Takuya Oshige (takuyao) — Translations

1. Your VP of Finance must be a BEAST

Specifically: strategically savvy, incredibly organized, and willing to work 100 hours a week for 3 to 4 months straight. Without the right person in this role, you will fail. If your chief executive is doing financial modeling, they’re spending less energy on negotiations, term-setting, all the transaction aspects only they can handle. You’ll wind up with a CEO who’s completely drained. Getting through M&A is stressful enough without having to do someone else’s job on top of your own.

1. 財務の補佐役は、力のある人物でなければならない

とくに、戦略に精通していて、驚くほど頭が整理されていて、3〜4ヶ月連続で週に100時間働くことをいとわないような人へ。この役職に適切な人物がいなければ、あなたは失敗するだろう。もし最高責任者が財務のモデリングも行うとすれば、交渉や条件設定など、その人にしか扱えない取引に費やすエネルギーが少なくなってしまう。その結果、CEOは完全に疲れ果てることになる。たとえ自分の仕事を差し置いて他人の仕事をするような状況がなかったとしても、M&Aを成就させることはストレスの多い仕事なのだ。

2. Law firm matters — A LOT

Make sure your M&A firm has plenty of deals under its belt. And that the other party’s does, too. Ideally, the two firms will have worked together before, meaning they can focus on the deal at hand rather than on establishing effective relationships. We chose our firm, Goodwin Procter, carefully, and their experience speaks for itself: They worked on Facebook’s acquisition of Oculus Rift and Google’s acquisition of both AdMob and Nest.

2. 法律事務所はとても重要

あなたのM&Aを担当する法律事務所に十分な経験があることを確かめよう。そして相手方の会社の法律事務所も同じくだ。理想をいうと、この2社が過去に一緒に仕事をしたことがあるとよい。良好な関係を構築することに気を取られず、手元の取引に集中できるからだ。私たちは法律事務所を注意深く探し、Goodwin Procterを選んだ。彼らはFacebookによるOculus Riftの買収や、GoogleによるAdMobとNestの買収といった案件を担当しており、経験があるのは明らかだ。

3. Don’t just fall in love

Remember: An acquisition is a marriage, not a wedding. It takes more than butterflies in the stomach and a great live band to be successful. You need total honesty, careful planning, and detailed, realistic expectation-setting. Nearly six months in, our relationship with AVG thrives because we were explicit about what post-acquisition, day-to-day life would be like.

3. ただ恋に落ちるだけではだめ

覚えておいて欲しい。買収は結婚そのものであり、結婚式ではない。M&Aを成功させるには、胸の高鳴りや素晴らしいバンド演奏以上のものが必要だ。完全に誠実であり、注意深く計画し、詳細で現実的な期待を設定しなければならない。6ヶ月近くにわたって、私たちとAVGとの関係は繁栄している。なぜなら私たちは、買収後の日常生活がどのようなものになるかについて率直だったからだ。

Though it’s early days, Twitter’s recent acquisition of social media talent agency Niche seems smart in this way. Twitter surpassed analysts’ revenue and EPS expectations in 2014, but year-end MAU was soft. So you could say the company wanted a way to boost users, but Niche will likely increase revenue, too. And Twitter clearly wants Niche to keep doing what it has done really well by bringing the team in with a healthy retention package.

この先どうなるかわからないが、Twitterが先日、ソーシャルメディア向けのタレントエージェンシーNicheを買収したやり方も同じくスマートだ。Twitterは2014年、収益とEPS（一株あたり利益）がアナリストの予測値を上回ったが、年度末の月間アクティブユーザの数はそれほどでもなかった。だから、同社はユーザ数を増やす方法を欲しがっていたと言えるが、同時にNicheは収益の増加ももたらしそうである。またTwitterはNicheに対して、従業員を引き止めるための健全な方策を提供し、これまで実際にうまくいっていたことをやり続けてもらいたいと考えているのは明らかだ。

4. Be honest

It’s tempting to inflate numbers to speed things up. Resist. Deals take longer than you expect. Those puffed-up numbers will bite you in the butt. Tell the truth and stick with it. Assume the transaction will take 12 to 18 months. If early on you play fast and loose with expectations, you will regret it when things come down to the wire and you’re missing targets. You’ll watch the deal fall apart right under you. Under-promise and over-deliver.

4. 正直であること

物事を速く進めようとすると、数字を水増ししたい誘惑にかられる。それには抵抗しなければならない。取引はあなたが思うよりも長い時間がかかる。数字を膨らませれば、あとで痛い目にあうことになる。真実を語り、それにこだわること。取引は12〜18ヶ月かかることを想定しよう。早い段階で過剰な期待をもたせると、最終的に目標を達成できなくなり、後悔することになる。あなたは目の前で取引が決裂するのを見ることになるだろう。低めに約束して、高めに届けることが鉄則である。

Tasso Roumeliotis is CEO and founder of Location Labs. Prior to Location Labs, he was a vice president at Claridge, a $3 billion fund with wireless and media assets. He also worked at Bain & Company, where he was the highest-ranked associate in his Bain Class.

Tasso Roumeliotis氏は、Location Labsの設立者でありCEOである。Location Labs以前は、Claridgeで副社長を務めていた。Claridgeはワイヤレスおよびメディア関連で30億米ドルのファンドを運用する企業である。彼はまたBain & Companyに勤務していたこともあり、そこでは社内で最上級ランクのメンバーだった。

AdMob updates: native ads, in-app purchase ads, etc.

AdMob, the mobile ad network that Google acquired for $750 million in 2009, will receive a handful of new features today (some in beta).

On the native ads front, some Google Play game developers can now test a format already offered to Android app developers. “Google has traditionally created ads that show up in a custom form that matches the form and function of the experience, and so games will follow suit, where participating developers will be able to show ads that fit the form and function of the game,” Hartrell said. Atari, for example, is testing the new native ads in beta.

AdMobのアップデート：ネイティブ広告、アプリ内購入広告、その他

モバイル広告ネットワークを手がけるAdMobは、Googleが2009年に7億5000万米ドルで買収した会社である。AdMobは今日、少しばかりの新機能を受け取る（そのうちのいくつかはベータ版）。

ネイティブ広告について、Google Playのゲーム開発者は現在、Androidアプリの開発者向けにすでに提供されているフォーマットをテストすることができる。「Googleは従来から、体験の形態や機能に応じてカスタマイズされて表示される広告を作成してきました。ですから、ゲームもその前例にならうでしょう。つまり、開発に参加している人は、ゲームの形態や機能に応じた広告を表示できるようになるのです」とHartrell氏は述べる。例として、Atariはこの新しいネイティブ広告をベータ版としてテストしている。

Next up for ad-supported game devs, Google is releasing “In-App Purchase House Ads” in beta. The AdMob-powered feature will enable game developers to strategically serve up ads for in-app purchases to users who are “more likely to spend on in-app purchases,” Google said on its blog. The house ads feature should roll out “in the next few weeks,” Google says.

Lastly, Google is announcing audience builder, a tool which “enables developers to create lists of audiences, powered by Google analytics,” says Hartrell — “this is a great way to target those users and ultimately grow your revenue as a game developer.”

次は、広告収入に頼るゲーム開発者のためのものだ。Googleは「アプリ内課金のための自社広告（In-App Purchase House Ads）」のベータ版をリリースしようとしている。AdMobで動作するこの機能があれば、ゲーム開発者は戦略的にアプリ内課金のための広告を出せるようになる。「アプリ内課金で、よりお金を使いそうな」ユーザに向けて広告を出せるとGoogleは同社のブログで述べている。同社によると、この自社広告機能は「数週間のうちに」公開される予定だという。

最後に、Googleはオーディエンスビルダーを発表しようとしている。このツールは「Googleアナリティクスの仕組みを利用したもので、開発者がオーディエンスのリストを作成できるものです」とHartrell氏は述べる。「これはユーザの的を絞り、最終的にゲーム開発者としての収益を増やす素晴らしい方法です」

A second-screen API for Android TV: Nearby Connections

This last bit should interest gamers and developers. “Our goal is to make gaming even more compelling and dynamic through Android,” Hartrell tells us, “and so we’re launching a new protocol called Nearby Connections.” And no, it’s not a hyper-local dating API.

The tool will eventually enable developers to offer a completely seamless second-screen experience. Imagine you’re playing a game on your Android TV and a friend comes over. This API could allow your friend to whip out their Android phone or tablet and start playing along, without installing a random plugin or sitting through an awkward sync process.

Android TV向けセカンドスクリーンAPI：Nearby Connections

最後に紹介するこの話題は、ゲーマーと開発者の興味を引くはずだ。「私たちの目標は、Androidを通じてゲームをさらに真に迫るもの、さらにダイナミックなものにすることです」とHartrell氏は述べる。「そのために、私たちはNearby Connectionsという新しいプロトコルをローンチします」。いやこれは（Nearby Connectionsと言っても）ご近所さん同士のデート用APIなどではない。

このツールを使えば、開発者は最終的に完全にシームレスなセカンドスクリーン体験を提供することができるだろう。例えば、あなたがAndroid TVでゲームをしているときに友人が訪ねて来たと想像しよう。このAPIがあれば、あなたの友人は自分のAndroidフォンかタブレットをさっと取り出し、すぐに一緒にプレイを始めることができる。ややこしいプラグインをインストールする必要もなく、まどろっこしい同期プロセスを見つめ続ける必要もないのだ。

How Google’s using big data and machine-learning to aid drug discovery

From answering heath-related questions in its search results to a fitness data platform for developers, Google is becoming increasingly ingrained in the fabric of our daily health-and-wellbeing habits. But behind the scenes, the Internet giant is also working to expedite the discovery of drugs that could prove vital to finding cures for many human ills.

Googleがビッグデータと機械学習を使って、医薬品の発見を助ける

検索結果内で健康関連の質問に答えを返すことから、フィットネスデータの開発者向けプラットフォームに至るまで、Googleはますます、人々の健康や幸福についての日常習慣に関わりを深めている。その一方、この大手インターネット企業は水面下で、医薬品の発見を促進させる取り組みも進めている。それは多くの病気の治療法を見つけるために、必要不可欠なものになるかもしれない。

Working with Stanford University’s Pande Lab, Google Research has introduced a paper called “Massively Multitask Networks for Drug Discovery” [PDF], which looks at how using data from a myriad of different sources can better determine which chemical compounds will serve as “effective drug treatments for a variety of diseases.”

Google Researchは、Stanford大学Pandeラボとの共同研究で、「医薬品発見のための大規模マルチタスクネットワーク」（PDF）という論文を発表した。この論文が考察しているのは、異なる情報源から得られる大量のデータを使うことで、「さまざまな病気に対する効果的な薬物治療」に利用できる化合物をより的確に発見できるのではないかということである。

While the paper itself doesn’t reveal any major medical breakthroughs, it does point to how deep learning can be used to crunch huge data-sets and accelerate drug discovery. Deep learning is a system that involves training systems called artificial neural networks on lots of information derived from key data inputs, and then introducing new information to the mix. You might want to check out our guide to five emerging deep learning startups to watch in 2015.

その論文自体は、医学的に大きなブレークスルーはひとつも明かしていないものの、大量のデータセットを処理するためにディープラーニングがいかに活用できるか、いかにそれが医薬品の発見を加速させるかについて指摘している。ディープラーニングのシステムには、人工ニューラルネットワークと呼ばれる訓練システムが含まれている。それは鍵となるデータの入力から得られた多くの情報に基づくものであり、ディープラーニングはそこに新しい情報を加えていく。我々は、2015年に注目すべきディープラーニング関連新興スタートアップ5社を紹介している。その記事も参照されたい。

“One encouraging conclusion from this work is that our models are able to utilize data from many different experiments to increase prediction accuracy across many diseases,” explained the multi-authored Google Research blog post. “To our knowledge, this is the first time the effect of adding additional data has been quantified in this domain, and our results suggest that even more data could improve performance even further.”

Google said it worked at a scale “18x larger than previous work,” and tapped a total of 37.8 million data points across 200+ individual biological processes.

「この研究から得られる心強い結果のひとつは、我々のモデルは多数の異なる実験からのデータを活用し、多くの疾病を横断して予測精度を高めることができる点です」と複数の著者によって書かれたGoogle Researchのブログ記事で説明されている。「我々が知る限り、この分野でデータを追加することの効果が定量化されたのは、これが初めてです。この結果は、データが多ければ多いほど、さらに良い結果が生み出される可能性を示唆しています」

Googleは、この研究は「以前の研究より18倍大きい」規模で行われたと述べ、200を超える個人の生物学的プロセスを通じて、合計3,780万点のデータを取り出したとしている。

“Because of our large scale, we were able to carefully probe the sensitivity of these models to a variety of changes in model structure and input data,” Google said. “In the paper, we examine not just the performance of the model but why it performs well and what we can expect for similar models in the future.”

This feeds into a bigger trend we’ve seen of late, with many of the big tech companies investing resources in deep learning. Last year, Twitter, Google, and Yahoo all acquired deep learning startups, while Facebook and Baidu made significant hires in this realm. Netflix and Spotify carried out work in this area too.

「研究の規模が大きかったため、我々はそれらのモデルについて、モデル構造や入力データを様々に変化させた場合の感度を注意深く精査することができました」とGoogleは述べる。「論文では、モデルのパフォーマンスを調査するだけではなく、なぜそれがうまく働くのか、将来同じようなモデルがあった場合、何が期待できるのかについても分析しました」

今回の件は、ここ最近の大きな流れを後押しする。大手テック系企業の多くがディープラーニングに資源を投資しているという流れだ。Twitter、Google、Yahooは昨年、それぞれディープラーニング関連のスタートアップを買収し、FacebookとBaiduはこの分野に多くの人を雇った。NetflixとSpotifyもまた、この分野に取り組んだ。

At VentureBeat’s HealthBeat conference last October, we looked at how the future of health care could lean heavily on robotics, analytics, and artificial intelligence (AI). Feeding into this diagnostic element is treatment discovery, which is increasingly turning to AI, big data, and deep learning too, as we’re seeing with this latest research from Google and Stanford.

By automating and improving predictive techniques, this should not only speed up the drug discovery process but cut the costs. From the Google report:

VentureBeatが主催した昨年10月のHealthBeatカンファレンスで、我々はヘルスケアが将来、ロボット工学、アナリティクス、人工知能（AI）にどれほど多く頼ることになるかについて考察した。GoogleとStanfordによるこの最新の研究を見てもわかるように、診断的要素から治療法を発見するにあたり、ますます人工知能やビッグデータ、ディープラーニングが注目されてきている。

このことは自動化と予測技術の改善により、医薬品の発見プロセスをスピードアップするだけでなくコストも削減するだろう。Googleのレポートは以下のように述べている。

Discovering new treatments for human diseases is an immensely complicated challenge. Prospective drugs must attack the source of an illness, but must do so while satisfying restrictive metabolic and toxicity constraints. Traditionally, drug discovery is an extended process that takes years to move from start to finish, with high rates of failure along the way.

In short, testing millions of compounds can take a long time, so anything that can increase the chances of striking a successful combination can only be a good thing. This is where machine learning at scale may help.

人間の病気に対して新しい治療法を発見することは、非常に複雑な課題だ。医薬品として有望な物質は病気の元を攻撃しなければならないのはもちろん、代謝や毒性に対する制限も同時に満たす必要がある。従来から医薬品の発見は、始めから終わりまで何年もかかるような、長い期間を要するプロセスだ。また、その途中で失敗だとわかる率も高い。

要するに、何百万もの化合物をテストするには長い時間がかかる。だから、うまくいく組み合わせに当たる機会が増えれば増えるほどいいのだ。大規模な機械学習が活躍できる可能性があるのは、そこである。

Austin Smith is the platform evangelist at Assembly, a community that builds software products collaboratively and shares ownership and profits equitably. Previously, he was an early hire at Singly and before that a journalist.

Austin Smith氏はAssemblyにおけるプラットフォームの伝道者だ。Assemblyはソフトウエア製品を共同で制作し、その所有権と利益を公平に配分しているコミュニティである。かつて彼はSinglyの草創期に雇用されていて、それ以前はジャーナリストだった。

Thinfilm’s smart bottle tells you if your Johnnie Walker scotch has been opened before

Perhaps you have heard about smart homes and smart light bulbs. Meet the smart bottle.

Yes, one of our most interesting new technologies is going to ensure that we can drink a bottle of scotch with the utmost confidence that it’s authentic. It will also give the scotch maker a way to engage more deeply with a consumer who might otherwise just toss that bottle away and never be heard from again. The smart bottle is part of the Internet of Things (IoT), or everyday objects that are connected to the Internet and have electronic brains.

Thinfilmのスマートボトルが、あなたのJohnnie Walkerが未開栓かどうかを教えてくれる

読者はスマートハウスやスマート電球については聞いたことがあるのではないだろうか。今回はスマートボトルをご紹介しよう。

そう、この非常におもしろい新技術で、私たちは間違いなく本物だと自信を持ってスコッチのボトルを開けられるようになるだろう。さらに、スコッチのメーカーにとっても、消費者とより深く関わる方法が手に入る。飲んだ後は瓶を投げ捨ててしまい、それきりだったような消費者とも、関わりを持てるようになるのだ。このスマートボトルはインターネットオブシングス（IoT）の一環である。つまり、日用品がインターネットにつながり、電子的な脳を持つのである。

Thinfilm Electronics is revealing its smart bottle in a deal with Diageo, the maker of the Johnnie Walker Blue Label brand of scotch. The smart bottle can verify for you that your 12-year-old bottle of scotch has never been opened before, and it can also connect via near-field communications to your smartphone.

With a smartphone app, you can learn some new things about your Johnnie Walker Blue Label, get personalized promotions, and communicate with the liquor company.

“The manufacturer can engage in a conversation with a consumer that is more meaningful,” said Davor Sutija, Thinfilm’s chief executive, in an interview with VentureBeat. “We’re anticipating an amazing response to this.”

Thinfilm ElectronicsはDiageoと提携して、そのスマートボトルを公開している。DiageoはスコッチウイスキーJohnnie Walkerのブルーラベルを製造している会社だ。このスマートボトルなら、あなたの12年もののスコッチウイスキーが未開栓だと証明することができる。また、近距離無線通信（NFC）経由で、あなたのスマートフォンと接続することもできる。

スマートフォンのアプリを使うことで、Johnnie Walkerブルーラベルについての新しい知識を得ることができる。あなた個人にあてたプロモーション情報を得たり、酒造会社とコミュニケーションをとることもできる。

「メーカーは消費者と、より有意義な会話をすることができます」とThinfilm の最高責任者であるDavor Sutija氏はVentureBeatのインタビューで述べた。「私たちは、これに素晴らしい反応があることを期待しています」

Thinfilm, based in Oslo, Norway, is showing off the smart bottle and the printed electronics that it developed for the bottle at the Mobile World Congress event in Barcelona, Spain. The company recently announced a deal with Xerox that will enable Thinfilm to print billions of chips per year on tiny labels as part of its plan to track IoT devices.

Thinfilm has figured out how to print chips such as sensors on tags that can be attached to bottles. Using Thinfilm’s OpenSense technology, a smart bottle can detect both the sealed and open state of the bottle. The tags and sensor information they contain will allow Diageo to send personalized communications to consumers who read the tags with their smartphones.

ノルウェーのオスロに拠点を置くThinfilmは、このスマートボトルと、このボトルのために開発したプリンテッドエレクトロニクス技術を、スペインのバルセロナで開催されるMobile World Congressで展示する予定だ。また同社は先日、Xeroxとの提携も発表し、IoTデバイスを追跡する計画の一環として、微小ラベルに取り付けるチップを年間何十億もプリントすることになる。

Thinfilmは、タグに付けるセンサーのようなチップをプリントする方法を考案し、そのチップをボトルに付けることができるようになった。そして同社のOpenSense技術を使えば、スマートボトルは、密封されているか、それとも開栓されたことがあるのか、そのボトルの状態を検知することができる。また、Diageoはタグとセンサー情報を使って、スマートフォンでタグを読んだ消費者に対しカスタマイズされた情報を送ることができるようになる。