Este es el título del muy interesante post de Enrique Dans que recoge la información sobre la creación de un algoritmo para predecir el éxito de las startups entre otras cosas.

Para resolver la pregunta que plantea el título y diseñar ese algoritmo, debemos entender que algoritmo en términos generales implica, partiendo de una serie de datos iniciales preestablecidos, definir una secuencia de pasos/cálculos sobre esos datos, para darle algún tipo de solución al problema planteado. Por tanto deberemos definir la relación entre los datos que vamos a pedir de entrada y lo que esperamos de salida, de modo que nos permita predecir que cuando ocurre un determinado nivel de lo primero ocurrirá lo segundo con un margen de error “x”.

El estado natural de una startup es la incertidumbre, así que para crear ese algoritmo o tomamos factores que sabemos estén ligados al éxito bajo unos criterios y asumimos el posible de  error de extrapolación de esos criterios o tendremos un caro, pero poco fiable software.

Esto nos lleva al tema de la predicción, cuando haces una predicción, usualmente trabajas sobre hechos, conocimiento o relaciones ya conocidas, que permiten sacar conclusiones a futuro sobre un proceso. Si ocurre esto ocurrirá lo otro, pero…. ¿Qué ocurre cuando el nivel de incertidumbre es alto y no existen precedentes de algún tipo para extrapolar conclusiones?

Sin entrar en definir que es éxito (os aseguramos que muy diferente en función de si hablas con el CEO de la startup, un inversor de primera ronda, un fondo de inversión o los clientes) vamos a tomar como éxito que la startup alcance el máximo nivel de ingresos y beneficios posible y todos estén satisfechos con ese volumen (CEO, Inversores…).

En esta línea ¿buscamos un blockbuster? un blockbuster tiene que tener capacidad para crecer rápido, escala sin alto coste, capacidad para enganchar a los clientes y fidelizarlos y que tenga gran mercado y lo compre mucha gente …..Pero, ¿Todas las Startups pueden ser blockbusters? ¿Qué ocurre con las Startups que van a por segmentos o nichos específicos del mercado? Pues que la dimensión de mercado y la escala están limitados, a priori.

Así que, entre aquellos factores que pueden definir el éxito o no de la Startup, no podemos tomar para el algoritmo, factores derivados de actividad y de su tamaño de mercado y debemos centrarnos en aquellos que todas las Startups comparten.

Como en las competencias de una persona, estos factores no son maneras de hacer o recursos específicos, sino un compendio de ambos. Para nosotros (seguro que vosotros tenéis otros estupendos pero estos son los que nos funcionan a nosotros):

Mercado

  • Capacidad para reconocer e interpretar el mercado y disponer de una ventaja realmente competitiva durante el tiempo suficiente….para generar otra
  • Potencial de crecimiento (si o si, me da igual el segmento que atiendes)
  • Coste de atraer clientes (no hace falta decir más)

Cliente

  • Capacidad de entender y hablar el lenguaje que tu cliente entiende. Capacidad para convertir incertidumbre en datos
  • Solución que es relevante para la necesidad de tu cliente: El modo en que tu solución se integra o transforma (a mejor) la vida del cliente

Interno

  • Operaciones no limitadas o con alto nivel de dependencia externa o interna y un sistema de gestión interno de las diferencias en el equipo
  • Tienes lo que necesitas para conseguir crear el valor que trasladarás y alcanzar tus objetivos

¿Pueden desarrollarse herramientas para tener una lectura de estos factores?

Indudablemente, nosotros trabajamos con tools (también en castellano si lo necesitáis) que exploran la mayoría de estas áreas en el modelo de negocio de Startups en que trabajamos. ¿Todo es incluible en la misma tool o algoritmo? Claro, pero el nivel de datos a manejar hace que el emprendedor deba trabajar horas con las tool y eso hace que disminuya la motivación en trabajarla. ¿Es un  problema? Bueno solo si la vendes, parece increíble que se puedan destinar meses de trabajo en hacer un BPlan pero que cueste dedicar 2 o 3 horas en trabajar sobre tu modelo, pero es lo que hay.

Ahora las malas noticias,  existen otras competencias que requieren de interacción suficiente con el cliente y eso quiere decir la necesaria (en tiempo y cantidad) para definir el producto que van a comprar y no el que nosotros diseñamos y eso no es incluible en el algoritmo. Pero donde no llegan las tools, llegan las métricas. Ambos factores  nos permiten por un lado identificar si el valor de nuestra propuesta es relevante y por otro poder pulir y trabajar aquello que la startup necesita para maximizar su impacto en mercado. Una vez ahí, el mercado manda (recordad ese nivel de error generado por la incertidumbre que no hemos podido reducir) y será nuestra capacidad para leerlo, aprender y evolucionar, lo que marcará la diferencia.

En estas, yo me pregunto ¿Existe un algoritmo para predecir el éxito de las películas de Hollywood? la respuesta es si, pero….¿Alguien lo usa?