，可以凭据所在区域内目标工业领域的生长路径及节奏 ，有计划的制定相应的投资战略 ，以抵达逐步完备工业链的目的。同时也可以作为地方政府工业园计划及招商的参考依据。 NO.2投中阶段 投中阶段的主要目标 ，是对被投企业评估出合理的估值。由于地方工业基金的投资偏向大多集中在拥有焦点技术能力的科技企业 ，且其生长阶段通常处于中早期。很难像消费类企业或以前的互联网企业那样有比较明确的运营KPI ，尤其是财务类KPI。因此为合适的企业估值带来了很大的难度。这时 ，可以通过大数据生成的工业图谱寻找类似的对标企业进行估值对标。好比要为A图谱中的a企业估值 ，可以先找可以和A图谱对标（工业主题、技术路线、投资热度、企业数量等维度对标） ，但生长成熟度更高的B图谱 ，再在其中寻找工业链位置也类似的b企业。凭据其对应生长阶段的估值情况 ，作为为a企业估值的参考。 另外 ，随着整体信息化的生长 ，企业的运营系统放在云端已经越来越普及。而政府也越来越增强对这方面的统一治理。好比目前“国资云”快速生长 ，像天津已经宣布了国企上云的具体计划： 虽然目前还只集中在国企 ，但后续对民企安排的第三方公有云平台（“华为云”、“阿里云”、“腾讯云”等）的治理也一定会越来越强。在统一“数据脱敏”后 ，地方工业投资平台可以更便捷地获得更实时、富厚的企业运营信息 ，做更准确的企业对标。 NO.3投后阶段 投后阶段的主要目标 ，是对被投企业进行投后治理 ，在其经营的要害节点中给予结构性支持。尤其关于地方工业投资平台来说 ，其可赋能被投企业的除了资金外 ，另有越发富厚的其他资源/能力。如果能够基于特定工业领域的工业图谱 ，制定命据接口实时搜集此工业领域中被投企业的主要运营数据。将可以实时了解到此工业领域的宏观生长情况 ，并以此凭据各微观企业的生长状态 ，实时为其提供所需的赋能伎帐助。 最后要说明的是 ，就像自动驾驶一样 ，在短期内很难让AI系统完全取代司机 ，但辅助驾驶一定越来越普及的应用到实际生活中。大数据工具也很难完全取代人的判断 ，但在投资的辅助判断上一定越来越发挥更大的价值。
扫一扫
关注我们
地点：北京市向阳区北苑路86号院E区213栋
邮编：100101
联系电话：010-84108866（总机）
业务咨询：400-093-2688（免话费直拨）
