پیش‌بینی موفقیت استارت‌آپ‌ها با استفاده از یادگیری ماشین

امروزه استارت‌آپ‌ها در حال تبدیل شدن به موتور محرک اقتصاد جهان هستند. دسته‌ای از آن‌ها پس از گذر از دوره‌های آغازین دریافت سرمایه، به شرکت‌های بزرگ اقتصادی مانند گوگل، اپل، یا اخیراً ایربی‌ان‌بی و اوبر تبدیل می‌شوند و تاثیر فوق العاده‌ای در اقتصاد جهان و تعاملات اجتماعی بین دولت‌ها دارند. از این رو طی دهه‌ی گذشته در سرتاسر جهان رشد چشمگیری در تشکیل شرکت‌های نوپا مشاهده شده‌است. با توجه به این که محیط استارت‌آپ‌ها در دوره‌های 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 سرمایه‌گذاران و صندوق‌های خطرپذیر نیازمند به ابزاری برای پیش‌بینی احتمال موفقیت استارت‌آپ‌ها هستند. زمان و ماهیت محاسباتی فشرده این مسئله، نیازمند یک مدل کمی است که با این رویکرد بتوان امکان پیش‌بینی موفقیت در ابتدای کار استارت‌آپ‌ها را ممکن ساخت. موفقیت برای یک شرکت نوپا در این پژوهش این گونه تعریف می‌شود که استارت‌آپ بتواند در مدت زمان مشخص شده به مرحله بعدی سرمایه‌گذاری دست یابد. توانایی پیش‌بینی موفقیت یک مزیت رقابتی ارزشمند برای سرمایه‌گذاران خطرپذیر که در جستجوی سرمایه‌گذاری بر روی استارت‌آپ‌ها‌ هستند به حساب می‌آید زیرا انتخاب‌های درجه اول، شرکت‌هایی هستند که پتانسیل رشد سریع‌تری نسبت به رقبا را دارند و در نهایت برای سرمایه‌گذاران این امتیاز فراهم می‌شود تا بتوانند به وسیله‌ی مدل پیشنهادی یک گام جلوتر از رقبا قرار گیرند. برای حل این چالش در این پژوهش به ارائه راه حلی برای پیش‌بینی موفقیت استارت‌آپ‌ها در آینده پرداخته شد‌ه است. به طور خاص، ابتدا با جمع‌آوری 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 پیش‌بینی موفقیت استارت‌آپ‌ها ارائه شده‌است. این مدل در مقایسه با مدل‌‌های گذشته بهبود‌ قابل توجهی داشته است.

predicting the success of startups using machine learning

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.