David Smith, Director de Datos en TheVentureCity – Serie de Entrevistas

David Smith, también conocido como “David Data”, es el Director de Datos en TheVentureCity, una plataforma de capital de riesgo que invierte a nivel internacional en startups impulsadas por software y proporciona apoyo operativo.

¿Podría describir su función como Director de Datos en TheVentureCity y en qué consiste?

Lidero un equipo de personas que evalúan oportunidades de inversión utilizando datos proporcionados por startups; gestionan flujos de datos en vivo de nuestras empresas de cartera y la pila de tecnología que las respalda; realizan análisis personalizados para empresas de cartera; asesoran a empresas de cartera sobre pilas de tecnología y análisis; y crean productos que automatizan y amplían nuestras capacidades de análisis.

Al realizar la debida diligencia de inversión, ¿cuáles son algunas de las variables que se consideran?

Evaluamos la participación, la retención, el valor de vida del cliente, la distribución de los ingresos y la dinámica de crecimiento, y los comparamos con los estándares de la industria. Para hacer esto, obtenemos datos de eventos y transacciones a nivel de usuario para medir:

• Promedio de días activos en los últimos 28;
• retención de usuarios y ingresos de un mes a otro;
• retención de usuarios de 6 meses o más;
• retención neta de ingresos en el mes 12;
• retención de usuarios y valor de vida del cliente a nivel de cohorte;
• períodos de reembolso de gastos de marketing;
• tasas de crecimiento de usuarios y ingresos mensuales y razones rápidas (que miden la eficiencia del crecimiento);
• distribución de los ingresos en la base de clientes;
• Y quizás otras métricas particulares para un caso determinado.

El peso de cuánto consideramos cada métrica anterior depende de la situación.

Para las empresas de capital de riesgo, lo más importante es cuán rápido puede crecer una empresa, ¿cuáles son las métricas más importantes para identificar esto?

La métrica más importante es la retención, tanto de usuarios como de ingresos. La retención se puede medir de varias maneras: de un mes a otro o después de 6 meses para una visión a más largo plazo. Una buena retención indica una buena adaptación del producto al mercado y hace que el crecimiento eficiente sea posible. Es mucho más fácil crecer si no tienes que reemplazar a la mayoría de tus usuarios de un mes a otro. Si tienes un producto en un mercado grande que se adapta a ese mercado y puede crecer de manera eficiente, estás en una buena posición para crecer rápidamente.

¿Podría compartir algunos detalles sobre el Growth Scanner, una herramienta para ayudar a los fundadores a saber cómo están creciendo?

Growth Scanner permite a cualquier fundador con un producto en el mercado obtener una evaluación de la adaptación del producto al mercado y la efectividad del crecimiento. Convertimos los datos brutos proporcionados por la startup en un informe que presenta las métricas descritas anteriormente, sus estándares de la industria y comentarios de nuestro equipo. Hemos examinado cientos de startups de esta manera y sabemos qué buscar y destacar. Al mirar su negocio a través de nuestra lente de contabilidad de crecimiento, los fundadores frecuentemente aprenden algo sobre su negocio que no habían visto antes.

Las empresas de capital de riesgo son notorias por seguir utilizando Excel y otros métodos obsoletos para organizar los datos de inversión, ¿cómo aborda TheVentureCity este desafío?

Hemos invertido en nuestro equipo de datos y su pila de tecnología para automatizar la ingesta y transformación de datos de productos y transacciones de múltiples fuentes en un marco de análisis estandarizado.

¿Cómo pueden las empresas de capital de riesgo aprovechar los buenos datos para adoptar un enfoque más personalizado para trabajar con las startups?

Los datos granulares de productos que obtenemos de nuestras startups de cartera nos permiten entender exactamente qué está sucediendo con cada empresa. Con dichos datos a nuestra disposición, podemos ir más allá de nuestros paneles de control estándar y sumergirnos profundamente en los datos cuando sea necesario. Podemos tener conversaciones muy específicas con nuestros equipos de startups sobre lo que los datos están diciendo y cómo proceder.

Con las alucinaciones siendo uno de los principales inconvenientes del uso de la IA generativa, ¿cómo deben abordar las startups que dependen de los LLMs este problema?

Deben contratar a las personas adecuadas que sepan sobre la curación de datos de entrenamiento de alta calidad, la fine-tuning y la validación del modelo, y los enfoques de human-in-the-loop.

¿Cuál es su visión para el futuro de la IA y cómo invertirán las empresas de capital de riesgo en este espacio?

Debemos esperar avances exponenciales en las capacidades de la IA en general, y los modelos impulsados por transformadores en particular, para el futuro predecible. Iremos más allá de hacer que los productos y procesos actuales sean más eficientes, y comenzaremos a aprender sobre nuevos productos y procesos que no eran posibles antes.

Gracias por la entrevista, los lectores que deseen aprender más pueden visitar TheVentureCity.