基于Neo4j的關聯數據評估風險投資人業績

• 基于Neo4j的關聯數據評估風險投資人業績
• • 一、前言
  • 二、戰略性地選擇正確的投資人
  • 三、在使用GraphXR前先構建圖數據
  • 四、使用GraphXR進行數據可視化
  • 五、結論

Here’s the table of contents:

基于Neo4j的關聯數據評估風險投資人業績

????這篇文章整理翻譯自Neo4j專家的分享，主要介紹使用Neo4j、GraphXR和機器學習模型來評估風險投資人業績，點擊鏈接查看更多精彩內容。Evaluating Investor Performance Using Neo4j, GraphXR and ML

一、前言

????在當今的商業環境下，風險投資已經成為創業公司越來越受歡迎和必要的融資來源。那些無法獲得銀行貸款或債務融資等其他常見資金來源的小公司，可以從富有的投資人那里獲得必要的資金支持，以換取股權。現在風投融資非常普遍，能否獲得風投往往決定著一家年輕公司的成功或失敗。

????隨著全球涌現初創公司數量激增，投資人要在大海里撈針是一個固有的挑戰。

????大多數創業公司都會失敗了，這已經不是什么秘密了。數億美元的風投基金并不少見，并且風投機構在遴選具有高增長潛力的初創公司時有很多選擇性。由于如此巨額的資金會面臨風險，所以研究過程必須徹底，投資人也可以尋求與合作伙伴共同投資，以限制風險并增加專業性。

????這種挑戰也存在于初創企業，盡管對于許多資金短缺的初創企業創始人來說，籌集資金無疑是一個巨大的壓力來源。要向大大小小的資金雄厚的投資人推銷一個創意，是有困難的。顯然，風險投資人是更有話語權的一方。

二、戰略性地選擇正確的投資人

????研究者開始為初創公司和他們的創始人分析這個矛盾的問題：如何不僅獲得投資，而且與正確的投資人合作。

????盡管“乞丐不能挑肥揀瘦”這句名言有一定的分量，但毫無疑問，投資人可以為一家年輕的公司提供的不僅僅是一張支票。如果這不是真的，那么來自一個風投公司的投資將與來自另一個風投公司的投資只會是資金量的差別。

????但是，風險投資是如何吸引年輕創業者的呢？創業公司應該關注哪些特點？值得注意的是投資人投資公司的良好記錄是一個很好的參考和開始，但研究者認為，在更廣泛的網絡中，投資人的關系是有價值的，它可能揭示一些以前未被充分利用的信息。

三、在使用GraphXR前先構建圖數據

????訓練機器學習模型可以幫助初創企業解決一些問題，但是隨之而來的是解決這個問題的方法會變得繁重。對于那些沒有高級學位或技術技能的人來說，交互式可視化幾乎為任何人提供了快速、簡單和可理解的答案。研究者提出GraphXR在這方面是一個很好的資源，因為研究者試圖通過觀察網絡結構得到過如何有助于投資人成功的信息。

????在這里可以構建了一個圖數據網絡，節點代表不同的投資人，邊代表共同的投資。共同投資被定義為兩個風險投資人在同一家初創公司，同一輪次，同一時間進行投資。邊的權重設置為共享投資的數量加權。這些數據公開來源于Crunchbase，經過一些初始數據ETL清理后，包含了創業公司、投資人、投資關系的表格——可以非常方便地注入到Neo4j圖形數據庫中。

• 投資人關聯關系的數據模型
  
• 展示數據實例
  

四、使用GraphXR進行數據可視化

????在使用GraphXR前先構建圖數據中展示的屬性圖結構，允許我們輕松而有效地創建交互式和動態的數據可視化。通過使用下面的查詢加載一個網絡樣本到GraphXR。

MATCH (n:Investor)-[:link_to]-(m:Investor) RETURN * LIMIT 1000

????通過移動、旋轉和縮放特征來探索初始形狀和結構是很簡單的，而且識別網絡中心的主要節點的能力也立刻顯現出來。毫不奇怪，這些關系密切的投資者中有許多是投資界常見的名字:Greylock Partners、Y Combinator、Draper Fisher Jurvetson和紅杉資本(Sequoia Capital)等。

????GraphXR的探索性分析支持了研究者最初的假設，即并非所有投資人都在網絡中享有平等的地位。

????對于一個夢想著這些風險投資人成為理想合作伙伴的初創公司來說，重要的是要記住，他們可能有自己的投資理念和想法。雖然有一個愿望清單很好，但深入了解這個網絡可以幫助初創公司從戰略上找到一個更合理的潛在合作伙伴名單。

????一種方法是盡可能接近這些核心投資人，要知道許多交易都涉及多個風投公司，因此，接近是一個關鍵中心節點的投資人非常重要。 通過選擇其中之一(美國著名創業孵化器(Y Combinator))，并將網絡調整為樹形結構，就很容易看到從主要的投資人擴展開來的一、二、三階關系的層次結構。
????請注意，雖然一些投資人在操作之前遠離中心(Y Combinator)，但實際上他們可能離主要參與者只有一步之遙——這是可視化工具的另一個好處。對于初創公司來說，這可能是一個有吸引力的發現。

????另一個選擇是根據投資傾向劃分投資人。我們通過調整不同的參數來實現這一點，包括當前的融資輪以及投資者的活躍程度。研究者使用的機器學習分析最終是按行業細分，只研究那些在醫療、技術或服務業等特定領域投資的投資人。

????通過上一步的維度細分，在展示模型中可以產生更強的結果，在這里使用GraphXR做過濾是快速和簡單的。

????通過逐步圖過濾，某些不滿足必要條件的節點會消失，從而很容易過濾出想要的投資人。

????從擁有超過1000名投資人的整個網絡開始，只需簡單地點擊幾下，你就會擁有一組可能更容易達成合作的投資人——這些人曾經投資過你的初創公司所在的行業，并且與某個行業巨頭關系密切。

????現在，關注點已經縮小到一小部分投資人，基于關鍵指標對他們進行衡量有助于選擇最好的投資人。就像目前為止的所有事情一樣，在這個框架中執行這些操作是很簡單的：為GraphXR繪圖選擇你的參數，然后投資人和所投輪次的圖表就產生了。

????從這里開始，在右上角選擇突出顯示投資人，可以為初創公司提供了一個可靠的合理的投資人名單，這些風險投資人可以成為很好的合作伙伴。它們緊密相連，在你的特定行業和公司發展階段都有投資的歷史模式，并且已經被證明有高于平均水平的成功率。

五、結論

????利用這樣的技術是一種高效和可擴展的方法，可以快速和簡單地回答常見問題，特別是如果不熟悉統計建模或機器學習算法。
????通過高級圖形化軟件的數據可視化可以幫助您快速獲得答案，驅動假設，并以新的獨特的方式更好地理解您的網絡數據。

總結

以上是生活随笔為你收集整理的基于Neo4j的关联数据评估风险投资人业绩的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。