 版权声明：老友汇微信公众号转载之文章版权归属原作者，我们对文中观点保持中立，仅供参考、交流之目的。如有版权问题，请及时与后台联系处理。 文章来源：Career In 投行PEVC（ID：CareerInIBPEVC） 10月21日，一篇名为《估值175亿的旅游独角兽，是一座僵尸和水军构成的鬼城？》在社交网络广为流传，该篇文章作者乎睿数据团队直指在线旅游网站马蜂窝存在点评大量造假的情况，包括从其他网站如大众点评、携程等抓取相关点评，及自建团队撰写虚拟点评。 根据马蜂窝官网提供的数据，目前，马蜂窝全站拥有超过2100万条点评，是马蜂窝对外展示的核心竞争力之一。如果乎睿数据团队的指控被坐实，马蜂窝一直以来强调的用户PGC神话将被打破，或将严重影响这只旅游独角兽的估值。  马蜂窝官网提供的数据 马蜂窝成立于2006年，创办初期，马蜂窝是一家让旅行者分享游记感受的旅游攻略社区；2012年开始，马蜂窝对积累下的旅游数据进行结构化处理；2015年初，马蜂窝发布自由行战略，开始尝试“内容+交易”的商业闭环。 回顾马蜂窝的发展历程，无论是最初的旅游攻略社区定位，还是如今正在打造的商业闭环，内容都是马蜂窝区别于其他在线旅游网站最大的竞争优势之一。而马蜂窝背后集聚了市场上最牛逼的一线PE和VC基金们。 2006年01月：蚂蜂窝网站上线； 2010年03月：正式成立公司投入运营，注册用户数15万； 2011年04月：上线首款APP客户端旅行翻译官； 2011年10月：获得今日资本500万美元A轮融资和200万美元无息贷款； 2012年06月：开始商业化，半年收入超千万，主要来自广告及佣金分成； 2012年10月：注册用户数超过400万，PC端用户数在3年内增长40倍；攻略累计下载量6000万次； 2013年04月：获得启明创投领投的1500万美元B轮融资； 2014年06月：注册会员数突破5000万； 2015年02月：获得高瓴资本、Coatue、CoBuilder、启明创投的C轮融资，累计融资逾亿美金。 2015年09月：蚂蜂窝用户数1亿，其中80%的用户来自移动端（蚂蜂窝自由行APP）；月活跃用户数达8000万。 2017年12月：获得鸥翎投资、美国泛大西洋资本集团、淡马锡、元钛长青基金、厚朴基金共同投资1.33亿美元。 2018年8月17日：外媒报道称，两位知情人士透露，蚂蜂窝希望在新一轮融资中筹集至多3亿美元，此轮融资对该公司的估值定为20亿至25亿美元。  马蜂窝丑闻事件不禁让CareerIn君想起了前不久的红芯浏览器事件（点击下方蓝色字体可直接跳转阅读）： 原来红芯浏览器就是靠这份PPT融到了2.5亿！ 为什么IDG、晨兴、达晨等知名VC会投资深陷造假丑闻的红芯浏览器？ 在今年上半年的博鳌亚洲论坛期间，马蜂窝联合创始人、COO吕刚在接受腾讯《一线》专访时便曾表态，在从内容切入交易的过程中，马蜂窝的最大优势在于之前几年对社区的运营积累了大量数据，数据的积累非常重要，因为“内容是决策的依据”。对数据结构化的处理帮助马蜂窝推出交易平台奠定了基础，让马蜂窝拥有了更大的商业想象空间。 以旅游攻略起家的马蜂窝站内用户PGC内容可以分为如下几大类：旅游攻略（多为长图文形式）、用户对旅游目的地（包括景点、酒店、饭店、商场等旅行常见POI）的点评及问答、交易类点评（对马蜂窝商城内具体商品的评价）等。 此次乎睿数据团队指控的对象主要指马蜂窝用户对旅游目的地点评的真实性。 在马蜂窝现行的商业逻辑下，经过前几年对站内数据的结构化处理，目前，马蜂窝能够将旅行相关产品与内容进行较为细颗粒度的关联，而内容在用户做交易决策的过程中拥有很大影响力。 正因如此，高质量的内容生产者及内容是马蜂窝的核心资产之一，马蜂窝也在官网上列出了其拥有超过一亿的旅行者及超2100万的真实点评等数据。 但根据乎睿数据团队提供的信息，马蜂窝2100万条真实点评中，有1800万条是通过机器人从点评、携程等竞争对手那里抄袭过来的；其在马蜂窝上发现了7454个抄袭账号，平均每个账号从携程、艺龙、美团、Agoda、Yelp上抄袭搬运了数千条点评，合计抄袭572万条餐饮点评，1221万条酒店点评，占到马蜂窝官网声称总点评数的85%。 另外，乎睿数据团队表示，其在马蜂窝的所有账号中，刨除了7554个账号后，选择了1万5千个最活跃账号，发现这些账号的活跃时间一致，与点评及携程等网站相比，存在严重的不合理。乎睿数据团队总结称，马蜂窝的主流用户是一群每天朝九晚五、在午晚饭以及周末干正事、能够同时出现在地球的不同地点，且可随意切换身份的人。暗指马蜂窝账号造假。 近两年，马蜂窝由单纯的旅游攻略社区，转变为一家集数据处理及交易服务于一体的在线旅游公司，成功从内容环节切入交易。这一商业模式的建立，让马蜂窝获得了资本青睐，去年年底，马蜂窝完成了1.33亿美元的D轮融资。随后在春节假期及今年世界杯期间，马蜂窝投放了大量广告。吕刚曾对《一线》表示，马蜂窝今年的主要任务是做大规模，年内暂不考虑上市问题。 然而此次乎睿数据团队的公开指控直击马蜂窝要害，对此有旅游行业资深人士认为，点评数据造假的真实状况，关系着马蜂窝这家公司到底是靠传统商业模式——卖广告活得好，还是因为交易做得好，抑或是因为点评数量引来的融资花不完活得好，这才是重点。 目前乎睿数据团队对马蜂窝点评造假的指控已经引发行业的广泛关注，对于相关指控，马蜂窝一位市场经理称，“我们现在正在核实相关情况。我们正在等结果，然后将对媒体反馈。” 根据普华永道的数据尽职调查经验显示：在不断演进的网络和数据技术背景下，应运而生的互联网企业以其理念引领优势、有别于传统商业运作模式的业务整合能力以及市场覆盖潜力，成为投资界的热门标的。不断变化的市场环境与水涨船高的业绩压力，往往导致部分公司出现各种数据质量问题、甚至是数据造假或业绩虚增的行为。传统的数据尽职调查手段已不足以支持投资人在业绩评估和投资风险揭示方面的需求。 投资人头顶的达摩克利斯之剑 2018年，互联网行业继续成为投资者所关注的焦点，其中，互联网及移动互联网行业的投资金额依旧位居首位。  不幸的是，纵观国内外各大新闻网站，因为企业数据问题被曝光而对企业形象带来巨大影响的新闻不绝于耳；而互联网行业由于其本身的业务特点，成为了数据质量问题的“重灾区”。基于普华永道对过去3年相关行业尽职调查项目情况所做的统计，有65%以上的目标公司在业绩统计指标方面存在问题。  互联网企业估值及投资人 踩过的“坑” 由于互联网行业尚未形成通用的业绩比较标准与完善的指标分析体系。且又处于未盈利的初创阶段（有些甚至可能还没有形成稳定的业务收入），投资人往往需要基于管理层提供的注册用户数、活跃用户数（DAU/MAU）、转化率或交易额（GMV）、业务增长预测数据对标的公司的商业价值和估值进行研究。因此，业务数据的准确性、合理性以及尽职调查过程中揭示的潜在风险因素和业务影响，将会对投资人的价值判断和公司估值产生直接影响。 在一轮又一轮的互联网狂潮下， “刷单”、“羊毛党”、“养号”、“自冲”等新名词也随之出现，并且俨然成为了一个数据造假的“新产业”。根据我们的过往经验，在短短几年间，这个“新产业”已经经历了四次重大的“产业”升级。     新时代数据造假特征 及应对方法 随着一次又一次的“升级完善”，如今在互联网世界已经产生了一个 “堪称完美”的造假体系。通过以下的比较可以看出这套造假体系如何“完美”：  由此可见，数据造假的传统特征被逐个突破，刷单与实际业务产生的数据特征界限正在变得模糊。想通过传统的数据尽职调查手段在运营数据中发现真相已经变得越来越难。 本篇我们将列举互联网行业的三个典型场景，以及针对行业新的变化趋势，如何有效通过数据挖掘、机器学习算法看清数据背后所隐藏的交易风险。 场景一 聚类算法定位新型“羊毛党” 在传统B2C的商业模式中，交易信息的流动是单向的，平台上的用户被清晰的分成买家和卖家。但在C2C或社交电商模式中，平台用户可以同时以买家或卖家的身份出现，从而产生了“循环交易”的可能性。而这些循环交易中，可能存在着以获取平台交易补贴、优惠等“薅羊毛”为目的的异常循环交易。从投资人角度而言，这些异常的循环交易会拉高平台真实GMV、交易量、用户活跃等运营指标，从而对交易估值产生重大影响。  如上图所示，我们可以通过引入机器学习聚类算法方式，无需借助已做出标记的训练数据集 (x(1),y(1)),(x(2),y(2)),…,(x(m),y(m)) 来学习目标函数，用以对交易数据做出决策分界，而是直接针对未进行标记的交易数据集来进行优化迭代，形成聚类。 适用于海量交易数据的Clarans+算法原理：  这种无监督学习方式基于PAM算法增加样本集抽取步骤，优化了模型性能，尤其适用于海量交易数据环境下，运用多种弱规则识别在单个规则下难以发现的可疑交易，提高识别准确度及效率，来有效区分正常或异常交易行为。 场景二 通过社交网络算法识别潜在欺诈用户群体 对于P2P网贷平台对于贷款用户的贷前风控、贷后催收都是平台能够持续运营，不发生“爆雷”的关键。除了“假标自融”外，虽然不少平台对贷款申请用户做了基础的风控审核，但往往存在各种缺陷，导致骗贷、欺诈团伙有机可乘，逾期率上升并最终对平台的资产质量产生显著影响。然而，这些风险往往有很强的隐蔽性，随着时间推移，才会逐渐显现。骗贷、欺诈的手段非常多样，并不断演进升级。通过更为高效的机器学习算法，在尽调阶段对相关风险的识别，可以有效规避投资人的风险。  通过社交网络分析算法（SNA），研究节点（人）和节点关系（边，也就是人与人之间的关系）的算法，对节点关系梳理并形成聚类，可以做到识别贷款人之间的关系网络及社区，有效识别潜在的骗贷、欺诈用户群体。 在社交网络算法结果的基础上，还可以结合历史逾期数据，通过机器学习建立随机森林模型进行用户逾期预测。相比决策树模型，随机森林拥有更强的抗干扰能力及模型泛化能力，能够实现对于不同群体的Vintage逾期率差异分析。通过以上分析结合历史Vintage分析，可以据此预测未来可能产生的贷款逾期水平。 场景三 RFM模型与GIS处理技术结合定位O2O虚假交易 在O2O商业模式中，用户交易需要经历线下、线上两个环节，例如：团购预定中的线上下单，线下消费，二手车交易的线上撮合、线下验车、过户等。因此，通过地推团队将线下订单向线上“转移”是典型的运营数据造假的手段之一。在这种造假方式下，需要引入对用户行为进行聚类分析的机器学习模型，并结合其他维度才能有效识别出虚增平台线上交易数据的行为。  以典型的O2O交易平台为例，可以通过根据用户行为数据建立包括最近一次交易时间（Recency）、交易用户交易频次（Frequency）和交易金额（Monetary）的聚类分析模型。此外，可以结合GIS技术分析，通过基于LBS地理位置的Geohash算法，将二维的经纬度转换为字符串来代表特定矩形区域，并对字符串建立索引，从而实现海量地理信息的快速匹配。通过这一算法可以实现自动检测出交易、服务、配送等位置的集中度。在此基础上，结合交易凭证信息，能够识别出存在的平台通过购买线下交易数据，虚增平台交易量的行为。 Geohash算法原理示例：  总结 随着互联网与细分市场的发展越来越深入，细分行业所呈现出来的场景变化其实远不止上述三类，我们仅基于历史项目经验中总结部分典型案例，帮助投资人对相关问题有一个更为感性的理解。 除了上述三个场景，互联网在科技金融、游戏、在线医疗、网络传媒、新零售等很多细分领域衍生出的商业模式也会具有各自不同的行业特点。面对海量日益错综复杂又真假难辨的运营数据，通过将行业经验与人工智能、数据分析技术充分结合，投资人才能从容应对市场、环境、技术发展所带来的各种挑战。 -----------------分割线----------------------分割线---------------- 欢迎加入老友汇干货群，只谈干货与专业，实名认证，与业内人士共同探讨分享。 实名认证步骤： 1、添加老友干货（ID：laoyouganhuo）或扫描如下二维码添加老友干货为好友；  2、扫描如下二维码登记实名认证信息及入群需求（老友汇干货群分为：#资料共享群#、#财税审计群#、#投资尽调群#、#IPO三板群#、#内控咨询群#） 老友汇™ 并购融资 | IPO诊断 | 尽职调查 | 内控咨询 | 股权激励 | 税务筹划 满满都是干货，分享是一种美德。 业务咨询请发邮件：6613706@qq.com 更多精彩内容: 向浑水学习世界上最牛逼的尽职调查方法！（好方收藏） 关于尽职调查的10000字深度长文解析 PE团队尽调工作指引（干货收藏） 财务尽调需要获取的资料及重点关注（内附思维导图框架） 财务尽职调查之负债及权益篇 财务尽职调查之利润表篇 财务尽职调查之资产篇 PE投资尽职调查最关心的18个维度！（干货收藏） 财务尽调过程中如何“防雷”？ 八大实操案例教你三个步骤独立完成尽职调查 优秀的行研报告怎么写？投资基本功：数据、尽调、行研 我是如何踩上雷的 投前尽职调查全案 企业的”第四张会计报表”（深度） 市场竞争的本质：打败一家企业，你只需要研究这3个人 如何依靠非主流财务信息去读懂一家企业？ 什么决定了公司毛利率？关系到公司核心竞争力问题 如何查询世界各国公司工商注册信息 如何从财务报表看产品的竞争力？ 从应收账款和应付账款看行业和企业话语权 如何从财务报表挖掘企业隐藏的商业逻辑 如何对制造业上市公司财报进行多层次分析？如何写一篇惊艳的财务分析报告？ 如何建立一个完整的企业财务模型！ 如何通过三张会计报表看透一家公司的商业逻辑？ 那些年我们现场看过（尽调过）（审计过）的项目 现金流量表把企业分为8种，只有一种值得投资！ 怎么做好一个财务预测？（深度，以周黑鸭为例） 高校背景企业法律尽职调查的常见问题 零售连锁行业财务尽调经验指南 医院投资财务尽调关注问题分析 融资租赁之法律尽职调查（含尽调基础清单）！ 瑕疵房地产项目并购尽调策略研究（干货） 企业资产证券化项目之尽职调查清单（超详细） “隐性负债”尽职调研方法还原 目标企业“或有负债”的尽职调查方法 企业并购中劳动尽职调查那些事儿（干货） 当资本运作遇到网络安全：尽调该怎么做？ 以资金流向的角度来理解股市估值变动 企业如何对PE进行反向尽调？ 闲聊互联网公司的用户“资产负债表” 尽调不细致，十几家租赁公司共同踩雷，居然还是个土雷！ 个人投资者一笔千倍回报的苹果投资，复盘他的调研和投资历程 算命投资 圈中奇事：不见面不尽调 八字合即打款 成败天注定 投资者如何读懂一份新审计报告？ 投资者说-财务造假是什么？我们从存货说起 写给信托经理（投资经理）的信：萝卜章那么多，应收账款尽调的坑怎么破？ 2017年度私募基金发展报告白皮书 解密人类变革时代：2018年15大科技趋势 2017年创投圈回顾：那些带保温杯的中年投资人 2018年上半年A股上市公司被收购情况统计分析 2018年投资必读书单：14个领域75本精髓好书 PE选择企业的逻辑 投资的逻辑（一套完整的投资体系） 金融研究员必备公司分析框架（推荐收藏） 李国飞：投资框架2018 沥血之作！一位元老级基金经理的投资框架 寻找好赛道（投资标的评分系统） 15年医药老将：我是这样在医药行业找10年10倍股 1天内38家IPO企业终止审查！PE业界现"普遍性"困境，何去何从？ 巴菲特股东大会全纪录：十四大亮点抢先看（附文字实录） 那些一眼看透本质的人，逻辑都是这样练就的！ 做企业三类人：实业家、投资人与寻租客（深度） 最近几起互联网大事背后的底层逻辑 一篇可能颠覆你认知的好文：幸存者偏见 赚钱的逻辑：在高价值区，做正确的事！ 最好的商业模式，是不竭的现金流 中国式投资骗局全览 中国庞大的FA（财务顾问）的超级江湖进化史 致焦虑的风险投资人 泡沫启示录：谁让众生癫狂？（韭菜的记忆） 芒格谈人类误判心理学：说服别人要诉诸利益，而非诉诸理性 认知的九个层级 商业分析能力，让你独具慧眼（深度好文） 避免自杀式投资：30个细分行业商业模式风险点全梳理 并购的逻辑与实务技巧 PE投资的10条准则和决定投资成败的9个数字！ 不良资产处置迎来巨大市场机会：趋势、原因和背景 不怕被模仿，要投就投这样的企业 从天使轮到IPO：中国式企业股权融资的逻辑与思路 从A轮到IPO，各轮次的投后管理 就像养孩子 从产业的角度看投资（深度） 从融资活动看企业的生命周期——借钱？还是增股份？ 东北在哪？西部在哪？中部在哪？从IPO区域分布看中国经济的真实图景 独角兽的尴尬：打拼多年 赶上荒年（我是一棵韭菜！） 独角兽企业上市路径、政策、趋势与名单（174页PPT） 风投圈病人 价值投资者的深度思考 股权投资大数据告诉你一个真实的投资退出现状 郭广昌：复星投资哲学（湖畔大学授课内容全文+PPT） 详解清华系、海航系、复星系的产业投资模式 科技公司的估值密码 汽车行业的护城河到底有多深？ 激荡一百年：细数美国百年并购史，把握中国未来并购潮 解剖小米估值过程：真实的瓶颈与虚幻的王冠 如何给美团进行估值？（互联网公司估值的科学方法与经典案例） 三十年股权投资模式变迁：靠估值价差赚快钱的模式已死 美团要上市了！亏损28亿，如何撑起600亿美元估值？ 超越百度，如何看蚂蚁金服的估值魔力（深度） 韭菜进化史（生而被割，生生不息！） 复盘阿里腾讯投资能力，解读阿里腾讯财报里的秘密（深度） 富士康过会了——从产业链竞争力，看跑得比谁都快的富士康 “上市公司+PE”并购基金的控制权如何认定（干货） 《芳华》背后的商业故事：冯小刚和华谊兄弟的“对赌” “股权”和“控制权”的关系 【经典案例】最全面的对赌协议仲裁报告案例分析 赌局与控欲！（深度） 67%，51%，34%，30%，20%股权对控制权的区别 AI留给我们的时间已经不多了：《未来简史》作者赫拉利Nature来信 PE投资机构败诉，2000万买了三条教训 对赌条款之经营权圈套（深度干货） 股权投资中如何用好不同类型的“对赌协议”（含案例分析） 关于股权投资（PE）协议的关键条款全解析 锦天城律所：投资协议要点法律分析 上市语境下对赌条款的成本、风险及对策 我们处在一个什么样的技术时代？ 投资人说：什么才是企业穿越周期的生存之道？ 投资人一直说的“核心竞争力”到底是什么？ 搂一眼即可毙掉的融资租赁项目特征 消失的GP 私募“双GP”模式法律实务 私募股权基金如何建设投资风控体系？ 私募基金备案流程全套文件（干货） 私募基金如何通过多层结构合理突破投资者人数限制：财务模型解析及条款设计 投资机构如何设置防稀释条款？（干货） 投资型有限合伙企业税制的八大困惑和溯源 投资中，那些你不知道的行业缺点 一份顶尖私募的内部培训笔记：时间是每个人唯一稀缺的资产 一份江湖排名揭示行业十年变迁：VC留存率4成 PE不足2成 你还记得大明湖畔的GP/LP吗 一个“黑社会”的韭菜进化史 一个风口的消亡史，投资经理如何在风口保持独立思考？ 一个投行老兵的财务建模心得与干货图解 一名私募操盘手的年终总结：写给所有亏钱的散户（深度好文） 一文读懂地方政府债 资管业务中的营改增：变革、问题与对策 中国式企业股权融资：对赌条款全梳理 中国式爆仓风险：A股股票质押全解析 中国互联网公司境外上市潮背后：资本寒冬正在来临 当城投刚兑被打破之后（深度） 骨堆太高，总会倒下！万亿地产债开启违约狂潮 城投债还能投吗？——财金23号文点评（深度政策解读） “违约潮”下的政策抉择 非标时代的落寞（政策深度解读） 今年以来的24个金融监管政策全梳理 监管的逻辑：理财业务深度解析 产业基金的并表出表研究（深度干货） 春节回乡见闻：城市化背景下血脉相连却彼此割裂的三代人（投资人必看） IPO审核重点法律问题（保代培训） IPO实务手册（重磅干货集，建议收藏） 2017年至今115家IPO首发未通过企业总结剖析 2017年度IPO被否企业涉及内控问题全景扫描 2017年至今A股IPO中介机构过会率深度分析报告 2018上半年44家IPO企业被否原因汇总！（完整篇） 38个“股权代持”真实案例及原因汇编 62个被否IPO原因归纳（案例剖析） A股IPO申请被否后企业资本市场路径选择分析 IPO“考核”前必过的16个科目 IPO财务指标专题分享--净利润等与通过率的相关性分析 IPO的艰难与辛酸，戳中多少上市公司老总的泪点！ IPO发行费用深度分析 IPO观察：行业对A股IPO有影响吗？（修订版） IPO境外子公司的核查思路和关注要点 【重磅干货】IPO职工持股会的专题研究（由来-演变-运行模式-审核要点-案例深度分析） 200人公司直接挂牌新三板或申请IPO相关法律问题研究（深度干货） 2017年度IPO被否企业涉及内控问题全景扫描 IPO客户入股问题研究 IPO内控建设的几个关键点 IPO企业报告期内变更收入确认方法案例分析 IPO企业涉嫌行贿案件审核尺度研究 IPO趋严，哪些行业最受发审委欢迎？ IPO上市必需要知道的十条“潜规则”（血的教训） IPO上市架构如何搭建最节税？（干货+案例） IPO审核过程中的财务要点分析（深度） IPO审核新要求！量化审核指标，设定6条红线（附：最新IPO审核指引） IPO审核中典型的现金交易案例分析 IPO同一控制下企业合并的案例研究：代持还原、在会期间进行企业合并 IPO外资企业专题研究之返程投资（常见问题-解决方案-实际案例） IPO项目格式反馈意见汇总----规范性问题 IPO项目会计科目格式反馈意见汇总----资产负债表科目 IPO销售费用分析 IPO新政环境下创新企业如何决策境内资本运作路径 IPO严审下，该如何把握上市时机？该做什么准备？（建议收藏） IPO与新三板需梳理的11大财务问题及案例分析 IPO之财务核查之第三方回款 IPO之毛利率波动分析 IPO中如何规范公司的财务制度（干货） IPO中投行检查银行流水的要点 大发审委审核思路下IPO十大隐形红线 读懂招股说明书，你还缺这套模板！（ Excel版） 非典型性IPO终结：强监管、明责权下倒在最后一公里的企业们 干货：证监会关于关联方和关联交易规范和清理的权威指导资料（项目宝典） 跟证监会与北注协专家委员会学习在IPO中如何使用完工百分比法 公司上市与不上市的原因详细分析 股改时公司净资产低于注册资本实务操作 关于“穿透核查”最新反馈要点梳理 关于IPO企业“关联交易”最详细的解读及解决思路（含案例分析） 关于在IPO过程中如何判定董事、高管发生重大变化情形之研究 红筹回归之CDR框架设计（深度干货） 红筹架构历史渊源：起源、类型、拆除及与返程投资问题的辨析！ 揭秘IPO募投关键因素：产能测算的几种方法（含案例） 精炼极简51条IPO重点关注问题汇总分析【重磅】 拟IPO企业该给高管多少工资 拟IPO公司20类法律问题汇总 拟IPO企业股权激励相关税务合规问题 企业改制上市的核心要点---企业改制上市方案制定注意的问题 企业忽视知识产权导致IPO上市滑铁卢案例分析 企业上市财务合规指导汇编： 11个关注点，15个雷区 企业上市的前、中、后三个阶段，CFO应该发挥什么作用？ 企业上市前滚存利润分配机制探微 企业要IPO，业务该如何整合？ 如何判断企业IPO是否靠谱？ 如何设计多业务板块集团公司的股权架构？ 周末：戏说企业选靠普中介（券商、评估、律师、审计）指南 中国企业IPO上市财务规范全程指导！（最全珍藏版！） 证监会重组委2017年上市公司并购重组审核深度分析 证监会有关实际控制人的认定最全详解 证监会权威揭秘IPO、并购重组造假重灾区——关联交易 投行和会计师必读！！ 证监会关于上市公司监管的问答汇编（截至2018年9月7日) 我在证监会五年的工作经验都在这儿了！上市原来是这样子的 揭秘近三年来的监管路径：从加杠杆到去杠杆 完工百分比法在IPO中的审核要点与风险提示（深度干货） 思维！投行思维如何培养？ 上市公司并购重组，该如何选择最理想的标的及设计的4种模式及案例分析 上市公司并购重组业绩承诺与业绩补偿现状与问题 上一篇：PHP 开发神器:PHP-CS-Fixer 和 VS Code 帮你轻松搞定代码风格 下一篇：使用PHP函数 ＂mysqli_query＂ 执行MySQL查询 |
