未来最有机会上市/被收购的10家Starups？

yytellmey 发表于 2023-10-27 22:07
Startup都是private company，信息不透明，加上行业和商业环境复杂性， 几乎无法推算单一公司exit的概率， ...

That's a really good point。

我们的msg和rating/metrics可能表达的不是很好。我们本意是想通过大数据来帮助普通人来evaluate一个startup的未来，比如一个series A 的公司，过去3年融了2000万美元，投资者有PlugAndplay/Sequoia，founder来自Google VP/Snowflake Engineer，入选了CNBC Disruptor50， Forbes Cloud 100，那么历史上类似的公司多少上市了，多少破产了？然后客观展现出比例。。如果只有20%类似的企业上市了，那么model output  supposed就是20% （当然未来是希望加入real time的media coverage和domain expert opinion） 。

然后回到你的例子，每两年和一对夫妇见面，national的离婚率是10%，但model知道丈夫是博士，亚裔，妻子硕士，white，家庭年收入30w+，结婚7年，住在西雅图，有2个小孩，那么model可能可以找到类似的couple，看看类似couple的离婚率有多少，比如3%，那output就是3%。

maohappy2013 发表于 2023-10-27 22:18
数据的数量级够吗？感觉startup最多thousands？ten thousands？

嗯，美国的startup现在active的VC backed的大概有30k（https://www.barrons.com/articles ... ass-market-9890f980）。

然后所有上市公司（大概5k）以前都是startup，还有1-2k上过市然后退市的，大概有3%-10%的VC backed startup能上市 =》 过去15-20年大概有过50k - 200k的vc backed startup。

那看股票不也是一个道理

南湾第一毒舌 发表于 2023-10-28 00:09
那看股票不也是一个道理

Exactly。

唯一的不一样是上市的公司股票是在public market交易，startup的股票是在private market交易（很多有名的独角兽的股票都可以在private market买到，比如最近的stripe，chime， databricks甚至open ai等等）。

「同感普通人很难评估任何家startup未来」

有没有想过还有另外一部分用户群体，像我这样的人，找工作的时候，最大的问题不是如何评估startup的未来，而是很多时候不是听人提起，根本不知道原来还有这样的startup在招聘。

如果你这个产品「利用大数据和AI在帮助大家找startup工作的时候提供更多insight」，那么，对我而言，你给出的IPO概率反而对我而言是无效的信息，对我而言，我是否加入一个startup，不可能靠一个IPO概率，相反，你如何得出IPO概率，这个计算的模型才是我真正关注的，并且，这个模型还必须是能解释清楚，让我能够理解的。

如果一个模型是通过大数据训练出来的，那么往往这种模型是不可能用语言描述出来其背后的逻辑的。

例如，那些可以识别图像是什么东西的模型，真的可以解释给普通人听如何识别的吗？不可能的，你最多解释清楚如何识别物体的矩形区域，但是接下来这个东西是猫是狗是车子是人，那是必须输入很多训练数据来生成模型的，没人能解释清楚为什么这些数据生成的模型就是好用的。我需要的不是你给训练集然后训练出一个模型，然后这个模型给出了一个数字，这个数字就是IPO的概率。对我而言，你为什么选择这些训练数据，选择了那些维度的数据，这才是对我而言最重要的。训练数据的选择以及那些维度的选择，这才是你的真实的思考过程，这对我而言才是你的真实模型。

实际上，我认为，AI在判断startup是否能IPO或者被收购，并不是一个好的用法，甚至对于员工求职去判断是否加入，也并不该用AI。startup的数量本身并不多，每一家startup的核心成员数量也是有限的，这个量级，其实根本都达不到“大数据”的门槛，而且，一家公司最终是否能上市或者被收购，财务方面的因素非常重要，所以，通过startup的创世团队成员和财务团队相关的履历，去筛选对比，反而是更有效的方法。

johnhuull 发表于 2023-10-28 14:06
「同感普通人很难评估任何家startup未来」

有没有想过还有另外一部分用户群体，像我这样的人，找工作的 ...

》 你为什么选择这些训练数据，选择了那些维度的数据，这才是对我而言最重要的

这是个good feedback。。解释模型预测也是我们正在考虑的事情。

》 那些可以识别图像是什么东西的模型，真的可以解释给普通人听如何识别的。

模型不只是神经网络：） ，有一些模型的解释性还是可以的。

》startup的数量本身并不多， 每一家startup的核心成员数量也是有限的。。

可以参考我前面的回答，过去20年大概有100K-200k的VC backed startup（加上没有VC backed的可能更多，接近800K），算上核心成员数量，大概1M to 2M，超过了普通人能用excel统计的范畴了。

》startup的创世团队成员和财务团队相关的履历，去筛选对比，反而是更有效的方法

嗯，前面提到，founder和founding team的background也是我们正在考虑的feature。

只是分享下，关于哪些feature能帮助预测startup的未来，这几年Columbia/Harvard/Imperial等几个商学院的professor也写了几篇paper，里面有提到其他几个能帮助预测企业未来的feature，包括投资者过去的collaboration，有兴趣可以看看，我们也咨询了其中的作者作为advisor来调整我们的model。

neunicornai 发表于 2023-10-28 16:11
》 你为什么选择这些训练数据，选择了那些维度的数据，这才是对我而言最重要的

这是个good feedback。 ...

「大概1M to 2M」针对这个，我觉得这个数据量还到不了我心目中的大数据的级别。

接下来，我又想到了startup上市与否和其他AI问题的差别。以large language model为例，你的语言模型好不好，即便无法解释清楚模型的原理，用户是可以真的和你的系统进行对话的，所以用户很容易判断好不好。

而如果你的模型的输出是一个startup上市或者被收购概率，那么，在概率论的定义之下，这个概率的定义是什么？我又看了一遍，原贴没看到说明，看到你的网站，原来定义如下，一家公司有四种结果 a 上市 b 被收购 c 不是abd三种 d 失败 四种事件，所以是P(a)+P(b)+P(c)+P(d)=100%么？默认a b c d互相独立？

你如果不解释清楚你这个概率是如何定义的，那么对我而言，这个“概率”毫无意义啊。

如果真的是abcd四种事件的概率和为100%的定义，我认为这种定义对于个人的指导意义也不大。因为对个人而言，这个P(a)的数字真的没什么意义，反倒是排名有着明确的意义，排名在前的startup在你的标准之下，就是比排名靠后的好。好与坏都是相对的，考虑到能上市的公司注定是少数，所以对于用户来说有用的信息是，为什么你觉得A公司比B公司好，而不是为什么P(a)=50%还是90%。

如果说真正有用的信息是为什么A比B好，那么你的概率模型P(a)+P(b)+P(c)+P(d)=100%就有问题了，因为从这个概率的定义本身，我看不出公司之间的关系，而且，由于公司数量很多，所以注定大部分公司会有类似80.xyz%的概率，即个位数十位数都一样，唯一的差别在小数。这样的数据公布出来，似乎意义很小。

johnhuull 发表于 2023-10-28 19:02
「大概1M to 2M」针对这个，我觉得这个数据量还到不了我心目中的大数据的级别。

接下来，我又想到了st ...

哈哈。这个同学很认真。


概率那个metrics不是很合适，我是非常同意的。比如前面有同学提到，90%和80%概率上市，对普通人没有太大意义 （再者被收购不见的是坏事）。所以回去我们team里研究下怎么改进我们的rating和metrics，让它更加的合理和直观。

至于后面唯一差别在于小数这点，我随手翻了几十页我们的ranking，我没有看到这种情况，分布还是很合理的,同学可以翻下。

感兴趣，楼主能不能把你提到的商学院教授做的相关研究的paper 贴上来？

oldyoutiao 发表于 2023-10-29 02:36
感兴趣，楼主能不能把你提到的商学院教授做的相关研究的paper 贴上来？

好啊，可以邮件share给你，我们的邮件founders@neunicorn.com，或者其他方式在我们的about page，https://neunicorn.com/about/