浩瀚数据中，这位辍学者帮助最值得关注的初创公司浮出水面

在金融市场中，浩瀚并不是数据司浮所有寻求投资的创新项目都值得投资，其中有许多都不值得考虑。中位者帮助最值那么聪明的辍学创公出水投资者该如何穿越这层层迷雾呢？风险投资基金或天使投资人该如何尽可能高效地找到符合自己投资组合目标的创新想法呢？

这就是 Mattermark 诞生的由来。它为被信息淹没的关注投资者们提供了关键工具，让他们可以在日益错综复杂的浩瀚私募市场中，迅速而简单明了地找到自己需要的数据司浮信息。

源起

Danielle Morrill18岁的中位者帮助最值时候，正值世纪之交。辍学创公出水刚上大学的关注她从布雷默顿的奥林匹克学院辍学，来到位于西雅图附近的浩瀚一家船运公司工作。

对于一些员工来说，数据司浮大量船运集装箱发票和合同只是中位者帮助最值让人头疼的东西，并没有什么重要之处，辍学创公出水但是关注Danielle Morrill让它们变成了Mattermark。

“集装箱里装什么，谁来运，运往哪里，当时的我对此非常着迷，”31岁的Danielle Morrill说，“诸如此类的细节其实蕴涵着更多的故事。”

“我不是建议每个人都去尝试辍学，因为不是每个人都像我这样，”她笑着表示，“但是我不得不说，辍学让我有时间想明白，到底什么能真正触动我。”

三位创始人：Kevin Morrill, Danielle Morrill, 和and Andy Sparks

Mattermark

这种好奇心最终激励着一个新兴科技公司发展成为现在的大企业，Mattermark通过分析大量关于私营企业的细节，将数据以一种非常简单的方式呈现出来。

“我们知道的大型上市公司的名字仅仅代表了2500家企业的0.1%，而我们的目标就是帮助任何想向其他99.9%的企业投资或销售产品的公司，明白他们在做什么、该怎样去做。

当然，你可以通过谷歌来搜索，但是你所获得的信息大多都是为消费者而服务的，而我们就是为私营企业服务的谷歌或维基百科。”

初创公司的“维基百科”

usatoday

就核心业务而言，Mattermark 专注于媒体服务，可以理解为一个“初创公司搜索引擎”。Mattermark 提供的所有搜索结果都和初创公司有关，让投资者们专注于调研，无需过滤噪音即可找到和初创公司有关的新闻及其他信息。

Danielle Morrill 表示：“我们原本打算做成一个报道初创公司的媒体公司，但很快发现这块业务很难做。于是我们将过去用来写报道的数据变成了产品。用户可以订阅并登陆来查看初创公司的数据，而且似乎这一需求还蛮大。”

Mattermark 诞生的目的就是帮助投资者在成千上万的初创公司中，找到真正值得投资的项目。Mattermark 致力于通过收集数据来帮助人们更好地理解初创公司，让投资者能专注、精确地进行调研，同时还会分析最可能让初创公司在未来取得成功的因素。

Danielle Morrill和她的丈夫，程序员Kevin Morrill在2013年刚刚创立Mattermark的时候，做了一个相当简单的原型之后就发布了，一开始的产品业绩并不好。

不过很快，一些风险投资家看到了它的价值——当Danielle  Morrill把风险投资家马克·安德森公司的投资组合按从最好到最坏的顺序排列起来时，对方主动给Morrill打电话说“我们该这样做”——但是很少投资者会想到这个刚刚成立的公司会有多大的市场。

“我想可能很多投资者都意识到了，他们没有做足够多的尽职调查，挖这些公司的信息挖得不够深，结果就是让自己感觉在浪费时间。他们本可以花 10 分钟就能判断一家初创公司是否值得见面，而我们帮助解决了这个问题。”

专为投资人和销售准备的数据

MatterMark的核心业务主要包括两个方面，一个是数据，一个是分析工具。

过去两年来，Mattermark一直保持着快速增长，尤其是那些想向新成立的高科技公司提供服务的企业，更助长了合作的增加。云平台和销售平台公司也想了解哪种公司会需要这种服务。这家有40个员工的公司，至今已集资1090万美元。现在，这家公司拥有500个客户，每个客户每年支付6000美元。

“现在我们正跟踪分析120万个增长较快的互联网公司。” Danielle Morrill说。至于竞争，尽管她承认一些原始资源材料已经存在——包括从Hoover数据库到标准普尔资本智商——“他们主要提供未排序的数据，这样，你就必须花时间来进行排序。”

她确信——撇开出色的商业直觉——数据会最终让企业家做出重要决定，尤其是需要分配宝贵的资金时。因为经营咨询公司和投资银行总是依靠高质量的数据分析来完成他们的工作，“所以他们大约80%的时间都会花费在整理信息上，而不是分析信息。我们正好有这方面的优势。”

Mattermark软件从超过100万个新公司中挑出关键指标，然后把它们按很容易消化的方式分类制成数据表。

mattermark

Mattermark 不仅提供对投资者有用的搜索工具，还针对这些数据打造了分析工具。

Danielle Morrill 表示道：“我们还发现，这些对投资者有用的数据，对销售、营销等人员来说也很有用。这个市场更大，我们可以帮助销售和提供营销洞见。”Mattermark 还追踪对初创公司、估值和最终成功度最重要的因素，并将这些因素组合成了一个可被投资者定制的算法。

Danielle Morrill 称：“我们非常关注营销人员采取的行动产生了哪些影响。大部分营销人员都把重心放在获得更多访客，让更多用户在 Twitter、Facebook 或Linkedin 上和他们互动，或者让用户下载自己公司的 iPhone 应用。我们觉得可以从中判断初创公司在采取这些行动时有多成功。”

mattermark

对于私募市场而言，MatterMark的作用同样不可忽视。

以在 1980 年到 2000 年间，每年平均有 311 家公司上市，其中 165 家是小市值公司；而在 2001 年到 2009 年，这一数字降到 102 家/年，其中只有 30 家是小市值公司。

不仅如此，现在公司上市的规模也越来越大。过去，估值达到 10 亿美元还没有上市的公司非常少，现在却成为普遍现象。Cowboy Ventures 的 Aileen Lee 发明了“独角兽”这个词来形容估值 10 亿美元以上的初创公司，而它们也是 Mattermark 的重点关注对象。

Danielle Morrill 说道：“过去的公司上市后，市值才会达到或超过 10 亿美元。这也是人们对于独角兽公司非常感兴趣的原因，它们还没有上市，却已经如此庞大。于是人们总是问‘这些公司是不是真值 10 亿美元？’”

这一估值是否合理的讨论很刁钻。上市公司有股价来衡量，众多分析师、基金经理和投资者会对比股价和公司财报，以衡量其价值。

私募市场的流程类似，但并不像公开市场那样透明，这也是 Mattermark 切入的领域。随着上市公司数量的减少，以及越来越多的投资发生在私募市场，能高效简便地搜寻私募市场信息变得越来越重要。对于想要把钱花在关键地方的风险投资公司或天使投资人来说，一个致力于收集并分享这些必要数据的媒体服务就必不可少了。

初创公司是美国经济的重要组成部分，带动了绝大多数工作增长和创新，正是这些造就了真正的繁荣。在这么多公司中隐藏着未来的谷歌、亚马逊，找到它们能带来巨大回报。通过数据和分析系统性地研究早期投资，是建立坚实投资组合的关键。

很明显，要找到最靠谱的投资机会并不容易，否则大家都发财了。但 Mattermark 的工具可以让用户们作出明智、全面的决策，把关注留给那些最值得关注的初创公司。

Mattermark 的魔法：机器学习

在互联网时代，数据可谓浩如烟海，而Mattermark是如何从这些海量数据中获取需要的信息的呢？自然少不了网页抓取、自然语言处理及机器学习的帮助了。而为什么算法如此重要？

在Samiur Rahman 的一篇分享中，他是这样回答的：

机器学习能让我们完成人工无法胜任的事情，具有完胜的优势。鉴于目前我们的竞争者们还在使用数据分析这样的传统方法，机器学习不仅是一种更为智能的方式，而且也节省了不少人力。

那么，Mattermark是如何做到这一点的呢？主要分为四个步骤：

• 1.按照行业划分标签

  想对一个公司进行更深的了解？或许网上已经有了一些零星的介绍，那么，Mattermark就会把网上相关的网站、公司描述甚至是Twitter上的资料简介都一一扒下来，通过算法的抽取分析，判断公司的性质：是经济类，还是游戏厂？是软件公司，还是运输企业？

• 2.主题归因

  想对公司进行深入了解的用户们，都会希望能够获取对方的完整历史新闻报道，毕竟新闻是最为公开直接的一种了解方式了。而Mattermark就会对上百个新闻源进行爬虫抓取，并找出其所报道的主题方向。

• 3.内容抽取

  随后，Mattermark会根据用户的需要抽取不同的关键信息，比如当用户对A轮融资非常敏感的话，在阅读TechCrunch的新闻的时候，眼睛就会不自觉停留在下面红框的金额、融资轮数及投资方等信息。Mattermark在做的，就是帮助用户把这些信息抽取出来，而系统每天可以自动读取1000篇文章。

  
  

• 4.寻找相似公司

  想找一家对比公司难度不大，但如果是上百万家公司，那就会有上万亿家公司有千丝万缕的联系。此时，人工智能的优势就显现出来了，Mattermark无需太多人力物力就能收集30万家公司的比对信息。机器学习的魅力就在于此。

而在未来，Mattermark计划利用机器学习想完成的事还有很多，包括了：

• 1.聚合行业信息

  行业日新月异，如果一些新公司并不能用目前现有的标签来分类，那么系统会为之建模；而当这样的公司积累到一定阶段时，人工会进行核实和检查，并决定是否要设立一个新的标签。

• 2.资本预测

  通过系统的数据计算，用户可以得到公司是否能在未来半年内顺利融资的推测；而VC和投资者们也自然不会拒绝一手的交易消息；业务拓展经理们也会想要知道，和哪家公司打交道会更加有胜算一些。Mattermark在过去三年积累了大量的数据，Danielle Morrill也开始将其用于训练系统。

• 3.商业界的Siri
  

  随着系统的智能化，我们可以问Mattermark一些更加具体的问题，比如加上各种各样的限定词，让Mattermark成为商业界的Siri。

更多的数据，更多的问题

在2014年12月，Mattermark 获得了FG天使投资的A轮650万美元的融资，并在今年三月获得了铸造集团领投的730万美元B轮融资，估值达4200万美金。目前，公司有50名员工，主要面向大公司、私募基金、销售和市场公司等500个客户，月营收30万美元。

虽然硅谷诞生了很多的神话，但Danielle Morrill作为其中的受益者，却对此并不感冒。

“我真的厌倦了硅谷，因为你无事可做时，你可能立马就会变得很受人关注，只是关注方式不大对，” Danielle Morrill笑着说。“我决定写微博（关于高科技企业），想些啥就写啥，然后当个甩手掌柜。”

她专注于关键指标分析的博客帖子很快受到关注，在不久之后，Danielle Morrill从风险投资巨头NEA获得了种子资金。NEA甚至提出要雇佣Morrill夫妇担任自己公司的分析师。但是Danielle Morrill决定，如果NEA感兴趣，那么这可能就是一个商机。

尽管有些日子比较艰难——“尽管风险投资公司有很多钱可投，但是当对研究进行投资时，他们却很吝啬。”她说——Danielle Morrill夫妇最终获得公众关注，然后使整个硅谷对其产生了兴趣。

“我想给创业者传达的关键信息是，有人会说你的想法太渺小，但是如果你相信自己的想法，就不要放弃，然后找一帮认同你的人一起努力。”，Danielle Morrill说。“对我们来说，我们只需要坚持相信一个原则：提供越多的数据，会让人们问越多的问题。”

Danielle Morrill也相信，任何想简简单单就获得复杂数据的公司，都能成为他们的客户。“我们这些千禧一代，用着Facebook长大，自然也希望软件能更加人性化，”她说。“世界变得越来越大而且让人感觉更加不可知，但实际上也未必如此。”

至少，MatterMark正在努力改变这一点。

 推荐阅读：

CB Insights：AI时代的独角兽卖水者

*本文部分内容由Gavin.Z 和 管策编译，特此感谢。