Analisis Data Ekuitas Pribadi dalam Sinkronisasi: Studi Kasus

Berapa banyak sumber data alternatif yang diperlukan untuk sampai ke pusat strategi investasi? Satu? Dua? Tiga? Lagi. Sebagai contoh, mari kita lihat Filament AI dan bagaimana platformnya mengimplementasikan dan mengoptimalkan kumpulan data intelijen pasar eksternal , seperti lalu lintas web dan data interaksi dari Similarweb.

Membangun platform AI untuk analitik data ekuitas swasta

Ketika saya mendirikan Filament AI pada tahun 2016 dengan Doug Ayres, kami tidak bermaksud untuk mengadili sektor investasi. Kami meluncurkannya sebagai spesialis dalam Natural Language Processing (NLP) dan Machine Learning (ML). Industri kecerdasan buatan (AI) masih baru, tetapi kami tahu ada banyak aplikasi NLP dan ML yang kuat di pasar perusahaan, dan kami mulai membantu klien untuk memanfaatkannya.

Kemudian nama-nama besar seperti HSBC dan Deutsche Telekom muncul untuk bekerja dengan Filament dan membangun kemampuan AI mereka. Namun baru pada tahun 2018 kami mengalihkan pandangan ke Private Equity. Penggerak awal dalam ekuitas swasta mulai merangkul data alternatif digital yang meningkatkan sumber kesepakatan dan proses investasi. Kami melihat perusahaan seperti Similarweb menawarkan keunggulan kompetitif kepada perusahaan ini dan memutuskan untuk berspesialisasi dalam menangani peluang pasar ini.

Saya kemudian menghabiskan 4 tahun terakhir memberi nasihat kepada PE dan firma keuangan perusahaan tentang cara memanfaatkan data dan AI berpemilik. Dalam prosesnya, kami mengembangkan platform integrasi yang disebut Syfter , yang diterapkan ke dalam lingkungan TI perusahaan PE dan membantu menyusun dan memproses data yang mendorong pengambilan keputusan. Mengintegrasikan berbagai data dan menjalankan teknik NLP dan ML memberi perusahaan ini pandangan 360 tentang perusahaan target.

Selama setahun terakhir, pasar meledak dengan minat. PP yang menggunakan strategi ilmu data untuk meningkatkan IP portofolio dan valuasinya kini menerapkannya pada proses internal. Banyak PP mempekerjakan data scientist dan data engineer dan mengisi peran kepemimpinan untuk mendorong transformasi. Tekanan ini berasal dari sumber pendanaan, dengan mitra terbatas sekarang menuntut pendekatan manajemen data yang canggih.

Platform AI + sumber data =

Sebagian besar perusahaan PE memiliki 6 atau lebih langganan data pihak ketiga yang menyediakan wawasan pasar. Dalam model tradisional, analis investasi bekerja keras untuk tetap mengetahui wawasan pasar dan memulai peluang untuk kesepakatan yang menarik.

Filamen membantu banyak dari perusahaan ini mengotomatiskan interogasi pasar aktif dan pasif. Di luar hubungan yang diketahui dalam CRM, kami membantu melacak dan mencari hubungan prospektif dari dunia perusahaan yang lebih luas, biasanya hingga satu juta perusahaan yang mungkin ingin mereka libatkan di masa mendatang.

Arsitektur Syfter mengintegrasikan Similarweb dengan sejumlah sumber data pasar terstruktur dan tidak terstruktur lainnya.

Ini memberikan wawasan pasar real-time yang sangat berharga untuk penelitian, originasi, dan manajemen kesepakatan. Ini juga memberikan nilai tambah bagi perusahaan portofolio dan melacak ekosistem pesaing, pengakuisisi, dan mitra. Setiap solusi bergantung pada data keuangan terstruktur (EBITDA, pertumbuhan karyawan, dll.), dan tampilan 360 yang lengkap hanya dapat dicapai dengan mempelajari tambang emas sumber data alternatif, seperti berita perusahaan dan sinyal aktivitas media, lalu mengklasifikasikan data tersebut ke dalam berbagai kategori (misalnya perubahan manajemen dewan, rumor M&A, dll.). Namun kini lebih sering, perusahaan PE beralih ke wawasan yang diberikan oleh perilaku online perusahaan sebagai pembeda utama.

Menambahkan traffic web dan data keterlibatan dari Similarweb

Sebagai akibat dari penguncian pandemi, persentase transaksi bisnis yang dipindahkan secara online lebih tinggi, memberikan jejak data kinerja perusahaan yang dapat diakumulasikan dan diinterogasi oleh investor. Data web serupa memberikan jendela ke dunia analitik data online, dan klien PE kami menuai hasilnya. Mereka menggunakan Intelijen Investor dari Similarweb untuk mendapatkan pandangan waktu nyata tentang kinerja, risiko, dan posisi perusahaan di pasar. Tim ilmu data kami membantu mereka mendapatkan wawasan yang semakin halus dalam sejumlah kasus penggunaan utama:

1. Prediksi pendapatan tahun ini dengan menyelaraskan kinerja lalu lintas web tahun ini dengan kinerja keuangan
2. Kecerdasan GTM Perusahaan memberikan pemahaman mendalam tentang bagaimana perusahaan memposisikan dirinya, memenangkan bisnis, dan menghasilkan uang
3. Lansiran pasif yang memberi sinyal kepada investor tentang peningkatan dramatis dalam lalu lintas web, perubahan posisi, atau profil pemangku kepentingan
4. Optimalisasi portofolio membantu perusahaan PE mendukung operasi portofolio dengan menemukan pasar baru, menganalisis dan membandingkan perjalanan pelanggan, dan meningkatkan efisiensi pemasaran
5. Akuisisi portofolio meningkatkan strategi beli dan bangun untuk menemukan target akuisisi yang sesuai dengan strategi investasi perusahaan

Perusahaan PE yang mengadopsi pendekatan ini mengutip keunggulan dalam operasi dan efisiensi mereka dengan wawasan yang dapat ditindaklanjuti untuk perusahaan portofolio saat ini dan kesepakatan di masa mendatang.

Akumulasi data menyediakan intelijen pasar yang disederhanakan dan katalog wawasan pasar target yang kaya. Hal ini memungkinkan analisis retrospektif tren pasar untuk menginformasikan dan memvalidasi tesis investasi. Data yang dikuratori ini juga membotolkan kecerdasan eksklusif dari tim investasi, membuat perusahaan PE tidak terlalu rentan terhadap churn karyawan.

Dalam pasar PE yang semakin kompetitif, keunggulan sangatlah penting.

Filament AI difokuskan untuk membantu perusahaan PE membangun platform AI berpemilik. Platform Syfter mereka telah menghasilkan basis data yang memungkinkan dan teknologi ML yang dibutuhkan setiap perusahaan PE. Dengan memberi label putih pada Syfter dan melibatkan layanan profesional Filament, perusahaan PE dapat menjalankan sistem berpemilik dalam hitungan minggu, bukan tahun. Dengan pendekatan ini, upaya konfigurasi dan anggaran dapat difokuskan pada keunggulan kompetitif yang sebenarnya: yaitu data unik dan algoritme ML unik yang disesuaikan dengan tesis investasi mereka.