ベンチャーの失敗要因


The Top 20 Reasons Startups Fail にベンチャーの失敗要因のトップ20が出ている。
トップは顧客がいなかった、ニーズがなかった。という理由。
技術系ベンチャーが特に一番気をつけないといけないところがやはり1位になっている。

投資する際にこのリスクを減らすためには、やはり顧客ヒアリングを多数やる必要があると改めて感じる。

e0194027_22260576.png


ベンチャー投資の実務―発掘、選別から回収まで

日本経済新聞社
売り上げランキング: 388,895


# by km_g | 2019-02-09 10:49 | VC


たまたま下記の動画を見た。イー・アクセス創業者の我らが千本さん。もう70歳超え。

・ベンチャーは0.5歩先を見ることが大事
・一流にふれる
などなど。他に大事なことをたくさん言ってる。なんども見返したいところ。



その中で、0.5歩先を見るとというのが最近大事だなとよく思う。
大きな流れにのるということ。最近で言えば、AI、ビッグデータ、IoTあたりか。正しい流れかはさておき、この流れに乗っているところとそうでないところの勢いには大きな差がやはりある。資金調達、採用、顧客獲得。いろいろ有利。

この流れの源泉は、「なぜこの事業をいまやるのか」という何かしらの時間的意味あいがその事業にあるかどうか、だと思う。解決する問題、技術などの解決方法、のどちらかが時流をとらえているかどうか。

しかし、先を読みすぎても、息切れつまり資金が続かず死んでしまう。今でいうと、量子コンピュータや汎用AI、完全自動運転あたりだろうか。良いタイミングを読むというのはとっても難しいが、この事業は先をいっているのだろうか、何歩先をいってるだろうか、をよく考えていかないといけない。

2019年の時点で、どんな事業が「0.5歩先」だろうか。

e0194027_20384576.png
去年発表されたガートナーのテクノロジーのハイプ・サイクル。





# by km_g | 2019-01-14 20:40

ベンチャーの資金調達



ベンチャーで重要なのはなんと言っても資金調達。当然ながらベンチャー(ベンチャーに限らず)の直接の死因は資金ショート。資金繰りが悪くなると精神的な負担にもなるし、事業に集中できなくなる。

  • 資金調達は時間がかかる 最低3ヶ月は見ておく
VCや銀行といろいろ交渉しなければならなかったり、なれない契約書と格闘したりで、平気で3ヶ月くらいかかってしまう。
いかに資金調達をすっきり終わらせるか、そして戦略的に資金調達を行えるか(株主の選択など)どうかで、当初は同じ事業計画でも数年後には大きな差が開いていることも。デット、助成金、エクイティなどいろいろあるが、最低でも資金ショートの月の3ヶ月前にはアポ取りをしていないと厳しいと思う。

  • どのくらいの金額を集めるか
多いほどいい気もするが、経営陣や既存投資家のシェアがダイリューションしてしまうので、そことのバランスがポイント。次のマイルストーンを設定しおおよそ1.5年くらいもつ金額を調達するのが相場だと思われる。マイルストーンは、次回の資金調達で投資家を回ったときに、「●●ができた」「パートナーと提携した」など、わかりやすく説明できる内容がベスト。逆に「●●が改善された」「●●の開発が完了した」などはちょっとマイルストーンとしては不向きで、前回と何が変わったの?と思われてバリエーションが希望通りあげられる苦労することもある。なので、対外的に言いやすい、示しやすいマイルストーンを設定してそこまでいける金額を集めることが重要。


  • 全体金額をどう集めるか
どのくらいの金額を集めるかを決めたならば、次はどのような構成で集めるか。一社から集めるか、複数社から集めるか。を決める。あまり多くの投資家でのラウンドは契約書をまとめるのが大変になるので、多くても5社くらいがギリギリだと思う。投資家が多くなる場合は、リードVCを見つけてそこと交渉をまずまとめて、他の投資家はある程度できあった条件で、これでのるかどうか、と交渉すると交渉しやすい。名のある投資家がリードとなっていると、あそこがリードだったらということでまとまる可能性も高まる(リードVCとは、そのラウンドの一番の金額の出し手のことを指すことが一般的。)
3億円くらいであれば、1.5~2.0億円のリードとVCと5000万円が2~3社というのがよく見る光景。
金額以外に、戦略的にあそこの投資家にはぜひ入ってもらいたいというのはある。医療機器に強い、金融に強い、顧客になる、など。そういうところは金額や条件はある程度あまくして、積極的に入ってもらう工夫も重要。


  • 準備しておくこと
投資家に会うときに必要な情報は下記。まとめてzipにしてポンと渡してしまえば楽。
 ・事業計画書
 ・収益計画(最低5年分、向こう2年分くらいは月次であると助かる)
    ・資本政策(創業時からの資本政策表。時期、株式の種類、株価、譲渡、ストックオプションなど)
    ・株主リスト(全株主の簡単な経歴も。ストックオプションも)
    ・定款、登記簿謄本
    ・経営陣の経歴(取締役は全員、キーマンの方もできれば)
    ・過去の決算書
    ・重要な契約書(共同開発契約、創業者間株主間契約、投資契約、株主間契約書など)
    ・特許リスト(出願/権利化、国、明細書)
    ・競合情報(隠さず全部)
    ・借入金の情報(借入先、金額、金利・返済スケジュールなど)
    ・組織図、従業員数
    
  • 最悪の場合はどうするか
最悪どこのVCも乗ってこない、というのも十分ありうる。その場合はどうするか。
 ・遅らせられる費用は支払いを待ってもらう 給料もまってもらうことも リストラも
 ・経営陣からの一時的な借り入れ(しばらく返ってこない可能性あるので注意)
 ・既存投資家からのつなぎファイナンス(コンバーティブルボンドが有効)
 ・資金調達の希望額を小さくして、株価を下げて(条件を緩和して)、少しでも事業進捗させて再度資金調達
 ・(基本的に諦めない)
 
最悪の場合に頼りになるのは、やはり既存投資家。追加投資や新しい投資家の説得を手伝ってくれるか、などあまり頼りにし過ぎるのは良くないか。新しい投資家を迎え入れるか検討する時も、この投資家は自社が窮地に立たされたときにどんな協力をしてくれそうか、は考えながら判断するとよい。



  • 参考図書
契約書のあたりは下記を読んでおけば大丈夫

起業のファイナンス 増補改訂版
日本実業出版社 (2015-07-17)
売り上げランキング: 4,219
起業のエクイティ・ファイナンス
ダイヤモンド社 (2014-07-22)
売り上げランキング: 26,990





# by km_g | 2019-01-14 20:08 | VC




追加していく。





# by km_g | 2019-01-03 11:20 | VC

 技術系ベンチャーのビジネスモデルで、プラットフォーム型?がけっこう多い。

・室内の隅々まで届くwiriホッピング技術
・非常に少ないデータ数で学習できるAIアルゴリズム
・いろんな創薬のタネを作れる

などなど。経営学的にプラットフォーム型と言わないのかもしれないけど、バリューチェーンの上流にコアコンピタンスがあって、最終製品は作らないようなビジネスモデルのことをここでは指す。

プラットフォーム型ビジネスモデルを選択すること自体は否定はしないが、立派な(と思われる)プラットフォームを作ったはいいが誰もそれを使ってくれない、という状態に陥っているところが多い。これでは、シード期は良いがシリーズAあたりできつくなる。

このような段階でVC側は、キラーアプリケーション(何に一番使えるのか)は何か、というのが気になっている。プラットフォームの幅広さ、よりも何かの用途に素晴らしく使えるかどうか、が気になる。一方、ベンチャー側は、「我々のプラットフォームは特定用途にとどまらず、幅広く使える」と思っていて、特定用途に拘ることを嫌うことが多い。

またVC側は、いろいろな分野でそのプラットフォームが使われている状態ではなく、ある特定の用途で使われる程度でIPO水準の収益規模になるかどうかを気にしている。なぜなら、IPOまでのたかだか5年間でいろいろな用途で実際に使われるのはまず無理で、ある特定用途で使われるくらいまでしかいかないと思っている。なので、特定用途向けだけのビジネスで二桁億円の売上が出るかどうかを気にしている。
一方ベンチャー側は、幅広く使えると思っているので、特定用途単体でのビジネス規模はあまり気にしていなく、やはり幅広さを重要視している。なので市場規模の議論をすると噛み合わないこともしばしば。

アプリケーションを探すために、いろいろなパートナー企業に営業にいったり、デモ動画を作ったり、展示会に出したりしながらプラットフォームの宣伝をする。しかし、小さな受託はたくさん集まるだろうが、これは、というのはなかなか見つからない、ものにならないケースが多いのではないか。
ベンチャー側は、そのプラットフォームがいかに素晴らしいかを、ベンチャー側自らがアプリケーションを作ることで、その可能性・素晴らしさをパートナー企業や外部に示す必要がある。デモ程度ではなく、全体のビジネスモデル、パートナー企業がいかに(小さい労力で)儲かるか、お手本、を示す必要ある。そこまでしないとなかなか乗ってこない。これがなかなかうまくできるベンチャーが少ない。

原因はおそらくチーム構成にある。プラットフォーム型に限らず、技術系ベンチャーの創業メンバーは、

・発明者、キー技術者
・CEO
・管理系

こんな感じ。ここでの問題はCEO。CEOの方がプラットフォームのビジネス展開、パートナー企業とのビジネスを構築できるか、が重要になる。一見するとキー技術者でもできそうな気がするが、多くの場合研究者っぽい方なのでたぶん難しい。CEOの方ができるかというと、やはり難しいことが多い。特にバリューチェーンが長いビジネス向けのプラットフォームの場合、その業界全体まで精通しないとささる提案はきつい。アプリ候補となる複数の業種、業界で精通しているなんてことはおそらくない。なので、パートナー企業にぐっときてもらうビジネスを提案することがなかなか難しい。

ここでうまくいくベンチャーは、ある業界で長く実務経験がある人が参画してくれて、かつその業界向けにそのプラットフォームがマッチする場合。CEOの方の仕事はむしろそういう業界経験者をいかに採用するかが重要だと思う。その方がいると一気にビジネスモデルにリアリティが出て、また先方からの信頼もあがり、ビジネスがまとまる可能性も高くなる。この段階になると、プラットフォーム型は少し薄れてきて、眼の前の用途に集中するという経営にやっとなる。

プラットフォームビジネス。響きは良いが、けっこう難しい。その問題の本質は、その技術なり製品が「本当に」プラットフォーム性があるのか、という見極めにある気がする。本当にいろいろな用途に使えるのであればそれは素晴らしく、おそらく、外部からいろいろな提案が既にきているかもしれない。しかし、ほとんどは、プラットフォーム性はおそらくなく、特定用途にしか使えない技術・製品の可能性高い。単純にマーケット・お客・ニーズが見えてないだけの可能性が高い。


# by km_g | 2018-12-02 11:38 | 起業

AIを使った医療機器開発

米国で初のAI医療機器が承認されたとのことだ。
https://www.fda.gov/NewsEvents/Newsroom/PressAnnouncements/ucm604357.htm
米国食品医薬品局(FDA)は、糖尿病患者の眼疾患糖尿病性網膜症の軽度以上のレベルを検出するために、人工知能を使用する最初の医療機器の販売を許可した。糖尿病性網膜症は、高レベルの血糖が眼の後ろの光感受性組織である網膜の血管に損傷をもたらす場合に起こる。糖尿病網膜症は、糖尿病を患っている3,000万人以上のアメリカ人の視力喪失の最も一般的な原因であり、労働年齢の成人の視力障害および失明の主要な原因である。「網膜症の早期発見は、糖尿病患者数百万人のケアを管理する上で重要な部分ですが、糖尿病患者の多くは糖尿病網膜症のスクリーニングを十分に受けていません。その約50%が年1回、 FDAの機器・放射線健康センターの眼科・耳・鼻・咽喉機器部門ディレクター、Malvina Eydelman(MD)は述べています。"今日の決定は、プライマリケア医のオフィスで使用できる新しい人工知能技術のマーケティングを可能にします。FDAは、必要とされる医療への患者のアクセスを改善することができる、安全で効果的なデジタル健康機器の利用を引き続き容易にするでしょう。
いわゆるスクリーニング用とで医師の診断を受けるべきかどうかを判断するソフトウェアのようだ。まずはここからという感じか。

開発したのはIDxというベンチャー企業。2010年設立で、3.6Mドルしか調達していない。上記記事によると、900人の臨床試験をやったようだ。スクリーニング用途のため、健常者と患者の両方を加える必要があるためこのような大人数になっているのだろう。

ところで、AI医療機器は日本でも話題だ。大企業、ベンチャーいろんなところで開発している噂を聞く。ところで、AIを使った医療機器を開発する上で何がポイントになるのだろうか。
日本で医療機器の承認を管轄しているPMDAがAIを使った医療機器について最近語ったのは下記のシンポジウムだろうか。http://tech.nikkeibp.co.jp/dm/atcl/feature/15/327442/112100149/?ST=health
そのうえで、“審査の目から見たAI機器の特徴”として加藤氏が挙げた点に、次の3つがある。(1)ブラックボックス性、(2)性能の継続的な変化、(3)データセットの信頼性、である。 (1)のブラックボックス性とは、AIの挙動の根拠が機器の開発者にとっても未知数なこと。「従来の医療機器では開発者が機器の得意・不得意を理解し、それを基にしたリスクマネジメントができた。これに対しAIを活用した医療機器では、未知のデータに対する振る舞いは開発者でも予想が困難」(加藤氏)。
(1)ブロックボックス性とは、ディープラーニングの特性上なぜそのような結果になったのかが人間にはわからないことで、リスクマネジメントができない、ということのようだ。最近韓国の囲碁のすごい人とグーグルのAIが対戦した際に、AI側が暴走した事例があった。これが医療機器で起きる可能性がある。というよりどんな時に暴走が発生するか、が想定できないのが問題だということだ

(2)性能農継続性の変化、は承認後も学習し続けることで、承認時の特性と変わってしまう、ということだ。
(3)は、承認後に学習させるためにどんなデータを使うか、そのデータは信頼性があるか、ということだ。

ところで、承認後もそのAI医療機器は学習を続けるのだろうか。もしそれが不要なら(2)、(3)は無視できるはずだ。AI医療機器は完全に医師の関与が不要になることが一番のメリット。今回の米国の例も医師からの診断の前段階なので当然医師の関与はない。
つまり、AI医療機器が診断する現場には医師はおそらくおらず、その診断ごとにリファレンスデータ(〜教師データ)はとれず、つまりAI医療機器が使われていくところで同時に学習は行われない可能性が高いのではないかと思われる。

AI医療機器を開発する企業はAI医療機器をさらに精度をあげるべく学習させるとしたら、おそらく改めて、臨床試験を行い、承認等の手続きをとる気がする。改良医療機器になるだろうし、大したコストはかからないだろう。
なので、(2)、(3)は、承認後に「その医療機器」が学習し変化することはたぶんないので、改めて問題にならない気がする。

(1)は改めてどうだろう。どんな医療機器でさえ、一定の確率で誤った結果をだす。AI医療機器もしかり。ここで言っているのはその間違い具合、得手不得手が予測困難だということだ。通常の医療機器であれば、こういう場合にはこの医療機器は間違いやすい、などと注意事項を書くのだろうが、それができないということだろう。ところで、医療機器の承認のポイントは、その有効性がリスクを上回っているかどうかだ。この点からおそらく、(1)はゴリ押しされる気がする。

こうして見ると、AIを使った医療機器を開発するときのポイントは、単純によいAIを開発するという点以外で特に大きな障害はないように思う。あるとすれば、今回の論点とはずれるが、唯一の障害は医師会の反発だろう。遠隔診療と同様に、保険点数が少ししかもらえない、用途が限定される(特に医師不足の領域)、などを指定される可能性が高い。

国内では、AI医療機器を開発する特にベンチャー企業がたくさんいるが、この点で足をすくわれるところが多い気がする。いわゆるIT✖️医療の領域には、ITと医療の両分野の知見が必要だが、IT側が主導するか、医療側が主導するか、で成功確率が変わる気がする。医療分野は、命に関わるし、規制も多くいわゆる大人のビジネス。渋谷の某ベンチャーはこの大人の部分が足りなかった。

国内のAI医療機器ベンチャーは、うまく両方を取り込んでいるように見えるが、若いエンジニアとあまり臨床経験のない医師とのコンビのチームが多い気がする。このチーム体制で医師会をうまくコントロールできるか、空気を読めるか。この点がポイントになると思われる。



# by km_g | 2018-04-14 17:20

医療機器にするべきか?

 最近というか少し前からデジタルヘルスの分野が盛り上がっている。生体情報、生活情報を利用して病気の予防・診断や、MRI画像をAIで・・、などなど。その中で、必ず気にしないといけないのが、医療機器として製品化するかどうか。手術ロボットやカテーテルなどは、明らかに医療機器に該当するので、その点は問題にならないが、このデジタルヘルスの分野は微妙だ。医療機器にするかどうか、選べる可能性があるからだ。

ところで医療機器の定義は、下記の通り。

医療機器とは、人若しくは動物の疾病の診断、治療若しくは予防に使用されること、又は人若しくは動物の身体の構造若しくは機能に影響を及ぼすことが目的とされている機械器具等であって、政令で定めるものをいう。


①診断や治療を目的としている
②機能や構造に影響を与える

このいずれかであれば医療機器というわけだ。

 デジタルヘルスの分野を大きく分けると下記の3つ。
  1. 予防 
  2. 診断 
  3. 治療 
 この中で、医療機器性が出てくるのは、2.診断と3.治療の領域に入った場合。運動量や心拍など生体情報をモニタリングしてグラフ化するまでは良いが、病気のアラートを出すと診断の可能性が生まれ、医療機器性が出て来る。そこまでやるかどうか。最近では認知行動療法が浸透し、ソフトウェアでも治療まで行える可能性が出てきた。要はそこまでやるかどうか。

 ところで、医療機器として製品化するのとしないのとでは何が違うのか。メリットとデメリットを少しあげると下記の通りだろうか。

メリット
・医療効果を言える(差別化、マーケテイング)
・診断、治療といった付加価値の高いビジネスが可能
・保険診療となった場合、国から費用負担が得られる

デメリット
・臨床試験等の手続き負担(カネ、時間)
・販路が制限される

 日本の場合は、コンシューマー向けの予防はマネタイズしにくい(健保や保険と組むとうまくいきそうだが)。また、参入障壁が大きくないため、このデジタルヘルスの分野には多くのプレイヤーが参入してきている。その中で、この医療機器の領域に入るかどうかは大きな戦略判断だろう。



図解で学ぶ 医療機器業界参入の必要知識 第2版
宇喜多白川医療設計株式会社
じほう
売り上げランキング: 285,441


ちなみに、こんなプログラムは医療機器、こんなプログラムは医療機器ではないよ、参考例が公開されている。
http://www.jaame.or.jp/mdsi/program-files/261114.pdf
************************************************************
これらは医療機器

(1) 医療機器で得られたデータ(画像を含む)を加工・処理し、診断又は治療に用いるための指標、画像、グラフ等を作成するプログラム
① 診断に用いるため、画像診断機器で撮影した画像を汎用コンピュータ等に表示するプログラム(診療記録としての保管・表示用を除く)
② 画像診断機器で撮影した画像や検査機器で得られた検査データを加工・処理し、病巣の存在する候補位置の表示や、病変又は異常値の検出の支援を行うプログラム(CADe(Computer-Aided Detection))
③ CADe 機能に加え、病変の良悪性鑑別や疾病の進行度等の定量的なデータ、診断結果の候補やリスク評価に関する情報等を提供して診断支援を行うプログラム(CADx(Computer-Aided Diagnosis))
④ 放射性医薬品等を用いて核医学診断装置等で撮影した画像上の放射性医薬品等の濃度の経時的変化データを処理して生理学的なパラメータ(組織血流量、負荷応答性、基質代謝量、受容体結合能等)を計算し、健常人群等との統計的な比較を行うプログラム
⑤ 簡易血糖測定器等の医療機器から得られたデータを加工・処理して糖尿病の重症度等の新たな指標の提示を行うプログラム
⑥ 一つ又は複数の検査機器から得られた検査データや画像を加工・処理し、診断のための情報を提示するプログラム(例えば、眼底カメラ、眼撮影装置、その他眼科向検査機器から得られた画像や検査データを加工・処理し、眼球の組織・細胞や層構造について、形状・面積・厚さ・体積・濃度・色等を表示、形態情報との相関比較を行うプログラム)

(2) 治療計画・方法の決定を支援するためのプログラム(シミュレーションを含む)
① CT 等の画像診断機器から得られる画像データを加工・処理し、歯やインプラントの位置のイメージ画像の表示、歯科の矯正又はインプラント治療の術式シミュレーションにより、治療法の候補の提示及び評価・診断を行い、治療計画の作成、及び期待される治療結果の予測を行うプログラム
② 放射線治療における患者への放射線の照射をシミュレーションし、人体組織における吸収線量分布の推定値を計算するためのプログラム(RTPS(放射線治療計画システム))
③ 画像を用いて脳神経外科手術、形成外科、耳鼻咽喉科、脊椎外科等の手術をナビゲーションするためのプログラム
④ CT 等の画像診断機器で撮影した画像を加工・処理して、整形外科手術の術前計画を作成するためのプログラム
⑤ 画像診断機器や検査機器で得られたデータを加工・処理し、手術結果のシミュレーションを行い、術者による術式・アプローチの選択の支援や、手術時に手術機器で使用するパラメータの計算を行うプログラム(例えば、角膜トポグラフィ機能をもつレフラクト・ケラトメータで取得した角膜形状データを基に、屈折矯正手術における角膜不正成分を考慮した手術結果のシミュレーションを行い、レーザの照射データを作成するプログラム(屈折矯正手術レーザ照射データ作成プログラム))
⑥ 患者の体重等のデータから麻酔薬の投与量を容易な検証ができない方法により算出し、投与を支援するプログラム
************************************************************


BIODESIGN バイオデザイン日本語版
ステファノス・ゼニオス ジョシュ・マコーワー ポール・ヨック
薬事日報社 (2015-10-07)
売り上げランキング: 233,529

# by km_g | 2017-10-09 12:34 | 日常