分析完10000家公司资料，我们找到了AI领域最火热创业方向

本文转载自：大数据文摘

作者：Rodrigo NaderFollow

编译：群青

我们都知道，最近几年AI创业几乎呈指数级增长。那么AI领域的投资规模到底有多少大？这些AI创业公司的规模如何？对他们来说最有前途的市场是哪些？

这些问题我们都可以从AngelList公开的数据中得到答案

▍关于AngelList

AngelList网站建于2010年，是全球最大的天使投资平台，连接起众多科技创业公司、投资人和创业企业求职者，目前已经有超过400万公司、800万投资者和至少100万求职者在他们的网站上注册。据不完全统计，10年间，通过该平台投资的企业市值超过2900亿美元，涵盖企业包括Uber、Airbnb、Twitter、Dropbox等。

▍数据提取及特征确定

首先，我们使用explosion.ai.研发的SenseToVec工具来确定用于抓取数据的关键词语。SenseToVec是一种神经网络模型，用其读取2015年Reddit上的所有评论，再使用word2vec和spaCy来建立语义地图。通过搜索一个词或短语，得到和该词或短语最相似的单词（甚至可以使用它来查找同义词）。比如输入“机器学习”,匹配提取出了:数据科学、NLP、计算机视觉……

对这些关键词语过滤后，我们使用更精确的关键词语在Angel上进行查询。

接下来使用Selenium和Beautiful Soup制作网络爬虫，创建一个驱动程序访问URL(https://angel.co/companies)，点击搜索栏并输入特定的查询词。然后滚动列表中的每个公司并存储其数据。

Angel爬虫

因为网站限制了每次搜索只能获得400个公司，所以我们使用过滤器并增加查询数量，以确保得到几乎所有相关公司的信息。

删除重复信息后，获得CSV文件，其中包含10139组独立数据，特征包括:

• ‘name’→公司名称
• ‘joined’→公司加入Angel的时间
• ‘type’→公司类型(创业公司，有限责任公司，孵化器…)
• ‘location’→公司所在城市
• ‘market’→公司活跃领域(电商，游戏…)
• ‘pitch’→公司标语
• ‘raised’→公司投资人的投资数额
• ‘tech’→主要使用的编程语言(Python，Javascript…)

▍数据分析

首先进行清洗和预处理，包括格式化日期、正规化文本，以及将金额相关的字符串转换为浮点数字。

然后就是对这个包含10139个公司的数据集进行各种操作。

1、统计这些创业公司使用的编程语言

上图显示，在机器学习方面，AngelList上的创业公司更偏爱使用python，python的使用率达到93.5%。其次是javascript，使用率为3.94%。但是，我们只统计了AngelList头部技术公司，因此这没有包含其他重要的编程语言。

如果按年份统计数据，得到2010年-2019年这些编程语言使用情况的变化：

编程语言使用情况变迁

上图显示，Python的使用率显著上升。这也印证了，作为一种惊人的、高水准的通用语言，python拥有范围广泛的强大的库，并在数据科学和机器学习领域最为著名。

2、查看这些创业公司分布在哪些市场领域

10139个创业公司所在的市场分布

有一些比较常见的行业（比如b2b和saas）在其他市场大类别中也经常出现（如在大数据分析和大数据中），但还是可以在人工智能相关领域中做一些比较。

3、统计各个行业的投资额

根据市场来聚合数据并总结出融资，可以知道各个行业的投资额总共有多少：

各行业的总投资额

上图列出投资额最高的20个行业，其中酒店行业遥遥领先，达到100亿美元以上，排名第二的新闻行业达到40亿美元以上。但这不能说明这些行业获得投资的创业公司的数量最多。

比如，这其中投资规模最大的企业有(以十亿美元为单位)：

• Airbnb→10.3(酒店)
• Netscape→4.2(新闻)
• Nest→3.3(物联网)
• Palantir→2.1(分析)
• Grail→1.7(诊断)

这解释了为什么酒店行业的投资量巨大：一两个规模巨大的企业会对总投资量产生重大影响。

如果选取每个行业的平均投资额则可以获得不同的结果：

各行业的平均投资额

上图是平均投资额最多的10个行业，并不包含酒店行业。遥遥领先的是新闻行业，平均投资额达到20亿美元，其余的行业都在5亿美元以下。

4、分析不同投资额区间的企业分布数量

首先我们统计下每个行业的获投资企业的数量，然后对比投资额范围。例如，有多少移动广告公司获得了1到1000万美元的投资？

将投资范围分为5个区间，统计每个区间内，获得相应投资额的企业数量：

通过这个相对复杂的分析，投资者和创业者可以更深入了解与投资规模相关的市场行为。如果你的公司处在第一个阶段（种子轮），在哪个市场更容易获得融资？又哪些企业变成了融资数十亿美元的独角兽？

5、分析投资人对不同市场的兴趣变化

使用每个行业每年的投资额，可以看到2011年以来市场如何变化：

2011年以来的市场变化

6、分析不同阶段的创业企业的受欢迎程度

按创业公司所处的发展阶段来查看平均投资额：

上图显示，A轮阶段的平均投资低于种子轮公司。而企业发展越成熟，获得投资额约大。

7、2010年以来的的总投资（以百万美元为单位）以及创业公司数量

历年总投资额

可以看到，2012年开始，AngelList上的数据爆炸增长，风险投资显著增长。这也伴随着越来越多的创业公司在全球范围内出现。

下图显示了每年在AngelList上注册的创业公司数量。

历年创业公司数量

8、全球范围的创业公司分布情况

最后，我们使用Geopy定位提取坐标，建立一个分布在世界各地的创业公司集群地图。可以获得一个交互式的地图:

创业公司集群地图

这个定位地图包括了10000+个公司的位置。虽然样本较小，但仍然非常好的显示了不同国家的科技分布情况。

在这个交互式地图上，点击集群可以打开更小的集群，持续点击可以看到企业。点击单个企业可以获得他们的网站链接。（交互式地图获取方式见文末）

根据投资额进行加权，得到一个热力图。所以人工智能的钱都去哪里了呢？

热力图

9、这些创业公司的标语中最常出现的词语

根据创业公司标语得到的词云

以上对这个数据集的处理还不够全面。还可以从员工数量（反应企业规模）、企业年龄、标语（使用NLP进行分析）中获得更多信息。甚至还可以获得——创始人、联合创始人和投资者的联系信息。

网页抓取加上数据分析和机器学习，将变成了一个非常强大的工具！

PS：如果你想获得数据和notebook、地图，请前往作者的GitHub库：

https://github.com/rodrigosnader/angel-scraper

相关报道：

https://towardsdatascience.com/data-analysis-of-10-000-ai-startups-5ea7e957e90

注：内容仅为作者观点，不代表DT数据侠立场。

题图 | 站酷海洛