Onde investir o tempo?

Há um ditado ótimo que diz para dar primeiro, dar com frequência e dar sem esperar nada em troca. Embora eu concorde com tudo isso, tenho tido muita dificuldade em ter certeza de que estou dedicando meus esforços às coisas certas.

No final do ano passado, parecia que o tempo estava passando um pouco mais devagar (mas não estava) e eu ficava pensando cada vez mais nesse processo de reflexão e aonde ele me levaria.

A pergunta que me vi fazendo foi: então, para o que eu dou? 

Essa pergunta me levou a uma jornada interessante. Eu sempre voltava a várias perguntas:

1. Em que acredito e quero reforçar?
2. O que tem impacto para impulsionar mudanças de uma forma que seja mais significativa do que uma simples declaração?
3. Se eu conseguir encontrar coisas para apoiar, que reforcem aquilo em que acredito e causem impacto além das palavras, como posso contribuir?
4. Como encontro essas coisas se ainda não estou conectado a elas?

A pergunta inicial foi fácil de responder. A segunda acabou sendo uma reflexão pessoal. Descobri que o que impulsiona o tipo de mudança da qual quero fazer parte tem mais a ver com aquilo a que não estou conectado. A terceira ficou óbvia assim que as duas primeiras foram respondidas. A quarta acabou sendo a mais interessante.

Para responder à quarta, tive que começar a pensar em qual seria uma boa maneira de analisar coisas que não estão no meu círculo social e o impacto delas.

Para encontrar coisas que eu não sabia, ironicamente comecei a lista com quem eu conhecia — e passei a mapear suas redes por meio do que consegui encontrar sobre elas online. Minhas principais fontes de dados foram:

• Memória
• Anotações de conferências
• LinkedIn
• Crunchbase
• Angel List

Acabei com um modelo de tamanho razoável. Quando ultrapassei cerca de 10 mil elementos, o sistema começou a ficar lento o suficiente para tornar a adição de mais elementos muito mais difícil, então parei de contribuir tão intensamente.

Quando cheguei a 3 ou mais graus de separação, comecei a me aprofundar em cidades específicas. Foi aí que ficou interessante. Comecei a aprender todo tipo de coisa sobre a conectividade entre Minneapolis, São Francisco, Detroit, Indianápolis e a lista continua. Uma das descobertas foi como as comunidades de startups em São Francisco, Boulder e Nova York são muito fechadas. A densidade dos ecossistemas entre cada cidade é muito maior do que em Des Moines. Isso pode parecer óbvio, mas é outra coisa ver isso refletido nos dados.

As empresas que abrem o capital parecem ter financiamento desde a fase inicial até a oferta pública inicial (IPO), proveniente em grande parte de fontes locais por meio da Série C ou etapas posteriores. Isso mantém uma grande parte dos retornos na comunidade quando ocorre um grande evento. Também parece que fundadores com uma ou mais saídas de grande porte tendem a reiniciar empresas nas mesmas cidades em vez de partir, o que é algo que não posso realmente confirmar como uma tendência em nenhum outro lugar além de Boulder, Nova York e a Baía. Os números são simplesmente muito pequenos, comparativamente falando, em todos os outros lugares.

Eu provavelmente poderia escrever outro post sobre a diferença entre as cidades, mas como estava focado na minha contribuição em Des Moines, voltei a esse tema como foco central.

Usando as fontes acima, consegui reunir um conjunto de dados decente para identificar o que tem impacto para impulsionar mudanças, concentrando-me em quem tem o poder de impulsionar essas mudanças. Descobrir quem são essas pessoas e quem as rodeia foi o próximo passo.

O risco que me preocupava era tomar uma grande decisão sobre apoiar algo que, na verdade, seria eu criando uma correlação espúria que não existia. Tomar uma decisão com base em uma conexão inferida, em vez de uma direta ou comprovada.

O outro problema é que, quando comecei a perguntar às pessoas o que apoiar, as respostas muitas vezes estavam repletas de seus próprios preconceitos. Quanto mais eu me aprofundava, percebia que esses preconceitos provavelmente eram inconscientes e motivados por suas decisões pessoais. Se eu tivesse focado apenas no feedback diretamente da minha rede mais próxima, não teria chegado onde cheguei.

Não há mal nenhum nisso, eu faço a mesma coisa, mas isso me deixou ainda mais preocupado em aceitar certas recomendações sobre onde investir meu tempo com base em suposições qualitativas de terceiros sobre como as coisas estavam conectadas. Peguei parte desse feedback verbal e o incluí no meu modelo quando ele criou correlações reais que não estavam disponíveis publicamente, e é por isso que também não estou publicando o modelo como parte deste post.

O que alguém sentiu que criou uma mudança versus o que alguém foi capaz de articular sobre como essa mudança ocorreu trouxe à tona muitas coisas que não podem ser pesquisadas no Google.

Como obter uma resposta para uma pergunta que não consigo pesquisar no Google me fez lembrar de uma conversa que tive anos atrás com um amigo, Paddy, que falava sobre centralidade de vetor próprio e como isso estava orientando parte do pensamento de sua organização. Na época, lembro-me de ter ficado interessado, mas não tinha realmente uma razão prática para colocá-la em prática. Parecia uma boa abordagem para tentar.

O que isso me deixou foi uma série de pontos de conexão, e decidi tentar usar a abordagem de Paddy para entender a conectividade e os centros de influência na comunidade tecnológica de Iowa.

Minha principal preocupação era encontrar conectividade em novas comunidades e organizações em nível local com as quais eu não estivesse conectado — nem fisicamente nem financeiramente.

Comecei com minha própria rede e comecei a mapear de memória algumas das minhas conexões. Em seu nível mais básico, é assim que minha rede de primeiro grau se parece:

Aviso: Embora eu já tenha saído da Clay & Milk e a tenha deixado em boas mãos, esse não era o caso quando tirei essa captura de tela. Além disso, adicionei a TAI como uma conexão, embora ela não fosse uma quando comecei.

Em pouco tempo, eu já havia investido mais do que algumas horas coletando dados e mapeando conexões que se originavam desse ponto de partida, a ponto de se transformar em um modelo mais significativo que se estendia globalmente.

Decidi desde o início conectar pessoas a empresas e organizações, mas não entre si, a menos que estivessem ligadas por laços matrimoniais. Essa decisão pode ter distorcido o modelo, mas ajudou a dar prioridade a empresas e organizações, que era minha intenção.

Como eu estava focado em aproveitar a centralidade do vetor próprio, aqui está um trecho que a descreve: