David Smith, Chief Data Officer di TheVentureCity – Seri Wawancara

David Smith, a.k.a “David Data,” adalah Chief Data Officer di TheVentureCity, sebuah platform modal ventura yang berinvestasi secara internasional di startup yang didorong oleh perangkat lunak dan menyediakan dukungan operasional.

Apakah Anda dapat menjelaskan peran Anda sebagai Chief Data Officer di TheVentureCity dan apa yang dimaksud dengan peran tersebut?

Saya memimpin tim yang mengevaluasi kesempatan investasi menggunakan data yang disediakan oleh startup; mengelola pipa data langsung dari perusahaan portofolio kami dan teknologi yang mendukungnya; melakukan analisis khusus untuk perusahaan portofolio; memberikan saran kepada perusahaan portofolio tentang teknologi dan analitik; dan membangun produk yang mengotomatisasi dan memperluas kemampuan analitik kami.

Ketika melakukan due diligence investasi, apa saja variabel yang dipertimbangkan?

Kami mengevaluasi keterlibatan, retensi, nilai seumur hidup pelanggan, distribusi pendapatan, dan dinamika pertumbuhan, dan membandingkannya dengan benchmark industri. Untuk melakukan ini, kami mendapatkan data acara dan transaksi tingkat pengguna untuk mengukur:

• Rata-rata hari aktif dalam 28 hari terakhir;
• retensi pengguna dan pendapatan bulan-ke-bulan;
• retensi pengguna 6+ bulan;
• retensi pendapatan bersih bulan ke-12;
• retensi pengguna dan nilai seumur hidup pelanggan tingkat kohort;
• periode pengembalian biaya pemasaran;
• tingkat pertumbuhan pengguna dan pendapatan bulanan dan rasio cepat (yang mengukur efisiensi pertumbuhan);
• distribusi pendapatan di seluruh basis pelanggan;
• Dan mungkin metrik lain yang khusus untuk kasus tertentu.

Pemberian bobot seberapa besar kita mempertimbangkan setiap metrik di atas tergantung pada situasi.

Untuk VC, apa yang paling penting adalah seberapa cepat perusahaan dapat berkembang, apa saja metrik paling penting untuk mengidentifikasi hal ini?

Metrik paling penting adalah retensi, baik retensi pengguna maupun pendapatan. Retensi dapat diukur dengan beberapa cara: bulan-ke-bulan atau setelah 6 bulan untuk pandangan jangka panjang. Retensi yang baik menandakan kesesuaian produk-pasar dan memungkinkan pertumbuhan yang efisien. Jauh lebih mudah untuk tumbuh jika Anda tidak perlu menggantikan sebagian besar pengguna dari bulan ke bulan. Jika Anda memiliki produk di pasar besar yang sesuai dengan pasar tersebut dan dapat tumbuh dengan efisien, Anda siap untuk berkembang dengan cepat.

Apakah Anda dapat membagikan beberapa detail tentang Growth Scanner, alat untuk membantu pendiri mengetahui seberapa baik mereka tumbuh?

Growth Scanner memungkinkan setiap pendiri dengan produk di pasar untuk mendapatkan penilaian kesesuaian produk-pasar dan efektivitas pertumbuhan. Kami mengubah data mentah yang disediakan oleh startup menjadi laporan yang menyajikan metrik di atas, benchmark industri, dan komentar dari tim kami. Kami telah melihat ratusan startup dengan cara ini dan tahu apa yang harus dicari dan disorot. Dengan melihat bisnis mereka melalui lensa akuntansi pertumbuhan kami, pendiri sering kali belajar sesuatu tentang bisnis mereka yang sebelumnya tidak mereka lihat.

Perusahaan modal ventura dikenal masih menggunakan Excel dan metode kuno lainnya untuk mengatur data investasi, bagaimana TheVentureCity mengatasi tantangan ini?

Kami telah berinvestasi di tim data dan teknologi untuk mengotomatisasi pengambilan dan transformasi data produk dan transaksional dari berbagai sumber ke dalam kerangka analisis standar.

Bagaimana VC dapat memanfaatkan data yang baik untuk mengambil pendekatan yang lebih personal dalam bekerja dengan startup?

Data produk granular yang kami dapatkan dari startup portofolio kami memungkinkan kami untuk memahami secara tepat apa yang terjadi dengan setiap perusahaan. Dengan data tersebut di ujung jari kami, kami dapat melampaui dasbor standar kami dan menyelami data di mana perlu. Kami dapat memiliki percakapan yang sangat spesifik dengan tim startup kami tentang apa yang dikatakan data dan bagaimana melanjutkannya.

Dengan halusinasi menjadi salah satu kelemahan terbesar menggunakan AI Generatif, bagaimana startup yang bergantung pada LLM harus mengatasi masalah ini?

Mereka harus merekrut orang yang tepat yang tahu tentang mengkurasi data pelatihan berkualitas tinggi, fine-tuning dan validasi model, dan pendekatan human-in-the-loop.

Apa visi Anda untuk masa depan AI dan bagaimana VC akan berinvestasi di ruang ini?

Kita harus berharap melihat kemajuan eksponensial dalam kemampuan AI secara umum, dan model yang didorong oleh transformer khususnya, untuk masa depan yang dapat dilihat. Kita akan melampaui membuat produk dan proses yang ada lebih efisien, dan mulai belajar tentang produk dan proses baru yang tidak mungkin sebelumnya.

Terima kasih atas wawancara, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi TheVentureCity.