Les chercheurs ont utilisé une combinaison de données de médias sociaux et de transport pour prédire la probabilité qu'une entreprise de vente au détail donnée réussisse ou échoue.

En utilisant les informations de dix villes différentes à travers le monde, les chercheurs, dirigé par l'Université de Cambridge, ont développé un modèle qui peut prédire avec une précision de 80 % si une nouvelle entreprise échouera dans les six mois. Les résultats seront présentés à la conférence ACM sur l'informatique omniprésente et ubiquitaire (Ubicomp), qui se déroule cette semaine à Singapour.

Alors que le commerce de détail a toujours été risqué, les dernières années ont vu une transformation des rues commerçantes alors que de plus en plus de détaillants font faillite. Le modèle construit par les chercheurs pourrait être utile à la fois aux entrepreneurs et aux urbanistes pour déterminer où implanter leur entreprise ou dans quels domaines investir.

"L'une des questions les plus importantes pour toute nouvelle entreprise est la quantité de demande qu'elle recevra. Cela est directement lié à la probabilité de réussite de cette entreprise, " a déclaré l'auteur principal Krittika D'Silva, un boursier Gates et un doctorat. étudiant au Département d'informatique et de technologie de Cambridge. « Quelle sorte de mesures pouvons-nous utiliser pour faire ces prédictions ? »

D'Silva et ses collègues ont utilisé plus de 74 millions d'enregistrements du réseau social basé sur la localisation Foursquare de Chicago, Helsinki, Djakarta, Londres, Los Angeles, New York, Paris, San Francisco, Singapour et Tokyo ; et les données de 181 millions de trajets en taxi depuis New York et Singapour.

En utilisant ces données, les chercheurs ont classé les lieux en fonction des propriétés des quartiers dans lesquels ils se trouvaient, les habitudes de visite à différents moments de la journée, et si un quartier a attiré des visiteurs d'autres quartiers.

« Nous voulions mieux comprendre le pouvoir prédictif des métriques sur un lieu à un moment donné, " dit D'Silva.

La réussite ou l'échec d'une entreprise dépend normalement d'un certain nombre de facteurs contrôlables et incontrôlables. Les facteurs contrôlables peuvent inclure la qualité ou le prix du produit du magasin, ses horaires d'ouverture et sa satisfaction client. Les facteurs incontrôlables peuvent inclure les taux de chômage d'une ville, conditions économiques générales et politiques urbaines.

"Nous avons constaté que même sans informations sur l'un de ces facteurs incontrôlables, nous pourrions toujours utiliser un site spécifique, caractéristiques liées à la localisation et à la mobilité pour prédire la disparition probable d'une entreprise, " dit D'Silva.

Les données ont montré que dans les dix villes, des lieux populaires 24 heures sur 24, plutôt qu'à certains moments de la journée, ont plus de chances de réussir. En outre, les lieux qui sont en demande en dehors des heures d'ouverture habituelles des autres lieux du quartier ont tendance à survivre plus longtemps.

Les données suggèrent également que les sites de divers quartiers, avec plusieurs types d'entreprises, ont tendance à survivre plus longtemps.

Alors que les dix villes avaient certaines similitudes, les chercheurs ont également dû tenir compte de leurs différences.

"Les métriques qui étaient des prédicteurs utiles varient d'une ville à l'autre, ce qui suggère que les facteurs affectent les villes de différentes manières, " dit D'Silva. " A titre d'exemple, que la vitesse de déplacement vers un lieu n'est une mesure significative qu'à New York et à Tokyo. Cela pourrait être lié à la vitesse de transit dans ces villes ou peut-être aux taux de trafic. »

Pour tester le pouvoir prédictif de leur modèle, les chercheurs devaient d'abord déterminer si un lieu particulier avait fermé dans la fenêtre de temps de leur ensemble de données. Ils ont ensuite « formé » le modèle sur un sous-ensemble de sites, indiquer au modèle quelles étaient les caractéristiques de ces lieux dans la première fenêtre temporelle et si le lieu était ouvert ou fermé dans une seconde fenêtre temporelle. Ils ont ensuite testé le modèle entraîné sur un autre sous-ensemble de données pour voir à quel point il était précis.

Selon les chercheurs, leur modèle montre qu'au moment de décider quand et où ouvrir une entreprise, il est important de regarder au-delà des caractéristiques statiques d'un quartier donné et de considérer les façons dont les gens se déplacent vers et à travers ce quartier à différents moments de la journée. Ils souhaitent maintenant examiner comment ces caractéristiques varient selon les quartiers afin d'améliorer la précision de leur modèle.