Technology

Comment Telstra Ventures utilise la science des données pour améliorer l’investissement en capital-risque

Nous sommes ravis de ramener Transform 2022 en personne le 19 juillet et virtuellement du 20 au 28 juillet. Rejoignez les leaders de l’IA et des données pour des discussions approfondies et des opportunités de réseautage passionnantes. Inscrivez-vous aujourd’hui!


L’industrie du capital-risque a joué un rôle vital dans les technologies de pointe à croissance rapide. Pourtant, il a été un retardataire lorsqu’il s’agit d’adopter la nouvelle technologie elle-même.

Il y a environ cinq ans, Mark Sherman, directeur général de Telstra Ventures, a décidé de changer cela en renforçant son équipe de data science. Telstra Ventures a embauché Jonathan Serfaty, un ancien ingénieur de LinkedIn, en tant que responsable de la science des données. Serfaty avait travaillé sur le pipeline de prospection de prospects de LinkedIn, qui correspondait bien au pipeline de transactions utilisé par les VC.

Il a fallu quelques années pour faire décoller les choses, mais Telstra Ventures commence déjà à voir des résultats impressionnants :

  • Telstra Ventures s’approvisionne désormais pour 15 % des nouvelles transactions à partir des recommandations de la science des données et les outils de science des données ont informé 100 % de toutes les transactions depuis 2020.
  • 57 % des transactions issues de la science des données ont généré un tour supplémentaire dans l’année, contre 33 % pour les transactions issues de l’ancienne méthode.
  • Les transactions de source de science des données ont été multipliées par quatre dans la valorisation déclarée, contre une augmentation de 2,4 fois pour les transactions provenant de canaux traditionnels.

La nouvelle approche en est encore à ses balbutiements, mais elle est extrêmement prometteuse. Sherman s’attend à ce que la société puisse trouver jusqu’à la moitié de ses nouveaux contrats en utilisant les dernières techniques de science des données d’ici cinq ans. Cette approche fonctionne parce que Telstra Ventures se concentre sur les entreprises qui ont déjà fait suffisamment d’affaires pour générer une piste de données.

“Cela ne fonctionnerait pas aussi bien si vous essayiez de faire la même chose avec un financement de pré-amorçage et d’amorçage, car il n’y a pas autant d’échappement numérique”, a déclaré Sherman.

Que modéliser

La création d’un modèle numérique d’une startup dans un marché émergent est un peu plus complexe que la modélisation d’une entreprise publique dans un marché établi, a déclaré Serfaty à VentureBeat. Il a investi des ressources importantes dans des outils d’exploration d’Internet à la recherche d’informations publiques et a organisé la combinaison appropriée de services de données tiers.

Ils ont développé des métriques pour caractériser la manière dont les entreprises interagissent avec les clients, leur taux de croissance et la connexion entre les acteurs d’un marché. Serfaty a déclaré: «Il y a tellement d’informations cachées et inconnaissables. Nous recherchons des proxies qui sont au moins suffisamment bons sur le plan directionnel pour être utiles.

Beaucoup de ces modèles tirent parti des techniques de modélisation de données graphiques avec lesquelles Serfaty a travaillé pour améliorer la hiérarchisation des prospects pour l’équipe commerciale de LinkedIn. Il a déclaré à VentureBeat : “Nous avons mesuré de nombreux signaux provenant de comptes entrants et de prospects pour déterminer comment hiérarchiser les prospects pour l’équipe de vente. C’est un problème similaire à ce que nous faisons ici.

Améliorer le pipeline de capital-risque

Un pipeline d’opérations de capital-risque comporte trois éléments clés : l’approvisionnement, l’analyse comparative et la valeur ajoutée. L’approvisionnement est le processus de détection de l’élan au sein d’un segment de marché. L’analyse comparative est une analyse financière comparative pour comprendre les forces et les perspectives d’une entreprise. La valeur ajoutée consiste à trouver des moyens d’améliorer les perspectives ou la valeur des entreprises. Telstra Ventures a développé des outils de science des données pour améliorer ces trois processus.

Avec l’approvisionnement, l’approche traditionnelle du capital-risque consiste à s’appuyer sur la génération de prospects entrants ou sortants. Un processus entrant peut impliquer de se faire connaître dans un domaine qui attire des startups dans ce domaine. Une approche sortante consiste à rechercher le marché et à travailler le réseau pour trouver des entreprises dans un domaine spécifique.

L’effort de science des données aide à identifier et à hiérarchiser les candidats pour la sensibilisation. Cela tire parti de plusieurs proxys qui sont en corrélation avec diverses mesures de succès, mais qui sont plus faciles à mesurer pour les startups. C’est 15% des entreprises avec les rendements démesurés mentionnés ci-dessus.

Les équipes de science des données aident également les investisseurs à évaluer les entreprises identifiées par d’autres canaux avant d’aller plus loin.

“La science des données touche tous les investissements que nous réalisons, qu’ils soient entrants ou sortants”, a déclaré Sherman.

Telstra Ventures utilise également largement les nouveaux outils de science des données dans la phase d’analyse comparative. Bien que les sociétés de capital-risque aient toujours effectué des analyses, le dernier workflow de science des données amène les choses à un nouveau niveau. Par exemple, l’équipe de science des données a développé des outils pour générer plus de deux cents KPI qui peuvent aider à comparer les performances de différentes entreprises.

Selon Sherman, il y a dix ans, la plupart des décisions étaient basées sur l’intuition. Maintenant, en comparant cet ensemble de mesures beaucoup plus riche, son équipe dispose d’un intervalle de confiance beaucoup plus élevé pour prendre des décisions d’investissement.

Le flux de travail de la science des données aide également Telstra Ventures à améliorer la phase de valeur ajoutée en identifiant les faiblesses spécifiques à atténuer et les opportunités à poursuivre.

Telstra Ventures se spécialise dans l’aide aux entreprises pour cultiver des relations plus génératrices de revenus. L’équipe de Serfaty a développé divers outils d’analyse graphique pour identifier et hiérarchiser les prospects préqualifiés et déterminer le contact approprié pour lancer le bal.

Il a fallu un certain temps à l’équipe de Telstra Ventures pour comprendre comment ces nouveaux outils de science des données pourraient s’intégrer à leur flux de travail. Maintenant, les investisseurs commencent à suggérer des ajustements pour de meilleurs modèles et de nouvelles mesures à suivre, a déclaré Serfaty.

Par exemple, les investisseurs ont demandé des informations sur le réseau pour les aider à comprendre comment ils sont connectés à une entreprise et à qui ils doivent s’adresser pour une introduction, ainsi que des outils pour aider à rechercher et à cartographier les secteurs pour la recherche thématique.

“De plus, à mesure que le paysage VC évolue, nous avons reçu des suggestions sur la façon dont nous pouvons surveiller et évaluer les entreprises Web3”, a déclaré Serfaty.

La mission de VentureBeat est d’être une place publique numérique permettant aux décideurs techniques d’acquérir des connaissances sur la technologie d’entreprise transformatrice et d’effectuer des transactions. En savoir plus sur l’adhésion.

Leave a Reply

Your email address will not be published.