Previsão de receita para empresas scale-up

A EQT Motherbrain tem o prazer de compartilhar uma nova abordagem que desenvolveu para prever a receita de empresas scale-up. Foi apresentado recentemente na 31ª Conferência Internacional ACM sobre Gestão da Informação e do Conhecimento (CIKM 2022) por Lele Cao, Sonja Horn, Vilhelm von Ehrenheim, Richard Anselmo Stahl e Henrik Landgren.

O problema subjacente

Prever o futuro financeiro de uma empresa é uma tarefa complexa, mas necessária, e fundamental para a tomada de decisões das empresas. Fundamentalmente, é um palpite informado que se baseia no exame de dados históricos de desempenho. No entanto, como todos vimos, devido a elementos aleatórios que não podem ser incorporados a um modelo, as previsões podem facilmente falhar.

Os investidores contam com previsões financeiras ao determinar a avaliação de um negócio. Seja contando com fluxos de caixa futuros descontados ou determinando a avaliação em uma base múltipla de EBITDA futuro, as previsões podem fazer ou quebrar um investimento. Para empresas maduras com um longo histórico e fluxos de caixa resilientes, os desvios entre as previsões e os resultados reais podem não ser significativos. Mas para empresas com dados históricos insuficientes e perspectivas futuras inerentemente incertas, como startups e scaleups, isso parece diferente.

Uma start-up se move para o território scaleup ao demonstrar a escalabilidade e viabilidade de seu modelo de negócios e experimentar um ciclo acelerado de crescimento de receita. A captação de capital externo geralmente acompanha essa transição.

Em comparação com a maioria das empresas maduras, scaleups geralmente não são lucrativas. Consequentemente, a receita se torna uma das métricas mais importantes ao avaliar scaleups, e a avaliação é normalmente determinada em uma base múltipla de receitas futuras a partir das quais os profissionais de investimento extrapolam as receitas futuras da empresa.

A previsão de receita é normalmente feita de forma manual e empírica, deixando a qualidade fortemente dependente das experiências dos profissionais de investimento. Fatores como modelo de negócios, cenário do concorrente, tendências de mercado e economia da unidade são considerados. A tarefa é essencial para avaliar a atratividade de um investimento, pois informa a mudança na avaliação durante o período de propriedade. No entanto, o nível de automação, objetividade, consistência e adaptabilidade dessa abordagem está longe de ser ideal.

Métodos quantitativos, como abordagens estatísticas tradicionais ou metodologias baseadas em IA recém-desenvolvidas, têm sido cada vez mais adotados na previsão de negócios tradicionais e maduros. Mas por que isso não se espalhou para o mundo das start-ups e scaleups?

A resposta está nos dados, que para empresas imaturas geralmente são proprietários e caros de adquirir. No entanto, isso está mudando – a onipresença da digitalização significa que grandes quantidades de dados de alta qualidade sobre empresas privadas são cada vez mais acessíveis ao público.

Apresentando o SiRE

Chamamos a resposta para esse desafio de SiRE, um modelo de extrapolação de receita baseado em simulação.

O SiRE é baseado em um Filtro de Kalman, metodologia tipicamente utilizada para navegação e controle de aeronaves e naves espaciais. É independente do setor, permitindo que os investidores o apliquem em vários setores. Ele precisa apenas de pequenos conjuntos de dados de algumas centenas de empresas scale-up para treinamento, e a extrapolação pode começar a partir de séries temporais curtas de receita, permitindo previsões de receita mesmo sem dados históricos granulares. Ele pode produzir previsões refinadas de vários anos, acomodando os períodos típicos de investimento de 5 anos ou mais. Cada previsão de receita vem com uma estimativa de confiança, fornecendo aos investidores orientação sobre a certeza do resultado. O modelo é fácil de implementar e as previsões são explicáveis, promovendo transparência para gerar confiança e obter feedback.

O SiRE é projetado com base na suposição principal de que o desenvolvimento de receita provavelmente repetirá padrões históricos para empresas semelhantes em um estágio semelhante. Cada ponto de receita futuro é inicialmente obtido por amostragem dos estados de receita comparáveis ​​e, em seguida, ajustado com um filtro de Kalman que considera pontos de receita históricos e previstos. A confiança da previsão é estimada extrapolando várias vezes.

Demonstrando como usamos o SiRE dentro do EQT

Então, como podemos usá-lo dentro do EQT? Treinado em um conjunto de dados proprietário de trajetórias de receita de nossas empresas de portfólio e outros dados que coletamos ao longo de quase três décadas de investimento, o SiRe pode ser usado de duas maneiras:

1. Ao avaliar um investimento em potencial, podemos avaliar rapidamente o potencial de receita. Isso nos dá uma indicação simples da probabilidade de possíveis fugas com base nos dados que a empresa nos forneceu.
2. Ao receber previsões de receita da administração e avaliar a probabilidade de a empresa realizar o plano

Para saber mais sobre o SiRE e como ele funciona, encontre uma explicação do método em nosso artigo e o código-fonte aqui