偷偷摘套内射激情视频,久久精品99国产国产精,中文字幕无线乱码人妻,中文在线中文a,性爽19p

如何利用機(jī)器學(xué)習(xí)進(jìn)行風(fēng)投

人工智能 機(jī)器學(xué)習(xí)
在過(guò)去的20年中,Veronica Wu經(jīng)歷了許多重大的技術(shù)變革的萌芽。Wu出生于北京,在美國(guó)受過(guò)教育,她曾在多家美國(guó)大型科技公司的中國(guó)分公司(蘋果,摩托羅拉和特斯拉)擔(dān)任過(guò)高級(jí)戰(zhàn)略職務(wù)。

在過(guò)去的20年中,Veronica Wu經(jīng)歷了許多重大的技術(shù)變革的萌芽。Wu出生于北京,在美國(guó)受過(guò)教育,她曾在多家美國(guó)大型科技公司的中國(guó)分公司(蘋果,摩托羅拉和特斯拉)擔(dān)任過(guò)高級(jí)戰(zhàn)略職務(wù)。2015年,她被任命為Hone Capital(前身為CSC Venture Capital)的管理合伙人,該公司是中國(guó)最大的風(fēng)險(xiǎn)資本和私募股權(quán)公司之一的中科招商投資管理集團(tuán)(CSC Group)的硅谷分支機(jī)構(gòu)。她迅速使Hone Capital成為硅谷的活躍參與者,該公司最著名的一筆投資為用于初創(chuàng)公司的4億美元,這些初創(chuàng)公司通過(guò)AngelList(種子階段投資的技術(shù)平臺(tái))籌集了資金。在與麥肯錫的Chandra Gnanasambandam進(jìn)行的采訪中,Wu解釋了中美科技投資格局之間的差異并描述了Hone Capital如何開發(fā)一種數(shù)據(jù)驅(qū)動(dòng)的方法來(lái)分析潛在的種子交易并取得了可喜的早期成果。

《麥肯錫季刊》:向我們介紹一下你在Hone Capital成立初期所面臨的挑戰(zhàn)以及你是如何碰到AngelList的。

Veronica Wu:中科招商投資管理集團(tuán)的首席執(zhí)行官單祥雙(Xiangshuang Shan)曾對(duì)我說(shuō)他想設(shè)立國(guó)際業(yè)務(wù),那時(shí)我還沒有做過(guò)風(fēng)險(xiǎn)投資。我只知道他們是做什么的,也知道進(jìn)入硅谷的風(fēng)險(xiǎn)投資領(lǐng)域有多困難。成功進(jìn)入硅谷的外部資本寥寥無(wú)幾。部分原因是信譽(yù)問(wèn)題。如果你是一名正試圖開辦公司的企業(yè)家,那么你怎么知道下一輪會(huì)有一家外國(guó)公司,而在硅谷的人們已經(jīng)建立了信任的記錄。

對(duì)我們來(lái)說(shuō),問(wèn)題變成了:“我們?nèi)绾潍@得最重要的交易,以便我們建立信任網(wǎng)絡(luò)?”我很幸運(yùn),我的一位前麥肯錫同事向我介紹了一個(gè)名為AngelList的平臺(tái),這可能是VC投資場(chǎng)景中的一個(gè)有趣的技巧。我很快就了解了更多與此相關(guān)的信息,即他們?nèi)绾谓⒂身敿?jí)天使投資者組成的線上生態(tài)系統(tǒng)以及源源不斷的經(jīng)過(guò)審核的種子交易。該平臺(tái)使我們得以接觸大量關(guān)聯(lián)度極高的人員——我們?cè)静恢廊绾闻c這些人建立聯(lián)系,我們還未變得更加成熟之前,它們中的一些人甚至不會(huì)考慮與我們建立長(zhǎng)期的合作。因此,我們將AngelList視為立即可以利用風(fēng)投社區(qū)的機(jī)會(huì)。

我們還見證了AngelList巨大的數(shù)據(jù)潛力。我們對(duì)早期種子交易的了解并不多,因此很難獲得與此相關(guān)的信息。我將其視為可以挖掘的數(shù)據(jù)金礦。因此,我們決定賭一把,也就是與AngelList合作,看看它是否真的可以加速我們獲得優(yōu)質(zhì)交易的機(jī)會(huì)。到目前為止,一切都很好。我們非常高興。我們已經(jīng)見證了交易數(shù)量的巨大增長(zhǎng)。因此,當(dāng)我們開始時(shí),每周大約產(chǎn)生10筆交易,而現(xiàn)在已經(jīng)接近20筆了。不過(guò),要我說(shuō),平均而言,我們只研究了其中80%的交易就因此拒絕了。但是,AngelList團(tuán)隊(duì)所建立的交易多樣性簡(jiǎn)直令人難以置信。

《麥肯錫季刊》:你是如何創(chuàng)建機(jī)器學(xué)習(xí)模型的?數(shù)據(jù)都提供了哪些有趣的洞察?

Veronica Wu:我們從過(guò)去十年的30000筆交易數(shù)據(jù)庫(kù)中創(chuàng)建了一個(gè)機(jī)器學(xué)習(xí)模型,該數(shù)據(jù)庫(kù)來(lái)源廣泛,其中包括Crunchbase,Mattermark和PitchBook數(shù)據(jù)。對(duì)于我們歷史數(shù)據(jù)庫(kù)中的每筆交易,我們都研究了一個(gè)團(tuán)隊(duì)是否進(jìn)行了A輪融資并探討了每筆交易的400個(gè)特征。通過(guò)此分析,我們發(fā)現(xiàn)了種子交易的20個(gè)特征,這些特征可以最可靠地預(yù)測(cè)未來(lái)的成功。

根據(jù)這些數(shù)據(jù),我們的模型會(huì)為我們審核的每筆交易生成一份投資建議,其中考慮到的因素包括投資者的歷史轉(zhuǎn)化率,籌集的資金總額,創(chuàng)始團(tuán)隊(duì)的背景以及由財(cái)團(tuán)牽頭的專業(yè)領(lǐng)域等。

我們得出的洞察之一是,未能進(jìn)入A輪融資的初創(chuàng)公司的平均種子投資為50萬(wàn)美元,而進(jìn)入A輪融資的初創(chuàng)公司的平均投資為150萬(wàn)美元。 因此,如果一個(gè)團(tuán)隊(duì)獲得的投資低于150萬(wàn)美元的門檻,這表明他們的想法沒有引起投資者的足夠興趣,這可能不值得我們花時(shí)間,或者這雖然是一個(gè)好主意,但是需要更多資金才能取得成效。另一個(gè)洞察來(lái)自對(duì)創(chuàng)始人背景的分析,該見解表明了這樣一個(gè)事實(shí),即與畢業(yè)于兩所不同大學(xué)的兩位創(chuàng)始人達(dá)成交易的可能性是與來(lái)自同一所大學(xué)的兩位創(chuàng)始人達(dá)成交易的可能性的兩倍。這支持了觀點(diǎn)的多樣化是一種優(yōu)勢(shì)。

《麥肯錫季刊》:你是否遇到過(guò)這樣的情況,即你的團(tuán)隊(duì)希望繼續(xù)進(jìn)行的交易,但是數(shù)據(jù)表明你可能要重新審視最初的結(jié)論?

Veronica Wu:實(shí)際上,我們最近才遇到一個(gè)這樣的案例,在這個(gè)案例中,我們的分析表明成功的概率為70%或80%。 但是,當(dāng)我們最初對(duì)它進(jìn)行研究時(shí)發(fā)現(xiàn)這種商業(yè)模式?jīng)]有意義。從表面上看,它似乎并不有利可圖,而且受到諸多監(jiān)管方面的限制。盡管如此,這些指標(biāo)看起來(lái)十分驚艷。因此,我對(duì)主要投資者說(shuō):“請(qǐng)向我詳細(xì)介紹這筆交易及其運(yùn)作方式。”

他解釋說(shuō),這些家伙找到了一種巧妙的方法來(lái)克服監(jiān)管限制并創(chuàng)建了獨(dú)特的模型,客戶購(gòu)買成本幾乎為零。因此,我們將機(jī)器學(xué)習(xí)與人類的直覺和判斷力相結(jié)合,從而產(chǎn)生了我們?cè)緯?huì)錯(cuò)過(guò)的洞察。我們必須學(xué)習(xí)更多地信任數(shù)據(jù)模型,而不是完全依賴它。這實(shí)際上是人與工具的結(jié)合。

《麥肯錫季刊》:使用機(jī)器學(xué)習(xí)模型后的表現(xiàn)如何?

Veronica Wu:由于我們僅運(yùn)營(yíng)了一年多,因此,我們所考察的績(jī)效指標(biāo)是投資公司是否繼續(xù)進(jìn)行從種子期到A輪的后續(xù)融資。我們認(rèn)為這是公司未來(lái)獲得成功的關(guān)鍵的早期指標(biāo),因?yàn)榻^大多數(shù)新興公司都已經(jīng)破產(chǎn)并且沒有籌集到后續(xù)資金。我們對(duì)2015年處于種子期的公司進(jìn)行了事后分析。我們發(fā)現(xiàn),在由風(fēng)投支持的所有種子期公司中,約有16%會(huì)在15個(gè)月內(nèi)繼續(xù)進(jìn)行A輪融資。相比之下,我們的機(jī)器學(xué)習(xí)模型推薦可投資的公司中有40%籌集了后續(xù)資金,是行業(yè)平均水平的2.5倍,這與我們投資團(tuán)隊(duì)選擇在未使用模型的情況下選擇的公司的后續(xù)融資率非常相似。但是,我們發(fā)現(xiàn),最好的表現(xiàn)幾乎是行業(yè)平均值的3.5倍,這要?dú)w功于人類對(duì)我們投資團(tuán)隊(duì)和機(jī)器學(xué)習(xí)模型的建議。這表明了我堅(jiān)信的東西,即由機(jī)器學(xué)習(xí)增強(qiáng)的決策代表了風(fēng)險(xiǎn)投資的重大進(jìn)步。

《麥肯錫季刊》:你對(duì)其他試圖在硅谷建立業(yè)務(wù)的中國(guó)公司有何建議?

Veronica Wu:要我說(shuō),成功很大程度上取決于是否放權(quán)給當(dāng)?shù)氐墓芾韴F(tuán)隊(duì)。我發(fā)現(xiàn)中國(guó)的資金決策速度總是很慢,因?yàn)樗麄儾坏貌坏瓤偛康臎Q策。這使他們無(wú)法成為初創(chuàng)企業(yè)的理想合作伙伴,因?yàn)?,正如你所知,在硅谷,?yōu)秀的初創(chuàng)企業(yè)很快就被選中。如果你要等兩個(gè)月才能做出來(lái)自海外的決定,那么他們會(huì)在沒有你參與的情況下結(jié)束該輪融資,因?yàn)樗麄儾恍枰愕腻X。有些來(lái)硅谷投資的人很容易形成這種錯(cuò)誤思維:“我有很多錢,我要參與投資并迅速達(dá)成交易”。但是硅谷已經(jīng)有很多錢了。優(yōu)秀的企業(yè)家非常清楚自己的錢來(lái)自何處以及潛在的投資者是否是合適的合作伙伴。如果你無(wú)法按照他們的期望與他們合作,那么你將被排除在外。

《麥肯錫季刊》:你會(huì)為那些試圖與中國(guó)風(fēng)險(xiǎn)投資公司合作的美國(guó)創(chuàng)始人提供什么建議?

Veronica Wu:要注意的是,創(chuàng)始人必須先了解各種折中方案,然后再考慮要不要接受中資。中國(guó)投資者往往想占大頭,成為董事會(huì)成員并在公司中有發(fā)言權(quán)。對(duì)于一家公司來(lái)說(shuō),放棄這種權(quán)力也許不是一件好事,因?yàn)檫@可能會(huì)嚴(yán)重影響公司的發(fā)展方向,無(wú)論這種影響是好是壞。堅(jiān)持自由自主才是明智之舉。

也就是說(shuō),中國(guó)投資者確實(shí)十分了解中國(guó)。創(chuàng)始人應(yīng)該對(duì)中國(guó)投資者的建議持開放態(tài)度,因?yàn)檫@是一個(gè)迥異的市場(chǎng)。在中國(guó),消費(fèi)行為有很大的不同,這就是大型的外國(guó)消費(fèi)公司試圖進(jìn)入中國(guó)時(shí)常常失敗的原因。其中一個(gè)例子是美國(guó)的Match.com。它們的模式在美國(guó)十分管用,但是在中國(guó)效果不佳。有一家中國(guó)的初創(chuàng)公司做了同樣的事情,但是它們改變了商業(yè)模式。它們讓你可以找到你感興趣的人的信息,但是如果你想了解更多信息就必須支付3塊或5塊人民幣。現(xiàn)在,中國(guó)消費(fèi)者希望直觀地了解付費(fèi)項(xiàng)目,但是當(dāng)他們看到立即可以獲得的服務(wù)時(shí),他們實(shí)際上很樂(lè)意掏錢。由于費(fèi)用很低,因此他們沒什么感覺,他們也不知道自己登錄的頻率和花費(fèi)的金額。當(dāng)你研究這家中國(guó)公司從每位用戶獲得的平均收益時(shí),你會(huì)發(fā)現(xiàn)它實(shí)際上比Match.com的營(yíng)收高。因此,了解你需要轉(zhuǎn)換模型以適應(yīng)中國(guó)消費(fèi)者的喜好和行為并與具有該市場(chǎng)第一手資料的公司合作可能大有裨益。

《麥肯錫季刊》:你如何看待中國(guó)與硅谷在技術(shù)投資方面的不同?

Veronica Wu:對(duì)于中國(guó)而言,風(fēng)險(xiǎn)投資是一個(gè)新生事物,而美國(guó)則具有更為成熟的模式。因此,這意味著中國(guó)人才庫(kù)尚未得到充分開發(fā)。早期,你會(huì)看到有很多這些中國(guó)私募股權(quán)公司在研究各種指標(biāo),他們會(huì)發(fā)現(xiàn)經(jīng)驗(yàn)良好的公司并利用關(guān)系和渠道來(lái)確保交易并使其上市,然后將會(huì)投資加大三到五倍。從2000年到2010年的十年間,基于該模型的交易激增。但是大多數(shù)中國(guó)公司并不完全了解風(fēng)險(xiǎn)投資,2005年至2010年的許多重大交易被美國(guó)風(fēng)險(xiǎn)公司獲得。例如,阿里巴巴和騰訊是美國(guó)資助的。幾乎每筆早期交易都與外國(guó)風(fēng)險(xiǎn)投資家達(dá)成了協(xié)議。

我認(rèn)為中國(guó)還在學(xué)習(xí)。兩年前,人人都想進(jìn)入風(fēng)險(xiǎn)投資領(lǐng)域,但他們確實(shí)不具備進(jìn)入該領(lǐng)域所需的技能。因此,初創(chuàng)公司的估值十分離譜。去年泡沫破滅了一點(diǎn),因?yàn)槿藗円庾R(shí)到你不能什么都賭,畢竟不是所有的互聯(lián)網(wǎng)報(bào)道都是良機(jī)。

《麥肯錫季刊》:風(fēng)險(xiǎn)投資釋放了巨大的顛覆力量——那么為什么其自身的運(yùn)營(yíng)模式在很大程度上保持不變?

Veronica Wu:這是典型的創(chuàng)新者困境,即促使你成功的想法同樣有可能使你失敗。當(dāng)我在摩托羅拉工作時(shí),與我們的手機(jī)相關(guān)的最重要的事情是確保通話質(zhì)量并避免掉線。當(dāng)時(shí),天線工程師是所有電話公司中最重要的人。在2005年,我們最好的天線工程師之一被蘋果挖走了。但是僅三個(gè)月后,他又回來(lái)了。他說(shuō):“那些家伙不知道怎么做手機(jī)”。在摩托羅拉,如果天線工程師說(shuō)你必須做這樣那樣的事情來(lái)優(yōu)化天線,那么設(shè)計(jì)人員就會(huì)更改產(chǎn)品設(shè)計(jì)以適應(yīng)天線。在蘋果公司情況則恰恰相反。設(shè)計(jì)師會(huì)說(shuō):“請(qǐng)制造一個(gè)適用于這種設(shè)計(jì)的天線”。iPhone的天線確實(shí)有問(wèn)題,但已經(jīng)沒人在乎了。一部好手機(jī)的定義已經(jīng)發(fā)生了改變。在風(fēng)險(xiǎn)投資領(lǐng)域,成功向來(lái)是由能夠獲得最佳交易的一小撮人推動(dòng)的。但是,我們將押寶風(fēng)險(xiǎn)投資的范式轉(zhuǎn)移,因?yàn)樾缕脚_(tái)使交易更容易達(dá)成,而投資決策是通過(guò)將人的洞察力與基于機(jī)器學(xué)習(xí)的模型相結(jié)合來(lái)推動(dòng)的。

 

責(zé)任編輯:姜華 來(lái)源: 企業(yè)網(wǎng)D1Net
相關(guān)推薦

2020-12-25 15:24:24

人工智能

2016-04-11 14:35:59

機(jī)器學(xué)習(xí)數(shù)據(jù)挖掘數(shù)據(jù)模型

2024-04-17 08:00:00

2019-04-28 09:00:00

人工智能金融科技風(fēng)控

2022-06-02 15:42:05

Python機(jī)器學(xué)習(xí)

2013-11-07 09:31:22

2021-07-16 11:56:00

人工智能機(jī)器學(xué)習(xí)AI

2019-10-31 16:14:28

物聯(lián)網(wǎng)機(jī)器學(xué)習(xí)AI

2017-12-12 13:17:36

機(jī)器學(xué)習(xí)代碼單元測(cè)試

2018-11-15 09:00:00

機(jī)器學(xué)習(xí)人工智能數(shù)據(jù)中心

2021-01-21 22:18:59

機(jī)器學(xué)習(xí)加密貨幣數(shù)據(jù)

2022-06-05 21:16:08

機(jī)器學(xué)習(xí)Python

2021-02-07 09:26:55

機(jī)器學(xué)習(xí)建筑能源ML

2022-06-09 09:14:31

機(jī)器學(xué)習(xí)PythonJava

2017-11-16 09:58:43

機(jī)器學(xué)習(xí)大數(shù)據(jù)技術(shù)算法

2022-08-04 09:00:00

機(jī)器學(xué)習(xí)藥物開發(fā)Pytorch

2019-06-06 15:26:13

人工智能營(yíng)銷人員機(jī)器學(xué)習(xí)

2017-09-15 18:13:57

機(jī)器學(xué)習(xí)深度學(xué)習(xí)語(yǔ)音識(shí)別

2024-10-30 16:59:57

Python機(jī)器學(xué)習(xí)

2016-01-11 10:44:38

惡意軟件惡意軟件分析
點(diǎn)贊
收藏

51CTO技術(shù)棧公眾號(hào)