L'idée que les données servent de carburant à l’apprentissage-machine est bien établie. Mais existe-t-il un moyen d'utiliser les données pour créer un effet composé ?
Chez FRAMEWORK, nous investissons dans des entreprises de logiciels qui ont acquis des masses de données uniques. En appliquant des techniques d'apprentissage machine à ces données, les entreprises peuvent créer de nouveaux produits qui fournissent des informations exploitables.
Imaginez un instant que les informations provenant de ces nouveaux produits puissent être regroupées pour former un nouvel ensemble de données, "dérivé" des données d'origine.Ces informations seraient impossibles à obtenir sans l'ensemble de données d'origine. En les agrégeant, il est possible de créer une offre de produits totalement nouvelle. Ce processus de dérivation, s'il peut être répété, crée un puissant effet composé, à la fois en termes de monétisation mais aussi d'avantage concurrentiel, renforçant la valeur pour les clients de façon continue.L'effet composé peut-il se poursuivre indéfiniment ?
De façon linéaire, non, car l'ensemble de données à chaque niveau supérieur de compréhension se rétrécit et devient moins significatif statistiquement pour être pertinent ou précis. Cependant, à long terme, le feedback élargit le roadmap des produits d'une entreprise.Avec les plates-formes logicielles qui disposent d'une large base de clients et dont le roadmap s'élargit, l'ensemble de données d'origine croît au fil du temps, à mesure que les utilisateurs utilisent la plate-forme avec de nouveaux cas d'utilisation.
Cela élargit naturellement l'ensemble de données pour d'autres utilisations applicables et, dans de nombreux cas, de nouvelles données qui n'existaient pas dans le passé.C'est le véritable effet composé des plateformes qui gèrent, structurent et utilisent les données qu'elles contiennent à leur avantage.Appliquez-vous une telle approche dans votre startup ? Vous recherchez un partenaire pour soutenir votre croissance future ?
Si oui, contactez startups@framework.vc.