學習筆記-科技產業的分析方法

這篇文章主要想整理我在聽完:王煜全老師在得到App上所開立的《全球科技产业报告》這堂課程的筆記與心得,在課程最後,王老師用4講的篇幅,與學員分享一套科技産業分析方法,我過去讀過他的一本著作叫「學會洞察行業:寫好分析報告的6堂實戰課」,特別對他的產業分析方法感到有興趣,因此我也想看看他這4講的內容有沒有什麼特別值得我學習的方法。

前言

這篇文章主要想整理我在聽完:王煜全老師在得到App上所開立的《全球科技产业报告》這堂課程的筆記與心得,在課程的最後王老師用4講的篇幅,與學員分享一套科技産業分析方法。

由於我過去讀過他的一本著作叫「學會洞察行業:寫好分析報告的6堂實戰課」,因此特別對他的產業分析方法感到有興趣,因此我也想看看他這4講的內容有沒有什麼特別值得我學習的方法。

註:這篇文章的用詞,我會盡可能使用原文的用法,所以免不了有一些簡體中文世界習慣的用語,這裡也先說明。

在學習這四講內容之前,我有三個提問:

  1. 科技產業的變化快速,是否有一套能夠長久有用的分析框架呢?
  2. 這套方法有可能應用在其他非科技的產業嗎?
  3. 老師有那些獨門的方法是一般產業分析的方法中比較少看見的?

我聽完的心得是第2點可能沒辦法之外,其他1、3點都有符合,不過第一點的分析框架,跟我原先想像中的不太一樣,我本來以為王老師會提到SWOT或者PEST這類的分析邏輯,後來聽完才知道他是有自己的一套方法。

一、課程精華內容

王老師的科技產業方法,共有4個方法,如下:

1. 辨別信號

所謂的投資判斷,其實就是在一堆噪音中要分辨出有用的事實,而科技產業分析也是如此,那麼你可能就會想到:「什麽樣的信息會是值得我們關注的?」

重點不是追逐產品熱點,或者是什麼特殊又厲害的技術,老師建議我們要看的是,不管是新聞熱點或者技術發表,重點要看的是這些相關事件出來之後會對産業有什麽具體影響。而具體的關鍵判斷點,就是看這件事,有沒有推著相關産業往下一個階段走。如果有的話,那麼就是值得關注的信號,反之就是應該過濾掉的噪聲。​

不過依據上面的說法,你會馬上注意到「下個階段」這個重點,因此了解科技產業有什麼特殊的發展週期規律,就是我們要先做好的第一步。

一般來說一個新技術發展的過程中,會對科技産業影響怎樣的影響,可以簡單劃分三個階段,分別是:

  • 初創期
  • 成長期
  • 成熟期

初創期最明顯的特徵會先出現具有潛力的關鍵技術,一般來說會發生兩種狀況:

  1. 一是這項技術是屬於「産業增強型技術」,如果它出生的地方已經有什麼強大公司或者山頭林立的話,那麼新技術也許可以考慮和已有公司做合作,甚至把公司賣給這些頭部玩家也是有可能。
  2. 二是這項技術是屬於「産業顛覆型技術」,它通常會對現有已存在的某個産業格局産生重大影響,直接影響原有的利益重新分配,不過所面對的攻擊並不會比較少。

因此在初創期要做的判斷就是要看這項技術是屬於上面那一種,重點是「要在對的時間做對的事情」,就算你的技術顛覆了現在的王者,但在你還小的時候,還是不要選擇硬碰硬才對,要去找自己的利基市場,讓自己快速成長。

上面兩者技術的發展,我整理幾個可能的案例如下:

産業增強型技術的案例

  1. 智能製造技術:智能製造技術,如機器學習和物聯網,可以增強現有製造業的效率和生産質量。大型汽車製造商可能採用這些技術來改進生産流程,提高産品品質。
  2. 醫療診斷輔助工具:新的影像處理技術和人工智能在醫療診斷中的應用可以增強醫療行業的診斷能力。醫療機構可以合作或購買這些技術,以提高患者護理的質量。

産業顛覆型技術的案例

  1. 網絡流媒體服務:網絡流媒體服務(如Netflix和Amazon Prime Video)的出現和快速成長,對傳統電視和電影行業產生了顛覆性影響。傳統的有線電視公司和電影院面臨收視率下降和市場份額流失的挑戰。
  2. 共享經濟平台:共享經濟平台(如Uber和Airbnb)顛覆了傳統的運輸和住宿行業。這些平台讓個人可以分享他們的資源(車輛或住房),從而改變了市場格局,對傳統業務模式構成了威脅。

接是是成長期,最明顯的特徵是産業重大影響的先進技術,已經基本確立了,這階段比的就是成長速度,誰能夠更快地掌握機會、占領市場,誰人才有可能笑到最後。

最後是成熟期,最明顯的特徵是技術的應用已經比較充分了,也産生了相關的頭部企業,而這些大企業們也會開始往兩個方向演化:

  • 一是垂直整合
  • 二是橫向的平台化或者生態化去發展。

這兩種演化的方向我整理幾個知名的案例,讓你比較好理解,如下。

垂直整合的案例

  1. 蘋果公司(Apple Inc.):蘋果是一個典型的垂直整合的例子。他們控制了硬體(iPhone、iPad、Mac)、軟體(iOS、macOS)和服務(iTunes、App Store、Apple Music)的整個生態系統。這種垂直整合使蘋果能夠提供無縫的用戶體驗,並掌握更多的利潤。
  2. 特斯拉(Tesla):特斯拉是一家電動汽車公司,同樣具有垂直整合特徵。他們設計、生産和銷售電動汽車,並且自己開發自動駕駛技術。這種整合使他們能夠在產品和技術上保持更大的控制。

橫向平台化/生態化的案例

  1. 谷歌(Google):谷歌是一家提供多種線上服務的公司,如搜索、廣告、雲計算等。他們建立了一個橫向平台,讓廣告主、開發者和用戶都能夠在谷歌的生態系統中互相受益。谷歌的Android操作系統也是一個橫向平台的例子,它被許多製造商使用,並支援各種應用程序。
  2. 亞馬遜(Amazon):亞馬遜是一個全球性的電子商務平台,同時也提供雲計算服務(Amazon Web Services)和串流媒體(Amazon Prime Video)。他們的生態系統包括賣家、消費者、開發者和內容創建者,形成一個多元的平台。

不過老師也提到,雖然上面的分析主要都是以「技術」為核心影響因素來討論,事實上產業變化仍會受到經濟、政策或者宏觀環境的影響,只是就我的了解科技產品可能技術的影響在權重上會再更高一些。

註:有關經濟、政治和宏觀環境的影響分析,我先前上過一堂課「鄭毓煌的營銷學課」裡頭歸納了一些方法,這裡也分享給您。

2. 對未來趨勢做預測

一般人對於做預測這件事的認知,可能是下面這樣的順序:

  • 大量收集資料>研究分析與理解>產出趨勢判斷

不過老師在課程中提到順序完全相反,應該是下面這樣才對:

  • 先構建分析框架,依照需要分析的問題,先畫出一張比較粗略的結構圖。
  • 接著在就是在實際使用中,對分析框架不斷修正。

會抓用上述步驟的主要原因有兩個,一是市場狀況是動態在變化的,不是靜態不動的,所以先用框架協助我們把大問題先拆解成各種關鍵元素。二是再依據這個框架來使用,在過程中依據新收集到的資訊再回頭來修正框架。

那麼在分析的過程中,我們到底要看什麼?或者應該要找到什麼呢?

老師的說法叫做「找路標」,找出可以指引我們方向的關鍵資訊,並且當所有的路標全都連起來,似乎都朝往同一個方向去的時候,那麼這個方向一定是趨勢。相反地,如果各個指標的指向都不一致的話,那麼我們可能就要繼續收集信息、觀測變化,直到你找到那個可能性最大的方向。

下面我舉個找路標的案例:

電動汽車的普及:

  • 路標1:政府政策支持:觀察各國政府是否制定了鼓勵電動汽車使用的政策,例如減少排放標準、提供稅收優惠或充電站建設支持。如果多個國家都在這方面採取行動,這可能是一個趨勢的路標。
  • 路標2:汽車製造商投資:注意主要汽車製造商是否增加了電動汽車的生產和研發投資。如果多家汽車公司都宣布擴大電動汽車產品線,這可能預示著市場轉向電動汽車。
  • 路標3:充電基礎設施擴展:觀察充電站的建設是否積極擴展,尤其是在城市和長途旅行路線上。如果充電基礎設施變得更加便捷,這可能有助於電動汽車的普及。

區塊鏈技術應用:

  • 路標1:企業採用區塊鏈:注意各種企業是否開始採用區塊鏈技術來改進其業務流程,例如供應鏈管理或金融服務。如果多家企業開始使用區塊鏈,這可能預示著區塊鏈技術的應用將擴展。
  • 路標2:政府支持區塊鏈:觀察政府是否支持區塊鏈技術的研發和應用,並制定相應的法規。政府的參與可能有助於區塊鏈技術的發展。
  • 路標3:跨業合作:留意不同行業之間的合作,特別是在建立共享區塊鏈平台方面的合作。如果不同行業開始共同使用區塊鏈平台,這可能預示著區塊鏈技術的未來應用。

當然上述的案例以事後論來看,會覺得路徑很清晰,但是在當下確不一定是如此,所以老師才會說你不要先去找一堆資料,然後想從中找出什麼洞察,然後再分析,而是先用一個分析框架,再收集資料看看有沒有相似之處,一邊收集一邊修改我們的框架,最終才有可能看到未來的趨勢方向。

3. 找出最有可能的贏家

這裡的贏家指的是該產業很可能會活到最後,或者活的最好的玩家。

在課程中也有提到,所謂的「贏家可能並不是今天顯得很強大的角色,而是未來場景裏能占據關鍵生態位的角色。」至於要怎麼找到這些贏家呢?

老師提供了一套預測方法,叫做:scenario development,中文翻成「未來場景構建法」,它指的正就是假設某種趨勢會一直發展下去的話,那麼在未來可能會出現什麽場景?我們可以基於這個未來場景來往回看,你就有可能找出最符合的贏家。

具體方法共分成三步:

  1. 基於現階段的趨勢,構建未來場景
  2. 判斷未來場景裡頭,什麽東西重要,或者說贏家都具有什麽樣的成功特質
  3. 直接代入現實,看今天誰最有可能發展出這個成功特質

比方說:

  1. 人工智慧醫療應用
    • 現階段趨勢:醫療界越來越多地採用人工智慧技術,用於病例診斷、醫學圖像分析和患者數據管理。
    • 未來場景:未來,我們可以想像一個場景,醫療機構使用高度智能化的醫療設備和AI輔助診斷工具,病人可以獲得更快速、更準確的醫療診斷和治療。
    • 成功特質:在這個未來場景中,成功的公司可能具有強大的機器學習和數據分析能力,能夠處理大量的醫學數據並提供精確的預測和診斷。他們可能也需要合作伙伴關係,以整合不同的醫療數據源。
    • 潛在的贏家:公司,如Google Health、IBM Watson Health和許多初創企業,已經在這個領域有所投入,並且具備了發展成為贏家的潛力。
  2. 綠色能源和氣候變化
    • 現階段趨勢:全球對氣候變化的關注越來越高,能源行業越來越尋求綠色能源解決方案,如太陽能和風能。
    • 未來場景:未來,我們可以想像一個場景,全球能源供應將更多地來自可再生能源,碳排放將大幅減少,能源網格將更加分散和智能化。
    • 成功特質:在這個未來場景中,成功的公司可能具有創新的可再生能源技術、能源儲存解決方案,以及能夠實現能源網絡智能化的能力。
    • 潛在的贏家:公司,如特斯拉、太陽能城市和綠色能源初創企業,已經在綠色能源領域有所投入,並可能在未來贏得競爭優勢。

我發現其實這套方法在本質很像在下注,我們的目標是提高自己的勝率,所以要挖掘那些條件可以提高一家公司的勝率,我們就重押這些公司。同時要注意的是,雖然科技產業的發展迅速,但預測本身並不是一夕之間就可以完成,通常是需要花時間持續觀察,也要慢慢積累,並且一開始沒人知道誰會成為贏家。

註:在上這一講的課程時,我想起先前看過的一支影片和網友討論,它是在2007年中國有一檔創業實境節目叫《赢在中国》,其中有一集介紹了我們台灣的一位創業者叫李宗恩的項目,他當初提出的是一個有關WEB3.0的項目,許多網友認為他的觀點其實現在看來是蠻準的(當然也有人持不同建議),只是當初的評審專家們 (包含:阿里巴巴的馬雲)沒人看的懂。

這個案例我覺得蠻適合用上樣的未來場景構建法來思考。

4. 怎樣判斷產業化的時機點

在經過前面三步驟:辨別信息、如何預測趨勢,以及怎樣找贏家之後,下一步最重要的工作就是判斷這個未來將在何時實現?也就是可以形成一個完整的產業。這也是投資人最關心的事,就像前面提到時機很重要,太早投入可能會死的太早,太晚進場又會賺的太少。

所以怎樣判斷形成一個產業的時機將會非常重要,具體方法針對一項先進技術的産業化要素進行分析,並根據實際情況做推斷

具體來說老師建議我們依據下面三個要素來分析:

  1. 供給側,這項技術是否做出了一個讓市場接受的産品?這當中不僅要包含:技術優勢,還要有完整的産品、合適的價格,以及有針對性的應用。​
  2. 需求側,這項技術是否滿足了大量用戶的真實需求?它要真的有解決用戶的痛點,也要在導入市場時降低用戶的使用門檻。​
  3. 監管側,這項技術是否解決了政策法規上的限制?一開始可能沒有打通,因此你也要理性地評估突破限制需要多長時間。。

當上述這個三個要素都具備時,才算是真正的産業化。

下面我舉個案例來說明。

5G通信技術

  • 供給側:5G技術已經進入市場,許多通信設備供應商提供5G基站和設備。技術優勢包括更快的數據速度和低延遲,並且已經有多個5G相容的智能手機和裝置。
  • 需求側:5G技術能夠滿足日益增長的數據流量需求,並支持物聯網(IoT)應用。企業和消費者對更快的網絡速度和更好的連接性有強烈需求。
  • 監管側:許多國家已經開始部署5G網絡,但在一些地方還存在監管問題,例如無線頻譜的分配和使用。然而,政府機構通常也積極參與5G技術的發展。

電動汽車(EV)產業

  • 供給側:多家汽車製造商已經開始生產電動汽車,並不斷改進電池技術和充電基礎設施。産品多樣性和性能不斷提高。
  • 需求側:全球對環保和節能的關注不斷增加,導致對電動汽車的需求增長。消費者尋求減少碳排放,政府也鼓勵電動汽車的使用。
  • 監管側:政府部門積極推動電動汽車的普及,通過提供稅收優惠和建設充電站等措施來支持。

同時,你也可以看看在這個產業的賽道頭,那些玩家是最早實現這三要素的,那麼他就有可能取得先發優勢。接著如上面提到,我們還需要持續觀察這項技術的要素,有沒有什麼缺失情況,或著有存在哪些短板,接著再進一分析出補全這些短板可能所需要的時間,最終才能推測出它的産業化時點。​

三、小結

這四講的內容中,王老師除了提出分析框架之外,重點還是在於他提到一些案例,包含新能源、電動車、或者他先前持續在的關注的AR/VR產業,也提到現在AI產業的發展,我實際在學的什麼想到幾個部份是老師可能沒提到的。

首先是新技術的核心原理與可能的應用,這部份可能要理解並不容易,所以我們需要尋找一些「轉譯者」,透過他們的眼光來幫助我們理解這些複雜的技術原理,可能是一些產業分析師出來寫的書,或者業界的達人出來分享的講座或課程。

其次是在產業分析的經驗要找到一些加速的方法,一般很少做分析研究的人,要自己投入並做好它,我想要花不少時間,雖然有個省力的方式是去看公開的或付費的行業報告書,不過依據一手資源的原則來看,這些資料我們應該只是拿來參考,而不是拿來直接就當結論。

最後,我覺得一開始學產業分析研究,還要要先從自己熟悉的產業下手,不要一下子跳去太過陌生的產業,可能在學習成效上會比較快,就像老師課程中案例用了許多我並不熟悉的產業時,我在讀案例是可以幫助我學習理解,但我對該產業可能並不熟,這時我要看的要學的就是老師思考方式,然後想辦法套用在自己有興趣的產業中。

承上,另一方向就是去研究生活中你比較容易接觸到的產品的產業來做練習,例如智慧型手機、以電動車…等等。

我想回覆文章

這個網站採用 Akismet 服務減少垃圾留言。進一步了解 Akismet 如何處理網站訪客的留言資料