Hvordan VC-er kan identifisere høypotensielle investeringer ved hjelp av kunstig intelligens

Av: Upal Basu, Partner at NGP Capital

Venture Capital-investering handler om å gjøre utdannede spill. Det sies å være den mest risikofylte investeringskategorien der ute, som over 90% av oppstart mislykkes. Men hva gjør VC-investeringer så risikabelt? Delvis skyldes det mangel på informasjon knyttet til investeringene. Du vet rett og slett ikke hvordan teamet vil prestere, om produktet vil fungere, eller hvordan markedet vil utvikle seg. Fremtiden til ethvert selskap i de tidligere stadiene av livssyklusen inneholder en rekke både «kjente ukjente» og «ukjente ukjente».

Så hvordan utdanner vi oss selv eller reduserer det ukjente?

Bedriftsdata kan grovt sett deles inn i privateide og offentlige. Når de samler informasjon og evaluerer startups, ber venturekapitalinvestorer vanligvis selskapet direkte om private data om økonomi og vekst. De gjør sin due diligence om ethvert selskap basert på hva de mottar. Men det er også et vell av offentlige data tilgjengelig om selskaper i dag, da alle etterlater et digitalt fotavtrykk som kan analyseres.

Den hellige gral for VC-er er å vite tre ting om et selskap: om selskapet sannsynligvis vil prestere godt i fremtiden, hvordan verdivurderingen vil utvikle seg, og om det vil samle inn penger når som helst snart. I en ikke så fjern fortid var dette bare en drøm. Men i dag er det mer mulig enn noen gang å få tak i denne typen informasjon, eller i det minste å få pålitelige estimater, takket være maskinlæring (ML) og AI-algoritmer som gjør det mulig for VC-er å oppdage selskaper med gode resultater som allerede er basert på offentlig tilgjengelige data.

Verdidata om et selskap er den vanskeligste typen informasjon å få tak i fordi eksakte verdier sjelden eksisterer (utenfor USA). Når de gjør det, er de ikke alltid offentlig informasjon. Heldigvis gjør nyere fremskritt innen ML og AI i økende grad det mulig for VC-er å forutsi selskapsvekst og verdivurdering over tid.

Hos NGP Capital har vi tatt en veldig dyp titt på dette temaet. Vi har identifisert minst 600 forskjellige indikatorer som kan tjene som verdifulle signaler for å forutsi et selskaps fremtidige ytelse, verdivurdering og innsamlingsaktivitet. Vi kategoriserte deretter disse indikatorene i kritiske informasjonsområder som vi kan bruke når vi evaluerer selskaper før vi kontakter dem.

Her er våre funn:

Av de 600 indikatorene vi så på, kom 25 av dem på topp for å forutsi en VC-opprunde. Disse topp-25 indikatorene forteller oss et par ting:

Året et selskap ble stiftet er toppindikatoren. Selskaper har en tendens til å øke finansieringsrunder oftere i de tidligere stadiene av livssyklusen enn selskaper i sent stadium. Senere stadier bedrifter, derimot, har en tendens til å heve større runder. Modellen vi bygde fokuserer på å forutsi sannsynligheten for å øke en opp-runde, ikke den runde størrelsen. Verdt å fremheve er at selv om tidligere finansieringsinformasjon ikke gir et sanntidssignal, er det kritiske data, da det viser momentum bak firmaet. Datakilder som nettstedtrafikk, vekst i antall ansatte, medietilstedeværelse osv. har imidlertid en tendens til å korrelere sterkt med vekst og kan oppdateres i sanntid, noe som gir informasjon om hva som skjer i selskaper mellom finansieringsrunder som er mer enkeltstående hendelser.

Interessant nok går en sterk medie- og PR-tilstedeværelse vanligvis parallelt med sterk vekst, enda mer enn teamvekst og ansettelsestempo. En annen nøkkelindikator er plassering. Vi ser stort sett at USA-baserte selskaper er mer sannsynlig å samle inn penger enn selskaper i andre geografier. Dette kan være på grunn av kulturelle årsaker og fordi amerikanske selskaper har en tendens til å ha bedre direkte tilgang til kapital.

Ved å se på hele datasettet fant vi åtte nøkkelkategorier av data som gir verdifull informasjon om fremtidige bedriftsresultater, verdivurdering og sannsynligheten for at selskapet vil samle inn penger i fremtiden.

• Media: Overraskende nok kom denne faktoren ut på topp. Vi hadde forventet antall ansatte som en sterkere indikator, men den er ikke engang en tredjedel så sterk som medietilstedeværelse, nettstedtrafikk og PR. En sterk medietilstedeværelse er ofte et tegn på økende kundeanskaffelse og brukerbase.
• Tidligere finansiering: finansiering betyr mye og er en nøkkelfaktor for bedriftsvekst over tid. Bedrifter kan imidlertid også vokse uten finansiering, og nye data akkumuleres kun i nye finansieringsrunder, som kan være for sent til å være handlingsdyktige
• Bransje/tema: Hva selskapet driver med og hvilket marked det er spiller inn. Noen bransjer har en tendens til å skaffe mye mer kapital enn andre; for eksempel har programvarebaserte selskaper en tendens til å skaffe mer enn tjenesteleverandører.
• grunnleggende: Grunnleggende refererer til statiske egenskaper ved et selskap, for eksempel gjeldende status for operasjonen, hovedkontorregion og land, samt tid fra etableringen
• Antall ansatte: ansettelsestakten til et selskap er en sikker indikator på vekst. Det er imidlertid tilfeller der selskaper kan skalere uten en stor humankapitalbase- Spillsektoren er et utmerket eksempel på det. Det er også et åpent spørsmål om vekst i antall ansatte er en konsekvens av finansiering snarere enn resultatet.
• Team: Lagbakgrunn er veldig viktig – det vet vi seriegründere har en tendens til å heve mer og føre til bedre resultater. Det ser imidlertid ut til at den relative betydningen er mye lavere enn noen av de andre faktorene vi vurderer.
• Signaler: Signaler refererer til faktiske klassifiserte nyhetshendelser og følelser rundt selskapet. De gir mer verdi til analysen, men den lavere effekten kan vise at det er vanskelig å vite om nyhetene virkelig er virkningsfulle eller for det meste støy.
• investorer: investorsyndikat betyr noe til en viss grad som en vekstmuliggjører. Et sterkt sett med investorer korrelerer vanligvis med god styring og høy ytelse, men våre data tyder på at det er mange skjulte perler blant selskaper

Disse åtte kategoriene indikerer grovt sett hvordan et selskap gjør det basert på offentlig tilgjengelig data. De fungerer også som en guide for gründere som ønsker å optimalisere de offentlig tilgjengelige dataene om selskapene deres for å forbedre sjansene for å skaffe finansiering ved å bli stadig mer synlige for AI-algoritmer. Selv om vi bare har dekket de 25 beste indikatorene her, er det greit å huske at det er en lang hale av 575 andre indikatorer som peker på hvordan et selskap presterer og at VC-er kan forutsi verdiskaping og vekst over tid.

Gjennom disse dataene er gjeteatferden rundt topp-lagsinvestorer og seriegründere som er så typisk for VC-industrien herved erklært som en ødelagt myte. Det er ikke å si at det ikke er en god vei å gå, men gode selskaper kan komme fra hvor som helst, og å være datadrevet i stedet for relasjonsdrevet åpner for en helt ny verden av selskaper fri for skjevheter og gruppetenkning.