Fondsmanagers en analisten hebben de beschikking over tal van datapunten over fundamentals en marktbewegingen, maar er zijn altijd zaken die niet uit deze data naar voren komen. Hoe weet je bijvoorbeeld of het aantal winkels dat een bedrijf wil gaan openen, realistisch is?
Mark Ainsworth is hoofd data-analyse bij Schroders. Hij geeft leiding aan een team van 25 dataspecialisten, die zich bezighouden met het analyseren van ‘alternatieve data’. Dit kan gaan om data van sociale media, maar ook van allerlei andere databestanden.
‘Wij helpen fondsmanagers en -analisten om betere beslissingen te nemen, door hen te voorzien van de juiste informatie’, zegt Ainsworth, die van huis uit experimenteel psycholoog is.
Het idee is dat Schroders op deze manier een datavoorsprong krijgt, ontwikkelingen ziet die nog niet door de markt als geheel worden waargenomen. Het gaat erom de juiste databestanden aan te boren en zo nodig te combineren. ‘Vergeet niet dat bijna alles wat mensen doen, tegenwoordig een dataspoor nalaat.’
Race strategy analist bij McLaren
Ainsworth werkt sinds 2014 bij Schroders. Eerder was hij onder meer ‘race strategy analist’ bij het raceteam McLaren. ‘Wat ik daar deed is zorgen dat de juiste data voorhanden waren om in een split second onder hoge stress te beslissen wanneer er een pitstop gemaakt moest worden en hoeveel brandstof er bijgetankt moest worden. Mijn belangrijkste taak was data weg te laten en alleen dat te tonen wat relevant is om snel een juiste beslissing te nemen.’
Ook werkte hij bij supermarktketen Tesco, waar hij onder meer klantgegevens analyseerde en onderzocht waar nog ruimte was om nieuwe winkels te openen. Ervaring die bij Schroders van pas kwam, toen een winkelketen aankondigde nog 5000 tot 10.000 nieuwe winkels te gaan openen.
‘De waardeontwikkeling op de lange termijn van het bedrijf hing hiervan af. De vraag van een portfoliomanager was dus of dit realistisch was. Wij hebben per stad en dorp gekeken hoeveel winkels daar al zaten, wat het uitgavenpatroon van de klanten was, hoe de lonen zich ontwikkelden en waar potentieel nog ruimte was voor nieuwe winkels. Wij kwamen zo tot ruimte voor 2000 tot 3000, maar echt niet voor 5000 tot 10.000.’
Naast het beantwoorden van vragen, bouwt Ainsworth zijn team ook eigen tools. Dit kan om een soort exit-polls gaan, die antwoord geven op vragen als: hoeveel kans maakt Trump om herkozen te worden, maar het team ontwikkelde bijvoorbeeld ook een tool over ‘Merk beleving’.
‘Het is van een enorme waarde te weten hoe er in een bepaald land over een bepaald merk gedacht wordt en door wie.’ Hij noemt een voorbeeld van een analist die twijfelde tussen twee retailketens in een bepaald land. ‘Uit ons onderzoek bleek dat de één vooral populair was onder wat oudere klanten en de ander onder jongeren. Ze vulden elkaar dus in feite goed aan. Het systeem volgt op deze manier duizenden lokale en wereldwijde merken.’
Hij bouwde een algoritme dat dit onderzoek wekelijks update.
Kunstmatige intelligentie
‘Kunstmatige intelligentie is een krachtig middel. Het is niet per se zo dat op deze manier computers dingen doen die mensen niet kunnen, maar eerder dat computers dingen doen, die mensen zouden doen, als ze er tijd voor hadden: steeds opnieuw een enorme berg met data en grafieken analyseren. Het systeem houdt nu alles bij en produceert een keer per week een overzicht.’
Ainsworths persoonlijke mening is dat robots mensen niet volledig kunnen vervangen. ‘Zij zullen de wereld niet volledig genoeg kunnen begrijpen. Machines werken volgens een bepaald patroon. De echte wereld is echter immens complex.’
Ainsworths’ team richt zich voornamelijk op bedrijven. ‘Daar is de meeste winst te behalen. Ja, natuurlijk zouden we ook wel goede data over China willen hebben, maar we richten ons op hiaten die we kúnnen vullen.’
Bij het bepalen van welke vragen er beantwoord worden, wordt rekening gehouden met hoeveel geld er belegd is in het desbetreffende bedrijf of in de sector waar de vraag over gaat. ‘Is met een bepaalde vraag 100.000 pond gemoeid, dan is dat een belangrijke vraag.’ Daarnaast wordt altijd gekeken of een antwoord ook relevant is voor andere beleggingsteams binnen het bedrijf. ‘Heel belangrijk is dus ook dat uitkomsten ook met andere teams mogen worden gedeeld, dat er een cultuur is van kennis delen’, zegt Ainstworth.
‘Om iets te kunnen zeggen over welke autofabrikanten innovatief zijn, hebben we alle patenten die zij hebben aangevraagd geanalyseerd en gegroepeerd. Een berg met heel complexe documenten, levert nu heel overzichtelijke inzichten op.’
‘Embedded’ in beleggingsteams
De analyse van big data heeft de toekomst, daarvan is Ainsworth overtuigd. De relevantie ervan wordt ook binnen Schroders erkend. Sinds een jaar werken niet meer alle dataspecialisten in het centrale team, maar zijn er ook enkele ‘embedded’ bij beleggingsteams.
Zij zitten bij de vergaderingen en weten zo beter welke vragen er bij hen spelen. Op de vraag of big data-analyses integraal onderdeel zouden moeten worden van het normale beleggingsproces, is zijn antwoordt dan ook. ‘Ja, die kant gaan we op. Het is al aan het gebeuren.’