在工作和学习中,我们难免会碰到需要收集信息和数据的情况,但是相关范围和渠道实在是很有限。如何解决这些问题?如何确保持续地收集这些数据和信息?本文作者总结了他的3个方法,供大家一起参考和学习。
对于互联网人来说,信息收集是基本功,是很关键但又经常被忽略的能力。特别是对于产品经理而言,启动新项目、接触一个新的领域时,都需要先去了解这个行业、了解业务背景,观察行业的趋势以便做出正确的选择。
例如前段时间,5G的概念炒得很火。假设有一天,领导想让你去分析分析现在5G行业的趋势以及应用场景,看看能跟自己家的产品怎么结合,该怎么做呢?
很多同学从业多年还是习惯性先打开百度,再聪明一点的同学会到上易观智库、199IT以及TrustData等资讯平台搜索相关的报告。
这些渠道找到资料实在是很有限,同时也很难获得有效结论。所以今天借着这篇文章我给大家传授几招信息收集的方法。
方法一:券商行业研究报告第一招是从券商行业研究报告中,找到某个行业的相关数据与趋势分析。
券商行业研报,是指证券公司的研究人员通过对证券及相关产品的价值,或者影响其市场价格的因素进行分析,所作出的研究报告。
一般的券商行业研报可以分为两类:其中一类是行业研究报告会定期跟踪行业数据,例如猪肉价格、日用品价格、家电价格、贵金属价格等等;还有一类则是行业的深度研究报告,适合需要对某个陌生行业做出系统性了解的投资者,例如5G、区块链、人工智能等新概念和大机会。
这些资料对我们来说就很有用了,一般的券商都有比较密切的产业链关系,比较多直接信息来源从而给出为产业发展提供参考价值的前瞻性观点,同时对未来大趋势的格局有较为清晰的认知和判断,可以提供直接的参考意见。
说了那么多好处,那么在哪里可以找到这些券商行业研究报告呢?
第1步打开东方财富网的研究报告中心:http://data.eastmoney.com/report/
点击行业研报的搜索框,找到自己感兴趣的专业领域,一般我们都是看电子信息或软件服务这两类;
第2步寻找你需要找到的资料,通常我们都是看各类“专题报告”或“领域研究报告”,找到以后点击对应的标题即可,例如我们选择这份「计算机行业深度:5G来临,关注三张表」;
第3步点击页面中的「查看PDF」按钮,即可获得你想要的报告内容;
这个网站最大的好处在于它不单单收录了各大券商的研报,还会收录大型咨询公司以及或数据机构发布的各类相关报告。
对于普通同学来说,我们从这些报告中一般就能够找到所需资料。如果是对证券比较熟悉的同学,还能够通过各种指标观察行业的走势。另外有能力的同学可以按照相同的方法找国外券商的分析报告。
这种方法唯一的缺点在于:行业报告良莠不齐,需要有一定的经验以及对行业的理解才能分辨,所以我们要看看多几个券商给出的报告,切勿引用臆断的行业报告结论来做出判断。
同时行业报告的材料都是偏行业性、或是某个具体公司的研究,我们只能作为辅助参考材料,还是需要对具体问题具体分析。
网站整理:
东方财富网:http://data.eastmoney.com/report/发现报告:https://www.fxbaogao.com/方法二:招股说明书或公司财报当我们想要快速了解某个市场环境或一家新上市的公司(了解这家公司为什么能够上市)时,招股说明书是我们最好的帮手。
招股说明书是首次公开发行股票所有申请文件中最重要的文件之一,也是我们了解一家不熟悉的公司最快速、直接的方式。同时,一份招股书是一家公司披露信息最全面的一次,因此在说明书中包含了大量的行业信息,从中能够获得对行业的基本判断。
每家公司的招股书,通常都有一节内容是专门介绍公司业务、技术与市场环境的,同时一个企业的核心竞争力很多时候也要通过这一节来体现。
这一节主要内容为介绍企业所处行业的概述、市场容量、前景、竞争格局,会提供企业自身所处的行业位置、核心竞争力,要详细披露销售模式、采购模式、生产流程,这部分内容是投行人员要翻阅各种行业资料,查阅各种数据统计网站,对高管和技术人员进行种种访谈来所得来的,是关乎企业发展的核心信息。
大家都知道,通常国内的公司会选择A股,港股或美股上市。而国内的互联网公司多数都在港股或美股市场上市,所以我们主要讲讲怎么找到港股和美股的招股书。
1. 找港股招股书(1)打开港交所的官网HKEXnews:https://www.hkexnews.hk/index_c.htm
(2)如果想找未上市的招股书信息则点击菜单:「新上市」->「申請版本,聆訊後資料集及相關資料」,然后点击对应公司那一栏的「全文档案」即可浏览;
(3)如果想找到已上市公司的招股书或财报信息则点击菜单:「新上市」->「新上市資料」,在这个页面中就能看到招股章程或新上市公告。
例如最近阿里巴巴在港股市场登陆,从招股书中我们不但可以看到阿里巴巴发展的历程,还能看到各类平时比较难收集的数据以及阿里巴巴对于市场机会的分析。
2. 找美股招股书找美股招股书就比找港股稍微麻烦一点,主要是因为语言环境不熟悉(善用翻译软件)再加上美股市场比较大,文件堆放比较杂乱。
(1)打开美国证券交易委员会官网(SEC):https://www.c.gov/
在菜单栏中找到:「FILINGS」->「Company Filings Search」,点击进入页面;
(2)在页面中找到「Fast Search」,这里是一个快捷搜索框,我们只需要把搜索公司对应的简称输入即可。例如我们想要分析一下咖啡市场环境以及瑞幸上市的原因,那么我们可以在搜索框中输入瑞幸咖啡的简称“LK”。
(3)搜索的结果页包含的文件有很多,而我们要的目标文件是「S-1」或「F-1」。这里需要了解:S-1文件为美国本地股的招股说明书,F-1文件为中概股/非美国本地企业招股说明书。
由于从筹备上市到真正上市,招股书一般会经过多次修订,提交了几次修正文件F-1/A以补充必要财务信息,股权信息等,资料才完备。通常我们选择日期最后一次提交的F-1/A文件为基础阅读。那里信息最全最新。
(4)在页面中再次选择「F-1」文件,点击对应的「document」按钮即可。在瑞幸的招股书中,我们可以看到中国咖啡市场的特点以及发展趋势,也能够了解瑞幸在这方面的优势。
下一次如果想了解一个新的行业、新的市场时,不妨先看看这个市场有没有龙头上市公司,再看看他们的招股书或财报,通过这种方法,相信能够帮助你建立更全面的了解。
网站整理:
巨潮资讯(A股已上市):http://www.cninfo.com.cn/new/index证监会(A股未上市):http://www.csrc.gov.cn/pub/newsite/xxpl/yxplHKEXnews(港股):https://www.hkexnews.hk/index_c.htmSEC(美股):https://www.c.gov方法三:阿里云社区最后这一招适合做B端、云服务、人工智能的同学。
阿里云社区可谓是一个宝藏社区,在这上面有阿里云所有服务的详细文档和以及基础的教程,非常适合我们快速了解一项不熟悉的新业务或是了解阿里的业务解决方案。
首先打开阿里云产品定价页面:https://www.alibabacloud.com/zh/pricing,可以看到阿里云的服务列表。
如果我们想看和机器学习相关的内容,只需要在页面中找到对应的标题,进入页面后点击文档中心,即可看到所有关于机器学习的完整内容。
在这个页面,我们不但能够看到机器学习的基本介绍、功能概述以及实践应用的案例,还能够了解阿里是如何搭建一个机器学习平台的,对很多公司的同学都有一定的参考意义。
另外如何想看相关的教程,我们还可以进入阿里云大学:https://edu.aliyun.com
在这里可以找到云计算、大数据、人工智能等领域的相关教程。
同理我们在腾讯云社区以及其他一些云平台社区也能找到相关的文档或教程。
以上就是给大家分享的三个收集信息的渠道,最后再给大家整理一波国家机构公开数据的发布网站,希望大家都能愉快地找到想要的数据。(via 知乎曹婷婷)
http://www.caict.ac.cn/kxyj/qwfb/qwsj 中国通信院 (国家智能机出货量的官方统计)http://www.camet.org.cn/index.php?m=content&c=index&a=lists&catid= 18中国城市轨道交通协会(有中国城市地铁线路的流量数据)http://www.gov.cn/fuwu 国家的便民服务查询(包括5A景区,小微企业名录,法人信用查询,出租车信息查询)http://www.gov.cn/shuju/chaxun/index.htm 国家宏观经济数据(GDP,CPI,总人口,社会消费品零售总额,粮食产品,PPI,各地区行政规划,各地财政收支等等,分月度季度和年度)http://www.stats.gov.cn/tjsj 国家统计局(数据多到瞠目结舌,包括年度,季度,国家,国际,年鉴,介乎涵盖所有数据指标和历史)#专栏作家#阿翘,微信公众号:阿翘AKIU。平安科技资深产品经理,《产品经理进阶:100个案例搞懂人工智能》作者;擅长人工智能技术在金融领域的商业化应用,实践经验丰富,对产品设计方法论有深入洞察。
本文原创发布于人人都是产品经理,未经许可,不得转载。
题图来自 Unsplash,基于 CC0 协议
本文发布于:2023-02-28 21:04:00,感谢您对本站的认可!
本文链接:https://www.wtabcd.cn/zhishi/a/1677722217102262.html
版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系,我们将在24小时内删除。
本文word下载地址:数据收集(数据收集工具).doc
本文 PDF 下载地址:数据收集(数据收集工具).pdf
留言与评论(共有 0 条评论) |