Mergers e Acquisitions rappresentano forme importanti di accordi commerciali a causa dei volumi coinvolti nelle transazioni e del ruolo dell'attività di innovazione delle aziende. Abbiamo sviluppato un metodo per prevedere le future acquisizioni assumendo che le aziende acquistino più frequentemente aziende tecnologicamente vicine. Affrontiamo sia il problema di prevedere una coppia di società che faranno un accordo, sia quello di trovare una società target dato un acquirente. Confrontando diverse tecniche di previsione, tra cui machine learning e gli algoritmi basati su rete, dimostriamo che il nostro metodo supera gli altri approcci. Infine, presentiamo il Continuous Company Space, una rappresentazione bidimensionale delle aziende per visualizzarne la vicinanza tecnologica e le possibili acquisizioni. Aziende e policymakers possono utilizzare questo metodo per identificare le aziende che hanno maggiori probabilità di perseguire accordi o esplorare possibili strategie di innovazione.
Utilizzando la nostra tecnologia, le aziende possono trovare i migliori partner per un accordo (fusione, acquisizione, ecc.). Questa raccomandazione nasce dalla costruzione di uno spazio delle aziende, la cui distanza relativa è calcolata utilizzando la scienza delle reti e il machine learning. In questo spazio, due aziende sono “vicine” dal punto di vista tecnologico, e quindi se hanno attività brevettuali simili. Tuttavia, un'impresa target potrebbe essere raccomandata ad un'impresa acquirente a causa della sua distanza, se l'acquirente fosse invece alla ricerca di un'attività brevettuale complementare o volesse entrare in un nuovo mercato.