Skip to content

搞英语 → 看世界

翻译英文优质信息和名人推特

Menu
  • 首页
  • 作者列表
  • 独立博客
  • 专业媒体
  • 名人推特
  • 邮件列表
  • 关于本站
Menu

建立财务模型以计算筹款需求的 8 个步骤

Posted on 2022-06-14
布莱尔·西尔弗伯格
分享到Twitter
Blair Silverberg 是 Hum Capital 的联合创始人兼首席执行官, Hum Capital是一家使用技术加速筹资过程的金融服务公司。
此贡献者的更多帖子

  • 解锁数据驱动筹款的 3 把钥匙
  • 了解您的创业公司的价值,以便您可以将其传达给投资者

持续的市场低迷和科技公司的裁员已经在初创企业和风险投资领域引起了极大的恐慌,但预计处于成长阶段的初创企业将首当其冲。

早期创业公司有机会利用干粉,因为拥有干粉的投资者最终将需要部署它以确保他们的管理费。投资者正在将注意力转移到早期的交易上,与在经济低迷时期以较大的平均支票规模投资成长阶段的公司相比,这些交易在短期内的风险可能较小。这是因为公司越接近首次公开募股,投资者就越会将其价值确定为上市公司估值的函数。

即使在不景气的时候,好的企业也会获得资金。证明您的业务对投资者来说是可靠的关键是在讲述您公司的故事时采用数据支持的方法。

首先,创始人首先需要弄清楚他们需要多少资金才能实现业务目标。

由于许多融资轮次达到八或九位数,这些交易的细节对于新创始人来说似乎很抽象,或者听起来像是公司在玩垄断资金。对于许多创始人,尤其是那些来自非传统或资源匮乏背景的创始人来说,甚至大声说“我正在寻找筹集 2000 万美元”并感觉自己会被认真对待都可能令人生畏。

虽然很简单,但您可以将推销视为简单地让投资者购买您的模型。

一个可靠的财务模型对于弥合创始人和投资者之间的预期差距至关重要,它将使双方能够消除炒作并专注于基本面。

以下是开发财务模型以准确预测您的筹款需求的八个步骤:

了解你的幻数

在我们建立财务模型以找到您的业务需要提高的神奇数字之前,我们首先需要了解一个好的模型是什么样的。

您的模型应该在未来两年内预测您的需求,并包含 2 倍的安全边际。

两年的时间框架给创业团队带来了足够的执行压力,但不会太大以至于他们不能深思熟虑和战略。如果您的企业每两年在提高估值或收入方面没有取得重大进展,则业务模式可能存在问题。

很难严格地建立超过两年的预测,而且你可能会陷入分析的兔子洞。创始人应该避免在投资者演示中这样做。也就是说,创始人还应该制定一个长期模型(10 年以上)来考虑整体战略。

众所周知,人脑在计划时是不准确的,安全边际是解决这一问题的好工具。此外,我们生活在不确定的时代,这使得解释未来意外的宏观经济变化至关重要。在您的模型中构建缓冲区有助于提供一个缓冲,您可以使用它来克服轮次之间任何不可预见的障碍。

一旦找到未来两年需要运营的金额,将该数字乘以至少 1.5(2 更安全),以获得您的神奇筹款目标数字。

构建模型

我们将用于确定总体筹款需求的数据点是:

原文: https://techcrunch.com/2022/06/13/8-steps-for-building-a-financial-model-to-calculate-your-fundraising-needs/

本站文章系自动翻译,站长会周期检查,如果有不当内容,请点此留言,非常感谢。
  • Abhinav
  • Abigail Pain
  • Adam Fortuna
  • Alberto Gallego
  • Alex Wlchan
  • Answer.AI
  • Arne Bahlo
  • Ben Carlson
  • Ben Kuhn
  • Bert Hubert
  • Big Technology
  • Bits about Money
  • Brian Krebs
  • ByteByteGo
  • Chip Huyen
  • Chips and Cheese
  • Christopher Butler
  • Colin Percival
  • Cool Infographics
  • Dan Sinker
  • David Walsh
  • Dmitry Dolzhenko
  • Dustin Curtis
  • eighty twenty
  • Elad Gil
  • Ellie Huxtable
  • Ethan Dalool
  • Ethan Marcotte
  • Exponential View
  • FAIL Blog
  • Founder Weekly
  • Geoffrey Huntley
  • Geoffrey Litt
  • Greg Mankiw
  • HeardThat Blog
  • Henrique Dias
  • Hypercritical
  • IEEE Spectrum
  • Investment Talk
  • Jaz
  • Jeff Geerling
  • Jonas Hietala
  • Josh Comeau
  • Lenny Rachitsky
  • Li Haoyi
  • Liz Danzico
  • Lou Plummer
  • Luke Wroblewski
  • Maggie Appleton
  • Matt Baer
  • Matt Stoller
  • Matthias Endler
  • Mert Bulan
  • Mind Matters
  • Mostly metrics
  • Naval Ravikant
  • News Letter
  • NextDraft
  • Non_Interactive
  • Not Boring
  • One Useful Thing
  • Phil Eaton
  • Product Market Fit
  • Readwise
  • ReedyBear
  • Robert Heaton
  • Rohit Patel
  • Ruben Schade
  • Sage Economics
  • Sam Altman
  • Sam Rose
  • selfh.st
  • Shtetl-Optimized
  • Simon schreibt
  • Slashdot
  • Small Good Things
  • Steph Ango
  • Stephen Wolfram
  • Steve Blank
  • Taylor Troesh
  • Telegram Blog
  • The Macro Compass
  • The Pomp Letter
  • thesephist
  • Thinking Deep & Wide
  • Tim Kellogg
  • Understanding AI
  • Wes Kao
  • 英文媒体
  • 英文推特
  • 英文独立博客
©2025 搞英语 → 看世界 | Design: Newspaperly WordPress Theme