Вместе с BMW Local Motors провела конкурс Urban Driving Experience Challenge – «Решаем проблемы городского вождения», участники которого должны были предложить свои решения проблем, с которыми столкнутся водители BMW к 2025 году. Всего на конкурс было подано 414 работ; авторы лучших десяти получили призы на общую сумму 15 тысяч долларов [вовлечение]. Среди других проектов, реализованных сообществом Local Motors, – разработка автомобиля для доставки пиццы для Domino's Pizza и изобретение обуви для вождения для Reebok. Теперь компания ставит перед собой две новые амбициозные цели – создать первый в мире автомобиль, полностью напечатанный на 3D-принтере, а также разработать новую конструкцию автомобиля, состоящего из менее чем 20 компонентов, с широкими возможностями кастомизации.
Пуск!
Теперь, когда Local Motors указала путь, мы можем перейти к главной теме этой главы – созданию экспоненциальной организации. Но сначала одна оговорка: вы
И еще одно замечание: мы настоятельно рекомендуем вам прочитать книгу Эрика Риса «Бизнес с нуля. Метод Lean Startup для быстрого тестирования идей и выбора бизнес-модели», на которую мы будем часто ссылаться в этой главе. На самом деле мы считаем, что Рис дал наиболее точное определение экспоненциального стартапа из всех возможных: «Стартап – это вновь созданная организация, которая занимается разработкой новых продуктов и услуг в условиях чрезвычайной неопределенности». Вторая книга, которую мы настоятельно рекомендуем, – «От нуля к единице: Как создать стартап, который изменит будущее» Питера Тиля и Блейка Мастерса.
Пожалуй, в истории бизнеса не было лучшей эпохи для создания новых компаний, чем нынешние времена. Появление множества прорывных технологий, положительное отношение к предпринимательству, возможности для краудсорсинга и краудфандинга, созревшие для прорывных изменений традиционные рынки – все это создает привлекательные (и беспрецедентные) возможности для создания новых компаний. Кроме того, мы наблюдаем невиданное доселе снижение рисков в традиционных ключевых областях. Возвращаясь к аналогии с астероидом и динозаврами, можно сказать, что падение астероида поставило динозавров на грань вымирания и создало условия для появления и процветания нового вида маленьких и юрких организмов. Такой вот новый Кембрийский взрыв, если хотите.
При оценке стартапов инвесторы традиционно выделяют три основные области риска:
• Технологический риск.
Будет ли это работать?• Рыночный риск.
Будут ли люди покупать этот продукт?• Исполнительский риск.
Сможет ли команда обеспечить успех?Следовательно, задача каждого стартапа – понять, как свести к минимуму риски в каждой из этих трех областей и в процессе этого разработать бизнес-модель, которая будет работоспособной в выбранном проблемном пространстве. Это фундамент для всего остального.
Итак, давайте рассмотрим каждую из трех областей риска по очереди.
Технологический риск
В 1995 году, чтобы запустить софтверный стартап в Кремниевой долине, требовался начальный капитал в размере около 15 млн долларов. В основном эти деньги шли на то, чтобы создать серверные мощности, приобрести программное обеспечение и нанять сотрудников, которые будут разрабатывать новый код и управлять этой технологией. К 2005 году стоимость запуска стартапа снизилась примерно до 4 млн долларов. Серверы подешевели, а процесс разработки и конфигурации программного обеспечения, которое теперь зачастую было доступно на основе открытого исходного кода, значительно упростился. Основными статьями постоянных затрат стали маркетинг и продажи.
Сегодня, с появлением новых инструментов, таких как облачные вычисления и социальные медиа, запуск стартапа стоит меньше 100 тысяч долларов. Некогда огромный технологий риск (в частности, связанный с программным обеспечением) за последние двадцать лет снизился в 150 раз. Бо́льшая часть оставшегося риска относится только к вопросам масштабируемости. Так, появление стандартизированных веб-сервисов позволяет стартапам интегрировать в свои программы функционал сложного ПО буквально одним нажатием кнопки. В качестве примеров можно привести сервис прогностической аналитики Prediction API от Google и сервис Alchemy API, предлагающий алгоритмы глубинного обучения для распознавания образов.