创投机构投资人的职业生涯中,都曾经历过好项目、好机会, 被别人抢先一步的遗憾。

目前市场上已有多家服务商提供创业投融资信息数据,也已经有一些尝试向人工智能+投资工具的方向转变。

“我当时就想,我自己为什么不能早点知道这个公司?” 烯牛数据创始人兼CEO 李锦香看来,创投数据库的价值体现并不充分。很多时候,这类数据库只能做后发性的验证,她希望能把数据的价值前置出来,把投资经理、分析师每天辛苦盯住行业动态的工作整合起来,用自动化工具提高效率,主动挖掘数据中深度埋藏的价值。

 人工智能会抢了FA的饭碗吗? 人工智能资讯报道_AI资讯


烯牛数据创始人兼CEO 李锦香

从大佬那里‘偷师学艺’

产品内测阶段,烯牛数据的某位早期用户提出了这样一个问题:“业内的FA 财务顾问已经有成熟服务方案,你们的产品和 FA 有什么区别?”

受此疑问启发,开发团队意识到:最终用户并不在乎产品底层数据多寡,光看一个个创业项目并不会激发投资兴趣。传统FA 整理出项目亮点做营销,数据产品也应该把项目亮点提取出来,通过深入分析金融数据的使用场景,利用智能工具对一、二级市场企业数据进行聚合、清洗、挖掘,最终达到提升投资效率的目的。

随后,烯牛数据产品开始设计场景应用,比如提供一系列话题性信息:“红杉、真格、经纬、IDG 投了什么公司?”、“朱啸虎最近在投什么项目”、“BAT 的资本布局”、 “北大清华创业者的新项目”等都是后来一度大受欢迎的主题内容。

“每天可能有上百条投融资事件发生,引起人们普遍兴趣的只是一些特定的头部机构。圈子里的人可能会比较关注的大佬。”李锦香比喻,“这就像是从大佬那里‘偷师学艺’的功能。”

此外,烯牛数据产品还上线了行业功能,提供基于细分赛道的一级市场为主, 二级市场为辅的数据分析、上下游产业链图谱以及相关行业报告。

数据呈现方式变化后,产品的应用场景也逐渐扩张。非上市公司中,包含了一批最新、最活跃的潜力公司。这些经过加工后的信息数据,对于B2B 企业具有特殊价值。企业云服务、企业理财产品、财税法务平台等企业,都可以从中挖掘商业机会。

同时,针对FA、创业者需要找到真正有钱出手又对口的GP、GP 之间合作、GP 募资、LP 尽调GP 等场景,烯牛数据还开发了基金库、LP 库等产品功能,力图将创投产业上下游资源实现更高质量的供求匹配。

目前烯牛数据的服务对象包括一级市场生态上下游的母基金、财务顾问、VC/ PE、银行、券商、上市公司、媒体、会计师事务所等等;甚至私人银行理财部门也会购买数据服务,从底层项目筛选高质量的财富管理产品,促进销售工作。

一家企业成立后,随着融资发展,业务规模成长,会逐步产生越来越多的数据。当数据样本足够大,从数据集合中又能提炼出新的价值。“有些成功的投资机构体量比较大,每天接触的案子很多。有的时候可能好不容易找到一个好项目,但对方没有融资计划,这类机会丢掉很可惜。通过我们系统追踪这类项目,就能持续关注到未来的机会。” 李锦香举例,“一位投资经理可以在平台上同时追踪200 家公司、100 家机构,及时看到行业最新变化趋势。投资人需要复盘时,也不用再去梳理、核对、更新基础的项目信息状况。我们的底层数据会自动保持更新,节省了人工成本。”

更相信机器,而不是人

风格轻快的用户界面下,烯牛数据用大量“标签”标记高价值信息。

第一类标签用于行业分类,例如一家共享单车可以被归类为交通出行、共享经济等。这一类标签抛弃传统的树状结构, 以网状结构覆盖多重创新行业, 同时支持动态调整,满足创新行业的快速变化。典型的例子如区块链行业——去年区块链还只是烯牛数据平台金融行业下的二级行业。今年它已经是热门一级类别。创投行业变化非常快,可能某一天某一个小的细分领域就能够支撑起一个大的概念。

第二类标签属于烯牛特色概念标签, 例如团队优秀、知名风投、第一次冲进iOS 榜单、下载激增等等。对于用户来说,这套标签让客户可以从大量数据中找到头绪; 也支撑起了烯牛数据“场景应用”的核心。

值得一提的是,烯牛数据公司团队规模仅有50 人左右,全部为技术人员,没有供养 “打标签”的劳动密集型人员。目前整套系统底层全部由技术驱动, 90% 以上的数据由机器自动打标签。

相比人工标签团队,李锦香更愿意相信机器:“烯牛数据团队由专家定义标签规则、背后通过算法来落地实现,由机器提取数据,由机器自动加工。 我们发现, 有时候人工打标签,质量还不如用机器处理。因为机器打错了,还是有迹可循的, 人的不确定性就无法确定了。我们同时关注几十个行业,如果要人类做信息梳理, 背后的管理、培训体系复杂度会极高,一致性也无法保障。”

李锦香坦言,机器打标签这件事情上, 结果并非100% 完美。“例如在网状结构标签中,从不同的角度去搜索公司,统计数据虽然全面,但会有边界模糊的问题。我们也在用人工与机器结合的方式处理特色标签,对一些重点项目做数据加工;未来一定会不断调整算法尺度,把准确度往99% 的目标提升,增加更多自动校准机制, 尽量提高数据质量。”

从投资机构到创业公司,李锦香始终没有离开创新创业的生态圈。她始终认为, 创投行业需要技术来帮助自身提升效率。寄希望于外部的数据科学家、软件工程师, 不如自己来做一个新更懂这个行业的痛点和需求。

阅读《精益创业》一书,让她感触颇深:“我本身是比较喜欢VC 这个行业, 我觉得它的意义不仅仅是去帮助LP 赚钱, 更多的是它是在推动着社会往前走,让生活变得更美好。‘人工智能技术服务创投行业’这件事情看起来特别大,我也是找到一个点就扎了进来。之后到底它能够走多远——我不做这件事情,可能永远不知道答案;但无论如何,只要老同行们能够用得好、用得爽,这个事情就是有意义的。”