CC BY
26
УДК 004.82; 004.832.23
И.Е. Брагина
ст. лаборант,
кафедра «Информационные системы в экономике», ФГБОУ ВПО «Волгоградский государственный технический университет»
МНОГОПАРАМЕТРИЧЕСКАЯ КЛАСТЕРИЗАЦИЯ ИННОВАЦИОННЫХ ПРОЕКТОВ НА НЕФОРМАЛЬНОМ РЫНКЕ ВЕНЧУРНОГО ИНВЕСТИРОВАНИЯ
Аннотация. В статье предложен новый подход к оценке инновационных проектов бизнес-ангелами, базирующийся на концепции построения цветографических карт с дальнейшей обработкой их нейронными сетями. Выделены наиболее значимые критерии оценки инновационных проектов на стадиях deal flow и due diligence. Каждый критерий предполагается оценивать по шести составляющим, дающим полное представление о степени его проработки. Критерии, а также его составляющие, проранжированы по степени значимости для бизнес-ангела. Предложен метод обработки цветографической карты нейронной сетью.
Ключевые слова: бизнес-ангелы, инновационный проект, критерии оценки инновационных проектов, стадии deal flow и due diligence, нейронные сети.
E.I. Bragina, Volgograd State Technical University
MULTIPARAMETER CLUSTERING OF INNOVATION PROJECTS IN INFORMAL MARKETS OF VENTURE
INVESTMENT
Abstract. There is being proposed a new approach for the evaluation of innovative projects by business angels, based on the concept of building color-graphic cards with further it's processing by neural networks. There are being selected the most important criteria for evaluation of innovative projects in the deal flow and due diligence stages. Each criterion is supposed to be evaluated by six components, giving a complete picture of the extent of his study. The criteria, as well as its components, are ranked in order of importance for a business angel. There is also being proposed a method of processing building color-graphic cards by neural network.
Keywords: business angels, innovation project, assessment criteria of innovative projects, deal flow and due diligence stages, neural networks.
Бизнес-ангельское инвестирование в его современном виде - сравнительно новое явление в мировой экономике, а в российском контексте можно говорить лишь о процессе формирования данного сегмента экономики. Бизнес-ангелами считаются инвесторы (физические и юридические лица), вкладывающие средства в малые инновационные предприятия ранних стадий развития. Размер инвестиций от бизнес-ангелов в одну компанию не превышает обычно 1 миллиона евро [4].
Венчурное и бизнес-ангельское инвестирование в России - непубличные секторы экономики, и их динамика и развитие могут быть прослежены и изучены только лишь по отдельным исследованиям и публикациям. Инвестиции, которые по своему формату могут быть отнесены к бизнес-ангельским, уже получили в России некоторое распространение. Фаза их первоначального зарождения пришлась на первую половину 1990-х годов - начало становления рыночной экономики [6]. По мере появления в стране состоятельных людей, некоторые из них готовы были вложить небольшую часть своих средств в «посевные» компании. В основном это были проекты родственников и знакомых, бывших научных коллег [4]. В таблице 1 приведены предпочтения российских бизнес-ангелов при выборе инновационных проектов [5].
Как известно, существует два основных этапа рассмотрения заявки на получение бизнес-ангельских инвестиций: а) Deal Flow, б) Due Diligence. Работа на стадии Deal Flow заключается в проведении экспертизы проекта и предусматривает формализованный порядок рассмотрения, подготовки и принятия решений по проектам, поступающим к инвестору в целях привлечения инвестиций. Стадия Due Diligence - достаточно дорогостоящая и занимает длительное время. Связано это с тем, что на данной стадии привлекаются эксперты в области маркетинга, производства, различного рода технологи и делается детальный анализ рынка [5].
На каждой стадии объект оценивается по набору критериев. Причем, существует как большое количество критериев для оценки проектов, так и достаточное количество методик их оценки (анкетные листы, беседы с потенциальными получателями инвестиций) [4]. В то же время, все существующие методики являются несовершенными, так как не включают в себя полную информацию о поступившем проекте и к тому же немалый объем информации необходимо запоминать, не фиксируя в документах [2]. Существуют также методики, основанные на весовых коэффициентах, бальных оценках, применяемые венчурными и бизнес-ангельскими инвесторами.
Каждая методика, используемая разными инвесторами, будет иметь уникальный набор критериев, по которым происходит оценка инновационных проектов [2]. Данные методики могут подходить для проведения конкурсов инновационных проектов, но не подходят для отбора проектов для презентации потенциальным инвесторам. Методики, основанные на ранжировании критериев, не могут учитывать необходимость подготовки проекта к презентационной сессии. Поэтому необходимо создание унифицированной методики, включающей основные критерии оценки и позволяющей оценивать перспективность каждого инновационного продукта и учитывать предпочтения бизнес-ангелов.
Качество поданного на рассмотрение инновационного проекта характеризуется двумя отдельными наборами критериев, каждый из которых используется на одной из стадий. Набор критериев может варьироваться в зависимости от типа инновационного проекта и от отрасли, к которой он относится. Данные критерии были выделены авторами на основе анализа источников (в том числе и найденных примеров инновационных проектов) [5], а также непосредственного общения с бизнес-ангелами. В таблице 1 приведен список критериев, используемых для оценки инновационных проектов.
Показатели структурированы по возрастанию степени важности для бизнес-ангела. Соответственно, критерий № 1 является наиболее важным, а критерий № 36 - наименее важным. Данное ранжирование понадобится в дальнейшей работе с инновационными проектами.
Все критерии могут быть оценены инвестором по таким показателям, как:
- творческий подход к представлению проекта (1).
Важно уметь грамотно преподнести свой проект бизнес-ангелу таким образом, чтобы заинтересовать своего будущего инвертора.
- информативность проекта (2).
Поданный на рассмотрение проект не должен содержать слишком много специальных терминов и лишней информации.
- привязанность ко времени (3).
- конкретность изложения материала (целей и задач) (4).
Приветствуется четкость, краткость и логичность преподнесения информации. Отсутствие даже небольшого количества нужной для инвестора информации может повлиять на оценку проекта не в лучшую сторону.
- достижимость целей (5).
Необходимо четко и понятно прописывать, каким образом поставленные цели будут достигаться. Изложение должно быть убедительным, без преувеличений.
- реальная выполнимость проекта в целом (6).
Показатели так же проранжированы по степени важности для бизнес-ангела (то есть для эксперта, оценивающего поступивший к нему проект). Таблицы с показателями и критериями экспертами заполняются оценками каждого критерия по каждому из показателей. То есть каждый критерий описывается 6 составляющими Ь1 = {Ь, 1,Ь/2,Ь/3,Ь14,Ь/5}, характеризующими степень его проработанности.
Таблица 1 - Список критериев, используемых для оценки инновационных проектов
№ кри терия Критерии оценки проекта на стадии Deal Flow Критерии оценки проекта на стадии Due Diligence
1 2 3
1 Решаемая продуктом проблема на рынке Методы принятия решений
2 Охват рынка Знает ли каждый член команды свои обязанности и понимают ли они, кто является лидером команды
3 Размер рынка Динамика сегмента
4 Темп роста отрасли Опыт владения и распоряжения большими денежными средствами
5 Размер необходимых инвестиций (статьи затрат), транши Отношение команды к людям, приглашенным бизнес-ангелом для дальнейшей работы
6 Объем уже вложенных средств Окупаемость
7 Предлагаемая доля инвестора в компании, % Компетентность команды в области маркетинга
8 Оценка реалистичности запрашиваемых инвестиций Работоспособность команды
9 Прогнозируемость доходов Комфортность общения инвестора с командой
10 Расчётная рентабельность продаваемого продукта Знание командой современных управленческих технологий
11 Четкое понимание своих потребителей Новизна полученных результатов
12 Возврат на инвестицию при выходе инвестора из проекта Привлекательность продукта
13 Степень риска Стоимость проекта
14 Стадия проекта Есть ли конкуренты, контролирующие более 30% рынка
15 Описание основных преимуществ товара Доступность рынка
16 Характер конкуренции Барьеры для входа на рынок конкурентов
17 Сильные и слабые стороны конкурентов Чистая приведенная стоимость (NPV)
18 Собственные сильные и слабые стороны Барьеры для входа на рынок
19 Привлекательность для существующих потребительских рынков Степень удовлетворения потребителя
20 Качество управления Организация сбыта
21 Выход инвестора Возможность производства по конкурентоспособным ценам
22 Качество продукта Себестоимость продукции
23 Каналы сбыта Динамика сегмента
24 Готов ли рынок к данному продукту Альтернативные продукты и услуги
25 Осуществимость проекта Складская политика
26 Готовность команды реинвестировать прибыль Защита окружающей среды
27 Производственная и территориальная диверсификация Являются ли зарплаты, премии, прения и прочие вознаграждения понятными и реалистичными
28 Степень сформированности команды Условия при продаже (напр., скидки)
29 Характерные черты команды Поможет ли автоматизация производства снизить цены
30 Опыт реализации успешных проектов Соответствие производственным возможностям
31 Готовность команды к быстрым переменам Простота производства
32 Защищенность технологии Доступность трудовых и материальных ресурсов.
33 Возможность патентования Возможность воспроизведения продукта конкурентами
34 Имеются производственные помещения Импортозамещение
35 Потенциальная длительность жизненного цикла продукции. Развитие экспорта
36 Согласны ли близкие терпеть неудобства, связанные с предстоящей большой и сложной работой Качество дополнительных работ
В предлагаемом авторами методе оценки инновационных проектов работа экспертов будет заключаться только в оценке самих критериев проектов (из табл. 1) по показателям и анализе полученного от системы ответа (совета по работе с проектом). Заполнение происходит цветами, указанными в таблице 2. Соответственно, чем выше насыщенность цвета пикселя в цветографической карте, тем более высокую оценку получил конкретный критерий по определенному показателю [1]. Эксперт оценивает каждый проект именно цветовой гаммой, а не привычными бальными или лингвистическими оценками (например, «неудовлетворительно» - «отлично», или «0»-«5» и т.д.).
Данное оценивание является удобным в силу того, что «привычные» шкалы оценок могут не полностью соответствовать мнению эксперта при оценке того или иного критерия. Эксперт может колебаться между оценками «хорошо» и «отлично», или между «хорошо» и «удовлетворительно». Замена подобных шкал оценочных шкал цветовой гаммой дает возможность эксперту оценивать каждый критерий на основе своего ментального восприятия, а не опираться при оценке проекта на «сухие форматные» шкалы, что может значительно упростить работу с проектом. То есть, по сути, эксперт заполняет анкету, которая в конечном итоге приобретет вид изображения - цветографической карты, дающей эксперту наглядную картину проекта с его сильными и слабыми местами (1 карты - если проект не получает удовлетворительной оценки уже на первой стадии, и 2-х карт - если проект поступает на следующую стадию). Простая же цифровая таблица (или таблица с лингвистическими оценками) требует дополнительные затраты времени и человеческих ресурсов.
Изначально цветографическая карта представляет собой пустую таблицу, которая заполняется экспертом в ручном режиме. Пример заполнения пустой цветографической карты показан ниже (таблица 3). То есть, по сути, эксперт заполняет своего рода анкетный лист.
Таблица 2 - Соотнесение значения цвета численному значению
Вес цвета
Лингвистическое значение оценки
2
3
1,0
Отлично проработан вопрос
0,8
Весьма хорошо проработан вопрос
0,6
Вопрос мало проработан
0,4
Вопрос немного недоработан
0,2
Вопрос практически не проработан
0
Вопрос совсем не проработан или не рассматривался
Цветовая градация каждого из приведен ных значений является средним между смежными цветами
0,1; 0,3: 0,5; 0,7; 0,9
Промежуточные значения между двумя смежными суждениями
Примечание: * в связи с отсутствием полиграфической цветной печати, градация синего цвета может заменяться градацией серого цвета в пределах от почти белого до почти черного.
Таблица 3 - Пример заполнения цветографической карты экспертом
Фактор 1 Фактор 2 Фактор 3 Фактор 6
Критерий 1 Цвет 1 Цвет 5
Критерий 2 Цвет 4
Критерий N
Стоит отметить, что в силу того, что проекты, относящиеся к разным отраслям (например, к отрасли медицины, машиностроению и легкой промышленности), они будут иметь
абсолютно разный набор критериев и, соответственно, - разные цветографические карты (в том числе и по наполненности таблицы цветами). Далее предполагается автоматизированная обработка полученных цветографических карт с получением оценки проекта и совет по дальнейшей работе с ним. Цветографические карты для проектов, заслуживающих оценки, например, «отлично» и «неудовлетворительно», будут значительно отличаться друг от друга интенсивностью используемых цветов (значениями оценок). Примеры наилучшего и наихудшего проектов изображены на рисунке 3. Существует достаточно большое количество проектов, получивших, условно говоря, от инвестора оценки «отлично», «хорошо», «удовлетворительно» и «неудовлетворительно», но при этом оценивались они по разному набору критериев, а также могли получать разные оценки по различным критериям. На рисунке 3 отражены фрагменты цветографических карт для проектов, получивших на первом же этапе оценки «отлично» и «неудовлетворительно».
Как можно заметить, фрагменты карт очень сильно отличаются между собой по интенсивности цветов, а также по направлению градиента изображения. На каждом этапе выделяется по 36 критериев, которые оцениваются по 6 показателям. То есть эксперт должен, по сути, проставить 36 х 6 = 216 оценок и вынести решение о дальнейшей работе с проектом. Оценки проставляются исходя из рассуждений эксперта, принимающего решения. Причем, если бы каждый критерий оценивался как «отлично» (1) или «неудовлетворительно» (0), то каждый рассматриваемый проект может получить 2216 сочетаний цветовых оценок, или соотнесен с одной из 2216 цветографических карт. Но использование шкалы, состоящей всего из двух оценок, для оценки инновационного проекта использовать не представляется приемлемым в силу невозможности учитывать всю логику мышления эксперта.
Использование четырехбалльной шкалы («отлично», «хорошо», «удовлетворительно», «неудовлетворительно») было бы более удобным, но при этом значительно увеличивает количество сочетаний оценок (набор цветографических карт) до 4216 . Но с помощью и этой шкалы сложно учесть все логические рассуждения эксперта в процессе оценки проекта. Поэтому достаточно удобно использовать 10-бальную шкалу при оценке проекта (таблица 2). В таком случае, число сочетаний оценок будет составлять 10216 (то есть 10216 цвето-тографических карт). Но проектов, получивших по всем своим показателям только минимальные или только максимальные оценки (рисунок 1), не существует, так как при оценке проекта хотя бы один критерий оценки по одному из своих составляющих получит оценку, отличную от минимального или максимального значения оценочной шкалы.
Неудовлетворительный проект Отличный проект
Рисунок 1 - Фрагменты цветографических карт «абсолютно» неудовлетворительных и абсолютно «отличных» проектов
Рисунок 2 - Фрагменты цветографических карт
В результате получается две цветографические карты - для лучшего и худшего проектов. Далее, поступивший на рассмотрение проект, в результате оценки обретает свою цветографическую карту, которая давала бы представление о качестве проработки идеи (то есть соотнести полученную цветографическую карту с заполненными экспертом эталонами, как изображено на рисунке 3). Однако же имеет смысл оценить еще несколько проектов с заведомо известными оценками качества - «хорошо» и «удовлетворительно». Это даст возможность экспертам снизить риск упустить интересный проект (если допускать 4 оценки, а не только оценки «отлично» и «неудовлетворительно»), а инициаторам - получить шанс на дальнейшее развитие идеи.
Но сами цветографические карты представляют собой изображения, простое рассмотрение человеком которых не даст итоговой оценки качества проекта в силу восприятия разными экспертами проекта в целом, исходя из своих соображений и опыта. Поэтому есть необходимость компьютерной обработки и анализа полученных изображений. Для достижения этой цели наилучшим образом подходит использование нейронных сетей. Нейронные сети отлично себя зарекомендовали в медицине (к примеру, обработка рентген-изображений), в криминалистике (распознавание отпечатком пальцев), в авиации (самолеты-беспилотники), в распознавании цифр и букв и других задачах распознавания образов.
Рисунок 3 - Соотнесение новой цветографичекой карты с цветографической картой одного из эталонных проектов
Как отмечалось выше, количество вариантов цветографических карт достаточно велико, и при этом итоговых оценок проекта, удобных для восприятия человека, всего можно считать равным 4 (примем для итоговых оценок 4-бальную шкалу - «отлично», «хорошо», «удовлетворительно», «неудовлетворительно»). Очень удобным для обработки проставленных экспертом оценок проекта как инструментом для определения его качества являются нейронные сети. На деле, для обучения нейронной сети необходимо поступающее изображение (образ) представить в виде входного вектора
Х = {Хи,Х12,...,Х1в,Х21,Х22,...,Хзв1,...,Хзвв}, (1)
а эталонное изображение - в виде выходного вектора
Х = {х11 ,X12,-.,X16,X21, Х22 ,..., X361,..., X366 } . (2)
Входным вектором будет являться набор числовых значений, полученных в результате оценки проекта и лежащих в диапазоне от 0 до 1. А выходными векторами будут являться векторы, содержащие следующие числовые значения:
для класса «отлично» П е[0.9;0.9001;...;0.9102;...,0.9999; 1]; (3)
для класса «хорошо» П2 е (0.7600;0.7601;...;0.8999;0.9) ; (4)
для класса «удовлетворительно» П3 е (0.6100;0.6101;,,,;0.7599;0.76); (5)
для класса «неудовлетворительно»: П4 е [0.0;0.0001;...;0.6099;0.6100]. (6)
Входное изображение подается на нейроны первого слоя в виде вектора числовых значений, уже преобразованных согласно таблице 2. Таким образом, нейронная сеть обучается по 20 образам-эталонам - по 5 эталонов в каждом классе:
П1 = (ш1,ш2,ш3,ш4,ш5 )1
П = (Ш1,Ш2,Шз,Ш4,Ш5 ) 2 Пз = (ш1,ш2,ш3,ш4,шв )3 П = (Ш1,Ш2,Ш3,Ш4,ШВ )4
где (ш1,ш2,ш3,ш4,ш5)к - эталонные образы, характеризующие классы проектов. Если же в процессе обучения нейронной сети заранее принадлежащий определенному классу эталон сетью относится к другому классу, то весовой вектор подлежит корректировке до тех пор, пока сеть не перестанет выдавать ошибки в классификации эталонных изображений.
Нейронная сеть обучается с помощью учителя, то есть эксперт подает на вход нейронной сети изображение, заранее зная, к какому из классов относится проект. В случае ошибочной классификации изображение подается снова на вход, при этом сеть перенастраивается. Данный процесс продолжается до тех пор, пока либо все подаваемые обучающие примеры изображений не начнут классифицироваться правильно, либо процент ошибки классификации не достигнет своего минимума.
Для определения принадлежности поступающих образов к тому или иному классу достаточно часто используется критерий минимального расстояния между распознаваемым образом Х и каждым из эталонов шк .
В качестве примера соотнесем проект, изображенный на рисунке 5, проходящий стадию Deal Flow. Имея уже настроенный весовой вектор и уже проставленные экспертом оценки, определим, к какому из классов можно отнести данный проект.
Расстояние между образом Х и каждым из эталонов определяется по формуле:
D =^(F(Х)-(шк))х (F(Х)-(шк)) 1 ,к = 1 ,..,4 , (8)
то есть нахождение наименьшего расстояния до одного из эталонов в группе. Здесь к = 1,..,4 представляет собой номер класса:
т
F (X) = £ X х ^ . (9)
¡=1
Поскольку все расстояния имеют неотрицательные значения, то выбор минимального расстояния Dj есть ни что иное, как выбор минимального квадрата расстояния Df [3]. Возведение (8) в квадрат даст следующее выражение:
((р (X) - шк) х р (X) - шк 4 = (Р (X))2 - 2 х ^F(X) х шк -1 х (шк )2 ^ . (10)
Однако, поскольку член (р (X))2 не зависит от номера класса ^ , то это, в свою очередь, эквивалентно выбору максимального значения
|р(X) х шк -1 х(шк )21
>хшк -1 х(шк)2^ . (11)
Данное выражение можно трактовать как степень близости исследуемого объекта к объекту-эталону, то есть исследуемого инновационного проекта к одному из проектов-эталонов.
Практическое применение предложенного авторами алгоритма является очень важным для инвесторов в силу того, что данный алгоритм значительно упрощает работу частного инвестора по оценке инновационного проекта (предоставление полной картины по проработанности проекта, экономия времени, наглядность и простота восприятия итоговой картины проекта).
Список литературы:
1. Брагина, Е.И. Оптимизация процесса принятия решений на рынке неформального венчурного инвестирования сетями нейропроцессоров [Электронный ресурс]: доклад / Е.И. Брагина, А.Ю. Жесткова // Студенческий научный форум 2013: V междунар. студ. электрон. науч. конф., 15 февр. - 31 марта 2013 г.: направление «Экон. науки», секция «Экон.-мат. моделирование» / Рос. акад. естествознания. - М., 2013. - С. 1-3. - Режим доступа: http://www.scienceforum.ru/2013/pdf/8772.pdf.
2. Брагина, Е.И. Проблематика представления инновационных идей и рекомендации будущим инноваторам / Е.И. Брагина, П.В. Терелянский // Приволжский научный вестник. -2012. - № 8. - С. 31-34.
3. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс. - М.: Техносфера, 2005. - 1072 с.
4. Каширин, А.И. В поисках бизнес-ангела: рос. опыт привлечения стартовых инвестиций / А.И. Каширин, А.С. Семенов. - М.: Вершина, 2008. - 384 с.: ил., табл.
5. Материалы Некоммерческого партнерства «Содружество бизнес-ангелов России» [Электронный ресурс]. - Режим доступа: http://www.russba.ru/.
