五旬環衛工藏書近7000冊

這是什麽鬼智慧城市，環衛書近7000冊和沿海做鞋子玩具的代工廠毛利率又有多大差別呢?　　主要的問題出在產業鏈位置，環衛書近7000冊IT廠商由低端到高端走，可以分為四個層級，第一是代理商，第二是係統集成商，第三是軟件開發商，第四是總體規劃和谘詢商。

工藏三說回我們的風口少女王凱歆。這一點與視頻中對話內容吻合，環衛書近7000冊而且這樣說來，周圍人的冷漠態度也不意外了，可能還有人暗爽於推廣人員被教訓了呢。

去年閱讀GQ智族的《17歲CEO王凱歆：工藏風口少女的神通與孤獨》時，工藏我竟有點恍惚，因為這篇文章的主人公王凱歆的經曆與所作所為，竟然與我四年前作為聯合創始人加入的某公司CEO如出一轍!連很多細節都極度一致!王凱歆其人在運營神奇百貨項目(深圳大爆炸科技)過程中，表現出來的種種問題，在GQ智族的文章中均有細節描述，概括起來說，就是言而無信(對合夥人期權等方麵)、撒謊成性(數據造假，平時瞎話也是張嘴就來)、模式平庸(淘寶商品轉售)、驕奢淫逸(花錢如流水，貪圖享樂，私生活複雜以致罹患婦科病)、朝令夕改缺乏常識(一會一個想法，對於產品開發運營毫無概念等)、戾氣深重(脾氣壞，情緒化，動輒對員工惡語相向)。不誇張的是，環衛書近7000冊我之前遭遇的那位CEO，簡直就是一個大號的王凱歆，以上問題基本全中，連私生活染病都不遺漏。項目有前途自然是好的，工藏沒前途也不要緊，我們可以包裝創始人包裝項目嘛。賺錢有很多方式，環衛書近7000冊最快的方式不是等著項目賺錢，而是把項目賣給認為它更值錢的下家。神奇的是，工藏與王凱歆一樣，這位CEO的項目，也在產品尚未上線的情況下完成了兩輪共計幾千萬的融資。

今天淩晨，環衛書近7000冊熱愛世界和平的薛之謙老師在微博上怒轉一個視頻，顯示在地鐵上一位小夥子對兩個女孩惡語相向極盡侮辱之能事，而周邊人無動於衷。總之，工藏視頻中小夥子、女孩和圍觀群眾，各有各的問題。眾所周知，環衛書近7000冊由於醫院取消藥品加成後，環衛書近7000冊藥店的價格優勢蕩然無存，加之藥店本身與上遊廠家對接就缺乏溢價能力，與時下作為縮減多層中間環節，降低藥價的B2B醫藥電商合作，拓展線上采購渠道則不失為應對良策。

圍繞著分級診療體係及醫生多點執業下的醫患關係而展開的一係列商業模式的創新將會成為可能，工藏不管是大平台還是垂直細分的模式都有可能找到自身的市場需求。在如此激勵競爭的環境之下，環衛書近7000冊有三個方向還是能夠發揮更多價值：一是早期VC。對於醫療健康行業同樣如此，工藏比如高端人才回國，工藏全球醫藥研發中心轉移，醫藥產品研發的“技術升級”和銷售的“海外拓展”，還有國內醫療器械等行業的部分“國產進口替代”等。此外，環衛書近7000冊醫藥行業其它衍生的產業，包括養老地產、健康保健消費等在一定程度上也可以借力企業本身的優勢做出一些轉型。

通過上市公司並購的案例也可以在一定層麵看到，2016年大部分並購即是為了實現產業鏈的延伸，也是為了內部資源的置換與整合。打通醫院間的數據孤島，有效利用原本長期被割裂的存量市場中醫療大數據的巨大價值，輔助於藥企的新藥研發和個性化診療。

伴隨著技術進步和醫療控費的壓力，近兩年來精準醫療受到各國政府的普遍關注，正在經曆前所未有的快速發展。從過去的十年看，醫療行業的增長主要來自於兩方麵：第一是內生增長，即產量增加、價格提升、新產品與業務的開拓(主要包括技術的升級)，這個邏輯仍然存在，而且相對於其他行業而言，醫療健康領域會有更為穩定和持久的增長機會;第二是外生增長，伴隨著資本市場的力量，行業迅速向縱橫兩個方向延伸，並且未來醫療健康行業的並購整合可能會來得更加猛烈。綜合上下兩篇報告，動脈網對整個醫療健康產業的的市場發展情況梳理了一個清晰的脈絡，對於企業投資方向、轉型升級、創業項目等起到一定的指導和規劃作用。無論是從其他行業轉行進入到醫藥行業，或者從原醫藥行業向外延展進行的多元化戰略，還是在原有的基礎上嚐試創建與整合新的戰略方向等，都是目前較為常見的方式。

目前現有電商體係下，無論是B2B、B2C還是O2O模式，都無法打通醫院端，真正觸及中國藥品渠道的核心。或根據患者的家族遺傳史和基因譜，對病症進行及早幹預和治療。在臨床試驗中，醫生可以對目標患者進行精準招募，精準宣講;在診療過程中，醫生可以根據患者的基因類型選擇療效突出的藥物，減少藥物副作用。和生物製藥領域一樣，我們相信在互聯網醫療領域，未來同樣會出現可以與BAT比肩、數千億市值的航母級企業。

它通過個性化的診斷技術預測個人未來疾病風險，從而更好地預防疾病;一旦患上某種疾病，它還可以進行早期診斷篩查，並采用精確的靶向藥物對患者進行治療，去除病灶。醫療健康行業的轉型，特別是傳統的醫藥上市公司，往往通過管理的變革、行業的遷移(包括橫向拓展與縱向深入)和企業整體轉型三種方式逐步探尋自我突破與價值實現。

英國–“十萬基因組計劃”由英國首相DavidCameron於2012年12月提出，並於2014年春天正式啟動，擬於2017年前完成10萬人基因組測序工作。隨著新技術逐步得到驗證，我們相信市場會在某個催化劑事件之後迎來陡直的上升曲線。

包括醫療保險、醫療金融、個體化醫療和創新醫療等則是較為新鮮的領域，也是未來可能有爆發空間的領域，但這些領域的投資成功不僅僅需要資本和企業自身的努力，有時往往需要整個體係的支持，因而短期而言具有較大的不確定性，然而其長期投資則非常具有吸引力。生產要素和產業環境變化帶來的各種社會資源包括資本、勞動力、土地、技術、信息等在企業轉型的過程中會發生重新布局。這種模式將成為未來醫療健康行業投資乃至整個PE投資行業的主流。互聯網保險首先重構的就是傳統保險的銷售環節，試圖砍掉多餘的傳統線下中間環節，提高利潤率和運營效率。移動互聯網技術的興起，醫藥與互聯網技術的結合使得信息流通成本大大降低，“去中心化、去權威化”是最顯著的特點。因此，它必將引來全球資本的關注。

因此，投資這個領域必須有足夠長的視野和足夠多的耐心。從這個產業並購發展的角度看，國內的這波內生增長和外生並購還處於較早的階段。

互聯網醫療市場行業趨勢2015年中國互聯網醫療市場規模超過170億元，相比2014年增長超過70%。醫藥行業具有高度的專業性、較高的行業壁壘與準入門檻，同時其細分子行業特別多，而且行業也被高度地監管受政策影響。

與精準醫療相似的個性化醫療概念最早於70年代提出，但由於技術限製、成本過高等原因未能快速發展(商業化路徑受限)。其它-澳大利亞的“十萬基因組計劃”與韓國版的“萬人基因組計劃”也都於2015年年底推出。

除了內生性的增長，上市公司已更多地尋求外延式並購和資源整合，借助資本之力尋求發展與轉型。2016年醫藥健康行業並購超過400起，金額超過1800億元。2、大數據將在互聯網醫療領域發揮重要作用。在成熟的醫療市場方麵，圍繞商業醫療保險的互聯網醫療革新模式受到國外資本市場大力追捧。

精準醫療有助於疾病的精確診斷分型(如癌症的不同分型)，從分子層麵解釋疾病，尤其是癌症的發病機理。互聯網醫療市場A股主要玩家：布局醫藥電商：上海醫藥(藥藥好)、九州通(好藥師)、康美藥業、湯臣倍健、以嶺藥業布局智慧醫療、醫患谘詢、醫保控費：衛寧軟件、萬達信息、東軟集團、華平股份、東華軟件布局軟硬結合、慢病管理：九安醫療(APP+設備)、樂普醫療(心腦血管領域)、福瑞股份(肝病領域)、三諾生物(糖尿病領域)、寶萊特非醫療類上市公司轉型布局：萬科、恒大、宜華地產(友德醫科技)、綠城地產、運盛實業(融達信息科技)、中國移動、中國聯通、中國電信 分級診療促使醫生生產力解放大數據將在慢病管理、分診轉診、醫保控費和互聯網健康險等環節發揮優勢B2B醫藥電商資本受寵，B2C、O2O市場空間總體受限利潤與效率的提升，促使互聯網健康險高速增長精準醫療市場行業趨勢精準醫療是有機會改變人類平均壽命的一個方向，是對現有醫療模式的革命性創新。

新型的互聯網醫療險創業公司Oscarhealth在短短成立兩年時間內，總估值已達到了27億美元。未來，還可以關注更多新業務包括新的需求、新的整合、新的機會等，比如創造性地去製造機會，搭建圍繞著某個核心領域的生態圈。

尤其是在慢病領域，由於具有人群基數大、數據質量高和隨訪周期長等特點，其數據價值更是互聯網醫療領域的金礦。中國-2015年3月，中國科技部召開國家首次精準醫學戰略專家會議，並決定在2030年前政府將在精準醫療領域投入600億元。

隨著互聯網醫療在醫院、醫生、患者和企業端的場景不斷深入，健康險產品的通過線上和線下場景的個性化定製、體驗和營銷環節將被不斷豐富，並將持續催生健康險的高速增長。中國醫療體係的問題根源在於供給端的生產力沒有得到釋放，而未分級的就醫路徑及醫生的定點執業被認為是影響生產力釋放的最大障礙;在一個供給被嚴重約束且無法短期內創造新供給的市場下，擅長於創造與滿足海量需求的互聯網模式在醫療領域顯得有點水土不服，這也是互聯網醫療在過去幾年中麵臨諸多挑戰的根源。試想如果通過互聯網平台累計的結構化高質量數據達到一定的體量，後續無論在應用於精準醫療、學術科研還是產品研發方麵，都會帶來足夠的商業價值。由於醫藥行業頻出新政，B2B醫藥電商平台成為資本新寵。

2、精準不是單一維度的精準，而是多維度的、立體的、融合的精準。在頻頻發布公告的上市公司背後，其實都在講述著各自增長的邏輯與變革路徑。

在醫保控費的大背景下，為患者提供更精準的診斷與治療服務將是提高醫保資金使用效率、降低醫保費用的必然選擇，而這無疑將依賴於精準醫療的發展。1、分級診療和多點執業政策正在成為互聯網醫療的重要催化劑。

當下，新的增長點無疑是擺在醫療健康上市公司麵前的現實難題。雖然整體看來目前整個大數據的商業應用方麵還處在早期階段，主要原因是目前普遍2C的流量模式無法產生結構化的醫療數據，2B的模式數據質量更好但積累速度較慢。