Development of algorithms for microsegmenting and characterizing Small and Medium Enterprises (SMEs)

El hecho de poder agrupar empresas de una forma sencilla, rápida y automática es crucial en el mundo del capital riesgo. mscope, una startup Fintech que trata de ayudar a los proveedores de financiación alternativa a encontrar las mejores PYMES (Pequeñas y Medianas Empresas) en las que invertir, posee actualmente un algoritmo con muy buenos resultados para llevar a cabo esa tarea de agrupación de empresas en base a la información extraída de sus páginas web.
El objetivo de este trabajo es mejorar dicho algoritmo mediante la automatización de todos sus pasos y etapas, eliminando así cualquier dependencia del ser humano, y pudiendo aplicarlo en otras nuevas geografías del mundo. Por tanto, en este proyecto se describe la creación de un algoritmo no supervisado de clustering que agrupe de forma automática empresas en sectores productivos en función de su contenido web.
El trabajo se estructura en tres grandes bloques: una primera parte en la que se explica la completa y compleja metodología desarrollada para llevar a cabo dicha agrupación de empresas, una segunda parte en la que se analizan los resultados obtenidos al implementar dicho algoritmo con empresas reales y en la última parte se propone, tras el estudio de los primeros resultados, una mejora metodológica que permite obtener aún un mejor rendimiento.

The fact of being able to group companies in a simple, fast and automatic way is crucial in the private equity (PE) world. mscope, a Fintech startup that tries to help alternative finance providers to find the best SMEs (Small and Medium-sized Enterprises) to invest in, currently has an algorithm with very good results to carry out this task of grouping companies based on the information extracted from their web pages.
The objective of this work is to improve this algorithm by automating all its steps and stages, thus eliminating any dependence on human beings, and being able to apply it in other new geographies all around the world. Therefore, this project describes the creation of an unsupervised clustering algorithm that automatically groups companies into productive sectors based on their web content.
This dissertation is structured in three main blocks: a first part in which the complete and complex methodology developed to carry out this clustering of companies is explained, a second part in which the results obtained when implementing this algorithm with real companies are analyzed, and in the third and last part, after the study of the first results, a methodological improvement is proposed to obtain even better performance.