郭颖哲 | 如何运用知识图谱高效甄别一级市场资产

2017 年 4 月 15 日 开放知识图谱

本文整理自 FellowPlus CEO 郭颖哲在杭州金融知识图谱论坛上的演讲。

我做过自媒体，做过 VC，现在在创业。我一直定义自己为 VC 投资人，但是有一颗段子手的心。另外一个联合创始人王亮，原来是友盟负责用户运营的一个朋友，他是个东北人，也有一颗段子手的心。所以我们其实是两个段子手，做了一个金融机构。

甄别一级市场资产的重要性

首先中国的一级市场，现状是爆发式的增长。主要体现在两个方面，一方面是投资并购的数量呈现井喷式增长，另一方面，是市场涌现了大量基金管理人。

这个图是根据我们 FellowPlus 的数据库统计出来的。我们从 2012 年的 Q2，一直统计到了去年年底。2012 年 Q2 对我来说，是很特殊的时期。因为在 2012 年的 Q1，我正式从一个媒体人，转型成为一个 VC 投资人。可以看到在这几年当中，被投项目数量是井喷式的增长。我也很激动，可以参与到行业爆发的过程当中去。

第二个就是，项目数量非常多。我有一个投资人朋友告诉我说，2001 年、2002 年大家做 VC 的时候，可能就一间屋子、两张桌子，全中国的投资人都坐在那里。那个时候一个细分领域，可能 7 、8 个项目，用三四天的时间可以把所有项目看完，就可以做投资决策，说我要投哪个不投哪个。但是到了今天，中国光是 TMT 这一块的创业市场，基本上都扩展到海外级别的项目了。相应地整个创投市场，也需要更多的投资人做价值的挖掘。我们也可以看到一个相应的趋势，就是市场涌现了大量的基金管理人。

我作为一个 VC 出身的人在想一个问题，我们这一帮人到底在这儿做什么？我会觉得 VC 是什么呢？我认为 VC 是一级市场的超级节点，就是这一帮人在这里，通过资源配置的方式，解决市场最核心的定价问题。我们这一帮人其实非常重要的，刚才滕总讲到一个很好的问题，说他们希望通过数据来帮助大家发现哪一个公司是好公司。但是我在想发现好公司，在这个市场里面究竟是由谁来做的？这件事情在多长的时间内，有可能被机器替代掉？我认为短期内是不太可能的，所以我就要把价值发现之前加上一个定语，就是基金管理人或者说投资人，怎么去发现这个市场的价值。对我们来说，面对的是一个什么样的一级市场，其实我认为我们不妨把它称之为蛮荒时刻，也就是现在我们所处在的这个时刻。首先它体现在投资主题的多样性，每年都有可能变化。去年大家印象可能很深的有直播，共享单车，那么到底哪一个是下一年能上升的行业。

第二个问题是基金管理人的数量已经十年经过了 20 倍的增长，到底谁才是基金管理人。因为我刚才说了，我们在这个行业里的位置，其实是一个资源配置者，这个行业其实还有我们的上游，那些真正的大的资金端，大的投资者们，对他们来说，其实我们才是资产，我们才是标的。对他们来说，去哪里找到跟他们的需求更加匹配的管理人。

一级市场的“蛮荒”时刻

现在百万量级的互联网产品，讲实在话已经不稀奇了，到底下一个独角兽在哪里？这个市场其实呈现出来的是信息爆炸，非常结构化不透明和不真实的一个状态，也就是我们称之为的蛮荒时刻。那么一级市场的荒蛮，到底怎样才能够被有效解决？这也就回到了我刚才一开始讲到的，要用知识图谱的方式去解决资产甄别的问题。我很感谢今年春节之后拜访了文因互联的鲍总，他告诉我这个东西叫知识图谱。因为我是一个做 VC 的人，大家可以看到，跟各位相比我不是非常懂技术。但是站在创业者的角度，我要想的是怎么通过一个产品形成一套解决方案，至少在一个场景里面去打深打通。所以我想的问题，可能跟各位的出发点会有一点点区别，我会首先站在资金端，他们有什么样问题需要解决来倒推这个事情。在这个过程当中，我们其实运用到了很多知识图谱，作为实现的路径，也很感谢鲍总替我们去总结。

FellowPlus 在做的一件事情，就是用数据加一级市场的关键环节去量化一件事情，然后大数据加机器学习、金融建模、信息降噪和人工干预。我相信大家也关心人工干预的部分，我们现在把这个部分控制在 30% 到 40% 的范围内。这些词语，我相信在座的有很多人比我的理解会更深刻一些，我大概告诉你们，我们运用到了这样一些技术。我们做的事情实际上是两块，一块是资产披露的标准化，而不是资产标准化，一级市场的资产是不太可能标准化的；第二个是数据的可视化。

这张图简单展示了我们的数据处理流程。这个产品分成三层，或者说我们在这个赛道上所有的人做的事情，可以分成三层，也就是数据层、分析层和应用层。在数据层，大家需要的数据源应该是一样的，虽然现在你结构化某一块，我结构化某一块，我们有一些交集，也有一些不同，但我觉得这都无所谓，因为最后我们都是要有一个大的数据基础的。我们更希望把今天分享给大家的东西，运用在应用层和分析层上。

这张图反映了我们数据的一些基本情况。 FellowPlus 究竟为一级市场投资人的信息披露标准化了哪些东西？这是我们在分析层要解决的问题。第一块是行业趋势分析，第二块是基金管理人的业绩表现，第三块是项目发展情况。我把重点放在前两块，因为最后一块，刚才的两位同行已经讲得非常棒了。

我们在做行业趋势分析这个产品的过程中，带有很多做 VC 的思路在里头。我们依靠 FellowPlus 标准，对互联网行业以及模式做出指数性的预判。第二个是我们在每个细分行业的交易趋势和市场份额上面，做了一些收集，因为在做这个产品之前，产品负责人跟我非常深度地探讨了一下，究竟投资人是怎么去判断一个行业的趋势，我跟他讲了非常多做投资的故事。举个最简单的例子，比方说我以前是投资电子商务行业的，对于这个行业来说，你想知道很多实际的交易情况，比如一些公司的营业额、利润是非常困难的。作为一个投资人，我希望能够找到这个行业的价值洼地，就是那些运营能力极强，但是在市场上因为品牌力弱而被低估的一些公司，有没有可能用我们的数据库去找到这样的投资标的。有了这样的想法之后，我们就按照一种数据的方式实现出来，这是我们内部研究产品的一种方法论。

第二个是基金管理人业绩表现，我们分成履历、人脉和影响力三个部分。 FellowPlus 数据库的特点，是我们真正意义上把一级市场的投资人和投资机构，当成一类很重要的资产去管理。

现在一级市场里发生了特别大的变化。人民币的 LP 的构成出现了很大的颠覆。以前大家了解到的是财富管理、三方这里面会有很多个人，带着一种财务投资的需求，买了红杉一期的产品或者达成二期的产品。但是现在上市公司背后是财团的家族办公室，政府领导的基金，甚至包括国家队的公募基金，大家都在进入这个市场，跟过去相比有非常大的变化。

在这里会出现一个很大的问题，基金管理人的甄别的需求会大大提升。所以我们其实为了这块，做了充分的准备，通过我们的数据和自己团队的专业分析，实现了对市场上乎所有的融资机构和投资人的业绩还原，以及基于业绩和数据所形成的人脉影响力的还原。比方说在业绩还原这一块不仅仅会关注到 IR 的情况，或者说退出的情况，我们还会分析投资和退出的一些特点，比方说有没有比较高的行业集中度，或者在行业上下游上有没有一些偏好之类的。

项目的发展现状我们就略过不说了，刚才滕总讲到一个很有意思的事情，他们也会给项目做一些估值的还原，我们其实也在做这个事情，用机器学习的方式还原交易价格。但是我们对估值的理解可能不太一样，作为VC，我会希望能够首先知道项目实际的定价，之后再去推断以后的一些东西，在整个估值模型当中，我会把这个因素赋予比较高的权重，因此我们在这一块做了很多的研究。

整套服务 VS 单一产品实现

因为从业背景的原因，我相信我们要用一套解决方案在一个场景里面打深，所以说我们会考虑目标用户的选择。我认为这个产业是很难走向真正 2C 的生意，2C 的生意一定还是垄断在有流量、有服务能力的大平台手里。但是一级市场再往前看，就是二级市场。我们看到今天国外成熟的二级市场，实际是以机构投资者为主导的。我们也在通过建立新三板，新三板转板制度，包括后面注册制，逐渐往成熟的方向走，也会越来越变成一种以大机构主导为主的交易市场。

我们既然是做 2B 服务的，就要考虑到底怎么服务别人。这就像你造了一台特别好的车子，或者我们有几家造车的，但是要卖车的时候，你发现需要买你这辆车的人其实不会开车。市场上也没有一个标准，说到底怎么来开。那怎么办呢？这个时候你只好配司机，所以我经常跟我的 Co-founder 开玩笑说，其实我们是老司机的团队。什么意思呢？就是我们在服务这一端，有很多 VC 的从业成员伙伴，PE 的成员伙伴在搭建我们的整个服务体系，也就是将我们的数据能力应用到交易能力中去。

这是 FellowPlus 现在正在做的几个服务场景，我们希望通过这个方式打通“募投管退”的交易链，以专业的投资服务去整合产业资源来推动创新。我们可以看到，比方说国企、上市公司和家族办公室，当然这个背后其实都有真实的案例，但是因为 confidential 的原因，我们不能告诉各位具体是谁。因为今天有很多朋友探讨到商业化的问题，所以想在这个地方跟大家分享一点点 FellowPlus 所做的尝试。谢谢大家。