日期 | 股票名 | 调研地点 | 调研形式 |
2025-04-11 | 每日互动 | - | 业绩说明会 |
PETTM | PB | 股息率TTM | 总市值 | 换手率 |
---|---|---|---|---|
- | 8.41 | - | 130.67亿 | 5.93% |
营业收入同比增长率(%)(单季度) | 营业收入同比增长率(%) | 归母利润同比(%)(单季度) | 归母利润同比(%) | 净利润/营业总收入 |
-0.96% | -0.96% | -336.39% | -336.39% | -18.36 |
销售毛利率 | 销售毛利率(单季度) | 销售净利率 | 销售净利率(单季度) | 毛利 |
61.23% | 61.23% | -18.36% | -18.36% | 0.61亿 |
销售费用/营业总收入 | 管理费用/营业总收入 | 营业总成本/营业总收入 | 归属于母公司的股东权益/带息债务 | 研发费用/总市值 |
25.94 | 61.22 | 127.32 | 1144.65 | - |
存货周转天数 | 应收账款周转天数 | 资产负债率 | 利息费用/息税前利润 | 息税前利润 |
52.20 | 150.40 | 10.94% | 0.07% | -0.27亿 |
企业自由现金流量 | 带息债务 | 财务数据报告期 |
业绩预告
公告日期
报告期
|
业绩预告变动原因 |
0.01亿 | 2025-03-31 | - | - |
参与机构 |
参与公司2024年度网上业绩说明会的投资者 |
调研详情 |
序号 提问内容 回复内容 1 "想问下贵公司作为2024年首批数据资产入表的上市公司,在数据资产入表中遇到了哪些挑战,比如数据资源确权方面,以及在数据资产入表上有哪些创新性举措。" "尊敬的投资者,您好!公司在数据资产入表过程中,由于数据资源的诸多特性,对我们会计实务中对数据产品的成本归集和摊销方法的确定等方面带来了一定挑战。公司本着谨慎的原则,按照会计准则和《业数据资源相关会计处理暂行规定》的指导进行成本归集与数据资源的确认。谢谢!" 2 高管您好,请问贵公司本期财务报告中,盈利表现如何?谢谢。 "尊敬的投资者,您好!2024年度,公司营业收入同比增长,扣除非经常性损益后的归母净利润实现扭亏为盈。业务方面公司持续强化"D-M-P"三层业务逻辑,有序推进各项业务协同发展。开发者服务收入相对稳定,报告期内持续完善产品矩阵,融入了更丰富、更多源的优质数据;数据服务方面,公司商业服务企稳回升,其中增能服务强化技术创新,品牌服务聚焦产品能力升级,均实现稳定成长;在公共服务领域,新老SaaS产品稳扎稳打,公共服务数盘有序推进,业务持续保持增长。公司业务有序推进的同时,新产品、新模式的顺利拓展进一步巩固了公司的市场份额。谢谢!" 3 "领导好,在 AI 大模型和 "发数站" 等战略投入的背景下,研发投入收缩是否影响技术储备?后续研发预算是否会向核心技术倾斜?" "尊敬的投资者,您好!数据智能行业作为技术密集型、人才密集型、高度创新型的行业,企业的创新能力至关重要。近年来,公司持续保持稳定的高强度研发投入。同时,为更好的推进长期战略发展,公司在2024年底发布再融资预案,募集资金将重点建设"可控智算能力平台及行业垂直模型产业化项目"和"发数站项目",为未来发展积蓄长期动能。谢谢!" 4 ARPU 是否下降?OneID SDK 市场反馈? "尊敬的投资者,您好!OneID SDK在推出后日活不断增长。OneID SDK能够在安全、合规的前提下帮助企业打通多端数据,实现APP、小程序、H5、快应用等多端数据的无缝对接,打破了数据孤岛,解决了客户在跨端运营、流量归因、流量变现等场景上面的运营问题,让运营人员在多平台运营时拥有了全局视野,能够更精准地洞察用户行为,优化投放策略,提升转化效率。谢谢!" 5 高管您好,请问贵公司未来盈利增长的主要驱动因素有哪些?谢谢 "尊敬的投资者,您好!公司在原有业务有序推进的同时,积极研发创新推出数智新品,展现出强劲的市场竞争力与增长潜力。同时在数据智能技术方面,公司一直处于行业前列,积极探索大数据技术与人工智能技术的深度融合。随着行业进入人工智能时代,公司也在第一时间接入国内外通用大模型,结合自身的数据积累和挖掘能力以及对特定行业的深刻洞察,开发出垂直场景类大模型。公司将持续推进"可控大模型"在垂直领域的落地应用,为公司发展积累新的增长曲线。谢谢!" 6 方总您好,请问自研垂直大模型技术优势体现在哪里? "尊敬的投资者,您好!公司在技术方面一直处于行业前列,积极探索大数据技术与人工智能技术的深度融合。早在2015年,公司就开始深度应用向量化等技术,并在云计算和深度学习及结合知识图谱利用大模型等前沿科技持续研究探索。随着行业进入人工智能大模型时代,公司也在第一时间接入国内外通用大模型。公司是文心一言、通义千问等大模型的首批合作伙伴,也是ChatGPT的首批直连客户。2024年上半年,公司就接入DeepSeek相关版本并完成各方面的评估及利用自有算力进行私有化部署,现阶段公司已经运用大模型、智能体、RAG等人工智能技术,并结合自身的数据积累和挖掘能力以及对特定行业的深刻洞察,应用在商业营销和公共服务领域。下一步,公司将在可信数据空间里面建可控大模型,通过"开源大模型"和"闭源小数据"结合能产生"专属垂直模型",推动"人工智能+"赋能千行百业。谢谢!" 7 高管您好,能否请您介绍一下本期行业整体和行业内其他主要企业的业绩表现?谢谢。 "尊敬的投资者,您好!公司所处的数据智能行业是深度融合大数据技术和人工智能技术的行业,行业发展离不开数据要素市场、人工智能等前沿技术的共同推动。近年来,随着数据被增列为第五生产要素,以及数据要素基础制度建设不断优化完善,数据要素应用场景在政策推动下加速落地;同时人工智能等技术的飞速发展,为行业的商业化提供了更广阔的空间。数据要素市场和人工智能等前沿技术的发展,促进了数据智能等产业的加速升级,为行业创造了新的机遇。谢谢!" 8 请问西湖产业园、数安基金的生态协同效应如何量化?谢谢 "尊敬的投资者,您好!公司通过利用现有场地建设西湖数据智能产业园,吸引更多数据领域的上下游生态企业入驻,进一步打造在数据领域的产业集聚优势;通过参与设立数安基金,公司以产业投资者身份更深度参与到数安港产业生态的建设中。这些都将与公司现有业务形成良好的协同效应,推动公司业务的积极发展。谢谢!" 9 高管您好,请问您如何看待行业未来的发展前景?谢谢。 "尊敬的投资者,您好!数据智能产业生态日趋成熟,数据智能行业正经历快速变革,人工智能与大模型驱动技术的突破,驱动数据要素市场化进程不断提速,行业应用场景更加深化与多样化,技术创新、应用深化及政策支持共同推动其发展。谢谢!" 10 面对巨头,"D-M-P" 三层逻辑的差异化优势如何巩固? "尊敬的投资者,您好!公司作为数据智能行业的领跑者,很早就意识到数据所蕴含的巨大价值,率先构建了D-M-P(数据积累-数据治理-数据应用)的服务闭环,覆盖数据智能全产业链。在D层,公司拥有强大的数据积累能力,截至2024年末,开发者服务SDK累计安装量突破1,150亿,覆盖设备超过10亿,其中智能IoT设备SDK累计安装量超3.7亿;SDK日活跃独立设备数(去重)超4亿,其中用户运营SDK日活数突破1.4亿,进一步丰富了公司的数据维度,提高了公司数据资产的质量。在M层,公司将十多年来沉淀的数据治理能力和经验产品化,打造数据智能操作系统(DiOS),从而"让数好用"。数据智能操作系统(DiOS)已应用在品牌营销、公共治理、数智交通、智慧医疗等领域。在P层,公司强化产品创新能力,不仅打造了产品化的、规模化盈利的数据智能应用,还在业务开展过程中提炼出数据智能应用方法论,并打造了相关垂直行业的资深专家团队,致力于"把数用好"。面对细分垂直领域的快速发展变化,公司能够快速结合在已有业务中沉淀的经验优势,将自身数据能力与各垂直领域的客户和专家协作共创,不断探索深化数据智能的落地应用,为更多产业提供新的服务、产品和解决方案,满足客户的更多需求。谢谢!" 11 请问财务费用减少的主要原因是什么?谢谢领导 尊敬的投资者,您好!本期财务费用减少的原因主要是本期现金管理的规模减少,相应的利息收入也同步减少。谢谢! 12 请问公共服务业务增长的主要驱动力是什么?公司在公共服务领域的市场策略是什么? "尊敬的投资者,您好!公司公共服务拥有广泛且优质的客户基础,累积覆盖全国超2,900个区县级单位客户,有利于向老客户拓展新产品,而良好的市场口碑也有利于向新客户推广老产品;同时,公司持续保持高强度的研发投入,公共服务探索融合大模型、智能体(Agent)等技术的应用,赋能升级现有产品,提升客户体验,增加客户粘性。谢谢!" 13 请问公司如何提升客户留存率? 尊敬的投资者,您好!公司注重研发创新,提升产品性能和服务质量,持续保持客户留存率高位,实现稳定发展。谢谢! 14 请问"发数站"项目的具体实施计划是什么?预计何时能够实现商业化运营? "尊敬的投资者,您好!面对行业机遇,公司提出"发数站"战略。"发数站"类似于"发电站",它依托人工智能、隐私计算、区块链等前沿技术,融合数据合规审核、数据流程管理和监控等机制,联接数据使用方、数据提供方、数据服务方等主体,为多方数据的安全高效流通提供可信空间,从而实现数据价值的融合开发创造。对此我们有一个非常清晰的五年规划,在2022年的时候,我们依托数安港进行模式建立,2023年我们要打造行业地位,2024年要探索产业落地,2025年要拓展应用领域,2026产生生态效应。对于发数站,我们始终坚持对外开放的态度,希望行业的朋友们共同去建各种各样的发数站,基于公共数据和产业数据,面向场景、创造价值。谢谢!" |
AI总结 |
|
免责声明:数据相关栏目所收集数据,均来自第三方个人或企业公开数据以及国家统计网站公开发布数据,数据由计算机技术自动收集更新再由作者校验,作者将尽力校验,但不能保证数据的完全准确。 阅读本栏目的用户必须明白,图表所示结果或标示仅供学习参考使用,均不构成交易依据。任何据此进行交易等行为,而引致的任何损害后果,本站概不负责。