Contatti

Predire il successo delle startup grazie ai dati

, di Carlo Mammola e Luigi Mastromauro - rispettivamente Teaching fellow presso il Dipartimento di management e tecnologia e Management consulting analyst presso Accenture Italia
Alcuni investitori cominciano ad usare la data analytics per predire sommersi e salvati. Puo' aiutare un modello a matrice che crea quattro archetipi

Secondo le più recenti ricerche, il 90% delle startup fallisce e anche quelle finanziate da fondi di Venture Capital (VCs) falliscono nel 50% dei casi.
I ricercatori cercano da sempre di individuare i fattori che maggiormente contribuiscono a determinare la futura performance aziendale e negli ultimi anni hanno mostrato un crescente interesse verso il mondo delle startup, dovuto alla sempre maggior rilevanza del Venture Capital.
I ricercatori, ripercorrendo il processo decisionale degli investitori durante le fasi di selezione degli investimenti, hanno individuato 2 fattori principali: la performance economica (il business) e il capitale umano (il team).
Infatti, in un mercato dove la competizione decide quali aziende siano in grado di sopravvivere, la corsa verso il successo richiede un buon cavallo (il business) e un buon fantino (il team).
Se il team non è ben preparato o gli individui che lo compongono non sanno lavorare assieme, la startup avrà poche probabilità di superare le difficoltà dei primissimi anni. Allo stesso modo, se il prodotto non risponde ai bisogni dei consumatori o la strategia di ingresso è male eseguita, le probabilità di sopravvivere si riducono.
Data la loro stretta relazione, un intenso dibattito è nato su quale dei due fattori sia il più importante. Gli investitori di Venture Capital (VCs) attribuiscono alle abilità del team la principale responsabilità del successo (o del fallimento) dei loro progetti, ma non tutti la pensano allo stesso modo: un famoso investitore, Warren Buffet, ha affermato:
"When a management team with a reputation for brilliance tackles a business with a reputation for bad economics, it is the reputation of the business that remains intact".

Va tuttavia sottolineato quanto siano ancora tradizionali i metodi di analisi utilizzati in questo settore. "Data is the new oil" è ormai un mantra, eppure i VCs stentano ad utilizzare i dati per individuare le startup più promettenti.
Ancora oggi il processo è infatti basato soprattutto su networking e esperienza dei VCs.
Alcuni operatori però stanno cominciando ad applicare Data Analytics per predire il futuro delle startup ed il loro focus è quello di individuare la futura valutazione delle aziende oppure generare un punteggio rappresentativo delle probabilità di successo.
Ad un'analisi più attenta appare chiaro come vi siano molti eventi che possono influenzare le future chance di successo e come i metodi di valutazione siano fortemente indeboliti dalla volatilità tipica dei primi anni di vita di un'azienda. Quindi, quanto il punteggio citato può aiutare gli investitori a realizzare il ritorno desiderato?

Nella nostra analisi, il problema viene approcciato da una prospettiva diversa: se i fattori che determinano il successo di una startup sono infatti almeno 2, un unico punteggio non consente agli investitori una corretta analisi del team e del business.
Il valore di un approccio bilaterale è duplice: da un lato si amplia la platea dei possibili investimenti, in quanto alcuni di quelli ritenuti per via tradizionale poco interessanti possono ora essere meglio analizzati. Dall'altro si abbassa il rischio di fallimento degli investimenti, in quanto si è in grado fin da subito di individuare la dimensione più problematica sulla quale, eventualmente, intervenire.

Per supportare quindi i VCs nelle loro decisioni di investimento, è stata sviluppata una matrice che individua 4 archetipi di startup sulla base delle loro chance di successo: le società Premature presentano punteggi bassi sia per la dimensione che riguarda il team, sia per quella legata alle performance del business model; le società Ethereal sono caratterizzate da forti team, ma hanno business model poco definiti o prodotti ancora incompleti; le società Scalable mostrano invece una buona performance economica, ma hanno un team non adatto a sostenerne la crescita futura; e infine le Stars, le startup in cui tutti vorrebbero investire.

La sfida che ci attende, per rendere finalmente 2.0 anche questo settore, è ora quella di individuare le variabili che possano descrivere quantitativamente queste due dimensioni, così da consentire ai Venture Capitalist di far leva per le proprie decisioni, oltre che sul proprio istinto, su un set articolato di dati.

Per approfondire
L'imprenditorialità oltre le startup
Trasformare la Spotify dei libri di testo in 4,8 milioni di dollari
Dal toast all'avocado a una startup di Brooklyn
Per avere successo non basta un buon business plan
Portare gli SMS a un altro livello con Kaleyra
La proprietà familiare aiuta a far fronte alle incertezze politiche
Gli imprenditori che si comportano come scienziati ottengono risultati migliori
Il ruolo chiave della tassazione nello sviluppo delle startup
Un identikit degli imprenditori dal 1850 a oggi
Discriminazioni di genere nei finanziamenti? A ben guardare c'e' una sorpresa
I risultati delle imprese familiari sono legate al contesto culturale
L'approccio sperimentale attrae gli investitori
Una piccola quota per la formazione aziendale migliora la frequenza dei corsi
I social network favoriscono l'imprenditorialita'
Spinoff: con la crescita per gemmazione l'imprenditore minimizza il rischio
Un ERC Grant a Tamas Vonyo per un progetto sulle conseguenze economiche della prima guerra mondiale nell'Europa centrale