Оценка венчурных инвестиций на основе анализа данных. Лучшие практики VC фондов

В работе проведено исследование практик венчурных фондов в использовании data-driven алгоритмов для принятия решений о необходимости более детального анализа стартапа. На основе сравнения 83 фондов сформулирована четырехступенчатая модель трансформации венчурного фонда: чтобы действительно перейти к data-driven способу принятия решений, фонду нужно выстроить эффективную воронку работы, научиться собирать данные, создать и обучить алгоритмы и настроить автоматический скрининг данных о проектах. Большинство фондов не раскрывает подробной информации о применяемых алгоритмах. В исследовании же продемонстрирована возможность прогнозировать факт повторного привлечения инвестиций стартапом на основе общедоступных данных с применением классификационных методов машинного обучения. R2 модели на тестовых данных превышает 0.7, что демонстрирует относительно низкий барьер для реализации трансформации способа принятия решений фондом от knowledge-driven к data-driven подходам. Работа показательна для всех игроков венчурного рынка, стремящихся лучше разобраться в тенденциях анализа и выбора стартапов, которые попадают в воронки самых крупных и успешных фондов, таких как Hatcher+, 500 startups и др.