تحليلي نوين در شناسايي الگوهاي موفقيت كارآفريني در صنايع كوچك و متوسط با استفاده از داده كاوي

كارآفريني در صنايع كوچك و متوسط همواره از اهميت زيادي برخوردار بوده است چرا كه علاوه بر داشتن نقش اساسي در اشتغال يك كشور موجب رشد اقتصادي و افزايش توليد ناخالص ملي نيز خواهد شد. هدف از تحقيق حاضر بررسي عواملي است كه مي تواند موجب موفقيت كارآفريني در بخش صنايع كوچك و متوسط شده و راهي نشان دهد تا از اين پس كارآفرينان صنعتي با آگاهي بيشتري پاي در اين عرصه مهم اقتصادي بگذارند. اين تحقيق، يك مطالعه موردي است از كارآفرينان بخش صنعت در كشور ايران كه در حد فاصل سال هاي 1390 تا 1393 اقدام به اخذ مجوز اوليه جهت تاسيس كارخانه (جواز تاسيس) نموده و برخي از آنان موفق به بهره برداري از كارخانه (پيشرفت فيزيكي صددرصد) شده و برخي ديگر از اين امر ناكام مانده اند. براي اين تحقيق داده هاي خام 4580 مورد از جوازتاسيس سرمايه گذاران مورد بررسي قرار گرفت. جهت تعيين الگوهاي موجود و تعيين كننده در موفقيت كارآفريني ، با استفاده از مفاهيم داده كاوي، اطلاعات موجود براي تحليل هاي بعدي پيش پردازش شده و با كاهش برخي متغيرهايي كه تاثير كمتري در نتايج داشتند در نهايت طي تحليل هاي تخصصي با استفاده از شبكه هاي عصبي پرسپترون چند لايه، درخت تصميم گير والگوريتم رافست ،بهترين قوانين ، استخراج شده و دقت نتايج در هريك تحليل گرديد. براساس نتايج بدست آمده عواملي چون داشتن سابقه صنعتي ، تحصيلات مرتبط با صنعت مورد نظر و بومي بودن سرمايه گذار مي تواند نقش مهمي در موفقيت اين نوع كارآفريني داشته باشد.

Entrepreneurship in small and medium-sized industries has always been of great importance, as it will play a key role in the employment of a country as well as boost economic growth and increase GDP. The purpose of the present study is to examine the factors that can make entrepreneurship successful in small and medium-sized industries and to suggest a way for industrial entrepreneurs to become more aware of this important economic field. This research is a case study of industrial entrepreneurs in Iran who obtained initial permission to establish a factory (establishment permit) between 2011 and 2014 and some of them managed to exploit the factory (%100 physical progress) an‎d some others have failed. The raw data of 4580 cases of investor licenses were examined. In order to determine existing and determinant patterns of entrepreneurship success, using data mining concepts. The information is pre-processed for subsequent analyzes and by reducing some of the variables that had less impact on the results. Finally through specialized analyzes using neural networks, Multilayer perceptron, Rough set algorithm and decision tree, best rules were extracted and the results were analyzed in detail. Based on the results, factors such as Industrial background, education related to the industry, and being native entrepreneur can play an important role in the success of this entrepreneurship.