數(shù)據(jù)中心并購,2022數(shù)據(jù)中心并購分析

　　數(shù)據(jù)中心承載著大數(shù)據(jù)的發(fā)展，是互聯(lián)網(wǎng)企業(yè)發(fā)展的重要基礎(chǔ)。現(xiàn)在各大數(shù)據(jù)中心的建立水平是越來越先進，很多地址也選擇在氣候適宜的地區(qū)，像微軟的海底數(shù)據(jù)中心，我國河北地區(qū)、西北地區(qū)很多地方都適宜建造數(shù)據(jù)中心，能利用氣候很好地節(jié)約溫控的成本。如果有的企業(yè)選擇收購并購一家數(shù)據(jù)中心，那就看看今天的內(nèi)容介紹。

　　一、淺談我國數(shù)據(jù)中心分析

　　我國數(shù)據(jù)中心細分市場參與者主要由基礎(chǔ)電信運營商、專業(yè)數(shù)據(jù)中心服務(wù)商、云服務(wù)商等組成，市場格局以運營商為主，其機房遍布全國;其余的市場以第三方數(shù)據(jù)中心廠商為主。

　　根據(jù)中國電子信息產(chǎn)業(yè)發(fā)展研究院數(shù)據(jù)顯示，中國數(shù)據(jù)中心硬件設(shè)備投資規(guī)模中，服務(wù)器占主要比重，其中以X86服務(wù)器為主，其次為數(shù)據(jù)中心存儲設(shè)備。2019年中國數(shù)據(jù)中心服務(wù)器投資額為979.2億元，占硬件設(shè)備投資58.3%，數(shù)據(jù)中心存儲設(shè)備投資額為213.9億元，占硬件設(shè)備投資12.7%。

　　從市場主要參與者來看，華為、新華三、浪潮、戴爾等為數(shù)據(jù)中心硬件產(chǎn)品龍頭廠商，業(yè)務(wù)范圍涵蓋服務(wù)器、存儲、網(wǎng)絡(luò)設(shè)備(交換機、路由器、WLAN無線設(shè)備)等。

　　從代表性第三方數(shù)據(jù)中心運營商運營情況來看，世紀互聯(lián)是國內(nèi)數(shù)據(jù)中心行業(yè)的標志性公司，主要以零售模式銷售，收入規(guī)模處于業(yè)內(nèi)領(lǐng)先水平。萬國數(shù)據(jù)是目前國內(nèi)數(shù)據(jù)中心業(yè)務(wù)成長性最高的公司。

　　從行業(yè)并購發(fā)展趨勢來看，數(shù)據(jù)中心需求持續(xù)增長，但市場競爭也十分激勵。從短期看：有不少其他行業(yè)企業(yè)認為數(shù)據(jù)中心有更高的毛利率，因此切入該行業(yè);

　　從長期看：云計算對數(shù)據(jù)中心業(yè)務(wù)的挑戰(zhàn)一直存在。隨著大型數(shù)據(jù)中心和超大型數(shù)據(jù)中心數(shù)量的增多，一線城市中的中小型數(shù)據(jù)中心雖然地位仍重要，但整體市場占比會逐漸減小，如無其他突圍方式，便陷入“不進則退”的處境。

　　二、利用大數(shù)據(jù)并購數(shù)據(jù)中心的方法

　　根據(jù)KPMG的預(yù)計，到2025年，全球產(chǎn)生的數(shù)據(jù)總量將較2016年暴漲10倍，達到163ZB(1ZB等于10億GB)。在數(shù)據(jù)汪洋中，企業(yè)的運營環(huán)境也更為多樣和復雜，涉及生產(chǎn)設(shè)施、辦公場所、實體商鋪、網(wǎng)站、社交媒體、應(yīng)用軟件等，各平臺之間的交互聯(lián)動所形成的企業(yè)畫像較傳統(tǒng)單一運營環(huán)境下的企業(yè)畫像更立體和全面。傳統(tǒng)的以人工為基礎(chǔ)的信息處理方法在檢索能力、處理能力、分析質(zhì)量、響應(yīng)速度等效能上日漸無法應(yīng)對數(shù)據(jù)類并購的復雜性，而數(shù)據(jù)分析(dataanalytics)、認知計算(cognitivecomputing)、機器學習等基于大數(shù)據(jù)的人工智能工具在大數(shù)據(jù)時代的并購中的運用越來越受到重視。

　　首先，大數(shù)據(jù)技術(shù)大幅提高對潛在并購目標的搜尋和篩選效率。不僅局限于對財務(wù)報表、管理層報告等傳統(tǒng)信息來源的挖掘，人工智能可通過數(shù)據(jù)挖掘工具收集風險投資流向、科研成果發(fā)布和利用、縱向和橫向產(chǎn)業(yè)聯(lián)結(jié)、輿論評價傾向等非傳統(tǒng)信息，并運用文本分析工具對不同來源的信息進行整合和分析。埃森哲的調(diào)查顯示，80%的受訪企業(yè)認可數(shù)據(jù)分析有助于對并購目標的篩選。而更優(yōu)質(zhì)的篩選結(jié)果有助提高交易的成功率。波士頓咨詢集團開發(fā)出一款利用人工智能評估非傳統(tǒng)指標的并購模型，根據(jù)在267個案例上的測試，該模型可以準確預(yù)測超過70%的收購項目在收購三年后的業(yè)績表現(xiàn)。KPMG的調(diào)查表明，有29%的企業(yè)在并購中使用數(shù)據(jù)分析或商業(yè)情報分析技術(shù)。

　　其次，數(shù)據(jù)分析有助于更合理地對并購目標進行估值。并購雙方在并購后的協(xié)同效應(yīng)是目標估值的重要考量因素。傳統(tǒng)的估值方法一般基于成本節(jié)省和收入增長兩方面來測算協(xié)同效應(yīng)。但數(shù)據(jù)類并購的協(xié)同效應(yīng)更可能體現(xiàn)在以下兩個方面：一是收購方可利用被收購方的數(shù)字能力創(chuàng)造新的業(yè)務(wù)模式、服務(wù)或產(chǎn)品，從而推動收購方核心業(yè)務(wù)的增長;二是被收購方借助收購方的業(yè)務(wù)能力、資本和市場實現(xiàn)數(shù)字業(yè)務(wù)的加速增長。傳統(tǒng)的估值方法不太適用于評估這種協(xié)同效應(yīng)。數(shù)據(jù)分析工具更善于分析數(shù)據(jù)類企業(yè)的“軟實力”，幫助并購方發(fā)現(xiàn)收購后的價值潛力。例如，通過目標企業(yè)在LinkedIn上的員工檔案，可以判斷公司在相關(guān)領(lǐng)域的真實專業(yè)水平;通過分析目標公司在社交媒體上的粉絲規(guī)模、對其產(chǎn)品的網(wǎng)絡(luò)點評、對公司的網(wǎng)絡(luò)輿論傾向等，可以測算目標公司的用戶或客戶群的黏度;基于目標公司所掌握的客戶和供應(yīng)商第一手數(shù)據(jù)，并購方可以更好地理解客戶和供應(yīng)商的需求和行為模式，從而有助于規(guī)劃在并購后如何優(yōu)化服務(wù)和產(chǎn)品、改進客戶和供應(yīng)商關(guān)系、合理化資源配置等。大數(shù)據(jù)技術(shù)還能提高傳統(tǒng)估值方法的運用效率。例如，在大數(shù)據(jù)的幫助下，現(xiàn)金流折現(xiàn)法可以更容易地準備現(xiàn)金流量表，更容易地根據(jù)現(xiàn)存市場信息識別影響現(xiàn)金流量的風險因素，并且更準確地預(yù)測這些風險因素對現(xiàn)金流的具體影響。數(shù)據(jù)分析與傳統(tǒng)的市場基準估值技術(shù)相結(jié)合，使并購方可以從更廣泛的市場數(shù)據(jù)庫提取估值參考倍數(shù)，并可幫助并購方更快更可靠地將目標公司與估值參考數(shù)據(jù)進行比較，從而形成更合理的估值。根據(jù)波士頓咨詢集團的統(tǒng)計，非傳統(tǒng)協(xié)同效應(yīng)的價值可以占到數(shù)據(jù)類企業(yè)估值的至少50%，2017年涉及企業(yè)收購方的數(shù)據(jù)類并購的平均交易金額為1.51億美元，估值的中位數(shù)為EBIT的26倍，遠高于全部并購交易的估值中位數(shù)(EBIT的14.2倍)。

　　第三，人工智能大大提高了并購前盡職調(diào)查的效率。作為并購的必要程序，并購方須對目標企業(yè)或目標資產(chǎn)開展財務(wù)、商務(wù)、稅務(wù)、法律、技術(shù)、人力資源、數(shù)據(jù)安全等方面的盡職調(diào)查，以便準確評估目標的價值和潛在風險。傳統(tǒng)的盡職調(diào)查方法耗時耗力，不僅需要調(diào)查人員的專業(yè)知識，還需要大量的時間和體力投入，相應(yīng)產(chǎn)生可觀的調(diào)查支出。對于跨國并購，盡職調(diào)查的工作量更為龐大，不同地域的調(diào)查人員的協(xié)作難度更大，導致人為疏漏的概率增大，給并購方遺留的風險也更大。人工智能，尤其是認知計算的應(yīng)用，可以大量節(jié)省盡職調(diào)查的人力投入，提高處理速度和準確率，幫助并購方更好地規(guī)避法律風險，并節(jié)省調(diào)查費用。根據(jù)數(shù)據(jù)專家的估算，將人工智能用于并購盡職調(diào)查可節(jié)約百分之三十至九十的盡職調(diào)查時間。人力資源、財務(wù)、產(chǎn)品研發(fā)、銷售和市場、資產(chǎn)管理、不動產(chǎn)是人工智能增效最明顯的盡職調(diào)查領(lǐng)域。德勤和KPMG已在越來越多的并購咨詢項目中使用人工智能系統(tǒng)為客戶服務(wù)。咨詢公司KiraSystems的盡職調(diào)查引擎服務(wù)使用機器學習技術(shù)自動從合同中搜尋和提取并購調(diào)查通常需關(guān)注的信息，并以超過1000種可選擇的條款模板形成標準調(diào)查報告;此外，該公司的KiraQuickStudy系統(tǒng)還可以根據(jù)客戶的需求進行定制，審查任何指定的特殊信息。

　　最后，人工智能可大幅優(yōu)化并購法律文件的起草。企業(yè)并購需要并購協(xié)議和其他配套法律文件予以規(guī)范，這些協(xié)議和文件一方面需要準確反映本次交易的商業(yè)設(shè)計，同時還應(yīng)符合法律規(guī)定、監(jiān)管要求和市場慣例。傳統(tǒng)上，律師事務(wù)所根據(jù)過往經(jīng)辦的項目形成本所的協(xié)議模板，將其用于起草具體項目的并購協(xié)議的基礎(chǔ)。但協(xié)議模板必須根據(jù)法律環(huán)境和市場實踐的變化經(jīng)常予以更新，這將耗費律師大量的時間，而囿于人工認知的局限，任何一家律所的模板都難以確保全面反映最新的發(fā)展變化。數(shù)據(jù)類企業(yè)所處的技術(shù)、商業(yè)和監(jiān)管環(huán)境的變化遠快于傳統(tǒng)企業(yè)，這更增加了律師更新并購協(xié)議模板的難度。人工智能可幫助律師準備高質(zhì)量的協(xié)議模板，使律師可將時間和精力集中于客戶在特定項目中需重點解決的法律問題，提升法律服務(wù)的效率和價值。例如，法律智庫公司W(wǎng)oltersKluwer早在2017年7月就推出了使用人工智能的并購條款分析服務(wù)，該服務(wù)通過人工智能對市場中使用的并購協(xié)議條款進行大數(shù)據(jù)統(tǒng)計，歸納出最普遍使用的條款，形成緊跟最新實踐的協(xié)議模板，再由資深并購律師進行審閱微調(diào)，確保模板符合最新的市場標準和行業(yè)經(jīng)驗。

　　三、近幾年收購數(shù)據(jù)中心案例

　　最大的數(shù)據(jù)中心并購交易是Blackstone以100億美元收購QTS、Digital Realty以84億美元收購Interxion、Digital Realty以76億美元收購DuPont Fabros，以及中國江蘇沙鋼集團收購Global Switch(其最終價值超過80億美元)。其他一些最著名的收購方包括Equinix、EQT、Digital Bridge(Colony)、CyrusOne、GDS、Macquarie 和Mapletree。

　　綜上所述，關(guān)于數(shù)據(jù)中心并購,2022數(shù)據(jù)中心并購分析介紹的文章，如果您需要辦理該資質(zhì)或者想更多咨詢問題，請聯(lián)系大通天成在線客服。