赛思信安挂牌新三板后又获资本青睐

简介:

   近日,国内领先的大数据技术与产品研发厂商北京赛思信安技术股份有限公司(以下简称“赛思信安”)宣布获得了北京泰生鸿明投资中心(有限合伙)和磐基鸿翼创始合伙人的A轮融资。在当前的资本寒冬之下,赛思信安的初次融资,体现了投资界对大数据研发厂商的一致看好,也标志着赛思信安继挂牌新三板后,迎来了资本化运作的又一重要节点。

关于赛思信安

资料显示,赛思信安成立于2007年,是一家研发实力雄厚、拥有多项自主核心技术、专注于大数据领域的高新技术企业,在北京和南京设有研发中心。业务涵盖工信部大数据培训认证、大数据咨询、大数据存储与管理平台、大数据分析平台、大数据一体化产品、数据及安全服务,客户遍及政府、军队、公安、电信、能源、互联网、商业智能及大中型企业等。

公司董事长周游先生介绍到,“赛思信安作为专注大数据技术与产品研发的高新技术企业,自2015年12月11日新三板挂牌以来,陆续吸引了多家风投到公司拜访,进行了较深入的沟通,深受资本市场的青睐,投资人对公司在大数据领域所具备的较强的技术力量、规范的管理、清晰的商业模式,以及业务的成长性给予了肯定。公司也愿意舍弃一部分股权引入风险投资,为大数据产品持续研发投入和市场推广争取较充裕的流动资金。经过比较和权衡,我们最终选择了北京泰生鸿明投资中心(有限合伙)和磐基鸿翼创始合伙人徐峥,完成了首轮融资,为公司健康、可持续发展注入了资本的力量。”

关于注资人

磐基鸿翼创始合伙人徐峥表示:“从国家层面看,大数据将在稳增长、促改革、调结构、惠民生中承担越来越重要的角色,在经济社会发展中的基础性、战略性、先导性地位也将越来越突出。赛思信安是国内极少数专注于自主研发大数据核心技术和产品的厂商,并且业务几乎涵盖了大数据培训认证、数据采集、数据存储管理、数据应用到数据运营的整个大数据产业链,公司产品和解决方案已在全国警务云系统、智慧政务、军队大数据、国家电力、智慧档案、互联网等行业广泛应用,其自主知识产权积累、创新能力和用户拓展已具备一定优势,市场前景和发展空间巨大。”

徐峥先生毕业于美国芝加哥大学商学院(MBA),主修金融及战略管理,并拥有超过10年的国际资本市场经验。此前,在国内负责投资的主要案例有沈阳三生制药(NASDAQ:SSRX)、诺康医药、高意科技、北京怡成生物、合容电器、力博科技、易家科技等。此次投资赛思信安,是徐峥先生从事投资行业多年以来首次进入大数据领域,也可以说是未来全面进军大数据领域中的一个重大布局。他希望此次通过与赛思信安在新技术和新资本的合作,加大赛思信安产业链核心技术研发和市场推广,进而推动本土大数据企业自主创新能力的快速崛起并成功上市。

作者:佚名
来源:51CTO
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
编解码 Linux 人机交互
linux系统中RGBLCD的基本操作和实现方法
linux系统中RGBLCD的基本操作和实现方法
419 0
|
1月前
|
存储 安全 数据管理
什么是冷数据?阿里云低成本冷数据存储解决方案
冷数据指长期保存、访问极少但具合规与历史价值的数据(如旧合同、备份等)。阿里云OSS提供标准/低频/归档/冷归档/深度冷归档五级存储,结合生命周期自动分层、数据湖分析及存算分离架构,大幅降本并保障安全合规。
424 5
|
5月前
|
Java Spring
Spring Boot配置的优先级
SpringBoot项目支持多种配置方式,主要包括配置文件(application.properties、yml、yaml)和外部配置(系统属性、命令行参数)。优先级从高到低为:命令行参数 > Java系统属性 > application.properties > application.yml > application.yaml。
|
监控 网络协议 安全
|
Java 对象存储
java对接阿里云OSS上传
java对接阿里云OSS上传
1307 121
|
数据采集 测试技术 数据安全/隐私保护
Playwright测试中避免使用no-wait-for-timeout的原因
在Web应用自动化测试中,Playwright作为首选框架,其稳定性至关重要。不当使用`no-wait-for-timeout`会导致测试结果不稳定、不符合真实用户体验且难以调试。推荐采用显式等待策略和合理设置超时时间,结合代理IP技术提高测试成功率和数据多样性。示例代码展示了如何在Playwright中配置代理IP进行数据抓取及分类统计。遵循这些最佳实践可确保测试既可靠又贴近实际用户场景。
951 4
Playwright测试中避免使用no-wait-for-timeout的原因
|
分布式计算 Hadoop Java
Hadoop MapReduce 调优参数
对于 Hadoop v3.1.3,针对三台4核4G服务器的MapReduce调优参数包括:`mapreduce.reduce.shuffle.parallelcopies`设为10以加速Shuffle,`mapreduce.reduce.shuffle.input.buffer.percent`和`mapreduce.reduce.shuffle.merge.percent`分别设为0.8以减少磁盘IO。
429 1
|
数据采集 自然语言处理 关系型数据库
在 MySQL 中使用 REPEAT
【8月更文挑战第6天】
762 0
在 MySQL 中使用 REPEAT
|
JavaScript 前端开发 API
什么是响应式❓Vue2/Vue3中响应式的原理
什么是响应式❓Vue2/Vue3中响应式的原理
378 2

热门文章

最新文章