Prédire les revenus des entreprises de scale-up

EQT Motherbrain est ravi de partager une nouvelle approche qu'il a développée pour prédire les revenus des entreprises de mise à l'échelle. Il a été présenté récemment à la 31e Conférence internationale ACM sur la gestion de l'information et des connaissances (CIKM 2022) par Lele Cao, Sonja Horn, Vilhelm von Ehrenheim, Richard Anselmo Stahl et Henrik Landgren.

Le problème sous-jacent

Prédire l'avenir financier d'une entreprise est une tâche complexe mais nécessaire, essentielle à la prise de décision des entreprises. Fondamentalement, il s'agit d'une supposition éclairée qui repose sur l'examen des données de performances historiques. Pourtant, comme nous l'avons tous vu, en raison d'éléments aléatoires qui ne peuvent pas être intégrés dans un modèle, les prévisions peuvent facilement s'effondrer.

Les investisseurs se fient aux prévisions financières pour déterminer l'évaluation d'une entreprise. Qu'il s'agisse de s'appuyer sur des flux de trésorerie futurs actualisés ou de déterminer l'évaluation sur une base multiple de l'EBITDA futur, les prévisions peuvent faire ou défaire un investissement. Pour les entreprises matures ayant une longue expérience et des flux de trésorerie résilients, les écarts entre les prévisions et les résultats réels peuvent ne pas être significatifs. Mais pour les entreprises disposant de données historiques insuffisantes et de perspectives d'avenir intrinsèquement incertaines, telles que les startups et les scale-ups, cela semble différent.

Une start-up entre en territoire de scale-up lorsqu'elle démontre l'évolutivité et la viabilité de son modèle commercial et connaît un cycle accéléré de croissance des revenus. La levée de capitaux extérieurs accompagne généralement cette transition.

Par rapport à la plupart des entreprises matures, les scale-ups ne sont souvent pas rentables. Par conséquent, les revenus deviennent l'une des mesures les plus importantes lors de l'évaluation des mises à l'échelle, et l'évaluation est généralement déterminée sur une base multiple des revenus futurs à partir desquels les professionnels de l'investissement extrapolent les revenus futurs de l'entreprise.

La prévision des revenus est généralement effectuée manuellement et de manière empirique, laissant la qualité fortement dépendante de l'expérience des professionnels de l'investissement. Des facteurs tels que le modèle commercial, le paysage concurrentiel, les tendances du marché et l'économie de l'unité sont pris en compte. La tâche est essentielle pour évaluer l'attractivité d'un investissement, car elle informe sur l'évolution de la valorisation au cours de la période de détention. Cependant, le niveau d'automatisation, d'objectivité, de cohérence et d'adaptabilité de cette approche est loin d'être optimal.

Les méthodes quantitatives telles que les approches statistiques traditionnelles ou les nouvelles méthodologies basées sur l'IA sont de plus en plus adoptées dans la prévision des entreprises traditionnelles et matures. Mais pourquoi cela ne s'est-il pas propagé au monde des start-ups et des scale-ups ?

La réponse réside dans les données, qui pour les entreprises immatures sont souvent exclusives et coûteuses à acquérir. Cependant, cela est en train de changer - l'omniprésence de la numérisation signifie que de grandes quantités de données de haute qualité sur les entreprises privées sont progressivement plus accessibles au public.

Présentation de SiRE

Nous appelons la réponse à ce défi SiRE, un modèle d'extrapolation des revenus basé sur la simulation.

SiRE est basé sur un filtre de Kalman, une méthodologie généralement utilisée pour la navigation et le contrôle des avions et des vaisseaux spatiaux. Il est indépendant du secteur, ce qui permet aux investisseurs de l'appliquer à plusieurs secteurs. Il n'a besoin que de petits ensembles de données de quelques centaines d'entreprises de mise à l'échelle pour la formation, et l'extrapolation peut commencer à partir de courtes séries chronologiques de revenus permettant des prévisions de revenus même sans données historiques granulaires. Il peut produire des prévisions précises sur plusieurs années, en tenant compte des périodes d'investissement typiques de 5 ans et plus. Chaque prévision de revenus est accompagnée d'une estimation de confiance, fournissant aux investisseurs des indications sur la certitude des résultats. Le modèle est facile à mettre en œuvre et les prédictions sont explicables, favorisant la transparence pour renforcer la confiance et recueillir les commentaires.

SiRE est conçu sur l'hypothèse principale que l'évolution des revenus est susceptible de répéter les modèles historiques pour des entreprises similaires à un stade similaire. Chaque point de revenus futurs est initialement obtenu par échantillonnage à partir des états de revenus comparables, puis ajusté avec un filtre de Kalman qui prend en compte les points de revenus historiques et prévus. La confiance de prédiction est estimée en extrapolant plusieurs fois.

Démontrer comment nous utilisons SiRE au sein d'EQT

Alors, comment l'utilisons-nous au sein d'EQT ? Formé sur un ensemble de données exclusif de trajectoires de revenus de nos sociétés de portefeuille et d'autres données que nous avons recueillies au cours de près de trois décennies d'investissement, SiRe peut être utilisé de deux manières :

1. Lors de l'évaluation d'un investissement potentiel, nous pouvons évaluer rapidement le potentiel de revenus. Cela nous donne une indication simple de la probabilité d'évasions potentielles sur la base des données que l'entreprise nous a fournies.
2. Lors de la réception des prévisions de revenus de la part de la direction et de l'évaluation de la probabilité que l'entreprise fonctionne comme prévu

Pour en savoir plus sur SiRE et son fonctionnement, retrouvez une explication de la méthode dans notre article et le code source ici