Hvordan en akademisk partner kan hjælpe dig med at validere dit startups produkt

Videnskabelig validering er en afgørende milepæl for startups, der søger at opbygge en succesfuld forretning. Ved at teste hypoteserne, som deres produkter er bygget på, kan teknologiorienterede grundlæggere mindske risici, øge deres appel til investorer, opretholde lovmæssig overholdelse, fremme kundetillid og forbedre deres markedsføringsstrategier.

Men selvom valideringsprocessen kan møde flere hindringer, kan den også fungere som en konkurrencemæssig fordel og som en demonstration af startups kompromisløse engagement i at bygge kvalitetsprodukter. Dette kan ske på grund af dataunderskud, begrænsede ressourcer og mangel på ekspertise. Her er en seks-trins guide for startups til at øge deres chancer for at lykkes med videnskabelig validering af deres teknologi, en nødvendig forudsætning for en selvbevidst produktlancering.

1. Definer din teknologi og målgruppe

Begynd med en præcis definition af teknologien og dens foreslåede funktion. Hvis dine koncepter er uklare, skal du gennemføre en grundig research på emnet for at sikre, at du forstår markedet. Præcision er afgørende, og det er vigtigt at opnå høje niveauer af præcision i dine resultater for at kunne gå videre til næste trin.

For at samle de mest relevante studier til dit projekt, skal du først fokusere på de studier, der løser et bestemt problem, og derefter dykke ned i de forskellige aspekter af emne-relaterede problemer. At gennemføre pålidelige studier er en svær opgave, da der knapt er en universel løsning på noget bestemt problem. Når du har identificeret nogle studier, er der mere due diligence nødvendig. Vær forberedt på at tjekke:

• Open-sourced kode. Det giver dig mulighed for at tjekke din idé med mindre indsats, hvilket vil spare dig tid. Koden giver dig alle mulige detaljer om de potentielle implementeringer, noget som kan være let at overse på papir. Dette er også et godt tegn på et godt studie i almindelighed.

• Citationer. Hvis et studie ofte citeres i andre studier, er der en højere chance for, at du kan bruge dets idéer til dit projekt.

2. Optæl dine resultater og del dem med markedet og investorerne

Når du har målt dine resultater, skal du dele dem med dine interessenter og med markedet i almindelighed. Skriv en artikel, der indeholder de data og resultater, der er samlet, da dette vil fungere som en bekræftelse på din research. Denne proces giver ikke kun en konkrekt optegnelse af dit arbejde, men lægger også grundlaget for fremtidige undersøgelser.

Når det kommer til at investere i et selskab, fungerer det også som en form for ekstern validering, som er en kritisk og højværdig faktor for investorer. Investorer er meget tiltrukket af troværdighed.

For eksempel skrev vi en preprint, der er en videnskabelig artikel, der kan offentliggøres online, før den er peer-reviewet, og i denne preprint diskuterede vi det arbejde, der var blevet udført på det emne, vi forskede i, og hvorfor verden har brug for det. Preprinten er, som man kunne sige, begyndelsen på en videnskabelig artikel. Den indeholdt også vores metode, og derefter gik vi videre til eksperimentet, som er den tredje del af preprinten. Her forklarede vi, hvordan vi indsamlede vores data, hvad vores første resultater var, og om de validerede vores hypotese. Efter en succesfuld præsentation af preprinten til Harvard Medical School uden forudgående offentliggørelse, nåede vi en aftale om at samarbejde om et fælles forskningsprojekt.

3. Skriv en videnskabelig eller akademisk artikel

I den akademiske verden indebærer processen typisk offentliggørelse af en artikel i en anerkendt tidsskrift og derefter promotion af den ved videnskabelige konferencer. Dette eksponering fører ofte til, at andre forskere engagerer sig i fællesskabet, opnår værdifulde indsighter, kontinuerligt forbedrer teknologien og, naturligvis, citerer dit arbejde i deres egne undersøgelser, hvilket øger dit h-index, en afgørende metrik for PhD-studerende, professorer og alle, der forfølger en akademisk forskningskarriere.

Selv hvis dit startup ikke lykkes, kan offentliggørelse af artikler under dit navn åbne døre til bedre jobmuligheder. Det fungerer også som en form for forsikring. Med patenter og videnskabelige artikler under dit navn har du potentialet til at lande attraktive roller, som at blive den nye leder af en ingeniørgruppe, der fokuserer på innovation og nye udviklinger. Hvem ved, hvor din karrierevej vil føre dig?

Derudover tilføjer offentliggørelse af artikler troværdighed til dit arbejde inden for den videnskabelige fællesskab og åbner op for muligheder for rekruttering og opbygning af virksomhedens HR-brand.

4. Find partnere til at formulerer en hypotese om din teknologis effektivitet

Da vi dykker ned i effektiviteten af den teknologi, du udvikler, er det vigtigt at overveje at samarbejde med akademiske eller forskningsinstitutioner for yderligere at autentificere teknologien og udvide dens indvirkning. Hvis dette ikke er muligt, overvej at finde en anden partner til at hjælpe med at udvide studiet ved at øge datamængden.

For eksempel udviklede vi først en specialversion af Neatsy-appen, der var designet specifikt til Harvard Medical School. Dette var en nedskaleret version af Neatsy-applikationen, men det hjalp forskerne ved Harvard med at indsamle data hurtigere, så de startede med at indsamle information om patienter og fik skriftlig samtykke fra dem, så de deltog i et videnskabeligt eksperiment.

Når du forhandler med akademiske partnere, husk, at de har deres egne mål, ligesom du har dine egne. I nogle tilfælde er det akademiske institutions mål at offentliggøre mere kvalitetspapir for at forbedre deres bidrag til videnskaben og fremme deres karriere ved at forbedre deres h-index, som beregnes på baggrund af, hvor mange artikler de har offentliggjort, og hvor ofte disse artikler citeres. I simple vendinger er det et mål for artikelkvalitet og en indikator for, hvor berømt forfatteren er.

5. Design eksperimenter

Eksperimentel validering hjælper med at mindske en startups risiko ved at bekræfte produktets levedygtighed, før det rammer markedet. Design af eksperimentet er et fælles ansvar for både virksomheden og den akademiske partner. Virksomhedens ingeniører kender til, hvordan teknologien fungerer, og hvilket miljø der er nødvendigt for, at den kan trives. De akademiske partnere kender til, hvordan de kan gennemføre eksperimenterne og hvilke begrænsninger de har på deres side.

For eksempel skulle vores hele eksperiment godkendes af IRB, der står for Institutional Review Board, før projektet kunne starte. Dette er en særlig etisk vurderingskomité, som hver medicinsk skole har, for at garantere, at menneskerettighederne respekteres i studiet.

Før du starter et nyt eksperiment, der vil tilfredsstille begge hold, skal du tydeligt fastlægge eksperimentets mål, regler og begrænsninger for forskningsaktivitetsprocessen. Dette vil hjælpe dig med at holde linje med de aftaler, der er etableret med samarbejdspartnere. God kommunikation med den akademiske partner under eksperimenterne er afgørende.

Mål kan variere. For eksempel kan et eksperiment være designet til at opnå en kvalitetsniveau, der kan gøre det muligt at flytte teknologien ind i produktionen ved slutningen af studiefasen. For at balancere videnskabelig rigor med startups behov for hastighed, skal du have tids- og budgetmæssige begrænsninger. Desværre kan ikke hver idé implementeres, og det er vigtigt at finde det punkt, hvor du skal stoppe.

6. Validering af resultaterne

Når du validerer resultaterne, skal du huske, at data kan stadig være forvrængede. Dette betyder, at de modtagne data ikke repræsenterer, hvad de skal repræsentere. For eksempel skal alle aldersgrupper være repræsenteret i datasættet, men hvis der kun er unge mennesker, er resultaterne ikke pålidelige for ældre mennesker. Som regel er det dem, der gennemfører forsøgene, der bekymrer sig om dette aspekt og vil verificere datasættene efterfølgende for at forhindre disse forvrængninger i at dukke op.

Der er en anden type forsøg, der indsamler data til teknologiudvikling og samtidig validering. Men denne tilgang har generelt et problem med overfitning. Dette sker, når algoritmen bliver god på en bestemt datasæt. Der er forskellige maskinlærings-teknikker til at undgå denne overfitning, og dette er fuldstændigt ingeniørernes ansvar. Det eneste, som dem, der gennemfører studiet, kan gøre her, er at insisterer på at indsamle en uafhængig datasæt til at teste den endelige model.

For at give incitamenter til deltagere og øge deres tilmeldingsrate, skal du give mulighed for at få vouchers, kontanter eller gaver. Det gjorde vi på Harvard. Studiedetaljerne blev offentliggjort på en studenter-orienteret hjemmeside, der gav dem mulighed for at få en voucher til at købe sneakers, hvis de kom og lod os tage nogle billeder. Muligheden gik viralt, og vores studie fik en enorm indsigt som følge.

Når du har gjort dette, er her en sidste påmindelse, der ikke kan skade at understrege. Husk det andet trin, glem ikke at optælle alle data og observationer for at sikre, at din analyse er nøjagtig.