مطالعه تجربی الگوریتم های یادگیری ماشین برای پیش بینی موفقیت استارت آپ

امروزه استارت آپ ها در حال تبدیل شدن به موتور محرک اقتصاد جهان هستند. دسته ای از آنها پس از گذر از دوره های آغازین دریافت سرمایه، به شرکتهای بزرگ اقتصادی مانند گوگل، اپل، یا اخیرا ایربی ان بی و اوبر تبدیل میشوند و تاثیر فوق العاده ای در اقتصاد جهان و تعاملات اجتماعی بین دولتها دارند. از این رو طی دهه ی گذشته در سرتاسر جهان رشد چشمگیری در تشکیل شرکتهای نوپا مشاهده شده است. با توجه به این که محیط استارت آپها در دوره های آغازین فعالیت ماهیت بسیار نامعلوم و ناپایداری دارند، در نتیجه تجزیه و تحلیل و تفسیر اطلاعات برای ارزیابی موفقیت شرکتهای نوپا دشوار میباشد. از این رو سرمایه-گذاران و صندوقهای خطرپذیر نیازمند به ابزاری برای پیشبینی احتمال موفقیت استارت آپها هستند. زمان و ماهیت محاسباتی فشرده این مسئله، نیازمند یک مدل کمی است که با این رویکرد بتوان امکان پیشبینی موفقیت در ابتدای کار استارت آپها را ممکن ساخت. موفقیت برای یک شرکت نوپا در این پژوهش این گونه تعریف میشود که استارت آپ بتواند در مدت زمان مشخص شده به مرحله بعدی سرمایه گذاری دست یابد. توانایی پیشبینی موفقیت، یک مزیت رقابتی ارزشمند برای سرمایه گذاران خطرپذیر است که در جستجوی سرمایه گذاری بر روی استارت آپها هستند به حساب میآید. زیرا انتخاب های درجه اول، شرکتهایی هستند که پتانسیل رشد سریعتری نسبت به رقبا را دارند و در نهایت برای سرمایه گذاران این امتیاز فراهم میشود تا بتوانند به وسیله ی مدل پیشنهادی یک گام جلوتر از رقبا قرار گیرند. برای حل این چالش در این پژوهش به ارائه راه حلی برای پیش بینی موفقیت استارت آپها در آینده پرداخته شده است. به طور خاص، ابتدا با جمع آوری داده از سه منبع مختلف به بررسی و استخراج عوامل و فاکتورهای موثر در موفقیت استارتآپها پرداخته شده است. سپس به کمک روش های یادگیری ماشین مدلی برای پیش بینی موفقیت استارت آپها ارائه شده است. این مدل در مقایسه با مدل های گذشته بهبود قابل توجهی داشته است.

کلیدواژه ها:

پیش بینی ، موفقیت استارتاپ ، یادگیری ماشین