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(jìn)，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(xì)分市場參與者主要由基礎(chǔ)電信運(yùn)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(yùn)營商為主，其機(jī)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(jī)、路由器、WLAN無線設(shè)備)等。

　　從代表性第三方數(shù)據(jù)中心運(yùn)營商運(yùn)營情況來看，世紀(jì)互聯(lián)是國內(nèi)數(shù)據(jù)中心行業(yè)的標(biāo)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(lì)。從短期看：有不少其他行業(yè)企業(yè)認(rèn)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(jì)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(jìn)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(jì)，到2025年，全球產(chǎn)生的數(shù)據(jù)總量將較2016年暴漲10倍，達(dá)到163ZB(1ZB等于10億GB)。在數(shù)據(jù)汪洋中，企業(yè)的運(yùn)營環(huán)境也更為多樣和復(fù)雜，涉及生產(chǎn)設(shè)施、辦公場所、實(shí)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(yùn)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(fù)雜性，而數(shù)據(jù)分析(dataanalytics)、認(rèn)知計(jì)算(cognitivecomputing)、機(jī)器學(xué)習(xí)等基于大數(shù)據(jù)的人工智能工具在大數(shù)據(jù)時(shí)代的并購中的運(yùn)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(biāo)的搜尋和篩選效率。不僅局限于對財(cái)務(wù)報(bào)表、管理層報(bào)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(fēng)險(xiǎn)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(jià)傾向等非傳統(tǒng)信息，并運(yùn)用文本分析工具對不同來源的信息進(jìn)行整合和分析。埃森哲的調(diào)查顯示，80%的受訪企業(yè)認(rèn)可數(shù)據(jù)分析有助于對并購目標(biāo)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(tuán)開發(fā)出一款利用人工智能評估非傳統(tǒng)指標(biāo)的并購模型，根據(jù)在267個(gè)案例上的測試，該模型可以準(zhǔn)確預(yù)測超過70%的收購項(xiàng)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(bào)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(biāo)進(jìn)行估值。并購雙方在并購后的協(xié)同效應(yīng)是目標(biāo)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(gè)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(shí)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(shí)力”，幫助并購方發(fā)現(xiàn)收購后的價(jià)值潛力。例如，通過目標(biāo)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(shí)專業(yè)水平;通過分析目標(biāo)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(diǎn)評、對公司的網(wǎng)絡(luò)輿論傾向等，可以測算目標(biāo)公司的用戶或客戶群的黏度;基于目標(biāo)公司所掌握的客戶和供應(yīng)商第一手?jǐn)?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(jìn)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(yùn)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(zhǔn)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(fēng)險(xiǎn)因素，并且更準(zhǔn)確地預(yù)測這些風(fēng)險(xiǎn)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(zhǔn)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(biāo)公司與估值參考數(shù)據(jù)進(jìn)行比較，從而形成更合理的估值。根據(jù)波士頓咨詢集團(tuán)的統(tǒng)計(jì)，非傳統(tǒng)協(xié)同效應(yīng)的價(jià)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(yuǎn)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(biāo)企業(yè)或目標(biāo)資產(chǎn)開展財(cái)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(zhǔn)確評估目標(biāo)的價(jià)值和潛在風(fēng)險(xiǎn)。傳統(tǒng)的盡職調(diào)查方法耗時(shí)耗力，不僅需要調(diào)查人員的專業(yè)知識，還需要大量的時(shí)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(dǎo)致人為疏漏的概率增大，給并購方遺留的風(fēng)險(xiǎn)也更大。人工智能，尤其是認(rèn)知計(jì)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(zhǔn)確率，幫助并購方更好地規(guī)避法律風(fēng)險(xiǎn)，并節(jié)省調(diào)查費(fèi)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(shí)間。人力資源、財(cái)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(xiàng)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(jī)器學(xué)習(xí)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(biāo)準(zhǔn)調(diào)查報(bào)告;此外，該公司的KiraQuickStudy系統(tǒng)還可以根據(jù)客戶的需求進(jìn)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(zhǔn)確反映本次交易的商業(yè)設(shè)計(jì)，同時(shí)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(xiàng)目形成本所的協(xié)議模板，將其用于起草具體項(xiàng)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(shí)踐的變化經(jīng)常予以更新，這將耗費(fèi)律師大量的時(shí)間，而囿于人工認(rèn)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(yuǎn)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(zhǔn)備高質(zhì)量的協(xié)議模板，使律師可將時(shí)間和精力集中于客戶在特定項(xiàng)目中需重點(diǎn)解決的法律問題，提升法律服務(wù)的效率和價(jià)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(jìn)行大數(shù)據(jù)統(tǒng)計(jì)，歸納出最普遍使用的條款，形成緊跟最新實(shí)踐的協(xié)議模板，再由資深并購律師進(jìn)行審閱微調(diào)，確保模板符合最新的市場標(biāo)準(zhǔn)和行業(yè)經(jīng)驗(yàn)。

　　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(tuán)收購Global Switch(其最終價(jià)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。