Les capital-risqueurs pointus font des percées remarquables avec des données alternatives

L’Université d’Hawaï rapporte que les mégadonnées bousculent le secteur du capital-risque de manière incroyable. Les capital-risqueurs trouvent de nouvelles façons d’exploiter efficacement des données alternatives pour des rendements beaucoup plus élevés.

Les mégadonnées jouent un rôle en faisant évoluer le calcul risque-récompense en faveur des capital-risqueurs. Le capital-risque est un jeu à haut risque et à haute récompense. Pour mettre les choses en perspective, 90% des nouvelles startups échouent, ce qui signifie que les investisseurs peuvent perdre beaucoup d’argent en chassant les potentielles «licornes». Historiquement, le capital-risque a été davantage considéré comme une forme d’art qu’une science.

Les investisseurs étaient connus pour suivre leurs intuitions, leurs impressions et leurs réseaux personnels soigneusement cultivés plutôt que de s’appuyer sur des algorithmes froids. Cela a changé à l’ère du big data, c’est pourquoi l’investissement d’applications utilisant l’analyse de données a vraiment pris son envol. La gestion du capital de données pourrait être une chose énorme à l’avenir.

Pour les investisseurs, la principale question à laquelle il faut répondre est de savoir quelles sont les entreprises les plus prometteuses et valent-elles réellement l’investissement. Et aujourd’hui plus que jamais, les sociétés de capital-risque exploitent la puissance des données alternatives pour trouver ces réponses.

Les investisseurs modernes utilisent des modèles d’apprentissage automatique et d’IA pour collecter et produire des informations de signal qui génèrent des informations sur les startups dignes. Ce qui est excitant, c’est que les esprits les plus aiguisés du jeu ont réalisé le seul secret derrière l’obtention d’un avantage informationnel encore plus fort. Ce sont des données alternatives.

Gestion du capital des données

Exploiter les quantités croissantes d’informations accessibles au public peut offrir des informations plus approfondies pour soutenir les décisions d’investissement. Comme le rapporte l’étude de Greenwich Associates, 72% des entreprises d’investissement voient des preuves claires que les données alternatives améliorent leur signal. De bons exemples de ces points de données sont les tendances du marché, les changements importants dans l’industrie et les informations sur les talents, obtenues à partir de sources alternatives.

Pour tirer pleinement parti des mégadonnées, les investisseurs ont de plus en plus recours à des méthodes automatisées de collecte et de filtrage d’informations. Pour les capital-risqueurs du monde entier, tels que 645 Ventures, Ardian, Connetic Ventures et Georgian Partners, le nouveau statu quo signifie dépendre de l’intelligence fournie par l’apprentissage automatique et l’intelligence artificielle pour leurs décisions d’investissement.

Défis liés à l’acquisition de données de signal et à la prévision avec des données alternatives

Les données parfaites pour la génération de signaux sont les informations sur les fondateurs et leur expérience professionnelle antérieure, les employés clés et leurs mouvements au sein de l’entreprise, la croissance de départements séparés, les tendances de recrutement, la satisfaction des clients et les discussions sur les réseaux sociaux, entre autres points de données. Malheureusement, ceux-ci sont introuvables, même à partir des rapports mensuels les plus complets. D’autre part, le web public est une mine d’or pour ce type d’informations alternatives.

La seule chose qui empêche de creuser plus profondément, ce sont les défis liés à l’acquisition de données publiques fiables à grande échelle. En fait, un grand volume de données Web publiques de haute qualité, fiables et organisées est notoirement difficile à extraire. Ce processus nécessite non seulement de solides connaissances techniques et une expérience dans le domaine du web scraping, mais également une infrastructure d’extraction d’informations étendue et robuste.

Un autre problème est que les données doivent être cohérentes, complètes et continuellement mises à jour pour conserver leur pertinence pour l’extraction d’informations. Dans l’ensemble, peu d’entreprises dans le monde peuvent réussir à faire face aux difficultés susmentionnées et il est presque impossible de le faire en interne.

La lumière au bout du tunnel

En réponse à ces défis, les investisseurs en capital-risque ont recours à des données alternatives facilement disponibles proposées par les courtiers en données modernes. Ces ensembles de données accessibles permettent aux investisseurs d’identifier les profils commerciaux qui signalent des modèles risqués ou des tendances de réussite futures.

Les sites les plus connus qui prennent en charge les décisions fondées sur les données sont des sites tels que LinkedIn, Crunchbase ou Owler. En fait, des entreprises comme Coresignal extraient, agrègent et mettent à jour les données brutes à partir de nombreuses sources accessibles au public, les rendant immédiatement disponibles pour l’analyse.

«Compte tenu des risques liés au modèle de capital-risque, obtenir plus de données alternatives publiques équivaut presque toujours à des décisions mieux éclairées. Et en tenant compte de la complexité de l’extraction de lourdes charges d’informations, Coresignal aide efficacement les investisseurs à sauter cette étape lourde. Prêt à l’emploi, de nouveaux ensembles de données sont disponibles pour rationaliser l’analyse pré-investissement ». – Jeremy Ward, CMO chez Coresignal.

Les données alternatives peuvent être un champ en plein essor pour les VC à l’avenir

Alors que la demande de mégadonnées et d’IA augmente sur la scène du capital-risque, le marché répond avec des solutions technologiques de plus en plus améliorées. Un certain nombre de startups développent des logiciels, des IA et des systèmes d’apprentissage automatique visant à automatiser l’identification des opportunités d’investissement les plus prometteuses. Les nouvelles technologies intégrées continueront de faire évoluer les systèmes de notation et d’identifier de nouveaux secteurs dignes d’investissements.

Bien sûr, il est peu probable que le capital-risque perde l’élément humain dans le processus de sélection. Cependant, la tendance à utiliser des solutions basées sur les données devrait se poursuivre à l’avenir pour alimenter la génération de signaux fiables qui soutiennent des décisions d’investissement plus intelligentes.