Explorando los Factores del Éxito y Fracaso en Startups.

Abstract

El presente proyecto se centra en el desarrollo de modelos predictivos para estimar el éxito o fracaso de startups, considerando factores clave como el financiamiento, la experiencia del equipo fundador y las características del sector. Ante una alta tasa de fracaso, el objetivo es anticipar con mayor precisión qué startups tienen mayor probabilidad de sobrevivir y crecer. Se han implementado tres algoritmos de clasificación supervisada: Regresión Logística, Árbol de Decisión y Random Forest, evaluando su capacidad para identificar correctamente las startups que han conseguido cierto nivel de éxito. El modelo de Regresión Logística mostró el mejor rendimiento para identificar casos de éxito. Este trabajo demuestra cómo los modelos predictivos, pero también otras técnicas de aprendizaje supervisado, pueden apoyar la toma de decisiones estratégicas en las fases iniciales de una startup, facilitando la identificación temprana de factores clave para su éxito.