Research indexJournal article
Гибридный подход к оценке коммерческого потенциала малых технологических компаний в платформенных экосистемах технологического предпринимательства
Игоревич
Industrial Economics20 Apr 2026Open access
NobleIDark:/48914/w1/20261105/9E1E84A3DOI10.47576/2949-1886.2026.3.3.007
Гибридный подход к оценке коммерческого потенциала малых технологических компаний в платформенных экосистемах технологического предпринимательства
Игоревич · Industrial Economics · 2026
NobleIDark:/48914/w1/20261105/9E1E84A3DOI10.47576/2949-1886.2026.3.3.007
Abstract
Предложен гибридный подход к оценке коммерческого потенциала малых технологических компаний в платформенных экосистемах технологического предпринимательства для цифровой трансформации раннего отбора и портфельного управления. Подход объединяет вероятностную модель успеха на основе машинного обучения на табличных данных (более 54 тыс. профилей компаний) и онтологическое представление критериев коммерциализации. Прогнозная вероятность с учетом факторов стадийности агрегируется в оценочный балл и переводится в индекс коммерческой готовности по эмпирическим квантилям обучающей выборки. Онтологическая надстройка фиксирует критерии и правила маршрутизации, обеспечивая семантическую фильтрацию, воспроизводимое формирование выборок для экспертизы и пилотирования и трассируемость оснований решений. Апробация на пилотной витрине данных с отраслевым и географическим разнообразием доказала реализуемость регламента отбора и обеспечиваемую им сопоставимость заявок и воспроизводимость процедур принятия решений на платформе. A hybrid approach is proposed for assessing the commercial potential of small technology companies in platform ecosystems of technology entrepreneurship, aimed at the digital transformation of early screening and portfolio management. The approach combines a calibrated estimate of the probability of commercial success obtained using machine-learning methods on tabular data (more than 54,000 company profiles) with an ontological representation of commercialization criteria. The predicted probability, adjusted for key stage-related factors, is aggregated into a score that is then normalized and discretized into a commercial readiness index based on empirical quantiles in the training sample. The ontological layer formalizes criteria and routing rules, enabling semantic filtering, reproducible generation of shortlists for expert review and piloting, and traceability of decision rationales. Validation on a pilot data mart with sectoral and geographic diversity confirmed the operational feasibility of the selection rulebook and its applicability for ensuring comparability of applications and reproducibility of platform decision-making procedures.