پيش‌بيني موفقيت استارت‌آپ‌ها با استفاده از يادگيري ماشين

Predicting the success of startups Using machine learning

امروزه استارت‌آپ‌ها در حال تبديل شدن به موتور محرك اقتصاد جهان هستند. دسته‌اي از آن‌ها پس از گذر از دوره‌هاي آغازين دريافت سرمايه، به شركت‌هاي بزرگ اقتصادي مانند گوگل، اپل، يا اخيراً ايربي‌ان‌بي و اوبر تبديل مي‌شوند و تأثير فوق العاده‌اي در اقتصاد جهان و تعاملات اجتماعي بين دولت‌ها دارند. از اين رو طي دهه‌ي گذشته در سرتاسر جهان رشد چشمگيري در تشكيل شركت‌هاي نوپا مشاهده شده‌است. با توجه به اين كه محيط استارت‌آپ‌ها در دوره‌هاي آغازين فعاليت ماهيت بسيار نامعلوم و ناپايداري دارند، در نتيجه تجزيه و تحليل و تفسير اطلاعات براي ارزيابي موفقيت‌ شركت‌هاي نوپا دشوار مي‌باشد. از اين رو سرمايه‌گذاران و صندوق‌هاي خطرپذير نيازمند به ابزاري براي پيش‌بيني احتمال موفقيت استارت‌آپ‌ها هستند. زمان و ماهيت محاسباتي فشرده اين مسئله، نيازمند يك مدل كمي است كه با اين رويكرد بتوان امكان پيش‌بيني موفقيت در ابتداي كار استارت‌آپ‌ها را ممكن ساخت. موفقيت براي يك شركت نوپا در اين پژوهش اين گونه تعريف مي‌شود كه استارت‌آپ بتواند در مدت زمان مشخص شده به مرحله بعدي سرمايه‌گذاري دست يابد. توانايي پيش‌بيني موفقيت يك مزيت رقابتي ارزشمند براي سرمايه‌گذاران خطرپذير كه در جستجوي سرمايه‌گذاري بر روي استارت‌آپ‌ها‌ هستند به حساب مي‌آيد زيرا انتخاب‌هاي درجه اول، شركت‌هايي هستند كه پتانسيل رشد سريع‌تري نسبت به رقبا را دارند و در نهايت براي سرمايه‌گذاران اين امتياز فراهم مي‌شود تا بتوانند به وسيله‌ي مدل پيشنهادي يك گام جلوتر از رقبا قرار گيرند. براي حل اين چالش در اين پژوهش به ارائه راه حلي براي پيش‌بيني موفقيت استارت‌آپ‌ها در آينده پرداخته شد‌ه است. به طور خاص، ابتدا با جمع‌آوري داده از سه منبع مختلف به بررسي و استخراج عوامل و فاكتورهاي موثر در موفقيت استارت‌آپ‌ها پرداخته شده ‌است. سپس به كمك روش هاي يادگيري ماشين مدلي براي پيش‌بيني موفقيت استارت‌آپ‌ها ارائه شده‌است. اين مدل در مقايسه با مدل‌‌هاي گذشته بهبود‌ قابل توجهي داشته است.

Due to the high uncertainty and instability of the startup ecosystem in the early stages, it is difficult to analyze and interpret information to evaluate the startups. The time and computationally-intensive nature of this issue lead to the creation of a quantitative model to anticipate the success of these companies in the beginning stages. This research will provide a solution to predict the startup s success in the future. Collecting data from three different sources and introducing a model for predicting the success of startups using machine learning methods has been presented to facilitate the investment process of investors.