Startup felvásárlások multikulturális hátterének elemzése, avagy mesterséges intelligencia alapú ellenőrzőszámítás diszkriminancia-elemzéshez Barta Gergő, Pitlik lászló SZIE, MY-X kutatócsoport 2017. 05. 12 III. Multikulturalitási Konferencia, Gödöllő
Tartalomjegyzék Az elemzés objektuma a startup Big data a startup-okról Leíró statisztikák Szignifikancia-vizsgálatok Összefoglalás Irodalomjegyzék
Az elemzés objektuma a startup „a startup nem más, mint egy olyan szervezet, amely olyan problémák megoldásán dolgozik, ahol a megoldás nem nyilvánvaló, és a siker nem garantált" (Robehmed, 2013) "startup az a szervezet, ahol az emberek folyamatosan fontolóra veszik azt a döntést, hogy megéri-e feladni a stabil állásukat, egy olyan cégért, ahol a siker nem biztosított, de lehetséges a hatalmas növekedés és a gyors hatás elérése" (Robehmed, 2013) "a startup tulajdonképp két srác egy garázsban, és nagyon dolgoznak valamin" (Harbert, 2014) a startup "tipikusan egy induló mikro-, vagy kisvállalkozás, amely innovatív ötletet valósít meg, lépésről lépésre halad a termékfejlesztésben és piacra vezetésben, tőkebefektetésre vár és nagyra tör" (Magyar Startup Közösség, 2016)
Big data a startup-okról https://data.crunchbase.com/v3/docs/excel-export Összesen: 140, 000 startup cégadat Alapítás éve Finanszírozási adatok Földrajzi adatok Működési adatok (státusz, profil stb.) Összesen: 40, 000 startup felvásárlásról adat Felvásárló Felvásárlási tranzakció pénzügyi adatai Felvásárló földrajzi adatai Több ezer hiányzó vagy rosszul kitöltött adat, ezért az adattisztítás súlya jelentős
Leíró statisztikák Startup felvásárlások (db) Legnagyobb felvásárlások az elmúlt 3 évben (db) Legnépszerűbb felvásárolt cégprofilok (%) Felvásárlások országonként (%) Érdeklődési trend az elemzés alapjául szolgáló kiválasztott startup kategóriákban
Startup felvásárlások (db) Forrás: [1] *2017. május 1-jével bezárólag
Legnagyobb felvásárlók az elmúlt 3 évben (db) Forrás: [1] *2017. május 1-jével bezárólag
Legnépszerűbb felvásárolt cégprofilok (%) Forrás: [1] *2017. május 1-jével bezárólag
Felvásárlások országonként (%) USA és USA nélkül Forrás: [1] *2017. május 1-jével bezárólag
Érdeklődési trend a kiválasztott kategóriákban Forrás: [2] *2017. május 1-jével bezárólag
Szignifikancia-vizsgálatok Diszkriminancia-elemzés Neurális háló modell Hasonlóságelemzés
Kategória adatok* Forrás: saját számítások Startup kategóriák Átlagos finanszírozási körök (db) Átlagos egy főre jutó finanszírozás értéke (1000USD) Átlagosan eltelt napok száma az alapítás és felvásárlás között Átlagosan eltelt napok száma az első finanszírozás és a felvásárlás között Átlagosan eltelt napok száma az utolsó finanszírozás és felvásárlás között Átlagosan eltelt napok száma az alapítás és az első finanszírozás között Átlagosan eltelt napok száma az alapítás és utolsó finanszírozás között Enterprise Software 2.89 634 2,549 1,627 753 922 1,796 Cloud Services 2.64 264 2,295 1,470 669 826 Fintech 2.44 318 2,232 1,528 888 704 1,344 Összesen/Átlagosan 2.72 444 2,400 1,553 748 848 1,652 Kategória-hatás szignifikáns nem szignifikáns Forrás: saját számítások *Ez nem vonatkozik páronként a kategóriátlagokra
Diszkriminancia-elemzés Z = a0 + a1 X1 + a2 X2 + a3 X3 + ... + an Xn ahol: a0 = konstans, a1, a2, a3, ... an = diszkrimináló koefficiensek, X1, X2, X3, ... Xn = független változók
Felvásárláselemzés - Ország-azonosság Felvásárlás (ország-azonosság) Becslés Összesen -1 1 Teljes adathalmaz db (tény) 91 54 145 274 333 607 % 63% 37% 100% 45% 55% USA kizárásával 47 34 81 10 11 21 58% 42% 48% 52% Forrás: saját számítások
Felvásárláselemzés – kontinens-azonosság Felvásárlás (kontinens-azonosság) Becslés Összesen -1 1 Teljes adathalmaz db (tény) 69 36 105 297 350 647 % 66% 34% 100% 46% 54% USA kizárásával 22 25 47 16 39 55 47% 53% 29% 71% Forrás: saját számítások
Felvásárláselemzés – nyelv-azonosság Felvásárlás (nyelv-azonosság) Becslés Összesen -1 1 Teljes adathalmaz db (tény) 44 43 87 257 408 665 % 51% 49% 100% 39% 61% USA kizárásával 27 14 41 32 29 61 66% 34% 52% 48% Forrás: saját számítások
Felvásárláselemzés – pénznem-azonosság Felvásárlás (pénznem-azonosság) Becslés Összesen -1 1 Teljes adathalmaz db (tény) 62 80 142 218 392 610 % 44% 56% 100% 36% 64% USA kizárásával 44 34 78 11 13 24 46% 54% Forrás: saját számítások
Felvásárláselemzés – Vallás-azonosság Felvásárlás (vallás-azonosság) Becslés Összesen -1 1 Teljes adathalmaz db (tény) 17 16 33 269 450 719 % 52% 48% 100% 37% 63% USA kizárásával 9 4 13 24 65 89 69% 31% 27% 73% Forrás: saját számítások
Neurális hálók
Neurális hálók
Neurális háló felvásárláselemzés – ország-azonosság Tanulási ráta: 0.1 Rejtett neuronok: 30 Epoch: 3 Felvásárlás (ország-azonosság) Becslés Összesen -1 1 USA kizárásával db (tény) 81 18 3 21 % 100% 0% 86% 14%
Hasonlóságelemzés Felvásárláselemzés – ország azonosság Felvásárlás (ország-azonosság) Becslés Összesen -1 1 USA kizárásával db (tény) 81 19 2 21 % 100% 0% 90% 10%
Összefoglalás A kategóriák (cégprofilok) hatása zömmel szignifikáns volt a stratup-mutatók tekintetében, de a kategória nem értelmezhető kulturális jelenségként diszkriminancia-elemzéssel. Neurális hálók alkalmazásával és annak finomhangolásával történt a legpontosabb előrejelzés, mely értéke 82%.
Irodalomjegyzék [1] https://data.crunchbase.com/v3/docs/excel-export [2] https://trends.google.hu/trends/explore?date=all&q=Enterprise%20Software,Fintech,Cloud %20Services [3] Robehmed N. (2013): What Is A Startup? Letöltve: www.forbes.com, http://www.forbes.com/sites/natalierobehmed/2013/12/16/what-is-a-startup /#1e23b2714c63 [4] Harbert T. (2014): Competing with Two Guys in a Garage. Letöltve: www.rewrite.ca.com, http://rewrite.ca.com/us/articles/application-economy/com peting-with-two-guys-in-a-garage.html [5] Magyar Startup Közösség (2016): Mi az a Startup? Letöltve: http://magyar-startup-kozosseg.hu/
Köszönjük a megtisztelő figyelmet! Email: Barta.Gergo@phd.uni-szie.hu & pitlik@miau.gau.hu http://miau.gauhu/miau/225/Startup_multikulti.pptx