대체 데이터를 사용하여 완벽한 데이터 조합을 찾는 방법

거의 매일, 당신은 데이터와 상호작용합니다(비록 깨닫지 못하더라도!).

전화나 신용 카드와 같은 기술과 상호 작용할 때마다 데이터가 생성됩니다. 때때로 이 데이터는 아무데도 가지 않지만 종종 기업은 행동에 대한 더 강력한 이해를 구축하기 위해 이 데이터를 저장하고 분석합니다.

솔직히 말해서, 생성된 원시 데이터가 풍부하기 때문에 조직은 이를 배포하고 이를 사용하여 더 나은 비즈니스 결정을 내리고 더 강력한 가정을 찾아 여러 분야에서 비즈니스의 정확성과 효율성을 높이는 데 사용할 수 있는 최선의 방법을 이해하기 위해 분주하게 움직이고 있습니다. 과거에는 해결할 수 없었던 문제들이 사회적, 개인적, 비즈니스적 상호작용에 의해 매일 생성되는 데이터 유형을 기반으로 조사, 탐색 및 해결될 수 있습니다.  

서비스로서의 데이터란 무엇입니까?

기술에서 데이터가 기하급수적으로 생성되면서 DaaS(Data as a Service)라는 비즈니스 서비스의 전체 범주가 탄생했습니다.

데이터 사용자는 데이터를 보다 효율적으로 생성해야 할 뿐만 아니라 추적, 저장, 분석, 조작, 공유 및 판매해야 한다는 것을 깨달았습니다. 이렇게 많은 데이터가 존재하기 때문에 데이터의 잠재력을 극대화할 수 있는 더 큰 인프라가 필요했습니다.

DaaS 산업의 핵심은 네트워크를 통해 데이터를 제공하고 배포하는 것입니다. 일반적으로 데이터는 데이터 웨어하우스에 저장되고 클라우드 컴퓨팅을 통해 사용자에게 제공됩니다. DaaS는 사용 편의성과 비즈니스 액세스 속도를 높일 수 있는 능력으로 인해 기하급수적으로 성장하는 서비스입니다.

새로움을 감안할 때 DaaS 비즈니스는 다양한 방식으로 데이터 제품의 가격을 책정하지만 현재 가장 일반적인 것은 사용 및 제공되는 원하는 데이터 세트의 메가바이트 크기에 따라 궁극적으로 데이터 가격을 책정하는 볼륨 기반 가격 책정입니다.

그러나 비용은 비즈니스에서 사용하는 데이터 유형, 데이터에 액세스해야 하는 빈도 및 이를 통해 달성하고자 하는 바에 따라 달라지는 경향이 있습니다.

다양한 산업의 데이터 사용 사례

데이터는 항상 비즈니스에서 중요한 역할을 했습니다(손으로 추적하는 회계 원장을 생각해 보세요!). 그러나 오늘날 우리는 데이터의 정교함과 함께 모든 산업이 고유한 요구 사항을 충족하는 데이터를 육성하는 것을 보고 있습니다. 동일한 데이터를 서로 다른 두 당사자가 사용할 수 있는 경우에도 크게 다른 이유로 사용될 수 있으므로 고유하게 저장되고 조작될 수도 있습니다.

예를 들어, 병목 현상을 극복하기 위해 운송 방법에 대한 모든 종류의 데이터 메트릭을 사용하는 공급망 및 물류 산업이 있습니다. 대조적으로, 마케팅 산업은 인구 통계 및 기업 통계 데이터를 사용하여 완벽한 홍보 방법을 만들 수 있습니다.

DaaS의 중심에 있는 산업 중 하나는 투자 관리입니다. 이러한 조직은 DaaS 소프트웨어 부문의 기하급수적인 성장을 촉진하기 위해 수표를 작성하고 투자자는 자신의 투자가 투자자에게 가장 높은 수익을 가져다 주는 진정한 최고의 자금 사용을 보장하기 위해 자체 데이터 시스템을 육성하고 구축하기 시작했습니다.

이 기사에서는 기관 투자자 라고 하는 인구를 파헤칠 것입니다. 정의에 따르면 이러한 조직은 고객을 대신하여 돈을 투자합니다. 헤지 펀드, 사모펀드 투자자, 벤처 캐피탈 및 투자 은행을 생각하십시오.

상당한 양의 자본이 이러한 시장을 통해 순환하며 역사적으로 이러한 당사자의 결정은 주로 재무 데이터와 인간 대 인간 상호 작용에 의존했습니다. 그러나 기대치와 수표 크기가 커짐에 따라 선택한 모든 투자에 대해 절대적으로 확신해야 할 필요성도 커졌습니다.

직감의 시대는 더 이상 여기에 있지 않습니다(좋은 투자자라면 직관이 여전히 중요하다고 말할 것입니다). 대신, 대체 데이터 소스의 보급이 이 시장을 지배했습니다.

기존 데이터와 대체 데이터

투자 세계의 데이터는 기존 데이터와 대체 데이터의 두 가지 범주로 나눌 수 있습니다.

기존 데이터 에는 SEC(Securities and Exchange Commission) 서류, 재무제표, 보도 자료, 예측 등과 같은 데이터 소스가 포함됩니다. 이 데이터를 통해 투자자는 수익, 수익성, 자산, 위험 요소 및 재무 비율과 같은 회사에 대한 중요한 재무 정보를 분석할 수 있습니다.

전통적인 데이터는 투자 결정을 내리는 데 중요합니다. 그러나 특히 민간 기업의 경우 이러한 유형의 데이터를 항상 사용할 수 있는 것은 아닙니다. 더군다나 SaaS 투자 공간에서는 이 재무 데이터가 존재하지 않을 수도 있습니다. 365일 미만의 회사는 EBITDA가 짝수가 되기 전에 종자돈을 찾고 있습니다.

궁극적으로, 기존의 정보는 최상의 정보에 입각한 투자 결정을 내리기에는 충분하지 않습니다. 이러한 이유로 대부분의 최첨단 투자자는 분석에 대체 데이터 소스를 포함합니다.

대체 데이터 는 비전통적 소스에서 파생된 데이터로 분류할 수 있습니다. 체계적으로 수집할 수 있고 데이터 분석에서 가치를 입증할 수 있는 모든 정보는 대체 데이터로 분류할 수 있습니다. 대체 데이터의 예로는 신용 카드 거래, 모바일 서비스, 날씨, 리뷰, 웹 트래픽, 소셜 미디어, 지리적 위치 데이터 등이 있습니다.

일반적으로 많은 사람들은 대체 데이터가 제공하는 목적에 부합하도록 설계되지 않은 비즈니스 프로세스의 부산물로 생성된 데이터를 대체 데이터라고 생각합니다. 대체 데이터는 액세스 권한이 있는 사람들에게 경쟁 우위를 제공할 수 있으므로 투자자에게 매우 관련성이 있는 것으로 입증되었습니다.

데이터 소스의 완벽한 조합을 만드는 방법

기관 투자자는 서로 매우 다를 수 있습니다. 각 회사는 다른 방법과 자원을 가지고 있으며 궁극적으로 각 회사의 투자 위임과 예산에 크게 의존합니다. 모든 기업의 공통점은 평균 이상의 투자 수익을 추구한다는 사실뿐입니다.

투자에 대한 알파 를 찾을 때 분석가는 평균 이상의 성과를 낼 수 있는 고유한 자질을 갖고 있는 것으로 보이는 잠재적인 투자 대상을 찾습니다. 이상적으로는 데이터를 사용하여 조직의 미래 성공에 대한 가설을 구축, 지원 및 반증합니다. 데이터가 좋을수록 가설이 더 정확해질 수 있습니다. 조직의 미래 재정적 성공을 정확하게 모델링하는 능력은 수백만 달러의 차이가 될 수 있습니다.

따라서 그들은 다음 활동에 도움이 되는 데이터를 찾고 있습니다.

1. 다양한 투자 선호도를 기반으로 타겟 식별
2. 각각의 특성을 이해하여 조직하고 우선 순위를 정합니다.
3. 각 대상의 강점과 약점을 조명
4. 각 소프트웨어 범주의 고유한 요소에 대한 더 강력한 이해 구축

이러한 메트릭에는 YTD(연초) 수익, 현재 고객 기반, 이익 성장 잠재력, 회사 직원 수, 고객 만족도 및 성장 잠재력과 같은 항목이 포함될 수 있습니다. 회사에 대한 이 모든 필수 정보를 찾으려면 투자자는 신속하게 소화하고 구성할 수 있는 데이터 소스를 사용해야 합니다.

즉, 그들은 예산에 대해 노력하고 있으며 대부분의 투자자는 많은 양의 데이터 세트를 갖는 대신 양질의 데이터 소스를 갖는 것을 우선시합니다. 궁극적으로 그들의 목표는 액세스할 수 있는 데이터 유형을 복제하지 않고도 각 잠재적 투자에 대한 질문에 답할 수 있는 충분한 데이터를 확보하는 것입니다(이로 인해 지출이 중복될 수 있음).

그러나 투자 의무는 다양할 수 있으므로 단일 데이터 세트에서 지원되는 고유한 결과와 다양한 가설을 허용하여 궁극적으로 고유한 방식으로 여러 조직에 우위를 제공할 수 있습니다.

대부분의 경우 균형 잡힌 조합에는 기존 데이터 공급자와 대체 데이터 공급자가 포함됩니다. 대부분의 투자자는 이러한 데이터 유형을 둘러싼 산업이 성숙하다는 점을 감안할 때 보다 전통적인 데이터 세트를 찾는 방법을 알고 있지만 이 데이터 유형이 다양한 정의를 가질 수 있고 다양한 형태로 제공될 수 있기 때문에 대체 데이터 제공자를 결정하는 데 의문이 생깁니다.

4가지 대체 데이터

G2에서 우리는 투자자 대안 데이터를 내부 데이터, 사람 데이터, 회사 데이터 및 제품 데이터의 네 가지 범주로 봅니다. 우리의 추정에 따르면 가장 성공적인 투자자는 4가지 유형 모두에 액세스할 수 있으며 더 나은 방법은 이러한 대체 데이터 세트를 결합하여 강력한 결론을 도출하는 것입니다.

1. 내부 데이터

내부 데이터는 모든 투자자가 대화, 동료와의 회의, 설립자와의 세션 및 과거 거래 주기와 같은 비즈니스 업무를 수행하면서 생성하는 데이터 유형입니다. 이러한 유형의 데이터는 일반적으로 Affinity, Salesforce 또는 기타 시스템과 같은 CRM 소프트웨어에 저장되어 메모와 일반적인 감정을 구성합니다.

예를 들어, 투자자가 흥미로운 신생 스타트업과 커피 채팅을 하기로 결정했다고 가정해 보겠습니다. 이 회의에서 투자자는 스타트업이 신제품을 개발하기 위해 5명의 새로운 소프트웨어 엔지니어를 고용할 계획이라는 사실과 같은 몇 가지 고유한 정보를 발견합니다. 회의 후 투자자는 회의에서 논의된 사항을 회사 CRM에 주석으로 표시합니다.

일반적으로 이것은 대중에게 공개되지 않지만 스타트업의 성장 지표로 볼 수 있기 때문에 이 스타트업에 대한 투자를 고려하는 투자자에게 가치가 있을 수 있습니다.

내부 데이터가 가장 빛나거나 가장 깨끗한 데이터 유형은 아니지만 광범위한 액세스 가능성과 저렴한 비용(종종 무료)을 고려할 때 가장 일반적인 데이터 세트입니다!

인간 관계는 비즈니스 프로세스의 핵심입니다. 설립자를 만나고 잠재적인 목표에서 직원과 협력하는 것은 문화와 임무 적합성을 이해하기 위한 근면 과정에서 매우 유익할 수 있습니다. 물론 내부 데이터는 위험할 수 있습니다. 사람들의 의견은 매우 주관적일 수 있기 때문에 모든 투자의 운영 성공에는 인간적인 연결이 필요하기 때문에 내부 데이터가 기반 구축의 첫 번째 단계가 됩니다.

내부 데이터를 보관하는 소프트웨어:

• 유연
• 영업
• 파이프드라이브

2. 사람 데이터

사람 데이터는 회사에서 일하는 사람에 대한 통찰력을 제공합니다. 사람 데이터에 대해 가장 일반적으로 알려진 소스는 LinkedIn 및 Glassdoor입니다.

이 유형의 데이터는 회사 인원 수, 주요 고용, 유지율, 사용 가능한 채용 기회, 회사 문화 등을 나타냅니다. 인원 수는 긍정적 델타의 경우 회사가 성장하고 있다는 주요 지표이거나 회사가 마이너스 델타의 경우 최대 성장 잠재력에 도달했을 수 있습니다.

주요 고용도 큰 영향을 미칠 수 있습니다. 일반적으로 회사에서 업계 베테랑을 데려오면 전문 지식이 원탁 회의에 참여하고 있다는 훌륭한 지표가 될 수 있습니다. 사용 가능한 취업 기회는 회사가 나아가고 있는 다양한 방향에 대한 빠른 통찰력을 제공할 수 있습니다. 마지막으로, 유지율을 통해 회사 문화에 대한 고유한 통찰력을 얻을 수 있으며 직원이 현재 리더십을 좋아하는지 확인할 수 있습니다.

궁극적으로 성장해야 한다는 것은 일반적으로 고객 기반이 확장되고 있음을 의미하며 고객 기반이 확장된다는 것은 더 많은 수익을 의미합니다. 수익에 중점을 둔 점을 감안할 때 이것은 투자자에게 중요합니다.

3. 회사 데이터

회사 데이터를 통해 투자자는 재무 정보(대차대조표 이외의 정보 포함)에 액세스할 수 있습니다. 이 유형의 데이터에는 현재 평가, 예상 수익, 주주 정보, 자금 조달 라운드 및 기존 투자자 집단이 포함됩니다. 회사 데이터는 공개 또는 비공개의 모든 비즈니스에서 제공되기 때문에 전통적인 재무 데이터에서 벗어나 있습니다.

또한 회사 데이터는 기존 재무 데이터와 다르게 수집됩니다. 예를 들어, Crunchbase 또는 Pitchbook은 공개적으로 사용 가능한 소스와 다양한 데이터 파트너를 사용하여 데이터를 검색하기 위해 여러 채널에 의존하여 투자자에게 고유한 재무 데이터를 제공합니다.

회사 데이터는 다음과 같은 세 가지 주요 이유로 투자자에게 중요합니다. 첫째, 투자 권한 내에서 적격한 투자 대상(회사에 자금이 너무 많거나 너무 적은 경우); 둘째, 회사의 가치에 대한 기존 인식(ROI 잠재력을 이해하기 위한 평가 및 수익 데이터); 마지막으로 미래의 비즈니스 파트너가 누구인지 이해합니다(과거 투자자에 대한 이해).

4. 제품 데이터

제품 데이터는 회사의 특정 제품 및 각 제품의 고객과의 관계를 나타냅니다. 이러한 유형의 데이터는 투자자가 예상 대상의 고객이 실제로 제품을 어떻게 좋아하고 사용하는지 이해하는 데 도움이 됩니다. 제품 데이터에는 NPS 점수, 고객 감정, 이탈 데이터, 가격 정보, 지원 품질, 사용 용이성과 같은 정보가 포함될 수 있습니다.

이러한 유형의 데이터는 투자 기회를 분석할 때 필수적입니다. 주된 이유는 회사가 좋은 재무 성과와 강력한 리더십을 가질 수 있기 때문이지만 결국 회사의 미래 수익을 좌우하는 것은 고객입니다.

단기적으로는 훌륭해 보여도 제품에 필수 기능이 없거나 경쟁업체의 고객이 될 수 있으며 이는 장기적인 위험 신호가 될 수 있습니다. 제품 데이터를 얻는 일반적인 방법은 전문가 호출을 이용하는 것입니다. 이 방법을 사용하면 직원 또는 고객으로서 제품 경험에 대한 귀중한 정보를 제공할 수 있는 업계 전문가와 대면하게 됩니다.

그러나 전문가 호출은 종종 경쟁업체를 동등하게 볼 수 없도록 하는 좁고 일관되지 않은 데이터를 제공하며 결국 오렌지를 사과와 비교하는(그리고 매우 높은 비용으로) 매우 편향될 수 있습니다. 이러한 편향을 피하고 이해를 강화하기 위해 많은 투자자가 호스팅되는 통화 수를 늘리고, 이는 더 많은 시간과 비용을 의미합니다.

더욱이, 이로 인해 투자자들은 원래 소프트웨어 구매자를 위해 구축된 플랫폼 및 리소스로 전환하고 이를 사용하여 G2와 같은 고객 감정 및 소프트웨어 대상의 시장 지위를 판단하게 되었습니다.

그러나 DaaS의 도래와 함께 G2는 이제 제품 대체 데이터 범주인 Investor Solutions에 보다 정확하게 맞는 제품을 개발했습니다.

G2 인베스터 솔루션이란?

G2.com은 매년 6천만 명 이상의 구매자가 방문하여 2,100개 이상의 소프트웨어 범주에 걸쳐 158,000개 이상의 제품에 대한 리뷰를 남기는 소프트웨어 피어 리뷰 공간의 선두 주자입니다. 이러한 모든 방문은 현재까지 180만 개 이상의 리뷰 유입을 생성했습니다.

G2가 투자자를 위해 만들어지지는 않았지만 그 데이터는 확실히 그들의 요구에 맞습니다. G2.com에서 생성된 리뷰는 투자자가 동향, 패턴, 그리고 소프트웨어 사용자가 기술 스택에 얼마나 만족하고 있는지, 어떤 제품이 출시되고 있는지, 사용자가 액세스하기 위해 지불하는 가격, NPS 등급 등과 같은 귀중한 정보를 발견하는 데 도움이 되는 데이터를 생성합니다. G2.com에서 공개적으로 사용 가능한 것보다 더 많은 정보.

Investors Solutions는 전문가 통화에서 배울 수 있는 것과 동등한 정보를 제공하는 것 외에도 G2.com 전반의 트래픽 방문 및 패턴을 포함하는 구매자 의도 데이터를 제공하여 시장 내 소프트웨어 구매자가 보고 있는 것에 대한 통찰력을 제공합니다.

이러한 데이터 세트를 사용하여 고객은 소싱 및 근면 워크플로를 자동화하여 내부, 회사 및 재무 데이터의 통찰력과 함께 G2에 나열된 125,000개 이상의 제품에 대한 신속한 감정 분석을 수행할 수 있습니다. 이러한 제품 데이터의 지속적인 유입은 더 빠른 조치와 강력한 우선 순위를 허용하여 사용자에게 우위를 제공합니다.

데이터의 다음 단계는 무엇입니까?

미래에는 B2B 소프트웨어 데이터의 사용이 더욱 자동화될 것입니다. 예측 트리거로 사용할 수 있는 데이터 필드가 너무 많고 오늘날 대부분의 투자 상점에서 데이터 과학 리소스가 제한되어 있어 이러한 수준의 자동화가 어렵습니다. 나는 우리가 앞으로 몇 년 동안 큰 변화를 보게 될 것이라고 생각합니다. 대규모 자동화는 수요와 최고의 비즈니스를 발굴하기 위한 경쟁으로 인해 더욱 일반화되고 접근 가능해질 것입니다.

많은 대체 데이터가 시간이 많이 소요되는 인간의 대화를 대체합니다. 그것들은 사라지지 않지만 대체 데이터 통찰력을 기반으로 누구 와 대화하는지에 대해 더 적거나 더 의도적으로 가질 수 있습니다.

또한 패턴과 트렌드를 찾는 것이 2차적으로 중요하다고 생각합니다. IPO 및 인기 있는 기업의 기금 마련과 비교하여 많은 데이터 소스를 백테스트하면 기업이 미래에 어떤 패턴을 찾아야 하는지 파악하여 그에 따라 사전에 해당 기업을 찾고 있는지 확인할 수 있습니다.

SaaS 투자자이고 장래 회사에 대한 몇 가지 데이터 포인트를 얻으려면 우리 팀에 연락하십시오 !

이 기사는 G2의 Investor Solutions 인턴 Lucas Masoero 가 공동으로 작성했습니다 .