VR, AI, Robotics, Kinect, Sound 그리고 VR Suit의 시너지가 중요  몰입도 극대화 통한 수익성 확대

Total Page:16

File Type:pdf, Size:1020Kb

VR, AI, Robotics, Kinect, Sound 그리고 VR Suit의 시너지가 중요  몰입도 극대화 통한 수익성 확대 Entertainment Technology - Entertainment Technology가 가져올 우리의 미래 - Analyst 김영우 / 02-3773-9244 / IT총괄, 반도체, 디스플레이 Analyst 최관순 / 02-3773-8812 / 지주, 통신, 게임, 인터넷 AltAnalyst 김민규 /02/ 02-3773-8497 / IT 장비, 소재 Analyst 박형우 / 02-3773-8889 / 휴대폰, 전기전자, 통신장비 [ Table of contents ] Analyst 김영우 (IT총괄/반도체/디스플레이) hermes_ [email protected] 02-3773-9244 1. 자동차 Arcade Game ⇒ 무인자동차 Analyst 2. 인공지능과의 결합 ⇒ AlphaGo 최관순 (통신/지주/인터넷/게임) [email protected] 3. Game에 사용되는 AI의 2가지 종류 02-3773-8812 4. 비몽사몽, 여진여몽의 상태로 이끌어 줄 Technology Analyst 김민규 5. 기타 Industry로의 파급효과 (IT장비/소재/IT중소형주) [email protected] 02-3773-8497 6. 글로벌 리딩업체의 전략적 제휴 및 M&A 7. Global Top-picks와 Supply Chain 구성도 Analyst 박형우 (휴대폰/전기전자/통신장비) [email protected] 02-3773-8889 Summary - E.T Chipset & Set & Cloud 1. 첨단기술 상용화의 시작은 Entertainment Technology에서 출발 - 사용자의 몰입도를 최대한 높이려면, 보다 높은 수준의 Reality와 인공지능(AI) 구현이 기본 - 뛰어난 그래픽 성능 구현 및 병렬컴퓨팅에 의한 인공지능 강화를 위해 필요한 핵심부품은 GPU - VR, AI, Robotics, Kinect, Sound 그리고 VR Suit의 시너지가 중요 몰입도 극대화 통한 수익성 확대 2. 디바이스 H/W Spec 강화를 통한 Reality 향상 - VR 디바이스 보급 확대 명암비와 반응속도가 뛰어난 초고해상도 OLED 및 DRAM 수요 급증 전망 - 과거 PDP TV는 고해상도 구현이 불가 SONY PS2 출시 후 본격화된 FHD TV 경쟁에서 LCD에 도태 - 향후 주목해야 할 기술은 1) GPU에서의 Direct-to-display와 2) VR과 AR 기능이 결합된 Mixed Reality (MR) 3. 강력한 컴퓨팅파워와 뛰어난 알고리즘은 인공지능 향상의 필요충분조건 - 일반적인 게임의 인공지능은 Min-max tree search와 Generic Algorithm의 협업구조로 설계 - GPU에서의 대량 병렬처리를 통해 Tree Search와 Generic Algorithm에서 3~400배 가량 속도 향상 - 1) 저전력 반도체 양산 위한 공정미세화 (Logi c, DRAM) , 2) 서버기능 향상을 위한 3D N and , SCM 등이 중요 3 Summary - E.T Component 1. 국내에서 E.T 수혜기업을 찾는다면, 정답은 부품사 - Entertainment Technology의 대장주라 할 수 있는 선도기업들은 대부분 해외 업체 - Chipset, 하드웨어, 플랫폼, 컨텐츠 기업들은 해외업체가 다수 - 그러나 E.T 부품 산업에서는 국내 업체들이 핵심적 역할 수행 가능 2. E.T 산업 내 반도체, OLED, 카메라 부품산업의 성장을 전망 - DRAM, NAND, AP, CMOS 등 다양한 반도체 분야에서 선전 중인 삼성전자에 주목 - 카메라 부품사들 또한 수요증가 수혜 받을 것 3. 카메라는 사진, 영상, 심도인지의 중요성 부각되며 채용량 확대 될 것 - 뎁스카메라 시장 성장 전망 - 국내 카메라부품 시장에 내 핵심 카메라 벤더는 약 30개 - 하이엔드 카메라부품을 공급하고, 어플리케이션 다변화 관련 R&D 지속 중인 기업에 주목 (삼성전기, LG이노텍, 파트론, 엠씨넥스, 나무가, 옵트론텍, 세코닉스) 4 Summary - Software 1. VR에서도 경쟁력은 컨텐츠가 될 것 - VR 초기 시장은 HMD 등의 HW 투자가 선행될 것으로 예상하나 HW 보급 이후 경쟁력은 컨텐츠가 결정 - 오큘러스 리프트의 국내 전파인증 완료. 소니와 구글의 HW 출시로 VR 시장 확대 가속화 전망 - 쇼핑, 게임 등 다양한 영역에서 VR이 응용될 수 있지만 게임이 킬러 컨텐츠가 될 전망 2. 초기시장의 선점효과에 주목 - pokemon go 의 성공 이후 AR/VR 게임에 대한 시장 관심은 확대. 관련게임 출시가 잇따르고 있음 - 국내의 경우 조이시티, 드래곤플라이, 엠게임, 한빛소프트 등 중견기업을 중심으로 VR 게임을 개발 중 - 모바일게임의 사례에서와 같이 시장선점이 중요한 요소이기 때문에 현재 VR 게임을 개발하고 있는 개발사에 대한 관심이 필요 3. 우수IP의 중요성과 통신업체 수혜도 전망됨 - 초기 VR 게임은 대부분 기존 게임 IP를 활용한 게임이 주를 이루고 있음 - IP의 중요성은 VR 게임에서도 유효. 우수 IP를 보유하고 있는 게임사에도 주목할 시점 - 데이터 사용량의 증가로 인해 기가인터넷 확대, LTE 사용량 증가 효과 기대 5 1. 자동차 Arcade Game ⇒ 무인자동차 History of Game Technology 게임 종류 및 게임 테크놀로지의 주요 기술 • 보드게임 • Power and memory • 퍼즐게임 “Multiple combination” • Vector vs Bitmap • 아케이드 게임 • Laserdisc technology • 콘솔게임 • Controls • PC게임 • Consoles • Mobile 게임 • Hand held games • 슈팅게임 • Linking games • 액션게임 • Computers • 스포츠게임 • • 어드벤처게임 MS Windows • 시뮬레이션게임 • Game engines • 교육용게임 • Improvements in computer technology • 롤플레잉게임 Source : SK증권, History of Game Technology 7 자동차 Arcade Game의 진화 아케이드 레이싱 게임의 혁명 (1980~1990년 중반) 레이싱 시뮬레이션의 시대를 연 ‘그란투리스모(1997)’ 풀바디체감컨트롤러및3D 폴리곤도입 2000년 중반 이후, 3D를 넘어 4D 입체 시대로 진입 풀 바디 컨트롤러의 시대를 연 ‘행 온’과 레이싱 시뮬레이션의 시대를 연 ‘그 최초의 레이싱 휠 탑재 게임 본격적인 3D 레이싱 게임 시대를 연 란투리스모’와 차량에 맞춰 의자가 ‘그란 트랙 10’ ‘버추어레이싱’ 움직이는 모션 디바이스 Source : SK증권, History of Game Technology (Motion Device) 8 Nvidia - GPU based AI Platform (자율주행차 적용) CES 2016에서 엔비디아는 자율주행자동차를 위한 세계 최초의 수퍼컴퓨팅 플랫폼인 드라이브 PX 2를 소개. 1초에 2조 4천억 개의 딥 러닝 연산을 수행할 수 있는 이 슈퍼컴퓨터의 성능은 이미 자동차 업계에서 50여 개의 브랜드가 활용하고 있는 1세대 드라이브 PX의 무려 10배에 달하는 수준. 딥 러닝을 기반으로 하는 엔비디아의 핵심 기술은 고도로 훈련된 심층신경망이 클라우드 기반의 슈퍼컴퓨터에 상주하며 수만 시간의 주행 경험을 분석하고 학습하는 것임. 특히 Audi는 다른 업체의 솔루션으로 2년이 걸렸던 트레이닝을 엔비디아의 기술을 도입한 이후 4시간 만에 해냄. 9 Source : SK증권, Nvidia Case Study: 자율주행차 Level 구분 OEM evolution towards autonomous vehicles Human like Artificial Intelligence Levels 4 & 5 are challenging SAE Level 0 SAE Level 1 SAE Level 2 SAE Level 3 SAE Level 4 SAE Level 5 No Automation Driver Partial Conditional High Full Assistance Automation Automation Automation Automation Ex: ACC Ex: ACC (Driver in the loop) Ex: Normal Ex: All Weather Dynamic Driving Dynamic Driving No control Full control 구분 정의 자율주행의 5단계 미국 고속도로교통안전청(NHTSA), 최근 발생한 테슬라 운전자 사망사고의 원인을 파악하기 위해 자동주행 시스 Level 0 비자동 운전자가 모든 주행기능 제어, 교통상황 모니터링, 안전조작 책임 템의 안정성 점검 등 예비조사에 착수 Level 1 기능별 자동화 차선이탈경보, 자동 긴급제동시스템 등 특정 제어 기능 개별 적용 이에 대해 전문가들은 ‘인명피해는 비극적 손실(Tragic Loss)이지만, 완전자율주행 시대를 역행할 수는 없을 것’ Level 2 복합기능 자동화 1단계의 특정한 제어 기능들이 2개 이상 결합해 복합적으로 적용 이라고 전망 Level 3 제한된 자율주행 특별히 제한된 환경에서만 차량 스스로 운행 및 안전기능을 제어 이와 관련 NHTSA도 자율주행차의 두뇌 역할을 하는 인공지능 등 각종 S/W를 운전자로 간주할 수 있는지에 Level 4 완전자율주행 차량이 모든 주행 및 안전기능을 제어하고 사람은 목적지만 입력 대한 공청회 결과를 발표할 예정 10 Source : SK증권, 언론보도 운전자의 컨디션과 습관을 감안한 자율주행 HMI Technology to Support Automated Drive HMI(Human Machine Interface)는 운전자와 차량 간 정보를 교환하는 모든 채널과 방식을 의미. 가장 기초적인 정보교환 형태를 살펴보면, 운전자는 액셀레이터 페달을 밟아 필요한 가속 정보를 차량에 전달하고, 자동차는 속도계의 바늘을 통해 속도 정보를 운전자에게 제공. 주행정보 이외에도 운전자가 차량 온도를 설정하면 차량은 목표 온도에 맞춰 공조시스템을 조정하고 현재 상태를 LCD 패널에 표시. 자율주행차에서는 운전자와 차량이 주받는주고받는 정보의 복잡성과 다양성이 증가하므로 HMI의 역할이 확대될 것으로 예상. 자율주행기술은 차량 내 부정보는 물론 외부 환경정보를 활용하므로 정보의 복잡성이 증가. 자율주행차에서는 운전자가 주행제어 이외에 다른 활동을 할 수 있으므로 차량에서 소비하는 정보가 다양해질 것임. 이로 인해 개별 운전자에게 최적화된 형태로 필요한 정보를 제공해 줄 수 있는 HMI의 역할이 부각될 것으로 예상. 고속도로뿐만 아니라 복잡한 도심환경에서도 자율주행이 가능한 자율주행차는 2025년 이후에나 상용화될 전망. 사고 발생 시 책임 귀속, 보험 적 용 문제 등 기술 도입과 관련하여 해결해야 할 사회적 문제가 산적해 있기 때문. 11 Source : SK증권, KAICA, Automotive 2. 인공지능과의 결합 ⇒ AlphaGo AlphaGo가 승리하기 위한 최소한의 조건 AlphaGo가 이기기 위해서는 1) 뛰어난 Algorithm 필요 – 바둑은 19*19의 격자점을 가지고 있으므로, 인간이 만든 게임중 가장 복잡도가 높음 1) 착점 가능성 : 192 = 361 2) 상태공간 복잡도 : 3361 (대략 10172) 3) 게임트리 복잡도 : 200 250~300 (대략 10575) – 신경망 (정책망+가치망)을 혼합 적용하고, 경기데이타는 서버에서 가져와 학습하게 하는 방식으로 개발 – 게임트리 복잡도 줄이기 위해 몬테카를로 시뮬레이션과 트리검색(MCTS) 통해 각각의 움직임 확인 장기적으로 효율적인 수 파악 – 게임 종료시까지 무작위 선택만 하는 것은 시간 길어져, MCTS 시간 개선 위해 UCT와 RAVE 등 기법 도입 (1997년 체스 세계 챔피언을 이긴 IBM Deeper Blue는 Brute force 방식으로 게임 트리 Full Search) AlphaGo가 이기기 위해서는 2) 매우 강력한 Computing power 필요 – 인공지능 강화시 속도향상은 CPU 못지않게 GPU(Graphic Processing Unit)의 중요성도 높아질 가능성 높음 일반적인 게임의 인공지능은 Min-max tree search와 Generic Algorithm의 협업구조로 설계 수 많은 계산량을 소모하지만, Solution space의 수많은 후보 벡터에 대해 독립적으로 수행해야 함 GPU상에서의 대량 병렬처리를 통해 수행되면 Tree Search와 Generic Algorithm에서 3~400배 가량 속도 향상 가능 - 저전력 반도체를 위한 공정미세화 (Logic, DRAM , Nand) 및 서버기능 향상을 위한 3D Nand , SCM 등 발전 필요 Source : SK증권 Darkforest와 AlphaGo 비교 Google의 AlphaGo와 Facebook의 DrakForest 비교, 핵심은 알고리즘과 Computing Power의 차이 구분 AlphaGo (Google) Darkforest (Facebook) 1. 인공신경망 구축 1. 인공신경망 구축 - 종류 : 컨볼루션 신경망 (지도학습, 강화학습) - 종류 : 컨볼루션 신경망 - 신경망 층 : 13개 - 신경망 층 : 12개 2. 데이터 2. 데이터 착수 예측 - 총 바둑게임 16만개에서 3천만개 추출 - 총 바둑게임 : 25만개 - 학습과 시험에는 바둑게임 상태가 사용됨 - 학습(train) : 22만개 - 학습(train) : 2900만개 - 시험(test) : 3만개 - 시험(test) : 100만개 - 정확도 : 57.1% - 정확도 : 57.0% (지지학습도학습) MCTS의 정책과 가치 구현에 MCTS와 인공신경망의 탐색 알고리즘 인공신경망 적용 동기화/비동기화 전략으로 구현 성능 프로 9단 아마추어 2단 계산환경 CPU 1920개, GPU 280개 소수의 CPU와 GPU 44개 기존연구와 차별성 강화학습, MCTS와 인공신경망의 결합 MCTS와 인공신경망의 동기화 Source : SK증권, Google Deepmind, Facebook, 소프트웨어정책연구소 더 복잡한 수를 계산하려면 싱글머신보다 병렬처리 필요 고수와 둘수록 다양한 전략적 방향성 발생하여 경우의 수 증가 ⇒ 컴퓨팅 파워가 높아야만 시간내 처리 가능 구글 딥마인드의 개발자, 데미스 하사비스는 컴퓨터 H/W의 용량을 개선하면 오히려 알파고의 성능이 떨어져 H/W 용량을 무조건 늘리지는 않았 다고 함. 이는 컴퓨팅 자원이 무조건 많다고 일을 빠르게 잘하는 것이 아니라 응용의 요구에 맞추어 얼마나 효율적으로 자원을 이용하느냐에 달렸다 는 것을 의미. 딥러닝 응용, 즉 이미지 인식 또는 음성인식의 정확성을 높이기 위해 딥러닝 모델의 규모가 커지고 입력 데이터의 양이 많아질수록 수많은 컴퓨터 가 필요하고 그에 따른 효율적인 분산처리가 필수적임. 딥러닝 분산 트레이닝 시 분산 병렬처리를 통하여 트레이닝 가속을 시도하는데 이의 방법으로 데이터 병렬처리(Data Parallelism)와 모델 병렬처리 (Model Parallelism) 방법이 있음. 데이터 병렬처리란 학습해야 하는 입력 데이터 셋을 다수의 컴퓨터가 나누어 트레이닝하는 방법이고, 모델 병렬 처리란 딥러닝 모델을 나누어 다수의 컴퓨터들이 트레이닝하는 방법임. Source : SK증권, Carnegie Mellon University, ETRI 3. Game에 사용되는 AI의 2가지 종류 게임 종류별로 차별 적용되는 AI Strategy Games Real Time Strategy AI on all s ides (RTS) Turn Based Strategy (TBS) HliHelicop ter Vi ew Role Playing AI in Opponents, Teammates, and Extra characters Games (RPG) Multi Players (MMORPG) Action Games First Person AI in Opponents, Teammates, and Extra characters Shooter (FPS) Sports Games AI in Opponents and Teammates Others Simulations Adventure Games Puzzle Games 17 Source : 업계 자료 AlphaGo 알고리즘 AlphaGo의 두 가지 기본 전략: 고수 따라하기와 두가지 신경망 활용하기 무한대에 가까운 바둑에서의 경우의 수를 마치 인간이 사고하는 방식처럼 어떻게 줄여나가느냐가 인공지능의 바둑 수행 능력을 끌어올리는 핵심.
Recommended publications
  • Dipartimento Di Impresa E Management Cattedra Di Strategia
    Dipartimento di Impresa e Management Cattedra di Strategia di Impresa CORPORATE VENTURE CAPITAL ED OPEN INNOVATION: MOTORI PER LA CRESCITA INNOVATIVA AZIENDALE RELATORE Prof. Paolo Boccardelli CANDIDATO Carlo Maria Torregrossa Matricola 681361 CORRELATORE Prof. Luca Pirolo ANNO ACCADEMICO 2017/2018 INDICE INTRODUZIONE ............................................................................................................................. 3 CAPITOLO 1 – CORPORATE VENTURE CAPITAL ................................................................ 4 1.1 - Definizione, numeri e classificazione ...................................................................................... 4 1.2 - Principali tipologie di investimento ......................................................................................... 9 1.3 - Modelli e fasi di corporate venture capital ............................................................................ 11 1.4 - Il concetto di open innovation ............................................................................................... 14 CAPITOLO 2 – L’INVESTIMENTO IN INNOVAZIONE ........................................................ 23 2.1 - Start-up e corporate venturing ............................................................................................... 23 2.2 - Il fenomeno delle start-up nel mondo e in Italia .................................................................... 25 2.3 - Valutazione d’azienda: come valutare grandi imprese e start-up .........................................
    [Show full text]
  • Flower Power Daisy CEO Neil Muller on the Firm’S Plans to Blossom Into a £1Bn Business 16
    March 2017 Flower power Daisy CEO Neil Muller on the firm’s plans to blossom into a £1bn business 16 ESSENTIAL ELEMENTS OF A GOOD PARTNER PROGRAMME 20 EMERGING CHANNEL OPPORTUNITIES IN THE AREA OF DATA ANALYTICS 25 WHAT THE CHANGES TO G-CLOUD MEAN FOR SUPPLIERS 32 REMOTE CONTROL 7th Gen Intel® Core™ vPro™ processorsocessors and Intel® Active Management Technologychnology help reduce on-site IT support costs.ts. SMART REMOTE MANAGEABILITY £ª®°£¢³¡£­¬[±§²£±³®®­°²¡­±²±µ§²¦°£«­²£¢§¥¬­±²§¡± WIRELESS DEVICE MANAGEMENT ¶£¡³²£°£«­²£¦§¥¦[°£±­ª³²§­¬°£§«¥§¬¥¤­°ª­µ£°1 SIMPLIFY PC LIFESTYLE TRANSITIONS §®£¢²§¬±£¡­¬¢±¤°­«¬·µ¦£°£°­³¬¢²¦£µ­°ª¢µ§²¦¬²£ª£«­²£ £¡³°£°±£¤­°¬²£ª¾­ª§¢²²£°§´£±1 ¬²£ª²£¡¦¬­ª­¥§£±Ì¤£²³°£±¬¢ £¬£ß²±¢£®£¬¢­¬±·±²£«¡­¬ß¥³°²§­¬¬¢«·°£¯³§°££¬ ª£¢¦°¢µ°£±­¤²µ°£­°±£°´§¡£¡²§´²§­¬£°¤­°«¬¡£´°§£±¢£®£¬¢§¬¥­¬±·±²£« ¡­¬ß¥³°²§­¬¦£¡©µ§²¦·­³°±·±²£««¬³¤¡²³°£°­°°£²§ª£°­°ª£°¬«­°£²¦²²®``±³®®­°²§¬²£ª¡­« ½¬²£ª­°®­°²§­¬ ªª°§¥¦²±°£±£°´£¢¬²£ª²¦£¬²£ªª­¥­¬²£ª­°£²¦£¬²£ª¶®£°§£¬¡£¦²Ì±¬±§¢£ª­¥­¬²£ª¶®£°§£¬¡£¦²Ì±¬±§¢£¬²£ª¬±§¢£ ¬¢¬²£ª´°­°£²°¢£«°©±­¤¬²£ª­°®­°²§­¬§¬²¦£¬¢`­°­²¦£°¡­³¬²°§£± Call our specialist sales teams North 01282 776776 South 01256 707070 a Company store.exertis.co.uk Haymarket House, 28-29 Haymarket, London SW1Y 4RX Tel: (020) 7316 9000 Editorial Editor Doug Woodburn 9517 [email protected] Deputy editor Hannah Breeze 9510 [email protected] Reporter Tom Wright 9097 [email protected] Avoiding a public Channelnomics.eu Content editor Sam Trendall 9813 [email protected] tongue-lashing Reporter Josh Budd
    [Show full text]
  • Machine Learning Is Driving an Innovation Wave in Saas Software
    Machine Learning is Driving an Innovation Wave in SaaS Software By Jeff Houston, CFA [email protected] | 512.364.2258 SaaS software vendors are enhancing their soluti ons with machine learning (ML) algorithms. ML is the ability of a computer to either automate or recommend appropriate actions by applying probability to data with a feedback loop that enables learning. We view ML as a subset of artificial intelligence (AI), which represents a broad collection of tools that include/leverage ML, such as natural language processing (NLP), self-driving cars, and robotics as well as some that are tangent to ML, such as logical rule-based algorithms. Although there have been multiple “AI Winters” since the 1950s where hype cycles were followed by a dearth of funding, ML is now an enduring innovation driver, in our opinion, due in part to the increasing ubiquity of affordable cloud-based processing power, data storage—we expect the pace of breakthroughs to accelerate. automation, customer support, marketing, and human resources) through both organic and M&A These innovations will make it easier for companies initiatives. As for vertical-specific solutions, we think to benefit beyond what is available with traditional that a new crop of vendors will embrace ML and business intelligence (BI) solutions, like IBM/ achieve billion-dollar valuations. VCs are making big Cognos and Tableau, that simply describe what bets that these hypotheses will come to fruition as happened in the past. New ML solutions are demonstrated by the $5B they poured into 550 amplifying intelligence while enabling consistent and startups using AI as a core part of their solution in better-informed reasoning, behaving as thought 20162.
    [Show full text]
  • Formatting Guide: Colors & Fonts
    SAAS & CLOUD M&A AND VALUATION UPDATE Q1 2016 BOSTON CHICAGO LONDON LOS ANGELES NEW YORK ORANGE COUNTY PHILADELPHIA SAN DIEGO SILICON VALLEY TAMPA CONTENTS Section Page Introduction . Research Coverage: SaaS & Cloud 3 . Key Takeaways 4-5 M&A Activity & Multiples . M&A Dollar Volume 7 . M&A Transaction Volume 8-10 . LTM Revenue Multiples 11-12 . Revenue Multiples by Segment 13 . Highest Revenue Multiple Transaction for LTM 14 . Notable M&A Transactions 15 . Most Active Buyers 16-17 Public Company Valuation & Operating Metrics . SaaS & Cloud 125 Public Company Universe 19-20 . Recent IPOs 21 . Stock Price Performance 22 . LTM Revenue, EBITDA & P/E Multiples 23-25 . Revenue, EBITDA & EPS Growth 26-28 . Margin Analysis 29-30 . Best / Worst Performers 31-32 Notable Transaction Profiles 34-43 Public Company Trading & Operating Metrics 45-50 Technology & Telecom Team 52 1 INTRODUCTION RESEARCH COVERAGE: SAAS & CLOUD Capstone’s Technology & Telecom Group focuses its research efforts on the follow market segments: ENTERPRISE SAAS & MOBILE & WIRELESS CONSUMER INTERNET CLOUD • Analytics / Business Intelligence • Cloud & IT Infrastructure • Cloud Computing / Storage • Communication & Collaboration • Content Creation & Management • CRM & Customer Services • ERP, Supply Chain & Commerce CONSUMER IT & E-COMMERCE • Finance & Administration TELECOM HARDWARE • Human Resources • Marketing & Advertising • Software Conglomerates • Vertical Markets 3 KEY TAKEAWAYS – M&A ACTIVITY & MULTIPLES LTM M&A dollar volume continued to increase in Q1’16, representing
    [Show full text]
  • Quarterly Enterprise Software Market Review 1Q 2019
    Quarterly Enterprise Software Market Review 1Q 2019 Boston San Francisco 200 Clarendon Street, Floor 45 601 Montgomery Street, Suite 2010 Boston, MA 02116 San Francisco, CA 94111 Peter M. Falvey Michael H.M. Shea Christopher J. Pingpank Michael S. Barker Managing Director Managing Director Managing Director Managing Director 617.896.2251 617.896.2255 617.896.2218 415.762.8101 [email protected] [email protected] [email protected] [email protected] Jeffrey G. Cook Brad E. McCarthy Misha Cvetkovic Principal Principal Vice President 617.896.2252 617.896.2245 415.762.8104 [email protected] [email protected] [email protected] www.shea-co.com Member FINRA & SIPC Copyright ©2019 Shea & Company Overview People ▪ Industry Expertise ▪ Process Excellence 1 2 24 15+ >70 Firm focused exclusively Offices in Boston and San Professionals focused on Years of experience Transactions completed on enterprise software Francisco the software industry amongst our senior representing billions of bankers dollars in value Mergers & Acquisitions Private Placements & Capital Raising Corporate Strategy ■ Sell-side and buy-side M&A advisory ■ Late-stage venture, growth equity and buyouts ■ Corporate development advisory ■ Divestitures ■ Recapitalizations ■ Balance sheet and capital structure review ■ Restructuring ■ IPO advisory ■ Fairness opinions has received an investment from has received an investment from Superior Outcomes has been acquired by has acquired Shea & Company has advised on important transactions representing billions of dollars in
    [Show full text]
  • BIG DATA 50 the Hottest Big Data Startups of 2014
    BIG DATA 50 The hottest big data startups of 2014 Jeff Vance Table of Contents Big Data Startup Landscape – Overview .................................................................................. i About the Author ................................................................................................................. iii Introduction – the Big Data Boom .......................................................................................... 1 Notes on Methodology & the origin of the Big Data 50 ............................................................. 2 The Big Data 50 ..................................................................................................................... 5 Poised for Explosive Growth ....................................................................................................... 5 Entrigna ................................................................................................................................... 5 Nuevora ................................................................................................................................... 7 Roambi .................................................................................................................................... 9 Machine Learning Mavens ........................................................................................................ 10 Oxdata ................................................................................................................................... 10 Ayasdi ...................................................................................................................................
    [Show full text]
  • Automated Malware Analysis Report For
    ID: 446205 Sample Name: Open_Purchase_Order_Report_by_Supplier_- _ProReport_188165628308.xlsx Cookbook: default.jbs Time: 00:16:48 Date: 09/07/2021 Version: 32.0.0 Black Diamond Table of Contents Table of Contents 2 Windows Analysis Report Open_Purchase_Order_Report_by_Supplier_- _ProReport_188165628308.xlsx 3 Overview 3 General Information 3 Detection 3 Signatures 3 Classification 3 Process Tree 3 Malware Configuration 3 Yara Overview 3 Sigma Overview 3 Jbx Signature Overview 3 Mitre Att&ck Matrix 4 Behavior Graph 4 Screenshots 4 Thumbnails 4 Antivirus, Machine Learning and Genetic Malware Detection 5 Initial Sample 5 Dropped Files 5 Unpacked PE Files 5 Domains 5 URLs 5 Domains and IPs 7 Contacted Domains 7 URLs from Memory and Binaries 7 Contacted IPs 7 General Information 7 Simulations 8 Behavior and APIs 8 Joe Sandbox View / Context 8 IPs 8 Domains 8 ASN 8 JA3 Fingerprints 8 Dropped Files 8 Created / dropped Files 8 Static File Info 9 General 9 File Icon 10 Network Behavior 10 Network Port Distribution 10 UDP Packets 10 Code Manipulations 10 Statistics 10 System Behavior 10 Analysis Process: EXCEL.EXE PID: 6512 Parent PID: 800 10 General 10 File Activities 11 File Written 11 Registry Activities 11 Key Created 11 Key Value Created 11 Disassembly 11 Copyright Joe Security LLC 2021 Page 2 of 11 Windows Analysis Report Open_Purchase_Order_Repo…rt_by_Supplier_-_ProReport_188165628308.xlsx Overview General Information Detection Signatures Classification Sample Open_Purchase_Order_Re No high impact signatures. Name: port_by_Supplier_- _ProReport_188165628308
    [Show full text]
  • Data Protection & the Insider Threat
    Issue 2 1 Data Protection & the Insider Threat 4 Veriato Recon 6 Veriato 360 Data Protection & the Insider Threat 8 Research from Gartner: Market Guide for User and Entity Behavior Analytics Veriato (formerly known as SpectorSoft) has With multiple studies and surveys showing 22 Contact Us been enabling greater insight into insider actions that 50% of employees believe it is OK to take for over a decade. Thousands of companies, corporate data, the chances your organization has, government agencies, educational institutions is, or will experience insider driven data exfiltration and non-profits have successfully used Veriato are unacceptably high. In addition, the constant solutions to increase the security of critical stream of data breaches caused by imposters – systems and intellectual property, and to more external actors who level compromised credentials quickly and effectively respond to incidents. to “become” insiders – highlights the need to detect changes in insider behavior that suggest An established leader in employee monitoring attack. and investigations, we recognized the need for greater intelligence about the behavior of insiders. If you do not have a plan in place to detect it, you Many solution providers have done the same will miss your chance to prevent the damage. -- as evidenced by the Market Guide to User and Entity Behavior (“UEBA”) from Gartner Research With our unique ability to collect data at the point contained within these pages. of interaction between insiders and the IT resources they access, we saw an opportunity to help address Why Veriato? this challenge. Veriato has a proven data collector; As we set out to create a high value, differentiated one that provides much greater visibility into offering, we first focused on the need to secure insider activity than is available from logs.
    [Show full text]
  • Software Equity Group Flash Report
    Software Equity Group Flash Report 2015 Select M&A Transactions and Valuations and Financial and Valuation Performance of 250+ Publicly Traded Software, SaaS and Internet Companies by Product Category October LEADERS IN SOFTWARE M&A • Industry leading boutique investment bank, founded in 1992, representing public and private software and We Do Deals. internet companies seeking: • Strategic exit • Growth capital • Buyout • Inorganic growth via acquisition • Buy and sell-side mentoring • Fairness opinions and valuations • Sell-side client revenue range: $5 - 75 million • Buy-side clients include private equity firms and NASDAQ, NYSE and foreign exchange listed companies • Clients span virtually every software technology, product category, delivery model and vertical market • Global presence providing advice and guidance to more than 2,000 private and public companies throughout US, Canada, Europe, Asia-Pacific, Africa and Israel • Strong cross-functional team leveraging transaction, operating, legal and engineering experience • Unparalleled software industry reputation and track record. • Highly referenceable base of past clients Copyright © 2015 by Software Equity Group, L.L.C., All Rights Reserved ABOUT SOFTWARE EQUITY GROUP Software Equity Group is an investment bank and M&A advisory serving the software and technology sectors. Founded in 1992, our firm has guided and advised companies on five continents, including privately-held software and technology companies in the United States, Canada, Europe, Asia Pacific, Africa and Israel. We have represented public companies listed on the NASDAQ, NYSE, American, Toronto, London and Euronext exchanges. Software Equity Group also advises several of the world's leading private equity firms. We are ranked among the top ten investment banks worldwide for application software mergers and acquisitions.
    [Show full text]
  • Where You Start Matters the First Few Years in Your Career Are Critical
    Where you start matters The first few years in your career are critical- they set the trajectory for your future. We know that as a student you want to be on the fast track and don’t have time to waste. Join us at Microsoft and see what will you do? As a student at Microsoft you will be able to balance between your studies and your work, gain on-hands experience while working around 20 weekly hours and enjoy maximum flexibility during exams periods as you are not required to work during exams period, and can work full time during vacations. Here is your chance to experience the exciting field of software development! *** We greatly encourage and welcome qualified candidates who happen to have disabilities to apply for jobs in our company Apply for Microsoft Positions- Student positions: Software Engineer Student - Cortana (Herzeliya) Software Engineer Student - WCD (Herzeliya) Research Software Engineer Student - OSG Recommendation (Herzeliya) Data Scientist Student- OSG Recommendations (Herzeliya) Software Engineer Student - Adallom (Herzeliya) Data Scientist Student - Aorato (Herzeliya) Hardware Student - Surface (Herzeliya) Cloud Analyst Student- Adallom (Herzeliya) Software Engineer Student- Bing Next (Herzeliya) Student positions at Raanana: Service Center TAM- Student (Raanana) Development Student (Raanana) Infrastructure Student (Raanana) New college graduate positions: Software Engineer- WCD (Haifa) Software Engineer - Cortana (Herzeliya) Software Engineer- Kusto (Herzeliya) Software Engineer- Data Security Team (Herzeliya) Software
    [Show full text]
  • Agrofuels in the Americas.Pdf
    Agrofuels in the Americas. Edited by Richard Jonasse, PhD. Copyright © 2009 Institute for Food and Development Policy. All rights reserved. Food First Books 398 60th Street Oakland, CA 94618 510-654-4400 www.foodfirst.org Cover and text design by Richard Jonasse Production: Richard Jonasse Acknowledgements: This project began a little over a year ago with five of the authors sitting around a table at Food First in Oakland, CA. They included Annie Shattuck, Isabella Kenfield, Jessica Aguirre, Gretchen Gordon, Ellen Tarby, and myself. Beyond the wonderful work of the authors herein, we would like to thank Eric Holt-Giménez for providing his insights and many key paragraphs to most of the pieces herein. Annie Shattuck, had a hand in every article. Marilyn Borchardt provided tremendous support, humor, feedback, and commentary. Martha and Rowena shared their kindness and mung beans. There have been a number of people here who have stepped in to help with research, fact checking, translation, proofreading, citation hunting, fact-finding, and general commentary. These include: Annie, Marilyn, Martha, Jessica Aguirre, Jody Zaitlin, Karla Pena, Tamara Wattnem, Leonora Hurtado, Loren Peabody, Zack Zimbalist, Matt Dintenfass, Angie Rodriguez, Maria Barrera, Ellen Tyler, Amanda El-Khoury, Mihir Mankad, Jasmine Tilley, William Wroblewski, and Matt King. About the Author: Richard Jonasse is currently a Research Fellow at Food First in Oakland, CA. His research interests lie in development issues, including International Finance Institutions, food sovereignty, labor/human rights, and environmental sustainability. He has a Masters Degree in Telecommunication and Film from University of Oregon, and a Ph.D. in Communication (emphasis in technology studies) from U.
    [Show full text]
  • DPIA Office 365 for the Web and Mobile Office Apps Data Protection
    authe DPIA Office 365 for the Web and mobile Office apps Data protection impact assessment on the processing of diagnostic data Date 30 June 2020 DPIA Office for the Web and mobile Office apps SLM Microsoft Rijk 30 June 2020 Colophon DPIA by Ministry of Justice and Security Strategic Vendor Management Microsoft (SLM Microsoft Rijk) Turfmarkt 147 2511 DP The Hague PO Box 20301 2500 EH The Hague www.rijksoverheid.nl/jenv Contact Paul van den Berg E [email protected] T 070 370 79 11 Project name DPIA report diagnostic data processing in Microsoft Office 365 for the Web and mobile Office apps (report delivered March 2020, Update June 2020) Appendix Overview telemetry data observed in iOS and Office for the Web apps Authors Privacy Company Sjoera Nas and Floor Terra, senior advisors, with the help of work student Lotte aan de Stegge www.privacycompany.eu Page 3 of 138 DPIA Office for the Web and mobile Office apps SLM Microsoft Rijk 30 June 2020 CONTENTS Colophon 3 Summary 7 Introduction 17 Part A. Description of the data processing 24 1. The processing of diagnostic data 24 1.1 About Office for the Web, the mobile Office apps and the Connected Experiences 24 1.2 Difference between content, functional and diagnostic data 33 1.3 Different types of diagnostic data 34 2. Personal data and data subjects 35 2.1 Definitions of different types of personal data 36 2.2 Diagnostic data mobile Office apps 37 2.3 Outgoing traffic to third parties mobile Office apps 40 2.4 Results access request mobile Office apps 49 2.5 Diagnostic data Office for the Web 51 2.6 Outgoing traffic to third parties Office for the Web 52 2.7 Results access requests Office for the Web 55 2.8 Diagnostic data Connected Experiences 59 2.9 Analytical services based on the system-generated log files 60 2.10 Types of personal data and data subjects 62 3.
    [Show full text]