Стартапы-единороги стали символом предпринимательского успеха, драйверами инноваций и создания богатства. В круг стран с развитой культурой предпринимательства и значительной концентрацией единорогов входят ведущие мировые экономики: США, Китай, Индия, Великобритания, Германия, Франция, Нидерланды и Швеция. Наибольшее распространение эти компании получили в секторах финтеха, здравоохранения и транспорта, что делает указанные отрасли наиболее релевантными для анализа. Цель работы — моделирование и прогнозирование экспансии единорогов посредством трех- и четырехпараметрических логистических моделей и сигмоидных моделей роста Гомпертца на базе платформы Dealroom. Устранение пробела в изучении численности единорогов предоставит политикам и инвесторам важные сведения о предельной емкости рынка стартапов данного типа и сроках его насыщения. Результаты исследования показывают, что модель Гомпертца предлагает оптимистичные оценки уровня насыщения рынка единорогами, тогда как прогнозы логистической модели отличаются большей реалистичностью как по текущим данным, так и согласно прогнозной динамике. Трехпараметрическая модель Гомпертца оптимальна для анализа распространения единорогов в Китае, логистическая трехпараметрическая — для США, Великобритании и всех отраслей, а четырехпараметрическая логистическая наилучшим образом объясняет динамику в Индии, Германии, Франции, Нидерландах и Швеции. Прогнозы указывают, что все изученные страны и секторы, за исключением США и финтеха, достигнут точки насыщения к 2030 г. Данные выводы имеют ключевое значение для стратегического планирования, регулирования, разработки политики и формирования инвестиционных портфелей
Идентификаторы и классификаторы
- SCI
- Экономика
Unicorn startups have become symbols of entrepreneurial success and fundamental drivers of innovation and wealth creation. This study examines the diffusion process of unicorns across eight countries (the US, China, India, the UK, Germany, France, the Netherlands, and Sweden) and three industries (Fintech, Health, and Transport). The aim of this research is to model and forecast the diffusion of unicorn startups using three- and four-parameter Logistic and Gompertz sigmoid growth models, leveraging data from the Dealroom database. By addressing this research gap, the study seeks to provide valuable information for policymakers and investors regarding the ultimate potential number of unicorns and the time to saturation. The findings indicate that the Gompertz model generates highly optimistic estimates of unicorn saturation levels, while the Logistic model produces more realistic projections for both fitting existing data and forecasting future trends. Specifically, the three- parameter Gompertz model is suited for analyzing unicorn diffusion in China. The threeparameter Logistic model is appropriate for analyzing unicorn diffusion in the USA, the UK, and all studied sectors. Meanwhile, the four-parameter Logistic model is the best model for explaining unicorn diffusion in India, Germany, France, the Netherlands, and Sweden. The results also reveal that India has the highest estimated speed of unicorn diffusion (97%), while the US exhibits the highest saturation level (6,241 unicorns). Sectoral analysis shows that Fintech has the lowest estimated diffusion speed (43.1%), but the highest saturation level (1,630 unicorns). Our forecasting analyses suggest that all selected countries and sectors — except the US and Fintech — are likely to reach unicorn saturation by around 2030. These findings provide critical insights for planning, regulation, policy formulation, and portfolio decision-making
Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.
Список литературы
1. Куценко Е.С., Остащенко Т.В., Тюрчев К.С. (2022) Релокация как драйвер инновационной активности: глобальное исследование международной миграции основателей компаний-единорогов. Форсайт, 16(4), 6-23. DOI: 10.17323/2500-2597.2022.4.6.23 EDN: TIEJKB
2. Akin E., Pelen N.N., Tiryaki I. U., Yalcin F. (2020) Parameter Identification for Gompertz and Logistic Dynamic Equations. PLoS ONE, 15, 0230582. DOI: 10.1371/journal.pone.0230582 EDN: ZZHJVM
3. Aldrich H.E., Ruef M. (2018) Unicorns, Gazelles, and Other Distractions on the Way to Understanding Real Entrepreneurship in America. Academy of Management Perspectives, 32(4), 458-472. DOI: 10.5465/amp.2017.0123
4. Armstrong J.S. (ed.) (2001) Principles of Forecasting, Dordrecht: Kluwer Academic Publishers.
5. Burström T., Lahti T., Parida V., Wartiovaara M., Wincent J. (2023) A definition, review, and extension of global ecosystems theory: Trends, architecture and orchestration of global VCs and mechanisms behind unicorns. Journal of Business Research, 157, 113605. DOI: 10.1016/j.jbusres.2022.113605 EDN: QKYJVH
6. CB Insights (2023) State of Fintech 2023 Report, New York: CB Insights.
7. El-Dardiry R., Vogt B. (2023) How far do Gazelles run? Growth patterns of regular firms, high growth firms and startups. Applied Economics, 55(37), 4304-4318. DOI: 10.1080/00036846.2022.2128184 EDN: ZOPRTW
8. Gamboa L.F., Otero J. (2009) An estimation of the pattern of diffusion of mobile phones: The case of Colombia. Telecommunications Policy, 33, 611-620. DOI: 10.1016/j.telpol.2009.08.004
9. Guo K., Zhang T. (2021) Research on the Development Path and Growth Mechanism of Unicorn Enterprises. Mathematical Problems in Engineering, 7, 9960828. DOI: 10.1155/2021/9960828 EDN: THIPWV
10. Huebl S., Does R., Orlova A., Heckova E., Aschauer D., Kojalek M. (2022) The 2022 European Unicorn & Soonicorn Report, San Francisco, CA: 5Invest.
11. Jha A., Saha D. (2020) Forecasting and analyzing the characteristics of 3G and 4G mobile broadband diffusion in India: A comparative evaluation of Bass, Norton-Bass, Gompertz, and logistic growth models. Technological Forecasting and Social Change, 152, 119885. EDN: NVCNHU
12. Korkmaz M. (2020) A study over with four-parameter Logistic and Gompertz growth models. Numerical Methods for Partial Differential Equations, 37(3), 2023-2030. DOI: 10.1002/num.22641 EDN: VLNYAH
13. Kuckertz A., Bernhard A., Berger E.S.C., Dvouletý O., Harms R., Jack S., Kibler E. (2023) Creating and maintaining hope through social entrepreneurship in light of humanitarian crises. Journal of Business Venturing Insights, 19, e00356. DOI: 10.1016/j.jbvi.2022.e00356 EDN: WYCGWQ
14. Kuckertz A., Brandle L., Gaudig A., Hinderer S., Reyes C.A.M., Prochotta A., Steinbrink K.M., Berger E.S.C. (2020) Startups in times of crisis - A rapid response to the COVID-19 pandemic. Journal of Business Venturing Insights, 13, e00169. DOI: 10.1016/j.jbvi.2020.e00169 EDN: TUHFMZ
15. Kuratko D.F., Audretsch D.B. (2021) The future of entrepreneurship: The few or the many? Small Business Economics, 59, 269-278. DOI: 10.1007/s11187-021-00534-0 EDN: GKSPBT
16. Lee S., Marcu M., Lee S. (2011) An empirical analysis of fixed and mobile broadband diffusion. Information Economics and Policy, 23(3-4), 227-233. DOI: 10.1016/j.infoecopol.2011.05.001
17. Leendertse J., Schrijvers M., Stam E. (2022) Measure Twice, Cut Once: Entrepreneurial Ecosystem Metrics. Research Policy, 51(9), 104336. DOI: 10.1016/j.respol.2021.104336 EDN: GETXDW
18. Meade N., Islam T. (2015) Forecasting in telecommunications and ICT-A review. International Journal of Forecasting, 31(4), 1105-1126. DOI: 10.1016/j.ijforecast.2014.09.003
19. Meek S., Cowden B.J. (2023) Strategies of Unicorn startups: How these positive deviants compare to early-stage and Fortune 500 ventures. Journal of Small Business and Enterprise Development, 30(6),1109-1128. DOI: 10.1108/JSBED-02-2023-0069 EDN: YAVODF
20. Michalakelis C., Dimitris V., Sphicopoulos T. (2008) Diffusion models of mobile telephony in Greece. Telecommunications Policy, 32(3-4), 234-245. DOI: 10.1016/j.telpol.2008.01.004
21. OECD (2021) Understanding Firm Growth: Helping SMEs Scale Up, Paris: OECD.
22. Pelinovsky E., Kokoulina M., Epifanova A., Kurkin A., Kurkina O., Tang M., Kirillin M. (2022) Gompertz model in COVID-19 spreading simulation. Chaos, Solitons and Fractals, 154, 111699. DOI: 10.1016/j.chaos.2021.111699 EDN: YHHBNY
23. Retterath A., Braun R. (2020) Benchmarking Venture Capital Databases (SSRN Paper 3706108). DOI: 10.2139/ssrn.3706108
24. Rodrigues C.D. Noronha M.E.S.D. (2023) What companies can learn from unicorn startups to overcome the COVID-19 crisis. Innovation & Management Review, 20(3), 211-226. DOI: 10.1108/INMR-01-2021-0011 EDN: DOSEXB
25. Rogers E.M. (1962) Diffusion of Innovations, New York: Free Press.
26. Rossi M., Martini E. (2019) Venture capitalists and value creation: The role of informal investors in the growth of smaller European firms. International Journal of Globalisation and Small Business, 10(3), pp. 233-247. DOI: 10.1504/IJGSB.2019.100123
27. Satoh D. (2021) Discrete Gompertz equation and model selection between Gompertz and logistic models. International Journal of Forecasting, 37(3),1192-1211. DOI: 10.1016/j.ijforecast.2021.01.005 EDN: YXRYCG
28. Schumpeter J.A. (1943) Capitalism, Socialism and Democracy, London, New York: Routledge.
29. Shahid Y. (2023) Can Fast Growing Unicorns Revive Productivity and Economic Performance?, Washington, D.C.: Center for Global Development.
30. Shane S. (2009) Why encouraging more people to become entrepreneurs is bad public policy. Small Business Economics, 33(2), 141-149. DOI: 10.1007/s11187-009-9215-5 EDN: LKETNX
31. Stafeev A. (2024) What makes a successful unicorn startup founder. International Journal of Professional Business Review, 9(5), 4638. DOI: 10.26668/businessreview/2024.v9i5.4638 EDN: CKUCMQ
32. Startup Genome (2022) The Global Startup Ecosystem Report 2022, San Francisco, CA: Startup Genome.
33. Testa G., Compañó R., Correia A., Rückert E. (2022) In search of EU unicorns - What do we know about them?, Luxembourg: Publications Office of the European Union. DOI: 10.2760/843368
34. Trabucchi D., Talenti L., Buganza T. (2019) How do Big Bang Disruptors look like? A Business Model perspective. Technological Forecasting and Social Change, 141, 330-340,. DOI: 10.1016/j.techfore.2019.01.009
35. Urbinati A., Chiaroni D., Chiesa V., Frattini F. (2018) The Role of Business Model Design in the Diffusion of Innovations: An Analysis of a Sample of Unicorn-Tech Companies. International Journal of Innovation and Technology Management, 16(1), 1950011. DOI: 10.1142/S0219877019500111
36. Van Meeteren M., Trincado-Munoz F., Rubin T.H., Vorley T. (2022) Rethinking the digital transformation in knowledge-intensive services: A technology space analysis. Technological Forecasting and Social Change, 179, 121631. DOI: 10.1016/j.techfore.2022.121631 EDN: QJRAIH
37. Venâncio A., Picoto W., Pinto I. (2023) Time-to-unicorn and digital entrepreneurial ecosystems. Technological Forecasting and Social Change, 190, 122425. DOI: 10.1016/j.techfore.2023.122425 EDN: UKBSRE
38. Veugelers R., Amaral-Garcia S. (2025) Financing EU Health Innovation: The Role of Venture Capital, Seville: JRC.
39. WIPO (2023) Global Innovation Index 2023: Innovation in the Face of Uncertainty, Geneva: World Intellectual Property Organization. DOI: 10.34667/tind.48220
Выпуск
Другие статьи выпуска
Тема динамических способностей (dynamic capabilities) за последние годы приобрела новое звучание. Как и другие компетенции высшего порядка, такие способности обеспечивают постоянное обновление знаний, гибкую рекомбинацию ресурсов, адаптацию к быстро меняющейся среде. Их ключевым элементом выступает работа с будущим, начиная с базовых навыков грамотности в отношении будущего — futures literacy (FL). Поскольку данная компетенция служит основополагающей для кадрового потенциала организаций, целесообразно начинать ее развитие уже в рамках университетских программ. Удовлетворению этой насущной потребности длительное время препятствовало отсутствие объективных инструментов, позволяющих измерять степень освоения FL. Авторы статьи восполняют описанный пробел, предлагая инновационный подход к выявлению и стандартизации оценки компетенции FL. В работе представлены шесть теоретических аспектов FL в качестве основы для группировки соответствующих метрик, выставления итоговых оценок и их интерпретации. Эти аспекты — субкомпетенции «предвидение», «оценка будущих сценариев» и «принятие решений в условиях неопределенности» — могут быть описаны независимо друг от друга. Возможность измерять исходный уровень FL позволит разрабатывать более эффективные образовательные программы по культивированию данной компетенции.
Анализ актуальных тенденций патентования обнаруживает важные закономерности, способные стимулировать технологический прогресс в отдельных секторах — прежде всего за счет обнаружения существующих пробелов и определения новых направлений исследований. В статье рассматривается, как экономическое освоение результатов исследований и разработок (ИиР) отражает динамику инновационного процесса и учитывается при стратегическом планировании, формировании политики и управлении этой сферой. На примере финансирования государственных научно-технологических институтов бразильского аэрокосмического и оборонного секторов показано, как эти тенденции влияют на формирование активных стратегий технологического развития. Показано, что динамика ИиР и инновационной деятельности указанных институтов точно отражает потребности и тенденции развития соответствующих технологических направлений. Результаты свидетельствуют о расширении спектра исследовательских интересов и усложнении инновационных экосистем, в которых действуют эти институты. Успех инновационной политики зависит от способности прогнозировать тренды, инвестировать в перспективные области и обеспечивать трансфер технологий в реальный сектор экономики. Такой подход позволяет научным учреждениям оперативно реагировать на зарождающиеся изменения и рыночные возможности, способствуя устойчивому развитию и научно-техническому прогрессу
Вконтексте повсеместного распространения цифровой экономики организации сталкиваются с необходимостью перехода на эту модель посредством цифровой трансформации (ЦТ). При правильном проведении ЦТ достигаются существенные преимущества с точки зрения поддержания устойчивости и конкурентоспособности в постоянно меняющейся среде. Подобные преобразования выходят за рамки простого внедрения передовых технологий и предполагают управление процессами повышенной сложности, глубокую рекомбинацию бизнес-процессов, структур, методов внешних коммуникаций и др. Однако указанные факторы не учитываются большинством организаций. Другими словами, ЦТ недооценивается с точки зрения сложности, продолжительности и интенсивности адаптационного напряжения. Подобные преобразования удаются «с первой попытки» только 10–20% организаций, причем крупные компании терпят неудачу чаще всего. В настоящем исследовании анализируются причины, по которым большинство инициатив ЦТ не достигают поставленных целей. Особый акцент делается на связи цифровых компетенций руководителей с результативностью технологических реформ. С этой целью проанализирован массив релевантных публикаций по теме ЦТ за последние пять лет. Согласно выводам, большинство организаций вступают в ЦТ без надлежащей подготовки в виде заблаговременного пересмотра компетенций и корпоративной культуры, выхода за рамки устоявшихся моделей мышления и поведения, которые прежде обеспечивали конкурентоспособность, но в новом контексте перестают работать. Сформулированы принципы, повышающие шансы на успешные цифровые преобразования. Статья вносит вклад в растущий объем знаний по методам управления в условиях трансформационных переходов.
В статье исследуется специфика взаимодействия ключевых факторов предпринимательской экосистемы (ПЭ) в условиях экономической турбулентности. Системная динамика ПЭ проанализирована на примере России через призму теории сложных адаптивных систем. На основе метода fuzzy DEMATEL и опроса экспертов, изучающих ПЭ в российских городах, выявлены ключевые движущие силы, определяющие устойчивость экосистемы. Установлены причинно-следственные связи и специфика механизма адаптивности предпринимательских экосистем в контексте повышенной сложности и нестабильности. Главными факторами их реконфигурации оказались нормативная среда, человеческие ресурсы и доступ к капиталу, тогда как инновационная деятельность в значительной степени определяется внешними условиями. Полученные результаты подчеркивают необходимость адаптивной политики, направленной на повышение устойчивости предпринимательских экосистем. Предложена новая методологическая структура для изучения адаптивности ПЭ в странах с развивающейся экономикой
Развитие технологий, обеспокоенность климатиче скими изменениями и стремление многих стран сократить выбросы парниковых газов за по следнее десятилетие существенно повысили мировой спрос на автомобили на альтернативных видах топли ва. Наиболее перспективной заменой традиционному углеводородному транспорту выглядят электромоби ли, включая полностью электрические модели (BEV) и подзаряжаемые гибриды (PHEV). На некоторых регио нальных рынках электротранспорт, вероятно, выйдет на лидирующие позиции уже в 2030е гг. Вместе с тем, в отличие от машин с двигателем внутреннего сгорания, производство электромобилей требует более широкого спектра цветных металлов, что может ограничить даль нейшую электрификацию транспорта. С помощью сценарного подхода в статье проанали зирована динамика рынка электромобилей и рассчитана потребность в ключевых металлах для каждого сценария. Результаты показывают, что до 2050 г. ускоренное разви тие электротранспорта окажет значительное влияние на рынок кобальта, умеренное — на рынки лития, никеля и меди, незначительное — на рынки марганца и алю миния. Распространение электромобилей в ближайшие десятилетия создает для стран — экспортеров цветных металлов, включая Россию, существенные возможности наращивания поставок на мировые рынки
Стремительное развитие технологии искусственного интеллекта (ИИ) ведет к усилению глобальной конкуренции, меняя динамику соотношения сил между разными странами. В статье анализируются влияние распространения ИИ на перспективы соперничества в оборонной сфере между США и Китаем, а также эффекты этого процесса для небольших стран с ограниченным геополитическим влиянием. На основании обзора тематической литературы и опроса экспертов составлен набор возможных сценариев на период до 2050 г., которые описывают разные варианты развития противостояния США и Китая на Земле и в космосе, отражают соответствующие векторы стратегий для малых стран в том или ином контексте. Сценарии могут служить стратегической канвой для разработки проактивной политики национальной безопасности с учетом меняющегося международного ландшафта. Предложенные рекомендации направлены на то, чтобы «выровнять игровое поле» и помочь таким субъектам не только решать проблемы, связанные с развитием ИИ в военной сфере, но и использовать возможности, возникающие в результате технологических сдвигов. Представленные выводы формируют потенциальную основу для разработки стратегий национальной безопасности даже в условиях институциональных и инфраструктурных ограничений. Лица, принимающие решения, могут ориентироваться в сложной среде, динамизм которой во многом определяют технологии ИИ
К середине 2020-х годов традиционные методологии стратегического прогнозирования продемонстрировали свою ограниченную применимость в условиях нарастающей сложности и неопределенности глобальных процессов. В статье предпринимается попытка преодолеть эти ограничения, в частности через отказ от ранее применявшейся модели конуса будущего (Futures Cone, FC). Исследование базируется на концептуальном анализе с опорой на системное мышление, науки о сложности и принципы совместного проектирования (participatory design). В качестве альтернативы предлагается новая аналитическая рамка адаптивной сетевой модели (Adaptive Futures Mesh, AFM), обеспечивающей более эффективное управление неопределенностью благодаря учету «неизвестных неизвестных» переменных. AFM визуализирует каскадные воздействия с акцентом на человеческой агентности, а работа с петлями обратной связи позволяет адаптироваться к меняющимся условиям. К ограничениям исследования относятся отсутствие эмпирической проверки AFM и вероятные затруднения при внедрении в различных контекстах. Вместе с тем, она обладает значительным потенциалом по оптимизации практики стратегического планирования. С ее помощью организации смогут выйти за узкие рамки прогнозирования, повышая готовность к будущему и стратегическую устойчивость в условиях сложности и поликризиса
Издательство
- Издательство
- ВШЭ
- Регион
- Россия, Москва
- Почтовый адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- Юр. адрес
- 101000, г. Москва, ул. Мясницкая, д. 20
- ФИО
- Анисимов Никита Юрьевич (Ректор)
- E-mail адрес
- hse@hse.ru
- Контактный телефон
- +7 (___) _______
- Сайт
- https://www.hse.ru/