যখন অ্যালগরিদম স্টার্টআপ হতে বা না হওয়ার সিদ্ধান্ত নেয়

বাজারে পা রাখার চেষ্টা করে নতুন কোম্পানিগুলির ক্রমাগত বৃদ্ধির সাথে, বিনিয়োগকারীরা কাকে বিনিয়োগ করবেন তা সিদ্ধান্ত নেওয়া ক্রমবর্ধমান কঠিন হচ্ছে। এটা জানা যায় যে এক বা অন্য কোম্পানি বাছাই করার সময় অনেকগুলি কারণ কাজ করে, যার মধ্যে সহানুভূতি সহ প্রতিষ্ঠাতা এবং বিনিয়োগকারীর মধ্যে বিদ্যমান থাকতে পারে। কিন্তু আমরা ডেটার জগতে রয়েছি, যেখানে সবকিছু হিসাব করা হয় এবং যেখানে আমরা দেখতে পাই যে কৃত্রিম বুদ্ধিমত্তা অনেক ক্ষেত্রে সিদ্ধান্ত নিতে সাহায্য করছে। স্টার্টআপের সাথে কি একই জিনিস ঘটছে?

আমরা প্রথম যে সমস্যাটি খুঁজে পেয়েছি তা হল তাদের সম্পর্কে খুব কম ডেটা নেই। "কখনও কখনও স্টার্টআপ সম্পর্কে তথ্য থাকার কোন উপায় নেই, ফর্ম্যাট করা, একটি মডেল আছে এবং এটি কাজটিকে কঠিন করে তোলে," ভ্যালেন্সিয়ার পলিটেকনিক ইউনিভার্সিটির অধ্যাপক জোসে হার্নান্দেজ ওরালোকে উল্লেখ করে শুরু করেন, যিনি বিগএমএল চেয়ারগুলির একজনকে নির্দেশ করেছিলেন। মেশিন লার্নিং এ

ভবিষ্যদ্বাণীমূলক ভেরিয়েবল ব্যবহার করা হয়, যেমন ডোমেইন, বিনিয়োগ, দল... এবং তারপর মডেল সিদ্ধান্ত নেয়, "যেমন এটি অন্যান্য পরিবেশে করা হয় কিন্তু এই ক্ষেত্রে তারা খুবই পরিবর্তনশীল ক্ষেত্র যেখানে উদ্ভাবন খুবই গুরুত্বপূর্ণ।" মনে রাখবেন যে স্টার্ট-আপগুলিতে বিনিয়োগ করা এমন একটি ঝুঁকিপূর্ণ পদক্ষেপ যে প্রয়োজনে এটি সাফল্য অর্জন করবে এবং AI এর নির্ভরযোগ্যতা "কোথায় পূর্বাভাস দেওয়া হয়েছে তার উপর কিছুটা নির্ভর করে।" মূল বিষয় হল "যদি এই সিস্টেমগুলি এটি লোকেদের চেয়ে ভাল করে, যারা প্রসঙ্গটি জানে" যা অ্যালগরিদমের বাইরে থাকে। কিন্তু Hernández Orallo এর উপযোগিতা তৈরি করে "যখন এটি ফিল্টারিং এবং যৌথ সিদ্ধান্ত নেওয়ার ক্ষেত্রে আসে। আপনি একটি প্রথম স্ক্রীনিং করতে পারেন" এবং মনে রাখবেন যে "একটি সম্পূর্ণ স্বয়ংক্রিয় সিদ্ধান্ত শুধুমাত্র নির্দিষ্ট ডোমেনে কাজ করে।"

Nacho Ormeño, StartupXplore-এর সহ-প্রতিষ্ঠাতা এবং সিইও, ভবিষ্যতের ভবিষ্যদ্বাণী করার এবং কীভাবে বিনিয়োগ করবেন তা সিদ্ধান্ত নেওয়ার ক্ষমতা তৈরি করেছেন। "সাফল্য মূল্য তৈরির দ্বারা নির্ধারিত হয়, এবং একটি সম্পূর্ণ পার্থক্যকারী ফ্যাক্টর হল তাদের অন্তর্ভুক্ত দলগুলির সম্পাদন ক্ষমতা এবং শেখার।" ঠিক যেমন অ্যালগরিদমগুলি ফিল্টারিং এবং ঝুঁকি বিশ্লেষণের কাজের একটি অংশ করতে পারে, যার ফলে সিদ্ধান্ত সমর্থন ব্যবস্থা হিসাবে কাজ করে, “আজও তারা ভবিষ্যদ্বাণী করতে পারে না যে একটি নতুন মূল্য প্রস্তাবের মুখে বাজার কীভাবে আচরণ করবে, বা যদি একটি যথেষ্ট অনুপ্রাণিত দল হবে একটি পরিকল্পনা তৈরি এবং কার্যকর করতে সক্ষম, অথবা তারা তাদের জন্য উপলব্ধ সংস্থানগুলির সর্বোত্তম উন্নতি করবে কিনা।"

Ormeño এই সত্যটি তুলে ধরেন যে স্টার্টআপে বিনিয়োগকারীকে অবশ্যই এই কোম্পানিগুলির ব্যর্থতাকে তাদের পোর্টফোলিওতে সাধারণ কিছু হিসাবে স্বাভাবিক করতে হবে কারণ "এমন গবেষণা রয়েছে যা ইঙ্গিত দেয় যে সম্প্রতি তৈরি কোম্পানিগুলিতে করা 65% বিনিয়োগ বিনিয়োগকারীদের জন্য লাভজনক নয়, "লাভজনকতা পুরো মেনু বাকি 35% দ্বারা বহন করা হবে।"

ওয়েরা মাদ্রিদের পরিচালক পালোমা কাস্তেলানো স্বীকার করেছেন যে সমস্ত বিনিয়োগ তহবিল এই সিদ্ধান্তের উপর ভিত্তি করে। "আমরা তথ্যের বিভিন্ন উত্স ব্যবহার করি, বাহ্যিক এবং অভ্যন্তরীণ, আমাদের প্রকল্পগুলির ইতিহাসের জন্য ধন্যবাদ," তিনি বলেছেন। Wayra-এ, আমরা 800 টিরও বেশি প্রকল্প বিশ্লেষণ করার পর সারা বিশ্বের 80.000 টিরও বেশি কোম্পানিতে বিনিয়োগ করেছি এবং "সমস্ত প্রক্রিয়া জুড়ে আমরা শিখি।" এই কারণেই ডেটা প্রসেসিং গুরুত্বপূর্ণ কিন্তু স্বীকৃতি দেয় যে "এটি একটি অমূলক প্রক্রিয়া নয়। সমস্ত তহবিলের একটি অ্যান্টি-পোর্টফোলিও রয়েছে, কোম্পানিগুলির একটি সেট যাকে আমরা না বলেছিলাম এবং যেগুলি পরে সফল হয়েছিল,” তিনি স্পষ্ট করেন। কাস্তেলানো বিশ্বাস করেন যে এখনও অনেক বেশি পরিমাণ ডেটার প্রয়োজন এবং "অনেক উচ্চ মানের ডেটা এবং উপরন্তু, আপনি যখন প্রাথমিক পর্যায়ে বিনিয়োগ করছেন, তখন আপনি সর্বোপরি মানুষের মধ্যে বিনিয়োগ করছেন।"

অগ্রগামী প্ল্যাটফর্ম

2016 সালে, Telefónica এবং BigML প্রিসরিজ তৈরি করেছে, প্রথম স্বয়ংক্রিয় প্ল্যাটফর্মগুলির মধ্যে একটি যা স্টার্টআপ সহ একটি স্টার্টআপ সফল হওয়ার সম্ভাবনার পূর্বাভাস দেয়। Telefónica-এর সাথে যৌথ উদ্যোগটি এমন একটি সময়ে উদ্ভূত হয় যখন "স্টার্টআপের ক্ষেত্রে খুব কমই করা হয়েছিল," ফ্রান্সিসকো মার্টিন ব্যাখ্যা করেন, BigML-এর সহ-প্রতিষ্ঠাতা এবং CEO, একটি কোম্পানি যে সিদ্ধান্ত নিতে সাহায্য করার জন্য পৃষ্ঠপোষকদের কাছে ডেটা কমিয়ে দেয়৷ ধারণাটি প্রথম পর্যায়ে গ্রাহকদের থাকতে হবে "যাতে বিনিয়োগকারী তথ্য অ্যাক্সেস করতে পারে" এবং তারপর "প্ল্যাটফর্মটি সম্পূর্ণ চক্র স্বয়ংক্রিয় করার জন্য।" 2019 সালে, র‍্যাকস্পেস কোম্পানী "অভ্যন্তরীণভাবে প্রোগ্রামটি বিকাশ করতে" প্রিসারি অন্তর্ভুক্ত করেছে। মার্টিন মনে রেখেছেন যে তিনি ডেটা কম্পাইল করতে সক্ষম প্রযুক্তি তৈরি করেছিলেন এবং "এটি তুলনামূলকভাবে ভাল কাজ করেছিল, সফ্টওয়্যারটি সিদ্ধান্ত নিয়েছিল, তবে এটি একটি সাহায্যকারী সরঞ্জাম ছিল৷ চ্যালেঞ্জটি তথ্য পাওয়া ছিল কারণ এটি একটি পাবলিক কোম্পানির মতো সুনির্দিষ্ট নয়।"

আর্তুরো মোরেনো প্রিসিরিজকে শেষ পর্যায়ে নেতৃত্ব দিয়েছেন এবং ডাটাবেলের সাথে তার অনুসরণ করেছেন। "স্টার্টআপ এবং প্রাইভেট কোম্পানিগুলির সাথে যা ঘটে তা হল কোন মানসম্পন্ন ডেটা নেই এবং ডেটা সায়েন্স ব্যবহার করার একটি ভিত্তি হল এটি প্রজেক্টিভ মান সহ," মোরেনো বলেছেন। PreSeries-এ তার সময় করার পরে, যেখানে "আমরা জনসাধারণের কাছে যাওয়ার সম্ভাবনা বা অন্য কোম্পানি আপনাকে কিনে নেবে বলে ভবিষ্যদ্বাণী করতে সক্ষম হয়েছিলাম," তিনি একটি পদক্ষেপ নিয়েছিলেন যাতে "বিনিয়োগকারী এবং স্টার্টআপরা তথ্য বিনিময় করতে পারে।" 200 বিনিয়োগকারী এবং 500 স্টার্টআপ সহ এই বিনামূল্যে অ্যাক্সেস প্ল্যাটফর্ম।

মোরেনো বিশ্বাস করেন যে এইভাবে কিছু ক্রিয়াকলাপ হবে, অ্যালগরিদমগুলি স্টার্টআপগুলিকে বেছে নিতে সহায়তা করবে যে কোনও উপায়ে বিনিয়োগ করতে হবে এটি একটি "গুরুত্বপূর্ণ ব্যক্তির একটি উপাদান দ্বারা সম্পূর্ণরূপে স্বয়ংক্রিয় প্রক্রিয়া।" কিন্তু এটি সিদ্ধান্তে সাহায্য করে বিশ্লেষণের গতি বাড়ায়। তথ্যের ভবিষ্যদ্বাণীমূলক মান থাকা এবং সেক্টরে প্রচুর আগ্রহ সনাক্ত করার গুরুত্ব মনে রাখবেন, "স্টার্টআপগুলিতে বিনিয়োগ করার জন্য প্রচুর ক্ষুধা রয়েছে এবং যত বেশি ডেটা বিদ্যমান থাকবে, এটি সমস্ত পক্ষের জন্য তত ভাল হবে।"