这几天，量化VC圈的一个行业峰会Data-Driven VC Summit 2024（https://summit.datadrivenvc.io/）正在欧洲举行，欧洲知名量化VC机构Earlybird Venture Capital的合伙人Andre Retterath分享了Earlybird的数字化改造和AI升级之旅。
对于VC而言，根据他们在数字化的进展和深度，可以分为：老牌VC、生产力VC、数据驱动VC三个阶段，对照来看看：
风险投资数字化改造的三个阶段
目前大多数 VC 仍然在一个手动工作流程的世界中，一般使用简单的技术工具堆栈，包括通用 CRM 系统（如 Salesforce）、基本的电子邮件和笔记工具（如 Apple Mail 和 Notes）、用于通信的 Slack 或 WhatsApp、用于线上会议的 Teams 或 Zoom、用于文档存储的 G-Suite 或 MS-Suite，仅此而已。这类VC属于上图左侧的“老派VC”（Old-school VCs），大多数 VC目前似乎仍停留在这里。
在上图中间被称为“生产力 VC”（Productivity VCs），这类VC要么从第一天就拥有现代的现成工具堆栈，要么（这似乎是大多数 VC 的代表）一直在推动生产力升级并从旧世界开始迁移过来。他们成功地迈出了第一步，用 Affinity 或 Attio 等VC版的CRM 系统升级了他们的“老式”堆栈，使用 Zapier 自动化了他们的工作流程，利用 Notion 进行知识共享，并渴望通过 ChatGPT 等工具进一步探索自动化潜力。
在上图的右侧被称为”数据驱动型VC“（Data-driven VCs），或许还可以称呼为量化VC。目前市面上存在着相对较少的技术成熟的“数据驱动型 VC”，它们使用可扩展的网络爬虫和代理服务器（如 Phantombuster 或 ScraperAPI）、流程调度工具（如 Airflow）、数据库（如 PostgreSQL 或 Neo4j）、专有后端和前端等开发自己的解决方案。虽然我认为真正的“数据驱动型 VC”是那些构建专有解决方案并在内部转变业务核心的公司，但从“生产力 VC”到“数据驱动型 VC”的飞跃也可以通过外部解决方案实现，例如 Specter、Harmonic、Gravity、SourceScrub 或任何其他提供商。
上述三个阶段在 y 轴上的“风险投资数量”与数字化复杂程度成反比。当然从“老派 VC”到“生产力 VC”再到“数据驱动 VC”的转变是一个持续的过程。它不是线性的，而是需要很多的时间和精力。
这要求我们放眼未来，不断重新思考VC业务背后的“如何做”，不断磨砺，逐步变得更加高效、有效和包容。正如你们许多人问我在 Earlybird 的数字化之旅一样，以下是我们将一家 27 年历史的 VC 公司转变为“数据驱动型 VC”的故事。
Earlybird 的数字化之旅
2017 年我加入 Earlybird 时，我们的工具堆栈与上述“老派 VC”一模一样。2018 年，我们改版了网站，并添加了新的提交表单，这大大增加了入站交易流量。这种突然的超负荷迫使我们要么聘请几名新团队成员（= 要求更快的马匹），要么从头开始重新考虑我们的流程（= 寻找汽车）。
“如果我问人们想要什么，他们会说想要更快的马。”——亨利·福特
值得庆幸的是，我们发现了 Zapier，并用它来自动化一系列工作流程。我们开始向提交者发送自动确认电子邮件，将提交内容转发并上传到我们的 CRM 系统 Salesforce IQ，并将投资机会分发给不同的团队成员，以平衡工作量并保持较低的周转时间。
与此同时，我们发现 CRM 系统存在一些缺陷，于是开始寻找替代解决方案。不幸的是，以VC机构为中心的 CRM 系统市场非常不成熟，我们最终的选择比预期的要少。其中之一就是 Affinity，这似乎是 2018 年 A 轮初创公司提供的最佳解决方案。将我们的核心数据委托给一家早期初创公司感觉有点奇怪，但我们还是尝试了一下。
不幸的是，没过多久就出现了第一个障碍：将近 10 万个数据条目从 Salesforce IQ 迁移到 Affinity。Salesforce IQ 无法批量下载或数据转储，因此我们的 Affinity 客户成功 POC 告诉我们手动下载每个配置文件，然后将其再次上传到 Affinity。等等，这是 10 万乘以 30-40 秒……所以 830 多个小时……或 100 多个工作日……
怎么做？很明显的下一步是要求”更快的马“（即聘请一些实习生或在职学生进行迁移），但幸运的是，我们家门口有一辆”很棒的车“（我们是领先的机器人流程自动化 RPA 公司 UiPath 的投资者）。他们的产品使我们能够在数小时内迁移所有数据。虽然 Affinity 当时远非完美，但尽早采取行动并与他们共同成长是一个伟大的决定。
大约在同一时间，我们注意到将我们的深度挖掘和市场研究存储在 Google Drive 中会带来太多麻烦，因为此后人们很少访问这些宝贵的文档。
经过几个小时的研究，我们决定尝试 Notion。我们开始用Notion创建流程跟踪器、交互式初创企业景观、入职指南、投资组合公司洞察页面等。哇。看到如此多的创意真是令人惊叹。作为 Notion 的重度用户，我可以说：Notion 模板本身就是一个兔子洞。
为了提高工作效率，我们还尝试了一款当年被疯狂炒作的电子邮件工具，名为 Superhuman。很多人喜欢它，但也有人不喜欢。2020 年新冠疫情爆发后，我们的线下会议转移到 Zoom。虽然我们之前有过虚拟通话，但新冠疫情改变了游戏规则，因为一夜之间，所有会议都从面对面转移到了 Zoom。
额外的调度开销只是众多后果之一。值得庆幸的是，我们找到了 Calendly 和 Mixmax 来进行自助调度。回顾我们当时的旅程，感觉到 2020 年中期，我们已经完成了从“老式 VC”过渡到“生产力 VC”的大部分繁重工作。
在这一过渡的同时，我完成了关于“机器学习和数据在风险投资中的价值” （https://papers.ssrn.com/sol3/cf_dev/AbsByAuth.cfm?per_id=3755609）的博士论文，并开始试验和产品化最初的想法。虽然概念化始于 2017 年的某个时候，但直到 2019 年我才制定出这个清晰的“数据驱动型风险投资”愿景，并确定了堆栈不同部分的优先顺序。
在此基础上，我们在 2020 年聘请了第一位工程师来全职推动这些工作。我们的“数据驱动 VC”之旅的上升与“生产力 VC”转型的淡出无缝重叠。
从那时起，我们的工程团队已发展到约 8 名工程师，开发了一款名为“EagleEye”的网络应用程序，并逐步改变了VC价值链的所有部分，从项目数据采集、筛选和尽职调查，到投资组合价值创造和退出预测，再到后台任务。当然这仍然是第一天，我们还有很多事情要做。