Ob stalnem naraščanju startupov, ki se poskušajo uveljaviti na trgu, se vlagatelji težje odločajo, v koga bodo vlagali. Znano je, da pri izbiri enega ali drugega podjetja pride v poštev veliko dejavnikov, tudi empatija, ki lahko obstaja med ustanoviteljem in investitorjem. Vendar smo v svetu podatkov, v katerem je vse upoštevano in kjer vidimo, da umetna inteligenca v mnogih sektorjih pomaga pri sprejemanju odločitev. Se enako dogaja s startupi?
Prva težava, ki smo jo ugotovili, je, da je o njih malo podatkov. "Včasih ni mogoče imeti informacij od startupov, formatiranih, imeti model, in to otežuje nalogo," se začne s sklicevanjem na Joséja Hernándeza Oralla, profesorja na Politehnični univerzi v Valenciji, ki je vodil enega od katedrov BigML. pri strojnem učenju.
Uporabljajo se napovedne spremenljivke, kot so domena, naložba, ekipa ... in potem se model odloči, "tako kot v drugih okoljih, vendar so v tem primeru zelo spremenljiva področja, kjer je inovativnost zelo pomembna." Ne pozabite, da je vlaganje v zagonska podjetja tako tvegano dejanje, da bo po potrebi uspelo, in da je zanesljivost AI »malo odvisna od tega, kje je predvidena«. Ključno je, da "če ti sistemi to naredijo bolje kot ljudje, ki poznajo kontekst", ki je izpuščen iz algoritmov. Toda Hernández Orallo verjame, da je uporabna, "ko gre za filtriranje in sprejemanje skupnih odločitev. Lahko naredite prvi pregled« in ne pozabite, da »popolnoma avtomatska odločitev deluje samo na določenih domenah«.
Nacho Ormeño, soustanovitelj in izvršni direktor StartupXplore, je ustvaril sposobnost napovedovanja prihodnosti in odločanja, kako vlagati. "Uspeh je določen z ustvarjanjem vrednosti, absolutno razlikovalni dejavnik pa je sposobnost izvajanja in učenja od ekip, ki jih sestavljajo." Algoritmi lahko tako dobro opravijo del filtriranja in analize tveganja, da tam služijo kot sistemi za podporo odločanju, "danes še vedno ne morejo predvideti, kako se bo trg obnašal ob novi ponudbi vrednosti ali ali bo dovolj motivirana ekipa sposobni zgraditi in izvesti načrt ali pa bodo optimalno izboljšali razpoložljive vire«.
Ormeño poudarja dejstvo, da mora vlagatelj v novoustanovljena podjetja normalizirati neuspeh teh podjetij kot nekaj običajnega v njihovih portfeljih, saj "obstajajo študije, ki kažejo, da 65 % naložb v nedavno ustanovljena podjetja ni dobičkonosnih za vlagatelja, dobičkonosnost celotno pismo bo nosilo preostalih 35%.
Paloma Castellano, direktorica Wayra Madrid, priznava, da vsi investicijski skladi temeljijo na tej odločitvi. "Uporabljamo različne vire informacij, zunanje in notranje, zahvaljujoč zgodovini projektov," pravi. Wayra je vložila v več kot 800 podjetij po vsem svetu, potem ko je analizirala več kot 80.000 projektov in "učimo se med vsemi procesi". Zato je obdelava podatkov ključna, a priznava, da »ne gre za nezmotljiv proces. Vsi skladi imajo antiportfelj, nabor podjetij, ki smo jim rekli ne in jim je kasneje uspelo,« pojasnjuje. Castellano meni, da je še vedno veliko več podatkov in "veliko boljša kakovost podatkov, poleg tega pa, ko vlagate v zgodnjih fazah, vlagate predvsem v ljudi".
pionirska platforma
Leta 2016 sta Telefónica in BigML ustvarila PreSeries, eno prvih avtomatiziranih platform za napovedovanje verjetnosti, da bo zagon, vključno s startupi, uspešen. Skupno podjetje s Telefónico nastane v času, ko je bilo "na področju startupov narejenega zelo malo," pojasnjuje Francisco Martín, soustanovitelj in izvršni direktor BigML, podjetja, ki podatke zmanjšuje na pokrovitelje, da bi pomagalo pri odločanju. Ideja bo, da bi imeli naročnike v prvi fazi, "da ima investitor dostop do informacij", nato pa "da platforma avtomatizira celoten cikel". Leta 2019 je podjetje Rackspace vključilo PreSeries "za interni razvoj programa." Martín se spominja, da je ustvaril tehnologijo, ki je sposobna zbirati podatke, in da je »delala razmeroma dobro, programska oprema je sprejemala odločitve, vendar je bila pomoč. Izziv je bil pridobiti informacije, ker niso tako natančne kot v javnem podjetju.”
Arturo Moreno je vodil PreSeries v zadnji fazi in je šel po njegovih stopinjah z Databellom. "Pri startupih in zasebnih podjetjih se zgodi, da ni kakovostnih podatkov in predpostavka za uporabo podatkovne znanosti je, da so s projektivno vrednostjo," pravi Moreno. Po prehodu skozi PreSeries, kjer nam je "uspelo napovedati verjetnost, da gremo na borzo ali da bo od vas kupilo drugo podjetje", je naredil korak, da si "vlagatelji in startupi izmenjujejo informacije". Ta platforma brezplačnega dostopa z 200 vlagatelji in 500 zagonskimi podjetji.
Moreno meni, da bo na ta način nekaj aktivnosti, algoritmi bodo pomagali izbrati startupe, v katere bodo kakor koli investirali, šlo bo za »popolnoma avtomatiziran proces s strani elementa osebe, ki je pomembna«. Vendar daje agilnost analizi, ki pomaga pri odločitvi. Opozarja na pomen napovedne vrednosti podatkov in odkrivanja velikega zanimanja za sektor, "obstaja velik apetit za vlaganje v startupe in več kot je podatkov, bolje je za vse strani."
