Prognozowanie przychodów dla firm Scaleup

Firma EQT Motherbrain z radością dzieli się nowatorskim podejściem, które opracowała w celu przewidywania przychodów przedsiębiorstw typu scale-up. Został niedawno zaprezentowany na 31. ACM International Conference on Information and Knowledge Management (CIKM 2022) przez Lele Cao, Sonję Horn, Vilhelma von Ehrenheima, Richarda Anselmo Stahla i Henrika Landgrena.

Podstawowy problem

Przewidywanie przyszłości finansowej firmy to złożone, ale konieczne zadanie, które ma kluczowe znaczenie dla podejmowania decyzji przez firmy. Zasadniczo jest to świadome przypuszczenie, które opiera się na badaniu historycznych danych dotyczących wydajności. Jednak, jak wszyscy widzieliśmy, ze względu na przypadkowe elementy, których nie można włączyć do modelu, prognozy mogą się łatwo załamać.

Inwestorzy polegają na prognozach finansowych przy ustalaniu wyceny przedsiębiorstwa. Niezależnie od tego, czy opierając się na zdyskontowanych przyszłych przepływach pieniężnych, czy też ustalając wycenę na podstawie wielokrotnej przyszłej EBITDA, prognozy mogą pomóc lub zniweczyć inwestycję. W przypadku dojrzałych firm z długą historią i stabilnymi przepływami pieniężnymi odchylenia między przewidywaniami a rzeczywistymi wynikami mogą nie być znaczące. Ale dla firm z niewystarczającymi danymi historycznymi i z natury niepewnymi perspektywami na przyszłość, takimi jak start-upy i scale-upy, wygląda to inaczej.

Start-up wkracza na terytorium skalowania, gdy demonstruje skalowalność i rentowność swojego modelu biznesowego oraz doświadcza przyspieszonego cyklu wzrostu przychodów. Pozyskanie kapitału zewnętrznego zwykle towarzyszy tej przemianie.

W porównaniu z większością dojrzałych firm scaleupy często nie są rentowne. W związku z tym przychody stają się jednym z najważniejszych wskaźników przy ocenie scale-upów, a wycena jest zwykle określana na podstawie wielu przyszłych przychodów, z których profesjonaliści inwestycyjni ekstrapolują przyszłe przychody firmy.

Prognozowanie przychodów jest zwykle wykonywane ręcznie i empirycznie, pozostawiając jakość w dużym stopniu zależną od doświadczenia specjalistów inwestycyjnych. Uwzględniane są takie czynniki, jak model biznesowy, krajobraz konkurencji, trendy rynkowe i ekonomika jednostki. Zadanie jest istotne dla oceny atrakcyjności inwestycji, gdyż informuje o zmianie wyceny w okresie posiadania. Jednak poziom automatyzacji, obiektywności, spójności i adaptacyjności tego podejścia jest daleki od optymalnego.

Metody ilościowe, takie jak tradycyjne podejścia statystyczne lub nowo opracowane metodologie oparte na sztucznej inteligencji, są coraz częściej stosowane w prognozowaniu tradycyjnych i dojrzałych przedsiębiorstw. Ale dlaczego nie rozprzestrzeniło się to na świat start-upów i scaleupów?

Odpowiedź leży w danych, które dla niedojrzałych firm są często zastrzeżone i kosztowne do pozyskania. To się jednak zmienia — wszechobecność cyfryzacji oznacza, że ​​duże ilości wysokiej jakości danych o firmach prywatnych są coraz bardziej dostępne publicznie.

Przedstawiamy SiRE

Odpowiedzią na to wyzwanie jest SiRE, oparty na symulacji model ekstrapolacji przychodów.

SiRE opiera się na filtrze Kalmana, metodologii zwykle używanej do nawigacji i kontroli samolotów i statków kosmicznych. Jest niezależny od sektora, co pozwala inwestorom na zastosowanie go w wielu branżach. Do szkolenia potrzebne są tylko małe zbiory danych kilkuset skalowalnych firm, a ekstrapolację można rozpocząć od krótkich szeregów czasowych przychodów, umożliwiając prognozowanie przychodów nawet bez szczegółowych danych historycznych. Może generować szczegółowe prognozy na wiele lat, uwzględniając typowe okresy inwestycyjne wynoszące 5 lat i dłużej. Każda prognoza przychodów zawiera oszacowanie ufności, które zapewnia inwestorom wskazówki dotyczące pewności wyniku. Model jest łatwy do wdrożenia, a prognozy są zrozumiałe, promując przejrzystość w celu budowania zaufania i zbierania informacji zwrotnych.

SiRE zostało zaprojektowane przy głównym założeniu, że wzrost przychodów prawdopodobnie powtórzy historyczne wzorce dla podobnych firm na podobnym etapie. Każdy przyszły punkt przychodu jest początkowo uzyskiwany poprzez próbkowanie z porównywalnych stanów przychodu, a następnie korygowany za pomocą filtra Kalmana, który uwzględnia historyczne i przewidywane punkty przychodu. Pewność przewidywania jest szacowana przez wielokrotną ekstrapolację.

Demonstracja, w jaki sposób wykorzystujemy SiRE w ramach EQT

Jak więc używamy go w ramach EQT? Wyszkolony na zastrzeżonym zbiorze danych trajektorii przychodów z naszych spółek portfelowych i innych danych, które zebraliśmy przez prawie trzy dekady inwestowania, SiRe może być używany na dwa sposoby:

1. Oceniając perspektywiczną inwestycję, możemy szybko ocenić potencjał przychodowy. Daje nam to proste wskazanie prawdopodobieństwa potencjalnych wybuchów na podstawie danych, które przekazała nam firma.
2. Podczas otrzymywania prognoz przychodów od kierownictwa i oceniania prawdopodobieństwa, że ​​firma będzie działać zgodnie z planem

Aby dowiedzieć się więcej o SiRE i jego działaniu, znajdź wyjaśnienie tej metody w naszym artykule i kod źródłowy tutaj