Подпишитесь на нашу рассылку здесь

Сейчас мы вступаем в четвертую эру вычислений - эру интеллекта - когда мы можем комбинировать огромные объемы данных с алгоритмами обучения, чтобы со временем программное обеспечение автоматически улучшалось. Это дает продукты, которые делают нашу жизнь лучше каждый день, от высокоточного распознавания речи до автономных транспортных средств.

Чтобы представить это в контексте для инвесторов, первая эра началась в 1970-х годах и была связана с инвестициями в новое оборудование и полупроводники, характеризуемые законом Мура. Это было истинным началом технологического венчурного капитала. Вторая эра - эра программного обеспечения - началась в конце 1980-х годов и характеризовалась разработкой приложений для обработки наших реальных рабочих процессов на этих полупроводниках. По сути, это была программа для ввода данных и вывода данных. Третья эра - сначала «Программное обеспечение как услуга», а затем названная «Облачные вычисления», характеризовалась распределением вычислений для значительного сокращения затрат и создания возможностей для разработки новых типов программного обеспечения. Мы могли запускать программное обеспечение и хранить данные, но немногие приложения той эпохи использовали данные, кроме как для создания отчетов. Однако больше данных от множества пользователей открыло возможность для целого нового класса облачного программного обеспечения, которое учится на этих комбинированных данных, чтобы создавать более умные приложения. И хотя стремление IBM к интеллекту и прогнозированию восходит к 1950-м годам, эти «интеллектуальные» облачные приложения наконец заменяют приложения предыдущей эпохи, что дает веские основания квалифицировать это как новую эру вычислений.

Добродетельная петля

Облачные вычисления предлагают множество преимуществ по сравнению с локальными приложениями, такими как более низкая совокупная стоимость владения, более простая управляемость, более быстрое внедрение, более частые обновления и большая безопасность (некоторые утверждают). Таким образом, за последние два десятилетия клиенты перешли от локальных поставщиков к облачным.

Первая волна поставщиков облачных вычислений стала пионером в создании многопользовательской архитектуры, в которой каждый заказчик мог получить доступ к одному и тому же программному стеку, но их данные хранились отдельно. Таким образом, инсайты создавались отдельно для каждого клиента с использованием только их собственных данных. Первая волна поставщиков облачных вычислений создала более эффективные и оперативные, но не более проницательные, рабочие процессы. Однако, как доказали Google и другие облачные компании, работающие с потребителями, анализ автоматически созданных неявных данных («исчерпание данных») был полезен. Новое поколение поставщиков корпоративных облачных решений понимает, что они также могут извлечь выгоду из анализа этого кумулятивного исчерпания данных между компаниями. Эти идеи отличаются по качеству от всего, что можно почерпнуть из набора данных одного клиента, независимо от его размера. Архитектура, объединяющая данные клиентов, сбор данных, общедоступные данные, алгоритмы анализа данных и машинного обучения, может обеспечить еще более высокое качество аналитических данных.

Некоторые называют эти новые приложения приложениями, управляемыми данными или приложениями, ориентированными на данные, но мы думаем о них как о приложениях, построенных с использованием «виртуального цикла». Архитектура виртуального цикла передает анонимные данные о клиентах, исчерпание данных и общедоступные данные в алгоритмы машинного обучения, чтобы генерировать как более чистые данные, так и понимание. Чистые данные улучшаются за счет большего количества входящих данных, которые вводятся в более подходящие алгоритмы для получения еще более точной информации и, таким образом, генерируют еще более полезные данные. И это продолжается. Этот эффективный цикл помогает приложениям учиться на данных и становиться умнее.

Первые облачные компании были настолько сосредоточены на устранении риска многопользовательской безопасности, что отказались от самого важного актива, который могла бы создать облачная компания: данных о разных компаниях, которые можно было бы использовать для получения более значимой информации. Google и другие облачные компании для потребителей сохранили права на исчерпание данных между компаниями, но их корпоративные партнеры этого не сделали.

InsideSales: программное обеспечение Exemplar Enterprise

InsideSales - это платформа для ускорения продаж, которая сочетает взаимодействие с клиентами с широким набором профилей. Компания применяет машинное обучение к растущей базе данных о 90 миллиардах торговых взаимодействий, добавляя 5 миллиардов в месяц. InsideSales постоянно собирает данные в режиме реального времени, чтобы обслуживать потенциальных клиентов, которые, скорее всего, закроются, в какое время суток и с какими контактами (телефон / электронная почта) следует связываться. Клиенты часто видят увеличение продаж на 30% в первый месяц использования продукта. Интеграция данных, алгоритмов и основного программного обеспечения - это то, что обеспечивает ценность и позволяет им создавать барьер для входа на рынок против потенциальных конкурентов. InsideSales зарегистрировал свой эффективный механизм цикла как Neuralytics.

Стартапы, готовые к победе

Стартапы имеют все возможности для того, чтобы помешать существующим поставщикам мультитенантных приложений с помощью эффективных приложений на основе циклов нового поколения. Это особенно верно, потому что они могут запустить свой действенный цикл несколькими дешевыми способами.

Во-первых, компании могут запустить свою базу данных путем сбора большого количества данных от множества мелких клиентов, а затем изучить эти данные. По мере того, как программное обеспечение становится умнее и дает лучшие результаты, крупные компании также становятся клиентами. Эти ранние клиенты часто могут быть приобретены стартапами, пока они все еще получают начальное финансирование; минимально жизнеспособный продукт (MVP) по хорошей цене может быть легко принят из уст в уста среди мелких клиентов. Эти MVP обычно просты, например, облачный дозвонщик продаж (InsideSales), планировщик конференц-зала (Eventboard) или панель управления оборудованием (Lucid). Однако ценность заключается в генерации данных, вертикальных навыках и четкой дорожной карте продукта для добавления функций аналитики.

Такие компании, как InsideSales, привлекли 400 мелких клиентов, прежде чем привлекли финансирование. Сегодня у них 3000 клиентов, много крупных предприятий с тысячами пользователей. Eventboard стартовал с 300 мелких клиентов при финансировании всего в 200 тысяч долларов. Сегодня их 1300, и многие предприятия удваивают количество используемых в течение 90 дней. Lucid начинала с небольшого количества университетских городков на начальном этапе финансирования, а сегодня имеет 500 корпоративных кампусов и 30 городов и управляет 1,3 миллиарда квадратных футов офисных площадей. В каждом случае у них есть хорошие возможности для добычи миллиардов фрагментов данных, чтобы значительно улучшить результаты для всех своих клиентов. Каждый новый клиент, большой или маленький, получает выгоду от моделей, созданных уже существующей базой клиентов. К счастью, сегодня стартапы извлекают выгоду из более благоприятного климата, чтобы просить клиентов о праве сохранять межфирменные наборы данных для более широкого обучения.

Во-вторых, растет количество общедоступных данных, которые можно комбинировать с собственными данными. Например, в начале правления Обамы было доступно лишь несколько наборов государственных данных, а сегодня их более 180 000. 40 стран присоединились, чтобы создать еще сотни тысяч.

В-третьих, больше компаний собирают и очищают данные, чем предоставляют их в структурированном виде разработчикам через API. Например, Clearbit, портфельная компания Zetta, ценится своими клиентами за предоставление высочайшего качества и самых последних данных о людях и компаниях.

Партнерство с Zetta

Рыночные возможности для эффективных стартапов на основе циклов оцениваются в триллионы долларов с учетом преимуществ для каждого направления бизнеса на предприятии, для каждого малого и среднего бизнеса, промышленного сектора через Интернет вещей, а также для отраслей, в которых ранее не хватало данных, таких как сельское хозяйство и города. .

Наша цель в Zetta - помогать находить и создавать стартапы, такие как InsideSales, Eventboard и Lucid, которые генерируют множество закрытых данных, создавая платформы с барьерами для входа путем объединения данных с программным обеспечением для рабочих процессов. Чтобы получить начальное финансирование сегодня, важно с самого начала создать целенаправленную и дальновидную стратегию обработки данных. И, как подсказывает эпоха, наша направленность помогает нам становиться умнее с каждым новым вложением.

Спасибо

Спасибо Джареду Халеку за комментарии к этому посту.

Подпишитесь на нашу рассылку, чтобы получать уведомления о новых публикациях.