Analysis and predictions of success and failure factors of startups

Abstract

Landskapet innenfor næringslivet endrer seg stadig, spesielt med oppkomsten av oppstartsselskaper som representerer en betydelig fremgang innen innovasjon. Til tross for deres transformative potensial, står oppstartsselskaper overfor utfordringer i reisen fra konsepsjon til en bærekraftig virksomhet, noe som fører til en ganske høy nedleggelsesrate i de første årene. Denne bacheloroppgaven utforsker potensielle faktorer som påvirker oppstartsselskapers suksess eller fiasko. Avhandlingen utforsker nøkkelfaktorer for suksess ved å analysere data fra Kaggle, der fokuset er rettet mot variabler som lokasjon, kategori, tid, finansiering, relasjoner og suksessrater. Det er viktig å påpeke at datasettet samler oppstartsselskaper fra 1984 til 2012, og fanger opp en periode med eksponentiell teknologisk vekst, men også finanskriser. Antagelser gjort gjennom data utforskning avslører interessante trender, inkludert innflytelsen av lokasjon på finansiering og korrelasjonen mellom relasjoner og oppstarts suksess. Studien kaster også lys på påvirkningen av økonomiske hendelser, som finanskrisen i 2008, og investorenes forsiktige tilnærming til oppstartsselskaper etter denne hendelsen. Disse antagelsene ble forsterket gjennom sekundære data. Empiriske resultater fremhever betydningen av relasjoner, milepæler og inkludering i de 500 største selskapene som sentrale suksessfaktorer for oppstartsselskaper. En grundig undersøkelse av ulike modeller, inkludert binomial logistisk regresjon, naive bayes, Decision Tree Classifier og kunstige nevrale nettverk, gir innsikt i prediktive evner og kaster lys over utfordringer som overtilpasning. Denne bacheloroppgaven bidrar ikke bare til den akademiske forståelsen av suksessfaktorer for oppstartsselskaper, men gir også praktiske innsikter for fremtidige entreprenører. Funnene understreker den mangefasetterte naturen til oppstartsdynamikken og potensialet til forretningsanalyse i å navigere den usikre terrenget til entreprenørskap.

The landscape of business is forever changing, especially with the rise of startups, representing this major shift in innovation. Despite their transformative potential, navigating the journey from conception to a sustainable venture, startups are faced with challenges, leading to a quite high closure rate within the first years. This thesis explores potential factors influencing startup success or failure.

This thesis explores key success factors by analyzing data obtained from Kaggle, where the focus is set on variables such as location, category, time, funding, relationships, and success rates. It is important to point out that the dataset gathers startups from 1984 to 2012, capturing a period of exponential technological growth but also financial crisis.

Assumptions made from data exploration reveals interesting trends, including the influence of location on funding and the correlation between relationships and startup success. The study also puts light on the impact of economic events, such as the 2008 financial crisis, and the cautious approach of investors to startups after this event. Those assumptions were reinforced through secondary data.

Empirical results highlight the significance of relationships, milestones, and inclusion in the top 500 companies as major success factors for startups. A detailed examination of various models, including binomial logistic regression, naive bayes, decision tree classifier, and artificial neural networks, provides insights into predictive capabilities and sheds light on challenges such as overfitting.

This thesis not only contributes to the academic understanding of startup success factors but also offers practical insights of future entrepreneurs. The findings underscore the multifaceted nature of startup dynamics and the potential of business analytics in navigating the uncertain terrain of entrepreneurship.