(电子商务研究中心讯)　　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。

    一、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。

　　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。

　　二、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。

　　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ToC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B2B3.0或者企业服务3.0中的一个版图。

　　三、3.0时代的先行者

　　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。

　　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

　　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

　　这是很典型的在金融领域企业服务的案例，我个人现在对ToC的金融还不是特别看好，对ToB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

　　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

　　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，ToB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ToB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ToC或者新零售这一端带来更大的投资机会。（来源：初橙资本 文/钟南海 编选：中国电子商务研究中心）