Distrito revela algoritmo usado para calcular próximos aportes em startups

O Distrito acaba de revelar como calcula seu algoritmo de previsão: Deals Forecasting. A partir dele, é possível verificar quais são as startups que estão mais próximas de receber uma rodada de investimento ou serem adquiridas. 

O  método é pioneiro no Brasil e possibilita que as empresas visualizem os próximos movimentos das startups, como cada setor está se consolidando e quais são os principais players do mercado. Boa leitura.

Queremos que você conheça de perto a nossa inteligência de dados, pois acreditamos que transparência gera confiabilidade. Assim como você pode confiar nas nossas análises: nos últimos 6 meses, acertamos mais de 75% das nossas previsões.

Nossa metodologia de previsão de deals também está disponível nos estudos mensais do Inside Venture Capital Report, que trazem dados e análises qualificadas sobre o mercado de brasileiro de VC no Brasil. 

Para você que tem interesse em entender mais sobre nosso estudo, acesse o material completo e entenda como funciona o algoritmo Deals Forecasting. Não é necessário preencher nenhum formulário para ter acesso ao material, o conteúdo já está disponível para você que tem interesse em entender mais sobre como nós calculamos as próximas startups que podem receber investimento nos próximos meses.

Como o Distrito realiza suas análises

Ao analisar o ecossistema de inovação brasileiro nós buscamos por indícios que nos sinalizem determinados fatores e características de uma startup, procurando compreender como determinadas características e decisões reverberam para o mercado visível.

Dessa forma, ao longo dos últimos cinco anos buscamos entender o que as informações visíveis das startups nos indicavam sobre o seu caixa, seu potencial de crescimento, sua governança, seu faturamento e a possibilidade de se transformar em um negócio exponencial.

Em um processo de busca de startups seguimos os seguintes passos:

• Definimos os filtros: tomando ciência dos critérios mínimos necessários para considerar uma startup para aquele modelo, Filtramos base de dados completa do Distrito utilizando parâmetros mensuráveis ou reconhecíveis.
• Aplicamos um Score: aplicamos um sistema de pontuação (score) na lista de startups aprovadas com o intuito de comparar diretamente a performance de cada uma. Observando as métricas e a distribuição das empresas, definimos critérios de corte dependendo do objetivo da seleção.
• Analisamos individualmente: por fim, realizamos uma análise individual das startups cujas notas estavam dentro do range estipulado. Aqui rodamos alguns outros filtros que auxiliam a composição e a robustez do modelo.

Com os resultados do modelo obtemos uma lista de startups voltadas para o nosso objetivo específico, seja ajudar uma corporação a encontrar uma startup para realizar uma aquisição, ajudar um investidor a se adiantar no ecossistema ou gerar estatísticas que nos permitam visualizar de forma mais clara o ecossistema brasileiro.

Os algoritmos Dataminer Score e TREL

Outra aplicação de modelos e algoritmos, que o Distrito utiliza para elaborar os relatórios, é na busca por oportunidades de investimento e aquisições. A seguir expomos brevemente um dos modelos elaborados para encontrar situações favoráveis a aportes e prospecções.

A base para encontrar as oportunidades foram dois índices desenvolvidos pelo Distrito, o Dataminer Score e o TREL.  Os dois índices apresentaram a distribuição das startups que foram submetidas a um modelo de performance.

Dataminer Score

Para podermos comparar startups e setores precisamos ter uma guia que pode ser construída de diversas formas dependendo do nosso objetivo e escopo do projeto. Uma das primeiras guias que elaboramos foi o Dataminer Score, um índice que nos ajudou a avaliar a maturidade das startups. Para o desenvolvimento deste score foram selecionados 7 indicadores:

• Número de seguidores no Linkedin 
• Valor total de investimentos captados
• Faturamento presumido 
• Número de funcionários
• Crescimento do número de funcionários
• Número de acessos no site 
• Crescimento do número de acessos ao site

Considerando o universo de startups, calculamos a média ponderada de cada indicador e verificamos o quanto cada startup se desvia dessa média (desvio padrão). O score final é a média do desvio padrão das variáveis selecionadas.

TREL

Para avaliarmos a possibilidade de uma startup captar ou ser adquirida elaboramos um indicador que avalia o tempo que uma startup leva para progredir entre os estágios de investimento. Dessa forma ela funciona de forma similar à velocidade média da startup no ecossistema.

Chamamos esse indicador de tempo relativo, ou TREL.

Para elaborá-lo levamos em conta a média de tempo, em meses, que as startups levam para avançar de fase. Para este cálculo, mergulhando em nossas bases obtivemos uma média global de progressão, para todo o ecossistema, e uma média setorial, com ajustes mais finos dependendo do setor de atuação da startup.

A partir desse valor conseguimos comparar cada uma das 13,5 mil startups que acompanhamos com seus respectivos concorrentes em um mesmo estágio e setor, conseguindo visualizar a velocidade de progressão de cada startup e criando uma das bases para modelos mais robustos de burn rate e crescimento.

Abaixo apresentamos os resultados que podem ser obtidos a partir do cruzamento do TREL com o DM Score.

• O DM Score é um índice normalizado criado pelo Distrito Dataminer que tem como objetivo classificar o quanto cada startup está acima da média de seu setor dado algumas variáveis e alguns pesos aplicados.
• Trel é uma variável que compara o tempo de captação desde a última rodada captada pela startup com a média do setor.

Case: algoritmo previu captação da Bling

Em 10 de dezembro de 2020, foi publicado na Newsletter do Inside VC uma lista de startups que acreditávamos que estavam no ponto certo para captar um investimento, entre elas estava a Bling, adquirida pela Locaweb por R$ 524 milhões em abril deste ano.

Por que a Bling chamou nossa atenção em dezembro de 2020?

Alguns dos fatores que chamavam atenção na Bling eram seu produto robusto que levava a um DM Score de 0,81 (numa escala que varia de 0 a 1), um TREl de 2,2 indicando uma provável necessidade de capital para continuar expandindo seu crescimento, uma quantidade de funcionários quase que estável no último ano, sinalizando uma possível estagnação na sua taxa de crescimento, ter importantes corporações entre seus clientes e ser investida de um grande fundo.

Somando um produto robusto, um bom time e uma possível estagnação no crescimento, nosso algoritmo apontou a Bling como uma excelente oportunidade para investimento ou aquisição.

Ao analisar o período atual (maio/2020), de acordo com os algoritmos Dataminer Score e TREL, mapeamos cinco startups com possibilidade de captação alta nos próximos três meses.

Uma delas é a Predify, startup em estágio Seed que recebeu US$ 127 mil em sua última rodada de captação. A fintech de precificação foi fundada em 2018 e aumentou seu quadro de funcionários em 80% em um ano.

Outra startup para ficar de olho é a Qulture.Rocks, plataforma de desenvolvimento e gerenciamento de talentos fundada em 2015 e que levantou US$ 300 mil na rodada de investimentos mais recente. Em um ano, o número de colaboradores cresceu 50%. Para se manter atualizado sobre as demais candidatas e análises como estas, assine o Inside Venture Capital Report.

Por que as empresas estão olhando para Venture Capital

O que faz as empresas investirem nas startups? A cultura de inovação, protagonismo e posicionamento que esses negócios inovadores agregam para uma corporação são imensos se comparados ao tempo e recursos que seriam necessários para uma empresa conseguir a mesma eficiência e assertividade.

Apesar dos pesares, 2020 foi um ano que trouxe um lucro significativo para o setor de tecnologia. A razão não é difícil de imaginar: a pandemia forçou a digitalização de áreas que até então ainda se mantinham independentes da revolução digital. Enquanto isso, as empresas do setor partiram com tudo para M&As estratégicos, visando ampliar o portifólio, crescer a operação e ganhar cada vez mais espaço no mercado. Um exemplo de destaque deste fenômeno foi a aquisição da Arm pela Nvidia, pelo valor de US$ 40 bilhões. O deal entrou para o rol de recordes do ano, conquistando o primeiro lugar como maior negociação na área de tecnologia.

Por exemplo, em relação ao setor de varejo, as atuais condições do ambiente macroeconômico, a pandemia e suas consequências e a aceleração da transformação digital fizeram do ano de 2020 o mais propício para aquisições das grandes varejistas, contando com 21 aquisições, mais do que os cinco anos anteriores somados – segundo a sexta edição do estudo mensal e exclusivo para assinantes, o Inside Retailtech Report.

Recorde de M&As no primeiro trimestre de 2021

Se teve coisa que não faltou no ecossistema de inovação brasileiro no primeiro trimestre de 2021, foram fusões e aquisições. Os três primeiros meses deste ano terminaram com nada menos do que 56 transações desse tipo, número 115% e 229% superior ao mesmo período de 2020 e 2019, respectivamente.

Para se ter uma ideia da evolução do nosso mercado, em todo o ano de 2011, uma década atrás, houve apenas quatro deals do tipo. Só por este começo de ano, os indícios levam a crer que bateremos a marca de 166 M&As realizados em 2020 nos próximos meses. Por último, a maior parte das transações do 1T21 se concentrou na categoria de varejo online (retailtech),

Como a sua empresa pode se beneficiar da inteligência de dados do Distrito?

Assine o Inside Venture Capital, relatório mensal do Distrito que traz os principais temas em alta no mercado, entrevistas exclusivas com investidores e founders, startups para ficar de olho, estatísticas de investimentos, dados do mercado de VC no Brasil e muito mais.

Entre em contato com nosso time de Dataminer para saber como podemos ajudá-lo com uma solução Data-Driven em sua estratégia de M&A e/ou investimentos de Venture Capital.