پديد آورندگان :
سادات رسول، مهدي دانشگاه خوارزمي - دانشكده مديريت - گروه مديريت، تهران، ايران , حبيبي، نازنين دانشگاه خوارزمي - دانشكده مديريت، تهران، ايران , عبادتي، اميدمهدي دانشگاه خوارزمي - دانشكده مديريت - گروه مديريت، تهران، ايران
كليدواژه :
الگوريتم اپريوري , الگوريتم فاخته , انتخاب ويژگي , پيش‌بيني موفقيت , شركتهاي نوآفرين
چكيده فارسي :
با توجه به وضعيت كنوني اقتصاد، كارشناسان معتقدند كه راه‌اندازي شركتهاي نوآفرين در بستر زيست‌بوم نوآفريني مي‌تواند رويكرد مؤثري براي كشورهاي درحال‌توسعه باشد. با توجه به اينكه تعداد زيادي از شركت‌ها شكست مي‌خورند، اما عوامل كليدي وجود دارد كه مي‌تواند شركتهاي نوآفرين را در دستيابي به مسير صحيح تا رسيدن به موفقيت كمك كند. پژوهش پيش رو باهدف شناسايي عوامل موفقيت شركتهاي نوآفرين در ايران است كه به پيش‌بيني موفقيت اين شركت‌ها كمك مي‌كند. يكي از روش‌هاي توانمند داده‌كاوي كشف ارتباط در ميان مجموعه‌اي از داده‌ها است كه حاصل آن كشف يك سري قوانين انجمني براي شناسايي روابط قوي ميان فعاليت‌هاي كسب‌وكار به‌منظور شناسايي امكان موفقيت است. داده‌هاي جمع‌آوري‌شده در پژوهش پيش رو شامل 165 مورد شركت نوآفرين ايراني است كه فعاليت خود را از شتاب‌دهنده‌ها آغاز كرده‌اند. استخراج متغيرهاي مستقل پيش‌بيني كننده موفقيت ابتدا طبق روش تحقيق استخراج‌شده و سپس به‌دقت براي هر شركت نوآفرين وضعيت متغير مقدار شده است. متغير وابسته از طريق بررسي وبسايت، نرم‌افزار كاربردي و ... بر مبناي وضعيت فعاليت شركت نوآفرين ارزيابي‌شده و در صورت تداوم فعاليت شركت، شركت نوآفرين موفق ارزيابي‌شده است. نهايتاً در اين پژوهش در فاز اول به كمك الگوريتم‌هاي ماشين بردار پشتيبان، درخت تصميم‌گيري، k- نزديك‌ترين همسايگي و جستجوي فاخته براي انتخاب مؤثرترين متغيرهاي مستقل يا همان عوامل موفقيت شركتهاي نوآفرين شده و در فاز دوم به‌واسطه اين عوامل قواعد انجمني با اپريوري استخراج‌شده است. نتايج قواعد انجمني همچنين گوياي اين موضوع است كه در شركتهاي نوآفرين بررسي‌شده انعطاف‌پذيري و مقياس‌پذيري هم‌زمان باهم دو عامل مهم جهت موفقيت شمرده مي‌شود.
چكيده لاتين :
In the current economy and entrepreneurship situation in developing countries, experts maintain that establishing startup companies proves an efficient and promising approach. In spite of the fact, many startup companies are failed. However, there are key factors, which can help such companies follow the path to success. This research aims to identify the factors, which led to success of startup companies in Iran. Accordingly, one of the important roles of data mining is exploring the relationship between datasets, and getting the result of a series of association-based rules for identifying the strong relations between business activities. The data of this study is collected from a total of 165 Iranian startup companies. The feature's columns included 41 success factors of startup companies addressed in domestic and foreign studies. For the prediction phase, we use the help of support vector machine algorithm, decision tree and k-nearest neighboring to classification. The feature selection technique in order to come up with the most efficient success factor of startup companies is Cuckoo search. Finally, rules are extracted by means of Apriori Algorithms. The results indicate that factors such as, namely, entrepreneurship experience, working duration, skills, type of service or product, target market, Blue Ocean or Red Ocean strategy, flexibility, scalability, customer loyalty, presence or lack of presence in an accelerator, and first-stage of investor are the most important factors that have the greatest effects in a startup's success. Moreover, the extracted results reveal that flexibility, and scalability are considered as two key factors contributing to success of Iranian startup companies.
