En los últimos años hemos visto cómo algunas startups iban recurriendo a alternativas a sus fuentes de financiación tradicional, encabezadas por el capital riesgo o los préstamos. Por ejemplo, con productos financieros como el de ClearCo, que ofrecen financiación basada en los ingresos, o Pipe con su plataforma que vincula a inversores con startups de cierto potencial de ingresos.
Ahora hay más alternativas similares a ClearCo, pero europeas, como la de Silvr, una startup francesa que busca prestar dinero a otras startups, especialmente para fines algo más arriesgados que los que estarían dispuestos a financiar los bancos tradicionales, amparándose en el uso de múltiples fuentes de datos de esas empresas emergentes para tomar decisiones sobre si prestar o no, y cuánto. Y siempre sin entrar en su accionariado, algo percibido como un riesgo para los fundadores, temerosos de ser diluidos para afrontar ciertas operaciones.
Silvr, startup francesa que acaba de lograr una ronda de financiación de 18 millones de euros y ha abierto una línea de crédito de 112 millones de euros, tiene como objetivo a empresas de ecommerce y SaaS (software as a service) a lo largo de la Unión Europea, especialmente con startups que todavía no tienen activos que respalden el crédito concedido, lo que las hace menos atractivas para la banca tradicional.
En el caso de una startup que quiera acceder a cierto crédito, ha de otorgar acceso a Silvr a varios datos sensibles internos, como la cuenta bancaria corporativa, su panel de Google Analytics en el que ver el tráfico detallado de su web o sus aplicaciones, pasarelas de pagos online como Stripe o el panel de Shopify, si procede, entre otras fuentes.
Una vez Silvr tiene acceso a todos estos datos, y haciendo uso del screen scraping (reconocimiento de texto y datos en pantalla de forma artificial), extrae un nivel de puntuación elaborado mediante su propio algoritmo, algo similar al scoring crediticio tan habitual en Estados Unidos, pero aplicado a empresas. Esa puntuación hace referencia a los ingresos futuros que predice para esa empresa en función de su facturación hasta la fecha. Una vez consigue el crédito, puede optar por devolverlo mediante las cuotas tradicionales o comprometiendo un porcentaje de los ingresos futuros.
Este modelo, especialmente enfocado en la devolución de capital mediante un porcentaje de la facturación, también lo aplica otra empresa, también francesa: Karmen, que juega igualmente con su propio algoritmo de puntuación obtenido de los datos a los que la empresa concede acceso. A cambio, cobra una comisión previamente fijada, pero también en función del riesgo de cada operación y del plazo de devolución. Otra similar, pero británica, es Uncapped.
Estas opciones no sirven para startups que todavía no tienen una facturación mensual recurrente, pero sí para quienes quieren capital instantáneo sin ceder accionariado
En algunas simulaciones de estimación de crédito podemos ver que Karmen ofrece capital por valor de 4,8 veces el ingreso mensual recurrente, independientemente de si partimos de 1.000, 10.000 o 100.000 dólares mensuales. Uncapped no permite hacer estas simulaciones pero aseguran "hasta 5 millones de euros". Si manejan múltiplos similares a los de Karmen, sería lo que podrían entregar como máximo a startups con facturaciones de en torno a un millón de euros mensual.
Todas ellas prometen, además de no diluir a los fundadores, como el capital riesgo, o de no requerirles hacer frente a las deudas a nivel personal, como los préstamos tradicionales, una disponibilidad casi inmediata del dinero, de entre 24 y 72 horas frente a las semanas o directamente un semestre que puede alargarse el proceso en otras fuentes de financiación tradicionales para una startup.
Quieren expandirse por Europa tras haber logrado algunos casos de éxito en Estados Unidos o en su Francia natal y empezar a dar acceso a las startups a capital rápido, especialmente en casos en los que la financiación bancaria todavía no es una opción o no resulta del todo conveniente; así como en los que el capital riesgo queda grande o tampoco compensan sus implicaciones.
