El apoyo institucional a emprendedores: mejora de la tasa de rendimiento mediante técnicas de inteligencia artificial
- Autores: Manuel Chaves Maza
- Directores de la Tesis: Eugenio M. Fedriani (dir. tes.)
- Lectura: En la Universidad Pablo de Olavide ( España ) en 2020
- Idioma: español
- Tribunal Calificador de la Tesis: Flor María Guerrero Casas (presid.), José Carlos Casillas Bueno (secret.), Juan Núñez-Valdés (voc.)
- Programa de doctorado: Programa de Doctorado en Administración y Dirección de Empresas por la Universidad Pablo de Olavide
- Materias:
- Enlaces
- Tesis en acceso abierto en: RIO
- Resumen
Los servicios públicos de apoyo a emprendedores forman parte de la agenda política como unos de los programas con mayor difusión a nivel mundial, avalados por multitud de ex-pertos que subrayan su importancia en el desarrollo económico y la creación de empleo, y más aún en plena crisis mundial provocada por el Covid-19. De hecho, el presupuesto asignado a los organismos públicos que se dedican a poner en marcha de manera operati-va estos servicios es cada vez mayor en muchos países desarrollados. El presente estudio trata de predecir la probabilidad de éxito, supervivencia y fracaso de los emprendedores, así como saber cuáles son los factores principales que inciden, a través de un análisis comparativo entre diferentes técnicas de análisis clásico multivariante y otras técnicas de inteligencia artificial más avanzadas. Se pretende ayudar a la mejora en la eficiencia en el uso de recursos públicos al incidir en aquellos servicios de apoyo que incrementarían la viabilidad del proyecto y el éxito en función de las características del entorno y de los emprendedores. La metodología de análisis se aplicó sobre una base de datos de 2.221 emprendedores y 769 variables. Después de valorar los resultados, quedan patentes las limitaciones de la metodología clásica y las ventajas de otras técnicas más avanzadas co-mo las redes neuronales (con un nivel de predicción del 98%). Se deja abierta la posible aplicación de otras técnicas en el futuro, así como el diseño e implementación del modelo predictivo en las instituciones de apoyo al emprendimiento.
