{"id":2803,"date":"2015-09-22T11:45:50","date_gmt":"2015-09-22T09:45:50","guid":{"rendered":"https:\/\/startupxplore.com\/es\/blog\/?p=2803"},"modified":"2015-10-21T10:59:28","modified_gmt":"2015-10-21T08:59:28","slug":"puede-un-algoritmo-predecir-que-startups-triunfaran-y-cuales-fracasaran","status":"publish","type":"post","link":"https:\/\/startupxplore.com\/es\/blog\/puede-un-algoritmo-predecir-que-startups-triunfaran-y-cuales-fracasaran\/","title":{"rendered":"\u00bfPuede un algoritmo predecir qu\u00e9 startups triunfar\u00e1n y cu\u00e1les fracasar\u00e1n?"},"content":{"rendered":"<p>Hace pocas semanas nos despertamos con un titular que, como poco, resultaba bastante llamativo: <a href=\"http:\/\/www.eleconomista.es\/economia\/noticias\/6931747\/08\/15\/Telefonica-desarrolla-un-algoritmo-para-ayudar-a-decidir-en-que-startups-invertir.html\">Telef\u00f3nica desarrolla un algoritmo para decidir en qu\u00e9 <em>startups<\/em> invertir<\/a>.<\/p>\n<p>Curioso, \u00bfno? Resulta que el gigante de las telecomunicaciones, que suele invertir en compa\u00f1\u00edas telef\u00f3nicas a trav\u00e9s de plataformas propias como <a href=\"https:\/\/startupxplore.com\/es\/aceleradoras-startups\/wayra\">Wayra<\/a> o <a href=\"https:\/\/startupxplore.com\/es\/inversores\/telefonica-ventures\">Telef\u00f3nica Ventures<\/a>, ha decidido que sus analistas de riesgo no son suficientes para decidir en qu\u00e9 empresas debe invertir la compa\u00f1\u00eda y cu\u00e1les, por desgracia, hay que dejar pasar.<\/p>\n<p><a class=\"embedly-card\" href=\"https:\/\/startupxplore.com\/es\/aceleradoras-startups\/wayra\" data-card-width=\"90%\" data-card-type=\"article\"  >Wayra<\/a><script src=\"\/\/cdn.embedly.com\/widgets\/platform.js?29fcb1\" async=\"\" charset=\"UTF-8\"><\/script><a class=\"embedly-card\" href=\"https:\/\/startupxplore.com\/es\/inversores\/telefonica-ventures\" data-card-width=\"90%\" data-card-type=\"article\"  >Telef\u00f3nica Ventures<\/a><script src=\"\/\/cdn.embedly.com\/widgets\/platform.js?29fcb1\" async=\"\" charset=\"UTF-8\"><\/script><\/p>\n<p>En principio no parece una mala idea, desde luego. Tanto si eres emprendedor como inversor, desde hace a\u00f1os vendr\u00e1s oyendo esos datos\u00a0que aseguran que, <strong>de cada diez apuestas que hace un inversor, s\u00f3lo le salen bien una o dos<\/strong>. Y si este sistema, desarrollado por <a href=\"https:\/\/startupxplore.com\/es\/startups\/bigml\">BigML<\/a>, ayuda a aumentar exponencialmente las tasas de \u00e9xito, pues mejor para todos, \u00bfno? Tambi\u00e9n incluso <strong>para el propio emprendedor, que podr\u00eda predecir los resultados de su <em>startup<\/em> y evitar a tiempo una posible debacle.<\/strong><\/p>\n<div class='tm-tweet-clear'><\/div>\n<div class='tm-click-to-tweet'>\n<div class='tm-ctt-text'><a href='https:\/\/twitter.com\/share?text=%C2%BFPuede+un+algoritmo+predecir+qu%C3%A9+startups+triunfar%C3%A1n+y+cu%C3%A1les+fracasar%C3%A1n%3F&#038;via=startupxplore&#038;related=startupxplore&#038;url=https:\/\/startupxplore.com\/es\/blog\/puede-un-algoritmo-predecir-que-startups-triunfaran-y-cuales-fracasaran\/' target='_blank'>\u00bfPuede un algoritmo predecir qu\u00e9 startups triunfar\u00e1n y cu\u00e1les fracasar\u00e1n?<\/a><\/div>\n<p><a href='https:\/\/twitter.com\/share?text=%C2%BFPuede+un+algoritmo+predecir+qu%C3%A9+startups+triunfar%C3%A1n+y+cu%C3%A1les+fracasar%C3%A1n%3F&#038;via=startupxplore&#038;related=startupxplore&#038;url=https:\/\/startupxplore.com\/es\/blog\/puede-un-algoritmo-predecir-que-startups-triunfaran-y-cuales-fracasaran\/' target='_blank' class='tm-ctt-btn'>Click To Tweet<\/a><\/p>\n<div class='tm-ctt-tip'><\/div>\n<\/div>\n<p>Pero vamos al meollo del asunto: <strong>\u00bfpuede un algoritmo predecir qu\u00e9 <em>startups<\/em> van a triunfar y cu\u00e1les no?<\/strong> \u00bfSer\u00e1 realmente capaz de adivinar qu\u00e9 iniciativas tocar\u00e1n el cielo y cu\u00e1les acabar\u00e1n en el cementerio emprendedor?\u00a0Es\u00a0imposible dar una respuesta exacta, pero nos hemos propuesto analizar el modelo.<\/p>\n<h3>\u00bfEN QU\u00c9 CONSISTE EL MODELO DE BIGML?<\/h3>\n<p>Con su sistema, <a href=\"https:\/\/bigml.com\/\">BigML<\/a> pretende, muy <em>grosso modo<\/em>, plantearse un objetivo claro, pero tremendamente dif\u00edcil de satisfacer: <strong>analizar los datos objetivos de una empresa para, con ellos, predecir sus resultados futuros<\/strong>. Pero, \u00bfc\u00f3mo lo hace? B\u00e1sicamente, a partir de tres fases:<\/p>\n<h3>1.- Inserci\u00f3n de datos<\/h3>\n<p>Cuando alguien se registra en la plataforma, el primer paso\u00a0reside en insertar e introducir los datos que van a ser analizados. Sencillo, \u00bfno? Pues no, nada de eso.<\/p>\n<p>Y es que esa parece ser una de las mayores dificultades a las que se enfrenta cualquier analista de riesgo, use (o no) una plataforma de este tipo: decidir qu\u00e9 informaci\u00f3n es relevante y cu\u00e1l no. Y no es una decisi\u00f3n balad\u00ed, ya que la inserci\u00f3n de informaci\u00f3n no relevante puede desembocar en una confusi\u00f3n del algoritmo, que acabe incluyendo en su ecuaci\u00f3n unos datos que, a la hora de verdad, s\u00f3lo generar\u00e1n ruido y estropear\u00e1n los resultados finales.<\/p>\n<p>Al final, aqu\u00ed <strong>pasa lo mismo que con muchas ecuaciones matem\u00e1ticas: lo dif\u00edcil no es resolverlas, sino plantearlas bien<\/strong>. Es decir, hacer un punto de partida\u00a0acertado para que el resultado sirva de algo. Una tarea compleja, qu\u00e9 duda cabe, pero altamente frecuente a la hora de analizar una posible inversi\u00f3n.<\/p>\n<p><a href=\"https:\/\/startupxplore.com\/es\/blog\/wp-content\/uploads\/2015\/09\/01.png\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-2804\" src=\"https:\/\/startupxplore.com\/es\/blog\/wp-content\/uploads\/2015\/09\/01.png\" alt=\"01\" width=\"660\" height=\"511\" \/><\/a><\/p>\n<h3>2.- Ordenar los patrones<\/h3>\n<p>Otra tarea compleja. Una vez insertados y analizados (de manera muy somera) los primeros datos, es hora de &#8216;entrenar&#8217; el algoritmo y ver si BigML est\u00e1 tratando bien nuestra informaci\u00f3n.<\/p>\n<p>Para ello, tendremos que ver de qu\u00e9 manera ordena los patrones que le hemos marcado. Y ojo, aqu\u00ed hay un punto bueno: si en el primer paso no confiabas demasiado en tu olfato a la hora de decidir qu\u00e9 datos eran relevantes y cu\u00e1les no, tranquilo, porque <strong>la plataforma te echa una mano<\/strong>. As\u00ed, si considera que que parte de tu informaci\u00f3n no es relevante, te lo indicar\u00e1.<\/p>\n<p>No obstante, puedes seguir con ella si consideras que la plataforma se ha equivocado en su planteamiento.<\/p>\n<p><a href=\"https:\/\/startupxplore.com\/es\/blog\/wp-content\/uploads\/2015\/09\/02.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-2805\" src=\"https:\/\/startupxplore.com\/es\/blog\/wp-content\/uploads\/2015\/09\/02.jpg\" alt=\"02\" width=\"637\" height=\"574\" \/><\/a><\/p>\n<h3>3.- Predecir\u00a0resultados<\/h3>\n<p>\u00bfYa est\u00e1s listo? Si es as\u00ed, podemos empezar a predecir. En este caso, <strong>lo ideal ser\u00e1 que no hagas predicciones individuales, sino en masa<\/strong>, de modo que puedas predecir la actividad la actividad de todos los par\u00e1metros que hayas incluido (sobre todo si est\u00e1s analizando, por ejemplo, el comportamiento de los usuarios\u00a0que consumen o disfrutan del servicio o producto de la <em>startup<\/em> en cuesti\u00f3n).<\/p>\n<p>Una vez hecho esto, ya habr\u00e1s terminado. En tu monitor tendr\u00e1s <strong>una innumerable serie de predicciones que te podr\u00e1n ayudar a evaluar el buen (o mal) futuro a corto y medio plazo<\/strong> de todos aquellos comportamientos y datos que est\u00e9s evaluando.<\/p>\n<p><a href=\"https:\/\/startupxplore.com\/es\/blog\/wp-content\/uploads\/2015\/09\/03.jpg\"><img loading=\"lazy\" decoding=\"async\" class=\"aligncenter size-full wp-image-2806\" src=\"https:\/\/startupxplore.com\/es\/blog\/wp-content\/uploads\/2015\/09\/03.jpg\" alt=\"03\" width=\"660\" height=\"465\" \/><\/a><\/p>\n<h3>\u00bfSIRVE ESTO PARA INVERTIR EN UNA<em> STARTUP<\/em>?<\/h3>\n<p>Una vez analizado el sistema, conviene que nos hagamos, de nuevo, la pregunta inicial: <strong>\u00bfpuede\u00a0adivinar este algoritmo si estamos ante una buena posibilidad de inversi\u00f3n o ante una circunstancia de la que conviene salir corriendo cuanto antes?<\/strong><\/p>\n<p>En su modelo tecnol\u00f3gico, BigML parte de una circunstancia evidente: cuando un inversor o analista de riesgo eval\u00faa la posibilidad de invertir en una <em>startup<\/em>, le resulta imposible ce\u00f1irse \u00fanica y exclusivamente a los datos objetivos,\u00a0ya que, aun sin querer, <strong>acaba a\u00f1adiendo a la ecuaci\u00f3n factores subjetivos<\/strong>: la saturaci\u00f3n (o no) del mercado, el nicho al que se dirige, la posibilidad de disrupci\u00f3n, la impresi\u00f3n causada por el emprendedor&#8230; Partiendo de esto, la eliminaci\u00f3n de todas estas cl\u00e1usulas parece a todas luces beneficiosa, \u00bfno?<\/p>\n<p>Tanto si eres emprendedor como inversor, seguramente tu respuesta haya sido <strong><em>no<\/em><\/strong>. O, al menos, <em><strong>no necesariamente<\/strong><\/em>. Y es que el modelo de BigML puede tener, en principio, dos <em>peros<\/em>:<\/p>\n<ul>\n<li><strong>Analiza la informaci\u00f3n hasta la fecha.<\/strong> BigML analiza todos los datos que han ido aconteciendo hasta el momento del an\u00e1lisis (evidentemente, de ah\u00ed la obsesi\u00f3n por la predicci\u00f3n). Por tanto,\u00a0deja fuera bastantes elementos externos que podr\u00edan seguir estables&#8230; o cambiar.<\/li>\n<li><strong>No analiza el factor humano.<\/strong> BigML hace un perfecto estudio de todos los datos t\u00e9cnicos, pero (evidentemente) deja a un lado todo lo relacionado con la actividad humana.<\/li>\n<\/ul>\n<p>Y claro, hay un (posible) problema: y es que todos sabemos que <strong>el posible \u00e9xito de una <em>startup<\/em>, en ocasiones, acaba dependiendo tambi\u00e9n de factores externos y humanos<\/strong>. Entre ellos:<\/p>\n<ul>\n<li><strong>Competencia.<\/strong> Si desde que la <em>startup<\/em> naci\u00f3 hasta que sus datos son\u00a0analizados ha tenido una competencia X, BigML har\u00e1 sus predicciones partiendo de la existencia de esa misma competencia X. Pero, \u00bfy si la cosa cambia? \u00bfY si est\u00e1s haciendo un grand\u00edsimo trabajo pero, de la noche a la ma\u00f1ana, Google se pone a hacer lo mismo que t\u00fa?<\/li>\n<li><strong>Cambios en el modelo.<\/strong> Al hacer sus predicciones, BigML da por hecho que no vas a integrar ning\u00fan tipo de cambio significativo en tu modelo de negocio o producto. Pero, \u00bfy si lo haces (tanto para bien como para mal)? \u00bfHasta qu\u00e9 punto ser\u00e1n v\u00e1lidas entonces las predicciones?<\/li>\n<li><strong>Equipo humano.<\/strong> Podr\u00edamos pensar que una <em>startup<\/em> funciona de manera autom\u00e1tica independientemente de qui\u00e9n la forme,\u00a0pero todos sabemos que no es as\u00ed: las <em>startups<\/em> suelen componerse de equipos generalmente peque\u00f1os, con lo que el cambio de una pieza, como poco, acaba cambiando algunas cosas. \u00bfY si el ingeniero que picaba c\u00f3digo excelentemente se marcha y en su lugar acaba entrando uno que tambi\u00e9n es un genio del c\u00f3digo pero que, adem\u00e1s, tiene una tremenda visi\u00f3n comercial o de producto?<\/li>\n<li><strong>El CEO.<\/strong> Son muchos los inversores que lo dicen: una empresa puede tener mejores o peores resultados, pero tanto los fundadores de la <em>startup<\/em> como sus trabajadores acaban representando un elevado tanto por ciento dentro de la decisi\u00f3n final. Si resulta que el CEO de la compa\u00f1\u00eda es un tipo vers\u00e1til y abierto a cambios, \u00bfno podr\u00e1 mejorar unos datos que a d\u00eda de hoy sean discretos? O, si los datos son fant\u00e1sticos pero el CEO es un cabez\u00f3n, \u00bfno peligrar\u00e1 el negocio si aparece un competidor fuerte y el CEO decide quedarse inm\u00f3vil?<\/li>\n<\/ul>\n<p>Al final, una cosa nos queda clara: el algoritmo que van a usar Telef\u00f3nica y BigML es <strong>una excelente herramienta a la hora de analizar el <em>statu quo<\/em> de una compa\u00f1\u00eda y establecer predicciones totalmente objetivas<\/strong>. Pero, \u00bfsirve realmente para decidir d\u00f3nde invertir y d\u00f3nde no?<\/p>\n<p>Ay, amigo, ya nos gustar\u00eda\u00a0saberlo, pero eso tendr\u00e1n que decidirlo los que m\u00e1s saben de esto: <strong>los inversores<\/strong>.<\/p>\n<p><strong>Imagen:<\/strong> <a href=\"https:\/\/www.flickr.com\/photos\/joao_trindade\/4362414729\/\">Jo\u00e2o Trindade (Licencia CC)<\/a>.<\/p>\n<h3>\u00bfQuieres invertir con los mejores?<\/h3>\n<p style=\"text-align: center;\"><a class=\"btn\" style=\"color: #ffffff;\" href=\"https:\/\/startupxplore.com\/register\">\u00a1Reg\u00edstrate en Startupxplore!<\/a><\/p>\n<div id=\"ctx-module\" class=\"ctx-module-container ctx-clearfix\"><\/div>\n","protected":false},"excerpt":{"rendered":"<p>Hace pocas semanas nos despertamos con un titular que, como poco, resultaba bastante llamativo: Telef\u00f3nica desarrolla un algoritmo para decidir en qu\u00e9 startups invertir. Curioso, \u00bfno? Resulta que el gigante de las telecomunicaciones, que suele invertir en compa\u00f1\u00edas telef\u00f3nicas a trav\u00e9s de plataformas propias como Wayra o Telef\u00f3nica Ventures, ha decidido que sus analistas de [&hellip;]<\/p>\n","protected":false},"author":15,"featured_media":2964,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[50],"tags":[183,117,182],"_links":{"self":[{"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/posts\/2803"}],"collection":[{"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/users\/15"}],"replies":[{"embeddable":true,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/comments?post=2803"}],"version-history":[{"count":4,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/posts\/2803\/revisions"}],"predecessor-version":[{"id":2847,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/posts\/2803\/revisions\/2847"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/media\/2964"}],"wp:attachment":[{"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/media?parent=2803"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/categories?post=2803"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/startupxplore.com\/es\/blog\/wp-json\/wp\/v2\/tags?post=2803"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}