This Prediction Algorithm Can Tell If Your Startup Will Fail
당신의 스타트업 성공 여부를 예견해 줄 예측 알고리즘
하버드 대학교 출신 Clayton Christensen이 연구를 통해 시장, 고객, 경쟁사와 같은 외부적인 요인의 분석을 통해 새롭게 등장한 회사가 실패할 확률을 예측하였다.
By Tyler Hayes
-
마치 고대 문명의 연금술처럼, 오늘날 투자자들은 스타트업들의 성공 가능성을 정확하게 예측할 수 있는 방법을 알게 되길 원한다. 그리고 지금부터 소개하는 한 회사는 바로 이 염원을 현실 속에서 이루어낼 수 있을 것이라고 믿는다.
몇 년간의 업계 경험에 기초해서 추측하고, 컨설팅하고, 조언을 건네는 식의 방법 대신에, Growth Science는 중단 이론(disruption theory)을 완전히 새로운 수준으로 끌어올리려고 노력 중이다. "제가 아는 한, 아직 지구상에는 스타트업의 생존 혹은 성공 여부를 예측하는 걸 업으로 삼는 사람은 없습니다," 회사의 CEO인 Thomas Thurston의 말이다. "있다고 해봤자 추측이나 직관에 기초한 것들이 전부일 것이며, 어떠한 정량적인 방법에 기초한 형태는 없을 것입니다."
비즈니스 모델 시뮬레이션 서비스는 예를 들면 SaaS같이, 이를 줄여서 지칭하는 용어조차 없다. 왜냐하면 이러한 서비스가 잘 없기 때문이며, 사실 이를 서비스하는 회사는 Growth Science 뿐이기 때문이다. "몇몇의 경우 시뮬레이션 소프트웨어를 통해 자금 흐름이나, 공급망 등과 같은 부분을 모델화합니다. 하지만 지금 우리가 하는 것과 같은 방식은 없죠," Thurston의 말이다. "아무도 비즈니스 모델 자체에 대해 시뮬레이션하지는 않죠, 오직 저희밖에 없습니다." 기존에 그나마 비슷한 관련 서비스의 타겟은 대부분 인텔(Intel) 정도되는 대기업들이었다, 하지만 Growth Science가 이번에 새로이 프로세스를 자동화하면서 생긴 가장 크고 중요한 변화는 서비스의 가격대가 낮아지면서 스타트업 정도되는 작은 규모의 회사에서도 이것을 사용할 수 있게 되었다는 점이다.
현재 Growth Science는 프로세스 중 약 80%를 자동화했다. "비즈니스의 존폐 혹은 성공을 가늠하는 데 중요한 역할을 하는 수치들 중엔 기술적인 트렌드와 관련된 수치들이 있습니다. 때때로 이런 수치는 아주 낮은 수준의 기술을 사용하는 제품들에게조차도 영향을 미치기도 합니다. 우리는 이런 정보들을 모두 수동으로 직접 수집합니다, 예를 들어 사람과 관련된 것들 말이죠. 이런 수치를 수집하는 건 굉장히 많은 시간과 돈을 소요하는 어려운 일입니다." Thurston은 설명한다.
"자동화된 프로세스의 비율과 유사하게도, 스타트업의 흥망을 예측할 수 있는 수치의 80%는 시장, 고객, 경쟁사 등과 같은 외부 요인들에서 찾아낼 수 있었습니다. 우리가 만든 알고리즘에 의하면, 스타트업 자체 내부 요인은 20%입니다," Thurston은 말했다. "이 사실은 대부분의 사람들에게 커다란 충격을 안겨주는 결과입니다. 또한 저희 이론에 의하면 스타트업 팀이 자체적으로 끼치는 영향은 12%입니다. 따라서 스타트업의 흥망에 있어 88%의 요인은 그 스타트업 팀이 어떤 팀이였든 상관이 없었다는 겁니다, 이는 대부분의 VC 투자자들이 항상 스타트업에 투자하기 앞서 평가 요인으로 팀원 구성을 가장 상위에 올려둔다는 점에 완전히 반하는 결과죠."
이 알고리즘은 하버드 비즈니스 스쿨에서 Thurston과 Clayton Christensen이 몇 년에 걸쳐 성공과 실패를 가늠하는 연구를 통해 얻은 결과이다. Christensen이 연구한 중단 이론(disruption theory)은 모든 업계에서 어떤 회사가 망할 지, 또 왜 망하게 될 지에 대해 설명할 수 있도록 돕는다. Growth Science는 이러한 데이터 과학을 다음과 같은 3가지의 핵심 분야를 위해 사용한다: 비즈니스가 살아남거나 실패할 가능성, 성장 예측, 그리고 실패할 확률이 높을 경우 성공 가능성을 높이려면 어떻게 해야 하는지에 관한 것들. 이에 관한 정확한 알고리즘은 철저한 보안 대상이지만, Thurston은 Dropbox, Tango, Indow Windows, Practice Fusion, CloudFlare와 같은 회사들이 알고리즘으로 분석해 보았을 때 좋은 신호가 나타난 회사들이라고 귀띔해주었다.
Moneyball과 같은 과거 사례를 보면 이런 기계화된 툴의 역할은 그 자체만으로 결정짓는다기보다는 사고 범위를 확장시키고 사용 가능한 툴들을 모두 사용할 수 있도록 돕는 정도의 역할을 할 것으로 보인다. 하지만 이 같은 면이 인위적인 제한에 의해 모든 데이터를 활용하지 못하는 누군가에게는 불공평한 어드벤티지로 작용할 수도 있지 않을까?
또한 이것은 스타트업들이 본인의 비즈니스에 대해 생각하는 방식에 대해 영향을 미칠 것이다. 스타트업에겐 아직 시장에 제품을 내놓기도 전에 성공의 가능성을 계산할 수 있는 Growth Science와 같은 회사가 있다는 사실이 겁나는 일이 될 수 있다. 이에 대해 Thurston은 당연하게도, Growth Science는 유익한 것이라고 설명한다. 또 나 역시 Growth Science 뿐만 아니라 비슷한 종류의 일을 하는 다른 모든 벤처회사들이 유익한 영향을 미칠 것이라고 생각한다. "이런 식으로 생각해봅시다 -- 모두가 '실제'로 어떤 물건을 만들기 전에 CAD와 같은 가상 환경에서 시뮬레이션 해보잖아요. 같은 일이 비즈니스를 배경으로 이루어지는 건 왜 안되는거죠? 바꿔말하면, 저희가 하고자하는 사업은 일종의 예측 공장(prediction factory)과 같은 겁니다."
No comments:
Post a Comment