International Journal of Data Science에 발표된 연구에서는 머신 러닝을 사용하여 디지털 경제에서 운영되는 비즈니스의 수명 주기를 예측했습니다. 이 연구는 기업과 정책 입안자들이 빠르게 변화하는 기술 환경에서 기업의 수명, 부상, 몰락 또는 인수 가능성을 이해하는 데 도움이 될 수 있습니다.
중국 산둥성 지난에 있는 치루 사범 대학교의 슐레이 인(Shulei Yin)은 그래디언트 부스팅 회귀 트리(GBRT) 모델을 사용하여 대규모 데이터 세트 내에서 필요한 복잡한 비선형 관계를 처리했습니다. 그녀는 생존 분석의 두 가지 도구, 즉 Kaplan-Meier 생존 곡선과 가속 고장 시간(AFT) 모델을 사용하여 이를 적용했습니다.
각 도구는 접근 방식에 무언가를 제공합니다. GBRT 모델은 예측 정확도를 개선합니다. Kaplan-Meier 곡선은 시간 경과에 따른 기업의 생존 확률을 추정할 수 있습니다. AFT 모델은 경쟁 또는 기업 규모와 같은 외부 변수가 회사 개발의 여러 단계를 가속화하거나 늦출 수 있는 방법을 정량화합니다.
이 조합의 결과는 이전의 더 간단한 모델보다 훨씬 더 높은 정확도를 제공하는 예측입니다. 이 작업은 시작, 성장, 성숙 및 쇠퇴의 전통적인 비즈니스 수명 주기가 경제적으로 불안정해졌다는 점을 감안할 때 시의적절합니다. 클라우드 컴퓨팅, 인공 지능, 빅 데이터 분석과 같은 디지털 기술은 진입 장벽을 낮추고 혁신 일정을 단축했습니다.
이는 일부 기업이 빠르게 규모를 확장하거나, 즉흥적으로 전략을 변경하거나, 환경과 소비자 선호도가 바뀔 때 갑자기 시장을 잃을 수 있음을 의미합니다. 이러한 변동성으로 인해 민간 부문이든 공공 부문이든 디지털 활동에 관련된 모든 사람이 자신의 운영에 의존하게 된 회사에서 상황이 어떻게 전개될지 예측하기가 더 어려워집니다.
따라서 이 연구는 디지털 비즈니스 세계에서 더 많은 확실성을 가질 수 있는 잠재력을 제공합니다. 어떤 스타트업이 번창하고 살아남을지 예측할 수 있다면 다른 스타트업들도 그에 따라 자신의 전략을 조정할 수 있습니다. 그들은 예측된 수명에 따라 공급망 및 자원을 선택할 수 있으며, 갑자기 현장에서 사라질 수 있는 기업과 거래하는 것을 피할 수 있습니다.
이상의 기사는 2025년 5월 12일 TechXplore에 게재된 “Using AI to predict survival probabilities of start-up companies”제목의 기사내용을 편집하여 작성하였습니다.
* 원문정보 출처 : Using AI to predict survival probabilities of start-up companies
* 추가정보 출처 : Life cycle prediction and survival model construction of digital economy enterprises integrating survival analysis | International Journal of Data Science