人工智能会抢了FA的饭碗吗？

　　创投机构投资人的职业生涯中，都曾经历过好项目、好机会， 被别人抢先一步的遗憾。

　　目前市场上已有多家服务商提供创业投融资信息数据，也已经有一些尝试向人工智能+投资工具的方向转变。

　　“我当时就想，我自己为什么不能早点知道这个公司？” 烯牛数据创始人兼CEO 李锦香看来，创投数据库的价值体现并不充分。很多时候，这类数据库只能做后发性的验证，她希望能把数据的价值前置出来，把投资经理、分析师每天辛苦盯住行业动态的工作整合起来，用自动化工具提高效率，主动挖掘数据中深度埋藏的价值。

　　从大佬那里‘偷师学艺’

　　产品内测阶段，烯牛数据的某位早期用户提出了这样一个问题：“业内的FA 财务顾问已经有成熟服务方案，你们的产品和 FA 有什么区别？”

　　受此疑问启发，开发团队意识到：最终用户并不在乎产品底层数据多寡，光看一个个创业项目并不会激发投资兴趣。传统FA 整理出项目亮点做营销，数据产品也应该把项目亮点提取出来，通过深入分析金融数据的使用场景，利用智能工具对一、二级市场企业数据进行聚合、清洗、挖掘，最终达到提升投资效率的目的。

　　随后，烯牛数据产品开始设计场景应用，比如提供一系列话题性信息：“红杉、真格、经纬、IDG 投了什么公司？”、“朱啸虎最近在投什么项目”、“BAT 的资本布局”、 “北大清华创业者的新项目”等都是后来一度大受欢迎的主题内容。

　　“每天可能有上百条投融资事件发生，引起人们普遍兴趣的只是一些特定的头部机构。圈子里的人可能会比较关注的大佬。”李锦香比喻，“这就像是从大佬那里‘偷师学艺’的功能。”

　　此外，烯牛数据产品还上线了行业功能，提供基于细分赛道的一级市场为主， 二级市场为辅的数据分析、上下游产业链图谱以及相关行业报告。

　　数据呈现方式变化后，产品的应用场景也逐渐扩张。非上市公司中，包含了一批最新、最活跃的潜力公司。这些经过加工后的信息数据，对于B2B 企业具有特殊价值。企业云服务、企业理财产品、财税法务平台等企业，都可以从中挖掘商业机会。

　　同时，针对FA、创业者需要找到真正有钱出手又对口的GP、GP 之间合作、GP 募资、LP 尽调GP 等场景，烯牛数据还开发了基金库、LP 库等产品功能，力图将创投产业上下游资源实现更高质量的供求匹配。

　　目前烯牛数据的服务对象包括一级市场生态上下游的母基金、财务顾问、VC/ PE、银行、券商、上市公司、媒体、会计师事务所等等；甚至私人银行理财部门也会购买数据服务，从底层项目筛选高质量的财富管理产品，促进销售工作。

　　一家企业成立后，随着融资发展，业务规模成长，会逐步产生越来越多的数据。当数据样本足够大，从数据集合中又能提炼出新的价值。“有些成功的投资机构体量比较大，每天接触的案子很多。有的时候可能好不容易找到一个好项目，但对方没有融资计划，这类机会丢掉很可惜。通过我们系统追踪这类项目，就能持续关注到未来的机会。” 李锦香举例，“一位投资经理可以在平台上同时追踪200 家公司、100 家机构，及时看到行业最新变化趋势。投资人需要复盘时，也不用再去梳理、核对、更新基础的项目信息状况。我们的底层数据会自动保持更新，节省了人工成本。”

  更相信机器，而不是人

　　风格轻快的用户界面下，烯牛数据用大量“标签”标记高价值信息。

　　第一类标签用于行业分类，例如一家共享单车可以被归类为交通出行、共享经济等。这一类标签抛弃传统的树状结构， 以网状结构覆盖多重创新行业， 同时支持动态调整，满足创新行业的快速变化。典型的例子如区块链行业——去年区块链还只是烯牛数据平台金融行业下的二级行业。今年它已经是热门一级类别。创投行业变化非常快，可能某一天某一个小的细分领域就能够支撑起一个大的概念。

　　第二类标签属于烯牛特色概念标签， 例如团队优秀、知名风投、第一次冲进iOS 榜单、下载激增等等。对于用户来说，这套标签让客户可以从大量数据中找到头绪； 也支撑起了烯牛数据“场景应用”的核心。

　　值得一提的是，烯牛数据公司团队规模仅有50 人左右，全部为技术人员，没有供养 “打标签”的劳动密集型人员。目前整套系统底层全部由技术驱动， 90% 以上的数据由机器自动打标签。

　　相比人工标签团队，李锦香更愿意相信机器：“烯牛数据团队由专家定义标签规则、背后通过算法来落地实现，由机器提取数据，由机器自动加工。 我们发现， 有时候人工打标签，质量还不如用机器处理。因为机器打错了，还是有迹可循的， 人的不确定性就无法确定了。我们同时关注几十个行业，如果要人类做信息梳理， 背后的管理、培训体系复杂度会极高，一致性也无法保障。”

　　李锦香坦言，机器打标签这件事情上， 结果并非100% 完美。“例如在网状结构标签中，从不同的角度去搜索公司，统计数据虽然全面，但会有边界模糊的问题。我们也在用人工与机器结合的方式处理特色标签，对一些重点项目做数据加工；未来一定会不断调整算法尺度，把准确度往99% 的目标提升，增加更多自动校准机制， 尽量提高数据质量。”

　　从投资机构到创业公司，李锦香始终没有离开创新创业的生态圈。她始终认为， 创投行业需要技术来帮助自身提升效率。寄希望于外部的数据科学家、软件工程师， 不如自己来做一个新更懂这个行业的痛点和需求。

　　阅读《精益创业》一书，让她感触颇深：“我本身是比较喜欢VC 这个行业， 我觉得它的意义不仅仅是去帮助LP 赚钱， 更多的是它是在推动着社会往前走，让生活变得更美好。‘人工智能技术服务创投行业’这件事情看起来特别大，我也是找到一个点就扎了进来。之后到底它能够走多远——我不做这件事情，可能永远不知道答案；但无论如何，只要老同行们能够用得好、用得爽，这个事情就是有意义的。”

　　原标题：人工智能会抢了FA的饭碗吗？|财经频道