种方法将会让很多人感到意外,从某种角度来讲,它可以在不知道任何申请人的情况下,帮助投资人在挑选投资对象的时候检测偏见。这其实足够令人感到兴奋。这意味着第三方可以利用这种技术来检测偏见,无论投资人是否投资该项目。使用这种技术需要满足以下条件:(a)在被选中的申请人中至少选取一个随机样本,(b)他们后续表现可以被测量,(c)这群你在比较的申请者有大概相等的能力分布。

那到底这种方法是如何运作的呢?想想看,在挑选投资对象的时候,如果投资人对 X 型的申请人存在偏见,X 类型的人就很难通过申请。因此如果 X 型的申请者想要被选中,他们必须比其他类型的申请者更加优秀。这其实也说明了如果 X 型的申请者通过了,他们确实比其他类型的申请者优秀得多。

换句话说,投资人在选择投资对象的时候,如果利用衡量后续表现的方法来测量所有的申请者,你会发现这种结论是正确的。

不过,你所用的衡量表现的测试必须是有效的。特别是你不要受偏见影响,带着这个偏见去测量。否则这个测试就没有任何意义。有一些领域,后续表现测试乃至检测偏见都非常简单。如果你想知道,在你做出选择的过程中是否会对某类申请人存在偏见,你千万不要去比较他们是否比其他人表现好。因为这不是检测偏见,这本身就是一种偏见。

例如,许多人怀疑风险投资公司会对女性创始人存在偏见。检测这种偏见其实很容易,看看他们的投资组合公司里,有女性创始人的公司的后续表现是否比没有女性创始人的公司更好?几个月前,一个风投公司公布了一项关于这种类型偏见的研究数据,数据显示,在其投资组合公司中,以第一轮投资为临界点,有女性创始人的创业公司的表现比没有女性创始人的创业公司要好 63%。

我开始时说,这项技术会给很多人带来惊喜,我之所以这么说是因为:我们很少会看到这种类型的分析。我敢肯定如果在第一轮利用这种方法,它绝对会让大多数人感到惊讶。

在选择投资对象的时候,一些风投会在已投公司中提取成功样本,选择同类型的公司,他们认为这样成功的可能性会比较大一些,但他们并没有研究当下的创业趋势,将其他类型的申请人排除在外,我怀疑他们并没有意识到这种方法事实上是存在偏见的。我相信如果他们明白这样做是存在偏见的,他们就不会再这么做了。

我预感,在未来我们会看到无论是投资人还是创业者会有越来越多的人使用这种技术,而支持这项技术所需的信息数据研究也会越来越多。以往关于申请者的数据会由投资机构严密把关,但现在以及未来这些数据会慢慢成为公开化的内容。


undefined保罗·格雷厄姆 | Paul Graham
美国著名程序员、风险投资家、博客和技术作家。他以Lisp方面的工作而知名,也是最早的Web应用Viaweb的创办者之一,后来以近5千万美元价格被雅虎收购,成为Yahoo! Store。他的著作包括On Lisp (1993),ANSI Common Lisp (1995) 和Hackers & Painters (2004)。

 

文章来自:36kr

© 2015 – 2016, 微能创投加速器. 版权所有.

微能创投加速器

发布者: 微能创投加速器

微能创投加速器致力于联合中国顶尖的众创空间合作伙伴,用标准化的全球成功实践打造中国最大的加速器网络。