日期 | 股票名 | 调研地点 | 调研形式 |
2023-09-19 | 零点有数 | - | 特定对象调研 |
PETTM | PB | 股息率TTM | 总市值 | 换手率 |
---|---|---|---|---|
- | 6.25 | - | 32.40亿 | 9.38% |
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 |
-14.93% | -13.91% | -109.78% | -149.29% | -49.25 |
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 |
22.33% | 23.14% | -49.25% | -51.84% | 0.32亿 |
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 |
16.77 | 57.71 | 156.03 | 36.51 | - |
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 |
202.78 | 171.96 | 21.36% | -0.83亿 | |
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 |
-1.00亿 | 0.14亿 | 2024-09-30 | - | - |
参与机构 |
天治基金,浙商证券,财通资管,招商证券,衍航投资,中融信托,泾溪投资,中信保诚,银河基金,朱雀基金,交银施罗德基金,健顺投资,国元证券,凯石基金,申万菱信 |
调研详情 |
一、公司概况介绍环节 1、公司基本情况 公司业 务:公司创立于1993年,原名零点调查,最早从事市场调研咨询,基本模式是客户委托项目,公司收集和分析相关数据,并提交数据分析报告,辅助客户管理决策。第二个业务是为客户委托,开发软件,公司也继续采集数据、融合客户内部数据以及外部数据,提交部署辅助决策软件。这两个业务的是一致的,就是满足客户基于数据驱动决策的需求,因此公司30多年始终坚持一条赛道,即数据分析与决策支持。不论是政府部门还是企业部门,以数据为依据进行决策的需求是一直没有变化的,只是说不同的年代,不同的阶段由不同的技术来支撑。 公司软 件业务发展战 略:公司发展软件业务的战略是业务经验模型化、模型算法化、算法软件化。公司最大核心竞争力是一种比较优势,尤其是公司具备咨询公司的基因。咨询公司的基因最大的价值在于能够快速识别客户需求,并具备建立模型的方法论。它能够自己构建经验模型,然后将其转化为算法,打造成软件产品。同时我们还运用了一些新技术,如机器学习、自然语言处理(NLP)、垂直应用大 模型等等人工智能技术开发数据智能软件。公司数据智能软件业务的商业模式是软件+服务,不仅仅是一次性软件销售,而是将软件嵌入客户的生产管理系统中,从长期服务中获取收益,增强了客户业务的粘性。 有关数 据要素市场:目前大家非常关注数据要素市场,公司也是较早介入这个市场探索的公司之一。公司从2019年开始参与大数据交易中心的项目中,公司作为小股东,主要是探索性质。通过这个经历,公司对数据要素市场有了初步的认知,也逐步明确了公司在这个数据要素市场中的定位是“数商”。数据交易需要三个核心要素: 确权、定价和数商。确权是数据归属的确认,目前在技术层面尚未完全解决。定价将资源转化为资产的前提条件,一般在初期,是资源方拥有定价权。数商中介是数据交易的必要环节,需要通过中介机构进行评估和交易。公司在这个里面的角色其实就是一个数商中介。因此,我们相信在数据要素市场发展繁荣之后,数商中介公司将起到关键作用,推动数据市场的发展。 技术与 市场风险:特别需要指出的是,对于机器学习、NLP、大模型等人工智能新新技术以及数据要素市场新业务的探索,目前公司已有一些尝试与积累,我们也看到了资本市场对这个关注,由于新的事物有一个发展的过程,因此我们也希望通过这次交流,券商卖方研究人员以及基金研究员、基金经理对外传递零点价值的同时,也希望重视技术与业务创新中的风险,向资本市场传播时不仅仅传递公司的价值,也提示以下风险:1)技术落地不及预期:创新技术与现有 技术开发的软件产品、客户自有系统协同性及适配性不足等导致技术落地不及预期的风险,2)市场开拓不及预期:数据以及人工智能新技术、新方法层出不穷,技术升级的周期缩短,在一个技术周期内市场开拓尚未达到规模预期,又出现新的技术迭代,从而导致市场开拓不及预期。 二、互动交流 1、业务的收入波动对应哪些行业? 答复:我们的行业涉及政府和商业两大类。在经济繁荣时期,商业占比较大,而在经济不景气时,政府占比较大,就像一个对冲的跷跷板。这取决于经济景气程度,并不是非常确定。 2、采购的数据能够复用吗? 答复:采购的部分数据是可以用在其他项目中。API化后这些数据就是一个决策因子。公司认为API化是未来数据交易的趋势。但目前数据的复用率还没有很高。 3、每年大客户情况?其中新客占比多少? 答复:产值较大的客户中老客户占比大概60-70%,新客30-40%。进入大客户的供应商系统不易,更换供应商的情况较少。 4、公司如何受益于国家推进数据要素市场化的政策? 答复:这个是一个政策推动的市场,国家从2018年开始探索数据要素,2019年开始全国陆续出现了一批数据交易中心。2022年数据二十条出台后各地也纷纷出台地方配套政策。2023年8月有关数据入表的政策,算是正式推动了数据要素市场的一个重要步骤。公司是以算法为核心的公司,算法模型的优化以及训练均需要数据。公司之前参股大数据交易中心,投资的初衷是与合作伙伴共同探索数据交易的可能突破方向,同时也为公司经验模型化→模型算法化→算法软件化的战略带来更丰富的数据资源,具有一定的业务联动性。公司之前投资金蝶票据云科技(深圳)有限公司,也是主要为脱敏数据发挥数据分析价值做的准备。预计2025年全面电票化后,财务业务联合将来不再是大公司的专有,中小公司也可以很方便做业财分析,因为国家的电子发票普及,相当于为财业分析做好了一个数字新基础设施。这些举措对推动数据交易以及苏剧应用具有很大促进作用,但目前数据交易主要还是场外交易,场内交易的前景仍然不明朗。 政策 风险提示:国家与地方出台系列支持政策,尤其是财政部发布的《企业数据资源相关会计处理暂行规定》将在2024年1月1日执行,对于数据资源的适用范围、数据资源会计处理适用的准则仍然在实操层面存在不确定性。公司尚不能量化评估这些政策对公司业绩的影响,目前公司也尚无场内数据交易所产生的直接收入。公司不能量化政策的推动对具体经营数据的影响,请各位投资者理性对待,并注意投资风险。 |
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。