Den framtida potentialen för startups i ett tidigt skede kan bedömas utifrån deras befintliga professionella relationer, forskning ledd av ett team vid Queen Mary University of London tyder på.

Med hjälp av tillgängliga onlinedata från 41, 380 företag samlade under 25 år, forskargruppen skapade ett visuellt nätverk för att visa kopplingar mellan företag och deras anställda.

De fann att unga startups som snabbt får en central position inom nätverket är mer benägna att visa tecken på långsiktig ekonomisk framgång.

Teamet använde sedan detta tillvägagångssätt för att utveckla framgångsförutsägelsealgoritmer, som visade sig vara två till tre gånger mer exakta när man förutsäger framtida ekonomisk prestation än nuvarande arbetsintensiva screeningmetoder som antagits av riskkapitalföretag.

Resultaten publiceras idag i Vetenskapliga rapporter .

Startups rangordnades baserat på deras värderingar "närhetscentralitet", som mäter ett företags genomsnittliga avstånd från andra företag inom nätverket. Resultaten indikerar det förutsägande sambandet mellan ranking och långsiktig framgång, med 30 % av de 20 bästa företagen varje månad som uppnår ett positivt ekonomiskt resultat inom sju år.

Forskarna kunde validera sitt tillvägagångssätt genom att granska rankingen av välkända framgångsrika företag som Facebook, Uber och Airbnb över tid. De upptäckte att dessa företag snabbt flyttade till höga positioner strax efter att de grundades.

Uppgifter om finansieringsomgångar, förvärv och börsintroduktioner användes alla som mått på uppstartsframgång.

Dr Moreno Bonaventura, tidigare Ph.D. student vid Queen Mary och Chief Scientist på Startup Network, sa:"Människorna inom ett företag, oavsett om det är investerare, anställda eller rådgivare, ta med sig erfarenhet från andra företag om effektiva strategier, kunskap om spjutspetsteknik, och sina egna personliga kontakter. Globala nätverk är ryggraden genom vilken kunskap erhålls och delas, och denna information kan användas för att bygga prediktiv intelligens om unga företags framtida ekonomiska resultat."

Dr. Lucas Lacasa, Läsare i tillämpad matematik och teknik och fysikaliska forskningsråd (EPSRC) Early Career Fellow vid Queen Mary, sa:"Traditionellt historiska rapporter om försäljning, tillväxt eller marknadsstorlek används för att förutsäga framtida framgångar men med nystartade företag är denna datanivå vanligtvis inte tillgänglig. Istället används mått som grundande entreprenörers kvalifikationer och egenskaper, vilket kan vara subjektivt såväl som arbetskrävande. Vi föreslår att denna roman, datadrivet tillvägagångssätt skulle kunna komplettera befintliga screeningmetoder som används av investerare och vi förväntar oss att ytterligare förfining kan förbättra prediktionsnoggrannheten ännu mer."