【拝啓】テクノロジーが分からない全ての皆さんへ

2019/9/2

テクノロジーがすべての産業を飲み込むーー。

"Software is eating the world"といえば、著名な投資家マーク・アンドリーセンが2011年に公表した論考だが、現在、確かにあらゆる産業にITが侵食している。

その進化は早く、誰しもがキャッチアップするのに四苦八苦しているだろう。

2010年に創業したCB Insightsは、そうした人々に、テクノロジーの最先端情報を提供することで急成長を遂げてきた。起業だけでなく、新規事業立ち上げや戦略策定に必要な、テクノロジーの動向、競合の動き、世界の買収動向などを、整理された情報として企業に提供してきたのだ。

そこには旧来の市場リサーチ会社ができなかった「秘密」のアプローチがある。

NewsPicksは、米ニューヨークに本社を置くCB Insightsの創業者、アナンド・サンワル氏にインタビューを敢行。テクノロジーの動向を調べ尽くす秘訣と、それを伝えていく独自のアプローチについて聞いた。

大企業にいると心地よくなる

──あなたはアメリカン・エキスプレスで着実にキャリアを積んでいましたが、なぜCB Insightsを創業したのですか。

実はアメックスの前には、小さな企業で勤めていました。ですが、そのスタートアップは失敗したのです。

アメックスには在籍した7年は、素晴らしい経験でした。かなり出世もしましたが、大企業で働いていると、どこかで「心地よい」気分になってしまうのです。私自身も例外ではありませんでした。

そして、次に昇進のチャンスが来たときに、こう考えたのです。

コメント

注目のコメント

• 森川 潤

  NewsPicks NY支局長

  ・2019年09月02日

  NYで是非会いたかった人の一人でした。
  
  例えば、特集に取り掛かるためのリサーチをするために、まずオンラインの情報を調べると、絶対に出くわすのがCB Insightsでした。GAFAなど巨大IT企業たちの買収動向はもちろんのこと、Crisprなど、生命科学やバイオ領域のテクノロジー動向についても、わかりやすいビジュアルでまとめられていましたから。
  
  気づくと、NewsPicks内でも、メルマガのファンが増えていました（笑）。
  
  ちなみに実際にお会いして、B2B企業にもかかわらず、メルマガを60万人にまで広げた秘策を聞くと、何かNPと似た変遷、進化を感じました。端的なタイトルももちろんそうですが、いかに現代の人々が、情報摂取の最初の段階で、ビジュアルで理解することを求めているのか、万国共通なのだな、と。
  
  ただ、実際にそれを推し進めていくためには、オリジナルのデータ分析、解釈、切り口を常に持ち続けていかないといけないことも同様です。
• すなだ ゆか

  NewsPicks Content Designer

  ・2019年09月02日

  いっときメルマガが来るのが煩わしくなってすべてのサービスのメルマガを解除したのですが、この記事を読んで改めてCB insightsの過去のメルマガを見てみるとそのクオリティに驚きました。
  
  ビジュアルも最高に参考になるものだらけ。記事内にもありますが、ゲノム編集の工程の図解とか最高ですね。。解除してすみませんでした、、登録しなおして自分の仕事に役立てたいと思います。
  
  ところで海外はメルマガが流行っているときくけれど、どうしてだろう。個人的にはやっぱりメルマガはうっとおしいものではあるのですが、、まだ魅力を理解しきれていないのだろうか。
• Kato Jun

  ユーザベース SPEEDAアナリスト

  ・2019年09月02日

  CB Insightsについての深堀記事。
  成長要因として、テクノロジーの進化が早く大量になってきたタイミングやビジュアルに加えて、そこに非上場企業が多くいるという点があると思う。上場企業の場合は一定構造化されたデータが開示として義務付けられているが、非上場企業の場合はそれが少なく、また企業数が圧倒的に多い。記事にあるようにNLPを活用して、そこの生のデータを早く大量に持つというのをテクノロジーで解消しに行った。それでテック系企業に特化したデータベースというエビデンス部分で強いポジションを作った（D&Bといった信用調査会社との差）。
  
  個人的には、上場企業含めて世の中には大量の公開情報があり、そこから相当なことが分かると思っている。普段コメントしているのは、そういう公開情報や、そこからの類推・仮説、関連する公開情報の紹介。公開されているのは重要だからであって、公開されていない情報を欲するより公開情報のほうが効率的に大量のことを理解できると思っている。
  ただ、公開情報からの類推・仮説や関連度の判断を、非構造化データから何個も重ねてやっていくことは、機械は少なくとも現時点では必ずしも得意ではないと思っている。そこは人間が強いし、逆にそこで戦えるようになるかが機械に代替されるかのポイント。でも、その類推・仮説構築能力は、少なくとも自分の場合は日々公開情報をニュースや開示など大量に見ることから10年以上かけて作ってきている。
  情報分析に限ったことではないが、人間の行為の初歩的な部分が機械の方が得意になることで、人間しかできないことの前提になっていた積み上げを行わなくなったり軽視することが、長期的には人間しかできないこともできなくしていくのではないかという危惧もある。