公开的、从网上收集的数据可以用来在早期阶段识别有前途的创业公司吗?为了回答这个问题，我们使用这些关于丹麦公司名称及其地址的文本和非文本信息，以及它们的商业目的报表(BPSs)，加上核心会计信息以及创始人和初始初创企业的特征，来预测新初创企业在五年时间范围内的业绩。我们考虑的绩效结果是非自愿退出，aboveâ欧元的平均就业增长，超过20%的资产回报率，新的专利申请和参与创新补贴计划。我们的第一个关键发现是，我们的模型预测创业公司业绩的准确性要么很高，要么非常高，除了资产回报率高，但预测能力仍然很差。我们的第二个关键发现是，预测如此精确的性能结果所需的数据很低。为了很好地预测这两种与创新相关的绩效结果，我们只需要包括一组来自英司核算体系文本的变量，而对初创企业生存和高就业增长的准确预测需要(i)来自初创企业名称的信息，(ii)与创始人相关的基本特征的数据;(iii)描述初创公司初始特征的变量(预测初创公司生存)或业务目标陈述信息(预测高就业增长)。这些变量很容易获得，因为在商业登记时必须报告基本信息。我们对生存、就业增长、新专利和参与创新补贴计划的预测的实质性准确性表明，算法评分模型有足够的空间作为资金和创新支持决策的额外支柱。