Un investigador de la Universidad de Texas en Arlington ha creado un nuevo método que utiliza técnicas de análisis de datos grandes y minería de texto para mejorar la inteligencia de mercado y explicar las posibles fusiones y adquisiciones de empresas nuevas en la industria de alta tecnología de rápido movimiento.
"Los gigantes de la industria como Google, Microsoft y Yahoo están gastando decenas de miles de millones de dólares al año en la adquisición de empresas más pequeñas para ingresar al mercado, propiedad intelectual estratégica y empleados talentosos, pero enfrentan un desafío real para identificar empresas con los productos o la tecnología adecuados en elvasto universo de inicio ", dijo Gene Moo Lee, profesor asistente de UTA de Sistemas de Información y Gestión de Operaciones.
"Nuestro nuevo enfoque utiliza análisis de big data y una técnica de minería de texto llamada modelado de temas para identificar posibles coincidencias", agregó Lee. "Al analizar descripciones no estructuradas y disponibles públicamente del negocio de cualquier startup, podemos cuantificar el negocio de dos empresas, proximidad geográfica, de inversores y social y, a partir de ahí, identificar objetivos potenciales para fusiones y adquisiciones "
Los investigadores han demostrado la aplicabilidad de su investigación al desarrollar un sistema de información basado en la nube basado en su método e incluso han lanzado una nueva compañía, Topic Technologies, que utiliza el sistema para ofrecer servicios de inteligencia de mercado a competidores, inversores, objetivos de adquisicióny socios comerciales potenciales para empresas y nuevas empresas en todo el sector de alta tecnología.
Mary Whiteside, presidenta interina de Sistemas de Información y Gestión de Operaciones dentro de la Facultad de Negocios de UTA, enfatizó que esta investigación forma parte integral del enfoque estratégico de UTA en el descubrimiento basado en datos dentro del Plan Estratégico 2020: Soluciones audaces | Impacto global.
"Esta investigación demuestra la potencial transformación que el análisis de big data puede aportar a la inteligencia empresarial con el uso de fuentes de datos externas y la minería de texto, dijo Whiteside". El modelado de temas brinda a los empresarios, capitalistas de riesgo y analistas una nueva forma de navegar el panorama en constante cambio defusiones y adquisiciones."
Para el análisis inicial, los investigadores utilizaron información disponible públicamente de la base de datos de inicio CrunchBase en 24,382 empresas, la gran mayoría de las cuales eran empresas privadas, en etapas iniciales. Para cada empresa, tuvieron en cuenta la ubicación de la sede, el sector industrial,cofundadores, miembros de la junta, empleados clave, inversiones y la descripción del negocio, que generalmente se limitaba a uno o más párrafos sobre los hechos clave sobre los productos, mercados y tecnologías de las empresas.
Luego emplearon la técnica de minería de texto llamada modelado de temas, que analiza el lenguaje utilizado en las descripciones comerciales de las nuevas empresas en torno a productos, tecnologías y mercados compartidos. La proximidad comercial de las nuevas empresas se cuantificó en función de la similitud de estas descripciones de temas.
La probabilidad de una posible fusión entre dos empresas se calculó teniendo en cuenta la proximidad del negocio, la proximidad geográfica, los vínculos sociales entre las personas dentro de las dos empresas y la propiedad común de los inversores, lo que refleja la naturaleza fuertemente interconectada del mundo de inicio.
"Este enfoque basado en análisis y basado en datos ha demostrado ser efectivo para explicar las fusiones y adquisiciones en el mundo de las startups y complementa los kits de herramientas existentes para medir la proximidad del negocio", dijo Lee. "Nuestro sistema es particularmente apropiado cuando las empresas en estudio son pequeñasy de propiedad privada, por lo que la clasificación de la industria no está disponible en gran medida, como es el caso de las startups ".
Lee y sus co-investigadores Zhan Michael Shi, profesor asistente de Sistemas de Información en la Escuela de Negocios WP Carey en la Universidad Estatal de Arizona y Andrew Whinston, Profesor Presidente de Hugh Cullen en la Escuela de Negocios McCombs en la Universidad de Texas enAustin también está publicando su investigación en la revista líder Management Information Systems Quarterly como "Hacia una mejor medida de la proximidad del negocio: Modelado de temas para la inteligencia de la industria". El documento está disponible, pero actualmente está disponible como preimpresión.
Además de su investigación académica, Lee tiene una amplia experiencia en la industria en Samsung Electronics, AT&T Labs, Intel y Goldman Sachs. Sus intereses de investigación incluyen análisis de datos a gran escala con aplicaciones en ecosistemas móviles, análisis de redes sociales y seguridad en Internet.diez patentes en tecnología móvil.
Los intereses de investigación de Shi reflejan la interfaz de economía y computación, con aplicaciones en redes sociales, mercados en línea e innovación. Su investigación ha sido publicada en numerosas revistas y conferencias académicas de primer nivel.
Whinston es el profesor presidente de Hugh Cullen en el Departamento de Información, Gestión de Riesgos y Operaciones de la Escuela de Negocios McCombs de la Universidad de Texas en Austin. También es director del Centro de Investigación en Comercio Electrónico.
Fuente de la historia :
Materiales proporcionado por Universidad de Texas en Arlington . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :