Beim algorithmischen Investieren, verwenden Investoren die Kennzahlen eines Unternehmens, um zu entscheiden, ob sie an einem Geschäft teilnehmen möchten. Aber wenn die Kunst der Wahl außer Acht gelassen wird, wird es schwieriger, eine gründliche Due Diligence bei Gründern durchzuführen, die möglicherweise kurz davor stehen, Millionen von Dollar per Überweisung zu erhalten.
In der Praxis können Versuche, Vorurteile zu beseitigen, neue, blinde Flecken schaffen, die schwerer zu identifizieren sind.
Theoretisch schützt algorithmisches Investieren vor vorgefassten Meinungen der Anleger und verdrängt Emotionen. Das Fintech-Einhorn Clearco und das Venture-Unternehmen SignalFire haben Jahre damit verbracht, datenorientierte Anlageprozesse zu implementieren, in jüngerer Zeit kamen AngelList und Hum Capital dazu. Obwohl dieser Ansatz nicht neu ist, fühlt sich die Bewegung gegen ausschließlich auf Emotionen basierende Entscheidungen angesichts der Verbreitung von Dollars da draußen lauter an.
Metriken werden selbst in den frühesten Stadien immer mehr zum Mainstream.
Der kürzlich geschlossene Frühphasen-Venture-Fonds von AngelList stützt alle seine Investitionen auf eine Schlüsselkennzahl, die AngelList seit Jahren verfolgt: die Fähigkeit eines Startups, Mitarbeiter einzustellen.
Als ich mit Abraham Othman, Leiter des Investmentkomitees und Data Science bei AngelList Venture, sprach, sagte er mir, dass sie Deals gewinnen, weil sie Portfoliounternehmen weniger feindlich gegenüberstehen als andere Firmen. „Unser Ansatz? Das ist unser Datensatz – mal sehen, ob wir Geld hineinstecken können“, sagte er.
Keine weitere Due Diligence? Kein Problem.
Es ist kein kleines Set. Etwa 2 Millionen Personen nutzen AngelList Talent, um sich jedes Quartal bei Startups zu bewerben. Etwa 35.000 Unternehmen pro Quartal bewerben sich um AngelList-Talente, aber nur die Hälfte dieser Unternehmen sind investierbare Unternehmen in der Frühphase.