数据性融资

A. 大数据模式 中小微企业融资有哪些

1、大数据模式，应该就有大量群体资源，大量项目数据，大量投资机构数据
2、中小微企业明显资质要求不能太高，就要求融资方式多样化，不然银行早就服务了

3、融资是个技术活，一定要找对专业投资方。
4、找对行业投资人，不仅找到资金，专业服务外还有资源匹配
5、以节能环保行业为例子；
国内之前 一直没有专业投融机构；
但是叫 环投什么汇 平台的出现就是典型例子
专业投资机构集中化，资金多样化明显提升，银行、保理、融资租赁、PPP、BOT、小贷、互联网金融服务层出不穷。金融机构提供专业解决方案同时，还提供其它合作方的技术输出资源。
总之，大数据模式，就是提高准确度，整合资源实现1+1大于2 的效果
希望采纳

B. 什么信息和数据决定企业融资的方式

公司根据自身的生产经营状况、资金拥有的信息数据，
以及公司未来经营发展的需要,
通过科学的预测和决策决定企业融资的方式。

C. 融资都要做数据分析报告吗

融资是一个社会主体的资金筹集的行为与过程。融资者需要根据自身的生产经营状况、资金内拥有的状况，以及公司容未来经营发展，从第三方投资者筹集资金，组织资金的供应，以保证公司正常生产经营。要向潜在的投资者展示融资主体的这些经营情况，就必须进行详细的，历史各项运营数据、财务数据的分析，以及未来的运营情况的预测，财务预测。展现融资者的业绩透明程度，这样才能够为潜在投资者提供一个比较有参考价值的过往业绩评估和未来业绩预期，能够使他们产生更大的投资信心，对融资成功更加有利。

D. 社会融资规模数据有哪些主要特点

社会融资规模数据的三大特点：

1. 我国社会融资规模增长呈现逐季下降态势。

2. 银行承兑汇票、信托贷款两个渠道的融资增长有所下降。

3. 人民币贷款占社会融资规模的比重出现了一定幅度的上升，直接融资占比则有所下降。
   

E. 如何从公司财务报表中分析出融资情况，需要计算哪些财务指标

可用过计算财务报表中资产负债率、流动比率、速动比率、现金流量比率等分析融资情况。

一、短期偿债能力比率

1、营运资本=流动资产-流动负债=长期资本-长期资产

2、流动比率=流动资产/流动负债

3、速动比率=速动资产/流动负债

4、现金比率=(货币资金+交易性金融资产)/流动负债

5、现金流量比率=经营活动现金流量净额/流动负债

二、长期偿债能力比率

1、资产负债率=负债总额/资产总额

2、产权比率=负债总额/股东权益总额

3、权益乘数=资产总额/股东权益总额

4、长期资本负债率=非流动负债/(非流动负债+股东权益)

三、总债务流量比率关系

1、利息保障倍数=息税前利润/利息费用=(净利润+利息费用+所得税费用)/利息费用

2、现金流量利息保障倍数=经营活动现金净流量/利息费用

3、现金流量债务比=经营活动现金流量净额/债务总额

(5)数据性融资扩展阅读

例如：某公司2017年12月31日流动资产合计3600万元，其中货币资金250万元，交易性金融资产45万元，应收票据40万元，应收账款2100万元，预付账款60万元，其他应收款120万元，存货580万元，一年内到期的非流动资产240万元，其他流动资产165万元。

另得知其流动负债总额为1600万元。该公司2017年末各项短期偿债能力指标。

营运资金=3600-1600=2000万元

流动比率=3600÷1600=2.25

速动比率=（250+45+40+2100+120）÷1600=1.60

现金比率=（250+45）÷1600=0.184

通过计算我们看出该公司虽然流动比率和速动比率都较高，但现金比率偏低，说明该公司短期偿债能力还是有一定风险，应缩短应收账款回收期，加大催账力度，以加速应收账款资金的周转

参考资料来源：网络-财务分析

F. 创业融资须知：投资人最关注哪些数据

一、投资人为什么会关注数据？
投资是验证商业构想合理性的一种方式，而数据是投资人用于推断商业构想是否成立的一种手段，因此考量数据的根本目的是预估企业未来盈利的空间，这直接影响了投资人是否要投资。
我们认为商业计划书主要包含几个内容：团队——商业模式——产品和服务——市场和竞争——运营现状和规划。
对于项目早期而言，主要的工作是验证产品和商业模式，你的产品是否被用户所接受，用户是否愿意为产品买单，直接体现在数据中。
如果关键数据呈现出倾斜度极好的增长曲线，至少说明几个问题：
1、 目前这个阶段的产品是有一定的用户需求的
2、 你目前的市场和用户获取策略是合理的
2011年11月1日，陌陌iOS版用户突破30万，2012年8月1日，陌陌上线一周年，用户突破1000万，日活跃用户220多万，周活跃用户接近500万，每天的消息总量接近7000万。
映客成立于2015年8月，2016年10月产品各项数据表现都不错，呈现“极速”的趋势。
二、投资人关注什么数据？
投资人关注的数据不能一概而论，它和项目所处的行业和阶段都有关系。
1、行业
举几个栗子：
（1）电商类
流量指标：独立访客数UV、页面访问数PV；
订单产生效率指标：总订单数、访问到下单转化率；
销售指标：成交金额GMV、销售金额、客单价；
整体指标：营业收入、毛利率、净利率、复购率、SKU。
（2）工具类
流量指标：独立访客数UV、页面访问数PV；
转化指标：注册用户数、用户留存率、活跃用户比例、用户增长率、付费率；
整体指标：收入、利润、成本。
（3）游戏类
转化指标：次日留存、7日留存；
盈利指标：每用户平均收入ARPU、付费转化率；
其他指标：获客成本CAC、单次使用时长、用户生命周期价值LTV。
如果是APP产品，还应包括下载量、停留时间、打开频率等。
2、阶段
不同阶段的项目，投资人的关注点不同，对于种子、天使轮的项目，投资人关注的重点在于人和方向，对于天使以后的项目，投资人更关注数据和变现。

可能很多创业者会问，我是初创企业，哪里有这么全的数据啊？
这时候该怎么办呢？Lemon给出几种方法：
1、MVP测试
将最小化可行产品MVP投放到市场上。由于最小化可行产品的目的是验证商业构想的真实性，排除“伪需求”和创业者“自high”的可能，也为产品搜集有效的反馈和建议，因此MVP测试的数据在一定程度上可以预测产品上线后的效果。
2、第三方统计
目前第三方数据平台比较多，相对靠谱，成本也低，缺点是第三方标准统一的功能不能满足个性化的需求，有条件的公司可以自己开发后台。
3、合理的预测
结合市场和产品，在现有数据基础上做出合理的预测，关键在于达成目标的途径和方法。
三、如何构建企业的指标体系？
在了解了关键指标和数据获取途径后，还有一个是Lemon认为比较重要的——如何构建企业的指标体系？（这里Lemon参考了神策数据创始人桑文锋的观点）
这里我们推荐第一关键指标法。它是《精益数据分析》一书中提到的方法。
第一关键指标指的是在任意一个时间点，只有一个最关键的指标，但随着业务的发展关注重点会有变化，由关键指标又可以衍生出许多其他的指标。
举个栗子，如果一个成熟的电商产品，目前最关心的指标是销售额，那么可以衍生出访问量、转化率、客单价等指标，团队可以通过优化这些衍生指标来实现关键指标的增长。
对于一个创业公司，不同的阶段需要关注的重点是不同的。
我们把创业公司分成三个阶段：
1、MVP 阶段
MVP指的是在创业初期通过做一个最小可用的产品来验证需求的真实性。它可以有效的排除“伪需求”的可能性，也可以帮助你优化产品。
在这一阶段，数据分析的价值比较小，需要的只是定性分析，而非数据分析。例如通过用户访谈确定产品的满足情况。
2、增长阶段
这一阶段又分为有重叠的两个阶段：留存阶段和引荐阶段。
在推广产品之前，需要确认产品是能够给客户带来价值的，并且有比较好的体验。除了直接听取用户反馈之外，还可以观察用户的活跃度。这就需要做留存分析。
当产品优化差不多时就进入到引荐阶段，我们常说一个好的产品会说话，指的就是口碑力量，这时应该关注的是净推荐值NPS。
假设有 100 个客户，其中，有多少客户是推荐给了别人且带来新客户的，有多少只是自己使用，又有多少进行了负面评论。推荐的减去否定的就是NPS。一个好的产品，NPS 应该在 50 以上。
3、营收阶段
这个阶段产品已经相对比较成熟，变现、盈利、规模化成为重点。我们关注的重点转向客户终生价值LTV、获客成本CAC、渠道分成比例、渠道用户盈利周期、成本等。
当然，这里只是列举了不同阶段的典型关键指标，结合你的项目本身，还是要具体分析。

G. a轮 b轮 c轮 d轮融资区别

天使投资（AI）：天使投资所投的是一些非常早期的项目，有些甚至没有一个完整的产品和商业计划，或者仅仅只有一个概念。天使投资一般在A轮后退出，天使投资是风险投资的一种,投入资金额一般较小。

风险投资（VC）：VC所投的通常是一些中早期项目，经营模式相对成熟，一般有用户数据支持，获得了市场的认可，且盈利能力强，在获得资金后进一步开拓市场可以继续爆发式增长。投资节点一般为在死亡之谷（VALLEY OF DEATH）的谷底。VC可以帮助创业公司速提升价值，获得资本市场的认可，为后续融资奠定基础。

私募基金（PE）：PE所投的通常是一些Pre-IPO阶段的公司，公司已经有了上市的基础，PE进入之后，通常会帮助公司梳理治理结构、盈利模式、募集项目，以便能使得至少在1-3年内上市。

实际上融资轮次并没有太严格的定义。为了突出重点，我们可以通过一句话来解释：

种子轮：仅有一个idea，靠刷脸融资。

天使轮：已经起步但尚未完成产品，模式未被验证。

A轮：有团队、有以产品和数据支撑的商业模式，业内拥有领先地位。

B轮：商业模式已经充分被验证，公司业务快速扩张。

C轮：商业模式成熟、拥有大量用户、在行业内有主导或领导地位，为上市作准备。

D轮、E轮、F轮融资：C轮的升级版。

有人会问，为什么要分成好几轮融资，一次性完成融资不最省事么？主要原因包括：

1、一下子找不到那么多资金(不同阶段投出的钱有限)；

2、公司在特定阶段的发展用不到那么多钱(钱多了也烫手)；

3、公司创始人不愿意一下子要那么多钱(早期估值低，股权稀释多)。

而融资额基本靠谈，靠企业根据自己业务发展预测的财务报表进行评估，一般是这样划分的：

天使投资人(AI)：发生在公司初创期，是指公司有了产品初步的模样（原型），可以拿去见人了；有了初步的商业模式；积累了一些核心用户(天使用户）。这个时候一般就是要找天使投资人、天使投资机构了。投资量级一般在100万RMB到1000万RMB。

A轮融资：公司产品有了成熟模样，开始正常运作一段时间并有完整详细的商业及盈利模式，在行业内拥有一定地位和口碑。公司可能依旧处于亏损状态。资金来源一般是专业的风险投资机构（VC）。投资量级一般在1000万RMB到1亿RMB。

B轮融资：公司经过一轮烧钱后，获得较大发展。一些公司已经开始盈利。商业模式、盈利模式没有任何问题。可能需要推出新业务、拓展新领域。资金来源大多是上一轮的风险投资机构跟投、新的风投机构加入、私募股权投资机构（PE）加入。投资量级在2亿RMB以上。

C轮融资：公司非常成熟，离上市不远了。应该已经开始盈利，行业内基本前三把交椅。这轮除了拓展新业务，也有补全商业闭环、写好故事准备上市的意图。资金来源主要是PE，有些之前的VC也会选择跟投。投资量级：10亿RMB以上，一般C轮后就是上市了，也有公司选择融D轮，但不是很多。

H. 什么是融资数据分析

每天早上交易所公布的上一个交易日融资标的证券的融资数据，现在已经成为A股极为重要的资金流向指标，代表着市场中杠杆交易者最关注的股票。

I. 今后大数据技术将在企业融资行为中怎样发展

knowlesys舆情认为：

大数据能够帮助企业预测经济形势、把握市场态势、了解消费需求、提高研发效率，不仅具有巨大的潜在商业价值，而且为企业提升竞争力提供了新思路。企业怎样利用大数据在融资行为中发展？这里从企业决策、成本控制、服务体系、产品研发四个方面加以简要讨论。

企业决策大数据化。现代企业大都具备决策支持系统，以辅助决策。但现行的决策支持系统仅搜集部分重点数据，数据量小、数据面窄。企业决策大数据化的基础是企业信息数字化，重点是数据的整理分析。首先，企业需要进行信息数字化采集系统的更新升级。按各决策层级的功能建立数据采集系统，以横向、纵向、实时三维模式广泛采集数据。其次，企业需要推进决策权力分散化、前端化、自动化。对多维度的数据进行提炼整合，在人为影响起主要作用的顶层，提高决策指标信息含量和科学性；在人为影响起次要作用的底层，推进决策指标量化，完善决策支持系统和决策机制。大数据决策机制让数据说话，可以减少人为干扰因素，提高决策精准度。

成本控制大数据化。目前，很多企业在采购、物流、储存、生产、销售等环节引入了成本控制系统，但系统间融合度较低。企业可对现有成本控制系统进行改造升级，打造大数据综合成本控制系统。其一，在成本控制的全过程采集数据，以求最大限度地描述事物，实现信息数字化、数据大量化。其二，推进成本控制标准、控制机理系统化。量化指标，实现成本控制自动化，减少人为因素干扰；细化指标，以获取更精确的数据。其三，构建综合成本控制系统，将成本控制所涉及的从原材料采购到产品生产、运输、储存、销售等环节有机结合起来，形成一个综合评价体系，为成本控制提供可靠依据。成本控制大数据化以预先控制为主、过程控制为中、产后控制为辅的方式，可以最大限度降低企业运营成本。

服务体系大数据化。品牌和服务是企业的核心竞争力，服务体系直接影响企业的生存发展。优化服务体系的重点是健全沟通机制、联络机制和反馈机制，利用大数据优化服务体系的关键是找到服务体系中存在的问题。首先，加强数据收集，对消费者反馈的信息进行分类分析，找到服务体系的问题，然后对症下药，建立高效服务机制，提高服务效率。其次，将服务方案移到线上，打造自动化服务系统。快速分析、比对消费者服务需求信息，比对成功则自动进入服务程序，实现快速处理；比对失败则转入人工服务系统，对新服务需求进行研究处理，并快速将新服务机制添加至系统，优化服务系统。服务体系大数据化，可以实现服务体系的高度自动化，最大程度提高服务质量和效率。

产品研发大数据化。产品研发存在较高风险。大数据能精确分析客户需求，降低风险，提高研发成功率。产品研发的主要环节是消费需求分析，产品研发大数据化的关键环节是数据收集、分类整理和分析利用。企业官网的消费者反馈系统、贴吧、论坛、新闻评价体系等是消费者需求信息的主要来源，应注重从中收集数据。同时，可与论坛、贴吧、新闻评价体系合作构建消费者综合服务系统，完善消费者信息反馈机制，实现信息收集大量化、全面化、自动化，为产品研发提供信息源。然后，对收集的非结构化数据进行分类整理，以达到精确分析消费需求、缩短产品研发周期、提高研发效率的目的。产品研发大数据化，可以精准分析消费者需求，提高产品研发质量和效率，使企业在竞争中占据优势