財務數據的支配者 Daloopa
在之前的文章中馬克曾介紹過關於數據分析師的工作(金融領域的數據化時代),需要從大量的金融資料中找到有用的數據進行分析,而今天要介紹的企業 Daloopa 為金融分析師的工作帶來巨大的變革,解決原先金融產業需要投入大量專業人才的時間在處理瑣碎的行政工作的問題,究竟 Daloopa 如何以科技帶來數據解決方案,這對整體的金融產業的又會帶來哪些影響,快跟馬克來看這個科技與金融的橋樑—— Daloopa
公司簡介
財務模型是使用數學和統計方法建立的數字化工具,用於模擬和分析公司的財務狀況。而這些模型可以幫助企業預測未來的財務表現、評估投資方案、制定預算和進行財務規劃,是企業活動中重要的一項指標。Daloopa 就是一家專門提供自動數據提取和財務分析工具的公司。他們的平台提供可審核的數據和一鍵更新功能,幫助用戶簡化財務工作流程,提高準確性,並減少數據收集和分析所花費的時間。這對於需要處理大量數據且要求精確的金融產業的公司都是非常有用。
準確的數據是所有投資決策的核心,可以影響決策者的速度和信心。
Daloopa 於 2019 年成立,專注於提供自動數據提取和財務分析工具。他們的目標是通過自動化技術,提高財務數據處理的效率和準確性,幫助企業簡化財務工作流程,降低人力成本。截至目前,Daloopa 在全球擁有 250 多名員工,包括紐約市和印度總部、巴西辦事處和國際辦事處。他們的客戶主要是需要處理大量數據的財務專業人士和機構,Daloopa 相信金融機構也有機會擁抱科技驅動的準確性和速度,藉由金融科技技術與人工智慧,Daloopa 正持續推出金融的解決方案與產品,以期金融產業能得到更精準與即時的數據支援。
創始人故事
Thomas Li 是 Daloopa 的執行長和共同創辦人,在創立Daloopa之前,曾在投資者 Steve Cohen 創立的對沖基金 Point72 擔任金融分析師,在之前的工作中,他需要在財報季花大量時間更新模型,從公司財報和投資者簡報中將資料輸入到 Excel 模型中。這明明是需要快速且準確完成的工作,但卻總耗費大量時間與精力。Thomas 提到:不幸的是,我花了很多時間在輸入資料和重複核對資料的準確性上,這佔用了我進行分析、連接資訊點、真正做好分析師工作的時間。
意識到作為一名買方的分析師,為了建立和更新財務模型而需要手動獲取和輸入每一筆數據是十分繁瑣且費時的工作,大量的專業人力被浪費在細碎的工作內容中,這讓 Thomas 有了改變的念頭,為什麼不能請科技協助人們蒐集與紀錄這些數據呢?透過紐約大學的關係,Thomas 認識了 Airbnb 和 Meta 的前軟體工程師 Jeremy Huang 和前微軟工程師 Daniel Chen,三人都是紐約大學的校友,他們決定嘗試利用數據的自動化的解決方案協助分析師更好地完成他們的工作,於是共同創立了 Daloopa 公司。
創辦人之一的黃捷 Jeremy 當年在紐約大學讀書的時候,開了一家洗廁所的公司,為大學的各宿舍打掃廁所,公司創辦初期還曾親自去洗別人宿舍的廁所。他說當別人不願意做的髒活累活你願意做時,如果能規模化的做,這之中就有商業機會。有趣的是 Daloopa 公司其實就是幫助金融業的分析師省掉大量重複勞動,快速獲得乾淨清爽的金融數據,把時間花在能夠真正發揮他們才幹的地方,正如他所說,這是別人不願意做的工作,他願意做,於是商機從中誕生。
Daloopa 的成立目的非常簡單:開發一款產品,讓各地的金融分析師能夠以極其準確的方式在極短時間內更新他們的模型。——Thomas Li , Daloopa 執行長
商業痛點
依據 Daloopa 的創立初衷,Daloopa 的運作朝向簡單且清楚的方向出發,金融機構會需要從財報中複製貼上各樣的資料,這之中的工作量不可小覷,想建立一個完整的資料庫至少需要看上百份文件,其中的專業資訊又使這樣的工作具有門檻,金融的分析師只能花大量時間在這些日常行政工作上,這是金融分析師一直存在的問題,而 Daloopa 能為金融企業省去建立繁瑣資料庫的過程,該公司擁有公開的上市公司中最乾淨、最深入的歷史基本財務資料庫,能夠從這些文件中獲取所有數據,這些資料來自美國證券交易委員會文件和投資者演示等公共來源,其中的類別包括投資演示、腳註、上限、營運數據、財務數據等等,Daloopa 將它們放入建立的資料庫中,以便公司客戶可以透過 Excel 存取這些資料。
Daloopa 的客戶主要是對沖基金、私募股權公司、共同基金以及企業和投資銀行。藉由使用新創公司的工具來建立投資和盡職調查研究的工作流程,可以為這些企業節省專業人力資源的投入,將心力更多的花在對於資料的解讀與決策上。由人工智慧演算法支援的工作流程可以發現數據並將其傳遞至分析師的財務模型中,從而減少手動複製數據的需要。
Daloopa 引入人工智慧來協助企業完成他們的工作,雖然人工智慧好像是近期來流行起來的概念,但其實自五年前,在人工智慧未被大肆宣傳之前,Daloopa 就已經是一家專注於研究人工智慧科技的公司,直到現在也持續為金融機構訓練演算法並開發人工智慧。而 Thomas 也認為人工智慧並非完美,人們可能也聽到過關於 AI 模型在總結文件時曾發生編造事實和數字的情況,但 AI 的特別之處在於可以藉由訓練來精進其運算模型,隨著時間的推移,Daloopa 平台的演算法一定會不斷進步,因為它們接受了越來越多的財務文件的訓練。
“ Daloopa 提供了一種向買方和賣方獲取關鍵任務資料的新方法, ” Thomas 說道, “節省的時間被重新投入到研究和分析或面向客戶的時間中,以此幫助我們的客戶在研究過程中相對於競爭對手獲得更大的優勢。” Daloopa 以人工智慧驅動金融產業的解決方案,因為起步領先,在過去五年的積累中實現了快速成長,並且隨著金融機構越來越多地採用人工智慧工具, Daloopa 有潛力成為人工智慧驅動的基礎數據領域的領導者。
專業技術
Daloopa 的人工智慧系統建立在先進的機器學習演算法之上,可以從不斷增長的財務文件儲存庫中不斷學習和改進。這種自學習能力可確保人工智慧隨著時間的推移變得更加智慧和高效,並始終了解最新的報告標準和市場趨勢。例如,當 Daloopa 第一次遇到新形式的財務報表或新穎的會計術語時,它會將這些知識整合到資料庫中。因此,在處理每個文件時,系統可以更好地理解上下文、語言的細微差別以及行業特定的術語,就像經驗豐富的分析師不斷完善其專業知識一樣。
在快節奏的金融市場中,透過自動化減少手工工作的重要性怎麼強調都不為過。透過將分析師從日常資料擷取任務中解放出來,Daloopa 可以加快報告和分析的周轉速度。工作流程的加速提高了生產力,並使公司能夠根據當前資訊及時做出決策——這在時機決定一切的競爭激烈的市場中是一個關鍵優勢。此外,透過最大限度地減少手動資料處理中固有的人為錯誤,Daloopa 增強了分析師對資料分析完整性的信心。
Daloopa 創業經歷中學習到的事
一,比埋頭研發更重要的事
創始人之一的 Jeremy 分享關於 Daloopa 創業的經歷,當初因為發現市場上存在商業痛點而創辦 Daloopa ,確定痛點存在後需要思考的是如何解決,與許多新創企業相同, Daloopa 在創業初期,公司欲如何解決金融分析產業中有大量人力資源投入在瑣碎行政工作上這個問題其實並不明朗,原先三位創辦人開發的產品是智能財報閱讀器,希望協助財務人員能更好地分析大量財務資料,因為技術出身的背景以及創業的衝勁,三位創始人前半年都投入在智能財報閱讀器開發流程中,對於市場調查不夠深入。投入了大量時間精力在產品開發上面,第一次的市場反應測試卻讓 Daloopa 遭到碰壁及挫折,原來他們走的方向是客戶無法接受或不適合的。在不斷碰壁後公司重新思考策略,選擇重新來過並吸取前面教訓,重視與客戶的交流,經過幾次與客戶的磨合後,創始人們發現研究金融機構客戶的習慣與公司文化是 To B 新創公司最重要的事,能越快提案給客戶,就能越快測試市場的接受度,這其中也包含了試錯成本,能即時得到產品反饋就能減少走彎路的時間。
先以簡易的產品雛形面向客戶,提案被認可後再持續完善。
二,別成為只懂技術的老闆
在傳統的商業概念中,工程師只需要專注在技術的提升上,於是當公司有了雛型,完成了第一次融資也逐漸接到產品訂單後, Daloopa 選擇招募銷售來介紹與推廣產品,而這卻發生資訊的傳遞不夠快速的問題,銷售只是完成推銷產品的工作,當訂單未被簽下時,公司負責人無法判斷這之中是產品有待改進之處還是公司銷售模式出了問題。資訊的傳遞在創業初期非常重要,即時的資訊才能幫助新創公司判斷好局勢跟公司定位,以便進行下一步決策。並且當銷售人員被挖角或是選擇離開,這會成為新創企業很大的成本跟風險。Jeremy 說道,可能很多新創都面臨過這樣的問題,技術人才出身的老闆們不想面對人群,只想專心搞研發,這樣的心態會使得他們無法得到第一手新產品的反饋,也無法即時知道自家產品哪裡出了問題。
所以在創業初期,創業者就是什麼職位都需要設身參與,不懂銷售的技術人員不是好老闆。而創業者的工作內容可以隨公司階段的變化而進行調整,但總之,培養對市場的敏銳度,也許是創業者的第一步。
三,對公司發展的判斷
剛開始創業階段,Daloopa 曾有一段時期賣出了非常多筆的訂單,這個事件使得 Daloopa 的創辦人們曾差點預估錯企業的階段發展,對公司發展的判斷出錯會導致提前投入過多,看著以為起飛了,就計畫招募更多工程師,投入更多資金來擴展公司規模,但也許只是起步的時候因為一顆小石子顛了一下,而你卻誤以為是起飛,Jeremy 也笑著說真的要小心別上頭,一旦沖昏頭腦,不論多少錢都會願意投進去的。
要如何應對這種心理的起伏,最好的就是時刻假設自己的企業還沒有穩定發展或還未取得成功,以這個心態去審視公司的各項數據,因為誤判的代價巨大,而企業的成功最終還是要回歸到客戶身上。公司想要持續成長,必須要客戶買單,必須取得客戶不斷的反饋,當一間新創摸索清楚自己在客戶心中的定位,並且描繪出目標客戶的輪廓後,才算是慢慢在步上軌道。
Daloopa 的解決方案
Daloopa 的金融領域客戶包括對沖基金、私募股權公司、共同基金和傳統銀行機構。Daloopa 為金融機構提供的解決方案具有顯著的競爭優勢,主要體現在資料更新的即時性、資料的完整性和準確性、提高工作效率以及資料的可審計性方面。透過 Excel 外掛,Daloopa 可以即時更新財務模型,確保基金經理和分析師擁有最新的公司報告數據。這些數據經過系統和手動檢查,保證其準確和完整,使得基金經理人能夠減少手動輸入資料的時間,更專注於分析和決策。以下是 Daloopa 提供的解決方案類別:
一,對沖基金(Hedge Funds)
Daloopa 為對沖基金分析師提供解決方案,透過 Excel外掛即時更新財務模型。該外掛整合了公司報告的所有數據,包括腳註和演示文稿,確保數據的準確性和可審計性。 Daloopa 會進行系統化和手動檢查,幫助分析師快速更新模型,避免輸入錯誤,並將數字直接連結到來源,清晰且透明,從而協助企業做出明智的投資決策。其可驗證資料清理(VDS)系統提高了工作效率,減少了建模中的手工勞動。
二,共同基金(Mutual Funds)
共同基金是一種投資工具,它將來自許多投資者的資金匯集起來,由專業的基金經理人進行投資。這些資金通常投資於多樣化的證券組合,如股票、債券和其他資產。投資者透過購買共同基金的股份,間接持有基金內的資產,享受分散投資帶來的風險降低和潛在收益。Daloopa 為共同基金提供的解決方案能透過 Excel 外掛,即時更新財務模型,確保資料準確且可審計。該解決方案能捕捉所有公司報告的數據,包括註腳和演示文件,並經過系統和手動檢查,避免輸入錯誤。 Daloopa 的解決方案可協助基金經理人保持模型最新,減少手動輸入的工作,使他們能夠做出更明智的投資決策。
三,私募股權(Private Equity)
私募股權是指對非公開上市公司的股權投資,通常由私人股權公司或投資基金進行。私人股權投資者通常專注於改善公司的經營績效,透過重組、策略調整或市場擴展等方式提升公司價值,在投資退出時獲得較高的回報。Daloopa 為私人股權公司提供了強大的數據解決方案,該方案涵蓋了超過十年的公司歷史數據,方便公司進行盡職調查。它透過 Excel 外掛捕捉所有公司報告的數據,包括關鍵績效指標(KPIs),並且能一鍵更新,方便又快速。數據的準確性經過驗證,每個數據點都可以追溯到來源。 Daloopa 的解決方案減少了手動輸入的工作,提高了分析師和投資者的工作效率,使他們能夠更自信地進行投資決策。
四,證券研究(Equity Research)
Daloopa 的證券研究解決方案希望解決投資者在分析市場時面臨的挑戰,從數據獲取到洞察發現,提供了一套全面的工具和方法,以幫助用戶做出更明智的投資決策。透過整合和清洗海量的市場數據,Daloopa 解決了數據碎片化和品質不一的問題。這些數據包括公司財務報表、新聞報導、社群媒體評論等,來自多個來源的數據被統一標準化,確保了數據的準確性和一致性。並且 Daloopa 利用自然語言處理(NLP)技術能從文字資料中提取關鍵資訊和情緒分析,幫助使用者更好地理解市場情緒和趨勢。透過分析公司新聞、分析師報告、社群媒體評論等文字數據,Daloopa 得以捕捉市場的熱點和關注點,為用戶提供全面的市場洞察。
Daloopa 的智慧建模和預測技術還能夠幫助用戶預測股票價格走勢和市場趨勢,從而指導投資決策。基於機器學習和人工智慧演算法,Daloopa 能夠從歷史資料中學習並發現潛在的模式和規律,提供可靠的預測結果,最後將複雜的數據資料轉成易於理解的圖表和圖形,幫助使用者發現資料之間的關聯性和趨勢也是 Daloopa 的服務項目之一,這些視覺化工具為使用者提供了直覺的分析介面,加速決策過程。Daloopa 利用先進的技術和工具為用戶提供的財務報告,幫助用戶做出更明智的投資決策,提高投資效率和回報率。
五,投資銀行(Investment Banking)
Daloopa 的投資銀行解決方案致力於提供全面的工具和技術,以幫助投資銀行機構更好地理解市場、降低風險、提高效率,從而實現更具競爭力的業務運營和更高的回報率。Daloopa 整合了金融市場數據、公司財務數據、新聞報導、社群媒體評論等多個數據來源,透過先進的數據整合和清洗技術確保數據的準確性和一致性。快速且準確的資料庫能協助投資銀行提供服務,包括企業融資時的背景調查、以完整及時的資訊提供併購與重組的相關建議、協助公司發行證券所需要具備的先備資料整理等等業務,還有經由 Daloopa 的人工智慧系統提供投資銀行預測市場趨勢和產業趨勢,從而指導投資決策和業務策略的發展。基於機器學習和人工智慧演算法,能夠從歷史數據中學習並發現潛在的模式和規律,提供可靠的預測結果,為投資銀行提供了重要的參考資訊。
發展現況與未來展望
一,完成 B 輪融資
Daloopa 於 2024 年 5 月完成了 B 輪融資,由 Touring Capital 領頭,摩根士丹利和現有投資者 Nexus Venture Partners 參與投資,一共融資到 1,800 萬美元。這些資金將用於進一步創新 Daloopa 的專有演算法並建立產品解決方案,進一步提高金融服務業的基礎數據質量,並加速 Daloopa 的上市策略。此外,該公司打算擴展到新市場,特別是歐洲和亞洲,以滿足更大的需求。
Touring Capital 聯合創始人兼普通合夥人 Priya Saiprasad 也公開表示 Daloopa 是 Touring 與人工智慧驅動的技術公司合作的投資策略的關鍵補充。 「作為市場領導者,他們無與倫比的價值主張提供了關鍵任務財務數據的專有資料庫,這使得他們在準確性、速度和全面的覆蓋範圍方面脫穎而出。此外,創始團隊將深厚的領域專業知識與技術和營運能力獨特地結合在一起,使其成為最準確的金融數據資料庫。」
而 Nexus Venture Partners 董事總經理 Abhishek Sharma 也表示:「Daloopa 正在利用人工智慧作為楔子,顛覆價值數十億美元的金融資料空間。 Daloopa 的創新人工智慧方法正在彌合財務數據來源報告與其在金融分析師工作流程中的消耗之間的差距。我們很高興 Daloopa 正迅速成為金融分析師的必備工具。」
二,與 Analyst Hub 合作
Analyst Hub 是一家研究基礎設施平台的公司,為有才華的賣方分析師提供擁有自己企業的途徑,而 Daloopa 於 2020 年4 月開始與該公司建立合作夥伴關係,其中 Daloopa 使用深度學習來建立基本財務模型的模式協助 Analyst Hub 補強其基礎技術,為 Analyst Hub 的客戶企業完成合規營運及資料獲取。而 Analyst Hub 透過機構發布工具、市場數據存取、品牌服務、網站設計和託管、CRM 系統等,促進了各證券研究分析公司的成立並支持其持續營運,其相關的產品形成了一套強大的服務。與 Analyst Hub 的合作為 Daloopa 拓展了企業人脈,也為其在投資領域的扎根貢獻, 兩間企業的使命十分相似,皆持續幫助客戶高效運營和專注於他們真正的價值主張。Analyst Hub 的創辦人兼執行長 Mike Kronenberg 評論道: 「Thomas 和他的 Daloopa 團隊建立了一個強力的解決方案,在很大程度上消除了投資組合經理及其分析師為他們的投資模型建立準確資料所需的時間和人力。」兩間企業的合作會為金融機構提供更完善且全面的解決方案,是從資料到營運的更全面服務。
總結
Daloopa 團隊下一步要做什麼?這是金融產業都翹首以盼的問題,藉由融資到的資金,Daloopa 正準備將這場金融人工智慧革命推向新的水平。
融資到的資金中的很大一部分將會專門用於團隊擴張。引入更多技術奇才和數據科學大師,他們夢想著演算法並以數據集為樂。擴大人才庫能讓財務分析變得像滾動社交媒體源一樣無縫但更加高效方面處於領先地位。再來是產品研發,Daloopa 計畫進一步提升人工智慧的能力。精進更聰明的系統,它可以瀏覽複雜的財務文件並比「自動資料擷取」的功能更快掌握金融數據的複雜性。此外,專注於增強客戶策略也意味著 Daloopa 不打算只安於現狀。他們希望能徹底改變全球範圍內更廣泛的金融專業人士的工作方式!
馬克碎念
Daloopa 的成功故事不僅展示了創新科技如何顛覆傳統金融產業,更揭示了人工智慧在數據處理中的潛力。從創始人 Thomas Li 對於繁瑣數據處理的個人經歷,到 Jeremy Huang 如何從實際需求中發掘商機,Daloopa 不斷以技術提升效率,減少人力資源浪費,實現了財務數據處理的自動化和智能化。未來,隨著人工智慧技術的進一步發展,預期將對金融分析師的工作方式產生更深遠的影響。企業不再需要將大量時間花費在數據收集和處理上,而是能夠專注於高層次的分析和決策。
此外,Daloopa 的成功也提醒了所有新創企業,技術只是成功的一部分,對市場的敏銳度和與客戶的緊密互動同樣重要。創業者應該勇於嘗試,快速迭代,並隨時保持對市場和客戶需求的關注,才能在競爭激烈的市場中脫穎而出。Daloopa 為金融產業提供了一個值得借鑒的範本,展示了科技如何成為提升效率和創造價值的有力工具。隨著市場的不斷變化,未來的金融世界將更加依賴於數據和技術的驅動,Daloopa 將在這場變革中扮演越來越重要的角色。
首圖來源:https://www.businesstoday.com.tw/article/category/183015/post/202302040014/