初创交易所大数据36kr

1. 36氪首发 - 「小硕数科」获2000万元A轮投资，助力传统企业数字化转型升级

36氪获悉，产业场景数字化升级的技术服务商上海小硕数据 科技 有限公司（以下简称“小硕数科”）宣布完成2000万元A轮融资，本轮融资由伯藜创投投资，源合资本担任独家财务顾问。本轮资金将主要用于技术投入和团队招募。

小硕数科的核心团队借助过往行业Knowhow沉淀了一套成熟的技术平台框架，包含多种通用业务技术组件及大数据技术基座，为企业信用销售管理的数字化转型提供有力支撑。公司以“管理咨询+产品技术+运营服务”的模式，为产业客提供全链条、多维度、跨周期的综合解决方案。目前，其产业解决方案+产品+服务的矩阵，已经在多家头部公司及产业场景完成落地实施。

“创业之前，小硕核心团队已经积累了大量的供应链金融管理工具的方法和实践，并希望把这些能力赋能到传统产业中去。我们认为产业互联网不是互联网加产业，而是以产业为基础，加上互联网作为工具，去实现整体数字化能力的提升，小硕有运用这些工具为产业赋能的能力。”小硕数科创始人兼CEO华硕告诉36氪：“在服务客户的过程中，我们发现供应链金融管理工具高度依赖于客户自身的产业数字化基础，所以小硕在去年进行了一次重要的迭代升级，从信用销售管理到数字化切入产业数字化升级，打通了产业数字化解决方案，与工业金融工具解决方案的应用场景，并实现了客户最佳实践。”

在企业数字化转型的背景下，客户需要的不仅是一套软件或产品，更需要的是和运营、以及内部系统深度整合的完整解决方案。具体到产业数字化赛道，包括未来的供应链金融运营，到现在为止还没有被定义。小硕数科表示，会优先做出更多的最佳实践，和标杆客户。

当前阶段，中国的传统产业正在开始从卖方市场进入买方市场，对精细化管理提出了更高的要求。而据IDC数据，2022年中国数字化转型支出达3291亿美元，同比增长18.6%，传统的管理软件已经无法承载多变的业务需求，而多套系统并行的方式使得管理效率非常低下。

华硕谈到：对于很多传统产业，其自身的数字化程度还不够高，通用型的产品反而会成为其数字化转型的障碍。随着小硕做的项目越来越多，产品抽样能力也越来越强，未来在数字化升级这一领域，也能够把它模块化，降低实施周期和成本。

小硕数科自主研发了一站式数据治理平台DataCube，融合了数据汇集、开发、资产、质量、安全、可视化等模块，是覆盖数据全生命周期的数据治理平台，可以满足产业互联网企业对数据建设的要求，有效运用数据为业务赋能。

不同于多数数据中台产品会以大数据平台、AI计算等前沿技术作为产品卖点，在实践中类似产品同样会增加产品的学习和使用门槛，导致很多传统行业用户无法快速上手和见效。小硕数据中台为根据客户数据建设的不同阶段，搭配适合的技术方案，并提供阶梯式的平滑升级机制，保证客户快速上手使用。

小硕数科的典型客户案例对于希望高效实现数字化转型的传统企业非常具有参考意义，某区域综合农业集团企业，首先从小硕的金融中台入手，效果显著，但还没有达到超出预期的理想效果，究其原因是客户本身的数字化基础较为薄弱等问题。于是小硕数科又为客户提供了业务中台，帮助企业解决了业务在线化和数据化的问题，企业运营效率得以大幅提升。得益于之前的愉快合作，考虑到自身的效率和成本的最优化，客户又选择由小硕帮助其进行供应链金融的代运营工作，成为了客户的“共享金融事业部”，实现了数字化基础设施+产品工具+服务运营的综合数字服务生态。

在小硕数科的未来规划中，短期内以夯实技术基座、以及拓客为主；中期将逐步向产品导向、运营导向的企服品牌蜕变；远期则希望成为能够持续为产业客户提供价值的企业服务公司。

华硕特别强调：小硕数科的企业文化中有很重要的一条，就是希望能够成为客户信赖的伙伴，我希望小硕和客户的关系不再是传统意义上的甲乙方关系，而是能够像伙伴一样长期伴随着客户一起成长，把小硕的发展和客户的远期目标结合在一起，持续的为伙伴提供价值。

小硕数科成立于2019年，核心团队成员来自B2B大宗电商独角兽企业，有金融与产业的复合背景，熟悉产业交易习惯，对产业痛点和潜在风险点有深刻理解。

2. 天使投资公司有哪些

英诺天使：英诺天使创建于2013年，总部位于北京，主要投资领域有移动游戏、移动教育、O2O、互联网金融。
英诺天使基金内部还有个“不投军规”，比如“有家室喜欢泡妞”、“沉迷德州扑克及高尔夫”、“无契约精神”等。在李竹看来，英诺天使基金是他的第三次创业，这次创业不仅仅投资，更重要的是搭建一个完善的天使投资生态圈。在过去两年时间里，李竹和团队在不遗余力的建立天使投资人圈，比如建立天使合投平台、只对天使投资人开放的天使茶馆。

阿米巴资本：明星项目：快的、挖财、蘑菇街。阿米巴资本成立于2011年，由李治国、王东晖以及赵鸿创办。
三位创始人都是行业背景，加之阿米巴资本的GP、LP也都来自于行业，因此也被称为是“行业基金”，关注的领域主要是电商、大数据、企业服务、互联网金融和广告技术五个方向。阿米巴资本是快的打车、蘑菇街的天使投资方；同时，阿米巴资本也是“孩子学啥”的A轮投资方，后来被大众点评收购，因此，阿米巴也成为了“新美大”的股东。

九合创投：明星项目：36kr、下厨房、91金融，“九合诸侯一匡天下”是九合创投名字中“九合”二字的出处。寓意能聚集更多的优质项目，帮助更多的创业者。
“趋势+团队+数据”是王啸看项目的模型。现今的创业趋势是移动互联网，PC端的项目机会就会少很多；团队，是几乎所有天使投资人都看重的因素，人本身是否具备领导能力是创业成功与否关键；用户累计、用户质量是创业数据的重要因素。“符合其中2个因素的项目就是比较好的项目，同时满足这三个因素的项目，成功率就非常高。”

温馨提示：以上解释仅供参考，不作任何建议，您在做任何投资之前，应确保自己完全明白该产品的投资性质和所涉及的风险，详细了解和谨慎评估产品后再自身判断是否参与交易。

应答时间：2021-11-17，最新业务变化请以平安银行官网公布为准。

3. 我想投资创业怎么找项目

1.自主寻找：自己寻找肯定是要找自己看好的项目。如何寻找，想必大家都很清楚。除了做投资领域的项目尽调，还可以关注科技媒体。比如经常报道初创企业的猎云网、36kr、亿欧网。或者关注虎嗅、钛媒体这类平台上的热点有没有相关企业。在这些平台上，你会发现一些优秀的项目。

2.平台寻找：现在出现了不少创业服务类的平台。把创业者和投资人整合在一起，产生联系创造价值。可以去创业邦、天使汇、微链、聚份子、创投圈等平台进行寻找。还可以根据你所喜欢的投资领域，进行筛选项目。现在钛媒体、虎嗅、36kr、投资界等科技媒体也推出了旗下的互联网创业融资服务平台，链接创业者与投资人。

3.朋友推荐：如果你身边有一些连续创业者或者科技媒体记者，你可以试着让他们进行推荐，毕竟他们身边的创业资源是很丰富的。以我为例，平时因为爱发表文章的缘故，每天都会有许多创业者加我进行交流。有些投资人在创业邦、虎嗅、亿欧网等平台看过我文章，就希望我推荐一些项目。更何况，那些科技媒体记者，他们每天都会接触大量优秀的项目。如果你身边有这类小伙伴，不妨让他给你推荐推荐不错的项目。

(3)初创交易所大数据36kr扩展阅读

投资创业是投资于以高科技和知识为基础，生产于经营技术密集型的创新产品或服务的投资；创业投资是专门购买在新思想和新技术方面独具特色的中小企业的股份，并促进这些中小企业的形成和创立的投资；创业投资是一种向极具发展潜力的新建企业或中小企业提供股权资本的投资行为。

4. 大数据市场有多大 怎么利用大数据赚钱

大数据市场有多大 怎么利用大数据赚钱
“大数据的市场规模没有天花板。”国务院发展研究中心信息中心研究处处长李广乾认为。不过细想，这正是目前各大企业和资本疯狂追逐大数据产业的重要原因。
“单独讨论大数据意义不大，它是依附于具体业务，和各个行业密切相关的。”李广乾认为，大数据产业规模和两大因素相关：一是经济发展水平，需要大数据的业务越多，市场体量就越大;二是信息化发展水平，能够产生数据的终端越多，数据就会越聚越多，而数据的生产是没有上限的。目前，大数据的金矿还仅是开挖了“冰山一角”。全球来看，Gartner2016年最新的技术成熟度曲线显示，大数据作为新兴领域，已经进入应用发展阶段，基础设施建设带来的规模性高速增长出现逐步放缓的趋势，技术创新和商业模式创新推动各行业应用逐步成熟，应用创造的价值在市场规模中的比重日益增大，并成为新的增长动力。从总体规模看，2016年，全球大数据市场规模实现16.5%的增长，预计将连续3年保持增速在15%左右。同时，大数据成为全球IT支出新的增长点，2016年，有近40%的企业正在实施和扩大大数据技术的应用，另有30%计划在未来12个月内应用大数据。“说大数据产业是一张画得很大的饼显然是片面的。”工信部赛迪研究院软件所所长潘文预测，包括大数据硬件、大数据软件、大数据服务等在内的大数据核心产业环节，2016年达到3100亿元，将在2020年超过1万亿元;大数据关联产业规模2016年超过5万亿元，将在2020年超过10万亿元;大数据融合产业规模2016年达到3.5万亿元，将在2020年超过20万亿元。“从大数据核心产业结构看，基于大数据的服务是大数据核心产业的主体，其规模约占大数据核心产业规模的90%，未来，服务也将是大数据产业的最核心部分。”潘文说。做数据“搬运工”目前国内大数据公司分为两类：一类是已有获取大数据能力的公司，如网络、腾讯、阿里巴巴等互联网巨头及华为、浪潮、中兴等企业，涵盖了数据采集、数据存储、数据分析、数据可视化及数据安全等领域;另一类则是初创大数据公司，依靠大数据工具，针对市场需求，为市场带来创新方案并推动技术发展。不同的大数据公司，盈利模式也不相同。如果把大数据产业比作房地产开发，那么海量数据就是地产开发时的土地资源，数据挖掘开发就是地产搭建盖楼。大数据主要的盈利模式也是围绕这两方面展开，一是通过直接“搬运”数据赚钱，二是通过数据加工分析盈利。“我们就像一个自来水厂一样，用户要你提供干净的自来水，对方可能是酒厂、饭店、饮料厂，他把你的水做成饮料或酒。”聚合数据就是一家主要依靠为客户提供数据盈利的公司，公司创始人左磊对其商业模式作了一个形象的比喻。在开发APP应用过程中，左磊发现客户对于数据的需求非常大，但他们本身却没有能力去做这些事情。聚合数据的主营业务，就是整合市面上有价值的数据源，从车辆违章信息、航班火车查询、全国加油站实时油价，到在线试题、电影、股票，做成标准化的API(应用程序编程接口)，开放给开发者、企业及微信公众号用户等使用，为他们免除数据收集、维护等环节。简言之，聚合数据是一家数据源公司，充当的是数据“搬运工”的角色。在变现模式上，针对一些本身成本不高的服务，聚合数据会对用户实行免费，而对一些成本相对高的服务，会按照每个接口或服务的成本收取不同的费用。2016年，聚合数据光API接口一项营收就超过1000万元。聚合数据的盈利模式是数据买卖市场一个有代表性的类型。另一个代表性类型是，国内乃至全球第一家大数据交易所——贵阳大数据交易所，自2015年4月正式挂牌运营以来，仅用两年多时间，就实现了可交易数据总量超过150PB，内容涵盖政府、金融、交通等30大类领域，并于今年上半年实现正现金流，预计今年底累计交易流水将突破2亿元人民币。数据的“消化”和“利用”如果说搬运数据是秀肌肉的“体力活”，那么分析数据并提供解决方案就是拼智商的“脑力活”，相当于把收集来的数据“消化”“利用”好。直接售卖数据是比较底层的盈利方式，而对数据进行处理加工则在商业模式上具备更多的想象空间。数据分析可大致分为直接提供数据分析工具和输出解决方案两种模式。潘文说，数据分析工具通常可以实现情报挖掘、舆情分析、销售追踪、精准营销、个性化推荐、网站/APP分析等功能，收费方式采取按需购买，部分功能服务免费，部分功能服务收费。阿里云的“数加”平台就是典型的数据工具盈利模式。阿里云大数据事业部总监徐常亮表示，阿里云“数加”平台，承载着阿里巴巴集团、蚂蚁金服的数据，可提供一站式的数据计算、加工、处理等服务，用户不用自建计算平台。此外，基于“数加”平台，阿里云还提供数十款应用工具，覆盖数据采集、计算引擎、数据加工、数据分析、机器学习、数据应用等数据生产全链条。计算引擎之上，“数加”平台提供了最丰富的云端数据开发套件，包括数据集成、数据开发、调度系统、数据管理、运维视屏、数据质量、任务监控。在数据分析方面，通过移动数据分析产品，开发者可快速搭建日志采集、分析系统;通过“数加”平台BI报表产品，3分钟即可完成海量数据的分析报告。在机器学习方面，“数加”平台发布的机器学习工具，可基于海量数据实现对用户行为、行业走势、天气、交通等的预测。大数据公司百分点的展厅内有一面弧形墙，可以24小时实时更新数据资料和图谱。这面墙上有全网当日产品销售统计和热销产品榜单，每一个产品都有详情介绍。百分点研发总监苏海波介绍，5.5亿用户的“画像”汇总于此，包括购物偏好、网购金额变化趋势、阅读兴趣等。用户的任何网上行为都会成为大数据的一部分，经过筛选加入到用户的数据中。通过与百分点合作，商户可以根据用户消费偏好，定向推送商品;旅行社可以定向推送旅游行程信息和报价;新闻资讯APP则可以推送用户感兴趣的信息。在输出解决方案上，大数据还可以应用到医疗、教育、零售、通信等传统行业。通过大数据产生更多收益，节约成本，优化原有行业，衍生出新的商业模式。

5. 在哪里能找到各行业的分析研究报告

信息收集渠道：通常的渠道有公司官网、咨询公司官网、券商研究、数据库、微信、知乎、搜索引擎、网络爬虫等。那么究竟在什么情况下用什么渠道呢？下面逐一介绍。

公司官网：通常来说公司的官网包含信息很多，公司介绍、产品介绍、公司年报、招股说明书等，这些资料的可靠性通常比较好。上市公司的年报在经营分析内容里面会对该公司的业务销售情况、利润的推动因素等进行分析，因此当你想知道上市公司的业务发展情况，年报是不错的选择。上市公司的年报获取途径可从证券交易所，公司官网、巨潮、雪球等渠道去获取。

咨询公司：咨询公司报告通常可以帮助我们知道非公开的信息，因为咨询公司通常会有自己的方法论对市场进行自己的定性分析，市场调研等，因此对于消费者的洞察、行业的趋势研判通常找咨询公司的报告，但是它同时也存在数据往往口径难以统一。市面上的咨询公司通常分为市场调查类咨询公司和管理咨询公司，前者一般为后者服务。市场调查类咨询公司例如艾瑞、尼尔森、益普索等公司通常在消费者调研、行业分析等方面提供自己的洞察，他们并不为企业的发展提供战略决策。这类咨询公司的研究成果往往在他们的公司官网上都可以免费下载，可以作为我们行业研究数据的来源。管理咨询公司有必要则会聘请市场调查类咨询公司提供专门的调研分析，由管理咨询公司为企业给出具体的战略建议。当然像麦肯锡、贝恩、BCG、罗兰贝格等在自己的官网也会分享自己的行业洞见，这些信息都是帮助我们作出行业发展研判、商业模式分析的重要信息来源。

券商报告：券商的研究报告大多针对的是上市企业及未上市的龙头企业，因此当你想深度的了解某个行业的时候，可以考虑找10篇深度分析仔细研究，就算对行业有所了解了。上市公司的最新动态，公司策略行动都可以在券商的研究报告里面找到。行业的数据也在这里面可以找到，但是也可能存在多家券商报告的数据不统一的问题，这个时候就需要交叉验证，选取合适的值。在这里推荐一个我常用的券商报告查询网站，萝卜投研。

专业数据库：专业数据库一般是收费的，但是信息也全，向Wind、惠博智能策略终端，有条件的可以考虑一下。当然也有免费的，一般多为政府部门网站，如国家统计局可查行业发展数据、人口数据，GDP数据等。另外还有工业相关的工业信息化部、金融相关的证监会、银监会、证券交易所、中国人民银行，进出口相关的中国海关，专利相关的国家知识产权网站，工商信息公示系统，查企业股权结构的企查查/天眼查、查政府政策的各级政府官网，各行业的行业协会，卫生统计局的人口情况查询。

搜索引擎：学会利用微信、知乎等搜索渠道，常常会获得一些业内人士的总结和分享，也是我很喜欢的信息获取渠道。对于直接使用搜索引擎虽然快但是信息的真伪需要辨别，适用于在不知道该怎么入手可用来模糊搜索，然后再溯源找到来源。在关键词后面加pdf，关键词中加“”，加网站名等通常会有意想不到的结果。

使用网络爬虫等需要一定的技术基础。关于信息搜索的渠道，请看我之前的这篇回答。

渠道判断：你会发现上市公司、成熟行业我们很容易通过年报、券商报告、招股说明书、监管机构、专业的数据库获取信息，但是有些小企业，新兴的行业我们怎么获取信息呢？答案是专家访谈、公开新闻、咨询公司、消费者调研。前面说过咨询公司报告常常会存在数据口径不一致的情况，这个时候就需要多个数据来源做验证，根据咨询公司做的假设、时间是否是最新、数据推导的逻辑、渠道来源等综合判断自己应该采取的数据。

非公开的渠道获取信息：对于很多信息你很可能在公开的渠道是没办法获取的，这个时候问卷调研、打陌生电话、专家访谈、焦点小组进行头脑风暴、实地调研等方法就成为了咨询公司获取非公开信息的渠道。当然每种方法都有自身的优点和局限性，下面我将一一分析。

专家访谈：特点就是贵，但是效率高，可以深入了解非公开的信息，例如知道行业的竞争格局、未来的行业发展趋势、行业的关键成功要素、企业的核心竞争力等。这个时候行业访谈就要注意时间的把控，一般在半个到1小时。通常我们可以通过凯盛、三桥等专家库公司帮助我们介绍专家，要针对访谈的目的，寻找那些刚刚离职的专家是最恰当的，毕竟在职的专家还是有所顾忌。提前准备好问题，一般10个左右，把重要的问题放在最前面，目的在于检测专家的专业性以判断是否继续访谈，减少成本的同时可提高效率。整个过程中应该注意节奏的把握，引导专家往你的想要了解的问题走，做好信息记录。隐私问题要学会站在专家的角度问题考虑，例如你如果直接问你所在公司的核心竞争力是什么？往往会给专家尴尬，我们换个问题，例如像如果让您来运营一个和你们类似的企业，您觉得什么最重要？这样通常能够减少专家的心理负担。而对于数据性的问题，切忌一口气问一大推关键数据指标，往往很难让人一口气回答。记得将问题进行分解，一个复杂问题拆解为多个问题，层层推进，最后总结和对方确认即可。

陌生电话：耗时耗力，但也可以获取专家访谈获取的信息。因为给陌生人打电话，因此需要作合理的身份假定，做好心理建设，同时得到信息要作交叉验证，以确保被拜访人不是乱回答一通，准备的问题5个以内，想了解多个问题的时候可以隔几天再拜访。遇到前台应表现简短直接的语气，提供公司的员工名字等增加信任度，要多学会站在对方的角度思考，打这个电话会给对方带来什么好处？

问卷调研：一般包括明确目的，设计问卷，问卷发放回收并分析。首先我们先明确本次问卷调研的目的是什么，调研的对象，需要收集的信息。关于问卷的设计，应该将重要的问题往前面放，因为人往往最开始是最有精力的，因此为了保证质量，问卷花费的时间不宜超过20分钟，同时在不同提好设置相似问题来进行交叉验证。一般而言调研问卷应该是设计好之后先小规模投放，寻找出问题，例如问问题的方式是否有不合适的，是否有歧义的地方，是否有不完善的地方？例如不用像偶尔，几乎不这样有不同理解的词语，选项之间要相互独立，完全穷尽，遇到敏感问题要想办法消除对方的顾虑，如提示对方问卷结果将严格保密，不引导对方得出答案等。在修改完成之后再进行大规模的投放，之后就是搜集分析。

实地调研：在选择实地调研的地方应该从时间和地点两个维度去考虑。首先时间上面应该考虑早中晚，周末和工作日。地点应该在市中心、市郊、商业区、居民区都应该选取调研的样本，这样才更加的有代表性。

焦点小组：焦点小组的重点在于让每个参与者能够充分的发表自己的意见，如何做到？当然最好的办法就是让每个人明确本次讨论的目的，让参与者提前准备，这样才不至于最开始的冷场。小组讨论开始前最好都进行自我介绍，人往往愿意和自己熟悉的人进行经验分享。既然是头脑风暴，因此设计的问题不应该是yes or no的问题，而应该是能够引起广泛讨论的，难题放中间，因为中间时段是大家最活跃的时期。主持人的作用就是保持中立，明确主题，确保大家在正确的道路上，同时别忘记了记录好讨论的内容。

6. 大数据能否终结老鼠仓时代

大数据能否终结老鼠仓时代
维克托·迈尔舍恩伯格在他的《大数据时代》一书中写道：“大数据时代最大的转变就是，放弃对因果关系的渴求，而取而代之关注相关关系。也就是说只要知道‘是什么’，而不需要知道‘为什么’。”
颇有些戏谑的是，“大数据”在中国证券市场上的应用，并不是在投资交易领域的应用，而是以“捕鼠”为开端，博时基金的马乐第一个被“捕鼠神器”逮住。
交易所在掌握了“大数据”利器后，意味着海量的交易数据被持续的跟踪和分析，用以发现“相关关系”。那么，基金经理“老鼠仓”时代是否就此宣告终结？
至少可以确定的是，以往案例中传统的、明目张胆的老鼠仓行为将在大数据面前无所遁形，并且会很快被侦测出来，这将大大提高老鼠仓的操作难度，减少老鼠仓行为的发生。但就此断言大数据将终结一切老鼠仓，亦为时尚早。
解密交易所“大数据”
一般而言，“大数据”是指不用随机分析法（抽样调查）这样的捷径，而采用“所有数据”的方法，对海量数据进行分析。“大数据”具有“4V”特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。
据悉，沪深交易所的大数据监测系统从建立到完善，已经有几年的时间。即在国内“大数据”概念还不太为人所知的时候，交易所已经走在前列，从国外引进了大数据技术。但由于这样的监测系统并不对外开放，所以在“马乐案”前，业界知之甚少。
即使到目前，交易所掌握的大数据工具，其模型和运作（计算）方式也依然只能被勾画出一个轮廓。相关信息显示，在交易所依法设立的证券交易监控系统中，上交所异动指标分为4大类、72项，敏感信息分为3级共11大类、154项；深交所则建立了9大报警指标体系，合计204个具体项目。
深交所总经理宋丽萍在2013年3月间的一次公开发言中亦透露，交易所有“几十人的监控室，设置了200多个指标用于监测估算”，这在相当程度上印证了上述监控系统参数设置的真实性。
马乐是如何“现形”的？
交易所的大数据工具昼夜不知疲倦的对海量交易数据进行分析和比对，这改变了以往发现老鼠仓“现形”的模式——在“前大数据时代”，大部分老鼠仓是通过“举报”被发现，交易所处于较为被动的角色。但进入“大数据时代”后，交易所则是通过主动的数据挖掘来发现老鼠仓。
马乐案即是交易所主动挖掘的结果。
深交所监管部门在日常监控时发现一个10亿元账户重仓的小盘股和马乐掌管的“博时精选”高度重合。进一步追查发现，一个3000万的账户亦是如此，交易所随即上报证监会并立案。
有数据分析专家向记者解析，交易所挖掘的数据就是交易数据，因此非常容易采集，这是很适合应用大数据工具的。在数据引用后，就进入“数据索引”或称“模型搭建”的阶段，通常将四个因素，即价格、成交量、时间、空间进行量化分析，整个数据处理过程是自动的，包括“自动关联、自动聚类、自动分类、自动重排”的快速计算。
具体而言，马乐“老鼠仓”的操作中，其频繁进出中小板和创业板个股，很容易被系统监测到与博时精选的“关联性”，系统也会自动将其账户归类。因此交易所只要进一步分析这些操作的时间差，就不难将“老鼠仓”抓获。
而到了这一阶段，交易数据层面的证据也已经相当确凿，再辅之对账户资金来源的调查，“老鼠仓”行为根本没有任何辩驳的空间。
老鼠仓时代已经终结了吗？
大数据工具的出现，意味着老鼠仓时代的终结吗？
从基金经理行为层面分析，老鼠仓此前之所以频繁发生，很重要的原因在于这种行为本身的违法成本过于低廉，在“低风险、高收益”的情况下，基金经理面临巨大的诱惑，有足够的动力进行违法违规行为。而大数据工具的存在，使得“老鼠仓”行为被发现的概率极大提高，导致违法成本巨幅增加，其震慑力不言而喻。
但就此断言“老鼠仓”时代已经终结，则或许过于绝对。
与真正意义上需要借助于“云计算”的“大数据”处理不同的是，目前业界所称的交易所“大数据”是对交易所一系列监察系统口语化的统称。有数据分析专家指，从这个层面上来说，交易所“大数据”实际上是一整套监测模型，其数据架构方式、数据计算比对的逻辑过程等是模型的核心，这套系统对传统的老鼠仓模式几乎是可以做到“见血封喉”，但不排除将来出现更“智慧”的违法者，“绕道”系统监测的领域，或者以更复杂的交易模式来躲过系统的监测，也未可知。因此只能说，大数据终结了以往“老鼠仓”的“草莽”时代，再以传统手法行事已行不通，但“后大数据时代”的猫鼠之战，或许只是刚刚开始。