Estás leyendo la publicación: La empresa emergente con sede en Bangalore que lo ayuda a encontrar la ubicación de su próxima tienda
En la actualidad, utilizamos aplicaciones de navegación como Google Maps y MapMyIndia para explorar nuevas áreas. Desde la perspectiva del consumidor, son realmente buenos y brindan toda la información relevante sobre el tráfico, restaurantes, clínicas, etc. en un lugar determinado. Pero, ¿existe un equivalente de Google Maps para un hombre de negocios que desea abrir una tienda en una nueva ubicación? ¿Quién hace el reconocimiento por él? ¿Quién trae información?
GeoIQ hace eso y mucho más. Una plataforma de inteligencia de ubicación con sede en Bangalore, GeoIQ ha logrado un crecimiento de 10 veces en su ARR en los últimos cuatro trimestres y está en camino de registrar un crecimiento adicional de 5x en ARR en los próximos dos trimestres.
En una interacción exclusiva con Revista de análisis de la Indiael CEO Devashish Fuloria habla sobre los modelos comerciales de GeoIQ, los productos estrella, los desafíos que enfrenta la empresa y también los planes futuros.
OBJETIVO: ¿Cuál es la historia detrás de GeoIQ?
devashis: Alrededor de 2018, estábamos discutiendo muchos problemas relacionados con la ciencia de datos. Uno de los minoristas más grandes de la India estaba tratando de implementar su plan de abrir una cadena de 5000 tiendas de comestibles en toda la India, pero tuvo problemas para identificar las ubicaciones más adecuadas para sus tiendas más allá de las ciudades metropolitanas. En general, las entidades dependen de la información que surge en tales casos. Sin embargo, se vuelve complicado entender qué información es lo suficientemente buena porque las entidades generalmente no conocen el paradero de una ubicación. Ahora, cuando instalas la tienda, es un gasto enorme. Entonces, si no funciona después de un año, está perdiendo mucho valor comercial y gasto de capital.
Por lo tanto, se nos ocurrió la idea de proporcionar información relacionada con la ubicación de manera centralizada. Comenzamos a verificar los datos de varias ubicaciones. Analizamos los datos del gobierno, los registros públicos e Internet y, finalmente, superpusimos toda la información en el mapa. Hoy les decimos a las empresas todo sobre una dirección en una calle sin estar realmente allí: si se puede llegar a una ubicación, si es riesgosa, si habría demanda de ropa costosa, etc. Brindamos respuestas a consultas tan valiosas en números simples. . Cuando un cliente pregunta sobre una ubicación, le damos una puntuación entre 0 y 100, lo que significa qué tan buena sería esa ubicación para el negocio.
OBJETIVO: ¡Eso es interesante! Explique algunos de los últimos casos de uso proporcionados a sus clientes, particularmente en la implementación de AI/ML.
Devashish: Nuestros casos de uso se encuentran en todas las industrias, siendo las más importantes la tecnología financiera, el comercio minorista y el comercio electrónico. El mayor caso de uso de fintech es la predicción de riesgos. Antes de desembolsar préstamos, las fintech deben conocer la solvencia crediticia de sus clientes. Al solicitar préstamos, los clientes brindan información como detalles de la tarjeta PAN, números de tarjetas de crédito, etc. Según la información específica de la ubicación derivada de estos detalles, predecimos qué tan creíble sería un cliente potencial.
Para el comercio electrónico, resolvemos la preocupación relacionada con el retorno al origen al aumentar sus datos de usuario con inteligencia hiperlocal. Otros casos de uso incluyen la predicción precisa de la riqueza, la predicción del fraude, la propensión a las reclamaciones, el modelo de cobros y la priorización de clientes potenciales.
OBJETIVO: ¿Cuáles son los desafíos que ha enfrentado hasta ahora y cómo los está abordando GeoIQ?
Devashish: Cuando comenzamos, nos dimos cuenta de que había una gran necesidad, pero una comprensión limitada de estos datos. Tuvimos que educar a nuestros usuarios, a veces sin éxito, sobre la mejor manera de utilizar este vasto depósito de datos. Los analistas de negocios siempre buscaban números específicos que consideraban importantes. Esto finalmente se abordó. Ahora proporcionamos puntuaciones a los clientes.
Luego hubo desafíos como obtener datos valiosos, precisos y de calidad del mundo real. Por ejemplo, los datos de buena calidad para las fronteras indias no estaban fácilmente disponibles ni eran accesibles. Además, el código PIN, la ciudad, el estado y otros límites no estaban muy claros más allá de los límites administrativos. Por lo tanto, creamos un motor de GeoAsignación para definir mejor los límites (un 20 % más preciso que las definiciones de límites existentes) y mapeamos las direcciones en estos nuevos límites.
Otro desafío fue con respecto a la santidad de los datos. Tuvimos que verificar y validar puntos de datos de varias fuentes para garantizar la precisión y veracidad de la información que habíamos recopilado de fuentes de datos públicas.
En la actualidad, el descubrimiento de datos es un gran desafío. Identificar qué datos son útiles e impactan directamente en un caso de uso es una tarea hercúlea y, a menudo, termina en prueba y error. La plataforma NoCode ML ha sido creada para solucionar este problema. La solución ha completado la fase beta y pronto se lanzará. Las empresas podrían crear múltiples modelos en poco tiempo y experimentar con atributos de datos para identificar el que mejor se adapte a su caso de uso.
APUNTAR: Entonces, en cierto modo, GeoIQ está tratando de abordar el problema de los datos erróneos con la plataforma NoCode ML. Los datos erróneos son un problema global. ¿De qué otra manera planeas abordar la amenaza?
Devashish: Los datos son buenos. No creemos en los malos datos. Los datos malos son datos buenos que no se presentan en un formato estructurado y consumible. Sí, no negamos que hay muchos problemas con los datos cuando miras las bases de datos de las empresas. Pero no puedes resolver múltiples problemas. Por lo tanto, nos estamos enfocando en un área específica, es decir, la ubicación, que nos ayuda a unir muchos conjuntos de datos diferentes de una manera cohesiva.
OBJETIVO: ¿Qué tecnología utiliza GeoIQ para analizar una amplia pila de datos para brindar soluciones personalizadas a sus clientes?
Devashish: Usamos nuestros algoritmos patentados para transformar datos del mundo real de más de 600 fuentes en un formato estructurado, categorizado en más de 3000 atributos. Hemos creado capacidades avanzadas de aprendizaje automático que nos ayudan a proporcionar modelos personalizados a los clientes, en función de sus casos de uso. El explorador y las API, nuestras ofertas estándar, están respaldadas por capacidades de ML. Explorer ayuda al usuario a obtener información sobre una ubicación específica o comparar hasta tres ubicaciones a la vez para un atributo específico. Las API podrían integrarse directamente en el código para aumentarlo para los datos de ubicación.
OBJETIVO: GeoIQ recaudó USD 2,25 millones en financiamiento recientemente. ¿Cómo planea canalizar estos fondos?
Devashish: Como empresa dirigida por productos, nuestras estrategias principales giran en torno al desarrollo de productos. Estamos canalizando una parte de estos fondos hacia la creación de capacidades tecnológicas avanzadas y un equipo de recursos humanos calificados.
Además, queremos tomar nuestra metodología y construir un sistema similar para diferentes geografías. A partir de ahora, es los EE.UU. Estamos abriendo nuestra plataforma a los científicos de datos, donde pueden crear sus propios modelos de ubicación y obtener respuestas de ubicación específicas relacionadas con los EE. UU.
OBJETIVO: ¿Por qué EE. UU. y no la región más grande alrededor de la India?
Devashish: El sudeste asiático tiene problemas muy similares a los de la India, que básicamente es que todos somos pobres en datos. Sudeste de Asia, para nosotros, tal vez veinte entidades geográficas, lo que significa que tienes que encontrar 20 × 500 fuentes de datos para construir una base. Pero al ser EE. UU. una unidad geográfica masiva, puede escalar los datos muy rápidamente y, además, los datos están fácilmente disponibles.
OBJETIVO: En la actualidad, GeoIQ ofrece tres productos: sin código ML, API y Explorer. ¿Hay planes para ampliar la gama de productos? ¿Qué hay en la tubería?
Devashish: Más que expandirnos a nuevos productos, estamos tratando de expandir nuestras soluciones para nuevos casos de uso, obtener datos más recientes y mejorar los modelos de ML. Cada nueva fuente de datos que agregamos enriquece nuestras ofertas un paso más. Nuestras soluciones están experimentando una amplia adopción. Nuevas empresas con declaraciones de problemas muy específicas y de nicho se están comunicando con nosotros. Estamos entusiasmados con eso y estamos ampliando nuestros escenarios de casos de uso.
OBJETIVO: En India, las pequeñas empresas a menudo sufren debido a problemas de ubicación. Desde la perspectiva de la RSE, ¿tiene planes para comprometerse con ese sector de la sociedad?
Devashish: Ya disponemos de un modelo freemium para que las pequeñas empresas accedan a nuestras soluciones con un determinado número de créditos gratuitos. Además, se proporciona información básica sobre ciudades, pueblos y calles de forma gratuita.
OBJETIVO: ¿Cree que las discusiones sobre la regulación de datos afectarían las operaciones de GeoIQ?
Devashish: Creo que fue una elección muy consciente que hicimos hace cuatro años de no entrar en datos personales. Es información anonimizada la que tratamos. Los datos del gobierno no nombran a las personas. Información como los datos de Nielsen habla de patrones gastados en una ubicación y no tiene ninguna información personal. No sabemos quién es la Persona A. Esa información no existe en el sistema. En todo caso, la metodología de GeoIQ establece una plantilla sobre cómo se deben usar los datos en múltiples sistemas sin dejar de ser ‘privacidad primero’. Por lo tanto, no habrá un impacto adverso de las cambiantes regulaciones de datos en las operaciones de GeoIQ.
OBJETIVO: ¿Cuál es la hoja de ruta a seguir para GeoIQ? ¿Qué desarrollo podemos esperar en términos de nuevas soluciones y servicios?
Devashish: Los sistemas modernos de IA que existen dentro de las empresas se basan en lo que hacen los usuarios con sus aplicaciones. Nadie sabe lo que los usuarios están haciendo en el mundo real. Por ejemplo, la Persona A es solo una entidad para Amazon, y toda la personalización se realizará en función del movimiento y el comportamiento de A en la aplicación. Es probable que el vecino de A tenga preferencias similares a las de A, pero Amazon no las conoce. Estamos tratando de aprovechar este tipo de interacciones comunes y hacerlas parte de los sistemas modernos de IA.
Desde la perspectiva de la hoja de ruta, primero nos enfocamos en transacciones de alto volumen, por lo tanto, interactuamos mucho con empresas de tecnología financiera, seguros y comercio electrónico. Estamos aumentando gradualmente nuestras verticales en la India. En términos de nuevas soluciones o servicios, estamos tratando de fortalecer nuestra posición en los sectores de insurtech y comercio electrónico abordando más casos de uso y a mayor escala.
