В пресс-службе Томского политехнического университета (ТПУ) сообщили, что специалисты вуза провели комбинированное исследование более 2 тыс. российских компаний, сталкивающихся с застойными явлениями или длительным падением выручки. Результаты показали, что применение алгоритмов машинного обучения увеличивает точность прогнозов потенциального роста таких компаний до 65−67%.
По словам представителей ТПУ, использование машинного обучения позволяет значительно повысить эффективность прогнозирования. Если успешность случайного выбора компаний составляет всего 13−17%, то алгоритмы демонстрируют эффективность, достигающую 58−63%. Это особенно важно для инвесторов и политиков, стремящихся определить компании, способные к восстановлению.
Исследователи выделили два типа роста: умеренный долгосрочный, когда компания демонстрирует рост продаж более 10% в год, и быстрый, с общим темпом роста свыше 60% за четыре года. Ученые акцентируют внимание на компаниях, восстанавливающихся после стагнации, что позволяет разработать более точные прогнозы в условиях экономической неопределенности.
По мнению одного из авторов исследования, доцента Бизнес-школы ТПУ Владислава Спицына, результаты работы могут помочь фирмам с ограниченными ресурсами определить наиболее перспективные стратегии для возобновления роста. Исследование выполнено при поддержке гранта Российского научного фонда и опубликовано в международном журнале Journal of Open Innovation.
