小叶嘉▲也不是科技公司?,重估Uber:它既不是出租车公司
导语
如何评价Uber、WeWork这类公司?如何看待愿景基金的投资策略?近日 , 著名分析师BenThompson撰文回答了这些问题 。 全文一共分为两个部分 , 本文为第一部分 。
文章图片
来源|Stratechery
文|BenThompson
译|神译局
图|uber软件截图
我第一次写关于Uber的文章是在2014年6月 。
当时 , 华尔街日报发表了一篇专栏文章 , 题为“Uber’s$18.2BValuationisaHeadScratcher” 。 这引出了我的一篇反驳文章“WhyUberisWorth$18.2Billion” 。
考虑到Uber目前在公开市场上的市值为532亿美元 , 这个数字还是相当不错的 。
一个月后 , 传奇的风险投资家比尔·格利(BillGurley)写了一篇反驳Uber怀疑者的文章 , 这让我对自己的文章感觉更好了 。
格利对纽约大学斯特恩商学院(NYUStern)教授阿斯沃思·达莫达兰(AswathDamodaran)的批评很温和 , 他在前言中写道:
我的目的 , 并不是想让任何人相信Uber的估值应该有多高 。 达莫达兰教授的想法 , 或者任何不是股票买家或卖家的人的想法 , 都是相当无关紧要的 。
我也不想证明他是错的 。 我更感兴趣的是批判性推理和预测 , 以及某些假设如何导致严重不同的结果 。
因此 , 我的目标是提出一个合理的论点——与达莫达兰分析中的核心假设可能相差25倍 , 甚至更多 。 并且 , 我也希望大家通过我的论点是否合理和可行 , 来判断我的分析 。
格利提出的批评论点集中在达莫达兰对Uber整体目标市场(1000亿美元 , 与出租车市场相同)和终端市场份额(10%)的假设上 , 这显然是正确的:Uber的总预订量已经达到500多亿美元 , 占有大约70%的市场份额 。 达摩达兰根植于模拟世界的假设 , 是完全错误的 。
与此同时 , 尽管格利没有对Uber的估值做出任何具体的断言 , 但他肯定已经预料到 , 在接下来的五年里 , Uber会增长超过192% 。
尽管在此期间发生了一些相当重大的事件 , 尤其是Uber灾难性的2017年 , 这家公司经历了看似没完没了的丑闻 , 失去了首席执行官 。
最糟糕的是 , 给了它最重要的竞争对手Lyft发展契机 , 而就在那年年初 , Lyft还处于破产的边缘 。 我们可以公平地说 , 没有大规模竞争对手的Uber , 是一家更有价值的公司 。
尽管如此 ,
我更感兴趣的是批判性推理和预测 , 以及某些假设如何导致严重不同的结果 。
仅仅因为Uber的批评者错误地认为这项服务与出租车类似 , 并不意味着 , 我们这些站在另一边的人的假设也是完全正确的 。 旧世界公司的对立面 , 不一定是科技公司 。
这是我们以前从未见过的 , 不管是旧世界的规则还是科技规则都是错误的 。
AB5与工人分类
在Uber的背景下 , 这种旧的分类方法不太有意义 , 这需要考虑一些新的东西 , 应该会让人感觉很熟悉——围绕Uber司机的问题 。
上个月早些时候 , 加州通过了AB5号法案 , 这一法案将加利福尼亚州最高法院的一项决议编纂成法 , 决议中提出了一个由三部分组成的检验标准 , 以确定一个工人是独立合同工还是雇员 , 并有与之相关的所有规定和税收 。 法案中规定:
根据这一检验标准 , 只有当雇用实体证明以下三个条件的时候 , 一个工人才能够被认为是独立的合同工
(A)根据从事这种工作的合同和实际情况 , 这一工人不受雇用实体在从事工作方面的控制和指导
(B)该工人从事的工作 , 不属于雇用实体的正常业务范围
(C)该工人通常从事与为雇佣实体所从事的工作性质相同的独立设立的行业、职业或业务 。
新法律是否适用的问题 , 要比大家所认为的还要值得关注:
一方面 , Uber等公司的司机确实使用自己的设备、在工作时间内有灵活性;虽然有规则要遵守 , 但是前者通常是更重要的标准 。
- 「iPhone 8」iPhone再遇续航危机?学会这几招,一天不充不是梦
- 小米科技▲卢伟冰再次发力,全球首发骁龙768G,5G新机将在两天后发布!
- 快科技最贵或达5000元,苹果头戴耳机更多细节曝光:包含两款
- 科技迷7nm版年底流片,要放弃美国代工?国产x86转向三星台积电代工
- 骊微电子科技PD充电器应用方案,PN8161+PN8307H高集成18W
- 快科技小米高管都是外人?雷军透露了一个秘密
- 靓科技解读Thing,a16z、5.15亿美金的数据加密股票基金:找寻下一个Big
- 王伯伯说科技流畅用三年,即将开学的学生党准备好了吗?三款高配低价千元机
- 知叔达科技中芯国际早已料到,成功绕开了光刻机,怒了!荷兰ASML再次失约
- 小熊带你玩科技数据成粤企生产新要素,工业互联网深调研〡从经验依赖到数据驱动