Analisi quantitativa delle cause che generano inerzia ed effetti lock-in nel processo decisionale di startup early stage = Quantitative analysis of the causes that generate inertia and lock-in effects in the decision-making process of early stage startups

La startup è definita da Eric Ryes, imprenditore americano e scrittore del libro “The Lean Startup”, come “Un’istituzione umana studiata per creare un nuovo prodotto o servizio in condizioni di estrema incertezza”. Tale incertezza, combinata ad altri fattori di contesto, rende particolarmente difficile la sopravvivenza e il raggiungimento di elevate performance per le startup. Secondo numerosi studi, le principali cause di fallimento sono legate alle capacità dell’imprenditore, o del team imprenditoriale, di prendere le migliori decisioni strategiche e di farlo nei tempi giusti: cash terminato, mancanza di un bisogno del mercato, modello di business inadatto, timing, pivot errati. Talvolta bisogna essere in grado di cambiare direzione in maniera reattiva, modificando alcuni aspetti del modello di business (pivot) per rispondere alle esigenze di mercato o per fronteggiare particolari situazioni di difficoltà. Altre volte sarebbe più opportuno chiudere un’idea imprenditoriale (dropout) prima che questa fallisca, in modo da risparmiare tempo e risorse. La letteratura esistente affronta il tema del decision making da diversi punti di vista, sia a livello psicologico-emotivo, sia microeconomico. Non è invece presente uno studio empirico sui fattori che possono generare il fenomeno dell'inerzia nel processo decisionale. Questo elaborato ha l’obiettivo di colmare questo gap analizzando in maniera quantitativa l’effetto, positivo o negativo, che variabili relative al background dell’imprenditore, alle caratteristiche e/o alle performance della startup possono avere sull’inerzia nel processo decisionale dell’imprenditore stesso. L’inerzia verrà intesa come la scarsa predisposizione dell’imprenditore a prendere tempestivamente decisioni di dropout, quando l’idea è fallimentare, o pivot, per adattarsi alle esigenze del mercato o a situazioni di contesto. Tale analisi si basa sull’applicazione di modelli statistici regressivi ad un campione di 242 startup early stage provenienti dall’esperimento RCT InnoVentureLab, organizzato da Politecnico di Torino, Centro ICRIOS dell’Università Bocconi e Politecnico di Milano. Nel primo capitolo di questa tesi verrà analizzata la letteratura esistente in tema di decision making, con particolare focus sui bias e sull’inerzia che caratterizzano questo processo, oltre alla presentazione di due fra i principali approcci utilizzati: il metodo scientifico e la teoria Effectuation. Verranno poi definite le ipotesi di ricerca che si intende testare attraverso l’applicazione dei modelli statistici al campione di startup provenienti da InnoVentureLab. Nel secondo capitolo verranno meglio descritti il programma InnoVentureLab e la metodologia utilizzata per raccogliere i dati necessari alle analisi. Inoltre, saranno mostrate una serie di descrittive con l’obiettivo di inquadrare e delineare le principali caratteristiche del campione. Nel terzo capitolo verranno illustrate le variabili dipendenti e indipendenti che sono state utilizzate nei modelli specifici. Sarà in particolare spiegato il loro significato e il modo in cui queste sono state costruite a partire dai dati di questionari e interviste sottoposti ai partecipanti a InnoVentureLab Nel quarto capitolo verranno mostrate le analisi regressive che rappresentano il cuore di questo studio. In conclusione, saranno discussi i risultati ottenuti dalle analisi cercando di trovare un’interpretazione significativa e di definire le principali implicazioni.