Capital-riesgo y el desafío metódico a la estadística

En un artículo anterior, aquel en que hablábamos sobre el feedback y titulábamos 'La estadística contra la eficacia del feedback', veíamos cómo Daniel Kahneman nos advierte sobre la importancia de reconocer la distribución normal de los fenómenos aleatorios y tener en cuenta, consecuentemente, lo que el denomina 'la regresión a la media' a la hora de hacer  predicciones. Esta regresión a la media lo que nos indica es que, cuando un fenómeno presenta un valor anormalmente alto o bajo (digamos el desempeño de una persona) lo que cabe esperar en el futuro no es que se mantenga ese desempeño alto o bajo (como tendemos a pensar) sino todo lo contrario, que en su siguiente manifestación se acerque a la media y sea, por tanto, menos alto o menos bajo.

En el caso del desempeño de personas y del feedback, probablemente la advertencia sea pertinente...aunque el título del post es intencionadamente algo exagerado :).

Sin embargo, no siempre esa cierta 'prudencia estadística', es la mejor opción. Y no porque no se mantenga la validez científica de la observación, sino porque lo que buscamos no es exactamente la prudencia y el acierto en el mayor número de casos sino otros objetivos.

Estas predicciones razonables y 'estadísticamente preparadas' son, por decirlo de alguna manera, 'conservadoras', y no son la mejor opción salvo que dispongamos de una enorme cantidad de información para detectar casos especiales o lo que Nassim Nicholas Taleb llamaría 'cisnes negros', fenómenos excepcionales que no se ajustan a lo común.

En esa línea recogemos una frase de Kahneman: 

A charasteristic of unbiased predictions is that they permit the prediction of rare or extreme events only when the information is very good. If you expect your predictions to be of modest validity, you will never guess an outcome that is either rare or far from the mean.

Una de estas ocupaciones donde es más importante el predecir correctamente los casos excepcionales que acertar en la mayor marte de los casos es el campo del capital riesgo. El capital riesgo se mueve en arenas movedizas y sabiendo que la mayor parte de las startups fracasan debe elegir dónde invertir. En esta situación, lo realmente importante es detectar los casos relativamente escasos que triunfan. El dinero obtenido como retorno de la inversión en el caso de éxito justificará y hará rentable, no sólo esa inversión concreta triunfadora, sino todas las inversiones fallidas que se hayan podido realizar anteriormente.

El inversor de capital riesgo se puede permitir fallar con cierta frecuencia...pero lo que no se puede permitir es no detectar con razonable éxito las buenas oportunidades... y un exceso de prudencia estadística nos haría desestimar siempre el caso excepcional.

Así lo explica el propio Kahneman.

the rational venture capitalist knows that even the most promising start-ups have only a moderate chance of success. She views her job as picking the most promising bets from the bets that are available.
...
The goal of venture capitalists is to call the extreme cases correctly, even at the cost of overestimating the prospects of many other ventures.

De esta forma, si al hablar del feedback sobre desempeño a personas parecía la opción más correcta mirar siempre de reojo a la estadística y no apostar por una continuidad del nivel de desempeño ni sobrevalorar el efecto del feedback, en el caso del capital riesgo, parece que, paradójicamente, lo racional es olvidarse un poquito, sólo un poquito, de la estadística, entendiendo por tal el fenómeno de la regresión a la media, y apostar por el cisne negro, por la startup que triunfará desafiando a la estadística y a la media.