Kun konstanta pliiĝo en noventreprenoj provas akiri piedtenejon en la merkato, investantoj havas pli malfacilan tempon decidi en kiu investi. Oni scias, ke elektante unu kompanion aŭ alian, multaj faktoroj eniras, inkluzive de la empatio, kiu povas ekzisti inter la fondinto kaj la investanto. Sed ni estas en mondo de datumoj, en kiu ĉio estas kalkulita kaj kie ni vidas, ke Artefarita Inteligenteco helpas en multaj sektoroj fari decidojn. Ĉu la sama afero okazas kun noventreprenoj?
La unua problemo, kiun ni trovis, estas ke ekzistas malmulte da datumoj pri ili. "Kelkfoje ne ekzistas maniero havi informojn de noventreprenoj, formatitaj, havi modelon, kaj tio malfaciligas la taskon", komencas aludante al José Hernández Orallo, profesoro de la Politeknika Universitato de Valencio, kiu direktis unu el la BigML-Katedroj. en maŝinlernado.
Oni uzas prognozajn variablojn, kiel la domajno, la investo, la teamo... kaj tiam la modelo decidas, "kiel ĝi estas farita en aliaj ĉirkaŭaĵoj, sed ĉi-kaze ili estas tre variaj kampoj, kie la novigo estas tre grava." Memoru, ke investi en noventreprenoj estas tia riska ago, ke se necese ĝi sukcesos, kaj ke la fidindeco de AI "dependas iomete de kie ĝi estas antaŭvidita". La ŝlosilo estas "se ĉi tiuj sistemoj faras ĝin pli bone ol homoj, kiuj konas la kuntekston", kiu estas forlasita de la algoritmoj. Sed Hernández Orallo kredas ĝian utilecon "kiam temas pri filtri kaj fari komunajn decidojn. Vi povas fari unuan ekzamenadon" kaj memoru, ke "tute aŭtomata decido funkcias nur en certaj domajnoj".
Nacho Ormeño, kunfondinto kaj Ĉefoficisto de StartupXplore, kreis la kapablon antaŭdiri la estontecon kaj decidi kiel investi. "Sukceso estas determinita de la kreado de valoro, kaj absolute diferenciga faktoro estas la kapablo ekzekuti kaj lerni de la teamoj kiuj konsistas el ili." Algoritmoj povas tiel bone fari parton de la filtrado kaj riska analizo, por servi tie kiel decidsubtenaj sistemoj, "hodiaŭ ili ankoraŭ ne povas antaŭdiri kiel la merkato kondutos antaŭ nova valorpropono, aŭ se sufiĉe motivita Teamo estos. kapablaj konstrui kaj efektivigi planon, aŭ se ili faros optimuman plibonigon de la rimedoj disponeblaj al ili”.
Ormeño reliefigas la fakton, ke la investanto en noventreprenoj devas normaligi la fiaskon de ĉi tiuj kompanioj kiel io kutima en siaj biletujoj pro tio ke "estas studoj kiuj indikas ke 65% de la investoj faritaj en lastatempe kreitaj kompanioj ne estas enspeziga por la investanto, la profiteco de la tuta letero estos portita de la ceteraj 35%.
Paloma Castellano, direktoro de Wayra Madrido, agnoskas, ke ĉiuj investaj fondusoj baziĝas sur ĉi tiu decido. "Ni uzas malsamajn fontojn de informoj, eksterajn kaj internajn, danke al la historio, kiun ni havas de projektoj," li diras. Wayra investis en pli ol 800 kompanioj tra la mondo post analizo de pli ol 80.000 projektoj kaj "ni lernas dum ĉiuj procezoj". Tial datumtraktado estas ŝlosilo, sed li rekonas, ke "ĝi ne estas senerara procezo. Ĉiuj fondusoj havas kontraŭ-paperaron, aron da kompanioj, al kiuj ni diris ne kaj kiuj poste sukcesis”, li klarigas. Castellano opinias, ke estas ankoraŭ multe pli da volumo de datumoj kaj "multe pli bona kvalito de datumoj kaj, krome, kiam vi investas en fruaj stadioj, vi investas antaŭ ĉio en homoj".
pionira platformo
En 2016 Telefónica kaj BigML kreis PreSeries, unu el la unuaj aŭtomatigitaj platformoj se temas pri antaŭdiri la probablecon ke noventrepreno, inkluzive de noventreprenoj, estos sukcesa. La komunentrepreno kun Telefónica ekestas en tempo kiam "tre malmulto estis farita en la kampo de noventreprenoj", klarigas Francisco Martín, kunfondinto kaj CEO de BigML, firmao kiu reduktas datumojn al mecenatoj por helpi preni decidojn. La ideo estos havi abonantojn en la unua etapo "por ke la investanto havu aliron al informoj" kaj poste "por ke la platformo aŭtomatigu la tutan ciklon". En 2019, la firmao Rackspace inkludis PreSeries "por evoluigi la programon interne." Martín memoras, ke li kreis la teknologion kapablan kompili la datumojn kaj ke “ĝi funkciis relative bone, la programaro faris la decidojn, sed ĝi estis helpilo. La defio estis akiri la informojn ĉar ĝi ne estas tiel preciza kiel en publika kompanio”.
Arturo Moreno gvidis PreSeries en ĝia lasta etapo kaj sekvis siajn paŝojn kun Databell. "Kio okazas kun noventreprenoj kaj privataj kompanioj estas, ke ne ekzistas kvalitaj datumoj kaj premiso por uzi datuman sciencon estas, ke ili estas, kun projekcia valoro," diras Moreno. Trapasinte PreSeries, kie "ni sukcesis antaŭdiri la probablecon publikiĝi aŭ ke alia kompanio aĉetos de vi", li faris paŝon por ke "investantoj kaj noventreprenoj interŝanĝu informojn". Ĉi tiu senpaga platformo kun 200 investantoj kaj 500 noventreprenoj.
Moreno opinias, ke tiel estos iuj agadoj, la algoritmoj helpos elekti la noventreprenojn en kiuj investi iel ajn, ĝi estos "tute aŭtomata procezo de elemento de la persono, kiu estas grava". Sed ĝi donas lertecon al la analizo helpante en la decido. Li memoras la gravecon havi prognozan valoron de datumoj kaj detekti grandan intereson en la sektoro, "estas granda apetito por investi en noventreprenoj kaj ju pli da datumoj estas, des pli bone por ĉiuj partioj."
