Проблема

Группа ангельских инвесторов, OneGrand Capital, работает с небольшими стартапами, предоставляя финансирование на стадии pre-seed и seed. Поскольку размер инвестиций обычно невелик, они сотрудничают с множеством стартапов для поддержки их бизнес-моделей. Однако процесс отбора заявок на финансирование был полностью ручным. Команда оценила компании, изучая профили основателей, бизнес-модели и финансовые цели, что занимало много времени.

Решение

Компания Neuralgo совместно с командой OneGrand Capital выявила семь ключевых параметров, по которым 80% компаний могли быть оценены для отбора. Затем была разработана метрика для автоматической классификации заявок.

1. Сбор данных: Команда Neuralgo собрала данные из трех источников:
   • Профили основателей из LinkedIn и резюме.
   • API инновационного портала, который использовался для сбора заявок.
   • Ручное исследование текущих технологических трендов.
2. Предобработка данных: С использованием Python и Amazon SageMaker были обработаны профили основателей и данные из инновационного портала.
3. Анализ и модель: Проведен кластерный анализ для выявления ключевых слов, связанных с определенной отраслью. Затем была использована поддерживающая векторная машина (SVM) для определения наиболее значимых параметров успеха компаний. Обработанные данные стали основой для обучения модели случайного леса, которая автоматически отбирает потенциальных кандидатов на финансирование.

В результате внедрения автоматизированного процесса OneGrand Capital удалось сократить время на отбор заявок более чем на 74%.

Архитектура решения