合成データ生成市場の2030年までの予測： コンポーネント別、展開モード別、提供別、モデリングタイプ別、データタイプ別、用途別、エンドユーザー別、地域別の世界分析

Stratistics MRCによると、世界の合成データ生成市場は2023年に3億7,245万米ドルを占め、2030年には22億2,616万米ドルに達すると予測され、予測期間中のCAGRは29.1％です。

実世界データの統計的特徴やパターンに酷似した、個人を特定できる情報を一切含まない人工データセットを作成するプロセスは、合成データ生成として知られています。この手順は、機械学習のような様々な領域で特に有用であり、大規模で多様なデータセットへのアクセスがモデルのテストやトレーニングに不可欠です。

米国医師会によると、包括的なヘルスケア政策を実施することは、質の高い医療サービスへの公平なアクセスを確保し、さまざまな人口集団にわたる患者の多様なニーズに対応するために不可欠です。

様々なトレーニングデータセットへの高まる要求

業界全体における機械学習アプリケーションの急激な増加により、信頼性が高く正確なモデルを学習するための広範で多様なデータセットに対する需要が高まっています。さらに、このニーズは、多様なデータセットを生成するスケーラブルな方法を提供する合成データ生成によって満たされており、機械学習アルゴリズムのトレーニング手順をより成功させ、効率化することを容易にしています。

評価指標と標準の欠如

合成データを作成・分析するための確立された手順がないため、人工的に作成されたデータセットの妥当性や品質を判断することが困難です。さらに、合成データの有効性と信頼性を評価し、さまざまな業界や用途にわたって透明で均一な慣行を保証するためには、普遍的に認識される評価基準を確立することが不可欠です。

特定の使用事例のためのパーソナライゼーション

特定の使用事例のための合成データ生成のカスタマイズは、重要な機会です。合成データセットが特定の産業、アプリケーション、または研究ドメインに酷似するように設計されていれば、機械学習モデルのトレーニングとテストをより効率的に行うことができます。さらに、これは実世界のデータだけでは達成することが難しいレベルの特異性を提供します。

不十分な代表性とバイアスの増幅

実世界データの真の多様性と複雑性を捉えることができない可能性は、合成データの作成に深刻な脅威をもたらします。合成データセットは、注意深く設計されなければ、バイアスを導入したり、対象領域で見られる特定のニュアンスを捉え損ねたりする可能性があります。さらに、その結果、モデルがうまく一般化されず、既存のバイアスが強化されることさえあります。

COVID-19の影響

COVID-19パンデミックは、その需要と運用力学への影響により、合成データ生成市場に大きな影響を与えました。一方では、リモートワークやデジタルトランスフォーメーションが重視されるようになったため、遠隔地での機械学習開発をサポートする合成データなどの最先端技術に対する需要が高まっています。しかし、予算の制約や景気の不透明感から投資を見直す組織もあり、市場の成長が鈍化する可能性もあります。また、パンデミックによる業界の混乱は、実世界のデータが得られないか実用的でない状況における合成データの価値を浮き彫りにしています。

予測分析分野は予測期間中最大になる見込み

予測期間中、予測分析分野が最大の市場シェアを占めると予想されます。統計的アルゴリズム、機械学習技術、および過去と現在のデータを使用することで、予測分析は、パターンと動向を発見することによって、企業が将来のイベントや結果を予測するのに役立ちます。さらにこの市場は、マーケティング、eコマース、金融、ヘルスケアなど多くの分野で人気が高まっており、企業がデータ主導の洞察に基づいて先を見越した意思決定を行うことの利点について参考資料が増えているためです。

BFSIセグメントは、予測期間中にCAGRが最も高くなると予想される

業界で最もCAGRが高いと予想されるのは、BFSI（銀行、金融サービス、保険）分野です。BFSI業界では、テストや開発のために機密性の高い金融データや顧客データを共有することに苦慮しているため、合成データはモデルのトレーニングや検証に不可欠なソリューションになりつつあります。さらに、BFSIにおけるアプリケーションには、リスク評価、不正検出、コンプライアンス・テストなどがあります。合成データは、データプライバシー規制の遵守を保証しつつ、イノベーションを促進します。

最大のシェアを占める地域

北米が最大の市場シェアを占めると予測されています。最先端技術の早期導入、大手業界プレイヤーの強固な存在感、機械学習と人工知能アプリケーションのための高度なエコシステムの開発などが、この地域の優位性の要因となっています。さらに、テクノロジー、ヘルスケア、金融、自動車などの分野でモデルの開発、テスト、トレーニングに合成データが利用されていることもあり、合成データ市場は米国で大きく成長しています。

CAGRが最も高い地域

合成データ生成市場では、アジア太平洋地域のCAGRが最も高くなると予測されています。合成データ需要の堅調な伸びは、同地域の人工知能への投資の増加、新興技術の急速な採用、技術主導型産業の存在感の高まりが一因となっています。さらに、中国、インド、日本、韓国のような国々では、ヘルスケア、金融、製造、小売を含む産業への応用が増加しており、合成データソリューションにとって良好な環境を作り出しています。

無料カスタマイズサービス

本レポートをご購読のお客様には、以下の無料カスタマイズオプションのいずれかをご利用いただけます：

• 企業プロファイル
  • 追加市場プレーヤーの包括的プロファイリング（3社まで）
  • 主要企業のSWOT分析（3社まで）
• 地域セグメンテーション
  • 顧客の関心に応じた主要国の市場推計・予測・CAGR（注：フィージビリティチェックによる）
• 競合ベンチマーキング
  • 製品ポートフォリオ、地理的プレゼンス、戦略的提携に基づく主要企業のベンチマーキング

目次

第1章 エグゼクティブサマリー

第2章 序文

• 概要
• ステークホルダー
• 調査範囲
• 調査手法
  • データマイニング
  • データ分析
  • データ検証
  • 調査アプローチ
• 調査ソース
  • 1次調査ソース
  • 2次調査ソース
  • 前提条件

第3章 市場動向分析

• 促進要因
• 抑制要因
• 機会
• 脅威
• アプリケーション分析
• エンドユーザー分析
• 新興市場
• COVID-19の影響

第4章 ポーターのファイブフォース分析

• 供給企業の交渉力
• 買い手の交渉力
• 代替品の脅威
• 新規参入業者の脅威
• 競合企業間の敵対関係

第5章 世界の合成データ生成市場：コンポーネント別

• ソリューション/プラットフォーム
• サービス
• その他のコンポーネント

第6章 世界の合成データ生成市場：展開モード別

• オンプレミス
• クラウド

第7章 世界の合成データ生成市場：提供別

• 完全に合成されたデータ
• 部分的に合成されたデータ
• ハイブリッド合成データ
• その他の製品

第8章 世界の合成データ生成市場：モデリングタイプ別

• ダイレクトモデリング
• エージェントベースのモデリング
• その他のモデリングタイプ

第9章 世界の合成データ生成市場：データタイプ別

• 表形式のデータ
• テキストデータ
• 画像およびビデオデータ
• 他のデータ型

第10章 世界の合成データ生成市場：用途別

• データ保護
• データ共有
• 予測分析
• 自然言語処理
• コンピュータビジョンアルゴリズム
• その他の用途

第11章 世界の合成データ生成市場：エンドユーザー別

• BFSI
• ヘルスケアとライフサイエンス
• 小売とeコマース
• 自動車と輸送
• 政府と防衛
• ITとITeS
• 製造業
• その他のエンドユーザー

第12章 世界の合成データ生成市場：地域別

• 北米
  • 米国
  • カナダ
  • メキシコ
• 欧州
  • ドイツ
  • 英国
  • イタリア
  • フランス
  • スペイン
  • その他欧州
• アジア太平洋地域
  • 日本
  • 中国
  • インド
  • オーストラリア
  • ニュージーランド
  • 韓国
  • その他アジア太平洋地域
• 南米
  • アルゼンチン
  • ブラジル
  • チリ
  • その他南米
• 中東とアフリカ
  • サウジアラビア
  • アラブ首長国連邦
  • カタール
  • 南アフリカ
  • その他中東とアフリカ

第13章 主な発展

• 契約、パートナーシップ、コラボレーション、合弁事業
• 買収と合併
• 新製品の発売
• 事業拡大
• その他の主要戦略

第14章 企業プロファイル

• IBM
• Google
• AWS
• TonicAI, Inc
• Hazy Limited
• Microsoft
• Gretel Labs, Inc
• Replica Analytics Ltd
• Datagen
• Informatica
• GenRocket, Inc
• YData Labs Inc
• TCS
• Replica Analytics Ltd

List of Tables

• Table 1 Global Synthetic Data Generation Market Outlook, By Region (2021-2030) ($MN)
• Table 2 Global Synthetic Data Generation Market Outlook, By Component (2021-2030) ($MN)
• Table 3 Global Synthetic Data Generation Market Outlook, By Solution/Platform (2021-2030) ($MN)
• Table 4 Global Synthetic Data Generation Market Outlook, By Services (2021-2030) ($MN)
• Table 5 Global Synthetic Data Generation Market Outlook, By Other Components (2021-2030) ($MN)
• Table 6 Global Synthetic Data Generation Market Outlook, By Deployment Mode (2021-2030) ($MN)
• Table 7 Global Synthetic Data Generation Market Outlook, By On-Premise (2021-2030) ($MN)
• Table 8 Global Synthetic Data Generation Market Outlook, By Cloud (2021-2030) ($MN)
• Table 9 Global Synthetic Data Generation Market Outlook, By Offering (2021-2030) ($MN)
• Table 10 Global Synthetic Data Generation Market Outlook, By Fully Synthetic Data (2021-2030) ($MN)
• Table 11 Global Synthetic Data Generation Market Outlook, By Partially Synthetic Data (2021-2030) ($MN)
• Table 12 Global Synthetic Data Generation Market Outlook, By Hybrid Synthetic Data (2021-2030) ($MN)
• Table 13 Global Synthetic Data Generation Market Outlook, By Other Offerings (2021-2030) ($MN)
• Table 14 Global Synthetic Data Generation Market Outlook, By Modeling Type (2021-2030) ($MN)
• Table 15 Global Synthetic Data Generation Market Outlook, By Direct Modeling (2021-2030) ($MN)
• Table 16 Global Synthetic Data Generation Market Outlook, By Agent-based Modeling (2021-2030) ($MN)
• Table 17 Global Synthetic Data Generation Market Outlook, By Other Modeling Types (2021-2030) ($MN)
• Table 18 Global Synthetic Data Generation Market Outlook, By Data Type (2021-2030) ($MN)
• Table 19 Global Synthetic Data Generation Market Outlook, By Tabular Data (2021-2030) ($MN)
• Table 20 Global Synthetic Data Generation Market Outlook, By Text data (2021-2030) ($MN)
• Table 21 Global Synthetic Data Generation Market Outlook, By Image and Video Data (2021-2030) ($MN)
• Table 22 Global Synthetic Data Generation Market Outlook, By Other Data Types (2021-2030) ($MN)
• Table 23 Global Synthetic Data Generation Market Outlook, By Application (2021-2030) ($MN)
• Table 24 Global Synthetic Data Generation Market Outlook, By Data Protection (2021-2030) ($MN)
• Table 25 Global Synthetic Data Generation Market Outlook, By Data Sharing (2021-2030) ($MN)
• Table 26 Global Synthetic Data Generation Market Outlook, By Predictive Analytics (2021-2030) ($MN)
• Table 27 Global Synthetic Data Generation Market Outlook, By Natural Language Processing (2021-2030) ($MN)
• Table 28 Global Synthetic Data Generation Market Outlook, By Computer Vision Algorithms (2021-2030) ($MN)
• Table 29 Global Synthetic Data Generation Market Outlook, By Other Applications (2021-2030) ($MN)
• Table 30 Global Synthetic Data Generation Market Outlook, By End User (2021-2030) ($MN)
• Table 31 Global Synthetic Data Generation Market Outlook, By BFSI (2021-2030) ($MN)
• Table 32 Global Synthetic Data Generation Market Outlook, By Healthcare & Life sciences (2021-2030) ($MN)
• Table 33 Global Synthetic Data Generation Market Outlook, By Retail and E-commerce (2021-2030) ($MN)
• Table 34 Global Synthetic Data Generation Market Outlook, By Automotive and Transportation (2021-2030) ($MN)
• Table 35 Global Synthetic Data Generation Market Outlook, By Government & Defense (2021-2030) ($MN)
• Table 36 Global Synthetic Data Generation Market Outlook, By IT and ITeS (2021-2030) ($MN)
• Table 37 Global Synthetic Data Generation Market Outlook, By Manufacturing (2021-2030) ($MN)
• Table 38 Global Synthetic Data Generation Market Outlook, By Other End Users (2021-2030) ($MN)

Note: Tables for North America, Europe, APAC, South America, and Middle East & Africa Regions are also represented in the same manner as above.

According to Stratistics MRC, the Global Synthetic Data Generation Market is accounted for $372.45 million in 2023 and is expected to reach $2226.16 million by 2030 growing at a CAGR of 29.1% during the forecast period. The process of creating artificial datasets devoid of any personally identifiable information that closely resembles the statistical traits and patterns of real-world data is known as synthetic data generation. This procedure is especially helpful in a variety of domains, like machine learning, where having access to sizable and varied datasets is essential for testing and training models.

According to the American Medical Association, implementing comprehensive healthcare policies is essential for ensuring equitable access to quality medical services and addressing the diverse needs of patients across different demographic groups.

Market Dynamics:

Driver:

Growing requirement for various training datasets

The demand for broad and varied datasets to train reliable and accurate models has increased due to the exponential rise in machine learning applications across industries. Additionally, this need is met by synthetic data generation, which offers a scalable way to produce diverse datasets, facilitating more successful and efficient machine learning algorithm training procedures.

Restraint:

Absence of evaluation metrics and standards

The lack of established procedures for creating and analyzing synthetic data makes it difficult to judge the appropriateness and caliber of datasets that have been created artificially. Furthermore, it is imperative to establish metrics that are universally recognized in order to assess the efficacy and dependability of synthetic data and guarantee transparent and uniform practices across various industries and applications.

Opportunity:

Personalization for particular use cases

The customization of synthetic data generation for particular use cases represents a significant opportunity. More efficient training and testing of machine learning models is possible when synthetic datasets are designed to closely resemble specific industries, applications, or research domains. Moreover, this provides a level of specificity that may be difficult to attain with real-world data alone.

Threat:

Insufficient representativeness and amplification of bias

The potential inadequacy of capturing the true diversity and complexity of real-world data poses a serious threat to the creation of synthetic data. Synthetic datasets can introduce biases or fail to capture particular nuances found in the target domain if they are not carefully designed. Additionally, this can result in models that do not generalize well and can even reinforce preexisting biases.

Covid-19 Impact:

Due to its impact on demand and operational dynamics, the COVID-19 pandemic has had a major effect on the synthetic data generation market. On the one hand, the demand for cutting-edge technologies, such as synthetic data, to support machine learning development remotely has increased due to the growing emphasis on remote work and digital transformation. However, some organizations have re-evaluated their investments due to budgetary constraints and economic uncertainties, which may slow down market growth. Industry disruptions caused by the pandemic have also highlighted the value of synthetic data in situations where real-world data is either unobtainable or impractical.

The Predictive Analytics segment is expected to be the largest during the forecast period

During the projected period, the predictive analytics segment is expected to hold the largest market share. With the use of statistical algorithms, machine learning techniques, and historical and current data, predictive analytics helps businesses anticipate future events and outcomes by spotting patterns and trends. Furthermore, this market has grown in popularity in a number of sectors, such as marketing, e-commerce, finance, and healthcare, as companies learn more and more about the benefits of making proactive decisions based on data-driven insights.

The BFSI segment is expected to have the highest CAGR during the forecast period

The industry's highest CAGR is anticipated for the BFSI (banking, financial services, and insurance) sector. Synthetic data is becoming a more vital solution for model training and validation as the BFSI industry struggles to share sensitive financial and customer data for testing and development. Additionally, applications in BFSI include risk assessment, fraud detection, and compliance testing. Synthetic data promotes innovation while guaranteeing adherence to data privacy regulations.

Region with largest share:

It is projected that North America will command the largest market share. The early adoption of cutting-edge technologies, the robust presence of major industry players, and the development of an advanced ecosystem for machine learning and artificial intelligence applications are all factors contributing to the region's dominance. Moreover, in large part due to the use of synthetic data for model development, testing, and training by sectors including technology, healthcare, finance, and automotive, the synthetic data market has grown significantly in the United States.

Region with highest CAGR:

In the market for synthetic data generation, Asia-Pacific is anticipated to have the highest CAGR. The robust growth in demand for synthetic data is partly explained by the region's increasing investments in artificial intelligence, rapid adoption of emerging technologies, and growing presence of tech-driven industries. Furthermore, applications in industries including healthcare, finance, manufacturing, and retail are increasing in nations like China, India, Japan, and South Korea, creating a good environment for synthetic data solutions.

Key players in the market

Some of the key players in Synthetic Data Generation market include IBM, Google, AWS, TonicAI, Inc, Hazy Limited, Microsoft, Gretel Labs, Inc, Replica Analytics Ltd, Datagen, Informatica, GenRocket, Inc, YData Labs Inc, TCS and Replica Analytics Ltd.

Key Developments:

In January 2024, Google India Digital Services and NPCI International Payments (NIPL), a wholly-owned subsidiary of the National Payments Corporation of India (NPCI) have signed a Memorandum of Understanding (MoU) to enable UPI transactions outside India. The MoU seeks to broaden the use of UPI payments for Indian travellers to make transactions abroad. It also aims to establish UPI-like digital payment systems in other countries, providing a model for seamless financial transactions.

In January 2024, Amazon Web Services (AWS) looks set to make more money on three multi-million pound government contracts that went live on the same day in December 2023 than it has previously amassed through its decade-long involvement with the G-Cloud procurement framework. The public cloud giant signed three 36-month contracts with several different major government departments that all went live on 1 December 2023, including one valued at £350m with HM Revenue and Customs and another worth £94m with the Department for Work and Pensions.

In January 2024, Microsoft and Vodafone announced a significant 10-year strategic partnership aimed at driving digital transformation for businesses and consumers across Europe and Africa, leveraging their combined strengths in technology and connectivity. The collaboration will focus on enhancing Vodafone's customer experience through Microsoft's AI, expanding Vodafone's managed IoT connectivity platform, developing new digital and financial services for SMEs, and revamping Vodafone's global data center strategy.

Components Covered:

• Solution/Platform
• Services
• Other Components

Deployment Modes Covered:

• On-Premise
• Cloud

Offerings Covered:

• Fully Synthetic Data
• Partially Synthetic Data
• Hybrid Synthetic Data
• Other Offerings

Modeling Types Covered:

• Direct Modeling
• Agent-based Modeling
• Other Modeling Types

Data Types Covered:

• Tabular Data
• Text data
• Image and Video Data
• Other Data Types

Applications Covered:

• Data Protection
• Data Sharing
• Predictive Analytics
• Natural Language Processing
• Computer Vision Algorithms
• Other Applications

End Users Covered:

• BFSI
• Healthcare & Life sciences
• Retail and E-commerce
• Automotive and Transportation
• Government & Defense
• IT and ITeS
• Manufacturing
• Other End Users

Regions Covered:

• North America
  • US
  • Canada
  • Mexico
• Europe
  • Germany
  • UK
  • Italy
  • France
  • Spain
  • Rest of Europe
• Asia Pacific
  • Japan
  • China
  • India
  • Australia
  • New Zealand
  • South Korea
  • Rest of Asia Pacific
• South America
  • Argentina
  • Brazil
  • Chile
  • Rest of South America
• Middle East & Africa
  • Saudi Arabia
  • UAE
  • Qatar
  • South Africa
  • Rest of Middle East & Africa

What our report offers:

• Market share assessments for the regional and country-level segments
• Strategic recommendations for the new entrants
• Covers Market data for the years 2021, 2022, 2023, 2026, and 2030
• Market Trends (Drivers, Constraints, Opportunities, Threats, Challenges, Investment Opportunities, and recommendations)
• Strategic recommendations in key business segments based on the market estimations
• Competitive landscaping mapping the key common trends
• Company profiling with detailed strategies, financials, and recent developments
• Supply chain trends mapping the latest technological advancements

Free Customization Offerings:

All the customers of this report will be entitled to receive one of the following free customization options:

• Company Profiling
  • Comprehensive profiling of additional market players (up to 3)
  • SWOT Analysis of key players (up to 3)
• Regional Segmentation
  • Market estimations, Forecasts and CAGR of any prominent country as per the client's interest (Note: Depends on feasibility check)
• Competitive Benchmarking
  • Benchmarking of key players based on product portfolio, geographical presence, and strategic alliances

Table of Contents

1 Executive Summary

2 Preface

• 2.1 Abstract
• 2.2 Stake Holders
• 2.3 Research Scope
• 2.4 Research Methodology
  • 2.4.1 Data Mining
  • 2.4.2 Data Analysis
  • 2.4.3 Data Validation
  • 2.4.4 Research Approach
• 2.5 Research Sources
  • 2.5.1 Primary Research Sources
  • 2.5.2 Secondary Research Sources
  • 2.5.3 Assumptions

3 Market Trend Analysis

• 3.1 Introduction
• 3.2 Drivers
• 3.3 Restraints
• 3.4 Opportunities
• 3.5 Threats
• 3.6 Application Analysis
• 3.7 End User Analysis
• 3.8 Emerging Markets
• 3.9 Impact of Covid-19

4 Porters Five Force Analysis

• 4.1 Bargaining power of suppliers
• 4.2 Bargaining power of buyers
• 4.3 Threat of substitutes
• 4.4 Threat of new entrants
• 4.5 Competitive rivalry

5 Global Synthetic Data Generation Market, By Component

• 5.1 Introduction
• 5.2 Solution/Platform
• 5.3 Services
• 5.4 Other Components

6 Global Synthetic Data Generation Market, By Deployment Mode

• 6.1 Introduction
• 6.2 On-Premise
• 6.3 Cloud

7 Global Synthetic Data Generation Market, By Offering

• 7.1 Introduction
• 7.2 Fully Synthetic Data
• 7.3 Partially Synthetic Data
• 7.4 Hybrid Synthetic Data
• 7.5 Other Offerings

8 Global Synthetic Data Generation Market, By Modeling Type

• 8.1 Introduction
• 8.2 Direct Modeling
• 8.3 Agent-based Modeling
• 8.4 Other Modeling Types

9 Global Synthetic Data Generation Market, By Data Type

• 9.1 Introduction
• 9.2 Tabular Data
• 9.3 Text data
• 9.4 Image and Video Data
• 9.5 Other Data Types

10 Global Synthetic Data Generation Market, By Application

• 10.1 Introduction
• 10.2 Data Protection
• 10.3 Data Sharing
• 10.4 Predictive Analytics
• 10.5 Natural Language Processing
• 10.6 Computer Vision Algorithms
• 10.7 Other Applications

11 Global Synthetic Data Generation Market, By End User

• 11.1 Introduction
• 11.2 BFSI
• 11.3 Healthcare & Life sciences
• 11.4 Retail and E-commerce
• 11.5 Automotive and Transportation
• 11.6 Government & Defense
• 11.7 IT and ITeS
• 11.8 Manufacturing
• 11.9 Other End Users

12 Global Synthetic Data Generation Market, By Geography

• 12.1 Introduction
• 12.2 North America
  • 12.2.1 US
  • 12.2.2 Canada
  • 12.2.3 Mexico
• 12.3 Europe
  • 12.3.1 Germany
  • 12.3.2 UK
  • 12.3.3 Italy
  • 12.3.4 France
  • 12.3.5 Spain
  • 12.3.6 Rest of Europe
• 12.4 Asia Pacific
  • 12.4.1 Japan
  • 12.4.2 China
  • 12.4.3 India
  • 12.4.4 Australia
  • 12.4.5 New Zealand
  • 12.4.6 South Korea
  • 12.4.7 Rest of Asia Pacific
• 12.5 South America
  • 12.5.1 Argentina
  • 12.5.2 Brazil
  • 12.5.3 Chile
  • 12.5.4 Rest of South America
• 12.6 Middle East & Africa
  • 12.6.1 Saudi Arabia
  • 12.6.2 UAE
  • 12.6.3 Qatar
  • 12.6.4 South Africa
  • 12.6.5 Rest of Middle East & Africa

13 Key Developments

• 13.1 Agreements, Partnerships, Collaborations and Joint Ventures
• 13.2 Acquisitions & Mergers
• 13.3 New Product Launch
• 13.4 Expansions
• 13.5 Other Key Strategies

14 Company Profiling

• 14.1 IBM
• 14.2 Google
• 14.3 AWS
• 14.4 TonicAI, Inc
• 14.5 Hazy Limited
• 14.6 Microsoft
• 14.7 Gretel Labs, Inc
• 14.8 Replica Analytics Ltd
• 14.9 Datagen
• 14.10 Informatica
• 14.11 GenRocket, Inc
• 14.12 YData Labs Inc
• 14.13 TCS
• 14.14 Replica Analytics Ltd