1、自动化
 
        PID、PLC、DCS
 
2、信息化
 
        工厂财务  办公
 
        ERP MES  电商
 
3、网络化
 
         工厂内网、外网，有线、无线连接
 
4、智能化
 
         OT IT融合，云计算，大数据，AI，新一代应用
 
 

原文发布在技术创业微门户-踏得网（Techbrood.com）
融资概述
要创立一家公司或者引入一个新的产品，融资必不可缺，有几种可能的融资方式，合伙人筹款、向亲戚朋友借款、个人银行贷款、政府创新基金以及众筹模式。
如果需要更多资金或者有更大的发展目标，创业家可能需要转向天使资金（专业投资的个人资本）或者风险投资公司。天使投资人以及风险投资公司还可以提供初创企业通常缺乏的专业知识咨询，如法律、财务和市场营销知识。
风险资本融资通常分为5个阶段：
种子阶段（Seed Stage）
启动阶段（A阶段，Start up Stage）
第二阶段（B阶段）
第三阶段（C阶段）
预上市阶段（D阶段，Bridge/Pre-public Stage）
在必要的时候，阶段的数量和类型可以由风险投资公司进行扩展和调整。这是常见的，如果由于管理不善或市场条件，企业没有达到预期效果。
1. 种子阶段
创业者刚刚有些不那么成熟的想法，需要把想法做一个快速的原型实现，来让周边朋友、局部市场进行概念验证。这个阶段需要投入种子资金，以帮助创业者把想法从土地里萌芽出头，长出产品原型。在这个阶段，创业者需要向投资人解释清楚理念的价值所在。投资人则会关注于理念的技术和市场可行性研究，确认其是否具备现实的投资价值。如果理念或产品中存在部分的价值，那么投资人会帮助进行价值提取、聚焦或延伸扩展，投入更多时间进行观察和考量；
2. 启动阶段
如果这个想法或产品具备可行性，那么进入下一个阶段，即启动阶段。这个阶段，创业者需要向风险投资公司提供商业计划书，详细说明发展计划、资金需求、预期成果，这个阶段产品被快速迭代开发、全面测试，完善功能特性和数据内容，持续提升客户体验，提炼核心目标和用户价值。初步形成创业核心团队，需要建立精益的管理模式，基本的日常制度，有效的团队例行沟通方式。在某些情况下，产品在被推向市场，进行适度营销和销售。风险投资公司会持续观察创业团队的执行力，会需要创业团队提供市场调查结果，以决定是否进行持续的投资、是否需要提出调整管理团队和发展策略的建议等。
这个阶段，由于产品已经进行了有限和局部的市场检验，产品价值变得更为清晰，不确定性得以减少，可以有一个基本的收入预测，便于投资人更好的确认是否具备足够的商业价值和发展空间，投资损失风险开始缩小。
这个阶段的人员规模大概在50人左右，以产品开发为主，大约70%。
3. 第二阶段
这个阶段企业将快速发展和扩张，因此也将面临主要的两个关键要素：市场竞争和运营成本。这两个方面的执行和控制将决定企业能否持续健康成长，在这个阶段，产品形态、业务模式可能会根据市场竞争情况做出较大的调整，投资人将观察该阶段创业团队的管理、规划和应变能力；产品开发成本将减少，运营成本比重将大幅提高，需要关注、分析、优化营销效果和用户反馈。伴随创业团队的成长，投资损失的风险在这个阶段进一步下降。
这个阶段的人员大概在100到200人左右，运营、市场、营销、运维、管理、人事、财务各方面的人才都需要补充进来，产品开发人员比例降低到30%左右。
4. 第三阶段
这个阶段企业已经赢得了一定的市场份额并试图扩大版图，收入模式得到一定程度的验证，正在尝试深化业务拓展，加大销售规模和扩展产品形态以及提升管理效率。随着职业经理人的引进，组织变得稳定成熟，管理变得规范有序。这个阶段可以通过诸如SWOT分析这类的方法来优化战略规划和管理，可以通过项目管理、生命周期管理、质量管理等方法来缩短产品开发周期，优化公司运营流程，提升公司效益。在某些情况下，开始投入新产品的研究和新技术的跟踪。投资人会分析第二阶段目标的达成情况并观察评审新设定的目标，关注成本降低措施的执行。

5. 预上市阶段
一般而言，这是风险投资融资过程的最后一个阶段，这个阶段主要目标是为公司上市做好准备，投资人可以退出并获得与所曾承担之风险相对应的收益。

这个阶段，公司已经取得了一定的市场地位，这让公司可以有机会去并购一些其他公司，保持竞争优势，消灭竞争对手。对内而言，公司需要检查产品市场地位，必要时重新定位，以占领更多的细分市场。这个阶段也是正式推出新产品新服务以获取新用户新市场的良好时机。

偶尔有公司幸运的获取到了非常成功的初始市场影响，可能会跳过这个阶段，直接从第三阶段进入退出阶段（上市）。不过通常这样的情况下，企业并没有达到风险投资公司之前设定的标准。

最近在做一个数字化的项目，要打造一款数字化产品，大家在讨论这个产品的演进路径的时候，为这个演进路径分了这么几个阶段。记录下来，以后再做产品可以用这个来框一框
 
这里不谈用户体验的事儿，这事儿哪个阶段都有做的好的和不好的
 
为了避免忘记，再举几个例子，传统产业，信息产业都举一个
 
传统产业：汽车
 
信息产业：美颜
 
 
 
天才型阶段
 
这个阶段的产品主要关注的是功能，提供越来越丰富的功能
 
业务可以由功能组合而成，但是怎么组合，这是由使用的人来掌握的
 
使用的人业务水平和对产品熟悉程度的高低直接决定了最终业务的效果
 
如果使用者不是一个天才，这个阶段的产品对他来说及很难创造生产力
 
比如手动挡汽车，档位自己控制，想起步快，想省油都可以，你只要会开
 
比如ps，各种滤镜，蒙版，涂抹工具，想祛斑，想变白，想大长腿都可以，只要你会用
 
但是，天才哪有那么多呢
 
 
 
专家型阶段
 
这个阶段的产品主要关注的是主要业务，功能丰富不丰富不重要，只要能完成主要业务就可以
 
使用的人也不用关注功能，他只要是业务的专家就可以
 
产品已经抽象好了业务和场景，专家只要说我要满足什么业务
 
比如自动挡汽车，不用关心档位，自动帮你换挡，你的主要业务其实就是出行，满足你从A到B就OK
 
比如美图秀秀，不关心你使用蒙版技术还是别的什么技术，我关注的就是眼睛7分大，下巴8分尖
 
但是，你以为你以为的真的是你以为的吗？
 
 
 
智能型阶段
 
当有了大数据，有了机器学习之后，人们突然发现，通常我以为我以为的未必是我以为的
 
我认为的事实，很有可能都是假的，有些可能是自我认知的障碍，有些可能是自我认知偏差，有些可能是光环效应，等等
 
大数据虽然没有办法直接预测因果，但是他能呈现事实
 
当产品遇到了这两个东西的时候，他就可以真正的根据事实来自我进化，这就不是被动的了
 
如果我们把这个产品看做一个生物，那这就是有主观意愿进行的进化了
 
比如自动驾驶，你也不用关心我是怎么干的，反正我能自动开，就行啦
 
比如锤子手机自带的美颜相机，那就是根据美女主播的数据学习的结果，你自己说喜欢什么脸型不重要，重要的是你去看哪种的
 
但是，如果这样的话，这个世界多单调
 
 
 
定制型阶段
 
当我们统一化的满足了大多数人的需求之后，一定会走上定制化的路
 
这就是人性所决定的，在群体中释放自我，在自我中寻找群体认同
 
不久，我们就会有能够学习你自己驾驶风格习惯的自动驾驶汽车，能够学习你的审美的美颜相机，能够学习你口音的语音输入等等
 
 
 
这并不是说后一个阶段会淘汰前一个阶段
 
就像美颜相机问世之后，高级作图依然需要用PS
 
自动挡汽车出来后，追求操控感的人还是会买手动挡
 
只不过面向的群体会是一个锥形的，或者说是满足正态分布的，两头人少，中间人多

目录
 
一 概念阶段（1978-1988）
 
二 萌芽阶段
 
三 集成阶段
 
四 确立阶段（1991）
 
五 数据集市（1994－1996）
 
六 争吵与混乱（1996-1997）
 
七 合并（1998－2001）
 
八 未来
 

一 概念阶段（1978-1988）
 
数据仓库最早的概念可以追溯到20世纪70年代MIT的一项研究，该研究致力于开发一种优化的技术架构并提出这些架构的指导性意见。第一次，MIT的研究员将业务系统和分析系统分开，将业务处理和分析处理分成不同的层次，并采用单独的数据存储和完全不同的设计准则。同时，MIT的研究成果与80年代提出的信息中心（InformationCenter）相吻合：即把那些新出现的、不可以预测的、但是大量存在的分析型的负载从业务处理系统中剥离出来。但是限于当时的信息处理和数据存储能力，该研究只是确立了一个论点：这两种信息处理的方式差别如此之大，以至于它们只能采用完全不同的架构和设计方法。
 
二 萌芽阶段
 
在80年代中后期,作为当时技术最先进的公司,DEC已经开始采用分布式网络架构来支持其业务应用，并且DEC公司首先将业务系统移植到其自身的RDBMS产品：RdB。并且，DEC公司从工程部、销售部、财务部以及信息技术部抽调了不同的人员组建了新的小组，不仅研究新的分析系统架构，并要求将其应用到其全球的财务系统中。该小组结合MIT的研究结论，建立了TA2（TechnicalArchitecture2）规范，该规范定义了分析系统的四个组成部分：
 
数据获取
数据访问
目录
用户服务
其中的数据获取和数据访问目前大家都很清楚，而目录服务是用于帮助用户在网络中找到他们想要的信息，类似于业务元数据管理；用户服务用以支持对数据的直接交互，包含了其他服务的所有人机交互界面，这是系统架构的一个非常大的转变，第一次将交互界面作为单独的组件提出来。
 
三 集成阶段
 
全企业集成（EnterpriseIntergration，1988）同时，IBM也在处理信息管理不同方面的问题，其最烦人的问题是不断增加的信息孤岛，IBM的很多客户要面对很多分立系统的数据集成问题，而这些系统有不同的编码方式和数据格式。1988年，为解决全企业集成问题，IBM爱尔兰公司的BarryDevlin和PaulMurphy第一次提出了“信息仓库（InformationWarehouse）”的概念，将其定义为：“一个结构化的环境，能支持最终用户管理其全部的业务，并支持信息技术部门保证数据质量”，并在1991年在DECTA2的基础上把信息仓库的概念包含进去，并称之为VITAL规范（virtuallyintegratedtechnicalarchitecturelifecycle），将PC、图形化界面、面向对象的组件以及局域网都包含在VITAL里，并定义了85种信息仓库的组件，包括数据抽取、转换、有效性验证、加载、Cube开发和图形化查询工具等。但是IBM只是将这种领先的概念用于市场宣传，而没有付诸实际的架构设计。这是IBM有一个领域上创新后停止不前导致丧失其领先地位。因此，在90年代初期，数据仓库的基本原理、框架架构，以及分析系统的主要原则都已经确定，主要的技术，包括关系型数据存取、网络、C/S架构和图形化界面均已具备，只欠东风了。同时，在1988年－1991年，一些前沿的公司已经开始建立数据仓库。
 
四 确立阶段（1991）
 
企业级数据仓库（EDW，1991）1991年，BillInmon出版了其有关数据仓库的第一本书，这本书不仅仅说明为什么要建数据仓库、数据仓库能给你带来什么，更重要的是，Inmon第一次提供了如何建设数据仓库的指导性意见，该书定义了数据仓库非常具体的原则，包括：数据仓库是面向主题的（Subject-Oriented）、集成的（Integrated）、包含历史的（Time-variant）、相对稳定的（Nonvolatile）、面向决策支持的（DecisionSupport）面向全企业的（EnterpriseScope）最明细的数据存（AtomicDetail）数据快照式的数据获取（SnapShotCapture）这些原则到现在仍然是指导数据仓库建设的最基本原则，虽然中间的一些原则引发一些争论，并导致一些分歧和数据仓库变体的产生。
 
但是，BillInmon凭借其这本书奠定了其在数据仓库建设的位置，被称之为“数据仓库之父”。
 

 五 数据集市（1994－1996）
 
数据仓库发展的第一明显分歧是数据集市概念的产生。由于企业级数据仓库的设计、实施很困难，使得最早吃数据仓库螃蟹的公司遭到大面积的失败，因此数据仓库的建设者和分析师开始考虑只建设企业级数据仓库的一部分，然后再逐步添加，但是这有背于BillInmon的原则：各个实施部分的数据抽取、清洗、转换和加载是独立，导致了数据的混乱与不一致性。而且部分实施的项目也有很多失败，除了常见的业务需求定义不清、项目执行不力之外，很重要的原因是因为其数据模型设计，在企业级数据仓库中，Inmon推荐采用3范式进行数据建模，但是不排除其他的方法，但是Inmon的追随者固守OLTP系统的3范式设计，从而无法支持DSS系统的性能和数据易访问性的要求。这时，RalphKimball出现了，他的第一本书“TheDataWarehouseToolkit”掀起了数据集市的狂潮，这本书提供了如何为分析进行数据模型优化详细指导意见，从DimensionalModeling大行其道，也为传统的关系型数据模型和多维OLAP之间建立了很好的桥梁。从此，数据集市在很多地方冒了出来，并获得很大成功，而企业级数据仓库已逐渐被人所淡忘。
 
六 争吵与混乱（1996-1997）
 
企业级数据仓库还是部门级数据集市？关系型还是多维？BillInmon和RalphKimball一开始就争论不休，其各自的追随者也唇舌相向，形成相对立的两派：Inmon派和Kimball派（有点象少林和武当，呵呵）。在初期，数据集市的快速实施和较高的成功率让Kimball派占了上风，但是很快，他们也发现自己陷入了某种困境：企业中存在6－7个不同的数据集市，分别有不同的ETL，相互之间的数据也不完全一致。同时，各个项目实施中也任意侵犯了Inmon开始定下的准则：把数据集市当成众多OLTP系统之后的有一个系统，而不是一个基础性的集成性的东西，为保证数据的准确性和实时性，有的甚至可以由OLTP系统直接修改数据集市里面的数据，为了保证系统的性能，有的数据集市删除了历史数据。等等，不一而足。当然，这导致了一些新的应用的出现，例如ODS，但是人们对DataWarehouse、DataMart、ODS的概念非常的模糊，经常混为一谈。有人说OLAP就是数据仓库，也有人说我要ODS和DataMart，不要Datawarehouse，也有人说，我DataMart建多了，自然就有DataWarehouse了。但是BillInmon一直很旗帜鲜明：“你可以打到几万吨的小鱼小虾，但是这些小鱼小虾加起来不是大鲸鱼”
 
七 合并（1998－2001）
 
经过多翻争吵，证明one-size-fits-all是不可能的，你需要不同的BI架构来满足不同的业务需求。BillInmon也推出了新的BI架构CIF（Corporationinformationfactory），把Kimball的数据集市也包容进来了，第一次，Kimball承认了Inmon，但是仍然还有很多人在争论是自顶向下，还是自底向上。
 
八 未来
 
实时即未来。
 
 
 
数仓系列传送门：https://blog.csdn.net/weixin_39032019/category_8871528.html