Tech

AI ใหม่ทำนายความสำเร็จของบริษัทสตาร์ทอัพ

เกือบ 90% ของการเริ่มต้นล้มเหลว และมีเพียงไม่กี่คนที่ประสบความสำเร็จ 21.5% ของสตาร์ทอัพล้มเหลวในปีแรก 30% ในปีที่สอง 50% ในปีที่ห้า และ 70% ในปีที่ 10

สิ่งนี้มีความเสี่ยงที่จะเสี่ยง นายทุนและนักลงทุนรายอื่นๆ ในบริษัทระยะเริ่มต้น

นักวิทยาศาสตร์ที่ KeAi Communications ได้พัฒนา AI ใหม่เพื่อระบุว่าบริษัทสตาร์ทอัพรายใดมีแนวโน้มที่จะประสบความสำเร็จมากกว่า AI ถูกสร้างขึ้นโดยใช้แบบจำลอง แมชชีนเลิร์นนิง ที่ได้รับการฝึกฝนเกี่ยวกับผลการดำเนินงานในอดีตของบริษัทมากกว่า 1 ล้านแห่ง ผลลัพธ์คือเครื่องมือ Venhound ที่มีศักยภาพในการช่วยให้นักลงทุนระบุยูนิคอร์นตัวต่อไปได้

เมื่อทำการทดสอบ แบบจำลองสามารถทำนายผลลัพธ์ของบริษัทได้อย่างแม่นยำถึง 90% ซึ่งหมายความว่า 9 ใน 10 บริษัท ได้รับการประเมินอย่างถูกต้อง

Sanjiv Das ศาสตราจารย์ด้านการเงินและวิทยาศาสตร์ข้อมูลที่ Leavey School of Business ของ Santa Clara University ในสหรัฐอเมริกากล่าวว่า “งานวิจัยชิ้นนี้แสดงให้เห็นว่ากลุ่มของโมเดลการเรียนรู้ของเครื่องที่ไม่ใช่เชิงเส้นที่ใช้กับข้อมูลขนาดใหญ่มีศักยภาพมหาศาลในการแมปชุดคุณลักษณะขนาดใหญ่กับผลลัพธ์ทางธุรกิจได้อย่างไร ซึ่งเป็นสิ่งที่ไม่สามารถทำได้ด้วยแบบจำลองการถดถอยเชิงเส้นแบบเดิม”

นักวิทยาศาสตร์ได้พัฒนาชุดแบบจำลองใหม่ที่การมีส่วนร่วมร่วมกันของแบบจำลองนั้นมีค่ามากกว่าศักยภาพในการทำนายของแต่ละคนเพียงอย่างเดียว โมเดลแต่ละแบบจัดประเภทบริษัท โดยจัดหมวดหมู่ความสำเร็จหลายหมวดหรือหมวดหมู่ความล้มเหลวที่มีความน่าจะเป็นเฉพาะ

ตัวอย่างเช่น บริษัทอาจมีแนวโน้มที่จะประสบความสำเร็จมากหากทั้งมวลกล่าวว่ามี ความน่าจะเป็น 75% ที่จะอยู่ในประเภท IPO (จดทะเบียนในตลาดหลักทรัพย์) หรือ ‘ได้มาโดยบริษัทอื่น’ ในขณะที่การคาดการณ์เพียง 25% เท่านั้นที่จะตกอยู่ในหมวดหมู่ที่ล้มเหลว

โมเดลได้รับการฝึกอบรมเกี่ยวกับข้อมูลที่มาจาก Crunchbase ข้อสังเกต Crunchbase ถูกรวมเข้ากับข้อมูลสิทธิบัตรจาก USPTO (United States Patent and Trademark Office)

ด้วยธรรมชาติของ Crunchbase ที่มาจากฝูงชน จึงไม่แปลกใจเลยที่จะรู้ว่าบางบริษัท ‘ รายการข้อมูลขาดหายไป การสังเกตนี้เป็นแรงบันดาลใจให้ผู้เขียนวัดปริมาณข้อมูลที่ขาดหายไปสำหรับแต่ละบริษัท และใช้ค่านี้เพื่อป้อนแบบจำลอง การสังเกตนี้กลายเป็นหนึ่งในคุณสมบัติที่สำคัญที่สุดในการพิจารณาว่าบริษัทจะได้รับหรือล้มเหลว

หัวหน้าผู้เขียน Greg Ross จาก Venhound Inc. กล่าวว่า “โมเดลประกอบพร้อมกับคุณสมบัติข้อมูลใหม่ สร้างระดับความแม่นยำ ความแม่นยำ และการเรียกคืนที่เกินการศึกษาอื่นๆ ที่คล้ายคลึงกัน นักลงทุนสามารถใช้สิ่งนี้เพื่อประเมินโอกาสได้อย่างรวดเร็ว เพิ่ม flag สีแดงที่อาจเกิดขึ้น และตัดสินใจอย่างชาญฉลาดมากขึ้นเกี่ยวกับองค์ประกอบของพอร์ตการลงทุนของพวกเขา”

การอ้างอิงวารสาร:

  • Greg Ross et al. , CapitalVX: โมเดลการเรียนรู้ของเครื่องสำหรับการเลือกสตาร์ทอัพและการคาดการณ์ทางออก, The Journal of Finance and Data Science (2021) ดอย: 10.1016/j.jfds.2021.04.001
      • ตรัง chủ
      • ธุรกิจ
      • อาหาร

      ไลฟ์สไตล์

    เทค

  • การตลาดดิจิทัล (Digital การตลาด)
    • Back to top button