Як оцінити ваш набір даних: 4 методи подолання розриву в ціні в 25 разів

Суб'єктивність даних

На поточному ринку один набір даних може бути оцінений власником у 10 000 доларів США на основі витрат на збір, але коштувати 250 000 доларів США розробнику ШІ, який шукає конкретну перевагу в продуктивності моделі. Цей розрив в оцінці в 25 разів є основним пунктом тертя в економіці даних. Для власників і покупців даних розуміння того, як подолати цей розрив, є не просто бухгалтерською вправою; це різниця між невдалою угодою та високоприбутковою транзакцією. Щоб орієнтуватися в цьому, необхідно опанувати чотири стовпи оцінки даних, як детально описано в нашому комплексному посібнику з методів оцінки наборів даних.

1. Підхід на основі витрат: встановлення мінімальної ціни

Метод витрат на виробництво є найбільш консервативною оцінкою. Він розраховує загальний обсяг інвестицій, необхідних для збору, очищення, структурування та зберігання даних. Для багатьох МСП це включає години роботи інженерів даних та вартість хмарної інфраструктури. Хоча це забезпечує мінімальну ціну, це рідко відображає стратегічну цінність. Наприклад, нещодавнє фінансування Scale AI серії F на суму 1 мільярд доларів США при оцінці в 13,8 мільярда доларів США (https://www.bloomberg.com/news/articles/2024-05-21/scale-ai-raises-1-billion-at-13-8-billion-valuation) підкреслює величезний капітал, необхідний лише для підготовки даних для споживання ШІ. Якщо ваш набір даних пройшов ретельне маркування за участю людини (HITL), ваша собівартість значно вища, і ваша запитувана ціна повинна відображати цю премію.

2. Ринковий підхід: ціноутворення за прецедентом

Ринковий підхід розглядає, за скільки були продані порівнянні набори даних за останні місяці. Це стає все більш можливим, оскільки більше угод стають публічними. Орієнтир для високооб'ємних, високоякісних текстових даних був встановлений угодою Reddit з Google на суму 60 мільйонів доларів США на рік (https://www.reuters.com/technology/reddit-ai-content-licensing-deal-with-google-worth-about-60-mln-year-source-2024-02-22). Аналогічно, угода News Corp з OpenAI оцінюється більш ніж у 250 мільйонів доларів США за п'ять років (https://www.reuters.com/technology/news-corp-strikes-multi-year-deal-with-openai-2024-05-22/). Використовуючи цей метод, покупці повинні шукати 'порівнянні' в тій самій галузі (наприклад, охорона здоров'я проти роздрібної торгівлі) і подібної свіжості. Ви можете знайти поточні ринкові орієнтири, досліджуючи глобальний каталог наборів даних, щоб побачити, що перелічують колеги.

3. Дохідний підхід: розрахунок майбутньої рентабельності інвестицій

Цей метод оцінює дані на основі доходу, який очікується від них, або витрат, які вони дозволять заощадити. Для команди ШІ набір даних, який покращує точність моделі на 2%, може призвести до додаткового доходу в мільйони доларів. Це найскладніший метод, але й найбільш переконливий для угод з високою вартістю. За даними IDC, глобальна інформаційна сфера мала досягти 175 зеттабайтів до 2025 року (https://www.seagate.com/files/www-content/our-story/trends/files/idc-seagate-dataage-whitepaper.pdf), але лише частина цього є 'монетизованою'. Щоб використовувати дохідний підхід, ви повинні кількісно визначити 'збільшення', яке дані надають конкретному бізнес-процесу.

4. Метод корисності та дефіциту: стратегічна премія

Останній метод розглядає цінність 'рови'. Якщо набір даних унікальний — наприклад, поздовжні дані пацієнтів або пропрієтарні журнали датчиків конкретного промислового процесу — він вимагає стратегічної премії. Ось чому спеціалізовані набори даних часто продаються за ціною, що в 20-30 разів перевищує їхню собівартість виробництва. Покупці купують не просто дані; вони купують неможливість для своїх конкурентів отримати доступ до тієї ж інформації. У цьому сценарії оцінка менше стосується витрат і більше стосується конкурентної переваги, яку надають дані.

Контрольний список для оцінки даних

• Походження: Чи чіткий ланцюжок зберігання та чи відповідає він законодавству?
• Дефіцит: Чи доступні ці дані деінде (наприклад, шляхом веб-скрейпінгу) або вони справді пропрієтарні?
• Формат: Чи дані 'готові для ШІ' (JSONL, Parquet) або вони вимагають значного очищення?
• Частота: Це одноразовий знімок чи пряма трансляція оновлень?

Що це означає для вас

Для власників даних покладання на один метод оцінки часто призводить до втрати грошей. Перехресно посилаючись на вашу мінімальну 'вартість' з ринковими орієнтирами, ви можете обґрунтувати ціну, яка відображає справжню корисність вашого активу. Для покупців розуміння цих методів дозволяє здійснювати більш дисципліновані придбання, гарантуючи, що сплачена ціна відповідає прогнозованій рентабельності інвестицій моделей ШІ, що навчаються. Незалежно від того, чи прагнете ви монетизувати внутрішню базу даних, чи придбати паливо для вашої наступної великої мовної моделі, d-nvest надає інтелект та ринок для впевненого виконання цих високоризикованих транзакцій.