我們都知道，最近幾年AI創(chuàng)業(yè)幾乎呈指數級增長。那么AI領域的投資規(guī)模到底有多少大？這些AI創(chuàng)業(yè)公司的規(guī)模如何？對他們來說最有前途的市場是哪些？

這些問題我們都可以從AngelList公開的數據中得到答案。

關于AngelList

AngelList網站建于2010年，是全球最大的天使投資平臺，連接起眾多科技創(chuàng)業(yè)公司、投資人和創(chuàng)業(yè)企業(yè)求職者，目前已經有超過400萬公司、800萬投資者和至少100萬求職者在他們的網站上注冊。據不完全統計，10年間，通過該平臺投資的企業(yè)市值超過2900億美元，涵蓋企業(yè)包括Uber、Airbnb、Twitter、Dropbox等。

數據提取及特征確定

首先，我們使用explosion.ai.研發(fā)的SenseToVec工具來確定用于抓取數據的關鍵詞語。SenseToVec是一種神經網絡模型，用其讀取2015年Reddit上的所有評論，再使用word2vec和spaCy來建立語義地圖。通過搜索一個詞或短語，得到和該詞或短語最相似的單詞（甚至可以使用它來查找同義詞）。比如輸入“機器學習”,匹配提取出了:數據科學、NLP、計算機視覺……

對這些關鍵詞語過濾后，我們使用更精確的關鍵詞語在Angel上進行查詢。

接下來使用Selenium和BeautifulSoup制作網絡爬蟲，創(chuàng)建一個驅動程序訪問URL(https://angel.co/companies)，點擊搜索欄并輸入特定的查詢詞。然后滾動列表中的每個公司并存儲其數據。

Angel爬蟲

因為網站限制了每次搜索只能獲得400個公司，所以我們使用過濾器并增加查詢數量，以確保得到幾乎所有相關公司的信息。

刪除重復信息后，獲得CSV文件，其中包含10139組獨立數據，特征包括:

‘name’→公司名稱

‘joined’→公司加入Angel的時間

‘type’→公司類型(創(chuàng)業(yè)公司，有限責任公司，孵化器…)

‘location’→公司所在城市

‘market’→公司活躍領域(電商，游戲…)

‘pitch’→公司標語

‘raised’→公司投資人的投資數額

‘tech’→主要使用的編程語言(Python，Javascript…)

數據分析

首先進行清洗和預處理，包括格式化日期、正規(guī)化文本，以及將金額相關的字符串轉換為浮點數字。

然后就是對這個包含10139個公司的數據集進行各種操作。

1、統計這些創(chuàng)業(yè)公司使用的編程語言

上圖顯示，在機器學習方面，AngelList上的創(chuàng)業(yè)公司更偏愛使用python，python的使用率達到93.5%。其次是javascript，使用率為3.94%。但是，我們只統計了AngelList頭部技術公司，因此這沒有包含其他重要的編程語言。

如果按年份統計數據，得到2010年-2019年這些編程語言使用情況的變化：

編程語言使用情況變遷

上圖顯示，Python的使用率顯著上升。這也印證了，作為一種驚人的、高水準的通用語言，python擁有范圍廣泛的強大的庫，并在數據科學和機器學習領域最為著名。

2、查看這些創(chuàng)業(yè)公司分布在哪些市場領域

10139個創(chuàng)業(yè)公司所在的市場分布

有一些比較常見的行業(yè)（比如b2b和saas）在其他市場大類別中也經常出現（如在大數據分析和大數據中），但還是可以在人工智能相關領域中做一些比較。

3、統計各個行業(yè)的投資額

根據市場來聚合數據并總結出融資，可以知道各個行業(yè)的投資額總共有多少：

各行業(yè)的總投資額

上圖列出投資額最高的20個行業(yè)，其中酒店行業(yè)遙遙領先，達到100億美元以上，排名第二的新聞行業(yè)達到40億美元以上。但這不能說明這些行業(yè)獲得投資的創(chuàng)業(yè)公司的數量最多。

比如，這其中投資規(guī)模最大的企業(yè)有(以十億美元為單位)：

Airbnb→10.3(酒店)

Netscape→4.2(新聞)

Nest→3.3(物聯網)

Palantir→2.1(分析)

Grail→1.7(診斷)

這解釋了為什么酒店行業(yè)的投資量巨大：一兩個規(guī)模巨大的企業(yè)會對總投資量產生重大影響。

如果選取每個行業(yè)的平均投資額則可以獲得不同的結果：

各行業(yè)的平均投資額

上圖是平均投資額最多的10個行業(yè)，并不包含酒店行業(yè)。遙遙領先的是新聞行業(yè)，平均投資額達到20億美元，其余的行業(yè)都在5億美元以下。

4、分析不同投資額區(qū)間的企業(yè)分布數量

首先我們統計下每個行業(yè)的獲投資企業(yè)的數量，然后對比投資額范圍。例如，有多少移動廣告公司獲得了1到1000萬美元的投資？

將投資范圍分為5個區(qū)間，統計每個區(qū)間內，獲得相應投資額的企業(yè)數量：

通過這個相對復雜的分析，投資者和創(chuàng)業(yè)者可以更深入了解與投資規(guī)模相關的市場行為。如果你的公司處在第一個階段（種子輪），在哪個市場更容易獲得融資？又哪些企業(yè)變成了融資數十億美元的獨角獸？

5、分析投資人對不同市場的興趣變化

使用每個行業(yè)每年的投資額，可以看到2011年以來市場如何變化：

2011年以來的市場變化

6、分析不同階段的創(chuàng)業(yè)企業(yè)的受歡迎程度

按創(chuàng)業(yè)公司所處的發(fā)展階段來查看平均投資額：

上圖顯示，A輪階段的平均投資低于種子輪公司。而企業(yè)發(fā)展越成熟，獲得投資額約大。

7、2010年以來的的總投資（以百萬美元為單位）以及創(chuàng)業(yè)公司數量

歷年總投資額

可以看到，2012年開始，AngelList上的數據爆炸增長，風險投資顯著增長。這也伴隨著越來越多的創(chuàng)業(yè)公司在全球范圍內出現。

下圖顯示了每年在AngelList上注冊的創(chuàng)業(yè)公司數量。

歷年創(chuàng)業(yè)公司數量

8、全球范圍的創(chuàng)業(yè)公司分布情況

最后，我們使用Geopy定位提取坐標，建立一個分布在世界各地的創(chuàng)業(yè)公司集群地圖。可以獲得一個交互式的地圖:

創(chuàng)業(yè)公司集群地圖

這個定位地圖包括了10000+個公司的位置。雖然樣本較小，但仍然非常好的顯示了不同國家的科技分布情況。

在這個交互式地圖上，點擊集群可以打開更小的集群，持續(xù)點擊可以看到企業(yè)。點擊單個企業(yè)可以獲得他們的網站鏈接。（交互式地圖獲取方式見文末）

根據投資額進行加權，得到一個熱力圖。所以人工智能的錢都去哪里了呢？

熱力圖

9、這些創(chuàng)業(yè)公司的標語中最常出現的詞語

根據創(chuàng)業(yè)公司標語得到的詞云

以上對這個數據集的處理還不夠全面。還可以從員工數量（反應企業(yè)規(guī)模）、企業(yè)年齡、標語（使用NLP進行分析）中獲得更多信息。甚至還可以獲得——創(chuàng)始人、聯合創(chuàng)始人和投資者的聯系信息。

網頁抓取加上數據分析和機器學習，將變成了一個非常強大的工具！