Previsão do potencial de sucesso de startups brasileiras: aplicação de algoritmos de machine learning como ferramenta de apoio à tomada de decisão de investimento (2024)
- Authors:
- Autor USP: TRUGILHO, MARCUS VINICIUS DE ALMEIDA - FEA
- Unidade: FEA
- Sigla do Departamento: EAD
- DOI: 10.11606/D.12.2024.tde-28032025-175704
- Subjects: EMPREENDEDORISMO; APRENDIZADO COMPUTACIONAL; CAPITAL DE RISCO; TOMADA DE DECISÃO (ADMINISTRAÇÃO EXECUTIVA)
- Keywords: Machine learning; Startups; Early-stage investment; Entrepreneurship; Investimento early-stage; Métricas de sucesso; Success metrics
- Language: Português
- Abstract: Diante do crescente número de startups e da limitada disponibilidade de recursos, o processo de decisão de investimentos em negócios emergentes é marcado por incertezas e complexidades. Investidores enfrentam o desafio de filtrar centenas de propostas de novos negócios, em busca de projetos com maior probabilidade de sucesso, considerando que menos de 50% das startups que recebem investimento semente (seed) avançam para rodadas subsequentes de captação. No Brasil, esse cenário é ainda mais desafiador, com cerca de 70% das startups falhando em garantir investimentos na fase Série A. Com base nesses desafios, o objetivo deste trabalho foi desenvolver um artefato para prever o potencial de sucesso de startups brasileiras, que se encontram em estágio inicial de desenvolvimento (early-stage), ou seja, startups que têm o potencial de atingir uma Receita Anual considerável, expandir seus respectivos quadros de funcionários e avançar para novas etapas de investimento, por meio da aplicação de técnicas de data science (ciência de dados) e de modelagem de machine learning (aprendizado de máquina), como instrumento de apoio na tomada de decisão de investimento por parte de investidores. Utilizando algoritmos de classificação, como Random Forest e XGBoost, em um modelo combinado (ensemble), com análise de componentes principais (PCA), foi atingido 100,0% de precisão nos resultados, com 67,47% de sensibilidade (recall) e 94,18% de F1 score na previsão do potencial de sucesso dasstartups, com destaque para os principais fatores que influenciam esse resultado: investidores, indústria/mercado, número de colaboradores, fundadores, localização da empresa, existência de investimentos realizados e tempo de existência. Os resultados obtidos estão em linha com diversos estudos realizados em diferentes países, que mostram que modelos de machine learning podem ser usados para selecionar startups que podem ter alto potencial de sucesso, reduzindo o tempo necessário para as etapas iniciais de filtragem e aumentando a segurança nas decisões de investimento. A contribuição teórica deste estudo reside tanto na análise da utilização de machine learning para prever o sucesso potencial de startups no cenário brasileiro, quanto em pesquisas futuras por ter analisado profundamente as métricas de definição de sucesso de uma startup e dos fatores que o influenciaram. Na prática, essa pesquisa indica que modelos preditivos em processos de investimento não apenas aceleram as tomadas de decisões, como também contribuem para desenvolver um ecossistema de startups mais robusto e eficiente no Brasil. A aplicação dessa tecnologia, em larga escala, tem potencial para transformar o cenário de investimentos, beneficiando todos os atores envolvidos no ecossistema de inovação e de empreendedorismo
- Imprenta:
- Data da defesa: 09.12.2024
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
TRUGILHO, Marcus Vinicius de Almeida. Previsão do potencial de sucesso de startups brasileiras: aplicação de algoritmos de machine learning como ferramenta de apoio à tomada de decisão de investimento. 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/12/12142/tde-28032025-175704/. Acesso em: 23 jan. 2026. -
APA
Trugilho, M. V. de A. (2024). Previsão do potencial de sucesso de startups brasileiras: aplicação de algoritmos de machine learning como ferramenta de apoio à tomada de decisão de investimento (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/12/12142/tde-28032025-175704/ -
NLM
Trugilho MV de A. Previsão do potencial de sucesso de startups brasileiras: aplicação de algoritmos de machine learning como ferramenta de apoio à tomada de decisão de investimento [Internet]. 2024 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/12/12142/tde-28032025-175704/ -
Vancouver
Trugilho MV de A. Previsão do potencial de sucesso de startups brasileiras: aplicação de algoritmos de machine learning como ferramenta de apoio à tomada de decisão de investimento [Internet]. 2024 ;[citado 2026 jan. 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/12/12142/tde-28032025-175704/
Informações sobre o DOI: 10.11606/D.12.2024.tde-28032025-175704 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
