- 相關(guān)推薦
數據算法用于創(chuàng )投項目評估？
創(chuàng )業(yè)風(fēng)險投資無(wú)法依靠數據算法，這里存在許多悖論。下面一起來(lái)看看!
人工智能在金融行業(yè)有許多能產(chǎn)生真實(shí)價(jià)值的應用場(chǎng)景，其中在二級市場(chǎng)投資交易上，基于數據算法的量化交易也已經(jīng)有不少成功的操作案例。投資界對數據分析的好感度不斷增強，在一級市場(chǎng)創(chuàng )業(yè)投資領(lǐng)域，甚至是天使投資也有了一些試圖通過(guò)對數據的分析來(lái)評估項目投資價(jià)值的嘗試。
我們一邊擔心著(zhù)機器統治了人，一邊又不遺余力的把所有責任都推給機器，體力的也好，腦力的也是。創(chuàng )業(yè)風(fēng)險投資無(wú)法依靠數據算法，這里存在許多悖論。
悖論1：大數據算法善于尋找大概率事件，而超高回報必定是小概率的
所謂風(fēng)險投資，投資界的金字塔，尤其天使投資，可謂是投資領(lǐng)域風(fēng)險最高的門(mén)類(lèi)。資本之所以愿意承擔極高的風(fēng)險，是因為此類(lèi)資本所追逐的是超高回報。風(fēng)險度越高就要有相應的高收益可期待，這是資本的本性。最保守的投資，讓所有投資者幾乎都能獲得最保本的收益。
而高風(fēng)險的投資門(mén)類(lèi)中只有少數投資者能獲得超高收益。于是乎，我們可以理解，創(chuàng )業(yè)風(fēng)險投資必然尋找的是小概率事件，百里挑一、萬(wàn)里挑一的所謂獨角獸。而基于大數據的算法所計算的是普遍性，也就是它的能力在于尋找大概率事件。兩者的底層意圖幾乎可以說(shuō)是背道而馳。
打個(gè)比方。A成功發(fā)生的可能性是80%，B發(fā)生的可能性是90%，B比A的可能性高了12.5%，你比較容易決定把賭注下給B。這是在進(jìn)行大概率事件的比較。
而如果A、B都是小概率事件，情況將變得復雜許多。例如A發(fā)生的可能性是0.1%，B的可能性是0.2%，看上去B的成功率已是A的兩倍，然而同時(shí)這一概率也意味著(zhù)A不發(fā)生的可能性是99.9%，B則有99.8%的可能性不會(huì )發(fā)生，它們不發(fā)生的可能性幾乎相等，且都概率極高，依據這樣的數據必然仍舊舉棋不定。
事實(shí)上，投1000次成功1次和投500次成功1次的意義是一樣的，因為大家可能都不會(huì )有超過(guò)500次的投資機會(huì )。
悖論2：算法需要數據來(lái)支持，而創(chuàng )投領(lǐng)域的數據是膚淺的
當下所謂基于大數據通過(guò)機器學(xué)習技術(shù)而不斷精確化的算法，其基礎在于對數據的利用，而創(chuàng )投領(lǐng)域極缺數據。創(chuàng )業(yè)領(lǐng)域以“創(chuàng )”為關(guān)鍵詞，從無(wú)到有，做前人沒(méi)有做過(guò)的事，走前人沒(méi)有走過(guò)的路。既無(wú)歷史，何來(lái)數據?
且創(chuàng )業(yè)創(chuàng )新往往在于挖掘前所未有的機會(huì )，尋找那些少人關(guān)注且尚未被滿(mǎn)足的市場(chǎng)。一項前所未有的技術(shù)、產(chǎn)品或商業(yè)模式，可以從邏輯上去評估其可行性，卻無(wú)法找到足量的對口數據去證明。
也因此真正以創(chuàng )新為文化的組織反對用績(jì)效指標去考核創(chuàng )新部門(mén)，從過(guò)去總結獲得的既定標準和框架是無(wú)法容納大航海式的探索的。
創(chuàng )投領(lǐng)域那些容易大規模獲得的數據往往十分膚淺而表象，很難成為投資決策的依據。近幾年，出現了一些收集一級市場(chǎng)項目信息及投融數據，并加以分析的網(wǎng)站數據庫。有些為了吸引關(guān)注也曾打出讓數據算法來(lái)指導創(chuàng )業(yè)投資的概念。然而目前這些網(wǎng)站的信息維度往往十分單薄，這些維度上的數據往往并不是影響創(chuàng )業(yè)成敗的核心。
即便是這些數據，其可靠性也往往無(wú)法考證，更沒(méi)有像二級市場(chǎng)那樣經(jīng)過(guò)專(zhuān)業(yè)部門(mén)審核的企業(yè)運營(yíng)數據。
它們作為黃頁(yè)性查詢(xún)功能的作用遠多于作為分析工具的作用;其數據反饋整體概貌的意義遠大于評估個(gè)體價(jià)值的意義;它們有監測變化現象的效用但無(wú)法真實(shí)反饋動(dòng)因。注意，這里不是說(shuō)這類(lèi)數據庫沒(méi)有意義，而是說(shuō)它們存在的主要價(jià)值并不在于用數據分析來(lái)評估項目。
例如關(guān)于類(lèi)似熱議度的指標，因媒介信息曝光的數據較易獲取，據此比較熱議度、媒體曝光度等指標也比較容易實(shí)現。
然而，某些項目熱議度高或許是因為急于融資而必須大聲兜售，在內容營(yíng)銷(xiāo)上投入了更多成本，這些內容影響的并非其產(chǎn)品的目標用戶(hù)而是融資的目標資本方;而那些熱議度低甚至少人知曉的項目也可能已經(jīng)在悄悄賺錢(qián)，或正在修煉著(zhù)秘而不宣的神功。最終這些數據反饋的指標并不能讓投資人少做一些調查，反而還有可能會(huì )蒙蔽你。
悖論3：風(fēng)投決策依據的善變無(wú)法實(shí)現算法的復用意圖
與相對成熟的行業(yè)不同，創(chuàng )業(yè)創(chuàng )新領(lǐng)域缺乏恒定的評估指標，且許多影響因素可能是隱性的。創(chuàng )業(yè)投資的周期較長(cháng)，而內外部環(huán)境的變化卻要比傳統領(lǐng)域快許多。因此其中總要歷經(jīng)千回百轉。
一個(gè)種子階段很有希望的項目在A(yíng)輪后很有可能因為內外部環(huán)境已變而瞬間窮途末路。
免費模式可以是高效的也可以是無(wú)效的，可能在兩年前有效在兩年后無(wú)效;第一年就把收支打平的可以是好項目也可能沒(méi)有更大的想象空間;創(chuàng )始人可以因破釜沉舟而發(fā)奮崛起，也可能因沒(méi)有后顧之憂(yōu)而更易耐得住寂寞和誘惑;在一年前可能還未出現的所謂風(fēng)口，在一年后也可能已關(guān)閉。
同樣的信息樂(lè )觀(guān)的投資人認為利好，悲觀(guān)的認為利空，今天認為是利好，而明年可能轉向。甚至資本方自身也是重要變因，也并不總是起到正面的作用，錯配的資本也可能令一個(gè)優(yōu)秀的項目走入絕境。
即便不基于數據而基于投資邏輯，創(chuàng )業(yè)風(fēng)險投資也很難有包贏(yíng)的套路。即便是頂級的天使投資人之間也有許多意見(jiàn)相左的時(shí)候。在某些情況下，投資人也可能只認定某一個(gè)道理而義無(wú)反顧的支持下去。
在每個(gè)投資人心里，什么因素更重要各有自己的算法，且會(huì )根據不斷的信息輸入與思考持續進(jìn)行變因增減和權重調整，而這種調整發(fā)生的頻率節奏相當高。
也就說(shuō)每個(gè)項目可能都有其自身的特殊性，即便你有一套算法，也很難一層不變的套用到多個(gè)項目上，最終往往仍需要一事一議，或因為某種特殊的因素，進(jìn)行“破格入選”。這意味著(zhù)既定算法的復用性將相當低，也因此無(wú)法真正體現作為機器算法的那種“一本萬(wàn)利”的效用。
多一些獨立思考，少一些投機跟風(fēng)
試圖用一個(gè)既定算法模型去評估創(chuàng )業(yè)項目的投資價(jià)值顯得過(guò)于推卸責任。在創(chuàng )業(yè)風(fēng)險投資領(lǐng)域尤其稀缺有獨立思考能力的投資者。如果這一領(lǐng)域做決策能有賴(lài)于算法，那意味著(zhù)許多投資者都能獲得超高收益，這顯然不符合能量守恒。
人們不斷總結過(guò)往的經(jīng)驗，試圖預知命運，然而套用一句話(huà)，“所有的幸福都是相似的，而不幸卻各有各的不同”。在這個(gè)不幸案例遠遠多于幸福案例的的領(lǐng)域，則更多的是“各有各的不同”。
【數據算法用于創(chuàng )投項目評估？】相關(guān)文章：
閻焱：創(chuàng )投看重的創(chuàng )業(yè)者DNA03-26
乾龍創(chuàng )投查立：創(chuàng )業(yè)之困03-28
2017年哪些項目值得投12-05
抱團創(chuàng )投CEO李欣:創(chuàng )業(yè)是體驗是過(guò)程,而不是結果11-28
創(chuàng )投人：靠錢(qián)砸出來(lái)的公司走不遠03-28
深創(chuàng )投和弘毅分獲中國最佳創(chuàng )投機構和最佳私募機構02-28