dati Mise

Startup in rosso, ma il capitale umano è il vero problema

La maggior parte delle startup registra una perdita operativa, in media di 7.678 euro; non crescono in fatturato, anzi. Ma l’aspetto critico principale è un altro, causa di tutti i mali: scarsa cultura imprenditoriale, basse competenze. Ecco perché

Pubblicato il 03 Feb 2017

Carmelo Cennamo

università Bocconi di Milano

AI Questions Icon
Chiedi all'AI
Riassumi questo articolo
Approfondisci con altre fonti
Startup in rosso, ma il capitale umano è il vero problema

I dati MISE dell’ultimo trimestre sulle startup fotografano uno scenario in gran parte già noto agli operatori del settore. La maggior parte delle startup registrano una perdita operativa, in media di 7.678 euro; non crescono in fatturato, anzi si registra una variazione negativa del 5% rispetto al precedente trimestre, con un valore di produzione medio pari a 144mila euro, ma in realtà il valore mediano non supera i 30mila euro (ovvero, sulle 4.049 startup delle quasi 6.745 presenti in registro che hanno depositato il bilancio al 2015, la metà ha ricavi minori a 30mila euro). Non crescono nemmeno in termini di impiego: in media, le startup occupano 3 dipendenti, ma la mediana è di due dipendenti. Vi è da dire che questi numeri riflettono solo il dato relativo al personale impiegato direttamente dalla startup, e non tengono conto anche di collaboratori di cui la startup si avvale sotto altre forme di contrattazione lavorativa; l’impatto complessivo sul lavoro è quindi certamente più significativo di quanto i dati possano rappresentare. In generale, però, i dati sono preoccupanti. Non tanto quello sulla perdita – è un dato abbastanza fisiologico per una startup, il cui principale obiettivo nei primi ani di sviluppo non è tanto il margine operativo, ma la crescita in termini di fatturato (e penetrazione del mercato), accompagnata dalla costruzione di un modello di business scalabile e sostenibile nel medio termine. Quando ciò accade, la crescita di fatturato si accompagna alla crescita organica interna e quindi, all’impiego crescente di personale qualificato.

Proprio questo trend è assente nei dati; ed è il dato più preoccupante. Come mai? I dati non offrono un’analisi di distribuzione e correlazione che cerchi di offrire delle interpretazioni. Difficile individuare con certezza le cause. Mi limito qui ad alcune considerazioni sulla base delle recenti analisi che abbiamo condotto sul campione di startup innovative nell’ultimo anno, volte a comprendere l’impatto di alcuni fattori sulla crescita e performance delle startup.

1) La maggior parte delle startup, pur rispondendo ai requisiti di “innovatività”, di fatto non sono startup innovative, ma piuttosto micro aziende di consulenza. In tal senso, consta rilevare che il 70% delle startup si focalizza sulla fornitura di servizi alle imprese quali produzione software o attività di R&D.

2) Le aziende che crescono di più e che raccolgono capitali di rischio da investitori specializzati quali VC sono un residuo numero (poco meno di 600), molte delle quali operanti in settori “tradizionali” manifatturieri. Infatti, queste startup hanno tra i soci di maggioranza aziende industriali.

3) Il team è tra i fattori di successo quello che più spiega la performance positiva di una startup; in particolare, la composizione eterogenea di imprenditori con competenze tecniche ed economiche (e tra le ultime, manageriali e finanziarie), e con esperienza in altre startup. A riprova di questo risultato, in un’altra analisi abbiamo confrontato un campione di startup top performer (quelle con fatturato superiore ai 2 milioni di euro) con la media del campione di startup nel registro, arrivando a risultati simili: il team marca le differenze più significative tra i due campioni – le startup più performanti hanno team più completi in termini di competenze, hanno maggiore esperienza nel settore di riferimento, hanno esperienza manageriale, e soprattutto hanno una maggiore esperienza in precedenti startup.

Insomma, il capitale umano sembra confermarsi anche nel contesto nostrano come il vero fattore critico di successo. Purtroppo, è anche quello più scarso nel nostro panorama imprenditoriale. Questo è confermato anche dai dati dell’Osservatorio Europeo sui Cluster che evidenzia la cultura imprenditoriale e le competenze (imprenditoriali) come principali punti di debolezza dell’ecosistema della regione Lombardia rispetto a quello di altre regioni europee (in particolare, le aree riguardanti Berlino, Barcellona, Londra e Vienna). Inoltre, lo scollegamento delle attività delle startup con il tessuto economico del Paese e le imprese operanti nei settori tradizionali del capitalismo italiano sembra essere un ulteriore fattore, che accentua il problema del capitale umano.

Dal confronto, collaborazione ed internazionalizzazione (infrastrutture generali e cross-settoriali, specializzazione, e apertura della regione) sono le altre dimensioni dove la regione Lombardia registra delle criticità, oltre ad accesso ai capitali (burocrazia/supporti legali, disponibilità di capitali dal settore pubblico), condizioni della domanda (domanda pubblica) e qualità della governance. Se davvero vogliamo sviluppare un ecosistema di innovazione e imprenditorialità competitivo sullo slancio delle startup, dobbiamo cominciare a risolvere queste criticità, partendo dal fattore principale: il capitale umano.

Valuta la qualità di questo articolo

La tua opinione è importante per noi!

Partecipa alla community

guest

0 Commenti
Più recenti
Più votati
Inline Feedback
Vedi tutti i commenti
giuseppe
giuseppe
9 anni fa

La maggior parte delle Startup che non convincono sotto il profilo dell’imprenditorialità sono proprio quelle che vengono generate direttamente o indirettamente dalle Università italiane. Ognuno deve fare il proprio mestiere. L’inventore non è quasi mai imprenditore. Avviene solo in casi minoritari e tra questi, trattasi di persone che hanno inventato veramente, hanno sofferto per partorire l’idea. Nelle Università o nei famosi incubatori, i giovani, che dovrebbero applicare le idee ( che derivano direttamente o indirettamente dal professore, e che nella maggior parte dei casi non sono nemmeno brevettabili, perché già note o divulgate), sono troppo protetti, non hanno quella forza di sacrificio che è propria dell’inventore imprenditore.

People&Change

Tutti
CARRIERE
AI E LAVORO
COMPETENZE
Produttività e AI
AI IN AZIENDA
SCENARI
FORMAZIONE
CULTURA AZIENDALE
AI in azienda
Carriera
AI leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
Leggi l'articolo Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
competenze
Primo lavoro e carriera: le dinamiche invisibili che guidano il successo
Leggi l'articolo AI e lavoro, chi beneficerà davvero del tempo risparmiato?
scenari
AI e lavoro, chi beneficerà davvero del tempo risparmiato?
Leggi l'articolo Industria 5.0, chi difende le competenze quando decide l’AI
scenario
Industria 5.0, chi difende le competenze quando decide l’AI
Leggi l'articolo AI e lavoro in Italia: perché la formazione non può aspettare
l'analisi
AI e lavoro in Italia: perché la formazione non può aspettare
Leggi l'articolo Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
lo studio
Produttività e AI: il vantaggio cresce ai vertici, meno tra i dipendenti
Leggi l'articolo Shadow AI in azienda: come governare rischi, dati e sicurezza
policy
Shadow AI in azienda: come governare rischi, dati e sicurezza
Leggi l'articolo AI e lavoro: i rischi di adottarla senza riprogettare i processi
collaborazione uomo-ai
AI e lavoro: i rischi di adottarla senza riprogettare i processi
Leggi l'articolo Diritto a un call center umano: banco di prova per il futuro con l’AI
la sentenza
Diritto a un call center umano: banco di prova per il futuro con l’AI
Leggi l'articolo Shadow AI, vietarla non basta: il problema sono i processi aziendali
scenari
Shadow AI, vietarla non basta: il problema sono i processi aziendali
Leggi l'articolo Longevità e lavoro: come riprogettare la propria carriera
scenari
Longevità e lavoro: come riprogettare la propria carriera
Leggi l'articolo People Pleaser sul lavoro: perché è difficile dire di no
lavoro e SOCIETÀ
People Pleaser sul lavoro: perché è difficile dire di no
Leggi l'articolo Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
imprese e formazione
Master MIA a Cremona, il modello ibrido per portare l’AI in azienda
Leggi l'articolo Skills contro job title: le competenze trasformano i team nell’era dell’AI
competenze e lavoro
Skills contro job title: le competenze trasformano i team nell’era dell’AI
Leggi l'articolo Shadow AI in azienda: rischi, controlli e strumenti di governance
uso non approvato dell’AI
Shadow AI in azienda: rischi, controlli e strumenti di governance
Leggi l'articolo L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
risorse umane
L’AI accelera la conoscenza, non l’esperienza: il nuovo compito delle HR
Leggi l'articolo Gestione del cambiamento nell’AI: strategie per un’adozione efficace
la guida
Gestione del cambiamento nell’AI: strategie per un’adozione efficace
Leggi l'articolo Team ibridi, le regole per coordinare persone e agenti IA
leader aumentato
Team ibridi, le regole per coordinare persone e agenti IA
Leggi l'articolo Dimissioni e carriera: quando e come decidere di lasciare un lavoro
scenari
Dimissioni e carriera: quando e come decidere di lasciare un lavoro
Leggi l'articolo AI leadership, come cambiare la governance delle organizzazioni
AI e organizzazioni
AI leadership, come cambiare la governance delle organizzazioni
Leggi l'articolo AI in azienda, l’adozione si blocca senza una nuova leadership
Oltre l'AI Fatigue
AI in azienda, l’adozione si blocca senza una nuova leadership
0
Lascia un commento, la tua opinione conta.x