风投选择三要素:经验、团队、业务模式

——访和通集团投资总监杜伟明和百联优力投资总监林捷
2008年9月5日,CSDN将在上海拉开第三届软件技术英雄会的帷幕。8个优秀创业项目,将以5分钟的电梯演讲的形式展现在观众面前。会议即将开幕之际,CSDN记者走访了和通集团投资总监杜伟明和百联优力投资总监林捷,与大家分享风投选择创业项目的经验。

随着互联网的日益发展,IT领域的创业热潮也不断升温。这里面,很多有创业想法的大学生朋友、毕业不久的年轻朋友,都愿意选择这样一种实现自我价值的方式,来磨砺自己。对此,杜伟明表示,“正是因为有了越来越多的创业者的参与,整个IT行业也才得到了横好的发展。从投资公司角度来看,也正是因为创业队伍的扩大,投资行业的发展也随之活跃起来。”

风投选择三要素:经验、团队、业务模式

两位投资代表向记者介绍到,在选择投资项目时,重点考虑的因素包含三个方面:经验、团队、业务模式。

一定的经验是基础:这里所指的经验,可以是行业工作的经验,也可以是创业的经验。初入社会的毕业生或在读的大学生,之所以创业成功的几率很小,很大原因就是因为缺乏实践的磨练。因此,在选择投资项目的时候,创业者是否有足够的工作经验成为一个重要的衡量标准。

林捷表示,“工作经验、社会经验都不足,需要实践的磨练,这样成功的比例很小,需要在第二次、第三次创业时成功的比例才更大。”目前更多的创投公司更倾向于选择经验丰富的创业团队来进行投资,这样可以提高成功的几率。相对于一个好的技术项目,一个稳定的开发团队则更显宝贵。

稳定的团队是核心:创业的过程,如果缺少了人的因素,也就无所谓创业了。在创业过程中,是否拥有一个稳定的团队,是能否成功的关键。 “从一个人的想法,到三五个人的实施,到一个十来人的团队,这其中,都需要良好的协调与分工。”杜伟明先生说道,“我个人觉得,一个好的团队比一个好的产品重要,因为一个好的团队可以在一次失败后重新尝试新的产品,直到找到适合发展的产品为止。”

一个稳定的团队,是需要时间来慢慢磨合的。到自己的团队发展到比较稳定的前提下,才能吸引风险投资的眼光。

业务模式是评判标准:一个产品的发展前景很重要,但前景美好还远远不够。“你的产品是否有现实的需求,能否吸引一批稳定的客户来尝试你的产品,这一点也是至关重要的。”杜伟明表示, “是否能吸引自己的业务合作伙伴,是否拥有自己的客户,在客户尝试过你的产品之后是否取得了较好的反馈……如果回答是肯定的,那吸引更多的风投也就不是问题了。”

对此,百联优力的林捷也表示,能否满足当前的市场需求,是产品能否存活的一个决定性因素。而区别于很多教育研发机构,商业性质的投资机构会更加看重创业企业的产品是否能在市场上占有一席之地。

正确面对失败

我们知道,每年,新注册的创业公司当中,近八成的企业都被市场无情地淘汰。杜先生告诉记者,其实创业并不怕失败的项目,如何对待失败才是最关键的。 “你可以通过其他方式积累经验,可以是创业的经验,也可以是在创业公司,和创业团队一起来感受创业的过程。等到积累足够的经验,积蓄力量以备重新开始。”

“选择创业项目时,或许你并不能从一开始就认定一个不变的方向,经过实践和尝试,在不断摸索的过程中找到更适合自己的项目才是最重要的。创业犹如大浪淘沙,只有持之以恒,才有可能取得成功。”

上海英雄会 期待更多优秀项目

上海,有着良好的商业氛围,也有一大批自主创业的年轻人,这也是培育出一些真正有市场竞争力的企业的基础和前提。“此前,我也经常参加一些类似电梯演讲的创新项目展示的活动,我也很高兴有机会参加此次CSDN举办的英雄会。通过大会,一方面,可以了解到软件技术发展的最新动态和发展趋势,另一方面,也可以结识更多的同行业的朋友。当然,我更希望,可以在会上看到跟多的有发展潜力的优秀项目的出现。”

我们很欣喜地看到,越来越多的人,参与到创业的队伍中来,同时,也有越来越多的人关注创业者们的发展情况。相信,整个软件行业,将在创新、开放、交流的大环境下健康地发展。

如果您想了解更多关于投资公司如何选择投资项目的内容,敬请关注2008 中国软件技术英雄会上海站。

……
原文地址:http://news.csdn.net/n/20080828/118410.html

相关新闻:
最后悔但是却最宝贵的经历

合作伙伴为创业打下坚实基础

品尝大牛分享的讲实话不谈道理的经验大餐

创业,一切皆有可能

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值