Finn de mest attraktive kandidatene for investering

Automatisert screening, monitorering av viktige hendelser, alternative seleksjonskriterier og mindre tid brukt på manuelle analyser. Dette tror vi er viktig for deg, når arbeidsdagen handler om å komme i posisjon til å kjøpe hele eller deler av et selskap.

Written by

Vegard Bøe

Vegard Bøe
May 26, 2021

Investeringsmandatet gir føringer på hva en kan investere i. I en slik hverdag blir det avgjørende å ha med det rette utvalget fra screening til sourcing fasen. Screeningen skal sørge for at du finner kandidatene for det beste investeringsalternativet. For å lykkes med den beste investeringen er første steg å ha det rette og det beste utvalget.

Vi har respekt for at verdisetting av selskap er «kunst». Det er et fag der lang erfaring kombinert med tekniske metoder og ulik kompetanse og erfaring innen finans gjør en forskjell. Dette er kompetanse som gjør de ulike investeringsselskap unike.

Vi skal ikke bruke tid på slike disipliner, heller ikke M&A (fusjoner og oppkjøp) og Due Diligence (totale selskapsanalyser), men konsentrere oss om å automatisere datatilgangen og analysene som er avgjørende i screeningen og sourcingen av de gode kandidatene.

Automatiser screeningen

Som overalt ellers er utfordringen for en investeringsdirektør knapphet på tid. En hverdag der en trekkes mellom avsluttende faser i et investeringscase og parallelt må holde kontakten med ny gode leads for fremtidig investering. En datadrevet tilnærming er løsningen. Det skaper større rom for å bruke tiden på de viktige aktivitetene.

Den andre siden av å finne selskaper med ulik grad av sannsynlighet for å gå konkurs de neste 12 måneder er å sette maskinlæringen i gang med å presentere selskaper basert på kriterier for å lykkes med vekst og økt lønnsomhet over tid. I figuren ovenfor er det illustrert med 200 sannsynlige kandidater – rett ut fra databasen til Enin.

Monitorer hendelser

Det skjer mye med de 200 kandidatene. Selvfølgelig med ledelse, eierskap, fusjoner, fisjoner, restruktureringer og annet. Dette fanger vi opp gjennom f.eks. kunngjøringer og eierskapsdata. Så handler alt om å være tidlig ute å agere på informasjonen, derfor må du følge med i media, i alle media. Fra nettsider til lokalaviser som bare finnes på papir. Informasjonen gjøres om til tekst som blir input for maskinlæring.

Hvilke ord er de viktige opp mot bransjen og akkurat det spesifikke selskapet? Nettopp den informasjonen vil jeg ha til meg. Som en varsling og med prioritert viktighetsgrad.

Skap dynamikk

Hva med selskap nr. 201 som akkurat ikke kom med? Det skjer jo noe med selskapene hele tiden, noen vil jo falle ut og noen gjør det bedre enn det så ut til når vi satt opp listen vår første gang. Da skal nr. 201 ta plassen til et av de andre. Du må også sikre dynamikk i selskap som kom langt, som nesten ble med til siste fase før en investeringsbeslutning. Slike selskap skal dra med seg en tag, en identifikator som forteller at vi har sett på det før, da blir det enkelt å ta opp igjen informasjonen vi hadde hvis selskapet dukker opp igjen i vår dynamiske monitorering.

Automatiser steg i sourcingen

Det er ikke alt det er mulig å automatisere. Analyse og vurderinger krever også samtaler med nøkkelpersoner hos det aktuelle selskap, men legg en plan for alt som kan hentes ut fra tilgjengelige datakilder og hvordan det kan benyttes direkte.

Store deler av konkurrentanalysen kan automatiseres. Det samme gjelder den såkalte «firefelters analysen». All informasjon om selskapet, eiere, ledelse, finansielle data og viktige nyheter er med før en starter å samle data som krever dialog.

Minimer den manuelle jobben i Excel og Powerpoint

Vi vet at en del av jobben handler om å presentere. Da er det Excel og Powerpoint som gjelder. Det er ingen grunn til å stritte i mot, men det er et suksesskriterie å spille med.

Fra Enin sin web portal sendes data og analyser ferdig formatert inn til Excel, eller om du ønsker å vise resultatet ved å åpne en presentasjon direkte i Powerpoint. Vi tenker at selve bearbeidingen og registrering av data som en selvfølge skal kunne åpnes direkte i kjente applikasjoner, men i tillegg legger vi på formattering slik at du kan presentere de analyser som er gjort i fagsystemet, på den form du ønsker deg.

Se etter alternative seleksjonskriterier

Det er en selvfølge at vi skal ta ut selskaper basert på geografi, tall for omsetning, resultat, antall ansatte, andre finansielle data og ved å bruke bransjekoder.

Selskap er imidlertid stadig i utvikling, starter opp nye forretningsområder, legger ned andre og implementerer nye forretningsmodeller. En bransjekode er derfor ofte utdatert.

Enin har derfor tatt frem alternativer slik at du kan selektere på formål med virksomheten, eller også bruke nyheter og se på hvilke ord som selskap er identifisert med.

Igjen maskinlæring og algoritmer som trenes og treffer stadig bedre. I tillegg til dette lager vi i Enin det vi kaller for «Company Flag». Dette gjør vi både for å kunne selektere ut selskaper der det har vært store endringer i ansatte, i eierskap, i omsetning og resultat, eller om det er annet som krav til f.eks. HMS eller miljø som er vesentlig. Nettopp dette gjør at utvalgene en jobber med blir stadig mer presis.

Sørg for enkel tilgang til dybdeanalyse

Når du er inne på et selskap er det viktig at du får en oversikt over de viktige elementene først. Finansielle nøkkeltall, historisk utvikling, ansatte og eierskap. Derfra skal du kunne gjøre dybdeanalyse.

Da kan du igjen benytte «company flag» som dukker opp på selskapet om det har vært spesielle nyheter, kunngjøringer og annet som forbindes med muligheter og/eller risiko.

Herfra skal du kunne gå ned å undersøke informasjon som skiller seg ut, derfor vil du kunne gå inn fra flere vinkler også ned på enkeltpersoner for å skaffe en oversikt over hendelser, relasjoner, verv etc.

Om du trenger mer kan du dukke ned i siste ukers nyheter, her kan det finnes suksesskriterier du kanskje ikke hadde sett om de ikke hadde vært presentert i sammenheng med akkurat det selskapet du analyserer.

Kontakt oss for tilgang til vår nettportal eller om du ønsker å snakke om vår erfaring med bruk av data til investeringsformål.


Written by

Vegard Bøe

Vegard Bøe
CSO
Experienced business leader with passion for analytics and machine-learning.
vegard@enin.ai
+47 970 71 089

Our latest posts

Blog Image

Datavask: 4 enkle steg til bedre B2B data

For deg som trenger å få oppdatert og vasket bedriftsdata har vi en enkel løsning. Du kan få tilgang her og nå uten å være i kontakt med noen.

Blog Image

5 utfordringer og løsninger ved AML/KYC sjekk- enten du er i gang eller skal i gang

Fragmentert informasjon og usikkerhet rundt krav, er fellesnevnere for hvordan mange oppfatter sine Know your Customer (KYC) prosesser.

Blog Image

Risikovurdering for bedrifter: Slik bruker Kaja data i banken!

Risikovurdering er mye mer enn en rating. Kaja i Nordic Corporate Bank forteller om hvordan hun hjelper kundene med de beste finansieringsløsningene.

Subscribe to our Newsletter

Privacy policy