Data Scientist Антон Вайсбурд — про те, як створив no-code платформу для аналізу даних, отримав $1 млн інвестицій та пройшов YCombinator
Український стартап Datrics у 2021 році залучив понад 1 млн доларів інвестицій та пройшов в YCombinator. Це no-code платформа для аналізу даних та машинного навчання. Серед клієнтів вже є Revolut, фінустанови з Великобританії та стартапи з США. І це все менш ніж за два роки роботи.
Ми розпитали Антона Вайсбурда, одного з трьох співзасновників Datrics про його бекграунд, про те, як стартував проєкт, як залучали інвестиції, чого навчилися в YCombinator і чи під загрозою розробники через поширення no-code інструментів.
Data Science стала компромісом між математикою та її реальним застосуванням
Мій кар’єрний шлях розпочався з любові до математики, якій безумовно сприяли батьки. Я ходив на різноманітні гуртки, їздив на математичні турніри, у шкільному віці чотири рази вигравав Всеукраїнську математичну олімпіаду. Було очевидно: математика — те, що мені добре вдається, тож я хотів продовжувати рухатися у цьому напрямку. Механіко-математичний факультет в університеті став наступною логічною ланкою.
Втім, у студентські роки я зрозумів: математика з погляду чисто теоретичної основи мені абсолютно не цікава. Натомість подобалося застосовувати її до реальних проблем, бачити її зв’язок з власними амбіціями, зокрема фінансовими. Тож я обрав фінансову математику й аналітику: з одного боку, тут використовуємо математичний апарат, з іншого — є зв’язок з ринками цінних паперів, реальним світом. Магістратуру я закінчив уже з цього. Так я і почав рухатись у бік Data Science.
Щоправда, років 10 тому цей термін ще не був дуже поширеним, а Data Science у фінансовій галузі називалася Quantitative analysis. Те, що я згодом робив, — прайсинг деривативів, алгоритмічні торгові стратегії на різних біржах, було відоме як Quantitative trading. Також тісно працював з моделюванням ризиків і кредитним скорингом.
Від репетиторства до менеджерських посад, а звідти — до свого стартапу
Найпершою моєю роботою було викладання — ще у школі я почав займатися математикою з дітьми. На перших курсах університету продовжив у новому форматі: ми разом з моєю мамою заснували у Харкові гурток «Физматик», де я викладав у вихідні й іноді вечорами в будні. Там у нас був розподіл: мама більше займалася молодшими класами, а я — старшими, які готувалися до олімпіад, адже мав великий досвід в олімпіадній математиці. Гурток діє досі — ним опікуються батьки.
«Физматик», 2010 — вчу дітей розвиваючій грі SET, в яку сам і досі полюбляю грати.
Щодо першої роботи, пов’язаної з аналітикою даних, то це було у 2010 році в компанії Silver Cup. Наступний роботодавець — Scorto, де я доріс до Senior Risk Analyst та Researcher. В обох компаніях я займався ризиками, робив Quantitative trading, працював з прайсингом, відповідними інструментами, опціонами. Обидві роботи були пов’язані з фінансовою математикою і так чи інакше зі складним математичним апаратом. Власне, саме там за усю свою кар’єру я його (математичний апарат) найбільше і застосовував. Що далі просувався в кар’єрі, то менше доводилося мати з ним справу.
У 2015 році я переїхав до Києва та перейшов працювати у Barclays — корпоративний банк Великої Британії. Його відділ інвестиційного банкінгу Barclays Capital вирішив розташувати свій третій світовий технологічний центр ODC (offshore development center) у Києві та відкрив його разом із партнером EPAM Systems. Це був цінний досвід: ніколи до цього я не працював у великому ентерпрайзі. Вже там поступово почав більше виконувати менеджерські функції й відповідати за кінцевий результат, ніж робити щось руками: стало цікавіше безпосередньо керувати процесом.
Я усвідомлював, що обмежений власними 24 годинами та просто не можу зробити все, що хочу. А коли керуєш командою, є можливість досягти більшого. Щоправда, тоді рано чи пізно настає момент, коли треба вирішити: я більше менеджер чи класний технічний експерт. Останній все ж має помірний вплив на ухвалення бізнес-рішень і ситуацію загалом. Як менеджер чи управлінець я бачив більше можливості реалізувати бажане, та й мені добре вдається будувати команди, процеси та досягати доброго результату.
Чи легко молодому спеціалісту влаштуватися на менеджерські посади? Залежить від людини, завжди потрібно приходити й брати своє. Якщо є бажання, амбіції та навички — робота завжди знайдеться. Коли будую команди, теж керуюсь цим принципом, адже людей, які готові брати на себе відповідальність, завжди менше, ніж є відповідальності. Та не завжди гарні технічні спеціалісти хочуть її брати та не завжди можуть. У деяких просто інакше мислення: вони не думають або не хочуть думати про бізнес-цілі, але якщо є бажання стати менеджером і навчатися, то це не стане перешкодою.
У 2017 році я перейшов у SoftServe, де створював європейську команду Data Science: відповідав за проєкти в регіонах EMEA, Financial Services та Retail globally. Перейшов туди, бо хотів трохи відійти від ентерпрайзу і мати більше можливостей для маневру, гнучкості й самостійної роботи. Там до мене приєднався Володимир Софінський — співзасновник Datrics, з яким ми познайомилися під час роботи у Barclays. А от із другим співзасновником, Кирилом Кіриковим, ми дружимо ще з дитинства.
Простір для роботи у SoftServe я отримав: доки команда показувала результат, усі рішення я ухвалював сам, у мою роботу не втручалися. Людей ми набирали активно, але суто за потребами: за три роки з кількох працівників команда розрослася до кількох десятків. Це відбулося природно. Виявилося, що я добре виконую роль door opener: починаю діалог з клієнтами, спілкуюсь і приводжу їх до проєктів. Але не лише це: якраз тоді був період, коли компанії повірили в Data Science проєкти, почали їх впроваджувати й запитів на реалізацію стало більше.
У потенційних клієнтів — запит, а у нас — класна експертиза. Відповідно до збільшення кількості клієнтів зростала й потреба у розширенні команди. Так само природно ми дійшли до задуму Datrics. Під час роботи там я зрозумів рівень нестачі кваліфікованих людей на ринку, особливості Data Science та його інтеграції в ентерпрайз-системи, особливості lifecycle-рішень. Досвід десятків пресейлів, відряджень і виграних угод. І, звісно, розуміння, що варто знижувати поріг входу до аналітики даних.
Ідея Datrics природно виросла з усієї нашої діяльності
Будь-який процес, який раніше робили руками, поступово диджиталізується. Раніше залишки товарів на складах перевіряли руками, а тепер це оцифрований складський облік. Кредитні ризики теж раніше перевіряли вручну, а зараз це системи, які збирають весь обсяг інформації про людину і видають певну оцінку. Це стосується будь-якої сфери, і всі ці процеси, які поступово трансформуються у цифрові, потребують залученням розробників і аналітиків.
Ми бачили, що на аналітику та машинне навчання є запит. І в певний момент стало очевидно: до нас як фахівців надходить набагато більший запит, ніж ми здатні обробити. З розриву між потрібною кількістю спеціалістів і їх фактичною кількістю і народилася ідея дати можливість робити аналітику і машинне навчання кінцевому користувачу: легко, без написання коду, без того, щоб опановувати хардкорні Data Science скіли, вчитися програмувати тощо.
Datrics з погляду користувача, бізнесу та підходів
Datrics — це no-code платформа, яка дозволяє компаніям різного масштабу проводити високорівневий аналіз даних без (або з мінімальним) залучення програмістів.
Завдання Datrics — дати можливість користувачу отримувати інсайти з даних та робити прогнози без написання коду і возіння в Excel. З погляду клієнтів усе просто: вони набирають у браузері адресу і потрапляють у систему. Там підвантажують дані, можуть їх автоматично почистити та підготувати, а після цього будують предикативну модель. Або ж можна просто малювати графіки та створювати звіти за короткий час.
Шлях: інтерфейс — завантаження даних — обробка = модель від машинного навчання. Завантажити можна фактично будь-які структуровані типи даних: різноманітні бази даних, файли Excel, SQL, Snowfake, Google-аналітику тощо. Якщо певного конектора до даних бракує, ми його легко та швидко створюємо. Це відпрацьований і зрозумілий процес.
З погляду компаній, це економія, треба залучити менше людей на той самий обсяг роботи. Глобально команду з
З погляду підходів, то ми максимально орієнтовані на досвід користувачів. Часто продукти створюють у парадигмі «розв’язати проблему й продати це бізнесу». При цьому питання зручності як першорядне не стоїть — аби працювало, а люди вже якось пристосуються. І дарма, що для цього їм доведеться вчитися користуватися інструментом з місяць. Як на мене, від цієї парадигми поступово відходять. Наприклад, продукти Figma та Slack: вони й ентерпрайзні, і зручні у безпосередньому користуванні. Максимально реалізувати аспект user experience (UX) намагаємося і ми — за допомогою інтерв’ю з людьми, які працюють із сервісом.
«Ми взяли найкращих людей з ринку»
Моя роль як СЕО — налагодити операційну роботу команди, продажі, інвестиції, договори з партнерами. Кирило Кіриков в нашій компанії — CTO. Він найкраще знає саму технологію, забезпечує всю інфраструктурну частину, керує технічною командою. Все-таки фахівці з Data Science і розробники мають різні знання та навички. Я знаю, як побудувати enterprise-ready продукт теоретично, Кирило ж знає, як це робити day-to-day на практиці. Володя Софінський керує усією Data Science частиною, як було за часів роботи у SoftServe, а також дбає про успішний досвід використання продукту клієнтами.
Співзасновники Datrics: Кирило Кіриков, Володимир Софінський, Антон Вайсбурд на Strategic session за Q2 2021.
Сьогодні у нас 19 людей на фултаймі, і, на мою думку, це одна з найсильніших команд в Україні та загалом у Східній Європі в Data Science. З них 12 технічні спеціалісти: фахівці з Data Science, Data Analytics, Big Data, Client-Facing Analysts, бекенд- та фронтенд-інженери, архітектори. І звісно, є бізнес-команда, яка закриває питання розвитку сервісу, нової комерції, маркетингу тощо.
Ці люди здебільшого працювали з нами раніше, зокрема у SoftServe. Там я побудував найкращу консалтингову Data Science-команду з можливих. Оскільки Data Science перебуває на стику бізнесу, програмування та математики/алгоритмів, то й спеціалістів відбирали за всіма трьома критеріями. І, звісно, підтримував з ними стосунки й далі. Деякі спеціалісти й до SoftServe прийшли з моїх попередніх місць роботи на запрошення. Хтось відгукнувся на вакансії, але здебільшого через референси, через довгий рекрутинговий процес.
Наша сила в тому, що ми дуже добре знаємо користувачів та їхні потреби, а тепер і стартап-екосистему, та маємо досвід побудови сервісної компанії. У сумі все це допомогло нам найняти найкращих людей на ринку.
Світлина з зимового off-site Datrics 2020 під Києвом: підбивали підсумки року, ставили цілі на наступний.
За два роки зробили те, на що у багатьох конкурентів йшли десятки
Ми почали створювати продукт два роки тому, уже з розвитком мікросервісів, Kubernetes та й можливістю відносно просто задеплоїти Data Science. Завдяки розвитку технологій за два роки зробили те, на що у багатьох конкурентів йшли десятки. Це перевага: коли все із самого початку добре збудовано на сучасних інструментах, у технологічний стек легко вносити зміни. Ми можемо швидко дороблювати новий функціонал, адже на нас не висить legacy-інструментарій
А він є: наприклад, у нашій банківській сфері й досі багато де використовують COBOL. Настільки, що мати зараз у цьому експертизу непогано: якби хтось вчив нових людей цієї мови програмування і створив такий консалтинг, то вийшов би вельми успішний бізнес. Просто тому, що банки не здатні позбутися legacy-систем: процес настільки болючий і складний, що підтримувати старий інструментарій простіше.
Ми використовуємо цілком сучасний стек. Щодо інфраструктури, то це Kubernetes, все написано на мікросервісах. Це дуже зручно, коли треба скейлити інфраструктуру для підтримки більшої кількості користувачів. Аби задеплоїти фронтенд ми використовуємо Netlify. Дуже зручно для фронтенд-команди, тому що можна попередньо проглянути результат оновлень. На бекенді використовуємо PostgreSQL як основне сховище даних користувачів, а також кастомний message bus на Redis, щоб забезпечити швидкість та відмовостійкість запуску пайплайнів.
Двигун виконання пайплайнів зроблено на Dask. Це фреймворк, який допомагає розпаралелити виконання Pandas-операцій на кластері, що дає змогу працювати з даними, які не вміщуються у пам’ять одної ноди. Також у нас є повноцінний CI/CD процес на GitLab з автоматичним деплойментом усіх сервісів на середовища. GitLab зручно інтегровано з Kubernetes, що дозволяє нам під’єднати різноманітні інструменти для контролю якості та безпеки коду. Ще є повноцінна інтеграція з Jira, щоб легко контролювати розгортання тасок.
Інвестиції: зовнішній капітал допоміг не лише грошима, а й досвідом
Ми, співзасновники, починали будувати компанію власним коштом і зусиллями, як і багато хто. Усі мали хороший заробіток і володіли частками у сервісних компаніях, тож вклали близько 100 тисяч доларів і на початковому етапі розвивалися без додаткових інвесторів.
Була ще одна ідея: запустити пов’язаний сервісний бізнес, який своїми прибутками покривав би наші витрати на розробку продукту та паралельно обслуговував тих клієнтів, для яких ми цей продукт створюємо. І зробили на основі наявної компанії 4IRE Labs, де Кирило був співзасновником. Однак швидко стало зрозуміло, що втілити задум, як і операційно керувати двома такими компаніями водночас, буде складно. Тож ми зосередились на продукті, і хоча й залишаємось досі партнерами з огляду на володіння часткою в компанії 4IRE Labs, фактичної участі там не беремо і фінансово компанії не пов’язані.
Коли інвестовані нами гроші стали закінчуватись, а потреба в розширенні команди зросла, стало зрозуміло, що час залучати зовнішній капітал. Такий, який може допомогти грошима, а ще з виходом на ринок і побудовою продуктового бізнесу загалом, адже в цьому в нас не було особливого досвіду. Ми потребували людей, які на цьому знаються.
Нашим першим інвестором став Ілля Полосухін, з яким ми дружимо ще з часів школи. Він працював у Google, а до цього в компанії, яка займалася штучним інтелектом і робила віддалено схожі до нашого продукту речі. Спершу ми залучили його як едвайзера: отримали поради, як організовувати попит на продукт, про деякі технічні моменти, розподіл акцій та побудову ком’юніті. І згодом він дав нам перший чек. Це суттєво прискорило всі процеси.
Також тоді ми спілкувалися з Веронікою Корж, яка керувала Sigma Software Labs. Вона познайомила нас із СЕО Sigma Валерієм Красовським і співзасновником Дмитром Вартаняном, з якими ми швидко знайшли спільну мову та бачення на сервісно-продуктовий бізнес. Отримали перші чеки від них: як особисті, так і від компанії. Після цього у нас вклалися фонд QPDigital, Матіас Еклоф, стартап-акселератор із Чехії Startup Yard. Так ми закрили pre-seed round, піднявши загалом понад 400 тисяч доларів. Цього нам вистачало десь на рік, до середини 2021.
Святкування з нагоди закриття pre-seed round влітку 2020: ми тоді активно провели час, катались на вейкбордах.
А далі ми потрапили до YCombinator, який багато в чому нам допоміг. По-перше, це визнання, що наша робота — не нісенітниця. Соціальний ліфт, в тому числі в очах великого бізнесу. По-друге, YCombinator створює чудовий фреймворк для того, щоб розвивати бізнес з погляду доходу і доступу до інвесторів.
Потрапивши до YCombinator, ми отримали від них невеликі гроші, а за загальними результатами цього періоду підняли повноцінний seed round на трохи більше як мільйон доларів. Тоді у нас вклалися Altair Capital, ICU Ventures, Олег Рогінський із People.ai, Нік Білогорський із Google. Загалом ми могли б взяти й більше грошей, але не хотілося розмивати частки. Наразі нам їх цілком достатньо, щоб працювати й вийти на новий етап.
На YCombinator подавалися тричі (і недарма)
Три місяці на YCombinator були важкими, з роботою по 15 годин на день, але дуже продуктивними. Ми тричі туди подавалися і недарма. На мою думку, це найкраще місце, де може бути стартап. Особливо з корінням зі Східної Європи.
У нас в Україні технічно сильні спеціалісти з великим потенціалом. Але ми слабші з боку бізнесу: Sales, Marketing, Product Management. І коли працюєш у такій програмі з фаундерами з інших країн, то відчуваєш різницю у менталітетах і підходах, які можна переймати. Наприклад, американці радше будуть спочатку продавати й робити маркетинг, а вже потім будувати. У нас же спочатку продукт, а потім продажі.
Демо-день у YCombinator, березень 2021. Ми з Кирилом працювали віддалено на Балі.
Коли проходиш YCombinator, розумієш, як будують продукти, слухаєш цінний досвід з перших вуст. Ми пройшли увесь цей тримісячний етап максимально структурно. Одразу ж визначили собі як цілі не просто «поговорити та послухати», а цілком вимірювані речі, пов’язані з пошуком клієнтів і позиціюванням компанії.
Найцінніше правило, яке звідти винесли, — спілкуйтеся зі своїми клієнтами та встановлюйте КРІ щодо усього. На виході з YCombinator прокачали вміння і продавати продукт, і отримувати дохід, що врешті допомогло порівняно просто підняти кошти від інвесторів.
Саме там ми знайшли приблизно 30% наших нинішніх клієнтів. Ми продовжуємо спілкуватись з компаніями, з якими познайомилися на YCombinator, і цей список регулярно оновлюється: там всі відкриті спробувати інший продукт. Якщо говорити глобально, зараз у нас десятки клієнтів, багато з яких із США та Британії, є трохи із Сінгапуру та України. В Україні ми, наприклад працюємо з Ukraine Economic Outlook Михайла Кухаря. В UK — Revolut, Zedosh, а також фінустановами, банками. У США в нас переважно стартапи, наприклад UpKeep.
Для стартапу набратися достатньо досвіду наперед неможливо
Для заснування та розвитку Datrics нам знадобився увесь досвід кожного зі співзасновників. Водночас як багато б його не було, наперед «надИхатися» і набратися його фактично неможливо. Врешті кількість та якість досвіду визначає лише відсоток помилок, яких припускаєтесь. Але робити ви їх будете у будь-якому разі. Це й нас стосується: ми припустилися багатьох помилок, на які згодом реагували так: «А нам же про це казали...» Та багато моментів, доки сам не відрефлексуєш, цілком не зрозумієш. Наприклад, ми думали, що краще за користувача знаємо його потреби. І на ці граблі наступали багато разів. Тепер себе вчасно спиняємо та йдемо розмовляти з людьми про їхній «біль».
Але якщо говорити про нашу команду, то мені знадобився досвід в усьому, що я робив раніше. І зі створення сервісної компанії, і з роботи в консалтингу, і з Data Science та фінансів, і з моделювання ризиків, і зі створення «Фізматека».
Чи здатні no-code інструменти замінити розробників
За даними Gartner, до 2024 року 65% застосунків буде створено за допомогою low-code або no-code інструментів. Але, як на мене, цю статистику сприймають надто буквально. Це не означає, що 65% зроблять чисто на low-code або no-code платформах, це означає, що low-code чи no-code інструменти будуть так чи інакше використовувати в розробці 65% застосунків. Це зовсім різний контекст.
Low-code і no-code стрімко розвиваються, і тут я схильний вірити цій цифрі. Так, деякі функції повністю перейдуть на no-code рішення. Наприклад, створення вебсайтів, де кількість різносторонніх операцій не така велика. Інтеграції робити між різними інструментами. Можливо, якісь галузі машинного навчання, аналітики. Деякі функції будуть комбіновані. Але це не знизить попит на розробників чи аналітиків.
Low-code або no-code, хоч і дозволяють автоматизувати багато рішень (і рівень складності зростатиме), все ж створюють певні обмеження за гнучкістю. Я схиляюсь, що надалі буде радше масове суміщення code-first і no-code інструментів, ніж широкомасштабне заміщення.
Подальший розвиток проєкту: зростання, додаткові продукти та створення фонду
Наша мета — розвивати продукт та збільшувати прибуток. Крім того, у нас є кілька «спінофів» Datrics, і певно, з’являтимуться ще. Якщо у клієнта є запит на дуже вузькоспеціалізовану аналітику, ми робимо продукт, використовуючи Datrics як фундамент. Таким чином, наприклад, ми зробили no-code інструмент для аналізу логістики залізничних перевезень — lunarlight.ai.
Також скоро ми з друзями та партнерами анонсуємо створення фонду, орієнтованого на українських засновників, і через нього вкладатимемо гроші на seed та pre-seed стадіях у команди на кшталт нашої рік тому. Нам тоді справді потрібна була допомога, і ми її отримали. А в українських команд і фаундерів є величезний потенціал для розвитку. Вважаю, наша країна — одна з локацій із найбільш талановитими розробниками.
Наразі ми не плануємо, щоб нас поглинула якась корпорація. Вже отримали кілька пропозицій M&A, зокрема від досить відомих компаній, та відмовились. Наша команда ще не показала усе, на що здатна, ми не досягли класичного product/market fit і вірального поширення. Я не кажу «ні». Ми відкриті до пропозицій, і якщо побачимо, що хтось зацікавлений розвивати наш продукт і здатен вивести компанію на абсолютно новий рівень, тоді, можливо, погодимося. Але поки що є бачення, що ми будемо йти й розвиватися у бік IPO.
Глобально переїздити кудись наразі також не збираємось. Якщо не зіпсуються податкові умови, то бізнесу з погляду балансу заробітку програмістів і концентрації класних фахівців на ринку тут досить комфортно. Принаймні центр аналітики та центр розробки точно залишаться тут, в Україні.
З погляду бізнес-розробки, звісно, ми найматимемо людей з інших країн, ближче до клієнтів. Та й світ нині став настільки глобальним, що локації не мають суттєвого значення, всі пристосовуються до дистанційки. Ми, наприклад, закрили більшу частину домовленостей (і щодо інвестицій) взагалі без єдиної особистої зустрічі. Нині не бачу потреби в релокації: і так частину часу проводжу поруч з клієнтами у різних країнах. Я люблю Україну, мені тут комфортно жити й вважаю, що тут є всі перспективи для розвитку.