* Por Adam Patterson

Economias e mercados são dinâmicos e incertos. O planejamento financeiro de startups precisa refletir essa realidade. Como diz o ditado, “a previsão é difícil, especialmente no que diz respeito ao futuro”. No entanto, as projeções financeiras são essenciais para o alinhamento com os investidores e mais importante para o seu próprio planejamento estratégico.

Costuma-se dizer que é difícil prever as vendas de startups e ainda mais difícil de quantificar as avaliações de projetos de early stage. De fato, a previsão de receitas e despesas de startups é realmente desafiador. Mas só porque é um desafio, não significa que é impossível e que não deveria sequer ser tentada. Aqui estatísticas simples podem ser suas amigas. Continuando a nossa série de Startup Finance 101, neste post vamos olhar para três maneiras principais em que técnicas de analise avançada podem ajudar no seu planejamento financeiro.

Projeções financeiras ponderadas: O uso de probabilidades ponderadas pode ajudar a criar previsões mais assertivas. Ele baseia-se no conceito de “esperança matemática”, e é um guia útil para integrar uma ampla gama de cenários e de riscos em suas projeções. Parece técnica e complexa, mas em seu nível básico utiliza um raciocínio simples, então aguente firme! Vamos ver um exemplo. Digamos que você está montando sua projeção de vendas para o próximo ano. Com base na sua intuição, tendências de mercado e desempenho histórico, você atribue uma probabilidade de 50% que sua receita será de R$ 150 mil (no cenário basecase), uma probabilidade de 30% que será de R $ 95 mil (cenário downside) e, finalmente, uma probabilidade de 20% que você pode chegar a R$ 180 mil (cenário upside). Com base nesses inputs calcularíamos uma estimativa média ponderada de vendas do próximo ano na seguinte forma:

Projeção de Receita

tabela

Simples certo? Projeções ponderadas são uma excelente maneira de modelar a incerteza (e cenários) e são tecnicamente mais robustos do que as estimativas individuais.

Análise de Sensibilidade: Esta é uma técnica usada para determinar como diferentes valores de uma variável independente (ou variáveis) poderiam impactar uma variável dependente em particular sob um determinado conjunto de pressupostos. Esta é uma ótima maneira de:

  • Compreender melhor os drivers financeiros e operacionais do seu negócio e as relações entre as variáveis-chave;
  • Testar e modelar incerteza nos resultados potenciais, tais como vendas, orçamentos e até mesmo seu valuation;
  • Reduzir a incerteza e melhorar a tomada de decisão dinâmica.

Basicamente então, análise de sensibilidade ajuda a fornecer uma visão para a pergunta, “se os principais números macro e micro de meu plano variam, qual será o efeito potencial sobre os meus objetivos e quais as variáveis que poderiam causar o maior impacto?”. Vamos olhar para um exemplo prático:

Payback Esperado

tabela 2

Aqui podemos modelar o impacto dos custos projetados acima ou abaixo do plano e o efeito potencial sobre o payback do projeto. Esse tipo de análise não só mostra aos stakeholders (internos ou externos) que você tem feito sua lição de casa, mas também fornece uma visão essencial nas negociações com investidores. Tendo esses números em mãos pode ser de grande ajuda.

Intervalos de probabilidade: Agora vamos falar um pouco mais sobre estatística simples J. Planejamento financeiro básico geralmente usa suposições “em linha reta”. Por exemplo, falar que seus números de vendas em três anos será de R$X etc. O problema é que o mundo não funciona dessa maneira. Riscos e retornos não são estáticos. A ideia deste post foi mostrar que as projeções de negócios, idealmente, devem ser dinâmicas e integrar possíveis intervalos, ou distribuições. Quando falamos de um único resultado de vendas ou investimentos, isso normalmente significa o resultado médio (ou mediana) que, quando plotados em uma distribuição (normal) vira o valor central. Podemos, então, aplicar o teorema do limite central do desvio padrão. Assim você pode simplesmente calcular um intervalo de 68% (um desvio padrão da média), 95% (dois) e 99% (três) de retornos prováveis. O gráfico abaixo ajuda a explicar este conceito:

tabela 3

Por exemplo, digamos que com base nos primeiros anos de atividade da sua startup, você tem um crescimento médio de vendas de 10% ao mês, com um fator de risco de 5% (aqui medido pelo desvio padrão). Isso significa que há uma probabilidade estatística de 99% que, ceteris paribus*, para frente, o retorno mensal melhor esperado será de 25% (10% + 3 × 5%), e o pior esperado de -5% (10% -3 × 5%). É claro que tais números precisam ser constantemente atualizados para garantir que eles permaneçam dinâmicos. Esse simples uso de probabilidades é uma ótima maneira de adicionar robustez e cenários de risco potenciais em suas projeções. A abordagem Monte Carlo pode tornar esta analise ainda mais robusta.

Em resumo, embora que não possamos prever o futuro, o uso de análise estatística simples pode ajudar a melhorar a sua tomada de decisão e gestão estratégica ágil.

*tudo mais constante


Adam linkedinAdam Patterson é economista britânico, graduado em Ciências Políticas e Estudos Parlamentares pela Universidade de Leeds e pós-graduado em Economia e investimentos pelas universidades de Londres e  o Instituto Real de Investimentos do Reino Unido. Trabalhou na equipe de valuation do HSBC e no parlamento britânico.  Adam é sócio-fundador da ALFA Valuation, empresa especializada no valuation e planejamento financeiro de startups. A ALFA foi idealizadora e criadora da ferramenta i-Valuation, o pioneiro portal online para o valuation de startups & PMEs no Brasil.