Un round da 97 milioni di dollari, guidato da New Enterprise Associates con la partecipazione di DRW, Redpoint Ventures e Tribe Capital, ha portato Databento al centro della scena fintech. La startup si propone di costruire quella che definisce la piattaforma di dati di mercato per la finanza moderna, in aperta competizione con il terminale Bloomberg. La domanda degli investitori è stata tale da rendere il round oversubscribed, segnale che il mercato vede margini per un’alternativa credibile.

Dietro questa raccolta c’è una tesi dirompente: il terminale Bloomberg, con la sua interfaccia monolitica e i costi elevati, rappresenta un modello novecentesco, mentre le istituzioni finanziarie hanno bisogno di dati granulari, accessibili via API e integrabili in pipeline software proprietarie. Non si tratta solo di risparmio sul canone: la vera posta in gioco è il controllo del dato e la capacità di addestrare o interrogare modelli di intelligenza artificiale su informazioni di mercato in tempo reale e storiche.

Per i team che operano nell’ambito dei Large Language Models e dell’analisi quantitativa, la differenza è strutturale. Un terminale impone un consumo passivo; una piattaforma API-first come Databento consente di alimentare direttamente framework di backtesting, esecuzione algoritmica e inference LLM senza manipolazioni intermedie. Chi sviluppa soluzioni on-premise, in particolare, guadagna un tassello che oggi manca: un flusso dati normalizzato e programmabile, che può risiedere su infrastruttura locale e sottostare a policy di data residency senza dipendere da appliance proprietarie.

Il nodo della sovranità è cruciale. Banche e asset manager devono confrontarsi con normative stringenti su dove e come i dati finanziari vengono elaborati. L’approccio di Bloomberg – dati visibili solo dentro un ecosistema chiuso, spesso su terminali in cloud o su hardware dedicato – non è compatibile con l’esigenza di tenere modelli e dati nello stesso perimetro on-premise, specialmente quando si fa fine-tuning di LLM su dati di mercato sensibili. Databento promette licenze di utilizzo e flessibilità di deployment che, se ben implementate, spostano l’ago della bilancia verso architetture self-hosted.

Non si tratta di una semplice guerra tra fornitori. L’operazione segnala un cambiamento negli incentivi: il valore non sta più nell’esclusività dell’accesso, ma nella capacità di comporre sorgenti dati come mattoni di un’infrastruttura AI proprietaria. I trader quantitativi e le divisioni di ricerca delle grandi banche sono già abituati a costruire i propri stack, ma fino a oggi dovevano aggirare il problema dell’ingestione dei dati di mercato con soluzioni ibride costose e fragili. L’emergere di un attore puro come Databento, con capitalizzazione solida, potrebbe accelerare la disaggregazione del classico desktop finanziario.

Ci guadagna chi ha già investito in competenze interne di MLOps e in hardware per inference (GPU, server con ampia VRAM, storage a bassa latenza), perché può finalmente sfruttare dati di qualità istituzionale senza vincoli di licenza soffocanti. Ci perde chi ha costruito business sulla rivendita o sulla distribuzione chiusa di dati, e naturalmente lo stesso Bloomberg, se la migrazione verso API-first diventerà strutturale. Resta da capire se Databento riuscirà a coprire le asset class e la profondità storica che rendono il terminale Bloomberg uno standard di fatto; ma il capitale raccolto suggerisce che per la prima volta la minaccia è presa sul serio.