Πώς οι VC μπορούν να αναγνωρίσουν επενδύσεις υψηλού потенταλίου χρησιμοποιώντας την Τεχνητή Νοημοσύνη

Từ Upal Basu, Συνεργάτης στο NGP Capital

Η επένδυση σε κεφάλαια επιχειρηματικότητας είναι όλα για την πραγματοποίηση εκπαιδευμένων στοιχημάτων. Λέγεται ότι είναι η πιο επικίνδυνη κατηγορία επενδύσεων, поскольку πάνω από 90% των startups αποτυγχάνουν. Αλλά τι κάνει την επένδυση σε κεφάλαια επιχειρηματικότητας τόσο επικίνδυνη; Μέρος του λόγου είναι η έλλειψη πληροφοριών σχετικά με τις επενδύσεις. Απλώς δεν ξέρετε πώς η ομάδα θα εκτελέσει, αν το προϊόν θα δουλέψει ή πώς η αγορά θα αναπτυχθεί. Το μέλλον κάθε εταιρείας στις πρώτες φάσεις του κύκλου ζωής της περιέχει μια σειρά από “γνωστές άγνωστες” και “άγνωστες άγνωστες”.

Πώς να εκπαιδεύσουμε τους εαυτούς μας ή να μειώσουμε τις άγνωστες;

Τα δεδομένα της εταιρείας μπορούν να διαιρεθούν περίπου σε ιδιωτικά και δημόσια. Όταν συλλέγουμε πληροφορίες και αξιολογούμε startups, οι επενδυτές σε κεφάλαια επιχειρηματικότητας συνήθως ζητούν από την εταιρεία να τους παρέχει ιδιωτικά δεδομένα σχετικά με τις οικονομικές και την ανάπτυξη. Κάνουν την due diligence για κάθε εταιρεία με βάση αυτά που λαμβάνουν. Nhưng υπάρχει και μια πλούσια δημόσια δεδομένα για τις εταιρείες σήμερα, καθώς όλες αφήνουν πίσω τους einen ψηφιακό αποτύπωμα που μπορεί να αναλυθεί.

Το άγιον δισκοπότηρο για τους VC είναι να γνωρίζουν τρία πράγματα για μια εταιρεία: αν η εταιρεία είναι πιθανό να εκτελεστεί καλά στο μέλλον, πώς θα αναπτυχθεί η αξία της και αν θα κάνει fundraising σε οποιοδήποτε σημείο. Στο πρόσφατο παρελθόν, αυτό ήταν μόνο ένα όνειρο. Αλλά σήμερα, είναι πιο δυνατό από ποτέ να λάβουμε αυτή τη種 πληροφορίες, ή τουλάχιστον να λάβουμε αξιόπιστες εκτιμήσεις, χάρη στις μηχανές μάθησης (ML) και τους αλγόριθμους Τεχνητής Νοημοσύνης που επιτρέπουν στους VC να ανακαλύψουν εταιρείες που εκτελούνται καλά με βάση τα δημόσια διαθέσιμα δεδομένα.

Τα δεδομένα αξιολόγησης μιας εταιρείας είναι το πιο δύσκολο είδος πληροφοριών να ληφθούν, επειδή οι ακριβείς τιμές σπάνια υπάρχουν (εκτός των ΗΠΑ). Όταν υπάρχουν, δεν είναι πάντα δημόσιες πληροφορίες. Ευτυχώς, οι πρόσφατες προόδους στις ML και Τεχνητή Νοημοσύνη μας επιτρέπουν όλο και περισσότερο να προβλέψουμε την ανάπτυξη και την αξιολόγηση μιας εταιρείας με τον καιρό.

Στο NGP Capital, abbiamo αναλύσει αυτό το θέμα πολύ βαθιά. Έχουμε αναγνωρίσει τουλάχιστον 600 διαφορετικά ενδείξεις που μπορούν να χρησιμεύσουν ως πολύτιμα σήματα για την πρόβλεψη της μελλοντικής απόδοσης μιας εταιρείας, της αξιολόγησής της και της δραστηριότητας fundraising. Τότε κατηγοριοποιήσαμε αυτές τις ενδείξεις σε κρίσιμες περιοχές πληροφοριών που μπορούμε να χρησιμοποιήσουμε όταν αξιολογούμε εταιρείες πριν τις επικοινωνήσουμε.

Εδώ είναι τα ευρήματά μας:

Από τις 600 ενδείξεις που εξέτασαμε, οι 25 από αυτές βγήκαν στην κορυφή για την πρόβλεψη μιας VC up-round. Αυτές οι 25 ενδείξεις μας λένε κάποια πράγματα;

Το έτος ίδρυσης μιας εταιρείας είναι η κορυφαία ένδειξη. Οι εταιρείες τείνουν να αυξάνουν τις финансиικές τους στροφές πιο συχνά στις πρώτες φάσεις του κύκλου ζωής τους παρά στις τελευταίες. Οι τελευταίες εταιρείες, από την άλλη πλευρά, τείνουν να αυξάνουν μεγαλύτερες στροφές. Το μοντέλο που κατασκευάσαμε επικεντρώνεται στην πρόβλεψη της πιθανότητας να αυξηθεί μια up-round, όχι το μέγεθος της στροφής. Αξίζει να τονιστεί ότι, αν και οι προηγούμενες πληροφορίες χρηματοδότησης δεν παρέχουν ένα πραγματικό σήμα, είναι κρίσιμες πληροφορίες, καθώς δείχνουν την ορμή πίσω από την εταιρεία. Ωστόσο, πηγές δεδομένων όπως η κυκλοφορία του ιστότοπου, η αύξηση του προσωπικού, η παρουσία στα μέσα ενημέρωσης κ.λπ. τείνουν να συσχετίζονται ισχυρά με την ανάπτυξη και μπορούν να ενημερωθούν σε πραγματικό χρόνο, το οποίο μας δίνει πληροφορίες για το τι συμβαίνει μέσα στις εταιρείες μεταξύ των στροφών χρηματοδότησης που είναι περισσότερες μοναδικές εκδηλώσεις.

Ενδιαφέρον είναι ότι μια ισχυρή παρουσία στα μέσα ενημέρωσης και στις δημόσιες σχέσεις τείνει να τρέχει παράλληλα με την ισχυρή ανάπτυξη, ακόμη περισσότερο από την αύξηση του προσωπικού και το ρυθμό προσλήψεων. Ένας άλλος κρίσιμος δείκτης είναι η τοποθεσία. Βλέπουμε ότι οι εταιρείες με έδρα τις ΗΠΑ είναι πιο πιθανό να κάνουν fundraising παρά οι εταιρείες σε άλλες γεωγραφικές περιοχές. Αυτό μπορεί να οφείλεται σε πολιτιστικούς λόγους και επειδή οι εταιρείες των ΗΠΑ τείνουν να έχουν καλύτερη άμεση πρόσβαση στο κεφάλαιο.

Εξέτασαμε ολόκληρο το σύνολο δεδομένων και βρήκαμε οκτώ κρίσιμες κατηγορίες δεδομένων που παρέχουν πολύτιμες πληροφορίες για την μελλοντική απόδοση μιας εταιρείας, την αξιολόγησή της και την πιθανότητα να κάνει fundraising στο μέλλον.

• Μέσα ενημέρωσης: Είναι εκπληκτικό ότι αυτό το στοιχείο βγήκε στην κορυφή. Περίμενα ότι η αύξηση του προσωπικού θα ήταν ένας ισχυρότερος δείκτης, αλλά δεν είναι ούτε το ένα τρίτο τόσο ισχυρός όσο η παρουσία στα μέσα ενημέρωσης, η κυκλοφορία του ιστότοπου και οι δημόσιες σχέσεις. Eine ισχυρή παρουσία στα μέσα ενημέρωσης είναι συχνά ένα σημάδι αυξανόμενης απόκτησης πελατών και βάσης χρηστών.
• Προηγούμενη χρηματοδότηση: η χρηματοδότηση έχει μεγάλη σημασία και είναι ένας κρίσιμος ενεργοποιητής για την ανάπτυξη μιας εταιρείας με τον καιρό. Ωστόσο, οι εταιρείες μπορούν επίσης να αναπτυχθούν χωρίς χρηματοδότηση, και νέα δεδομένα συλλέγονται μόνο σε νέες στροφές χρηματοδότησης, οι οποίες μπορεί να είναι πολύ αργές για να είναι ενεργές
• Βιομηχανία/θέμα: Το τι κάνει μια εταιρεία και σε ποια αγορά βρίσκεται έχει σημασία. Ορισμένες βιομηχανίες τείνουν να αυξάνουν πολύ περισσότερο κεφάλαιο από άλλες. Για παράδειγμα, οι εταιρείες που βασίζονται στο λογισμικό τείνουν να αυξάνουν περισσότερο από τους παρόχους υπηρεσιών.
• Βασικά: Τα βασικά αναφέρονται στα στατικά χαρακτηριστικά μιας εταιρείας, όπως η τρέχουσα κατάσταση της λειτουργίας, η περιοχή της έδρας και η χώρα, καθώς και ο χρόνος από την ίδρυση
• Αύξηση προσωπικού: ο ρυθμός προσλήψεων μιας εταιρείας είναι ένας σίγουρος δείκτης ανάπτυξης. Ωστόσο, υπάρχουν περιπτώσεις όπου οι εταιρείες μπορούν να κλιμακωθούν χωρίς μια μεγάλη βάση ανθρώπινου κεφαλαίου – ο κλάδος των βιντεοπαιχνιδιών είναι ένα εξαιρετικό παράδειγμα. Υπάρχει επίσης ένα ανοιχτό ερώτημα αν η αύξηση του προσωπικού είναι μια συνέπεια της χρηματοδότησης παρά του αποτελέσματος.
• Ομάδα: το ιστορικό της ομάδας είναι πολύ σημαντικό – γνωρίζουμε ότι οι σειριακοί ιδρυτές τείνουν να αυξάνουν περισσότερο και να οδηγούν σε καλύτερα αποτελέσματα. Ωστόσο, φαίνεται ότι η σχετική σημασία είναι πολύ χαμηλότερη από ορισμένα άλλα στοιχεία που λαμβάνουμε υπόψη.
• Σήματα: τα σήματα αναφέρονται σε πραγματικά ταξινομημένα γεγονότα ειδήσεων και στάση γύρω από την εταιρεία. Φέρνουν περισσότερη αξία στην ανάλυση, αλλά η χαμηλότερη επίδραση μπορεί να δείξει ότι είναι δύσκολο να γνωρίζουμε αν οι ειδήσεις είναι πραγματικά επηρεαστικές ή κυρίως θόρυβος.
• Επενδυτές: ο συνδικάτος επενδυτών έχει σημασία σε κάποιο βαθμό ως ενεργοποιητής ανάπτυξης. Ένας ισχυρός συνδικάτος επενδυτών συνήθως συσχετίζεται με καλή διακυβέρνηση και υψηλή απόδοση, αλλά τα δεδομένα μας δείχνουν ότι υπάρχουν πολλά κρυφά αγαθά μεταξύ των εταιρειών

Αυτές οι οκτώ κατηγορίες δείχνουν περίπου πώς μια εταιρεία κάνει με βάση τα δημόσια διαθέσιμα δεδομένα. Επίσης, χρησιμεύουν ως οδηγός για τους επιχειρηματίες που θέλουν να βελτιώσουν τα δημόσια διαθέσιμα δεδομένα για τις εταιρείες τους, чтобы να αυξήσουν τις πιθανότητες να κάνουν fundraising, γίνοντας όλο και περισσότερο ανακαλύψιμες από τους αλγόριθμους Τεχνητής Νοημοσύνης. Αν και έχουμε καλύψει μόνο τις 25 κορυφαίες ενδείξεις εδώ, είναι καλό να θυμόμαστε ότι υπάρχει μια μακρά ουρά 575 άλλων ενδείξεων που δείχνουν πώς μια εταιρεία εκτελείται και που οι VC μπορούν να προβλέψουν την δημιουργία αξίας και την ανάπτυξη με τον καιρό.

Μέσω αυτών των δεδομένων, η συμπεριφορά κοπαδιού γύρω από τους κορυφαίους επενδυτές και τους σειριακούς ιδρυτές που είναι τόσο τυπική για τη βιομηχανία VC δηλώνεται ως một μύθος. Αυτό δεν σημαίνει ότι δεν είναι ένας καλός δρόμος να ακολουθήσετε, αλλά οι καλές εταιρείες μπορούν να έρθουν από đâuδήποτε, και το να είστε δεδομενο-κίνητοι παρά σχέση-κίνητοι ανοίγει ένα νέο κόσμο εταιρειών ελεύθερο από προκαταλήψεις και ομαδική σκέψη.