Estudio sobre la viabilidad de las startups usando modelos predictivos probabilísticos

Abstract

En la actualidad del mundo laboral nos encontramos en la era del cambio, en la que tanto la innovación como la tecnología juegan un papel crucial. Los ecosistemas emprendedores están insurgiendo y el concepto de “startup” como modelo que reinventa el sistema tradicional aportando un valor añadido a numerosos productos y servicios ha llegado para quedarse. El crecimiento del número de startups y la retirada del mercado de otros tipos de empresa tradicionales provocan que su estudio sea muy relevante, por lo que es preciso comprender su modelo de negocio, así como sus factores de éxito o fracaso.

En el presente estudio se pretende analizar el éxito de las startups a partir de un modelo econométrico compuesto por la información de 257 startups, considerando así variables como la industria, el número de fundadores, la localización de la startup, etc. y midiéndolas respecto del número de rondas financiación obtenidas por la startup, considerando esta última variable como la independiente y la que mide su éxito. Para crear nuestro modelo utilizaremos la regresión de Poisson, interpretando así la significación de sus variables, analizando su multicolinealidad y observando su predicción. Finalmente realizaremos un pequeño modelo de Machine Learning en el que a partir de un Decisión Tree compararemos que modelo se ajusta mejor a nuestros datos.

Today's labour market is living an era of change, in which both innovation and technology play a crucial role. Entrepreneurial ecosystems are emerging and the concept of "startup" as a model that reinvents the traditional system by adding value to numerous products and services has come to stay. The growth in the number of startups and the withdrawal of other types of traditional companies from the market make their study very relevant, so it is necessary to understand their business model, as well as the factors regarding their success or failure.

This study aims to analyze the success of startups using an econometric model composed of information from 257 startups, considering variables such as industry, number of founders, location of the startup, etc. and measuring them with respect to the number of financing rounds obtained by the startup, considering this last variable as the independent one and the one that measures its success. To create our model, we will use Poisson regression, interpreting the significance of its variables, analyzing its multicollinearity, and observing its prediction. Finally, we will create a small Machine Learning model in which we will use a “Decision Tree” to compare which model best fits our data.