기술 발전과 혁신의 가속화로 수많은 딥테크 기반 스타트업이 등장하면서, 창업 생태계는 그 어느 때보다 활발하게 움직이고 있습니다.

그러나 동시에 상당수의 스타트업은 시드(seed) 또는 초기 투자 이후 후속 투자를 유치하지 못하고 시장에서 퇴장하는 경우가 적지 않습니다.

​

이러한 환경에서 투자자는 한정된 자원으로 어떤 기업이 성장 가능성이 높은지 판단해야 하는 과제를 안고 있습니다.

문제는 전통적인 재무 지표나 창업자 이력만으로는 판단하기 어려워지고 있다는 점입니다.

​

창업자의 네트워크 위치와 협업 구조를 기반으로 후속 투자 가능성을 예측한 머신러닝 기반 분석 연구^[1]를 소개합니다.

​

​

​

초기 창업기업의 투자 판단은 한정된 정보로 인해 불확실성이 높고 정량적 기준이 부족합니다.

또한, 기존 스타트업 투자 관련 연구는 대체로 재무 지표나 창업자 스펙 중심이었으며, 창업 생태계 내 네트워크 상호작용 데이터는 잘 활용되지 않았습니다.

특히, 현실에서 창업자는 창업지원기관, 투자자, 멘토 등과 다층적으로 연결되어 있으며, 이 구조적 위치가 향후 투자 유치 가능성과 밀접한 연관이 있을 수 있다는 점이 간과되었습니다.

​

​

​

여기에서는 2013~2020년 간 팁스(TIPS: Tech Incubators Program for Startups) 사업을 지원받은 창업기업 데이터를 수집하였습니다.

이 중 후속투자의 규모가 Series A 이상을 '상', 이하를 '하'로 구분합니다. 즉, 후속투자의 규모가 높은 기업과 낮은 기업을 분류합니다.

​

그리고 창업자 또는 투자자를 노드, 투자 관계를 링크로 정의하여 네트워크를 구성합니다.

그리고 이 네트워크에서 각 창업자 또는 투자자의 연결 정도(Degree), 거리 기반 중심성(Closeness), 속한 커뮤니티 등을 파악합니다.

마지막으로, 네트워크 분석 결과를 기존 사업 성과와 함께 학습시켜, 일정 규모 이상의 후속 투자 성공 여부를 예측합니다.

​

​

​

먼저, 창업 기업(창업자)와 투자 기업(투자자) 정보를 추출하여, 아래와 같이 네트워크로 구조화 합니다(2-모드 네트워크).

​

그리고, 투자 기업 중복도를 기반으로 창업 기업 간 공통 투자자 네트워크를 만듭니다.

즉, 같은 투자자로부터 투자를 받은 창업자는 서로 연관이 있다고 가정합니다.

​

반면, 투자 기업 간 네트워크도 구성합니다.

창업 기업에 투자하는 투자자의 중요도 역시 창업 기업의 투자 성공 여부를 결정하는 핵심 요인이 될 수 있기 때문입니다.

​

​

창업자/투자자 간 네트워크에서 각 기업의 중심성과 응집 그룹(커뮤니티)를 분석합니다.

네트워크 분석 결과는 다음과 같이 이해할 수 있습니다.

​

• 중심성이 높은 창업 기업: 같은 투자자가 투자한 다른 회사가 많음을 의미하며, 결과적으로 투자 규모와 빈도가 높은 투자사에서 투자한 회사로 볼 수 있음

• 중심성이 높은 투자 기업: 여러 투자자와 연결 되어 영향력이 큼

• 창업 기업 커뮤니티: 유사한 투자자들에게 투자를 받은 창업 기업 클러스터. 커뮤니티 내에서는 정보나 자원이 빠르고 효율적으로 공유될 수 있음

​

​

마지막으로, 창업 기업의 기본 속성과 그래프 분석 결과를 XGBoost, Logistic Regression 등 일반 머신러닝 알고리즘으로 학습하여, 후속 투자 성공 여부를 예측하는 모델을 만듭니다.

그래프 분석 결과의 효과를 확인하기 위해, 먼저 기본 속성만 학습한 후(모델 1) 중심성, 커뮤니티 그룹 등 그래프 분석 결과를 함께 학습하였습니다(모델 2)

​

<학습 데이터 - 창업 기업의 속성>

​

<비교 모델>

​

​

​

그래프/네트워크 기반 정보를 활용한 머신러닝 모델은 기존 모델보다 예측 정확도가 5~15% 개선되었습니다.

​

<모델별 정확도 비교>

​

특히, 여기에서는 각 변수가 모델의 정확도를 개선하는데 어느 정도의 영향력을 가지는지를 확인하기 위해 변수 중요도(Feature Importance)를 계산하였습니다.

​

그 결과, 그래프 분석 결과 중 창업자가 핵심 커뮤니티에 소속되어 있는지와 투자자의 근접 중심성(Closeness Centrality)가 중요한 변수로 작용한 것을 확인할 수 있었습니다. 이는 스타트업의 외형 정보만으로는 예측할 수 없는 ‘관계 구조의 힘’을 정량적으로 증명한 결과로 평가할 수 있습니다.

​

​

기존의 투자 심사 방식은 재무지표나 창업자의 개인 이력에 초점을 두었습니다.

하지만 창업자 간의 네트워크 연결 구조가 후속 투자 가능성에 실질적인 영향을 미친다는 연구 결과는 데이터 기반의 투자 의사결정이 필요한 경우에 중요한 시사점을 제공합니다.

​

​

​

(주) 사이람

www.netminer.com

1660-4230 | netminer@cyram.com

References

[1] 김선우, 이윤아, 서정민 and 김강민. (2024). 머신러닝 모형을 활용한 창업기업의 후속투자 결정요인 분석. 벤처창업연구, 19(6), 161-174.