Sasha Orloff 曾因数据室没有准备好，险些失去一份 Term Sheet。

这不是初次融资的新手失误。Orloff 是创业财务软件公司 Puzzle 的创始人兼 CEO，他参与创办的多家公司累计融资超过 10 亿美元。注意，这个数字并非 Puzzle 一家公司的融资额。

在 TechCrunch 视频栏目《Build Mode》的采访中，他谈的也不是怎样把故事讲得更动听，而是一些更琐碎、更容易暴露管理水平的问题：收入到底怎么增长，现金还能撑多久，毛利率是否可信，销售投入有没有效率，以及数据室能否经得起核验。

这些问题看着像财务作业，实际直接影响估值和议价权。

投资人逐轮加码的，是财务证据

早期投资人当然会听故事。Pre-seed 和 Seed 阶段数据有限，团队、市场判断和产品方向仍占很大权重。

但“数据少”不等于“创始人可以不懂账”。公司进入 A 轮、B 轮后，投资人会要求更多证据，也会交叉检查不同材料能否对上。

融资阶段常见关注点创始人需要讲清什么
Pre-seed / Seed现金余额、烧钱速度、初步收入、股权结构钱花在哪里，现有现金能撑多久，关键假设是什么
A 轮收入增长、收入质量、毛利率、预算执行增长能否持续，客户是否稳定，成本是否随规模失控
B 轮及以后留存、客户集中度、销售效率、盈利路径、数据可核验性增长是否可复制，单位经济是否成立，何时以及怎样接近盈利

这不是所有 VC 都会照抄的统一清单。不同赛道、轮次和基金策略差异很大。硬件公司、消费应用和企业软件，也不能共用一套指标标准。

但几项基础问题绕不过去：

  • 收入增长.收入增速有多快，增长来自新客户、涨价，还是一次性项目。
  • 收入质量.收入是否持续，续约和流失情况怎样，是否过度依赖少数客户，回款能否兑现。
  • 现金跑道.按当前净烧钱速度，账上现金还能支撑多久；开支变化大时，还要给出不同情景。
  • 毛利率.收入扣除直接交付成本后剩多少。毛利过低，规模越大未必越轻松。
  • 销售效率.销售和营销投入换来了多少新增收入，回收周期多长。具体算法可以不同，口径必须前后一致。
  • 盈利能力.投资人未必要求公司已经赚钱，但会追问亏损来自主动投入，还是商业模式本身失血。

我更在意“收入质量”。增长曲线最容易包装，质量最难伪装。同样是收入翻升，大客户一次性采购、深度折扣换单，与稳定续约带来的增长，估值含义完全不同。

模型可以把曲线画得漂亮，合同和回款不会配合演戏。

数据室没准备好，Term Sheet也可能松动

Orloff 提到的那次教训很具体：数据室准备不足，差点让一份 Term Sheet 告吹。

Term Sheet 通常建立在初步信息和若干假设上，后面仍要经过尽调。投资人一旦发现演示材料、财务报表、银行流水、客户合同和股权文件彼此打架，就会重新判断风险。

后果未必是立刻撤回投资，也可能更现实：

  • 尽调时间拉长，融资窗口被拖延；
  • 估值被重新讨论；
  • 投资人要求增加保护条款；
  • 创始人被迫花时间解释历史数据；
  • 现金越来越少，谈判筹码随之下降。

一个能工作的数据室，至少要覆盖几类材料：

材料投资人会核验什么
利润表、资产负债表、现金流记录收入、成本、现金变化能否对应
月度预算与实际支出管理层是否持续跟踪偏差
收入明细、客户合同、应收账款收入是否真实、持续且可以回收
留存、客户集中度、毛利等经营数据指标定义是否稳定，图表能否追溯到原始数据
股权表、历史融资和期权文件所有权、稀释和潜在义务是否清楚
税务、债务及重要法律文件是否存在未披露的负担或风险

材料齐全只是起点。更容易出问题的是口径：演示稿写的收入，与财务系统记录的收入是不是同一个定义；毛利有没有把必要的交付成本排除在外；现金跑道是否偷偷假设下一季度收入暴涨。

诚实解释问题，往往比伪装完美更能建立信任。可诚实不能替代整理。数据一团乱，投资人很难分辨这是一次疏漏，还是管理层根本没有控制住业务。

融资时机也由此变得关键。等现金快见底才启动流程，创始人面对的就不只是财务压力。投资人知道你急，你也知道对方知道。

谈判桌上，时间从来不是中立变量。

如果你是正在融资的创始人，最现实的动作不是临时做一份更漂亮的模型，而是提前核对现金、收入定义和预算偏差，确保自己能脱离财务负责人解释每个核心数字。

负责财务材料的早期团队，则要把“找文件”改成持续维护：统一指标口径，标注数据来源，设置访问权限和版本负责人。尽调开始后再从聊天记录、邮箱和多个表格里拼资料，成本最高，也最容易出错。

VC容忍亏损，却会惩罚财务失控

创业公司不完美很正常。早期收入波动、客户集中、毛利偏低，也不自动等于不能投资。

真正伤害信任的是创始人说不清问题：不知道现金为什么少了，不知道增长来自哪里，也不知道报表和演示稿为何对不上。

这背后有一条很硬的资本逻辑。投资人承担的是未来风险，因此会观察管理层能否描述当前现实。连现实都无法准确描述，预测自然更不值钱。

2000年前后的互联网泡沫提供过一次历史回声。资本一度愿意为访问量和增长叙事付高价，泡沫破裂后，现金流和单位经济又回到桌面中央。今天的 AI 创业潮并不完全相同，技术条件和市场规模也不同，但资本的记忆没有那么短：故事负责打开会议室，数字决定会议能不能继续。

Puzzle 本身提供面向初创公司的会计与财务管理软件。Orloff 强调数据整理和财务透明度，也与公司的产品方向一致。这不影响建议的价值，却提醒我们保留一层判断：这既是连续创业者的经验，也是财务工具厂商对市场痛点的定义。

AI 确实可能减少记账、分类、对账和异常检查中的人工劳动，还能帮助团队更快生成报表和预测。但目前不能把这种改善写成已经得到普遍验证的结果。

工具仍有几道边界：

  • 原始数据错误，AI只会更快地产出错误结果；
  • 收入确认、成本归类和预测假设仍需要专业判断；
  • 投资人追问数据差异时，创始人不能把责任推给软件；
  • 自动生成报表，不等于团队真正理解业务。

判断这类 AI 财务工具有没有改变基本盘，别只看它能生成多少图表。更该看月度结账是否变快、指标能否追溯、数据口径是否稳定，以及团队在尽调中回答问题的速度。

财务软件可以整理现实，却不能替创始人面对现实。