Making my brain dance to a slightly different tune

 

I have those many different things running in parallel. I believe it is called ‘living’. I am trying to handle that complexity without inventing special metaphysics for that occasion, like ‘It is pointless to do X, I should entirely focus on Y and Z’. Over that half of a century that I have been in this world, I have come to appreciate the fact that my individual existence is truly a complex singularity. What is pointless is the denial of that fact.

Anyway, I keep nailing down two things: my business plan for the EneFin project, and my teaching programmes. As for the business plan, I made a big step forward in putting all its pieces together in my last update in French, namely « Deux cerveaux, légèrement différents l’un de l’autre ». Now, I am going to do something I like doing, i.e. reading backwards. A few years ago, I found out that reading backwards any text is really informative. You probably know that postulate of transformative grammar that each statement in language has at least two layers of meaning: the deep structure, which contains a lot of information, and which we almost never use in current communication, and the superficial structure, which we use in the verbal expression properly spoken, and which is a contracted and generalised version of the corresponding deep structure.

I found out that when I read a text backwards word by word, which goes like ‘like goes which word by word backwards text a read I when that out found I’, and the text is really complex, that inverted reading sort of peels off layers of meaning and allows to get more information out of that piece. I am going to do the same, just idea by idea, and not really word by word, with that summary of business plan that I introduced in « Deux cerveaux, légèrement différents l’un de l’autre ».

So, the last idea, put in the first place, is that in the market of FinTech utilities, supposed to facilitate the development of new businesses, three pricing strategies are available. Strategy #1 is that of relatively high commission levied on each transaction done at the corresponding FinTech platform, and that relatively high price would be around 5% of the value being transacted. Strategy #2 goes the completely opposite way and sets the transactional fee at a level comparable to that applied by typical brokerage houses in the stock market, like 0,4% ÷ 0,7%. Strategy #3 tries to go sort of the middle way and sets the transactional fee at a rate similar to that charged on a typical bank loan for SME (Small and Medium-Sized Enterprises), which is currently around 1,6% if you know the right bank for you.

There is a catch in this strategic choice. There is a general assumption regarding the connection between financial markets and real business: the latter has a definite need for capital, based on the value of the current output, and on the parameters of the Cobb-Douglas production function. In this specific case, it is the aggregate need for capital from the part of small, local investment projects in the field of renewable energies, in Europe. Those guys need a definite amount of capital, let’s call it K, conformingly to the tradition of economic sciences. That stream of capital generates a stream of financial fees on giving that capital a lift on its journey, and that stream of financial fees is the market, where FinTechs dwell.

Strategy #1 defines a market worth 5%*K, Strategy #2 drives it down to (0,4% ÷ 0,7%)*K, and Strategy #3 settles for 1,6%*K. You understand? For each strategy, I assume that my EneFin project would be one among many to use it and thus each strategy would define a financial market. If the majority of players goes for Strategy #2, the really aggressive, low-price one, any FinTech business with higher fees, like in Strategy #1 or #3, would almost automatically face a glass ceiling. On the other hand, if the first FinTech settlers in that market go for Strategy #1, at 5%, it leaves to the others a whole range of possibilities. The choice between those three strategies is not only numerical. It is a choice between various levels of aggressive competition, too.

Whatever the final choice, the reverted reading of my own ideas has proven fruitful. I found a hole, to stuff up with information. How much capital do new projects in renewable energies really need, in Europe, at the aggregate level? I start that estimation with the data I have, and then I will do some rummaging online. I will use the theoretical construct known as LCOE, or ‘Levellized Cost Of Energy’. With It being the capital invested in period t, and Mt standing for the cost of maintenance in period t, accompanied by the cost of fuel Ft in period t, the real output of energy Et allows calculating LCOE with the formula below:

LCOE

With renewables, fuel is for free, hence Ft = 0. The capital that suppliers of energy need for investing in the new capacity of new projects, and for maintaining them in good condition is equal to K = ∆Et*LCOE. Quarterly reports published by the European Commission allow estimating the typical LCOE, in the market of renewables, at some €0,06/kWh, with a descending trend. In like 5 years from now, we can expect LCOE being closer to €0,04/kWh. As for the ∆Et, my own estimates allow ranging it between 82 TWh and 107 TWh a year. As I convert the terawatt hours into kilowatt hours, and do the ∆Et*LCOE, it gives €4,94 billion ≤ K ≤ €6,42 billion a year.

This is my own educated guessing. Now, I go and ask IRENA, i.e. the International Renewable Energy Agency. It proves to be a good idea. I find something interesting. According to my own estimations, the output of renewables in Europe, in 2017, was around 3 670,45 TWh, which, in turn, allows guessing an underlying capacity of 3 670,45 TWh/ 8760 hours = 419 TW. In means that what I computed as capacity actually used makes like 82% of the capacity installed. As I run the same kind of check for 2015, I have the output of renewables at 3 423,5 TWh, which corresponds to a capacity of 390,8 TW, and IRENA provides 465,4 TW of capacity installed, for the same year 2015. Capacity used divided by capacity installed, in this case, gives like 84%.

It generally holds in the presence of two-sided, anti-bullshit test. Capacity installed is usually greater that the one actually used. The opposite is impossible, whilst equality between these two is hardly conceivable, and risky for the energy system as a whole. If I base my calculations of capital needed on the delta of capacity installed, I need to add that overhang of capacity left in reserve, yet financed. I target this one as a surplus of 20%. Consequently, my calculation of capital required morphs into €5,93 billion ≤ K ≤ €7,71 billion a year.

I apply my three alternative strategies to that fork of aggregates, and I get the numbers shown in Table 1 below. It is clearly more than what I computed in « Deux cerveaux, légèrement différents l’un de l’autre ». Given the logic underlying these two alternative calculations, I would rather go for the second one, i.e. that in Table 1. There are more empirical anchors in this second calculation. Still, this is the estimated need for capital in the whole European market of renewable energies. The financing scheme proposed in the EneFin concept suits most of all those relatively small, strongly local projects. Probably, they make just a fraction of those aggregates in Table 1.

Table 1

Estimated value of the market in financial services for the suppliers of renewable energies in Europe, € billions
From To
Strategy #1  296,31  385,46
Strategy #2  29,63  38,55
Strategy #3  94,82

 123,35

As I see and feel it, that business plan for the EneFin project still needs some ripening. I am letting it crystallize in my brain. Take your time, business plan. Take your time. Anyway, what really counts as my personal creation is what will remain in this world after I am dead. I am changing my topic. I turn towards teaching and the preparation of syllabuses for the next academic year. I am using this same occasion to write some educational takeaways for my website.

As it comes to teaching, I feel like shaking it off a bit. Each year, I have more and more teaching hours, at the university. In the academic year which has just ended, it was over 500. In the one to come, it is likely to go over 700. I want to reassess my goals and my values in that process. This is an interesting thing I discovered quite recently, as a matter of fact: casual tasks can be done acceptably well without putting much of myself in the doing of them, but a big, solid workload requires real emotional involvement, at least if I want to do it really well and not to burn myself out in the process.

So, here is the list of the main subjects I have in my schedule for the next academic year:

  • Management: I teach it in two different, Undegraduate majors, and in two languages. I teach that curriculum for the major of International Relations, in English, and for the major of Film & Media Management, in English as well. Besides, I teach in Polish the same subject for the same major of Film & Media, Polish track.
  • Business Planning/Innovation planning – teach it in Polish, in the 3rd year of Management major for undergraduates. This is supposed to be an integrative, advanced course, with little theory and a lot of practical work.
  • Microeconomics – in the English track, I teach it in the first year of International Relations’ major, Undergraduate, basically to the same students whom I work with in the course of management; I am going to teach similar curriculum in the Graduate major of Management, English track as well; in the Polish track, this is a complementary course for the 1st year of Information Technology undergraduates.
  • Economic Policy – I teach this curriculum in the English track, 3rd year undergraduate in the major of International Relations.
  • International Trade/ International Economic Relations – the slash I put in the name of this subject means that it consists, in fact, in two similar subjects I teach at two different levels, i.e. Undergraduate (International Trade) and Graduate (International Economic Relations), of the English track in the major of International Relations
  • Political Systems – English track, Graduate level, major Management

Good, so this is the inventory of what I do, and now my big question is: what do I really want to do in what I do? What do I want to achieve in terms of teaching outcome? What do I want my students to learn?

The first part of my answer is pretty simple: I want them to learn science as such, i.e. the scientific method, and I want them to become basically proficient in using that method for building their own social roles in an intelligent way. I want to train them at the sequence made of observation followed by hypothesising, which is further followed by empirical verification and communication of results. One of the big lessons you can learn, when practicing this sequence, is that it takes time and smart coordination of your own actions. Science, understood as a method of dealing smartly with that bloody mess we call reality, requires both creativity and rigour, and these two traits are the second major takeaway I want my students to have, in my classes.

This basic education goal comes from two plain observations. Firstly, there are things you can learn in a classroom, and those which you just can’t. Secondly, we are coexisting with an emergent form of intelligence, the digital one, and we need to adapt. Can you learn management in a classroom? Certainly not. Management is a craft and an art, in the first place, and only secondarily this is a science. As craft and art, management is, most of all, fierce inter-personal competition inside a complex social structure. Yes, there is ethical management. Yes, there is management for higher a purpose. Yes, you can imagine ethereal beings like that. Still, if you want to do any management at all, you have to stay in the game inside an organization, and in order to achieve that simple goal, you need to be efficiently competitive.

Can you learn international relations in a classroom? Once again, the answer is: hell no. If, one day, you try to put together a policy, a social action, or a business at the international scale, you can really learn what international relations are. If you can’t learn management in a classroom, and can’t learn international relations, what is the point of teaching them at a university? If you ask this question, you are bloody touching the essence of the thing, as I feel it. I named some of the things you can’t learn in a classroom, so what are the things you can?

In order to understand the learning you can have out of any situation, the essential thing is to understand what is happening in that situation. In a classroom, we are basically having a conversation in a semi-organized group. Semi-organized means there is a basic division of roles – I teach, students learn and take exams – but we have a lot of flexibility when it comes to ritualizing the whole situation. I can play the distant, cold, exigent bastard, or I can play the nice guy. Students can play the smart ones, the diligent ones, or can play fools.

If you have a semi-defined social role, both you and your social environment will push towards defining it completely. This is what we, humans, do: we shape our social structures so as to make social relations acceptably predictable. Thus, in a classroom, the most fundamental process of learning that takes place is the transition from semi-defined social roles to the fully defined ones. Students essentially learn how to make themselves into the social role they think their social environment expects them to endorse.

I remember one student, from the last Winter semester. He had that special style, combining Gothic elements, such as demon-looking, all black contact lenses, with a vaguely androgynous clothing and haircut. Apparently, a rebel. Still, it was nothing short of amazing to watch this alleged rebel in his virtually desperate efforts to find a role in the group, i.e. in relations with other students and with me. That guy was literally experimenting with himself, and tried to play a slightly different role at each of the 30 classes scheduled in the semester.

Thus, in a classroom, what we have in terms of the most fundamental teaching, is a partly controlled environment for training students in the definition of their own social roles. It is like: ‘Look, you can read this book, and you can use that reading to endorse various stances. You can play the dumb one, who doesn’t understand anything. You can play the diligent one, who wants to get extra points by writing an optional essay. You can play the smart guy, and challenge me in class on the grounds of that book. In short, you can learn how to use large parcels of theoretical knowledge in order to experiment with your own social identity’.

OK, enough writing in that update. I feel like switching, as it is my ritual, to French, once again, to make my brain dance to a slightly different linguistic tune.

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French version as well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon page and become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

Support this blog

€10,00

 

Deux cerveaux, légèrement différents l’un de l’autre

Mon business plan pour le projet EneFin prend forme. Dans cette mise à jour je vais essayer de reconstruire ce concept depuis le début, juste pour voir ce que ça donne et pour être capable d’utiliser ce business plan, ainsi que le processus de mon travail là-dessus comme outil éducatif. Je sais que ceux parmi mes lecteurs qui ont suivi plus ou moins systématiquement mon travail sur ce concept peuvent trouver cette mise à jour un peu rébarbative. Néanmoins c’est l’une de ces occasions ou quelque chose à l’intérieur de mon cerveau dit simplement « Fais le. Juste la ferme et écris ». Bon, donc je la ferme et j’écris.

Ça commence avec l’étude de marché. La base empirique du concept vient de l’observation des prix d’énergie, plus exactement des différences observables entre les prix d’électricité pour les petits utilisateurs type ménager, d’une part, et les grands consommateurs institutionnels d’énergie d’autre part.

Tableau 1 – Prix moyens d’électricité dans certains pays européens

Pays Prix moyen d’électricité pour les petits consommateurs ménagers, € par 1 kilowatt heure Prix moyen d’électricité pour les grands consommateurs institutionnels, € par 1 kilowatt heure
Autriche € 0,20 € 0,09
Suisse € 0,19 € 0,10
République Tchèque € 0,14 € 0,07
Allemagne € 0,35 € 0,15
Espagne € 0,23 € 0,11
Estonie € 0,12 € 0,09
Finlande € 0,16 € 0,07
France € 0,17 € 0,10
Royaume Uni € 0,18 € 0,13
Pays-Bas € 0,16 € 0,08
Norvège € 0,17 € 0,07
Pologne € 0,15 € 0,09
Portugal € 0,23 € 0,12

Pourquoi donc ces fourchettes des prix m’eurent inspiré à bâtir un concept d’entreprise ? Eh bien, parce que je suis un économiste et pour un économiste, des prix différents pour le même bien – une kilowatt heure d’énergie électrique en l’occurrence – veulent dire qu’il y a une plus-value financière à exploiter. Les distributeurs d’énergie l’exploitent de façon typique. Le choix compétitif qu’un ménage typique peut faire entre des fournisseurs différents d’électricité est toujours sévèrement limité. La pratique commune des distributeurs de garantir une fourniture stable d’énergie seulement à condition d’avoir signé un contrat long-terme, typiquement pour 24 mois, est l’un des facteurs majeurs qui réduisent la compétition. Eh ben oui, faut appeler les choses telles qu’elles sont : les grands distributeurs d’énergie en Europe exploitent les petits consommateurs d’énergie.

Alors mon idée consiste à exploiter cette situation en sens inverse. Du point de vue comportemental, la situation présente veut dire que les petits consommateurs d’énergie sont habitués à payer des prix relativement élevés pour alimenter leurs frigos et leurs plafonniers. Ces prix, ainsi que l’habitude de les payer sont en quelque sorte incrustés dans notre mode de vie. Le comportement humain est une forme d’énergie, aussi bien au sens littéral que métaphorique. Maintenant, cette énergie est utilisée pour maintenir une structure de marché que nous, les économistes, on appellerait « oligopole basé sur le monopole naturel ». Mon idée consiste à rediriger cette énergie vers la création d’une structure de marché plus compétitive et plus diversifiée, avec plus de petits fournisseurs locaux d’énergie et un choix compétitif réel pour les petits consommateurs.

Le concept financier est le suivant : puisque de toute façon nous, les petits consommateurs d’énergie, nous sommes habitués à payer un prix relativement élevé, continuons donc de le payer, seulement investissons la plus-value monopolistique contenue dans ce prix dans le développement des nouveaux fournisseurs d’énergie. Cette plus-value monopolistique varie de pays en pays, néanmoins il est possible de calculer une moyenne conservative de €0,09 par kWh.

Maintenant, je définis un marché européen comme l’ensemble fait de l’Union Européenne plus la Suisse et la Norvège. Je sais que l’Union Européenne est en train de se disloquer un peu, avec mon propre pays, la Pologne, courant joyeusement dans cette direction, néanmoins, faute de mieux, je considère l’UE comme un marché commun qui peut facilement coopérer avec la Suisse et la Norvège. Dans le cadre de ce marché européen, la consommation moyenne d’énergie par tête d’habitant, selon les données de la Banque Mondiale, en 2015, était de 3250,30 kilogrammes d’équivalent pétrole, qui est égal à 3250,30 * 11,63 =  37 801,04 kilowatt heures.

Dans cette consommation moyenne, celle qui est strictement ménagère semble se ranger aux environs de 17 ÷ 20%. Pour calculer ce pourcentage, j’ai utilisé plusieurs sources. Selon les agrégats accessibles sur le site de l’Agence Internationale d’Énergie , dans le monde entier, la consommation ménagère fait environ 26% de la consommation finale totale. L’Europe est fortement industrialisée et urbanisée, donc la part non-ménagère de la consommation finale d’énergie, faite précisément de l’industrie et du transport, est susceptible d’être légèrement plus élevée que la moyenne mondiale. Un rapport publié sur www.energymarketprice.com , dans leur série « Energy Statistics Report », suggère que la consommation ménagère d’énergie, en Europe, ne fait que 17,3% du total.

Je calcule donc : 17,3% * 37 801,04 kilowatt heures par tête d’habitant * €0,09 * 523 174 318 habitants ≈ 307,92 milliards d’euros de plus-value monopolistique agrégée et générée en 2015, dans le marché européen d’énergie fournie aux petits consommateurs ménagers. Graphe 1 ci-dessous présente le développement de cette plus-value dans le temps. Elle varie d’année en année, avec une moyenne de 316,54 milliards d’euros par an. Chose intéressante que vous pourrez, par ailleurs, observer par vous-mêmes avec les données qui vont suivre : cette plus-value monopolistique agrégée avait connu son apogée en 2005 – 2007 et depuis, elle suit une tendance décroissante inversement corrélée avec la croissance du marché d’énergies renouvelables en Europe. En d’autres mots, depuis 2007, chaque gigawatt heure d’énergie renouvelable fournie en Europe enlève, en moyenne € 23 924,08 de cette plus-value monopolistique. Le développement des renouvelables en Europe objectivement améliore la position des petits utilisateurs ménagers dans le marché d’énergie.

Graphe 1

Plus value monopolistique

Nous avons donc une tendance intéressante, là, et je décide de la suivre d’une façon créative. J’imagine un contrat complexe – que j’appelle « contrat EneFin » – dans lequel le fournisseur d’énergie vend au consommateur final un paquet des kilowatt heures d’énergie – à un prix normalement réservé aux grands consommateurs institutionnels – plus un paquet des titres de participation dans le capital social du fournisseur, pour un montant égal, en moyenne, à K = €0,09 * la quantité d’énergie en kWh.

Construisons un exemple. Je reviens à l’idée formulée dans deux mises à jour antérieures :  « Something to exploit subsequently » et « The stubbornly recurrent LCOE ». L’endroit : Lisbonne, Portugal. La technologie : une turbine éolienne à l’axe vertical conforme à la demande de brevet no. EP 3 214 303 A1 déposée à l’Office Européen des Brevets. C’est l’une de ces turbines éoliennes qui sont suffisamment petites pour être installées dans la proximité immédiate d’habitations humaines. Le business : un réseau de telles turbines installées dans les endroits relativement venteux de Lisbonne, surtout dans la partie Ouest, le quartier de Belém. Avec la vitesse moyenne de vent, à Lisbonne, égale à v = 4,47 mètres par seconde, chaque turbine, selon cette technologie particulière, peut générer dans les 47,81 kW de capacité électrique. Sur les 365*24 = 8760 heures dans l’année, ça donne 418 815,60 kWh d’énergie.

Un ménage moyen à Lisbonne, c’est apparemment 2,6 personnes et ces 2,6 personnes prises ensemble consomment dans les 11 151,20 kWh d’énergie ménagère par an. Oui, je sais, prendre deux personnes entières ensemble avec 0,6 d’une autre personne pourrait conduire, dans la vie réelle, aux conséquences néfastes, mais on parle statistique, pas vie réelle. Enfin, vie réelle aussi, mais sous un angle spécifique, qui permet à ces 0,6 d’une personne de mener une vie économique paisible.

Le prix d’énergie au Portugal c’est €0,23 selon le tarif ménager et €0,12 selon le tarif grands clients institutionnels. La fourchette de plus-value monopolistique est donc particulièrement juteuse dans ce marché particulier : €0,23 – €0,12 = €0,11 donc deux euro cents de plus que cette moyenne €0,09 que je viens de calculer plut haut. Notre ménage moyen paie donc, dans ces factures d’énergie, environ €1 226,63 de plus-value monopolistique. Le truc important ici est que notre ménage moyen est habitué à la payer, cette plus-value. Ces gens ont déjà incorporé ce montant dans leur budget ménager typique. Ce comportement habituel est une forme d’énergie en soi-même.

Maintenant, on redirige cette énergie vers ce réseau de petites turbines éoliennes à l’axe vertical. Avec les prix donnés plus haut, l’énergie générée par une turbine représente 418 815,60 kWh * €0,11 = €46 069,72 de plus-value monopolistique. Une turbine peut alimenter en énergie 37,56 ménages moyens à Lisbonne et ces 37,56 ménages peuvent investir, dans le capital social de la société qui installe et maintient ces turbines, la plus-value monopolistique qu’ils paient déjà, dans leur facture d’électricité.

Voilà donc que notre contrat complexe entre en jeu. Pour quelques instants, j’endosse le rôle de cet opérateur local de petites turbines éoliennes selon la demande de brevet no. EP 3 214 303 A1. Je fais du porte à porte (métaphoriquement parlant) et je propose le deal suivant à ces ménages Lisbonnins : « Vous achetez de moi des paquets standard d’énergie, disons 1000 kWh = 1 MWh par paquet. Les 11 premiers paquets, vous les payez au tarif standard, €0,23 par kilowatt heure, donc €230 par paquet de 1000 kWh = 1 MWh. Dans chaque paquet de 1 MWh, les €230 que vous payez partiellement retourne à vous en forme d’actions dans mon capital social et la valeur nominale de ces actions est égale à la plus-value monopolistique, donc 1000*(€0,23 – €0,12) = 1000*€0,11 = €110 que vous aurez payé dans le prix d’énergie chez un grand fournisseur. Dans ces 11 premiers paquets, vous entrez donc dans mon capital social pour l’équivalent nominal de 11*€110 = €1 210,00.

Les 11 paquets suivants, donc paquet 12 jusqu’au paquet 22, vous les payez à €0,19 la kilowatt heure, soit €190 par paquet, et cette fois, chaque paquet acquis, en plus de l’énergie fournie, vous apporte 1000*(€0,19 – €0,12) = 1000*€0,07 = €70 d’actions dans mon capital social. Cette seconde tranche des paquets d’énergie vous apportera donc une participation nominale de €770 dans mon capital social et vous aurez déjà fait une bonne affaire sur le prix total payé, par rapport à votre facture d’électricité que vous payez maintenant.

Si vous achetez encore plus, donc si vous allez dans une troisième tranche de 11 paquets d’énergie (paquets 23 à 33) le prix total payé pour 1 kilowatt heure descend à €0,15, soit €150 par paquet de 1 MWh et chaque paquet vous donne 1000*(€0,15 – €0,12) = 1000*€0,03 = €30 en actions dans mon capital social.

De tout en tout, après avoir acheté 33 paquets d’énergie de 1 MWh chacun, ce qui correspond à la quasi-totalité de votre consommation ménagère d’énergie sur 3 ans, vous aurez : a) fait des économies absolues sur frais d’électricité égales à 33000*€0,23 – 11000*€0,19 – 11000*€0,15 =  €3 850,00 b) acquis les actions de mon capital social pour la valeur nominale de 11000*(€0,23 – €0,12) + 11000*(€0,19 – €0,12) + 11000*(€0,15 – €0,12) =  €2 310,00. En plus, après avoir acheté ces 33 paquets d’énergie, chaque paquet supplémentaire, vous le payez au même prix qu’une grande usine l’aurait payé, donc au tarif de €0,12 par kilowatt heure réservé aux gros acheteurs ».

V’là la combine. Qu’en diriez vous ? Ah bon ? Acquérir ces actions, signer ces contrats, tout ce bazar vous fait un peu peur ? Calmos, Herr Doktor Wasniewski a la solution rêvée pour vous : faire tout ça en forme de fonctionnalité FinTech. Vous entrez une page Web, comme PayPal. Seulement celle-là, elle s’appelle EneFin. Click. Vous ouvrez un compte client. Click. Vous versez du liquide dedans. Vous cliquez sur le lien hypertexte « Contrats complexes offerts couramment » et vous pouvez choisir dans une liste des contrats du type juste décrit plus haut. Click. Vous achetez les contrats de votre choix. Vous n’avez pas de liquide pour verser sur le compte client ? Pas de problème : EneFin sera ravie de vous en prêter, de ses propres fonds ou bien comme agent d’une banque. Click.

Ici, Herr Doktor Wasniewski a encore un tout petit problème à résoudre. Pour que les clicks marchent, en général, il faut convertir les deux contrats simples du contrat complexe, donc le contrat d’achat d’énergie et celui d’achat d’actions dans le capital social, en une sorte de token digital. L’acquisition d’actions dans le capital social d’une société requiert tout un tas de formalités, peut-être même l’intermédiation d’une maison de courtage boursier. Chaque pays européen a ses régulations spécifiques à ce propos. Il faudra donc étudier ces dispositions légales et faire des contrats spécifiquement taillés à chaque pays.

Bon, disons que Herr Doktor Wasniewski a résolu ce tout petit problème et nous avons ce token digital, échangeable en ligne. Voilà le noyau dur du projet EneFin : créer une plateforme transactionnelle du type FinTech qui offre ces contrats complexe en une forme digitale. J’assume que toute la combine décrite plus haut s’applique au marché d’énergies renouvelables en Europe comme définie encore plus haut, donc UE + Norvège + Suisse. Ce marché, je l’évalue prudemment à quelques 3 670,4 térawatt heures en 2018, avec un taux de croissance annuel de 3,8%, en moyenne entre 1990 et 2017. Le marché d’électricité des sources renouvelables pour l’usage ménager, je le calcule suivant la même proportion de 17,3% de la consommation totale, soit 634,99 TWh. Au prix moyen de détail de €0,19 par kilowatt heure pour les ménages, j’estime la valeur de ce marché à 120,65 milliards d’euros, dont quelques €57,15 milliards correspondent à cette plus-value monopolistique qui avait déclenché toute cette avalanche d’idées dans ma tête.

Plusieurs gouvernements européens donnent un support fiscal substantiel aux énergies renouvelables. Seulement certains projets dans le domaine sont susceptibles d’être financés façon EneFin : des projets relativement petits et fortement locaux, où il y a des chances de bâtir des liens quasi-coopératifs entre les consommateurs du coin et le fournisseur local. J’assume, d’une manière plutôt conservative, que seulement 2,5% de ce marché total des renouvelables sera susceptible à capter à travers des solutions financières du type EneFin. Ça fait dans les 3 milliards d’euros, dont environ €1,43 milliards sont faits de cette fameuse plus-value monopolistique, possible à rediriger vers le capital social des petites startups locales.

Un intermédiaire financier, ça gagne son pain à la commission, essentiellement. Je pense qu’EneFin ne fera pas exception à cette règle. Il est vrai que dans le FinTech, ça paie de passer de la marge de commission pure à une sorte de forfait (abonnement) périodique. Néanmoins, ce forfait, du point de vue économique, est tout simplement un montant espéré de commission lissé sur une période de temps.

La question reste ouverte en ce qui concerne la taille exacte de cette marge de commission. Moi, dans tous les calculs que j’ai fait jusqu’alors, pour le projet EneFin, j’assume une marge de base de 5% qui descend jusqu’à 4% lorsqu’elle se transforme en forfait mensuel. Seulement ça, c’est juste mon assomption. La fourchette entre les marges réellement pratiquées dans le secteur financier est vraiment large. Lorsque j’avais étudié le rapport annuel de Square Inc., la proportion entre le revenu et les coûts, dans ce qu’ils appellent eux-mêmes « revenu basé sur la commission », suggère une marge de 20% qu’ils prélèvent. En terme de marge financière, c’est gargantuesque, mais je n’ai rien de mieux dans leur cas. D’autre part, les maisons de courtage boursier prélèvent typiquement une marge transactionnelle de 0,3 ÷ 0,7%.

Bien que comprise dans une fourchette très large, la marge de commission a sa propre logique financière. J’assume que le payeur de la marge sera le fournisseur d’énergie qui vendra ses contrats complexes à travers la plateforme EneFin. La commission qu’il paie à EneFin est le prix du capital qu’il acquiert de cette façon. Je compare au prêt typique pour les PME. Selon le service meilleurtauxpro.com, un bon prêt oscille entre 1,1% et 1,6%. En revanche, chez accesscreditpro.com, ils suggèrent plutôt quelque chose entre 1,3% et 2,85%.

Ceci dit, à part la commission sur transactions, une société FinTech peut gagner un revenu supplémentaire sous deux autres formes : intérêt sur les prêts accordés au clients ainsi que le taux de retour sur les actifs financiers détenus. Le taux d’intérêt nominal, pour les clients, serait probablement la marge interbancaire LIBOR plus la provision pour risque plus la marge réelle d’EneFin et c’est cette dernière qui nous intéresse. Une estimation réaliste est, je pense, 3 – 4% de marge nette par-dessus LIBOR et provision pour risque. En ce qui concerne le taux de retour sur actifs financiers, je pense qu’il faut se préparer à un portefeuille des placements type obligations d’État, donc à un taux nominal dans les 2 ÷ 3%.

Avant que je passe plus loin, une petite digression. Dans tout ce bavardage que je viens de déverser, j’ai défini deux facteurs majeurs de risque dans le projet EneFin. Premièrement, c’est le risque légal qui découle de la structure complexe des contrats échangés à travers EneFin. Deuxièmement, c’est le risque financier attaché au prix réel du capital.

Digression formulée, je continue. Avec toutes ces assomptions en ce qui concerne les marges financières pratiquées, le lecteur pourra demander : « Bon, mais où, dans tout ça, se trouve le revenu gagné sur la technologie elle-même. Herr Doktor Wasniewski, dans plusieurs mises à jour antérieures, vous aviez présenté des cas comme Fintech Group AG ou bien Katipult, qui empochent des forfaits à titre d’accès à leur plateforme technologique. C’était dans « Les marchés possibles à développer à partir d’une facture d’électricité » ou bien dans « Crossbreeds, once they survive the crossbreeding process » . Qu’en faites-vous, Herr Doktor Wasniewski ? ».

Eh bien, c’est que j’en fais c’est que j’y pense. Je pense avant tout que pour vendre l’accès à une technologie, il faut que celle-ci soit vraiment unique et compétitive. Une telle technologie, j’en ai pas, tout simplement. Je développe le concept EneFin du point de vue économique et légal, suivant mes compétences personnelles. Pour le moment j’écris ce business plan comme si la base technologique de mon projet était une solution à source plus ou moins ouverte, comme Ethereum et le langage de programmation Pragma Solidity.

Oui, dans le secteur FinTech, il faut ne serait-ce qu’un bout de technologie propriétaire pour assurer la sécurité du système. Seulement, aujourd’hui, personne ne paiera une surcharge spéciale à titre de faire des transactions avec un niveau élevé de sécurité. La sécurité digitale, aujourd’hui, ça vient dans le paquet-client et ledit client la considère comme quelque chose de normal. D’autre part, comme j’ai étudié les comptes de quelques sociétés FinTech, la dépense sur compétitivité technologique est substantielle mais elle se capitalise très peu, presque pas, en fait, au niveau bilan. A ce sujet, vous pouvez regarder « Protège-cul, pardon, stratégie de réduction de risque » ou bien « The art of using all those small financial margins ».

Bon, je reviens à l’estimation de la valeur et la taille du marché. Ces 3 milliards d’euros que je viens de calculer quelques paragraphes plus haut, je les prends comme base pour simuler le chiffre d’affaires total d’un réseau d’intermédiation financière du type EneFin. En d’autres mots, j’utilise la valeur d’un sous-marché d’énergies renouvelables pour calculer la valeur du marché des services financiers type EneFin, offerts aux acteurs dudit sous-marché des renouvelables. Essai no. 1 c’est la commission 5% et ça donne dans les €151 millions. Essai no. 2 : commission calquée sur celle des maisons de courtage boursier, donc environ 0,4%. Résultat : 12 millions d’euros. Essai no. 3 : commission comparable au taux d’intérêt sur prêt bancaire pour les PME, soit 1,6%. Résultat : €48,3 millions.

Dans « The essential business concept seems to hold », que j’avais publié le 17 Juin, j’avais esquissé un modèle financier pour le compte d’exploitation d’EneFin. Ça donne dans les €11 millions de chiffre d’affaires comme niveau de stabilité temporaire pour ce business. J’assume que j’avais ne serait-ce qu’un peu de bon sens dans ces calculs-là et je compare aux calculs du paragraphe précèdent. Trois stratégies distinctes se dessinent. La première, c’est la stratégie de marge transactionnelle relativement élevée, dans les 5%, avec pour but de prendre une place parmi plusieurs autres offertes dans un marché ainsi délimité. Prix élevé, part de marché dans les 8%. La seconde, c’est la stratégie de prix super-agressif, où les fournisseurs d’énergies renouvelables peuvent acquérir du capital, à travers la plateforme transactionnelle EneFin, au prix comparable à la commission des maisons de courtage, soit ce 0,4%. Le marché défini de cette façon semble donner de la place à juste un joueur sérieux et stable. C’est la stratégie du type « ça passe ou ça casse ». Enfin, la troisième, celle du milieu : la commission d’EneFin se situe aux environs d’un prêt bancaire, donc quelques 1,6%. Là, le marché serait celui de 4 – 5 fonctionnalités similaires, une sorte de compétition monopolistique.

Je pense que je vais continuer en anglais, pour gagner un peu de perspective. Par ailleurs, c’est bien pour ça que sur ce blog, j’alterne les mises à jour en français et en anglais. C’est comme si j’écrivais avec deux cerveaux, légèrement différents l’un de l’autre.

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund (aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon . Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

Vous pouvez donner votre support financier à ce blog

€10,00

 

Once those preliminary rituals are over

 

I am digging two holes at a time, so to say. I am writing that business plan for the EneFin project, the FinTech platform for the market of renewable energies, and I am preparing educational material, both for my classes at the university, next academic year, and for this website, Discover Social Sciences.

Just to have an idea: how many components of the business plan do I already have like nailed down and very nearly ready to present? Firstly, the market of renewable energy. This one is practically done. See “Fini de tourner autour du pot”. I could enrich that part with case studies of small, local projects based on radically new technologies. Next: the market of FinTech and the broad financial context. Same thing, as it seems: the big picture has been sketched, and this part could benefit of some details and case studies. See “The essential business concept seems to hold”. Now comes the business concept and the definition of the products to sell. Here, I think that it is the foggiest part. I approached it from different angles: how to generate the profit margin (see “The essential business concept seems to hold”), how to construct the capital base of the project and its balance sheet (see “Protège-cul, pardon, stratégie de réduction de risque” and “The art of using all those small financial margins”), and, finally, how to structure the essential contracts of that business (see “The art of using all those small financial margins” and “Gymnastique légale niveau contrats” ).

What follows are the financials: prospective income statement, prospective balance sheet, same for cash flow. It is just as with the business concept: sort of sketched and studied, but still sort of foggy. F***k! I have just realized how closely connected those two parts are, in a business plan. I mean the business concept, on the one hand, and the financials, on the other hand. I teach it to my students, every year: “Remember to have your business concept well-nailed down!”. Yeah! Saying things is one thing, and doing them is another. I think I understand why some part of my brain decided, in January this year, to start doing real business plans for concepts that I am interested in.

Now, the takeaways, i.e. the essential observations and conclusions. The European market of renewable energies is growing quite quickly, comparatively to other regions of the world, but its two essential pillars, namely innovation and monetary base, seem to be fading. It looks like a market, which is just being overshooting its local resources with its own growth. With all the fiscal support that many European governments give to renewable energies, the market seems to be lacking solid, private, market based institutions to take it from governments, in terms of financing the market of renewables.

The assets of the EneFin project will be mostly financial ones. Whilst there is a lot of technological competition in the FinTech sector, there is little capitalization on the corresponding current expenses. The money that FinTech companies spend on research and development of technologies seems being spent just to stay in the race, for the most part, with little durable value. Now, value is really in the contracts. Pinning down the optimal structure of contracts, for any national, legal regime looks like a major factor of success.

There are two essential ways of earning money, or capturing value, in the FinTech business in general. On the one hand, there is the price of technology. FinTech companies can sell the access to their technology in three forms. Transaction-based fee, i.e. a percentage of the value transacted, is the first option. For big customers, who do a lot of transactions in a unit of time, and the lot is predictable, that fee can be transformed into a subscription to the transactional platform. Finally, if the technology underlying the transactional platform is really performant and competitive, it can be sort of lent or licenced to other financial operators.

On the other hand, capital margins are another way of earning profits in FinTech. Whatever legal structure you turn towards, in FinTech, you have monetary balances on customer accounts, i.e. on the current accounts that your customers hold with you. Those short-term, highly liquid liabilities need to be invested in similarly liquid, current assets, like overnight deposits, and here comes the first tiny little margin to earn. Then, the short-term, highly liquid assets based on the customer accounts: a) can leverage some long-term borrowing and b) need to be properly counterweighed with longer-term assets endowed with lower liquidity, low risk and reasonable yield, like sovereign bonds. Another bundle of financial margins to earn.

The business concept for that EneFin transactional platform seems to need two essential pillars. The first one is legal, and it consists in the general structure of the complex contract, i.e. one futures contract on the future supply of energy + one package of shares in the supplier’s capital = one complex contract, converted into a digital token and thus tradable online. This complex contractual structure needs to be adapted to the local legal regime, which, in turn, is made of two types of legislation: the law regarding the market of energy, and that governing financial markets, including corporate law. The second pillar is financial, and it means a model structure of the balance sheet, which can generate a maximum of financial gains. Whilst the latter (model balance sheet) seems to be essentially an exercise in mathematical modelling, maybe with a zest of artificial intelligence, the former is really challenging. My intuition is that once you have that complex contract precisely laid down, you got the whole business.

Someone could legitimately ask where is digital technology in all that. Well, as I have just written, the “Tech” part in FinTech seems to consist essentially in keeping up with the pace of the race in functionalities at the level of customer experience. There are technological bases available, like Ethereum and its open-source language “Pragma Solidity”. Other languages, like Python, are available, and I think it is mostly about finding the right match between the actual group of IT engineers hired for the job and the needs of the moment. Whatever exact digital technology is chosen for EneFin, we return to the same point: the contract. Any programming language will, at the end of the day, digitalise the contract, as structured in the business concept.

The essential business model of EneFin as for June 25th 2018

Now, I am deconstructing that bloody contract. I am trying to stay as ground-to-ground as possible. As we speak about ground, the contract makes grounds for a business process. The process has an input, and an output. The input is made of two simple contracts, both issued by the supplier of energy: a futures contract on energy and a share (a set of shares) in the equity of the supplier. The output consists in easily and unequivocally enforceable claims, on the part of the customer, most probably a household or a small business. In the ‘easily and unequivocally enforceable’, both parts of the expression are important. On the one hand, those claims the customer buys must be like bullet proof. There mustn’t be any doubt whatsoever about the rights and obligations attached. No third party claim should weigh on the participatory deeds, for example.

In order to have those claims fully enforceable, they must comply with the legal rules in force. I am referring here mostly to the claims on equity, as they are usually subject to relatively more stringent a set of regulations. It is about the law on securities, financial markets etc. I intuitively feel that this is the toughest part to nail down, in terms of legal technique. I am thinking about presenting the business plan for the EneFin project in two phases: an outline would come as first, and then, for each national market, the structure of a locally specific, complex contract would follow.

As for the ‘easily enforceable’ part, the easy enforcement of a claim means, in practical terms, that subjectively perceived difficulty, on the part of the customer, of acquiring those futures on energy, combined with shares in the equity of the supplier, must not exceed the average level of difficulty that people perceive in financial, online utilities. Now, the trick consists in measuring objectively the subjectively perceived difficulty. As we are talking (OK, I am talking) about an essentially online functionality, the typical metrics are: total number of clicks necessary to complete the transaction, total time passed in front of the screen, total number of distinct webpages to go through etc.

There is a hurdle to jump over, here. The ideal of easy transaction would be to have that complex contract sold in one click, on one webpage. Right, there are the General Data Protection Rules, which adds at least one click. OK, the customer should also have a separate click, to click, regarding the acceptance of rules pertaining to the transactional platform EneFin in itself. That makes at least three clicks and three screens. Once those preliminary rituals are over, interaction with the customer should unfold according to the principle that each distinct click is a choice (a decision) on the part of the customer, and each screen represents an amount of information important for making that choice in a sensible manner.

I am summarizing distinct decisions on the part of the customer. I am showing it graphically, below, and further below I develop a discussion.

The key decisions on the part of the customer in the EneFin concept

 

I imagine a customer who just starts using EneFin. After having gone through GDPR, and in parallel with the acceptance of general rules to be followed with EneFin, the customer makes his(her) first big decision, i.e. the creation of a customer account. Next, a sequence of recurrent decisions follows, when the customer decides about the amount of money to be held on the customer account, and about using (or not) credit, made available by EneFin.

Once the balance on the customer account has been provisionally settled, the customer selects one or more complex contracts to purchase. Here, I can see a dilemma to sort out. If the customer selects and buys just one complex contract, like 100 kWh of future energy + €3 equivalent of shares in the supplier’s equity, it is simple. One contract, one decision. Still, if the customer selects more than one complex contract, should the customer’s final decision ‘BUY’ expressed in one click for all the contracts in the basket, or each contract should be click-purchased separately? The former is simpler and faster, the latter is sort of more transparent and fair. As I think about my own investment account with the brokerage house at the Warsaw Stock Exchange. When I buy stock, I go through a sequence of two click-decisions for each security separately.

Here, we come to that delicate balance between speed and efficiency of customer experience, on the one hand, and the legally viewed fairness and conclusiveness on the other hand. We sign contracts in that special window of social relations, where we already, basically trust the other party enough to do any business with them, but we steel-plate our ass just in case that trust proves somehow unfounded regarding small details. A contract is an expression of will, on the part of both parties. When it comes to suing each other in court, said court will strive to assess, among other things, whether each party took fully informed decisions in connection with the contract in question, and whether the consent of each party had been expressed in a legally valid way. In other words, when a customer clicks something important, two questions arise: was that click sort of sensible and rational, for one, and has it been fully valid in legal terms.

1 click equals 1 decision

The other hole I am digging is education. I am preparing educational materials and syllabuses for the next academic year and I feel like really making a difference. I am rethinking what do I want to teach, what do I really am able to teach, and what the process of teaching should look like. Those of you who have been following my blog for a while might remember that I have that mild obsession of teaching social sciences as sciences in the strict sense of the term, i.e. I want my students to learn theoretical concepts, like market equilibrium or institutions, in the same time as they learn how to use those concepts to study social reality (see “The other cheek of business”, for example).

Thus, here is my general educational concept. I want to create educational modules based on the classical scientific method. Firstly, the student gets acquainted with a set of facts and empirical data. The first challenge consists in using basic analytical tools for identifying and describing patterns observable in those facts and numbers. The student will describe those patterns as hypotheses. In the next step, the student takes on checking if the hypotheses he or she has just phrased out are verifiable at all. In other words, this is the moment of learning the distinction between the speculative, non-verifiable hypotheses on the one hand, and the verifiable ones. This is the moment of checking how exactly those verifiable hypotheses can be checked.

Finally, once the hypotheses have been verified, the student makes and presents a conclusion. This is the ‘ice bucket’ moment. I did all that research and all that thinking, and now, why the hell should anyone bother? What is really important in what I have just done? Are there practical applications of my findings? Are there new openings in research as such, possible to explore on the basis of my research?

The research based educational process

The actual shape of this educational process is being formed on the basis of three essential components: the empirical data I give my students to analyse, the analytical methods I propose them to use, and the complex theoretical constructs I want them to understand. My personal philosophy is that science is first of all a method of figuring things out, and my personal knowledge regarding the history of science is that the greatest scientists, remembered today, were first of all really good at methodology. Method comes first.

As I am trying to select the most fundamental methods in scientific research, my first choice is a couplet of sequencing and categorizing. As I study any given set of phenomena, my most fundamental understanding comes from grouping those phenomena into categories, and from identifying sequences in their happening. Anything else, in terms of methodology, comes next. Logically, I should present my students, in sort of first part of each course, with data they can sequence and categorize, and with a goal to define categories and sequences.

I have a nice philosophy of scientific education here, and it is high time to see how it could work in practice. I teach microeconomics, among others. What sorts of categories and sequences are essential in this specific field of social sciences? Microeconomics are basically about prices, quantities, markets and businesses. My educated guess, informed by years of research and teaching, is that each given social system has sort of a core business process, possibly, fractally reproducing itself in processes of lower order. One of the founding fathers of microeconomics, Adam Smith, used to make that fundamental distinction between markets that grow quickly vs. those growing slowly or remaining stationary.

When I compare Europe to China, for example, I intuitively associate Europe with sustainability, and China with expansion. Our core social process in Europe is centred on assuring sort of a sustainable homeostasis, whatever the market, the business, or the country. In that core process, we essentially replace one thing with another thing: we modernize, we change diets and fashions. There is a sequence of substitution. The interesting thing to discover, for a student, is to reconstruct any such path of replacement and substitution, e.g. how some goods are being pushed out of the market by other goods, and how it affects their prices and quantities. In China, the core social process is assuring enough food, energy and goods for a quickly expanding population. This is a society, where adding more of the same seems relatively more important than in Europe, and maybe more important than the sequence of replacement.

OK, enough science for today. I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French version as well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon page and become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

Support this blog

€10,00

Protège-cul, pardon, stratégie de réduction de risque

 

J’avance dans la rédaction de mon business plan pour le projet EneFin. Dans les deux mises à jour précédentes – « Fini de tourner autour du pot » ainsi que « The essential business concept seems to hold »  – j’ai pas mal avancé dans la description du contexte économique du projet, en ce qui concerne le marché d’énergies renouvelables et le marché financier. J’ai aussi tracé les contours du modèle d’entreprise pour EneFin. Il semble que dans la forme plus ou moins mature, après 4 ans d’exploitation, EneFin a des chances d’atteindre quelques 11 millions d’euros de chiffre d’affaires, avec plus de 5 millions d’euros de bénéfice d’exploitation. Quand j’y pense, ce modèle aura besoin d’un coup de calcul, çà et là : une marge d’exploitation de 50% n’est définitivement pas réaliste.

Maintenant, je pense à deux volets importants du business plan : le bilan et le marketing. En d’autres mots : combien de capital le projet aura-t-il besoin pour démarrer ? quel capital va-t-il accumuler ? comment les relations-client seront-elles créées et maintenues ?

Je commence par le bilan. Je commence par réfléchir sur les actifs dont EneFin aura besoin. Certainement, il y aura la technologie. Pour le moment, je prépare ce business plan comme si la plateforme transactionnelle EneFin était basée sur la technologie du contrat intelligent Ethereum et donc sur le langage de programmation « Pragma Solidity » qui est essentiellement open source. Je pense néanmoins qu’EneFin aura besoin de sa technologie propriétaire, ne serait-ce que pour garantir la sécurité des transactions, et la valeur comptable de cette technologie sera certainement une composante substantielle des actifs.

Ensuite, il y a les créances-client. Sur la base de toutes les études des cas des sociétés FinTech, ainsi que des business de service en général, je sais que cette composante du bilan est vraiment importante. Surtout au début, lorsque l’entreprise est en phase de lancement, l’argument qui prévaut dans les négociations avec les premiers clients c’est le crédit marchand. Intuitivement, je devine qu’EneFin aura besoin de cet argument et pour bien évaluer son poids financier, il faut que je définisse les paiements d’exploitation de la part des clients.

Le modèle d’entreprise que j’ai esquissé dans « The essential business concept seems to hold » assume deux sortes de revenus d’exploitation : commission sur transactions et abonnement fixe. J’assume que le volet d’activité basé sur la commission marchera comme c’est le cas typique, donc ladite commission sera surchargée ou bien prélevée sur le montant payé dans la transaction et au moment du paiement. Là, je ne vois pas trop de crédit marchand et donc pas de créance. En ce qui concerne l’abonnement fixe, je suis honnêtement à court d’idées. Je ne sais pas comment ça marche côté créances-client.

Je vois donc qu’il me faudra modeler un schéma par observation. A propos, il y a une société FinTech qui frappe par son absence dans le travail de recherche que j’ai effectué jusqu’à présent : PayPal. Je fais donc un saut rapide chez leur service d’information pour les investisseurs et je déniche les rapports annuels, de parmi lesquels je télécharge le plus récent. Dans leur bilan, créances-clients se soldent à 283 millions des dollars à la fin de 2017, et 214 millions à la fin 2016. Ceci fait, respectivement, $283 millions / $13 094 millions = 2,2% en 2017 – soit 7,8 jours de crédit marchand – et $214 millions / $10 842 millions = 2% = 7 jours de crédit marchand en 2016. Pas de quoi pomper le bilan, en fait. Oui, ils avaient fait plus de 13 milliards des dollars de chiffre d’affaires en 2017. Joli.

Il semble donc qu’en termes de créances-clients, ce business de PayPal n’est pas vraiment surchargé financièrement. Quel est donc la catégorie d’actifs la plus substantielle dans leur bilan ? ‘Tendez, voilà, ça vient… La catégorie qu’ils dénomment « Funds receivable and Customer Accounts » en anglais, ce qui se traduit comme « Fonds de créances et comptes-client ». Similarité curieuse à la catégorie « Accounts receivable » que je viens d’analyser et qui veut dire, précisément, créances-clients. Que représentent donc ces fonds de créances, qui font 18,24 milliards des dollars en 2017 et 14,36 milliards en 2016 ? Je cherche et je trouve. Note explicative no. 5, attachée au bilan, précise que les fonds de créances et comptes-client contiennent : des titres obligataires du gouvernement (un peu plus d’1/3ème du total de cette catégorie), des soldes monétaires (un peu moins d’1/3ème du total), ensuite la catégorie dénommée « fonds de créances » (encore une fois, un peu moins d’1/3ème du total) et enfin les titres obligataires des sociétés privées ainsi que des comptes à terme, les deux faisant à peu près 1/6ème du total.

Bon. Non, pas tout à fait. La catégorie « fonds de créances et comptes-client » contient une sous-catégorie « fonds de créances » qui consiste en… Précisément, la note explicative no. 5 ne dit rien à ce sujet. Quel bonheur que je sois chercheur. Je sais comment déguiser une défaite intellectuelle en triomphe, ou presque. Lorsque je suis vaincu sur le détail, je me replie sur les généralités. Dans le bilan de PayPal, la généralité la plus prononcée c’est la domination d’actifs financiers, tellement marquée que la distinction-même entre les actifs fixes et les actifs circulants devient largement conventionnelle. Les actifs fixes du type technologique, sous la catégorie « Propriété et équipement » fait 3,7% du total d’actifs et 11,7% du chiffre d’affaires. Oui, je sais, ces petits pourcentages innocents se traduisent, en chiffres absolus, comme plus de 1,5 milliards des dollars.

Cette étude de cas de PayPal m’a rendu conscient, par ailleurs, d’un fait important à propos du bilan de mon projet EneFin. Une plateforme transactionnelle, ça doit maintenir des comptes-client et leur maintenance, au sens financier du terme, requiert la possession d’actifs financiers pour balancer la valeur des transactions faites par les clients sur leurs comptes. Dans le cas de PayPal, un chiffre d’affaires de 13 094 milliards des dollars en 2017 requérait un montant de presque 7 milliards, soit 49,6% dudit chiffre d’affaires, au titre des comptes-clients.

De tout en tout, chez PayPal, ils semblent avoir besoin de $3,11 de capital bilan pour chaque $1 de chiffre d’affaires. Plutôt touffu comme business et en plus, PayPal c’est l’un des pépères-fondateurs du FinTech en général, la chancelière Merkel du secteur, quoi. Je me tourne à nouveau vers Square Inc, bien respectable aussi en termes de chiffre d’affaires mais comme moins vénérable que PayPal. Leur bilan à eux, 2,2 milliards des dollars d’actifs vers la fin 2017 coexistaient avec 2,2 milliards de chiffre d’affaires, donc le coefficient « actifs / chiffre d’affaires » faisait presque exactement 1,00. Les actifs financiers dominent dans ce bilan aussi et la catégorie la plus substantielle est faite des règlements courants (« settlements receivable » en anglais), 620 millions des dollars à la fin 2017. Les actifs typiquement technologiques, donc propriété et équipement, ça fait $91,5 millions, soit 4,2% d’actifs et 4,1% du chiffre d’affaires.

Je change de continent, je retourne en Europe et je me concentre sur le cas de la société allemande Fintech Group AG. Le dernier rapport annuel que j’ai correspond à l’année comptable 2016, donc une année plus tôt que ce que je viens de passer en revue pour PayPal et Square Inc. Ce bilan se solde par 1,53 milliards d’euros d’actifs pour un chiffre d’affaires de 95 millions, ce qui fait plus de €16 de capital pour chaque euro de ventes. J’avais dit que PayPal était touffu financièrement ? Eh ben, Fintech Group c’est carrément un coussin financier. Vu le chiffre d’affaires qu’ils font, ils nagent dans du capital bilan, carrément. Les actifs financiers font l’essentiel de ce bain capitaliste, avec la catégorie « Propriété et équipement » montant à 5,6 millions d’euros. Ça fait 0,4% d’actifs et 5,9% du chiffre d’affaires.

Mon quatrième modèle est la société canadienne Katipult. Ils ont publié leur rapport annuel pour 2017. Là, je vois un schéma financier différent en termes de la proportion entre le bilan et le compte d’exploitation : 430 241 dollars canadiens d’actifs contre 1 136 467 dollars canadiens de chiffre d’affaires. Ça fait à peine $0,38 d’actifs pour chaque $1 de ventes, donc une proportion inverse à celle observée dans les trois cas précédents. Dans ce bilan-ci, la catégorie « Propriété et équipement » se solde à $3 580 ( ?? – c’est à peine la valeur d’un ordinateur bien solide), donc 0,8% d’actifs et 0,3% du chiffre d’affaires.

Ce survol rapide des bilans dans l’industrie FinTech m’a fait me rendre compte que côté bilan, le FinTech c’est bien plus du financier que de la haute technologie. J’ai bien fait de passer ces cas en revue. Initialement, j’étais persuadé que le capital d’une société FinTech est pompé, dans une large mesure, dans la technologie et apparemment, je me gourais complètement. Le bilan, dans le FinTech, ça semble se construire surtout et avant tout autour du capital liquide qui sert à balancer les comptes transactionnels courants. Je peux assumer que cette allocation particulière de capital fait autour de 50% du chiffre d’affaires. Un dixième de ceci, soit 5% du chiffre d’affaires, est alloué à la technologie propriétaire de l’entreprise. Ces 55% du chiffre d’affaires sont le squelette du bilan. Comme nous le savons tous (j’espère), les squelettes, ça n’a pas vraiment de perspectives terribles de développement autonome. Faut du muscle à mettre par-dessus et ici, le muscle, il est fait de tous ces actifs financiers périphériques bien respectables du type créancier, surtout des obligations, qui n’ont pas vraiment l’air très affiliés à l’exploitation elle-même. Je pense qu’ils servent comme protège-cul, pardon, comme stratégie de réduction de risque.

Ce muscle financier peut aller de 45% du chiffre d’affaires jusqu’à plusieurs fois son multiple. Une société FinTech que je peux modeler à partir de ces quatre études des cas c’est donc, en fait, un hybride de deux organisations différentes, un opérateur des transactions digitales couplé avec un fonds d’investissement du type private equity fortement concentré sur les investissements à bas risque et à une valeur nominale solide. Je crois que je comprends la logique de ce schéma. Un opérateur des transactions digitales strictement dit – et donc le capital engagé dans le financement des comptes client – est un business à haut risque opérationnel : les risques typiquement technologiques se combinent avec l’exposition au hacking. La présence de la partie « fonds d’investissement » sert à contrebalancer ce haut risque opérationnel par un risque financier bas.

Ça prend forme. Le bilan du projet EneFin, je veux dire. Avec ces coefficients calculés sur la base d’études des cas, je peux faire une estimation des actifs sur la base du chiffre d’affaires prospectif, celui que j’avais déjà présenté dans dans « The essential business concept seems to hold ». J’assume que, comme dans le cas de Square Inc, dans EneFin les actifs seront à égalité avec le chiffre d’affaires.

Les composants principaux d’actifs d’EneFin
Année Actifs « technologiques » : propriété et équipement Actifs financiers : comptes-clients comme fonds do créances Actifs financiers pour compenser le risque
1 € 128 366,66 € 1 283 666,59 € 1 155 299,93
2 € 357 362,34 € 3 573 623,38 € 3 216 261,04
2 € 454 758,26 € 4 547 582,57 € 4 092 824,31
4 € 552 154,18 € 5 521 541,76 € 4 969 387,58

Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund (aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon . Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

 

Vous pouvez donner votre support financier à ce blog

€10,00

The essential business concept seems to hold

 

And so I am going straight into writing the business plan for my EneFin project. It means that from now on, for like the next two or three weeks, updates to my blog will be basically pieces of business plan, or nearly. In my last update in French, I already started connecting the dots. I focused mostly on the market of renewable energies in Europe, in comparison to other regions of the world. You can look up « Fini de tourner autour du pot » for more details.

The EneFin project is a FinTech concept designed for the market of renewable energies, for the moment just in Europe, but I believe it can be transposed into other regions of the world. In that respect, one important thing is to keep in mind. For the purposes of this project, Europe is being defined as EU + Norway + Switzerland.

FinTech means finance, and so I take on studying the financial context. I want to identify basic patterns in that respect. I focus on two basic components of the financial market, i.e. on the supply of money, and that of credit. I take the two corresponding metrics from the resources published by the World Bank, i.e. the supply of broad money as % of the GDP, and the supply of credit from the domestic financial sector, once again as % of GDP. As they are both denominated in units of the GDP, I need that bugger too, and so I look it up, as given in constant 2010 US$.

The logic I am following here is that anything economic that happens, i.e. creation or consumption of utility, has a financial counterpart. Every hour worked, every machine installed in a factory etc. has a shadow sibling in the form of some money written on some accounts, which, in turn, has a shadow cousin in the form of credit written in the balance sheets of banks. Each gigawatt hour of renewable energy is supposed to be mirrored by monetary balances, and both of them, i.e. the gigawatt hour and its monetary shadow, are being mirrored by some lending and borrowing in banks.

I define five geographic regions, namely: a) Europe (EU + Switzerland + Norway) b) North America c) China d) Middle East & North Africa and e) Latin America & Caribbean. I consider China as representative for the emerging Asian economies. In each of these regions, I have already calculated the overall consumption of renewable energies in gigawatt hours. Now, I calculate the absolute supply of broad money, and that of credit, and then I compute two coefficients: broad money, and domestic credit, supplied per 1 GWh of renewable energy. In other words, I am assessing how big financial a shadow each such gigawatt hour has, across space and over time. I am trying to define the shape of that shadow, as well, by computing the difference between money supplied, and domestic credit provided, once again per 1 GWh of renewable energy consumed.

Three graphs below are portraying the results of those calculations. Further below, I am developing an interpretation of that data.

M per GWh

Domestic credit per GWh

M minus Credit per GWh

I’m back after graphs, with, hopefully, pertinent an interpretation. Here is the thing: credit goes after expected profits, whilst money goes after transactions, as well as after uncertainty as for what kind of resources should we invest in so as to have those profits. You need credit to finance a new windfarm, and you need to monetize this credit, i.e. to transform it into monetary balances that you hold on your bank account, when there is a lot of alternative technologies for your windfarm, and you are really in two (at least two) minds as for which one is the right one for you.

Financial aggregates are like ravens – you can learn a lot by observing the way they go. Europe, such as defined in my business plan, is definitely burning the rubber as for the amount of renewable energy consumed. Still, credit from Europe seems to be going mostly to Middle East and North Africa, and a bit to China, as well. This is funny, because it has been so for centuries. Anyway, if a lot of credit emigrates, it is obviously looking for new horizons in foreign markets. It seems to see better horizons in them foreign markets than home. Money, i.e. our response to uncertainty and hesitation, tends to decline a bit in Europe, whilst it is swelling in other regions. The diagnosis that Herr Doktor Wasniewski can formulate is the following: Europe has developed a lot of actual, current capacity for generating renewable energies, and yet this capacity seems to be somehow short-legged. Both the innovative input from new inventions, and the financial greasing with credit and monetary balances seem to be fading in the market of this proud, small, and cold continent. I think this is the Dark Side of the Force, and said Force is called ‘Fiscal Stimulation’. When you look at the development of renewables in Europe, they burgeon mostly in those countries, where the fiscal shoulder of the government strongly supports the corresponding investments. Upstream subsidies, and feed-in-tariffs downstream, it is all nice as long as we don’t realize one thing: strong, resilient social structures emerge as the outcome of struggle and fighting, not as the result of gentle patting on the shoulder.

In other words, the European market of renewable energies lacks efficient, market-based solutions, which could channel capital towards new technologies and their applications, and give a hand to fiscal instruments in that respect.  

It looks nice. I mean, I have just developed a coherent, economically well-grounded argument in favour of developing functionalities such as EneFin, and it didn’t hurt as much as I thought it would have.

Now, I change my optic, and I turn towards the financials of the EneFin project itself. I am starting from the point of breaking even, i.e. from the mutual balance between the gross margin generated on transactions with customers, and the fixed costs of the business. I need to figure out the probable amount of fixed costs. How to estimate fixed costs in a business structure that does not exist yet? The easiest way is business modelling. I take a business as similar as possible to what I want to develop, and I barefacedly copy what they do. The closest cousin to my project, which I can find and emulate is FinTech Group AG in Germany. In Table 1, below, you can see their selected financials.

 

Table 1 Selected financials of FinTech Group AG

Year Fixed costs in €000 Revenue €000 Share of fixed costs in revenue
2015 41 718 75 024 55,6%
2016 38 916 95 021 41,0%
estimate 2017* 45 020 99 124 45,4%
Average 41 885 89 723 46,7%

*this is an estimate based on mid-year results, i.e. semi-annual figures have been multiplied by two

This is pretty obvious that revenues reaching over 99 millions of euro annually will be, in the start-up phase, out of reach in the EneFin project. What counts the most are proportions. It looks like a FinTech company located in Europe needs some €0,47 of fixed costs for each €1 of revenue, in order to keep its business structure afloat. Still, fixed costs are fixed. I know, it sounds a bit tautological, but it is the essential property of fixed costs. In a given business model, i.e. in a bundle of processes that create and capture value added, we need a certain fixed structure to maintain those processes. Thus, now, I wonder what is the minimum size of a business structure in the FinTech business.

What do I do when I don’t know how to go about a piece of information I don’t know? I go Google, and I type: ‘what is the minimum size of a FinTech business?’. Ridiculous? Maybe, but efficient. My first hit is a fellow Word Press site, labelled ‘Venture Scanner’, and there, I find this article entitled Average Company Size Per FinTech Category, and Bob’s my uncle. The EneFin concept matches three categories mentioned there, i.e. Crowdfunding, Institutional Investment, and Small Business Tools, with respective headcounts of 38, 40, and 80 employees.

It is so easy. It should be illegal. I type ‘what is the average salary of an engineer in Europe?’. My first hit is also a blog, www.daxx.com and there, I find this piece of information entitled ‘IT Salaries: Which Is the Highest-Paying Country for a Software Developer?’. Looks like €60 000 a year is a reasonable average.

Now, I assume that among those typical sizes of organizations in FinTech, I aim for the relatively smaller, i.e. 40 people. Those 40 people are supposed to earn €60 000 each, on average, and that makes a total payroll of 40 * €60 000 = €2 400 000 a year. Good. Next step: the rent. Once again, Professor Google directs me onto the path of wisdom, to the website called ‘The Balance Small Business’, and there I find the calculator of work space necessary. Looks like it is some 18,6 m2 per engineer (the original article gives amounts in square feet, but you just multiply them by 0,093). Hence, I need, for my EneFin structure, like 18,6 * 40 = 744 m2 in terms of office space. I check a big business hub, Frankfurt, Germany, for rental prices. Looks like €20 a month per 1 m2 is a reasonable rate to expect for a relatively good location, which makes me 744 * €20 *12 = €178 560 a year.

Thus, the basic payroll plus the rental of office space makes €2 400 000 + €178 560 =  €2 578 560 a year, which I multiply by two in order to account for marketing and other administrative expenses. Now, some of you could ask, isn’t that multiplying by two a bit far-fetched? Well, what I can tell you for sure: at least some of those 40 people, maybe even most of them, will have to travel, and business trips, it costs insane amounts of money. Anyway, my rough guess of fixed costs for the core structure of EneFin is €5 157 120 a year, and this is sort of the first pit-stop on the path of development in that business. Based on what I found earlier, with that FinTech Group AG, I assume that €5 157 120 a year needs €5 157 120 / 0,467 =  €11 043 083,51 a year in terms of revenue.

A pit-stop, you reach it after having driven on that racing track for some time, and here, the time is like 4 years. I assume that cycle on the grounds of the case study I did regarding the business model of Square Inc. You can find the details in « The expected amount of what can happen ». My vision of EneFin in terms of products marketed is a 50/50 balance between transaction based-revenues, on the one hand, and those based on subscription, on the other hand. Therefore, I split the target revenue of €11 043 083,51 a year, to be reached in the third year, into two halves, or partial targets of €5 521 542 each. In other words, I am sketching a business model, which leads to developing, over 4 years, two business units inside the same business concept. One of those business units would be focused on developing a product based on transaction fees, the other one would target a subscription-based utility.

I am using the model cycles of growth I nailed down, with the help of Euclidean distance, in the analogous, i.e. transaction-based and subscription-based, business fields at Square Inc. I apply it to the target revenue of EneFin, as calculated and structured above. The results are shown in Table 2 below.

 

Table 2 First approach to revenues and operational margin at EneFin

Planned percentage of the target revenue Planned revenue in €
Year Subscription-based Transaction-based Subscription-based Transaction-based Operational profit after fixed costs of €5 157 120
1 10% 37% € 534 033 € 2 033 301 € (2 589 787)
2 47% 83% € 2 571 877 € 4 575 370 € 1 990 127
2 73% 91% € 4 046 709 € 5 048 456 € 3 938 045
4 100% 100% € 5 521 542 € 5 521 542 € 5 885 964

 

Now, the market. I made a practical (I hope!) approach from that angle in « The stubbornly recurrent LCOE ». Provisionally, I estimate the basic transaction fee collected by EneFin at 5%, although the fork of possible rates is really wide, ranging from fractions of a percentage point, practiced in the actual financial business, e.g. the 0,4% collected by brokerage houses on your transaction in the stock market, up to the nearly 20% apparently collected by of Square Inc in their transaction-based products.

Subscription-based products seem to be sort of better in the FinTech business, but you need to tempt your customers into paying a fixed subscription fee instead of a casual, transaction-based one. You tempt them crudely and primitively, by making the subscription-based fee more attractive financially if they do a large amount of transactions. The mathematical construct that I adopt to simulate this one is the following: if %T is the transaction-based fee, expressed as a percentage of the actual transactions, the subscription-based fee %S should be like %S = 0,5*%T. If %T = 5%, then %S should modestly stay at %S = 2,5%.

I take the target revenues from the 4th year of the simulated development cycle, as shown above, and I compute the value of energy, at retail market prices, that corresponds to those revenues. It makes, respectively, €220 861 670 of energy in the subscription-based market, and €110 430 835 in the transaction-based one, €331 292 505 in total. Now, I take that lump sum and I apply it to the national markets of selected European countries, at their local retail prices. I calculate the quantity of kilowatt hours that correspond, in each country, to those €331 292 505, and I express it as the percentage of the overall national market of energy for households. Additionally, I calculate the amount of capital that suppliers of energy can raise through the complex contracts of EneFin, where the fork between the retail price for households and that for non-household users is being invested into the balance sheet of the supplier. The results of this particular calculation are shown in Table 3, below.

 

Table 3

Country Price of electricity for households, per 1 kWh Non-household price of electricity, per 1 kWh Percentage of the national market of households, served by EneFin at target revenue Capital raised by local suppliers via EneFin at target revenue
Austria € 0,20 € 0,09 2,5% € 182 210 877,94
Switzerland € 0,19 € 0,10 3,5% € 152 445 943,44
Czech Republic € 0,14 € 0,07 2,9% € 165 646 252,68
Germany € 0,35 € 0,15 0,2% € 189 310 003,06
Spain € 0,23 € 0,11 0,6% € 172 848 263,66
Estonia € 0,12 € 0,09 25,0% € 82 823 126,34
Finland € 0,16 € 0,07 3,2% € 186 352 034,26
France € 0,17 € 0,10 0,4% € 136 414 561,03
United Kingdom € 0,18 € 0,13 0,5% € 92 025 695,93
Netherlands € 0,16 € 0,08 1,4% € 165 646 252,68
Norway € 0,17 € 0,07 3,2% € 194 877 944,33
Poland € 0,15 € 0,09 1,2% € 132 517 002,14
Portugal € 0,23 € 0,12 3,2% € 158 444 241,69

 

Good. That business plan seems to be taking shape. EneFin seems to need just sort of a beachhead in most national markets of energy, in order to keep its head above the water. Of course, there is a lot of testing and retesting of numbers before I nail them down definitively, but the essential business concept seems to hold.

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French version as well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon page and become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

 

Support this blog

€10,00

Fini de tourner autour du pot

 

Je suis en train de rédiger le business planpour mon concept EneFin. Oui, vous avez bien lu : j’ai fini de tourner autour du pot et maintenant, le pot, je suis en train de le former. Je pense que la rédaction du business plan en deux versions linguistiques – anglaise et française – ça va me prendre dans les 10 – 15 jours. Les mises à jour que je vais faire durant cette période seront essentiellement un compte rendu de l’avancement courant de ce travail de rédaction.

Alors, l’idée de base. Le projet EneFin consiste à créer une fonctionnalité du type FinTech pour financer le développement d’énergies renouvelables. Ce business plan se concentre sur le marché européen, défini comme UE + la Suisse + la Norvège. J’assume qu’on peut transposer le concept d’entreprise ci-décrit sur d’autres marchés géographiques qui présentent des caractéristiques économiques similaires. L’idée de base consiste à exploiter les différences qui sont empiriquement observables dans le marché de l’énergie, entre les prix offerts à des catégories diverses des consommateurs finaux. Cette disparité des prix est la base pour créer un marché financier – une plateforme transactionnelle digitale – où les consommateurs d’énergie pourraient acquérir et(ou) échanger des contrats complexes, composés, d’une part, des contrats à terme pour la fourniture future d’énergie, et des titres de participation dans le bilan du fournisseur d’autre part. Cette plateforme transactionnelle ferait l’ossature capitaliste commune pour le développement des projets locaux en énergies renouvelables.

Ce business plan se concentre sur l’application du concept EneFin au financement des projets de développement d’infrastructures urbaines des sources d’énergies renouvelables, composées des turbines éoliennes et hydrauliques de petite taille, ainsi que des modules photovoltaïques. Cette ligne d’approche s’appuie sur trois faits empiriques. Premièrement, l’Europe, comme définie pour les besoins de ce business plan (UE + Suisse + Norvège) semble tenir la position de leader quant au développement d’énergies renouvelables. Deuxièmement, les villes offrent une densité de population favorables à la création des fonctionnalités FinTech. Troisièmement, la technologie des petites turbines éoliennes et hydrauliques s’est remarquablement développée durant les 15 dernières années ; ces solutions sont à présent tout à fait applicables dans le milieu urbain.

Je reproduis ci-dessous le tableau des prix d’énergie, dont la disparité m’avait inspirée à formuler le concept EneFin. Le tableau vient de la mise à jour intitulée « Je recalcule ça en épisodes de chargement des smartphones » du 17 Avril 2018.

Tableau 1 Prix moyens d’électricité, par kWh, dans certains pays européens

Pays Prix d’une kWh pour les ménages Prix d’une kWh pour les consommateurs institutionnels
Autriche € 0,20 € 0,09
Suisse € 0,19 € 0,10
République Tchèque € 0,14 € 0,07
Allemagne € 0,35 € 0,15
Espagne € 0,23 € 0,11
Estonie € 0,12 € 0,09
Finlande € 0,16 € 0,07
France € 0,17 € 0,10
Royaume Uni € 0,18 € 0,13
Hollande € 0,16 € 0,08
Norvège € 0,17 € 0,07
Pologne € 0,15 € 0,09
Portugal € 0,23 € 0,12

Maintenant, ceux qui viennent de se brancher sur mon blog peuvent avoir une idée un peu plus claire de la chose. Si en Pologne – mon pays natal – le ménage moyen paie €0,15 pour une kilowatt heure et la même kilowatt heure ne coûte que €0,09 dans le tarif plus avantageux, les €0,15 – €0,09 = €0,06 sont simplement le résultat de la politique des distributeurs d’énergie. Il n’y a aucune valeur ajoutée – aucune utilité économique, si vous voulez – derrière cette différence.

Ledit ménage moyen en Pologne consomme, en moyenne, 2 490,21 de kilogrammes d’équivalent pétrole par an par personne (ceci vient des données de la Banque Mondiale), ce qui donne 28 961,10 kilowatt heures. Le multiplicateur ici est égal à 11,63 kWh pour chaque kilo d’équivalent pétrole. Un ménage polonais – moyen, toujours – compte 2,8 personnes. Ceci nous donne 81 091,08 kWh par ménage par an. Maintenant, le truc important quant à l’interprétation de cette statistique sur la consommation finale d’énergie : c’est une valeur composée. Notre consommation d’énergie est déterminée par notre panier technologique dans trois domaines distincts : la consommation ménagère strictement dite, le transport et l’énergie incorporée dans les biens et services que nous achetons. Dans ces 2 490,21 kilogrammes d’équivalent pétrole par an par personne il y a donc des trajets en voiture, en bus ou en train, il y a aussi le nouveau joli smartphone tout comme l’entrecôte de bœuf que je mange au resto à midi, et il y a enfin l’électricité que je consomme pour alimenter mon frigo.

Il y a beaucoup d’informations contradictoires sur la structure exacte de ce panier tripartite de consommation finale d’énergie au niveau des pays particuliers. Probablement les meilleures estimations, on peut les dériver des agrégats accessibles sur le site de l’Agence Internationale d’Énergie. Pour le monde entier, la consommation ménagère semble faire comme 26% de la consommation finale totale. Pour la Pologne, ça semble aller dans les 31%. Encore, faut être prudent dans ces estimations. J’avais déniché un rapport publié sur www.energymarketprice.com, dans leur série « Energy Statistics Report », qui suggère que la consommation ménagère d’énergie, en Europe, ne fait que 17,3% du total.

Je fais donc une estimation en intervalle, pour mon ménage Polonais moyen. La consommation ménagère ferait [17,3%*81 091,08 kWh ≤ x ≤ 31%*81 091,08 kWh]  <=>  [14 028,76 kWh ≤ x ≤ 25 134,93 kWh]. Vu la différence des prix finaux d’énergie spécifiée plus haut, ceci donne entre €841,73 et €1 508,10que le ménage moyen en Pologne paie annuellement, uniquement à titre de sa position très faible vis à vis des fournisseurs d’énergie. Vous pouvez faire le même calcul pour tout pays où les prix d’énergie sont plus ou moins transparents, au moins en ce qui concerne leur montant final. Si nous prenons donc une ville de, disons, 800 000 habitants, comme Krakow, en Pologne, où j’habite moi-même, ça donne un flux annuel de trésorerie entre €240 492 979,83 et €430 884 454,76qui représente, en fait, une valeur économique attachée au quasi-monopole, temporaire et local, des fournisseurs d’énergie. Ce flux de trésorerie pourrait être transformé aussi bien en quelque chose de vraiment utile. Ce quelque chose d’utile peut consister en un réseau local, urbain, des sources d’énergie renouvelable : petites turbines hydrauliques ou éoliennes ainsi que des nids des modules photovoltaïques. Tout ça combiné en un ensemble incrusté dans l’infrastructure urbaine. L’entité légale qui gérerait un tel réseau pourrait être financée par le même flux de trésorerie que nous payons aujourd’hui à titre d’hommage monopolistique forcé. Les clients d’une telle entité, qui achèteraient son énergie, pourraient en même temps acquérir ses titres de participation et en devenir des actionnaires. C’est un schéma coopératif que je voudrais, à travers une fonctionnalité FinTech, doter de la

Voilà le concept de base. Je passe maintenant au contexte économique plus large. Dans une série des graphes, ci-dessous, j’introduis une constatation générale : l’Europe à un marché d’énergies renouvelables en croissance rapide, qui néanmoins reste un peu en recul derrière les pays asiatiques en termes d’inventions technologiques dans ce domaine. Il y a comme un déficit de recherche et développement, en Europe, en termes d’énergies renouvelables, par rapport au potentiel du marché que nous avons à notre disposition. J’ai comme une intuition personnelle que les technologies qui restent le plus sous-développées en Europe sont celles relatives à l’énergie hydraulique.

Le concept EneFin consiste donc à créer un mécanisme financier qui transfèrerait le capital du marché des gros réseaux connectés aux grosses centrales électriques vers le marché des relativement petits systèmes énergétiques locaux basés sur la génération d’énergies renouvelables. Ici, encore une fois, j’ai une idée qui pour le moment est simplement une intuition : si on achemine le capital vers des entités qui expérimentent avec leur structure-même, ces entités peuvent être relativement plus enclines que les grands opérateurs à expérimenter avec leur base technologique, ce qui, à son tour, peut stimuler l’innovation.

Bon, jetez un coup d’œil sur ces graphes, ci-dessous, et après, je résume le concept du produit financier EneFin, comme je veux le présenter dans le business plan.

RenewGWh_FR

Renew_Index_FR

RenewPourcentage_FR

Vertical_FR

Hydro_FR

Avec le concept économique de base, donc l’acheminement de capital du point « A » vers point « B », il faut un produit financier approprié. Le produit que j’ai en tête est complexe. Tout d’abord, le fournisseur d’énergie qui veut obtenir du financement à travers EneFin émet des contrats à terme pour la fourniture future d’énergie, avec ladite énergie pré-vendue à un prix avantageux pour le consommateur ménager, identique ou proche de celui que les distributeurs d’énergie pratiquent normalement avec les grands utilisateurs institutionnels. La quantité d’énergie contenue dans ces contrats à terme est en même temps évaluée aux prix moins avantageux et plus élevé, réservé aux utilisateurs ménagers. La différence entre la valeur du marché de cette énergie en prix typiquement « ménages », et la valeur en prix « gros clients institutionnels » est transformée en des titres de participation dans le bilan du fournisseur d’énergie.

Ensuite – et ça, c’est le trait spécifique d’EneFin – ces  deux contrats, légalement distincts mais fonctionnellement liés, sont combinés dans un produit financier complexe, digital, dont l’analogie la plus proche que je voie est le contrat intelligent Ethereum. Par ailleurs, cette technologie est celle de base que je prévois pour la plateforme transactionnelle EneFin. On serait donc dans l’univers du langage de programmation « Pragma Solidity ». L’utilisation de contrat intelligent digitalisé simplifie les transactions avec ces contrats complexes. Là, je suis la même logique que vous pouvez trouver dans toutes les bourses d’échange financier : les titres légaux proprement dits sont déposés tranquillos dans un coffre en banque et tout l’échange se fait en des titres secondaires, comme des certificats de dépôt, seulement ce seraient des titres digitaux similaires à une crypto-monnaie. Ça résout tout un tas des problèmes légaux. J’avais développé plus abondamment sur ce sujet dans « Les séquences, ça me pousse à poser cette sorte des questions ».

Ce produit financier complexe peut être vendu en deux formes principales. Premièrement, EneFin peut agir comme une bourse financière, donc offrir l’espace organisé d’échange et prélever une commission sur chaque transaction. Je pense que c’est la modalité la plus probable dans la phase de lancement du projet. Mon observation de la société FinTech américaine du nom de Square Inc. indique que cette façon de vendre un produit FinTech est de loin la plus intuitive mais pas nécessairement la plus profitable. En ce qui concerne la création de bénéfice dans le projet EneFin, il faudra – je pense – prévoir soit une seconde phase soit une forme « pro » du produit, basée sur l’abonnement périodique payé par les fournisseurs d’énergie qui participent au projet. C’est le modèle d’entreprise pratiqué à succès par la société canadienne Katipult.

Ci-dessous, je résume ces principes de base en une forme graphique. Je pense que ce sera tout pour aujourd’hui. Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund(aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

Contrat complexe EneFin

Contrat EneFin 2

Prix du contrat EneFin

Digitalisation EneFin

 

Vous pouvez donner votre support financier à ce blog

€10,00

 

The stubbornly recurrent LCOE

 

I am thinking about those results I got in my last two research updates, namely in “The expected amount of what can happen”, and in “Contagion étonnement cohérente”. Each time, I found something intriguingly coherent in mathematical terms. In “The expected amount of what can happen”, I have probably nailed down some kind of cycle in business development, some 3 – 4 years, as regards the FinTech industry. In “Contagion étonnement cohérente”, on the other hand, I have seemingly identified a cycle of behavioural change in customers, like around 2 months, which allows to interpolate two distinct, predictive models as for the development of a market: the epidemic model based on a geometric-exponential function, and the classical model of absorption based on the normal distribution. That cycle of behavioural change looks like the time lap to put into an equation, where the number of customers is a function of time elapsed, like n(t) = e0,69*t.  Why ‘0,69’ in n(t) = e0,69*t? Well, the 0,69 fits nicely, when the exponential function n(t) = eß*tneeds to match a geometric process that duplicates the number of customers at every ‘t’ elapsed, like n(t) = 2*n(t-1) + 1.

I have identified those two cycles of change, thus, and they both look like cycles of behavioural change. It takes a FinTech business like 3+ years to pass from launching a product to stabilizing it, and it apparently takes the customers some 2 months to modify significantly their behaviour – or to take a distinctive, noticeable step in such behavioural change – regarding a new technology. I am trying to wrap my mind around each of those cycles separately, as well as around their mutual connection. It seems important for continuing to write that business plan of mine for the EneFinproject, that FinTech concept for the market of energy, where households and small businesses would buy their energy through futures contracts combined with participatory deeds in the balance sheet of the energy provider.

Now, before I go further, a little explanation for those of you, who might not quite grasp the way I run this blog. This is a research log in the most literal sense of the term. I write and publish as I think about things and as I channel my energy into the thinking. This blog is the living account of what I do, not a planned presentation. As for what I do the latter category, you can find it under the heading of “Your takeaways / Vos plats à emporter“. The approach I use, the one from the side of raw science on the make, is the reason why you can see me coming and going about ideas, and this is why I write in two languages: English and French. I found out that my thinking goes just sort of better when I alternate those two.

Anyway, I am trying to understand what I have discovered, I mean those two intriguing cycles of behavioural change, and I want to incorporate that understanding in the writing of my business plan for the EneFinproject. Cycle of change spells process: there is any point of talking about a cycle if it happens like recurrently, with one cycle following a previous cycle.

So, I do what I need to do, namely I am sketching the landscape. I am visualising urban networks composed of wind turbines with vertical axis, such as I started visualising in « Something to exploit subsequently». Each network has a different operator, who maintains a certain number of turbines scattered across the city. Let this city be Lisbon, Portugal, one of my favourite places in Europe, which, on the top of all its beauty, allows experiencing that shortest interval of time in the universe, i.e. the time elapsing between the traffic lights turning greed, for vehicles, and someone from among said vehicles hooting impatiently.

We are in Lisbon, and there are local operators of urban wind turbines, and with the wind speed being 4,47 m/s on average, each turbine, such as described in the patent application no. EP 3 214 303 A1, generates an electric power averaging 47,81 kilowatts. That makes 47,81 kilowatts * 8760 hours in the normal calendar year = 418 815,60 kilowatt hoursof energy a year. At €0,23 for each kWh at the basic price for households, in Portugal, the output of one turbine is worth like € 96 327,59. According to the basic scheme of EneFin, those € 96 327,59 further split themselves in two, and make:

€ 50 257,87in Futures contracts on energy, sold to households at the more advantageous rate of €0,12, normally reserved for the big institutional end users
€ 46 069,72in Participatory deeds in the balance sheet of the operator who currently owns the turbine

Thus, each local operator of those specific wind turbines has a basic business unit – one turbine – and the growth of business is measured at the pace of developing such consecutive units. Now, the transactional platform « EneFin» implants itself in this market, as a FinTech utility for managing financial flows between the local operators of those turbines, on the one hand, and the households willing to buy energy from those turbines and invest in their balance sheet. I assume, for the moment, that EneFin takes 5% of commissionon the trading of each complex contract. One turbine generates 5%*€ 96 327,59 =  € 4 816,38 of commission to EneFin.

I am progressively make the above converge with those cycles I have identified. In the first place, I take those two cycles I have identified, i.e. the ≈ 2 months of behavioural change in customers, and the ≈ 3+ years of business maturation. On the top of that, I take the simulations of absorption, as you can see in « Safely narrow down the apparent chaos». That means I take into account still another cycle, that of 7 years = 84 months for the absorption of innovation in the market of renewable energies. As I am having a look at the thing, I am going to start the checking with the last one. Thus, I take the percentages of the market, calculated « Safely narrow down the apparent chaos», and I apply them to the population of Lisbon, Portugal, i.e. 2 943 000 peopleas for the end of 2017.

The results of this particular step in my calculations are shown in Table 1 below. Before I go interpreting and transforming those numbers, further below the table, a few words of reminder and explanation for those among the readers, who might now have quite followed my previous updates on this blog. Variability of the population is the coefficient of proportion, calculated as the standard deviation divided by the mean, said mean being the average time an average customer needs in order to switch to a new technology. This average time, in the calculations I have made so far, is assumed to be 7 years = 84 months. The coefficient of variability reflects the relative heterogeneity of the population. The greater its value, the more differentiated are the observable patterns of behaviour. At v = 0,2it is like a beach, in summer, on the Mediterranean coast, or like North Korea, i.e. people behaving in very predictable, and very recurrent ways. At v = 2, it is more like a Halloween party: everybody tries to be original.

Table 1

Number of customers acquired in Lisbon
[a] [b] [c] [d]
Variability of the population 12th month 24th month 36th month
0,1 0 0 0
0,2 30 583 6 896
0,3 5 336 25 445 86 087
0,4 29 997 93 632 212 617
0,5 61 627 161 533 310 881
0,6 85 978 206 314 365 497
0,7 100 653 229 546 387 893
0,8 107 866 238 238 390 878
0,9 110 200 238 211 383 217
1 109 574 233 290 370 157
1,1 107 240 225 801 354 689
1,2 103 981 217 113 338 471
1,3 100 272 208 016 322 402
1,4 96 397 198 958 306 948
1,5 92 525 190 184 292 331
1,6 88 753 181 821 278 638
1,7 85 134 173 925 265 878
1,8 81 695 166 513 254 020
1,9 78 446 159 577 243 014
2 75 386 153 098 232 799

Now, I do two things to those numbers. Firstly, I try to make them kind of relative to incidences of epidemic contagion. Mathematically, it means referring to that geometric process, which duplicates the number of customers at every ‘t’ elapsed, like n(t) = 2*n(t-1) + 1, which is nicely (almost) matched by the exponential function n(t) = e0,69*t. So what I do now is to take the natural logarithm out of each number in columns [b] – [d]in Table 1, and I divide it by 0,69. This is how I get the ‘t’, or the number of temporal cycles in the exponential function n(t) = e0,69*tso as to obtain the same number as shown in Table 1. Then, I divide the time frames in the headings of those columns, thus, respectively, 12, 24, and 36, by the that number of temporal cycles. As a result, I get the length of one period of epidemic contagion between customers, expressed in months.

Good, let’s diagnose this epidemic contagion. Herr Doktor Wasniewski (this is me) has pinned down the numbers shown in Table 2 below. Something starts emerging, and I am telling you, I don’t really like it. I have enough emergent things, which I have no clue what they mean, on my hands. One more emergent phenomenon is one more pain in my intellectual ass. Anyway, what is emerging, is a pattern of decreasing velocity. When I take the numbers from Table 1, obtained with a classical model of absorption, and based on the normal distribution, those numbers require various paces of epidemic contagion in the behaviour of customers. In the beginning, the contagion need to be f***ing fast, like 0,7 ÷ 0,8 of a month, so some 21 – 24 days. Only in very homogenous populations, with variability sort of v = 0,2, it is a bit longer.

One thing: do not really pay attention to the row labelled ‘Variability of the population 0,1’. This is very homogenous a population, and I placed it here mostly for the sake of contrast. The values in brackets in this particular row of Table 2 are negative, which essentially suggests that if I want that few customers, I need going back in time.

So, I start with quite vivacious a contagion, something to put in the scenario of an American thriller, like ‘World War Z no. 23’. Subsequently, the velocity of contagion is supposed to curb down, to like 1,3 ÷ 1,4 months in the second year, and almost 2 months in the 3rdyear. It correlates surprisingly with that 3+ years cycle of getting some stance in the business, which I have very intuitively identified, using Euclidean distances, in «The expected amount of what can happen». I understand that as the pace of contagion between clients is to slow down, my marketing needs to be less and less aggressive, ergo my business gains in gravitas and respectability.

Table 2

The length of one temporal period « t » in the epidemic contagion n(t) = 2*n(t-1) + 1 ≈ e0,69*t, in the local market of Lisbon, Portugal
[a] [b] [c] [d]
Variability of the population 12th month 24th month 36th month
0,1  (0,34)  (1,26)  (6,55)
0,2  2,44  2,60  2,81
0,3  0,96  1,63  2,19
0,4  0,80  1,45  2,02
0,5  0,75  1,38  1,96
0,6  0,73  1,35  1,94
0,7  0,72  1,34  1,93
0,8  0,71  1,34  1,93
0,9  0,71  1,34  1,93
1  0,71  1,34  1,94
1,1  0,71  1,34  1,94
1,2  0,72  1,35  1,95
1,3  0,72  1,35  1,96
1,4  0,72  1,36  1,97
1,5  0,72  1,36  1,97
1,6  0,73  1,37  1,98
1,7  0,73  1,37  1,99
1,8  0,73  1,38  2,00
1,9  0,73  1,38  2,00
2  0,74  1,39  2,01

The second thing I do to numbers in Table 1 is to convert them into money, and more specifically into: a) the amount of transaction-based fee of 5%, collected by the EneFin platform, when b) the amount of capital collected by the suppliers of energy via the EneFin platform. I start by assuming that my customers are not really single people, but households. The numbers in Table 1, referring to single persons, are being divided by 2,6, which is the average size of one household in Portugal.

In the next step, I convert households into energy. Easy. One person in Portugal consumes, for the strictly spoken household use, some 4 288,92 kWh a year. That makes 11 151,20 kWh per household per year. Now, I convert energy into money, which, in financial terms, means €1 338,14a year in futures contracts on energy, at €0,12 per kWh, and €1 226,63in terms of capital invested in the supplier of energy via those complex contracts in the EneFin way. The commission taken by EneFin is 5%*(€1 338,14+ €1 226,63) =  €128,24. Those are the basic steps that both the operator of urban wind turbines, and the EneFin platform will be taking, in this scenario, as they will attract new customers.

People converted into money are shown in Tables 3 and 4, below, respectively as the amount of transaction-based fee collected by EneFin, and as the capital collected by the suppliers of energy via those complex contracts traded at EneFin. As I connect the dots, more specifically tables 2 – 4, I can see that time matters. Each year, out of the three, makes a very distinct phase. During the 1styear, I need to work my ass off, in terms of marketing, to acquire customers very quickly. Still, it does not make much difference, in financial terms, which exact variability of population is the context of me working my ass off. On the other hand, in the 3rdyear, I can be much more respectable in my marketing, I can afford to go easy on customers, and, in the same time, the variability of the local population starts mattering in financial terms.

Table 3

Transaction-based fee collected by EneFin in Lisbon
Variability of the population 1st year 2nd year 3rd year
0,1 € 0,00 € 0,00 € 1,11
0,2 € 1 458,22 € 28 752,43 € 340 124,01
0,3 € 263 195,64 € 1 255 033,65 € 4 246 097,13
0,4 € 1 479 526,18 € 4 618 201,31 € 10 486 926,46
0,5 € 3 039 639,48 € 7 967 324,44 € 15 333 595,20
0,6 € 4 240 693,13 € 10 176 019,80 € 18 027 422,81
0,7 € 4 964 515,36 € 11 321 936,93 € 19 132 083,67
0,8 € 5 320 300,96 € 11 750 639,54 € 19 279 326,77
0,9 € 5 435 424,51 € 11 749 281,67 € 18 901 432,22
1 € 5 404 510,95 € 11 506 577,11 € 18 257 283,50
1,1 € 5 289 424,10 € 11 137 214,92 € 17 494 337,16
1,2 € 5 128 672,87 € 10 708 687,77 € 16 694 429,35
1,3 € 4 945 700,41 € 10 259 985,98 € 15 901 851,61
1,4 € 4 754 575,54 € 9 813 197,53 € 15 139 607,38
1,5 € 4 563 606,09 € 9 380 437,89 € 14 418 674,83
1,6 € 4 377 570,97 € 8 967 947,88 € 13 743 280,35
1,7 € 4 199 088,86 € 8 578 519,11 € 13 113 914,13
1,8 € 4 029 458,58 € 8 212 936,36 € 12 529 062,43
1,9 € 3 869 177,26 € 7 870 840,04 € 11 986 204,76
2 € 3 718 261,64 € 7 551 243,62 € 11 482 385,83

Table 4

Capital collected by the suppliers of energy via EneFin, in Lisbon
Variability of the population 1st year 2nd year 3rd year
0,1  € 0,00  € 0,00  € 10,63
0,2  € 13 948,06  € 275 020,26  € 3 253 324,36
0,3  € 2 517 495,89  € 12 004 537,77  € 40 614 395,82
0,4  € 14 151 834,00  € 44 173 614,09  € 100 308 629,20
0,5  € 29 074 492,97  € 76 208 352,96  € 146 667 559,88
0,6  € 40 562 705,95  € 97 334 772,00  € 172 434 323,50
0,7  € 47 486 146,88  € 108 295 598,06  € 183 000 528,68
0,8  € 50 889 276,10  € 112 396 186,64  € 184 408 925,42
0,9  € 51 990 445,74  € 112 383 198,48  € 180 794 321,60
1  € 51 694 754,11  € 110 061 702,11  € 174 632 966,74
1,1  € 50 593 935,49  € 106 528 711,32  € 167 335 299,39
1,2  € 49 056 331,91  € 102 429 800,96  € 159 684 091,36
1,3  € 47 306 179,81  € 98 137 917,98  € 152 102 996,27
1,4  € 45 478 048,96  € 93 864 336,33  € 144 812 044,65
1,5  € 43 651 404,71  € 89 724 941,73  € 137 916 243,78
1,6  € 41 871 957,84  € 85 779 428,52  € 131 456 019,80
1,7  € 40 164 756,47  € 82 054 498,57  € 125 436 061,23
1,8  € 38 542 223,78  € 78 557 658,50  € 119 841 889,05
1,9  € 37 009 114,98  € 75 285 468,80  € 114 649 394,41
2  € 35 565 590,09  € 72 228 493,11  € 109 830 309,84

 Now, I do one final check. I take the formula of LCOE, or the levelized cost of energy, as shown in the formula below:

LCOE

Symbols in the equation have the following meaning: a) Itis the capital invested in period t b) Mtstands for the cost of maintenance in period t c) Ftsymbolizes the cost of fuel in period t and d) Etis the output of energy in period t. I assume that wind is for free, so my Ftis zero. I further assume that It+ Mtmake a lump sum of capital, acquired by the supplier of energy, and equal to the amounts of capital calculated in Table 4. Thus I take those amounts from Table 4, and I divide each of them by the energy consumed in the corresponding headcount of households. Now, it becomes really strange: whatever the phase in time, and whatever the variability of behaviour assumed in the local population, the thus-computed LCOE is always equal to €0,11. Always! Can you understand? Well, if you do, you are smarter than me, because I don’t. How can so differentiated an array of numbers, in Tables 1 – 4, yield one and the same cost of energy, those €0,11? Honestly, I don’t know.

Calm down, Herr Doktor Wasniewski. This is probably how those Greeks hit their π. Maybe I am hitting another one. I am trying to take another path. I take the number(s) of people from Table 1, I take their average consumption of energy, as official for Portugal – 4 288,92 kWh a year per person – and, finally, I take the 47,81 kilowattsof capacity in one single wind turbine, as described in the patent application no. EP 3 214 303 A1, in Lisbon, with the wind speed 4,47 m/s on average. Yes, you guessed right: I want to calculate the number of such wind turbines needed to supply energy to the given number of people, as shown in Table 1. The numerical result of this particular path of thinking is shown in Table 5 below.

The Devil never sleeps, as we say in Poland. Bloody right. He has just tempted me to take the capital amounts from Table 4 (above) and divide them by the number of turbines from Table 5. Guess what. Another constant. Whatever the exact variability in behaviour, and whatever the year, it is always €46 069,64. I can’t help it, I continue. I take that constant €46 069,64 of capital invested per one turbine, and I divide it by the constant LCOE €0,11 per kWh, and it yields  418 815,60 kWh, or 37,56 households (2,6 person per household) per turbine, in order to make it sort of smooth in numbers.

Table 5

Number of wind turbines needed for the number of customers as in Table 1
Variability of the population 1st year 2nd year 3rd year
0,1 0 0 0
0,2 0 6 71
0,3 55 261 882
0,4 307 959 2 177
0,5 631 1 654 3 184
0,6 880 2 113 3 743
0,7 1 031 2 351 3 972
0,8 1 105 2 440 4 003
0,9 1 129 2 439 3 924
1 1 122 2 389 3 791
1,1 1 098 2 312 3 632
1,2 1 065 2 223 3 466
1,3 1 027 2 130 3 302
1,4 987 2 037 3 143
1,5 948 1 948 2 994
1,6 909 1 862 2 853
1,7 872 1 781 2 723
1,8 837 1 705 2 601
1,9 803 1 634 2 489
2 772 1 568 2 384

Another thing to wrap my mind around. My brain needs some rest. Enough science for today. I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French versionas well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon pageand become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

 

Support this blog

€10,00

Contagion étonnement cohérente

 

Je me suis un peu dispersé, dans mon discours de la méthode, en ce qui concerne le marketing de mon projet EneFin. Je voulais simplement comprendre comment est-ce que la plateforme EneFin attirerait ses clients, de parmi tous les clients potentiels sur le marché et paf ! : ça s’est échappé à tout contrôle. Par « ça » je veux dire mes processus cognitifs. Je le sens bien, là, mon bouledogue joyeux interne. Il prend plaisir à mordre dans le problème en tant que tel, même sans solutions concrètes en vue.

Eh ben moi, je vais en avoir besoin, des solutions concrètes. Il faut donc que je mette un peu d’ordre dans tout ça, je veux dire dans le même « ça » que dans le paragraphe précèdent. J’ai formulé trois méthodes de base pour prévoir le nombre des clients de la plateforme EneFin. Premièrement, c’est le modèle classique d’absorption d’innovation où le nombre de mes clients est calculé comme une fraction de la population totale de ménages. La fraction, je la calcule avec la courbe de distribution normale où le temps moyen d’absorption de l’innovation par le ménage moyen est de 7 ans et j’expérimente avec des hypothèses diverses quant au coefficient de variabilité de la population. A ce sujet, dans « Le modèle d’un marché relativement conformiste » ainsi que dans « Safely narrow down the apparent chaos » vous pouvez voir des prédictions que j’avais déjà faites à titre d’échauffement.

Deuxièmement, j’ai ce modèle épidémique, à voir en détail dans « La valeur espérée » où les services de la plateforme EneFinse propagent dans la population des clients comme une contagion. Chaque client acquis en attire deux de plus, donc c’est essentiellement une progression géométrique du type n(t) = 2*n(t-1) + 1, qui s’approche très près d’une courbe exponentielle à la formule n(t) = e0,69*t. Le « t » c’est le temps.

Troisièmement et sous un angle d’approche tout à fait différent, j’avais identifié quelque chose comme un cycle de développement du portefeuille clients dans une entreprise EneFin. Le cycle, il semble être de 3 à 4 ans, il vient de l’observation du cas de la société américaine Square Inc.et vous pouvez lire les détails dans « The expected amount of what can happen ».

Trois methodes de prevoir les ventes

Je pense que je vais appliquer toutes les trois méthodes en concours, puisque chacune d’elles m’offre une perspective différente. Je commence par trouver des repères de base pour la courbe d’absorption de l’innovation. Dans ce cas, le repère de base c’est la taille du marché potentiel. Je conduis ce créneau particulier de recherche sur l’échantillon des 13 pays européens que j’avais déjà mentionné plusieurs fois (regardez, par exemple, « Good hypotheses are simple »). J’utilise les données de la Banque Mondiale en ce qui concerne la populationainsi que celles des Nations Unies à propos de la taille moyenne des ménages. Vous avez les résultats du calcul dans Tableau 1.

Tableau 1

Pays Population 2016 Taille moyenne des ménages (personnes par ménage) Nombre de ménages
Autriche 8 747 358 2,30 3 803 199
Suisse 8 372 098 2,20 3 805 499
République Tchèque 10 561 633 2,30 4 592 014
Allemagne 82 667 685 2,10 39 365 564
Espagne 46 443 959 2,60 17 863 061
Estonie 1 316 481 2,30 572 383
Finlande 5 495 096 2,10 2 616 712
France 66 896 109 2,30 29 085 265
Royaume Uni 65 637 239 2,30 28 537 930
Hollande 17 018 408 2,30 7 399 308
Norvège 5 232 929 2,20 2 378 604
Pologne 37 948 016 2,80 13 552 863
Portugal 10 324 611 2,60 3 971 004
Total 366 661 622 2,35 (moyenne pondérée) 156 265 895

Alors, juste pour me faire une idée, je prends les taux d’absorption calculés dans « Safely narrow down the apparent chaos » et je les applique à ces populations, pour calculer le nombre des ménages qui pourraient, hypothétiquement, être les clients de la plateforme EneFin. Les résultat de ce calcul particulier, vous pouvez le trouver dans un fichier Excel que j’ai placé dans les archives de mon blog. La disparité des nombres que je trouve ainsi est énorme. Dans le cas du Royaume Uni, par exemple, ça va de 0,22 client dans une population extrêmement homogène, variabilité v = Ω/µ = 0,1, jusqu’à 3 790 302,83 clients dans la population qui semble, en général, la plus accueillante, celle dotée de la variabilité v = Ω/µ = 0,8.

Maintenant, quoi ? Tout d’abord, la compréhension de ces nombres. Ils représentent le nombre hypothétique des clients que la plateforme EneFinpourrait attirer en l’espace des 36 mois à travers le mécanisme d’absorption d’innovation, un classique de la littérature du sujet (encore une fois, regardez du côté de chez Robertson). C’est un mécanisme où on adopte l’approche strictement structurelle. On en sait que dalle sur la façon exacte dont le nouveau business attire ses clients, on s’en fiche des compétiteurs, et on se concentre sur la courbe normale marquée par un temps d’absorption moyen µ et une déviation standard Ω, cette dernière étant calculée sur la base d’hypothèses à propos de la homogénéité / hétérogénéité relative de la population en question. Vous connaissez ces machines à sous (pièges à cons ?) où vous pouvez manipuler une pince pour tirer un jouet en peluche de parmi tout un tas des jouets similaires ? Eh bien, cette approche strictement structurelle c’est un peu ça. On imagine une pince socio-économique qui sélectionne des entités précises pour qu’elles joignent le portefeuille des clients du business donné.

Sonne un peu comme science-fiction ? Tout à fait. C’est la raison pour laquelle, tout en gardant le respect dû à une méthode solide, il vaut mieux approfondir la compréhension des clients et de leur comportement. Le comportement, ça me renvoie à la méthode épidémique. Je prends donc cette fonction exponentielle n(t) = e0,69*tavec « t » représentant une période de temps. Cet exponentiel représente, à son tour, une contagion modérément folle, où à partir du client zéro, chaque client acquis attire, durant une période de temps « t », deux autres clients. C’est du n(t) = 2*n(t-1) + 1, quoi.

Lorsque j’y pense, à cette épidémie modérément agressive, c’est pas si bête que ça. Le truc, c’est de bien définir le « t ». C’est un cycle de modification comportementale. Je suis un ménage innocent. L’un de mes voisins contracte le virus EneFin. Combien de temps vais-je résister à ce monstre ? Quelle réponse immunologique je vais développer ? Tout ça, c’est un truc passionnant en soi, cette modification des comportements. J’y avais consacré toute une série des mises à jour sur mon blog, en Janvieret en Février, surtout. Vous pouvez y regarder.

Ma question, à présent, est : « Est-ce que les nombres obtenus à travers la courbe normalereflètent un cycle cohérent de modification comportementale du type épidémique ? ». Allons voir. Je prends donc ce fichier Excelet je commence mon raisonnement en posant l’hypothèse que ce nombre précis, il pourrait refléter le « n » obtenu à travers exponentielle n(t) = e0,69*t.  Je fais le calcul suivant : je tire le logarithme naturel de chacun de ces nombres et je le divise par 0,69. De cette façon je fais cracher le « t » à ce n(t) = e0,69*t. Allez-y, si vous avez téléchargé ce fichier Excel, vous pouvez faire de même. Si le nombre local des clients est, hypothétiquement, le résultat de croissance épidémiquen(t) = e0,69*t , alors ln(n)/0,69 = t = le nombre des périodes de tempsdistinctes qui pourraient produire le résultat épidémique égal à « n » obtenu à travers la courbe normale.

Avant de discuter les résultats de ce petit calcul, une digression. Sans la colonne intitulée « variability 0,1 » de ce fichier Excelet, vous trouverez, quel calcul que vous ne fassiez, des nombres aberrants. Dans ce cas précis, le calcul du « t » à travers le logarithme naturel donne des valeurs négatives, donc, en principe, c’est du voyage temporel dans le passé. La colonne « variability 0,1 » représente un cas extrême, une population si homogène, que la déviation standard Ω ne fait que 0,1 de la moyenne µ. De telles situations n’arrivent que très rarement en réalité. Une population comme ça est tellement peu diversifiée qu’il est à peine justifié de l’analyser avec un courbe de distribution normale. Je l’avais inclue dans mes simulations juste pour montrer l’étendue des états possibles. Vous pouvez l’ignorer en toute tranquillité.

Alors, ces « t » locaux. Comme je les calcule, j’obtiens – et c’est une surprise – une rangée des valeurs beaucoup plus homogène que les « n » de départ. Entre t = 10,44au plus court et t = 24,42au plus long, le temps moyen est de µ(t) = 19,44et la déviation standard de ce temps est de Ω(t) = 2,40. En d’autres mots, si le nombre des clients acquis après 36 mois, simulé avec une courbe normale, était le résultant d’une croissance épidémique exponentielle épidémiquen(t) = e0,69*t , alors le temps nécessaire pour obtenir le même « n » à travers ladite croissance épidémique serait de 19,44 périodes distinctes « t » en moyenne, avec très peu de variabilité autour de cette moyenne.

Important : ce « t » est le nombre des périodes de temps distinctes, donc le nombre des cycles de contagionn(t) = 2*n(t-1) + 1. Ce n’est pas le nombre des mois, mais j’y passe, justement. Si mon « n », hypothétiquement obtenu à travers la contagion n(t) = e0,69*t survient après 19,44 périodes en moyenne et le même « n », obtenu à travers l’absorption suivant la courbe normale, devient ce qu’il devient après 36 mois, cela veut dire qu’une période de contagion « t » est de t = 36 / 19,44 = 1,88mois. En généralisant, t = 36 / {ln[n(t)] / 0,69} = (36 * 0,69) / ln[n(t)] = 24,84 / ln[n(t)]. Ainsi généralisé, le « t » rend, à part la moyenne µ(t) = 1,88, un maximum de 3,45 mois et un minimum de 1,47 mois, avec une déviation standard Ω(t) = 0,26.

Je sens que j’ai besoin de résumer. J’avais donc pris treize populations nationales européennes : Autriche, Suisse, République Tchèque, Allemagne, Espagne, Estonie, Finlande, France, Royaume Uni, Hollande, Norvège, Pologne, Portugal. Ça fait dans les 367 millions de personnes, soit quelques 156 millions de ménages. D’autre part, j’avais pris un cycle de changement technologique, très crument observé en ce qui concerne les nouvelles technologies éolienneset je l’ai fixé à 7 ans, ou bien 84 mois. Je me suis dit que ces 7 ans, c’est le temps moyen qu’un ménage moyen a besoin pour absorber une technologie nouvelle. Ensuite, j’ai fait à ces 156 millions des ménages absorber une technologie nouvelle, celle de la plateforme transactionnelle EneFin, avec des hypothèses variées à propos de l’homogénéité relative des ces populations. J’avais obtenu tout un univers des nombres possibles des ménages qu’EneFin aurait des chances d’attirer. Ces nombres disparates, je les ai testées comme des résultats possibles d’une croissance épidémiquen(t) = e0,69*t  où « t » est un cycle de contagion durant lequel chaque client acquis en attire deux autres. Aussi étonnant que ça puisse être, ces nombres très variés, obtenus pour des populations nationales variées avec des assomptions tout ce qu’il y a de cavalier, rendent un cycle de contagion (modification comportementale) remarquablement consistant de t ≈ 2 mois.

Lorsque j’écris « aussi étonnant que ça puisse être », c’est essentiellement de mon propre étonnement que je parle. Ces résultats, c’est l’une de ces occasions quand j’ai l’impression d’être tombé sur la théorie de quelque chose mais je suis à court d’idées en ce qui concerne quelle pourrait bien être cette chose. Je suis 100% sérieux, là. Je ne comprends pas, comment ces nombres calculés avec la courbe normalepeuvent bien rendre un cycle de croissance épidémique aussi cohérent.

Cela veut dire que mon cerveau a besoin de prendre sa distance, là. Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund(aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

Vous pouvez donner votre support financier à ce blog

€10,00

 

The expected amount of what can happen

 

I am working on that customer forecast thing for my EneFinproject. I want to hit as accurate a forecast, regarding the volume and value of sales, as well as the number of customers, as possible. In my last three updates – Le modèle d’un marché relativement conformiste, Safely narrow down the apparent chaos, and La valeur espérée– I sort of kept turning around that forecast, testing and discussing various angles of approach. So far, I have been sticking to one, central, and somehow an implicit assumption, namely that the EneFinproject – that transactional platform for trading complex contracts, combining futures on energy with participatory deeds – will tap into patterns observable in the market of energy. Still, EneFinis essentially a FinTech concept, which just explores those large disparities between the retail prices of electricity in Europe. Essentially, the concept is applicable in any market with noticeable variance in prices, at the same tier of the value chain. Thus, I could look for good patterns and assumptions in the market of financial services, even very straightforwardly in the FinTech sector.

Good, time to work up to the desired synaptic tension. I open up calmly, with the financial results of Square Inc., a big, US – based FinTech company. I am rummaging in their SEC filings, and more specifically in their 10-K annual report for 2017. I am spotting that nice history of revenues, which I present here below, first as a table with values given in millions of dollars, then as two consecutive graphs, just to give you an idea of proportions.

 

Table 1

  Revenue of Square Inc., USD mln
Year Transaction-based revenue Subscription-based revenue Hardware revenue Total net revenue
2013  433,74  –  4,24  552,43
2014  707,80  12,05  7,32  850,19
2015  1 050,45  58,01  16,38  1 267,12
2016  1 456,16  129,35  44,31  1 708,72
2017  1 920,17  252,66  41,42  2 214,25

 

Graph 1

Square Inc Revenue 2017

 

Graph 2

Square Inc Revenue 2013 2017

The revenues of Square Inc., in terms of sheer size, are a bit out of reach for any startup in the FinTech industry. What I am interested in are mostly proportions. Here, in this update, I am going to apply one particular path of thinking to studying those sizes and proportions. Mind you: this is basic science in action. ‘Basic’ means that I take the very basic analytical tools of logic and mathematics, and I am sort of counting my way through that data. In educational terms it is good example of how you can use the most fundamental logical structures you have in your personal toolbox and invent a method of discovering reality.

And so I discover. I start with the category ‘Subscription-based revenue’, as it looks very much like a startup inside an established business, i.e. it starts from scratch. Intrapreneurship, it is called, I believe. My goal is to find benchmarks for my EneFinproject, and, more specifically, to form some understanding about the way a FinTech project can build its customer base. The specific history of subscription-based revenue with Square Inc. is a process I want to squeeze as much information out as possible. So I start squeezing. A process is an account of happening. It is like a space made of phenomena, carved out of a larger space where, where, technically, anyone can do anything. I take each year of that time series, from 2013 through 2017, as a space, and in a space, distance matters. So I measure distances, the Euclidean ones. In a unidimensional space, as it is the case here, the Euclidean distancebetween two points is very much akin local deviation. I subtract the value at point B from the value at point A, and, just to be sure of getting rid of that impertinent minus that could possibly poke its head out of the computation, I take the so-obtained difference to its square power, so I do (A – B)2, just to take a square root of that square power immediately afterwards: [(A – B)2]1/2.

The logic of the Euclidean distance is basically made for planes, i.e. for two-dimensional spaces. In that natural environment of its own, the Euclidean distance looks very much the I-hope-really-familiar-to-you Pythagorean theorem. C’mon, you know that: a2+ b2= c2, in a right triangle. Now, if you place your right triangle in a manifold with numerical coordinates, your line segments a,b, and cbecome like a = x2– x1, b = y2– y1, and c = [(x2– x1)2+ (y2– y1)2]1/2. If you have more than two dimensions, i.e. when your space truly becomes a space, you need to reduce them down to two dimensions, precisely by taking those multiple dimensions two by two and converting the complex coordinates of a point into Euclidean distances. Complicated? I hope so, honestly. If it wasn’t, I couldn’t play the smart guy here.

Right, my Square Inc. case study. I am coming back to it. I take that history of growing revenues in the ‘Subscription-based’ category and I consider it as a specific, local unfolding of events in a space. I calculate distances, in millions of dollars, in between each pair of years.  I take the value of revenues in a given year and I subtract it from the value of revenues in any given other year. I treat the so-obtained difference with that anti-minus, square-root-of-square-power therapy. The picture below summarizes that part of the analytical process, and Table 2, further below the picture, gives the numerical results, i.e. the Euclidean distances in between each given pair of years, in millions of dollars in revenue, and corrected for the temporal distance in that given pair of years.

Square Euclidean Subscription Revenue

 

Table 2

Euclidean distance in subscription-based revenues, USD mln over time between years
2013 2014 2015 2016 2017
2013 12,09 58,05 129,39 252,70
2014 12,09 45,98 117,32 240,64
2015 58,05 45,98 71,35 194,66
2016 129,39 117,32 71,35 123,32
2017 252,70 240,64 194,66 123,32

 

Now, as we have those results, what’s the next step? The next step consists in a bit of intellectual gymnastics. Those Euclidean distances in Table 2, they are happenings. They reflect the amount of sales that happened in between those pairs of years. Each year is a checkpoint: those revenues are measured at the end – or, more exactly, after the closure – of the fiscal year. Between 2014 and 2015, there are 365 days of temporal distance etc.

We have a set of happenings. What is the kind of happening that we can expect the most to happen? Answer: the average. Yes, the average. Why the average? Because the average is the expected value in a set of numerical observations. You can go back to Safely narrow down the apparent chaos if you need to refresh your background. This is the theorem of de Moivre – Laplace: the expected value in a set is the average. I am just reverting the order of ideas. I claim that the average is the expected value.

The average from Table 2 is $124,5 mln. This is the expected amount of what can happen, in one year, to the revenues of Square Inc. from subscription-based sales. It serves me to denominate the actual revenues as reported in Table 1. By denominating, I mean taking the actual, subscription-based revenue from each year, and dividing it by that average Euclidean distance. You can see the result in the picture below. Some kind of cycle seems to emerge: this particular branch of business at Square Inc. needed like 4 years to exceed the expected amount of what can happen in one year, namely the average Euclidean distance.

Square Euclidean Subscription Revenue_2

A good scientist checks his facts. Firstly, it is in order to make sure they are his facts. Sometimes, quite embarrassingly, they turn out to be somebody else’s facts, and that creates awkward situations when it comes to sharing the merit, and the cash, coming with a Nobel award. Secondly, checking facts broadens one’s intellectual horizons, although it might hurt a bit. So I am checking my facts. Good scientist, check!

I repeat the same computational procedure with the two remaining categories of revenues at Square Inc: the transaction-based ones, and those coming from the sales of hardware. Still, what I do is almost the same computational procedure. The ‘almost’ part regards the fact that those two other fields of business had non-null revenues in 2013, when the publicly disclosed financial reporting starts. Subscription-based revenues started from the literal scratch, and those two other had already something in their respective belts in 2013. In order to make my calculations mutually comparable, I need to transform the time series of transaction-based, and hardware-based revenues so as they look as starting from nearly nothing.

This is simple. You want to make people look as if they were starting from scratch? Just take their money from them. Usually works, this one. This is what I do. I take $433,73 mln from each year of transaction-based sales, and $4,23 mln with respect to each year of hardware-based revenues. Instantaneously, both look younger, and, as soon as they do, I make them do the same gymnastics. Bet Eucliean, one! Compute the expected Euclidean, two! Divide reality by the expected Euclidean, three!

Seems to work. In those two other categories of revenues, I can observe slightly shorter a cycle of achieving the expected amount of happening, like 3+ years. Useful for that business plan of mine, for the EneFinproject.

You can see the general drift of those calculations in the pictures and tables that follow below. Now, one thing is to keep in mind. What I am doing here is having fun with science, just as we can have fun with painting, photography, sport or travel: you take some simple tools, and you just see what happens when you use them the way you think could be interesting. This is probably the strongest message I want to deliver in that entire scientific blog of mine: it is fun to have fun with science.

Square Inc transformation of revenue

 

Table 3

Euclidean distance in transaction-based revenue, USD mln over time between years
2013 2014 2015 2016 2017
2013 274,06 616,71 1 022,43 1 486,44
2014 274,06 342,65 748,36 1 212,38
2015 616,71 342,65 405,72 869,73
2016 1 022,43 748,36 405,72 464,02
2017 1 486,44 1 212,38 869,73 464,02

 

 

Table 4

Euclidean distance in hardware-based revenues, USD mln over time between years
2013 2014 2015 2016 2017
2013 12,09 58,05 129,39 252,70
2014 3,24 45,98 117,32 240,64
2015 12,30 9,11 71,35 194,66
2016 40,18 37,04 27,95 123,32
2017 37,39 34,22 25,12 3,06

Square Euclidean Transaction Revenue

Square Euclidean Hardware Revenue

 

I am consistently delivering good, almost new science to my readers, and love doing it, and I am working on crowdfunding this activity of mine. As we talk business plans, I remind you that you can download, from the library of my blog, the business plan I prepared for my semi-scientific project Befund  (and you can access the French versionas well). You can also get a free e-copy of my book ‘Capitalism and Political Power’ You can support my research by donating directly, any amount you consider appropriate, to my PayPal account. You can also consider going to my Patreon pageand become my patron. If you decide so, I will be grateful for suggesting me two things that Patreon suggests me to suggest you. Firstly, what kind of reward would you expect in exchange of supporting me? Secondly, what kind of phases would you like to see in the development of my research, and of the corresponding educational tools?

Support this blog

€10,00

 

 

La valeur espérée

Dans ma dernière mise à jour en anglais – Safely narrow down the apparent chaos– j’avais fait un pas en avant (enfin, j’espère) dans l’estimation du nombre des clients que je pourrais faire dans mon projet EneFin. Je me suis dit que ça ne serait peut-être pas entièrement idiot d’aller un peu en profondeur et expliquer toute cette idée de prédire le nombre des clients en s’aidant de la distribution normale.

Voilà le problème de départ : comment prédire une quantité future et incertaine ? Lorsque nous voulons prédire le nombre ou la taille de quoi que ce soit, serait-ce le nombre des billets vendus pour un concert ou la quantité de matériel rocheux éjecté dans l’éruption d’un volcan, vous avons deux voies – mutuellement alternatives mais pas mutuellement exclusives – à suivre : la méthode épidémique ou bien la méthode de changement structurel.

Dans la méthode épidémique, je me concentre sur le nombre (ou la taille) de départ et je me demande comment ce numéraire initial peut possiblement croître. Lorsque j’applique cette logique au nombre des clients potentiels, je peux utiliser ce qu’on appelle la théorie de l’épidémie : l’attraction des clients consécutifs est étudiée comme la propagation d’un pathogène. Ça commence avec le patient zéro – mon premier client – qui contacte (contamine) ses potes et ses cousins et certains parmi eux deviennent mes clients. Ceux-là, à leur tour, contaminent d’autres et ainsi ça se développe, par contamination.

Si je veux modeler me développement de mon portefeuille des clients comme une contamination épidémique, j’ai besoin des assomptions initiales en ce qui concerne la contamination strictement dite. Il faut quelque sorte de contact pour rendre possible la transmission. En d’autres mots, il faut que je raconte une histoire plausible à propos des relations sociales entre mes clients potentiels et de la façon dont ils se transmettent mutuellement des schémas de comportement. Mathématiquement, j’ai deux outils de base pour modeler l’effet agrégé de cette transmission des schémas de comportement: le premier c’est la fonction factorielleou bien sa cousine, la fonction gamma, le deuxième c’est la fonction exponentielle.

Dans la méthode de changement structurel, je change d’optique et au départ je me concentre sur la population totale des toutes les entités qui peuvent potentiellement devenir mes clients. Je définis donc un marché potentiel total et ensuite je me demande comment je vais développer mon portefeuille clients à l’intérieur de cet univers. Je perçois l’ensemble de mes clients comme un sous-ensemble d’une population plus large. Comme certains membres de cette population totale graviteront vers mon offre, la proportion entre mon portefeuille clients et cette population totale changera. Dans cette approche, ma prédiction se concentre plus sur le pourcentage que mes clients vont représenter dans la population totale que sur leur nombre absolu. Côté maths, c’est le bon moment pour sortir de mon sac des outils comme la distribution normale, ou bien celle de Poisson, ou encore celle de Weibulletc.

Epidemie et changement structurel

 

Maintenant, vous pouvez légitimement demander laquelle de ces deux méthodes – épidémique et structurelle – est la meilleure des deux et si on peut possiblement les mélanger. A mon avis, la méthode structurelle est la meilleure des deux en général. Elle est à la fois plus rationnelle, plus intuitive, plus simple et mieux instrumentée mathématiquement. Encore, pour avoir une idée vraiment précise et un modèle analytique vraiment solide, il est bon d’ajouter une pincée de la méthode épidémique.

Je commence par expliquer l’aspect rationnel. Peut-être vous vous souvenez de ces épisodes d’enfance lorsque vous mesuriez votre taille en faisant des marques sur le châssis dormant d’une porte. Vous pouviez observer la progression directement – « je suis plus grand(e) qu’il y a deux mois » – et vous aviez une idée vague de la taille finale que vous pourriez probablement atteindre. Vous observiez les adultes autour de vous et vous vous disiez qu’un jour, vous serez aussi grand(e) qu’eux. Vous perceviez votre propre taille en proportion à la taille-cible des adultes. A un niveau plus général et plus profond, c’est comme ça que marche la réalité : comme des structures entremêlées. Tout ce qui existe est une structure à l’intérieur d’une structure plus vaste et en même temps contient des structures plus locales à l’intérieur de soi-même. La méthode structurelle est fondamentalement en phase avec la façon dont notre cerveau rationnalise notre expérience de la réalité.

Encore, si vous étiez un gosse bien curieux – moi j’étais une vraie peste à cet égard, je tuais les adultes avec mes questions – vous voulez comprendre comment ça se fait que la marque de votre taille, sur le châssis de la porte, et plus haut que celle d’il y a deux mois. Alors voilà que vous prenez connaissance de toute l’histoire des cellules qui se multiplient. Vous passez de l’approche structurelle à la théorie de l’épidémie. Toute croissance de matière organique peut être étudiée comme une épidémie, celle d’un certain code génétique. Voilà la bonne place pour la méthode épidémique : comprendre ces petites interactions locales dans des petites structures locales.

Dans la prédiction du nombre futurs de mes clients, dans un business plan, la méthode structurelle commence avec des assomptions bien vérifiables empiriquement. La taille de mon marché potentiel entier, je peux la mesurer – ou bien faire des assomptions solides à ce sujet – sur la base des données économiques accessibles : démographie, consommation ménagère, investissement entrepreneurial etc. Tout ça, ce sont des repères bien distincts et ce qui est même plus important, intersubjectifs. Vous allez chez INSEE, chez Eurostat, ou bien chez la Banque Mondiale, et vous avez ces données de départ. C’est comme si vous aviez la carte essentielle d’un territoire : ça rassure.

Ensuite, lorsque je passe en revue – tout à fait subjectivement, je l’admets – les outils mathématiques dont je dispose pour prédire le nombre de mes clients, les structurels sont beaucoup plus simples à utiliser que les épidémiques. En fait, je pense qu’il est utile d’étudier la différence en peu plus en profondeur. Je retourne donc à mon concept EneFin(regardez du côté de Le modèle d’un marché relativement conformistepour vous rafraichir la mémoire) et je me dis : « OK, j’ai donc le premier client : la première personne qui a acheté au moins un contrat complexe via EneFin. Qu’est-ce qui se passe ensuite ? ».

L’épidémie d’abord. Mon premier client convainc deux autres. Ça fait 1 plus la factorielle de deux, donc dans ce deuxième moment de mon histoire j’ai 1 + 2 ! = 1 + 1 * 2 = 1 + 2 = 3 clients. Ces deux autres font de même, donc chacun d’eux convainc deux suivants, ce qui fait 4 de plus. Par conséquent, dans le troisième moment de mon histoire j’ai 1 + 1 * 2 + 2 * 2 = 7 = 1 + 3 ! clients. Ainsi vient le quatrième moment de l’histoire et des suivants. A chaque fois chacun des clients convaincus jusqu’alors en attire deux autres et j’ai bien sûr mon patient zéro. Au moment « t » j’ai donc le double du nombre des clients gagnés au moment « t – 1 » plus 1. En mathématique commun ça fait n(t) = 2*n(t-1) + 1.

Est-ce que ça se marie avec les factorielles des moments consécutifs ? Pas tout à fait. A partir du moment no. 4, la discorde s’insinue. Prenez le cas du moment no. 8. La chaîne n(t) = 2*n(t-1) + 1donne n(8) = 255clients, mais la factorielle 8 ! ça fait 40 321 clients. Comme une légère différence. Eh ben oui, puisque la factorielle pure et dure ça implique une contamination de plus en plus rapide. Pour avoir 8 ! = 40 321 clients au moment 8, chacun des 7 ! = 5 041 clients déjà attirés préalablement jusqu’au moment 7 devrait attirer 40 321/5 041 = 7,998611387 amis et cousins. Pour avoir le point de départ du moment 7, donc ces 7 ! = 5 041 clients, au moment 6 j’étais obligé d’avoir 6 ! = 721 clients, dont chacun avait convaincu 6,991678225 autres.

Alors voilà que j’ai deux contaminations différentes : une avec la progression n(t) = 2*n(t-1) + 1, l’autre qui file au rythme de n(t) = t ! + 1. Tableau 1 ci-dessous donne une idée de ces deux propagations épidémiques.

Tableau 1 – Comparaison des propagations épidémiques : n(t) = 2*n(t-1) + 1et n(t) = t ! + 1.

  Épidémie n(t) = 2*n(t-1) + 1 Épidémie n(t) = t ! + 1
Moment Nombre total des clients Nombre des clients nouveaux attirés par chaque client existant Nombre total des clients Nombre des clients nouveaux attirés par chaque client existant
1 1 2 2 2
2 3 3 3 1,5
3 7 2,333333333 7 2,333333333
4 15 2,142857143 25 3,571428571
5 31 2,066666667 121 4,84
6 63 2,032258065 721 5,958677686
7 127 2,015873016 5 041 6,991678225
8 255 2,007874016 40 321 7,998611387
9 511 2,003921569 362 881 8,999801592
10 1 023 2,001956947 3 628 801 9,999975198
11 2 047 2,000977517 39 916 801 10,99999724
12 4 095 2,00048852 479 001 601 11,99999972
13 8 191 2,0002442 6 227 020 801 12,99999997
14 16 383 2,000122085 87 178 291 201 14
15 32 767 2,000061039 1 307 674 368 001 15
16 65 535 2,000030519 20 922 789 888 001 16

 

A première vue, la progression purement factorielle n(t) = t ! + 1c’est un peu fou. Ça pourrait servir à simuler, par exemple, le nombre des transactions dans une fonctionnalité FinTech, mais pas le nombre des clients. La propagation géométrique n(t) = 2*n(t-1) + 1semble un peu plus réaliste. Elle a aussi un trait mathématique intéressant. Si vous tirez le logarithme naturel du nombre total des clients à chaque moment consécutif et ensuite vous divisez ce logarithme par la valeur du moment – donc par 4 au moment no. 4 etc. – vous arrivez très vite, dès le moment no. 5, à la valeur quasi constante de ln[n(t)/t] ≈ 0,69. En d’autres mots, la propagation épidémique n(t) = 2*n(t-1) + 1est à peu de chose près équivalente à la croissance exponentielle n(t) = e0,69*t. Qu’est-ce que ça prouve ? Eh bien, dans les sciences économiques on assume que si la croissance quantitative d’un phénomène suit la logique de n(t) = e ß*t, avec ßplus ou moins constant, cela représente raisonnablement une hystérèse, donc un développement où chaque pas consécutif détermine le pas suivant d’une façon plus ou moins cohérente.

J’ai donc une hystérèse bien jolie, mais est-elle réaliste ? Puis-je assumer une progression où chaque période consécutive va me permettre de doubler la taille de mon portefeuille clients ? Comment définir cette période de changement du simple au double ? Comment puis-je simuler une situation ou quelques-uns de parmi mes clients attirent, chacun, deux nouveaux pendant que d’autres attirent cinq nouveaux ?

Voilà le moment quand la méthode épidémique, illustrée ci-dessus, devient de plus en plus encombrante avec toutes les assomptions qu’il faut y ajouter. Voilà donc le moment de tourner vers la méthode structurelle. Nous y retournons avec la version française des mêmes schémas graphiques que j’avais déjà présentés dans Safely narrow down the apparent chaos. Je les présente ci-dessous en j’enchaîne ensuite.

Distribution normale de base

 

Distribution normale interpretation

L’application pratique de la distribution normale exige un peu de flexibilité, surtout dans l’interprétation d’un paramètre-clé : la moyenne ou le « µ » dans l’équation. En théorie, la moyenne est la valeur espérée dans un ensemble des données. D’habitude, on l’interprète comme un attribut de la moyenne : dès qu’on la calcule, on peut la considérer comme valeur espérée. Maintenant, je vous propose d’inverser le raisonnement. Prenons une valeur que nous pouvons considérer comme espérée, donc comme, à la fois, ce que nous voulons avoir (espérons), et ce qui est objectivement vérifiable (pour savoir si on a obtenu ce qu’on espérait d’avoir). Dans cet outil de calcul que vous pouvez trouver sur mon blog, le « Business Planning Calculator », une telle valeur est le point mort des ventes, donc le nombre des clients qui nous garantit la couverture de nos frais fixes. On peut prendre le niveau des ventes qui garantit 20% de marge opérationnelle. On peut prendre, comme notre valeur espérée, tout ce qui est : a) désirable b) objectivement mesurable et vérifiable.

Une fois notre valeur espérée identifiée, nous assumons que c’est la moyenne d’une distribution normale. Tout autour de cet état que nous voulons atteindre, il y a des états plus ou moins voisins, qui se composent en une courbe de Gauss. Si nous vérifions la réalité autour de nous, nous découvrirons ces états voisins de la moyenne – par exemple à travers l’étude des cas des business similaires au notre – et ainsi nous pouvons estimer la déviation standard de notre courbe. Voilà, on a les deux paramètres de la distribution normale.

Bon, j’en finis avec la science, pour aujourd’hui. Je continue à vous fournir de la bonne science, presque neuve, juste un peu cabossée dans le processus de conception. Je vous rappelle que vous pouvez télécharger le business plan du projet BeFund(aussi accessible en version anglaise). Vous pouvez aussi télécharger mon livre intitulé “Capitalism and Political Power”. Je veux utiliser le financement participatif pour me donner une assise financière dans cet effort. Vous pouvez soutenir financièrement ma recherche, selon votre meilleur jugement, à travers mon compte PayPal. Vous pouvez aussi vous enregistrer comme mon patron sur mon compte Patreon. Si vous en faites ainsi, je vous serai reconnaissant pour m’indiquer deux trucs importants : quel genre de récompense attendez-vous en échange du patronage et quelles étapes souhaitiez-vous voir dans mon travail ?

Vous pouvez donner votre support financier à ce blog

€10,00