古代人寻找炼金术，而现代投资者希望他们能找到一种方法，精确预测初创公司的成败。如今，一家名为Growth Science的公司发明新算法，可以让投资者美梦成真。
新算法不靠猜测、咨询，或者根据多年的经验给出建议。它试图将“颠覆理论”（disruption theory）推广至一个全新水平。“据我所知，世界上没有哪个人能够预测初创公司的成功或失败。”Growth Science的CEO托马斯·瑟顿（Thomas Thurston）说，“至少没有以量化的方式去预测，全凭猜测和灵感。”
“商业模式仿真”（Business model simulation）作为一项服务没有业界公认的首字母缩略语。因为这件事很少有人做。“有那么几个人利用仿真软件模拟资金流、供应链，但是和我们完全是两码事，”瑟顿说，“没有人仿真商业模式。”此前，这家公司为大型的、英特尔级别的公司做仿真。但是由于仿真过程自动化压缩了成本，初创级别的公司也成为它的客户。
Growth Science目前80%的预测过程都是自动化的。“有一种数据对于预测商业模式的成败非常有价值。我们过去都是手工采集这些信息。不仅缓慢、成本高而且困难。”瑟顿解释说。“类似的，我们发现初创公司80%的预测值都和市场、客户、竞争者等外部信息有关，只有20%的数据和其本身有关，这让大多数人感到吃惊。同样的，团队在我们的等式中只占12%，算法88%的要素都和团队是谁无关。现实情况是，大多数投资初创公司的风投都将团队列为首要因素。”
这种新算法是瑟顿与“颠覆理论”创始人克莱顿·克里斯滕森(Clayton Christensen)在哈佛商学院共同研究得出的。克里斯滕森的“颠覆理论”解释了为什么有的新公司能够扰乱整个行业。Growth Science利用这种数据科学理论研究了三个领域：商业成败的几率、增长预期和失败时作何改变能够增加成功几率。
虽然具体的算法高度保密，但瑟顿的确发现一些他很青睐的公司，比如Dropbox、Tango、Indow Window、Practice Fusion和CloudFlare等等。
其实，将某些数据作为预测工具不是把决策过程扔给机器，而是拓展我们的思考方式。同时，它也会影响初创公司对自身商业模式的审视。
如果你知道世界上有一个公司能够在产品发布前就知道成败几率，是不是觉得有点怕？不过瑟顿说：“应该这么想——创建真实的产品前，每个人利用CAD软件模拟新产品，商业也是一样。换句话说，它也是一项预测工程。”
