前言
2017 初橙·阿里校友企业黄埔榜--企业服务峰会，普华资本投资副总裁钟南海给大家分享“企业服务 3.0”。
本文为演讲嘉宾钟南海的现场分享内容，由初橙独家整理。
前天，我在市区参加李开复老师的一个演讲，他说人工智能会在 10-15 年里替代现在的很多行业的角色，包括律师、医生、银行柜员，我认可。
但是在企业服务领域，我认为完全替代还没有到可见的未来中，能够一定地优化企业服务中的角色，这里的“优化”肯定离不开大数据。
请点击此处输入图片描述
为什么说是企业服务 3.0 ？
接下来我要讲到的企业服务 3.0 就是围绕 1.0 和 2.0 的迭代和升级延展讲一下，作为投资人是怎样看待这个机遇的把握。
请点击此处输入图片描述
1.0 和 2.0 在过去几年都发生了什么？大家知道，投资人看企业服务的投资机会是看这个市场大不大。
1.0 对单个企业费用的财务、人事、销售、安全等等，是按部门区分来优化的。财务费用、薪酬费用大概占企业多少开销，我们看过，三成左右，过去 5 年中有大量做人力资源的独角兽。
2.0 就是所谓的交易平台，采购成本是占到企业 6 成的开销，这是更大的市场，超过 20 万亿的市场 。2016 年 GDP 中 20%的钱花在采购中，这里分成 B2B 的 1.0 和 2.0。
由此延展出来的 3.0，投资人看哪些维度？在 2.0 已经用大数据实现变现了，有代采撮合模式、联营自售、自营模式，可以通过金融、物流实现更多的利润。为什么通过物流能赚钱？因为有了大量的线上交易数据以后，知道了仓储配送的最佳路径优化，我们设置仓，一辆车出去能够覆盖最大密度的小店，能够实现物流优化，实现盈利。
金融，上下游的供应商、买家，能够通过买卖双方强势、弱势产生利差。
3.0 时代，机遇在何方？
3.0 完全离不开大数据，为什么？因为 B 分成大 B 和小 B，都有数据服务的价值，“F2B2C”，我的数据服务是针对中间的“B”和“F”，一会儿详细讲。
请点击此处输入图片描述
这是基于 3.0 模式怎样看小 B、大 B、F 的机会。这里有很多的箭头，供应上新品爆款推荐箭头出去是指最终要达到的目的，而销售数据反馈是指所取数据的一种方式，这里大数据可以指元数据和第三方服务平台。
次终端出去的线是新零售。很多小 B 想要达到最终的目的，可以通过 C2B 反向数据搜集。包括第三方大数据平台进行服务，提供一个最完整、最成熟的数据库，从而实现新零售的目标。
因为现在渠道下沉，包括 To C 欲望越来越强，通过用户反馈实现直销，或者把中间商扁平化，实现渠道下沉，更好的服务 C，也能够提高毛利率。这是我认为 B2B 3.0 或者企业服务 3.0 中的一个版图。
3.0 时代的先行者
（案例介绍）
我把普华的情况做一个简单介绍，之后分享几个案例，通过这几个案例把 1.0、2.0、3.0 的板块阐述一下。
请点击此处输入图片描述
我们看三个领域（科技、医疗、文娱）：科技中看企业服务、人工智能、互联网金融；医疗和文娱都是我的同事看，我不多做介绍。
案例一：梆梆安全
请点击此处输入图片描述
这是中国目前做移动安全领域最佳的企业，没有之一。现在覆盖了将近 80 万个移动 APP，帮助解决加密加固监测的效果。用强销售、强技术、强产品覆盖足够多的客户，成为这个领域的寡头，把商业化模式完全成型，还要搜集很多大数据出来。
而且他们已经做了快 10 年了，在移动安全领域的角色和地位不可撼动。1.0 的阶段已经达到，现在用了安全数据去实现第二阶段的目标，就是拓展物联网的领域，通过这里实现大量软硬件智能设备的覆盖，最后才进入机器人认知安全领域。
这是一个非常典型的，通过覆盖足够多的 B，这是我认为企业服务中 1.0 的升级，通过自己某一个安全领域里打透，获取大量数据，横向拓展业务领域。梆梆安全去年有 8000 万的利润。
案例二：财务引擎
请点击此处输入图片描述
这是很典型的在金融领域企业服务的案例，我个人现在对 To C 的金融还不是特别看好，对 To B 的智能投顾还是比较关注的。
这个团队在美国扎根了五六年，他们把学校和校外大量元数据搜集过来，利用校企迭代能力制造了财富管理的财富模型。
财富管理和资产管理是不一样的概念，财务管理是和每个人、每个家庭随着时间的推移产生不同需求紧密挂钩的领域；资产管理非常简单，就是对于目前已有的资产、资金进行处置。财务管理与整个家庭、个人从小到老息息相关的领域，所以更需要动态的数据进行服务，所以更加需要数据服务的金融领域。
有了这个算法模型以后，在美菱、挪威国家财务基金、普利斯顿大学的财务管理委员会，包括美国大大小小十多家家族基金办公室都已经进行了获客覆盖。有了成熟的美国实践落地的经验，有一套自己的数据，他们的算法和模型带到国内来可以说是“杀鸡用牛刀”。但是这里需要中国的落地和迭代开发，所以靠清华大学的校企开发能力和迭代能力，现在在券商领域拓展地非常好了。这是运用元数据产生自己排他性算法和模型，结合国内的情况产生了一套算法和模型，服务中国 B 端金融客户。
我今天主题是 3.0，但是并不是说 1.0 和 2.0 已经是过去式了，他们也依然存在，并且非常有价值。
案例三：网化商城
请点击此处输入图片描述
这是一个交易平台，我比较看重频率，这里讲到了物流和金融，物流是仓储和配送，我们能根据数据进行精细化运营，能够把货物的管理、仓储管理做到最优化。
我们算过一笔账，就是一辆车的半径，如果有足够多的交易数据，能够把单车货值、路线规划到最佳，这对于整个企业物流降低成本提高是很有帮助的。很多 B2B 平台靠物流实现了利润，整个毛利非常低，特别是快消、汽配等等，本身毛利几乎低的可怜。
为什么金融能够赚钱？还是基于买卖双方大量数据的沉淀，平台有价值，买卖双方都离不开，卖方通过平台大出货，买方通过平台大量进货物。
卖方通过我的平台达到 30%以上的出货率，大量货物去哪很清楚，货值很清楚，把货压在我的仓了，或者搞云仓的概念，比如说这个货值 100 元，先把 30 元、50 元贷给他们作为滚动资金，就有了利差优势；买方通过我的平台买了货，也离不开我，优势是品类多、东西便宜，还可以通过应收账款进行授信，因为货出去多少我很清楚。
案例四：惠民网
请点击此处输入图片描述
按照客户数、体量来说，它是中国快消领域最大的平台，做 O2O 的。
2015 年学习“找钢网”做撮合，帮助小 B 找货，直接送到店门口，让小 B 离不开它，通过这个采集了大量的夫妻老婆店进货的交易数据。数据多了以后，小 B 多了以后倒逼上游，让大 B 或者厂商也离不开它，通过大量地跟大 B 合作联营模式。这就是仓的概念，实现上游品类 SKU 的高强度地管控。拥有了大量的品类和流量，实现了上下游品类数据的采集。
换句话说，上面有什么货清楚了，下游小 B 的进货习惯，包括地理位置、单个社区买什么饮料小吃都很清楚。这样就可以做前置仓，通过反季节的方式进行前期的囤货，进行大量的高毛利的销售，最后实现的是便利店的打法。
一旦知道了所有小 B、中 B、大 B、F 的数据，就可以自己玩了，这是我个人认为的 B2B 或者企业服务交易类的平台最终想要达到的目的。帮助小 B、中 B、大 B也好，他们获利了以后，平台最终实现了价值，做成直接线下便利店的模式。
所以，企业服务不完全纯看线上，也会结合线下新模式去思考，引发更多的企业服务 3.0 的思考，归根到底离不开大数据、离不开交易累计的真实数据。我承认 B2B 有大量的刷单，To B 交易如果没有平台也在交易，但是如果不是由买方主动发起的交易，我都认为是 To B 的刷单行为，因为这不是真实的，一定要强调“真实”两个字。
企业服务有“服务”两个字，服务有很多维度，比如说物流、效率、金融。但是这些是配菜，自身的交易闭环没有形成，服务价值没有体现，我认为这个流水是暂时的，或者是不忠诚的流水。只有达到了买卖双方都离不开交易平台，哪怕没有补贴也在这里买卖，这样的数据才有价值。沉淀以后有希望在 To C 或者新零售这一端带来更大的投资机会。
以上内容，是普华资本投资副总裁钟南海，在本次 2017 初橙·阿里校友企业黄埔榜——企业服务峰会上的分享。
想在共享单车大火的共享经济时代抢到一张门票吗？初橙下届大会——共享经济峰会，等你来参加哦~
请点击此处输入图片描述
请点击此处输入图片描述
网友评论