初創交易所大數據36kr

1. 36氪首發 - 「小碩數科」獲2000萬元A輪投資，助力傳統企業數字化轉型升級

36氪獲悉，產業場景數字化升級的技術服務商上海小碩數據 科技 有限公司（以下簡稱「小碩數科」）宣布完成2000萬元A輪融資，本輪融資由伯藜創投投資，源合資本擔任獨家財務顧問。本輪資金將主要用於技術投入和團隊招募。

小碩數科的核心團隊藉助過往行業Knowhow沉澱了一套成熟的技術平台框架，包含多種通用業務技術組件及大數據技術基座，為企業信用銷售管理的數字化轉型提供有力支撐。公司以「管理咨詢+產品技術+運營服務」的模式，為產業客提供全鏈條、多維度、跨周期的綜合解決方案。目前，其產業解決方案+產品+服務的矩陣，已經在多家頭部公司及產業場景完成落地實施。

「創業之前，小碩核心團隊已經積累了大量的供應鏈金融管理工具的方法和實踐，並希望把這些能力賦能到傳統產業中去。我們認為產業互聯網不是互聯網加產業，而是以產業為基礎，加上互聯網作為工具，去實現整體數字化能力的提升，小碩有運用這些工具為產業賦能的能力。」小碩數科創始人兼CEO華碩告訴36氪：「在服務客戶的過程中，我們發現供應鏈金融管理工具高度依賴於客戶自身的產業數字化基礎，所以小碩在去年進行了一次重要的迭代升級，從信用銷售管理到數字化切入產業數字化升級，打通了產業數字化解決方案，與工業金融工具解決方案的應用場景，並實現了客戶最佳實踐。」

在企業數字化轉型的背景下，客戶需要的不僅是一套軟體或產品，更需要的是和運營、以及內部系統深度整合的完整解決方案。具體到產業數字化賽道，包括未來的供應鏈金融運營，到現在為止還沒有被定義。小碩數科表示，會優先做出更多的最佳實踐，和標桿客戶。

當前階段，中國的傳統產業正在開始從賣方市場進入買方市場，對精細化管理提出了更高的要求。而據IDC數據，2022年中國數字化轉型支出達3291億美元，同比增長18.6%，傳統的管理軟體已經無法承載多變的業務需求，而多套系統並行的方式使得管理效率非常低下。

華碩談到：對於很多傳統產業，其自身的數字化程度還不夠高，通用型的產品反而會成為其數字化轉型的障礙。隨著小碩做的項目越來越多，產品抽樣能力也越來越強，未來在數字化升級這一領域，也能夠把它模塊化，降低實施周期和成本。

小碩數科自主研發了一站式數據治理平台DataCube，融合了數據匯集、開發、資產、質量、安全、可視化等模塊，是覆蓋數據全生命周期的數據治理平台，可以滿足產業互聯網企業對數據建設的要求，有效運用數據為業務賦能。

不同於多數數據中台產品會以大數據平台、AI計算等前沿技術作為產品賣點，在實踐中類似產品同樣會增加產品的學習和使用門檻，導致很多傳統行業用戶無法快速上手和見效。小碩數據中台為根據客戶數據建設的不同階段，搭配適合的技術方案，並提供階梯式的平滑升級機制，保證客戶快速上手使用。

小碩數科的典型客戶案例對於希望高效實現數字化轉型的傳統企業非常具有參考意義，某區域綜合農業集團企業，首先從小碩的金融中台入手，效果顯著，但還沒有達到超出預期的理想效果，究其原因是客戶本身的數字化基礎較為薄弱等問題。於是小碩數科又為客戶提供了業務中台，幫助企業解決了業務在線化和數據化的問題，企業運營效率得以大幅提升。得益於之前的愉快合作，考慮到自身的效率和成本的最優化，客戶又選擇由小碩幫助其進行供應鏈金融的代運營工作，成為了客戶的「共享金融事業部」，實現了數字化基礎設施+產品工具+服務運營的綜合數字服務生態。

在小碩數科的未來規劃中，短期內以夯實技術基座、以及拓客為主；中期將逐步向產品導向、運營導向的企服品牌蛻變；遠期則希望成為能夠持續為產業客戶提供價值的企業服務公司。

華碩特別強調：小碩數科的企業文化中有很重要的一條，就是希望能夠成為客戶信賴的夥伴，我希望小碩和客戶的關系不再是傳統意義上的甲乙方關系，而是能夠像夥伴一樣長期伴隨著客戶一起成長，把小碩的發展和客戶的遠期目標結合在一起，持續的為夥伴提供價值。

小碩數科成立於2019年，核心團隊成員來自B2B大宗電商獨角獸企業，有金融與產業的復合背景，熟悉產業交易習慣，對產業痛點和潛在風險點有深刻理解。

2. 天使投資公司有哪些

英諾天使：英諾天使創建於2013年，總部位於北京，主要投資領域有移動游戲、移動教育、O2O、互聯網金融。
英諾天使基金內部還有個「不投軍規」，比如「有家室喜歡泡妞」、「沉迷德州撲克及高爾夫」、「無契約精神」等。在李竹看來，英諾天使基金是他的第三次創業，這次創業不僅僅投資，更重要的是搭建一個完善的天使投資生態圈。在過去兩年時間里，李竹和團隊在不遺餘力的建立天使投資人圈，比如建立天使合投平台、只對天使投資人開放的天使茶館。

阿米巴資本：明星項目：快的、挖財、蘑菇街。阿米巴資本成立於2011年，由李治國、王東暉以及趙鴻創辦。
三位創始人都是行業背景，加之阿米巴資本的GP、LP也都來自於行業，因此也被稱為是「行業基金」，關注的領域主要是電商、大數據、企業服務、互聯網金融和廣告技術五個方向。阿米巴資本是快的打車、蘑菇街的天使投資方；同時，阿米巴資本也是「孩子學啥」的A輪投資方，後來被大眾點評收購，因此，阿米巴也成為了「新美大」的股東。

九合創投：明星項目：36kr、下廚房、91金融，「九合諸侯一匡天下」是九合創投名字中「九合」二字的出處。寓意能聚集更多的優質項目，幫助更多的創業者。
「趨勢+團隊+數據」是王嘯看項目的模型。現今的創業趨勢是移動互聯網，PC端的項目機會就會少很多；團隊，是幾乎所有天使投資人都看重的因素，人本身是否具備領導能力是創業成功與否關鍵；用戶累計、用戶質量是創業數據的重要因素。「符合其中2個因素的項目就是比較好的項目，同時滿足這三個因素的項目，成功率就非常高。」

溫馨提示：以上解釋僅供參考，不作任何建議，您在做任何投資之前，應確保自己完全明白該產品的投資性質和所涉及的風險，詳細了解和謹慎評估產品後再自身判斷是否參與交易。

應答時間：2021-11-17，最新業務變化請以平安銀行官網公布為准。

3. 我想投資創業怎麼找項目

1.自主尋找：自己尋找肯定是要找自己看好的項目。如何尋找，想必大家都很清楚。除了做投資領域的項目盡調，還可以關注科技媒體。比如經常報道初創企業的獵雲網、36kr、億歐網。或者關注虎嗅、鈦媒體這類平台上的熱點有沒有相關企業。在這些平台上，你會發現一些優秀的項目。

2.平台尋找：現在出現了不少創業服務類的平台。把創業者和投資人整合在一起，產生聯系創造價值。可以去創業邦、天使匯、微鏈、聚份子、創投圈等平台進行尋找。還可以根據你所喜歡的投資領域，進行篩選項目。現在鈦媒體、虎嗅、36kr、投資界等科技媒體也推出了旗下的互聯網創業融資服務平台，鏈接創業者與投資人。

3.朋友推薦：如果你身邊有一些連續創業者或者科技媒體記者，你可以試著讓他們進行推薦，畢竟他們身邊的創業資源是很豐富的。以我為例，平時因為愛發表文章的緣故，每天都會有許多創業者加我進行交流。有些投資人在創業邦、虎嗅、億歐網等平台看過我文章，就希望我推薦一些項目。更何況，那些科技媒體記者，他們每天都會接觸大量優秀的項目。如果你身邊有這類小夥伴，不妨讓他給你推薦推薦不錯的項目。

(3)初創交易所大數據36kr擴展閱讀

投資創業是投資於以高科技和知識為基礎，生產於經營技術密集型的創新產品或服務的投資；創業投資是專門購買在新思想和新技術方面獨具特色的中小企業的股份，並促進這些中小企業的形成和創立的投資；創業投資是一種向極具發展潛力的新建企業或中小企業提供股權資本的投資行為。

4. 大數據市場有多大 怎麼利用大數據賺錢

大數據市場有多大 怎麼利用大數據賺錢
「大數據的市場規模沒有天花板。」國務院發展研究中心信息中心研究處處長李廣乾認為。不過細想，這正是目前各大企業和資本瘋狂追逐大數據產業的重要原因。
「單獨討論大數據意義不大，它是依附於具體業務，和各個行業密切相關的。」李廣乾認為，大數據產業規模和兩大因素相關：一是經濟發展水平，需要大數據的業務越多，市場體量就越大;二是信息化發展水平，能夠產生數據的終端越多，數據就會越聚越多，而數據的生產是沒有上限的。目前，大數據的金礦還僅是開挖了「冰山一角」。全球來看，Gartner2016年最新的技術成熟度曲線顯示，大數據作為新興領域，已經進入應用發展階段，基礎設施建設帶來的規模性高速增長出現逐步放緩的趨勢，技術創新和商業模式創新推動各行業應用逐步成熟，應用創造的價值在市場規模中的比重日益增大，並成為新的增長動力。從總體規模看，2016年，全球大數據市場規模實現16.5%的增長，預計將連續3年保持增速在15%左右。同時，大數據成為全球IT支出新的增長點，2016年，有近40%的企業正在實施和擴大大數據技術的應用，另有30%計劃在未來12個月內應用大數據。「說大數據產業是一張畫得很大的餅顯然是片面的。」工信部賽迪研究院軟體所所長潘文預測，包括大數據硬體、大數據軟體、大數據服務等在內的大數據核心產業環節，2016年達到3100億元，將在2020年超過1萬億元;大數據關聯產業規模2016年超過5萬億元，將在2020年超過10萬億元;大數據融合產業規模2016年達到3.5萬億元，將在2020年超過20萬億元。「從大數據核心產業結構看，基於大數據的服務是大數據核心產業的主體，其規模約佔大數據核心產業規模的90%，未來，服務也將是大數據產業的最核心部分。」潘文說。做數據「搬運工」目前國內大數據公司分為兩類：一類是已有獲取大數據能力的公司，如網路、騰訊、阿里巴巴等互聯網巨頭及華為、浪潮、中興等企業，涵蓋了數據採集、數據存儲、數據分析、數據可視化及數據安全等領域;另一類則是初創大數據公司，依靠大數據工具，針對市場需求，為市場帶來創新方案並推動技術發展。不同的大數據公司，盈利模式也不相同。如果把大數據產業比作房地產開發，那麼海量數據就是地產開發時的土地資源，數據挖掘開發就是地產搭建蓋樓。大數據主要的盈利模式也是圍繞這兩方面展開，一是通過直接「搬運」數據賺錢，二是通過數據加工分析盈利。「我們就像一個自來水廠一樣，用戶要你提供干凈的自來水，對方可能是酒廠、飯店、飲料廠，他把你的水做成飲料或酒。」聚合數據就是一家主要依靠為客戶提供數據盈利的公司，公司創始人左磊對其商業模式作了一個形象的比喻。在開發APP應用過程中，左磊發現客戶對於數據的需求非常大，但他們本身卻沒有能力去做這些事情。聚合數據的主營業務，就是整合市面上有價值的數據源，從車輛違章信息、航班火車查詢、全國加油站實時油價，到在線試題、電影、股票，做成標准化的API(應用程序編程介面)，開放給開發者、企業及微信公眾號用戶等使用，為他們免除數據收集、維護等環節。簡言之，聚合數據是一家數據源公司，充當的是數據「搬運工」的角色。在變現模式上，針對一些本身成本不高的服務，聚合數據會對用戶實行免費，而對一些成本相對高的服務，會按照每個介面或服務的成本收取不同的費用。2016年，聚合數據光API介面一項營收就超過1000萬元。聚合數據的盈利模式是數據買賣市場一個有代表性的類型。另一個代表性類型是，國內乃至全球第一家大數據交易所——貴陽大數據交易所，自2015年4月正式掛牌運營以來，僅用兩年多時間，就實現了可交易數據總量超過150PB，內容涵蓋政府、金融、交通等30大類領域，並於今年上半年實現正現金流，預計今年底累計交易流水將突破2億元人民幣。數據的「消化」和「利用」如果說搬運數據是秀肌肉的「體力活」，那麼分析數據並提供解決方案就是拼智商的「腦力活」，相當於把收集來的數據「消化」「利用」好。直接售賣數據是比較底層的盈利方式，而對數據進行處理加工則在商業模式上具備更多的想像空間。數據分析可大致分為直接提供數據分析工具和輸出解決方案兩種模式。潘文說，數據分析工具通常可以實現情報挖掘、輿情分析、銷售追蹤、精準營銷、個性化推薦、網站/APP分析等功能，收費方式採取按需購買，部分功能服務免費，部分功能服務收費。阿里雲的「數加」平台就是典型的數據工具盈利模式。阿里雲大數據事業部總監徐常亮表示，阿里雲「數加」平台，承載著阿里巴巴集團、螞蟻金服的數據，可提供一站式的數據計算、加工、處理等服務，用戶不用自建計算平台。此外，基於「數加」平台，阿里雲還提供數十款應用工具，覆蓋數據採集、計算引擎、數據加工、數據分析、機器學習、數據應用等數據生產全鏈條。計算引擎之上，「數加」平台提供了最豐富的雲端數據開發套件，包括數據集成、數據開發、調度系統、數據管理、運維視屏、數據質量、任務監控。在數據分析方面，通過移動數據分析產品，開發者可快速搭建日誌採集、分析系統;通過「數加」平台BI報表產品，3分鍾即可完成海量數據的分析報告。在機器學習方面，「數加」平台發布的機器學習工具，可基於海量數據實現對用戶行為、行業走勢、天氣、交通等的預測。大數據公司百分點的展廳內有一面弧形牆，可以24小時實時更新數據資料和圖譜。這面牆上有全網當日產品銷售統計和熱銷產品榜單，每一個產品都有詳情介紹。百分點研發總監蘇海波介紹，5.5億用戶的「畫像」匯總於此，包括購物偏好、網購金額變化趨勢、閱讀興趣等。用戶的任何網上行為都會成為大數據的一部分，經過篩選加入到用戶的數據中。通過與百分點合作，商戶可以根據用戶消費偏好，定向推送商品;旅行社可以定向推送旅遊行程信息和報價;新聞資訊APP則可以推送用戶感興趣的信息。在輸出解決方案上，大數據還可以應用到醫療、教育、零售、通信等傳統行業。通過大數據產生更多收益，節約成本，優化原有行業，衍生出新的商業模式。

5. 在哪裡能找到各行業的分析研究報告

信息收集渠道：通常的渠道有公司官網、咨詢公司官網、券商研究、資料庫、微信、知乎、搜索引擎、網路爬蟲等。那麼究竟在什麼情況下用什麼渠道呢？下面逐一介紹。

公司官網：通常來說公司的官網包含信息很多，公司介紹、產品介紹、公司年報、招股說明書等，這些資料的可靠性通常比較好。上市公司的年報在經營分析內容裡面會對該公司的業務銷售情況、利潤的推動因素等進行分析，因此當你想知道上市公司的業務發展情況，年報是不錯的選擇。上市公司的年報獲取途徑可從證券交易所，公司官網、巨潮、雪球等渠道去獲取。

咨詢公司：咨詢公司報告通常可以幫助我們知道非公開的信息，因為咨詢公司通常會有自己的方法論對市場進行自己的定性分析，市場調研等，因此對於消費者的洞察、行業的趨勢研判通常找咨詢公司的報告，但是它同時也存在數據往往口徑難以統一。市面上的咨詢公司通常分為市場調查類咨詢公司和管理咨詢公司，前者一般為後者服務。市場調查類咨詢公司例如艾瑞、尼爾森、益普索等公司通常在消費者調研、行業分析等方面提供自己的洞察，他們並不為企業的發展提供戰略決策。這類咨詢公司的研究成果往往在他們的公司官網上都可以免費下載，可以作為我們行業研究數據的來源。管理咨詢公司有必要則會聘請市場調查類咨詢公司提供專門的調研分析，由管理咨詢公司為企業給出具體的戰略建議。當然像麥肯錫、貝恩、BCG、羅蘭貝格等在自己的官網也會分享自己的行業洞見，這些信息都是幫助我們作出行業發展研判、商業模式分析的重要信息來源。

券商報告：券商的研究報告大多針對的是上市企業及未上市的龍頭企業，因此當你想深度的了解某個行業的時候，可以考慮找10篇深度分析仔細研究，就算對行業有所了解了。上市公司的最新動態，公司策略行動都可以在券商的研究報告裡面找到。行業的數據也在這裡面可以找到，但是也可能存在多家券商報告的數據不統一的問題，這個時候就需要交叉驗證，選取合適的值。在這里推薦一個我常用的券商報告查詢網站，蘿卜投研。

專業資料庫：專業資料庫一般是收費的，但是信息也全，向Wind、惠博智能策略終端，有條件的可以考慮一下。當然也有免費的，一般多為政府部門網站，如國家統計局可查行業發展數據、人口數據，GDP數據等。另外還有工業相關的工業信息化部、金融相關的證監會、銀監會、證券交易所、中國人民銀行，進出口相關的中國海關，專利相關的國家知識產權網站，工商信息公示系統，查企業股權結構的企查查/天眼查、查政府政策的各級政府官網，各行業的行業協會，衛生統計局的人口情況查詢。

搜索引擎：學會利用微信、知乎等搜索渠道，常常會獲得一些業內人士的總結和分享，也是我很喜歡的信息獲取渠道。對於直接使用搜索引擎雖然快但是信息的真偽需要辨別，適用於在不知道該怎麼入手可用來模糊搜索，然後再溯源找到來源。在關鍵詞後面加pdf，關鍵詞中加「」，加網站名等通常會有意想不到的結果。

使用網路爬蟲等需要一定的技術基礎。關於信息搜索的渠道，請看我之前的這篇回答。

渠道判斷：你會發現上市公司、成熟行業我們很容易通過年報、券商報告、招股說明書、監管機構、專業的資料庫獲取信息，但是有些小企業，新興的行業我們怎麼獲取信息呢？答案是專家訪談、公開新聞、咨詢公司、消費者調研。前面說過咨詢公司報告常常會存在數據口徑不一致的情況，這個時候就需要多個數據來源做驗證，根據咨詢公司做的假設、時間是否是最新、數據推導的邏輯、渠道來源等綜合判斷自己應該採取的數據。

非公開的渠道獲取信息：對於很多信息你很可能在公開的渠道是沒辦法獲取的，這個時候問卷調研、打陌生電話、專家訪談、焦點小組進行頭腦風暴、實地調研等方法就成為了咨詢公司獲取非公開信息的渠道。當然每種方法都有自身的優點和局限性，下面我將一一分析。

專家訪談：特點就是貴，但是效率高，可以深入了解非公開的信息，例如知道行業的競爭格局、未來的行業發展趨勢、行業的關鍵成功要素、企業的核心競爭力等。這個時候行業訪談就要注意時間的把控，一般在半個到1小時。通常我們可以通過凱盛、三橋等專家庫公司幫助我們介紹專家，要針對訪談的目的，尋找那些剛剛離職的專家是最恰當的，畢竟在職的專家還是有所顧忌。提前准備好問題，一般10個左右，把重要的問題放在最前面，目的在於檢測專家的專業性以判斷是否繼續訪談，減少成本的同時可提高效率。整個過程中應該注意節奏的把握，引導專家往你的想要了解的問題走，做好信息記錄。隱私問題要學會站在專家的角度問題考慮，例如你如果直接問你所在公司的核心競爭力是什麼？往往會給專家尷尬，我們換個問題，例如像如果讓您來運營一個和你們類似的企業，您覺得什麼最重要？這樣通常能夠減少專家的心理負擔。而對於數據性的問題，切忌一口氣問一大推關鍵數據指標，往往很難讓人一口氣回答。記得將問題進行分解，一個復雜問題拆解為多個問題，層層推進，最後總結和對方確認即可。

陌生電話：耗時耗力，但也可以獲取專家訪談獲取的信息。因為給陌生人打電話，因此需要作合理的身份假定，做好心理建設，同時得到信息要作交叉驗證，以確保被拜訪人不是亂回答一通，准備的問題5個以內，想了解多個問題的時候可以隔幾天再拜訪。遇到前台應表現簡短直接的語氣，提供公司的員工名字等增加信任度，要多學會站在對方的角度思考，打這個電話會給對方帶來什麼好處？

問卷調研：一般包括明確目的，設計問卷，問卷發放回收並分析。首先我們先明確本次問卷調研的目的是什麼，調研的對象，需要收集的信息。關於問卷的設計，應該將重要的問題往前面放，因為人往往最開始是最有精力的，因此為了保證質量，問卷花費的時間不宜超過20分鍾，同時在不同提好設置相似問題來進行交叉驗證。一般而言調研問卷應該是設計好之後先小規模投放，尋找出問題，例如問問題的方式是否有不合適的，是否有歧義的地方，是否有不完善的地方？例如不用像偶爾，幾乎不這樣有不同理解的詞語，選項之間要相互獨立，完全窮盡，遇到敏感問題要想辦法消除對方的顧慮，如提示對方問卷結果將嚴格保密，不引導對方得出答案等。在修改完成之後再進行大規模的投放，之後就是搜集分析。

實地調研：在選擇實地調研的地方應該從時間和地點兩個維度去考慮。首先時間上面應該考慮早中晚，周末和工作日。地點應該在市中心、市郊、商業區、居民區都應該選取調研的樣本，這樣才更加的有代表性。

焦點小組：焦點小組的重點在於讓每個參與者能夠充分的發表自己的意見，如何做到？當然最好的辦法就是讓每個人明確本次討論的目的，讓參與者提前准備，這樣才不至於最開始的冷場。小組討論開始前最好都進行自我介紹，人往往願意和自己熟悉的人進行經驗分享。既然是頭腦風暴，因此設計的問題不應該是yes or no的問題，而應該是能夠引起廣泛討論的，難題放中間，因為中間時段是大家最活躍的時期。主持人的作用就是保持中立，明確主題，確保大家在正確的道路上，同時別忘記了記錄好討論的內容。

6. 大數據能否終結老鼠倉時代

大數據能否終結老鼠倉時代
維克托·邁爾舍恩伯格在他的《大數據時代》一書中寫道：「大數據時代最大的轉變就是，放棄對因果關系的渴求，而取而代之關注相關關系。也就是說只要知道『是什麼』，而不需要知道『為什麼』。」
頗有些戲謔的是，「大數據」在中國證券市場上的應用，並不是在投資交易領域的應用，而是以「捕鼠」為開端，博時基金的馬樂第一個被「捕鼠神器」逮住。
交易所在掌握了「大數據」利器後，意味著海量的交易數據被持續的跟蹤和分析，用以發現「相關關系」。那麼，基金經理「老鼠倉」時代是否就此宣告終結？
至少可以確定的是，以往案例中傳統的、明目張膽的老鼠倉行為將在大數據面前無所遁形，並且會很快被偵測出來，這將大大提高老鼠倉的操作難度，減少老鼠倉行為的發生。但就此斷言大數據將終結一切老鼠倉，亦為時尚早。
解密交易所「大數據」
一般而言，「大數據」是指不用隨機分析法（抽樣調查）這樣的捷徑，而採用「所有數據」的方法，對海量數據進行分析。「大數據」具有「4V」特點：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（價值）。
據悉，滬深交易所的大數據監測系統從建立到完善，已經有幾年的時間。即在國內「大數據」概念還不太為人所知的時候，交易所已經走在前列，從國外引進了大數據技術。但由於這樣的監測系統並不對外開放，所以在「馬樂案」前，業界知之甚少。
即使到目前，交易所掌握的大數據工具，其模型和運作（計算）方式也依然只能被勾畫出一個輪廓。相關信息顯示，在交易所依法設立的證券交易監控系統中，上交所異動指標分為4大類、72項，敏感信息分為3級共11大類、154項；深交所則建立了9大報警指標體系，合計204個具體項目。
深交所總經理宋麗萍在2013年3月間的一次公開發言中亦透露，交易所有「幾十人的監控室，設置了200多個指標用於監測估算」，這在相當程度上印證了上述監控系統參數設置的真實性。
馬樂是如何「現形」的？
交易所的大數據工具晝夜不知疲倦的對海量交易數據進行分析和比對，這改變了以往發現老鼠倉「現形」的模式——在「前大數據時代」，大部分老鼠倉是通過「舉報」被發現，交易所處於較為被動的角色。但進入「大數據時代」後，交易所則是通過主動的數據挖掘來發現老鼠倉。
馬樂案即是交易所主動挖掘的結果。
深交所監管部門在日常監控時發現一個10億元賬戶重倉的小盤股和馬樂掌管的「博時精選」高度重合。進一步追查發現，一個3000萬的賬戶亦是如此，交易所隨即上報證監會並立案。
有數據分析專家向記者解析，交易所挖掘的數據就是交易數據，因此非常容易採集，這是很適合應用大數據工具的。在數據引用後，就進入「數據索引」或稱「模型搭建」的階段，通常將四個因素，即價格、成交量、時間、空間進行量化分析，整個數據處理過程是自動的，包括「自動關聯、自動聚類、自動分類、自動重排」的快速計算。
具體而言，馬樂「老鼠倉」的操作中，其頻繁進出中小板和創業板個股，很容易被系統監測到與博時精選的「關聯性」，系統也會自動將其賬戶歸類。因此交易所只要進一步分析這些操作的時間差，就不難將「老鼠倉」抓獲。
而到了這一階段，交易數據層面的證據也已經相當確鑿，再輔之對賬戶資金來源的調查，「老鼠倉」行為根本沒有任何辯駁的空間。
老鼠倉時代已經終結了嗎？
大數據工具的出現，意味著老鼠倉時代的終結嗎？
從基金經理行為層面分析，老鼠倉此前之所以頻繁發生，很重要的原因在於這種行為本身的違法成本過於低廉，在「低風險、高收益」的情況下，基金經理面臨巨大的誘惑，有足夠的動力進行違法違規行為。而大數據工具的存在，使得「老鼠倉」行為被發現的概率極大提高，導致違法成本巨幅增加，其震懾力不言而喻。
但就此斷言「老鼠倉」時代已經終結，則或許過於絕對。
與真正意義上需要藉助於「雲計算」的「大數據」處理不同的是，目前業界所稱的交易所「大數據」是對交易所一系列監察系統口語化的統稱。有數據分析專家指，從這個層面上來說，交易所「大數據」實際上是一整套監測模型，其數據架構方式、數據計算比對的邏輯過程等是模型的核心，這套系統對傳統的老鼠倉模式幾乎是可以做到「見血封喉」，但不排除將來出現更「智慧」的違法者，「繞道」系統監測的領域，或者以更復雜的交易模式來躲過系統的監測，也未可知。因此只能說，大數據終結了以往「老鼠倉」的「草莽」時代，再以傳統手法行事已行不通，但「後大數據時代」的貓鼠之戰，或許只是剛剛開始。