Цитирую русскоязычные новости: "Фонд Юрия Мильнера DST Global снова вложился (https://techcrunch.com/2018/12/20/swiggy-raises-1-billion/) в индийский стартап по доставке еды Swiggy в раунде на $1 млрд. Сделку лидировала южноафриканская корпорация Naspers. Деньги пойдут на развитие технологии искусственного интеллекта и на найм специалистов в сфере машинного обучения."
Судя по опросу на Kaggle, средний специалист по машинному обучению зарабатывает в Индии 20 тысяч долларов в год. В России по тому же опросу средний доход составляет 25 тысяч, в Штатах 140. Сравните это со своими ощущениями или любыми другими источниками, но, кажется, оценка принципиально похожа на правду, использовать её можно. Для уверенности умножим число на два и чуть добавим на печеньки и аренду офиса – пусть на самом деле компании в Индии тратят на датасайнтистов по 50 тысяч долларов.
С января Swiggy привлек три раунда, до этого динамика инвестиций была похожей, но, предположим, дальше они так частить не будут, деньги берутся на 2 года вперед. Миллиард долларов делим на два и на пятьдесят тысяч – получаем ожидания найма десяти тысяч специалистов в машинном обучении. Чтобы почувствовать, насколько это невозможно, сравним с аналогами. Uber – самой большой в мире проект подобного рода. Первая ссылка поисковика говорит, что в нем работает шестнадцать тысяч человек, включая сотрудников техподдержки и, разумеется, весь штат Uber Eats. Grubhub с двумя тысячами сотрудников ещё ближе к Swiggy по бизнес-модели и в 10 раз обгоняет индийский стартап по выручке. Или, с другой стороны, можно плясать от денег: Grubhub на технологии тратит 55 миллионов в год – и это при американском уровне зарплат. Swiggy обещает перекрыть его результат десятикратно при индийском и общем отставании масштаба проекта.
В общем, нет, подобные суммы в принципе не могут быть освоены "машинным обучением". Миллиард – это маркетинг, купоны для каждого вне зависимости от пола и возраста, покупка ресторанных сетей, оснащение курьеров автомобилями за свой счет – там масштабы могут быть любыми. Программисты столько не кушают. Планируя собственный стартап тоже не бюджетируйте на них слишком много, реальные расходы не здесь.
Забавно, что в английском первоисточнике фраза о целях инвестиции звучит чуть иначе: "The company said in a statement that it plans to use the capital for hiring machine learning and engineering talent, and further its AI technology to improve matching and discovery inside its service". Не "деньги пойдут", а "компания сказала, что деньги пойдут" – ответственность за вранье перекладывается с журналиста на Swiggy, "мопед не мой". На мой вкус, отмазка слабая, вешать на уши читателю чужую лапшу тоже плохо, но хотя бы формально Techcrunch не вляпался, лучше, чем ничего.
#стартапдня
Судя по опросу на Kaggle, средний специалист по машинному обучению зарабатывает в Индии 20 тысяч долларов в год. В России по тому же опросу средний доход составляет 25 тысяч, в Штатах 140. Сравните это со своими ощущениями или любыми другими источниками, но, кажется, оценка принципиально похожа на правду, использовать её можно. Для уверенности умножим число на два и чуть добавим на печеньки и аренду офиса – пусть на самом деле компании в Индии тратят на датасайнтистов по 50 тысяч долларов.
С января Swiggy привлек три раунда, до этого динамика инвестиций была похожей, но, предположим, дальше они так частить не будут, деньги берутся на 2 года вперед. Миллиард долларов делим на два и на пятьдесят тысяч – получаем ожидания найма десяти тысяч специалистов в машинном обучении. Чтобы почувствовать, насколько это невозможно, сравним с аналогами. Uber – самой большой в мире проект подобного рода. Первая ссылка поисковика говорит, что в нем работает шестнадцать тысяч человек, включая сотрудников техподдержки и, разумеется, весь штат Uber Eats. Grubhub с двумя тысячами сотрудников ещё ближе к Swiggy по бизнес-модели и в 10 раз обгоняет индийский стартап по выручке. Или, с другой стороны, можно плясать от денег: Grubhub на технологии тратит 55 миллионов в год – и это при американском уровне зарплат. Swiggy обещает перекрыть его результат десятикратно при индийском и общем отставании масштаба проекта.
В общем, нет, подобные суммы в принципе не могут быть освоены "машинным обучением". Миллиард – это маркетинг, купоны для каждого вне зависимости от пола и возраста, покупка ресторанных сетей, оснащение курьеров автомобилями за свой счет – там масштабы могут быть любыми. Программисты столько не кушают. Планируя собственный стартап тоже не бюджетируйте на них слишком много, реальные расходы не здесь.
Забавно, что в английском первоисточнике фраза о целях инвестиции звучит чуть иначе: "The company said in a statement that it plans to use the capital for hiring machine learning and engineering talent, and further its AI technology to improve matching and discovery inside its service". Не "деньги пойдут", а "компания сказала, что деньги пойдут" – ответственность за вранье перекладывается с журналиста на Swiggy, "мопед не мой". На мой вкус, отмазка слабая, вешать на уши читателю чужую лапшу тоже плохо, но хотя бы формально Techcrunch не вляпался, лучше, чем ничего.
#стартапдня