峰瑞资本田里：企业服务的三大投资风口
拓 扑 社
传 递 企 业 服 务 价 值
来源：峰瑞资本
作者：田里
编辑：王艺多
在此前峰瑞资本的一场活动中，执行董事田里分享了他观察到的企业服务市场中出现的3个机会。
第一是由于组织变革和就业场景重构产生的机会。
田里认为，随着中国经济结构转型，企业的平均规模也从百人减少到50人左右，同时自由职业者大量出现。这些都为标准化的服务和产品出现提供了可能。另外，B端和C端的界限也在逐渐模糊。
第二就是数据服务。
自从关系型数据库兴起之后，企业IT才真正意义上开始出现。从最开始的数据采集，到移动互联网，再到AI，囊括了大数据发展的三个层次。如今在AI时代，大数据作为底层技术无疑是有巨大发展机会的。但田里强调，在AI方面，建议要做垂直行业AI，而不要做泛AI。
第三则是因流通行业的升级产生的机会。
田里强调，大流通行业是一个非常重要的行业，国内基本有40%的人在从事相关工作。而流通行业也需要进行技术改造。但是由于流通行业本身存在时间长，一朝一夕并不能实现改革。所以新兴产品要尊重传统行业已经存在的规律，在试图代替它们的同时，也要承担相应的义务。
本文选自峰瑞资本，原作者田里，拓扑社（微信：tobshe）编辑整理：
阅读本文只需占用你4站地铁的时间
我试图从近几年宏观经济的变化所导致的组织结构和形态的变化、以及数据服务和流通业态的变化，来梳理峰瑞在这几个方向上的投资逻辑，也汇报一下我们在这个逻辑下的投资实践。
组织变革和就业场景重构
第一个投资主题是组织变革和就业场景重构。
首先是经济上的原因。GDP 方面，2015 年中国第三产业对 GDP 总量和增速的贡献都超过 50%。这是一个非常好的标志，发达国家第三产业对 GDP 的贡献都比较高。这意味着，从 2015 年开始，服务业真正成为中国经济最主要的支柱。
要知道美国第三产业的 GDP 占整个 GDP 的比值是 75% 以上，中国刚刚过 50%。
组织方面，我们可以看企业规模的变化。最近五六年，企业的平均规模，从 2010 年的 110 多人降到了 2015 年的 60 多人，减少了 47% 。
就业方面，可以看自由职业者的数量。个体户的数量在六年内翻了一倍多，从 5400 多万增加到 1.17 亿。在中国就业人口接近 8 亿的情况下，自由职业者大概占了八分之一。
个体就业和自由职业是政府非常好的失业率管控手段。虽然个体户和自由职业者所带来的税收可能会少一些，但是对政府而言，保障就业比维护税收收入更重要。
其次从企业需求角度看，最近 20 年，中国就业人口的平均工资每年涨幅大约为 13% 到 14% ，从成本角度看，控制企业规模也是一个刚需。
第三是劳动力供给的变化。目前 70% 的自由职业者都是 85 后，他们是数字人口的第一代，性格特质年轻，追求个性，讨厌办公室政治和朝九晚五，同时从经济角度来说自由职业对他们而言是一个更优的收入分配模式。
第四是技术上的原因。从基础工具、沟通工具、支付工具到交易平台，再加上移动化的大趋势，每一层的技术都变成熟了。
列举几个有代表性的产品：第一个是 Github，代表基本工具；第二组是 Slack 和 Skype，代表沟通工具；第三个是 Paypal，代表支付工具；第四组是 Uber 和 Upwork，代表交易平台。这些工具在国内都可以找到对标的公司。
简单小结一下。经济状况、企业需求、劳动力供给和技术演进带来了两个结果：组织越变越小；自由职业和共享经济的兴起。
组织变小变扁平导致共性需求更多，因此做标准化的服务和产品更有可能。自由职业和共享经济的兴起，从供给侧来讲，当自由职业的供给多起来，会出现对应的工具和交易平台；从需求侧来讲，组织变小，人变年轻，就要求个性化、高品质的服务或产品，也更加看重分享、协作和 Social 功能。
组织变小后，个人在组织里的身份和地位和他作为个体的身份和地位共性更多，B 和 C 的界限开始模糊，很多业务可以比较自然地从 B 做到 C，或者从 C 做到 B。
从供给侧来看，我们投资了 Vphotos 和墨刀，它们分别是针对摄影师人群的交易平台和针对设计师和产品经理的开发协作工具。两者针对的人群恰好是自由职业者里占比最高最活跃的影像和设计师工程师人群，同时也都服务 B和 C 两种场景下客户。
从需求侧来看，百场汇、捷税宝和酷办则分别满足了组织变小变扁平、自由职业和共享经济兴起这两个趋势下的需求。
百场汇要做活动场地领域的 Airbnb，满足了年轻人追求个性的需求，帮他们找到优质有特色的活动场地；捷税宝直接成为自由职业者背后的税务顾问，它为美甲师、主播、一对一老师等新兴职业提供节税和税务咨询服务；酷办做联合办公空间的 ERP，而自由职业者和小组织恰好是联合办公空间中占比最高也最忠诚的客户。
数据服务
第二个投资主题是数据服务。
1000 个人对大数据可能有 1000 种理解，我试图讲讲我们的理解，数据服务从哪里来，走向哪里。
从历史角度看企业信息化，可以了解我们现在处于什么位置。图中有一条时间轴，轴的右边是企业信息化，轴的左边是基础 IT 技术迭代，我们把它放在同一个时间轴上，试图找到规律。这期间我们经历了三个阶段，第一个阶段是方法和理论，第二个阶段是信息化，第三个阶段是数据。
1915 年批量经济概念的提出和 1934 年确定订货点的统计方法，是工业生产中出现 MRP（Material Requirement Planning）理论的理论准备。MRP 理论即物料需求规划理论，就是工厂生产中，先有一个主生产计划，然后根据主生产计划去协调采购、库存。
之后的 1950 年代末，美国制造行业的一些专家经理人成立了一个叫 APICS 的组织，这个组织成立几年后，制造行业内部运行的流程理论 MRP 才开始形成。至此理论应该相对完善了。
另一个很重要的时间点是 1970 年代，PC 的出现促使 MRP 理论开始走向 MRP II（Manufacturing Resource Planning）系统。MRP II 系统可以简单被认为是MRP理论的实践。1970 年代 PC 出现之后，MRPⅡ 开始大规模应用。
企业服务方向另一项关键技术的突破是关系型数据库的迅速发展，ERP 领域另一家巨头 Oracle 基本靠此起家。关系型数据库的发展在企业服务中非常重要，因为信息化的核心任务之一是把企业运行过程中的数据记录下来，建立数据库。
1990 年代，基于 PC 和关系型数据库的发展，ERP 系统开始出现。1990 年代初互联网的雏形出现，2010 年之后 SaaS（软件服务）兴起。
在数据时代之前，我们能看到一个规律，即企业的需求一直都在，而且比较超前。而只有基础技术出现较大提升，才能出现满足当时客户需求的新产品。在这个过程中，企业的需求、产品和技术处于螺旋上升迭代的状态。
以上回答了数据从哪里来的问题。
我们走到这儿了，接下来我们会走向哪里？
我从三个维度分析数据。
第一个维度是数据的整个流通、生产和分析的过程，可简单分为采集数据、管理和分析、智能决策三个步骤。
第二个维度是行业。鉴于数据在不同行业里存在很大的不均衡性，所以不同行业里的数据切入点应该是不一样的。
那用什么标准去判断这个行业从哪个点去切最好？我认为可能有几个判断标准。
首先是可数据化程度和速度。整个行业是否可以被完全数字化？其次是这个行业里面存量和增量数据的大小；第三是数据业务的变现能力；第四在关于数据的工作上，对数据服务提供商来说，IT 需要有行业专家。第五，要求数据的切入点不同。
按照五个标准，我把不同行业做了简单 mapping ：
农林牧渔、运输和批发零售处于数据采集阶段；
医疗、安防、公共事业和制造业处于二、三阶段；
金融、电信、广告以及狭义的 TMT（业务基本在线上，O2O 和电商不算）在四五阶段。
第三个维度是技术维度。它是变量，因为有比较大的技术突破，有可能把某一个行业从一个阶段推到另一个阶段。
第一层的变量上，移动和 IoT 的发展能在数据采集上推动一个行业的发展。在移动和 IoT 发展之前，收集数据是一个非常难的过程。
第二层的变量包括互联网技术、分布式技术、NoSQL 等等。
互联网技术出现之前，金融和电信，这两个行业本来就是IT技术非常成熟的行业，也是数据化程度非常高的行业。
第三层的一个重要变量是 AI，如果 AI 做得好就能完成我上一张图讲的数据闭环，使得决策后的数据进行一次新的数据循环，从而让 AI 更加智能。
一个开放的问题是：做 AI的时候，究竟应该做泛 AI？还是垂直 AI？这个问题没有定论。但是我们倾向于垂直 AI 。
所以，我们在看行业和数据的时候，大概会做一个 mapping，即行业会停留在数据处理的哪个阶段？技术变量在哪？能把它推到什么地方？新的技术变量是不是能从根本上提升行业的效率？等等。
我们投资的云狸科技、吆喝科技和费马科技基本上都在第二层往第三层走的路上，它们在不同行业尝试数据服务，其中费马科技走得快一些，接近第三层。
流通行业的升级
第三部分是流通行业升级带来的机会。
首先看流通行业的地位。
从 GDP 贡 47 32063 47 15287 0 0 3545 0 0:00:09 0:00:04 0:00:05 3545率看，2013 年起，批发零售业成为对 GDP 总量贡献率仅次于工业的第二大单一产业。
最近 10 年批发零售业的年度增幅都超过了 13%, 而 GDP 的增幅现在新常态是 6% 到 7%，零售业的平均增幅很快。
从流通行业对就业的贡献来看，私营企业是成为解决中国就业问题最重要的力量。在私营和个人就业者中，从事流通行业的人数占 40%。2015 年，有 1.13 亿人从事流通行业的相关职业。
由此可见，大流通行业是一个非常重要的行业。
但是这个行业如果没有技术迭代就很难做。比如没有 IoT 的时候，零售批发和物流就很原始。
其次，流通行业本身正在发生变化。我们投资的两家公司，恰好代表了流通环节变化的两个方向：诺信创联做的是医药行业的流通和相关营销，它代表监管流通这个方向；舟谱数据做的是快消行业，是极度市场化流通的方向，属于两个极端。
诺信创联所在的医药行业受政策影响很大，除两票制和药品托管之外，对它影响比较大的有两件事：
第一件事，去年国务院发文要求医药代表必须注册登记，并且只能从事医学相关的活动，不能直接卖药。
第二件事，政府希望把医疗资源平均分配到三四线城市，基层医院就会变得越发重要。但之前药厂关注的更多是三甲医院，市场如何开展是个难题。
舟谱也有自己的问题。一是用户消费升级太快，经销商和供应链体系跟不上；第二是终端渠道发生了变化，原有的分销渠道效率受到了挑战。
我认为，新公司应该尊重行业规律，不要一上来就想打破传统格局。比如流通行业的分销体系，它存在了这么多年，是有其合理性存在的。上游分销商垫资，下游分销商承担物流仓储与配送。
但现在要对行业进行改造。改造可以，但总体需求并没有发生变化。所以我们在颠覆传统体系的同时，也要承担它们原本的责任和义务。另外，新体系是否就一定比原体系更好，更高校，更低成本？这个也需要考虑。
当然，诺信创联和舟谱数据在他们各自领域移动化过程中都做了很多的准备工作，从工具切入，但最终要做的是数据，采取的方法和我刚刚第二部分谈到的数据服务的逻辑异曲同工。
本文由拓扑社（微信：tobshe）编辑整理，转载请注明出处及原作者。
投稿、寻求报道或商务合作，请发邮件至 tobshe@itjuzi.com，或联系拓扑君（微信：tobsir），标注公司-职务-姓名，谢谢。
往期热点回顾