Анализ финансирования и результатов 100 тысяч стартапов

Исследование модельных данных для прогнозирования IPO, поглощения или закрытия. Набор данных предназначен для машинного обучения, анализа данных и прогнозирования результатов. Он охватывает ключевые факторы, влияющие на рост, финансирование и итоговый результат компании. Каждая запись помечена итоговым результатом, что позволяет строить модели для предсказания того, добьется ли компания успеха или закроется.

Анализ матрицы Phik-корреляции и распределения результатов компаний позволил выявить несколько ключевых трендов:

• Выручка и количество активных пользователей - основные предикторы успеха стартапа
• Опыт основателей важен
• Успех зависит от раундов финансирования
• Выбор "хайповой" ниши оказался менее важен

🛠 Инструменты: #Tableau, корреляционный анализ Phik на #Python

Дашборд и ключевые выводы сделаны на основе синтетических данных, однако заложенная логика полностью применима к реальным сценариям. Используя этот подход и структуру данных, можно провести аналогичное исследование на реальных кейсах для выявления факторов успеха и неудач стартапов.

🔗 По ссылке исследуйте данные на интерактивном дашборде и оцените ключевые наблюдения. Будем рады узнать Ваше мнение: какой показатель вы считаете ключевым при оценке стартапа на ранней стадии? Давайте обсудим в комментариях! 👇