Dataiku — останній добре фінансований стартап, що постраждав від макроекономічного вітру, який залучає новий капітал за значно зниженою оцінкою. Сьогодні компанія оголосила про залучення $200 млн у межах серії F під керівництвом Wellington Management за оцінкою в $3,7 млрд, що нижче за оцінку в $4,6 млрд, яку Dataiku отримала в серпні 2021 року.
У заяві, поданій до Комісії з цінних паперів і бірж США, зазначено, що Dataiku має намір закрити серію F, отримавши до 275 мільйонів доларів. У результаті залучення 200 мільйонів доларів від Wellington загальний обсяг залучених коштів нью-йоркського стартапу досяг приблизно 600 мільйонів доларів.
У своїй заяві представник Wellington Management Метт Вітхайлер сказав: «Перевірений послужний список Dataiku, команда менеджерів, траєкторія зростання і список клієнтів дають змогу компанії досягти нових висот у галузі штучного інтелекту. Ми раді стати партнерами і зробити свій внесок у їхній вражаючий шлях». Dataiku посідає лідируючі позиції, допомагаючи підприємствам використовувати величезні масиви даних з безпрецедентною швидкістю і створюючи культуру штучного інтелекту, орієнтовану на досягнення комплексних бізнес-результатів».
Ця неприємність стала несподіванкою. Dataiku, яка продає інструменти, що допомагають клієнтам створювати, тестувати і розгортати додатки для штучного інтелекту та аналітики, вдалося уникнути великих звільнень, на відміну від конкурентів, таких як DataRobot. А на початку цього року Dataiku дала зрозуміти інвесторам, що не планує змінювати стратегію зростання, вперше оприлюднивши дані про річний дохід, що повторюється (150 мільйонів доларів), і найнявши нового фінансового директора — перше зовнішнє поповнення в штаті компанії.
Найм нового фінансового директора, Адама Таунса, підігрів спекуляції про те, що Dataiku збирається провести IPO в найближчому майбутньому; раніше Таунс допоміг вивести на публічний ринок компанію Mimecast. Але оголошення про серію F говорить про те, що лістинг може бути ще не скоро.
Є ознаки того, що венчурні інвестиції в ШІ-стартапи охолоджуються. Нещодавній звіт PitchBook показує, що в II кварталі 2022 року зростання реальної вартості ШІ-стартапів знизилося на 27,8 % порівняно з попереднім кварталом, а загальний обсяг інвестицій досяг 20,2 млрд доларів у 1340 угодах. На сьогоднішній день венчурні фонди спрямували в стартапи в галузі штучного інтелекту 48,2 мільярда доларів в рамках більш ніж 3 000 угод, що звучить цілком розсудливо, але насправді є падінням на 20,9 % порівняно з минулим роком.
Згідно з прес-релізом, клієнтська база Dataiku налічує понад 500 компаній, включно з понад 150 найбільшими підприємствами світу. За словами співзасновника і генерального директора Dataiku Флоріана Дуетто, вони використовують платформу для таких завдань, як прогнозування технічного обслуговування, оптимізація ланцюжка поставок, контроль якості в машинобудуванні та оптимізація маркетингу.
«Підприємства в переважній більшості розуміють, що зараз саме час впроваджувати ШІ — або ризикувати відставанням», — йдеться в заяві Дуетто. «Наша здатність залучати нових, лідируючих на ринку інвесторів, таких як Wellington, у цій складній обстановці підкреслює силу наших рішень, нашу команду світового класу і величезні можливості, які відкриваються перед нами. Ми стоїмо на порозі масштабної трансформації ринку, у центрі якої перебуває штучний інтелект, і ми готові до цього моменту».
Компанія Dataiku, що відкрилася в Парижі 2013 року, конкурує з низкою компаній за домінування у сфері ШІ та аналітики великих даних. Серед більш грізних суперників — Databricks, яка залучила 1,6 мільярда доларів у серпні 2021 року, і вищезгадана DataRobot, яка отримала 300 доларів за оцінки в 6,3 мільярда доларів у липні 2021 року.
Останніми роками Dataiku прагне розширити коло своїх клієнтів з-поміж стартапів і компаній малого та середнього бізнесу, представивши повністю керовану версію своєї платформи для роботи з даними під назвою Dataiku Online. Dataiku також запустила нові інструменти, які дають змогу компаніям розробляти і впроваджувати додатки для штучного інтелекту й аналітики, перетворювати необроблені дані на розширену аналітику і розробляти моделі машинного навчання для використання у власних додатках і сервісах.
