大数据培训新三板挂牌机构 股票代码:837906 | EN CN
阿里巴巴菜鸟级数据产品经理半年回顾总结篇
干货教程:如何绘制业务流程图(二)
干货教程:如何绘制业务流程图(一)
技术贴:如何在数据库中秘密地查询隐私数据
攻略教程:信息图(infographic)是怎么做出来的?
分析师一定要看!用数据讲故事的五个步骤
技术篇:怎样玩转千万级别的数据?
北漂书生:大数据时代SEO数据如何搜集和分析
干货,从十大问题重新认识并读懂互联网
相似图片搜索、算法、识别的原理解析(下)
相似图片搜索、算法、识别的原理解析(上)
制作信息图时请遵循这10条原则
提高表格可读性的一些技巧,适用于Excel、PPT等数据报表
实用教程:如何让Excel图表更具“商务气质”?
一张数据信息图是这样制作完成的
菜鸟读财报,如何从上市公司财报中挖情报?
北大数据分析老鸟写给学弟们一封信
如何一步一步制作出高品质数据信息图?
总结:海量数据分析处理的十个方法
【实战经验】数据分析师如何了解老板真正想法?
零售业数据分析那些事儿
数据分析时l常用电子表格公式【大全】
用数据来告诉你 上市公司财报的秘密
这12个数据能 帮你搞定淘宝店铺
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(四)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(三)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(二)
首席工程师揭秘:LinkedIn大数据后台是如何运作的?(一)
淘宝网店从激活到挽留,4步走玩转数据营销
文案怎样写才有意思、不空洞、打动人?
入门级扫盲贴:数据分析的步骤有哪些?
关系即数据,论社交媒体的关系转换
数据的力量,苹果教你用数据鄙视竞争对手
谁说文科生不能做数据分析?数据分析入行→技能提升→优势
产品运营数据分析——SPSS数据分组案例
如何追踪iPhone和iPad等移动设备的用户行为数据?
阿里巴巴中国站:用户满意度指标权重计算方法
广告中的AdNetwork、AdExchange、DSP、SSP、RTB和DMP是什么?
信息图制作教程:关于数值的表现
为什么大数据会如此轰动?(值得深度的文章)
多图技术贴:深入浅出解析大数据平台架构
面板数据分析中标准误的估计修正——根据Peterson (2009)的归纳
财务官、投资人、CIO看过来:给企业数据定价
推荐系统中常用算法 以及优点缺点对比
探索Weotta搜索引擎背后的大数据技术
如何识别虚假数据?
为什么我们像驯化小狗那样驯化算法
程序员必须知道的10大基础实用算法及其讲解
电子商务:最影响转化率的九大要素
如何迅速成为一名数据分析师?
想从事大数据、海量数据处理相关的工作,如何自学打基础?
如何用亚马逊弹性MapReduce分析大数据?
译文:机器学习算法基础知识
给hadoop新手的一封信:Hadoop入门自学及对就业的帮助
从入门到精通,我是这样学习算法的
小商家,从老客户身上获取的数据才更有意义
13页PPT讲述:大数据下网站数据分析应用
40页PPT详解:京东大数据基础构架与创新应用
67页PPT解密搜索引擎背后的大技术:知识图谱,大数据语义链接的基石
营销洞察力——10个营销度量指标
技术篇:前端数据之美如何展示?
董飞:美国大数据工程师面试攻略【PPT】
easel:如何制作好的信息图——来自专家的顶级技巧
大数据实操:以3D打印机为例,如何知道卖点有没有市场需求?
大数据建模 需要了解的九大形式
用户画像数据建模方法
从规划开始,公司or企业如何入手和实施大数据?
干货:商品信息数据分析和展现系统的设计与开发
高手教你用Excel制作百度迁徙数据地图
50篇干货:淘宝店/电子商务如何玩转数据分析?
精华索引:大数据实际应用案例50篇
验证最小化可行产品 (MVP) 的 15 种方法
干货:数据分析师的完整知识结构
大数据技术Hadoop面试题,看看你能答对多少?答案在后面
用SPSS做数据分析?先弄懂SPSS的基础知识吧
怎样做出优秀的扁平化设计风格PPT? 扁平化PPT设计手册#3
解答│做大数据过程中遇到的13个问题
40页PPT│社交网络发展的新动力:大数据与众包
以Amazon、豆瓣网为例,探索推荐引擎内部的秘密#1
怎样做出优秀的扁平化设计风格PPT?#2
怎样做出优秀的扁平化设计风格PPT?#1
36页PPT│大数据分析关键技术在腾讯的应用服务创新
如何丰满地做SWOT分析?
【35页PPT】TalkingData研发副总阎志涛:移动互联网大数据处理系统架构
27页PPT|以珍爱网为例,如何构建有业务价值的数据分析系统?
国外数据新闻资源分享
21页PPT重磅发布:Mariana——腾讯深度学习平台的进展与应用
从0到100——知乎架构变迁史
PPT解读:百度大数据质量保障方案探索
45页PPT|大数据环境下实现一个O2O通用推荐引擎的实践
从数据看豆瓣兴衰
深度学习系列:解密最接近人脑的智能学习机器——深度学习及并行化实现(四)
重磅推荐:129页PPT讲述移动时代创业黄金法则 via:腾讯企鹅智酷
重磅推荐:大数据工程师飞林沙的年终总结&算法数据的思考
OpenKN——网络大数据时代的知识计算引擎
大数据下城市计算的典型应用
技术贴:大数据告诉你,如何给微信公众号文章取标题?
你的QQ暴露了你的心——QQ大数据及其应用介绍PPT
如何从企业报表看企业的生存能力?
实用的大数据技巧合集
技术帝揭秘:充电宝是如何盗取你的个人隐私的?
重磅!50页PPT揭秘腾讯大数据平台与推荐应用架构
原创教程:饼图之复合饼图与双层饼图(1)
PPT:大数据时代的设计特点——不了解这个你做不了今天的设计
教程贴:如何用方程式写春联?
原创教程:如何用Excel制作简易动态对比图
深度译文:机器学习那些事
教程帖:数学之美——手把手教你用Excel画心(动态图)
董老师走进斯坦福,聊聊硅谷创业公司和大数据的事儿(附课件PPT下载)
【限时】年度钜献,108个大数据文档PDF开放下载
董飞专栏:大数据入门——大数据相关技术、Hadoop生态、LinkedIn内部实战
亿级用户下的新浪微博平台架构
一张图了解磁盘里的数据结构
浅析数据化设计思维在阿里系产品的应用
美团推荐算法实践
一个P2P创业公司有哪些部门,都是做什么的?
一个P2P平台的详细运营框架是怎样的?
机器学习中的算法——决策树模型组合之随机森林与GBDT
神经网络简史
58页PPT看懂互联网趋势,大数据/物联网/云计算/4G都有了
广点通背后的大数据技术秘密——大规模主题模型建模及其在腾讯业务中的应用(附PPT)
微信红包之CBA实践PPT——移动互联网海量访问系统设计
一文读懂机器学习,大数据/自然语言处理/算法全有了……
搜狐新闻客户端的背后大数据技术原理——推荐系统(PPT)
原创教程:用Excel做动态双层饼图
半小时读懂PMP私有广告交易市场
怎样分析样本调研数据(译)
PPT:支付宝背后的大数据技术——DataLab、Higo的实践及应用
大数据技术人员的工具包——开源大数据处理工具list(限时下载)
计算机视觉:随机森林算法在人体识别中的应用
24页PPT:机器学习——支持向量机SVM简介(附下载)
互联网高手教你如何搜集你想要的信息
深度:对地观测大数据处理、挑战与思考
原创教程:用Excel做饼图之复合饼图与双层饼图(2)
移动大数据时代: 无线网络的挑战与机遇(附pdf下载)
Excel使用技巧——25招必学秘技
【年度热门】加上这些 Excel 技能点,秒杀众人(多图)
原创教程:用Excel做纵向折线图
知识图谱——机器大脑中的知识库
何明科专栏:用数据化的方式解析投资条款
DT时代,如何用大数据分析创造商业价值(23页PPT)
MIT牛人梳理脉络详解宏伟现代数据体系
你的老婆是怎么算出来的?揭秘佳缘用户推荐系统
飞林沙:商品推荐算法&推荐解释
PPT:如何成为真正的数据架构师?(附下载)
开源大数据查询分析引擎现状
董飞专栏:打造数据产品必知秘籍
译文:如何做强大又漂亮的信息图
如何使用Amazon Machine Learning构建机器学习预测模型
如何运用数据协助货架管理(内附26张PPT)
SVM算法
主流大数据系统在后台的层次角色及数据流向
PPT:阿里全息大数据构建与应用
人脸识别技术大总结——Face Detection & Alignment
教程:用Excel制作成对条形图
易观智库:大数据下的用户分析及用户画像(18页PPT附下载)
技术向:如何设计企业级大数据分析平台?
电商数据分析基础指标体系
IBM SPSS Modeler 决策树之银行行销预测应用分析
拓扑数据分析与机器学习的相互促进
基于 R 语言和 SPSS 的决策树算法介绍及应用
用php做爬虫 百万级别知乎用户数据爬取与分析
另类新浪微博基本数据采集方法
以10万+阅读的文章为例 教你做微信公众号的运营数据分析
破解数据三大难题:变现?交易?隐私?
微店的大数据平台建设实践与探讨
阿里巴巴PPT:大数据基础建议及产品应用之道
基于社会媒体的预测技术
人工智能简史
技巧:演讲中怎样用数据说话
马云和小贝选谁做老公?写给非数据人的数据世界入门指南
掘金大数据产业链:上游资源+中游技术+下游应用
原创教程:手把手教你用Excel做多层折线图
销售分析:如何从数据指标发现背后的故事
如何一步步从数据产品菜鸟走到骨干数据产品
也来谈谈微博的用户画像
行走在网格之间:微博用户关系模型
如何拍出和明星一样美爆的自拍照?斯坦福大学用卷积神经网络建模告诉你
运营商如何玩转大数据? 浙江移动云计算和大数据实践(PPT附下载)
大数据分析的集中化之路 建设银行大数据应用实践PPT
腾讯防刷负责人:基于用户画像大数据的电商防刷架构
创业提案的逻辑
友盟分享 | 移动大数据平台架构思想以及实践经验
寻路推荐 豆瓣推荐系统实践之路
“小数据”的统计学
重磅!8大策略让你对抗机器学习数据集里的不均衡数据
小团队撬动大数据——当当推荐团队的机器学习实践
微博推荐架构的演进
科普文 手把手教你微信公众号数据分析
信息图制作的六个注意点
【权利的游戏】剧透新玩法:情理之中?意料之外
推荐系统(Recommender System)的技术基础
核心算法 谷歌如何从网络的大海里捞到针
Quora数据科学家和机器学习工程师是如何合作的
阿里巴巴PPT:大数据下的数据安全
数据建模那点事儿
全民拥抱Docker云–Lhotse系统经验分享
实时股票分析系统的架构与算法
架构师必看 京东咚咚架构演进
什么叫对数据敏感?怎样做数据分析?
推荐系统基础知识储备
刘德寰:数据科学的整合与细分 数据科学的七个危险趋势(视频)
实际工作中,如何做简单的数据分析?
分布式前置机器学习在威胁情报中的应用(附PPT下载)
数据科学 怎样进行大数据的入门级学习?
扛住100亿次请求 如何做一个“有把握”的春晚红包系统?(PPT下载)
从 LinkedIn 的数据处理机制学习数据架构
大数据会如何改变管理咨询公司(I)
优秀大数据GitHub项目一览
生硬的数字和数据新闻:这么近,那么远
经典大数据架构案例:酷狗音乐的大数据平台重构(长文)
揭秘中兴大数据在银行领域的系统部署
基于大数据的用户画像构建(理论篇)
【R】支持向量机模型实现
数据图处处有陷阱?五个例子教你辨真伪
如何用R绘制地图
你确定你真的懂用户画像?
数据模型需要多少训练数据?
【接地气】01 数据报表的颜色怎么配
游戏价值和数据分析新思路
【R】异常值检测
快的打车架构实践
豆瓣还是朋友圈:大数据、新方法和日常问
PPT数据图表,怎么做才好看?
大道至简的数据体系构建方法论
数据的误区及自身业务
新浪微博的用户画像是怎样构建的?
面试干货!21个必知数据科学面试题和答案part1(1-11)
易观智库:中国大数据产业生态图谱2016(附下载)
Airbnb的数据基础架构
50PB海量数据排序,谷歌是这么做的
大数据时代工程师如何应对–今日头条走进硅谷技术讲座
D3.js教学记(下)
D3.js教学记(上)
飞林沙:企业级服务公司如何赚钱?只有平台级产品才有大数据的理论
一个母婴电子商务网站的大数据平台及机器学习实践
7大板块 组成数据分析师的完整知识结构
干货:SaaS领域如何分析收入增长?
学术 | 词嵌入的类比特性有实用意义吗?
6个用好大数据的秘诀
一个数据库外行眼中的微信优化 (附专家补充)
大数据调研,如何实现快全准?
数据大师Olivier Grisel给志向高远的数据科学家的指引
数据堂肖永红:数据交易的是使用权或数据的增值,而不是数据本身(PPT附下载)
淘宝商品详情平台化思考与实践
刘译璟:百分点大数据理念和实践(图文+PPT下载)
如何快速搞定一份看起来还不错的演示文档?
【BABY夜谈大数据】决策树
数据驱动设计:数据处理流程、分析方法和实战案例
美图数据总监:Facebook的法宝,我们在产品中怎么用?
树的内核:量化树结构化数据之间的相似性
拿到用户数据之后,LinkedIn怎么赚钱?
GrowingIO张溪梦:增长黑客的核心 企业应该重视产品留存率(附PPT下载)
[译]Airbnb是如何使用数据理解用户旅行体验的?
微博推荐数据服务代理: hyper_proxy的设计和实现
星图数据谷熠:消费领域DaaS 大数据重构未来商业游戏规则(附PPT下载)
鲍忠铁:TalkingData大数据技术与应用实践(PPT下载)
【干货教材】数据分析VS业务分析需求
九枝兰专访:数字营销的核心—企业如何使用数据管理平台(DMP)进行精准营销
我们的应用系统是如何支撑千万级别用户的
R应用空间数据科学
Excel进行高级数据分析(上)
Excel进行高级数据分析(下)
国内各大互联网公司2.0版技术站点收集
网站数据分析思路导图
大数据分析报表设计开发要素
大数据需要的12个工具 推荐
YARN/MRv2 Resource Manager深入剖析—NM管理
YARN/MRv2 Resource Manager深入剖析—RMApp状态机分析
Hadoop 1.0与Hadoop 2.0资源管理方案对比
Hadoop 2.0中单点故障解决方案总结
Hadoop 2.0 (YARN)中的安全机制概述
Hadoop 新特性、改进、优化和Bug分析系列1:YARN-378
Hadoop 新特性、改进、优化和Bug分析系列2:YARN-45
Hadoop 新特性、改进、优化和Bug分析系列3:YARN-392
Hadoop版本选择探讨
探究提高Hadoop稳定性与性能的方法
《Effective C++》读书笔记(第一部分)
Hadoop分布式环境下的数据抽样
Hadoop计算能力调度器算法解析
如何编写Hadoop调度器
数据结构之红黑树
Hadoop pipes设计原理
《C++ Primer plus》学习笔记之”类”
《C++ Primer plus》学习笔记之”类继承”
《C++ Primer plus》学习笔记之”C++中的代码重用”
《C++ Primer plus》学习笔记之”异常”
《C++ Primer plus》学习笔记之”RTTI”
Hadoop pipes编程
Hadoop Streaming高级编程
《C++ Primer plus》学习笔记之”标准模板库”
《C++ Primer plus》学习笔记之”输入输出库”
Linux Shell 命令总结
算法之图搜索算法(一)
awk使用总结
素数判定算法
《C++ Primer plus》学习笔记之“函数探幽”
使用Thrift RPC编写程序
如何在Hadoop上编写MapReduce程序
怎样从10亿查询词找出出现频率最高的10个

何明科专栏:用数据化的方式解析投资条款

于2017-04-01由小牛君创建

分享到:


大数据

文|何明科,一面网络技术有限公司 创始人

我想做件疯狂的事情,把风投投资项目中对被投企业的核心条款透明化和结构化,并用数据化的方式来分析和呈现。

首先说,为什么想做这件事情。因为不断有朋友来问我如下类似的问题:他的投资合同中有Drag-Along,这个条款啥意思;投资人告诉他不要紧,这是业界行规,所有人都要签。还有如下类似的:有个投资人想用上一轮融资估值x%折的价格买他的老股,并告诉这是业界最好的条款之一。我知道从法律或者从金融的角度有自己的解释,但是从做数据分析的角度,就可以有另外的解释办法:找到足够大样本的投资合同,把其中核心的条款结构化,做好统计分析呈现出来;是不是业界最好、是不是业界规则,就一目了然了。这就是让最冰冷的数字说话。

其次说,为什么疯狂。第一,收集到足够大样本的Termsheet或者投资协议,是一件很难的事情,但这个项目会把样本做到几百个并横跨2007-2015年。第二,法律到目前为止仍是几样较难被机器代替的服务,无论是用Deep Learning还是NLP,都很难把这些合同结构化和理解清楚;所以只能上人工来阅读,而且一般的运营小妹读不懂这些中英文夹杂的合同。第三,投资人aribitrage的一大来源就是信息不透明,这必将极大打破信息不透明,得罪人脉无数。(逗逼地说,不知道这个项目能不能扯上透明化计算?)

但是考虑到这是件对创业者无比有意义的事情,但愿以后所有人可以揣着明白去签合同并拿到投资款。因此还是决定去尝试,并且根据后续的反馈,会考虑把它做成一个持续更新的数据服务。

因为这件事情很有挑战,不能一蹴而就,所以先做预告,然后逐步放出结果,会把它做成一个系列发布在知乎专栏。

以下是示例,数据的收集、统计和分析仍在进行中,希望大家提意见。

关于“排他期”的统计(exclusivity):下图反映了各个项目中排他期的分布,平均值为62.4天,中位置为60天,约70%项目的排他期都在60天以内。

数据

关于“赎回条款”的统计(redemption):有90%的项目要求了赎回条款,平均的赎回IRR为12.4%。

用数据化的方式解析投资条款之一:员工期权

声明1:本系列所有数据来自于2007-2015年近100个真实融资案例,主要由创业者自行提供,覆盖主流的几十个基金及近百家公司。本系列的分析不针对任何基金及公司,也不单独纰漏任何基金及公司的信息;目的在于提供冰冷的数据,以及数据的统计信息。同时案例数量在不断快速扩充中,如出现数据扩充导致结论改变的情况,会尽快更新文章。

声明2:本系列的写作不严格依照投资协议(SPA)或者框架协议(Termsheet)的顺序,会按照读者的反馈,优先提供大家最关注的问题。

———————————————(分割线)—————————————————

创业浪潮越来越来演化为人才战,除了高薪福利,员工期权是其中的核武器。员工期权,标准说法为员工期权池ESOP,一般为预留的期权池,在公司发展过程中不断颁发给有突出表现的员工或用来吸引高质量新员工入伙。所以本文讨论的员工期权,不包括在创业初期赠与给或分配给创业合伙人或者重要员工的股份。

随着创业环境的复杂,员工期权又演化出两种新情况:大公司分拆某部门单独创业并给与创业团队的员工期权(在本文中称之为“大公司创业期权”);融资过程中将员工期权授予投资基金合伙人,作为其担任董事的酬劳(在本文中称之为“董事期权”)。在本文中也会一并讨论这两种特例。

一、标准的员工期权

下图展示了在每次融资过程中,公司估值与员工期权的关系。

大数据员工期权的均值为6.83%,中位值为7.55%,最大值为20.00%,最小值为0.00%。

很显然的道理,员工期权越大,跟着老大干在公司成功后员工的利益越大,公司也越有潜力在发展过程中吸引更多的优秀员工。很明显的规律,公司估值越高,员工期权(%)所占的百分比越低。理由比较简单,公司估值越高,往往是经历了越多轮的融资或者越多投资额的融资,员工期权也就被等比例得被稀释得越厉害。这里对公司估值进行了自然数取对数,是因为公司每轮融资的估值增长基本为几何级数。最后的相关系数R=-0.63,考虑到样本数量,呈现了一定可信度的负相关性,所以规律基本成立。

阻碍相关系数R更高的一个主要原因是:在每一轮的融资过程中,大概有接近10%的投资人要求公司对员工期权进行调整,100%的情况都是要求在融资额到账前提高员工期权的比例。也就是在每一轮融资的时候对员工期权进行了修正,使其部分偏离了规律,这也解释了员工期权在10%左右的区间数据点特别多的原因。投资人这么要求的主要原因如下:

  • 为公司发展着想,希望公司有足够的员工期权激励现有员工以及吸引新员工。特别是考虑到创始人在公司早期发放期权经验不足,略显随意地很快将期权发完,剩余不多,需要补充子弹。
  • 从基金的利益出发,在自己的投资进入前,创始人及之前轮的投资人将员工期权增加,基金的股份避免了稀释,变向得降低了自己这一轮的估值(关于这一点的详细解释见为什么很多投资者要求在融资到账之前提高员工期权的比例? – 何明科的回答

二、大公司创业期权

这个情况下,往往是大公司拿出核心资源(包括:流量、品牌、人员、现金等)并从现有公司中拆分团队开展一个新业务或者大力扩张一个老业务,考虑到业务的创新性以及不确定性,需要极大得激励团队。经典案例是:百度做奇艺,百度做爱乐活,58做58到家,中粮做我买网等等。

因为该业务对大公司的重要性以及大公司贡献核心资源而避免了创业的冷启动,大公司一般选择控股,而给与整个团队(包括CEO及创始高管团队)一个较大的股份作为员工期权,区间一般在10-30%左右,均值在12.5%,这种公司的起步估值往往在500Mn$以上。

三、董事期权

董事期权只出现在个别基金以及早年间,区间分布在0.5%-3.0%,均值为1.12%。创业者授予投资基金的合伙人董事期权的逻辑一般为:希望合伙人作为董事,能够提供更多更增值的一些服务,促进企业的发展。这一部分董事期权对于基金的激励很大,理由如下:

  • 是一种增加股份及降低估值的办法,堤内损失堤外补
  • 投资基金内LP和GP的利益分成,对于董事期权往往有特例的照顾,所以投资基金获取董事期权的利益更大

但是随着创业者和投资人的博弈天平逐渐向创业者倾斜,以及LP/GP合同的修改,这部分董事期权在近两三年基本消失。

用数据化的方式解析投资条款之二:过桥贷款

中国人天生对贷款是很抗拒的,这明明是谈股权融资,怎么又扯到债权了。请大家耐心往下看,今天讲的过桥贷款是股权融资中的一个技巧,对于投资方和创业公司往往是双赢的。过桥贷款指的是在投资方发出Termsheet之后,在极短的时间内,给与融资公司一笔很小的贷款,用于企业持续经营或者迅速推广;在融资完成后,这笔贷款往往会转成投资款。说是贷款,但是过桥贷款往往无息或者低息(年利率小于等于10%)。

对投资方:Termsheet虽然有单方面保护投资人的排他性条款,但是这个保护的法律效力极弱。如果对于一些争夺很激烈的项目,融资公司即使签订了Termsheet,也有可能因为被其他投资人追逐并以更高的价格诱惑,出现随时反水的问题。投资人祭出Termsheet可以起到部分锁定项目的作用,类似于娶媳妇交聘礼的感觉。

对融资方:Termsheet虽然签订了,但是落袋为安钱到帐仍然需要经历尽职调查、法律文件准备和交割等程序,往往一个月以上的时间;特别是在要做VIE架构的情况下,这个时间会被拖长到数月。一笔过桥贷款的注入,可以让公司在现金流上不会出现问题,甚至可以放心大胆地去做推广,而不会贻误战机。

一、用数据看过桥贷款

大数据从2008-2015年,投资项目中使用了过桥贷款的概率为18.3%,算是比较普及。其中从2008-2011年,该概率持续下滑,猜测主要原因为:从2008年开始逐渐有VC使用过桥贷款来锁定项目,但是金融危机及企业诚信的问题,许多过桥贷款都出现了项目不交割同时就要不回来贷款的情况,所以过桥贷款的使用比例持续走低。但是从2012年开始,因为市场回暖(特别是移动互联网及O2O等大方向的出现),投资人又开始大量使用过桥贷款来抢夺项目,同时创业公司的项目越来越烧钱,对过桥贷款的需求非常强烈,所以在2013-2015年都在一个比较高的水平。

过桥贷款的每笔平均额度为$1.4Mn,占投资额的平均比例(=过桥贷款额度/投资额度x100%)为21.7%,占投资额的最大比例为60.0%,占投资额的最小比例为5.6%。

二、技巧分享

最后给融资的创业者一点小建议,如果在拿到Termsheet后,在确定跟这家投资人往下继续发展的情况下,衡量好自己的现金流和发展计划,可以考虑要求一笔占投资额20%-40%的过桥贷款,这样自己在做业务的时候就比较从容,不会太被融资以及现金流的事情分心。

同时分享一个我朋友的真实案例:一个好朋友在今年1月底拿到一个Termsheet,投资人告诉他在过年前能够完成所有工作(尽职调查、法律文件撰写、搭建VIE结构以及交割)并投资款到账,而他的现金流只能撑到3月中,所以他觉得放心了。我就建议他立即要求一笔过桥贷款,根据经验估计这个投资在4月中之前是很难交割的,中间2周的春节长假还会进一步拖慢整个流程。最后他听取这个建议,在春节前从投资人那里拿到过桥贷款(占投资额的30%),顺利推动企业发展并最终拿到投资款

用数据化的方式解析投资条款之三:增资权warrant

增资权(warrant,粤语搞笑得将其称之为涡轮,这也是本次配图的主要原因)指的是投资人在给与本轮投资的基础上,从创业公司获得一个增资的权利,一般会是可以在一定期限内或者下轮融资完成前行权,并且较之下一轮投资人的价格,增资价格会有70%-80%左右的优惠。

增资权是一个单向对投资人有利的权利,在投资人不增加本轮投资额和下注风险的情况下,可以根据公司发展的情况选择是否继续加注获得公司更多股份,同时较之新一轮的投资人还有一定的折扣。这是一个只赚不赔的买卖。正是因为其单向对投资人有利,所以往往出现在融资较难的时代;也正是因为其增加了交易结构的复杂性,不利于抢夺项目,所以在全民抢项目的时代不太流行。

下面的图表正好反映了这个趋势,金融危机之后的2010年是使用增资权最多的年份,充分反应了投资人的强势。

数据分析从整体数据来看,15.5%的项目使用了增资权,增资权的平均额度为$1.6Mn,占投资额度的平均值为47.3%,最大值为100.0%,最小值为15.0%。

创业公司在与投资基金谈判投资条款的时候,可以注意使用增资权的使用,因为这是一种无风险而纯给利益的方式,可以注意好金额和折扣额度的使用,否则会对下一轮融资有不利的影响,比如:额度太多而造成不必要的稀释,折扣太多造成下一轮投资人的不满等等。

(预告时间:下面几期会讲讲大家比较关心的赎回权以及清算权,英文名字为redemption and liquidation preference)

本系列未完待续,推荐大家关注原作微信公众号:数据冰山

End.