Gaurav Bubna, Co-Founder von NextBillion.ai – Interview-Serie

Gaurav Bubna, ist der Co-Founder von NextBillion.ai einer Kartierungsplattform, die für Unternehmen entwickelt wurde. Er hat zuvor bei Unternehmen wie Grab, Ola und ZLemma (übernommen von Hired.com) gearbeitet

Was hat Sie ursprünglich zur Informatik und zum Maschinellen Lernen hingezogen?

Schon als ich in der Schule war, war ich immer von der Mathematik und den kleinen Programmierbits, die ich damals machen konnte, angezogen. Als ich daher auf die Universität ging, schien es mir eine natürliche Fortsetzung, Informatik zu studieren. Maschinelle Lernen war mehr ein “erworbener Geschmack” im Laufe der Jahre. Ich liebte die Kombination aus praktischen und realen Aspekten wie Big Data und die Fähigkeit, es auf eine Vielzahl von realen Anwendungen anzuwenden, sowie die theoretischen Aspekte wie Wahrscheinlichkeitstheorie, die ich immer faszinierend fand.

Bevor Sie NextBillion.ai gegründet haben, waren Sie Gründungsmitglied des Maps-Produktteams bei Grab, wo Sie halfen, das Team von einer 10-köpfigen crossfunktionalen Mannschaft auf 300+ in einem Zeitraum von ~2,5 Jahren zu skalieren. Welche waren einige der wichtigsten Lektionen, die Sie aus dieser Erfahrung mitgenommen haben?

Eine wichtige Lektion, die ich gelernt habe, war, dass jedes Land, in dem Grab tätig war, Teil von “Südostasien” war, aber in der Praxis sehr unterschiedlich war. Lösungen, die tatsächlich funktionierten, wurden so entwickelt, dass sie auf jedes Unternehmen, jedes Land und manchmal sogar auf verschiedene Städte innerhalb desselben Landes zugeschnitten werden konnten. Die meisten Produkte werden nicht auf diese Weise entwickelt, und es ist sehr schwierig, die Fähigkeit, schnell zu skalieren, mit der Fähigkeit in Einklang zu bringen, Produkte zu entwickeln, die auf jeden Anwendungsfall zugeschnitten sind. Ich denke, dass diese Balance eine wichtige Lektion ist, die ich aus meiner Zeit dort gelernt habe.

Können Sie die Entstehungsgeschichte hinter NextBillion.ai teilen?

Wir haben in Kartierungslösungen investiert, die speziell für Grab benötigt wurden, aber nicht etwas, das von verbraucherorientierten Karten wie Google unterstützt wurde. Im Laufe der Zeit konnten wir einen massiven Einfluss auf Grab haben, sowohl in Bezug auf die Einheitenökonomie für Grab als auch bei der Steigerung der Wettbewerbsfähigkeit. Und während Grab in der glücklichen Lage war, so viel in ihre Karten investieren zu können, werden die meisten anderen Unternehmen nicht in der Lage sein, dies zu tun (weil sie nicht so viel Kapital aufgenommen haben). Wir sahen also eine Chance, einige unserer Erkenntnisse zu nutzen und eine Plattform für Unternehmen weltweit aufzubauen.

NextBillion.ai ist die weltweit erste dezentralisierte und anpassbare Kartierungsplattform für Unternehmen. Welche sind einige der Vorteile für Unternehmen, eine dezentralisierte Plattform gegenüber beliebten Optionen wie Google Maps zu verwenden?

Für Transport-, Logistik- und E-Commerce-Unternehmen ermöglichen wir bessere Einheitenökonomie, niedrigere Kosten pro Lieferung und bessere Ausnutzung von Vermögenswerten. Aufgrund der “eine-Größe-passt-für-alle”-Natur von Optionen wie Google Maps sind diese Geschäftsgewinne einfach nicht möglich. Für andere B2B-Software-Unternehmen können sie oft nicht viele Kundenbedürfnisse erfüllen, weil sie diese “eine-Größe-passt-für-alle”-Einschränkungen haben. Wir ermöglichen mehr Anwendungsfälle und ermöglichen so mehr Umsatz- und Wachstumsmöglichkeiten.

Google Maps hat Grenzen bei der Anzahl der APIs, die verwendet werden können, was sind die Grenzen bei NextBillion.ai im Vergleich?

Dies ist ein großartiges Beispiel für einen unserer Unterschiede. Wir bieten extrem flexible kommerzielle Modelle für unsere Kunden an, einschließlich UNBEGRENZTER API-Aufruf-Pakete, Unterstützung für bis zu 20-mal höhere Durchsatzrate und 5-mal geringere Latenz als die besten verfügbaren Alternativen.

Wie verwendet das System künstliche Intelligenz, um die Nachfrageprognose auf lokaler Ebene zu überwachen?

Unsere APIs werden verwendet, um eine bessere und effizientere Entsendung zu ermöglichen, präzisere Preisänderungen, einschließlich Preisspitzen, was wiederum einen direkten Einfluss auf die Nachfrage- und Angebotsungleichgewichte auf sehr mikroskopischer Ebene wie auf lokaler Ebene hat.

Für Fahrdienstleistungen können Sie erläutern, wie die künstliche Intelligenz den Verkehr vorhersagen kann, um bessere Fahrpreise und Einkommensstabilität zu bieten?

Fahrer auf diesen Plattformen sehen die Zeit als Geld. Jede Stunde, die sie fahren, wollen sie eine gewisse Sicherheit, dass sie am Ende dieser Stunde X Dollar verdienen. In der Praxis gibt es aufgrund ungenauer Distanz-Zeit-Vorhersagen von Kartierungs-APIs massive Schwankungen in der Menge an Geld, die ein Fahrer pro Zeiteinheit verdient, über verschiedene Routen, Stunden des Tages und Wochentage hinweg. Unser KI-System berücksichtigt das Fahrverhalten in der Vergangenheit, Verkehrsbedingungen in der Stadt und schlägt extrem präzise Routen und Verkehrsbedingungen vor. Dies ermöglicht extrem genaue Preisfestlegungen für unsere Kunden und damit viel vorhersehbare Einkommen für ihre Fahrer.

Welche anderen alltäglichen Anwendungsfälle ermöglicht NextBillion.ai für Unternehmen?

Wir ermöglichen eine breite Palette von Liefer- und E-Commerce-Szenarien wie Lebensmittellieferungen, Lebensmittel und E-Commerce-Lieferungen. Wir ermöglichen auch Notdienste wie Ambulanzfahrzeuge, um schneller zu arrivieren, Polizeikräfte, um effiziente Patrouillen für geringere Kriminalitätsraten zu ermöglichen, und effiziente Müllabfuhr. Wir ermöglichen auch andere Hintergrundanwendungsfälle, die einige dieser alltäglichen Anwendungsfälle möglich machen – z. B. LKW-Routen, die Ihre E-Commerce-Bestellungen zu Ihrem nächsten Erfüllungszentrum bringen.

Gibt es noch etwas, das Sie über NextBillion.ai teilen möchten?

Wir glauben, dass die meisten Unternehmen noch nicht erkennen, dass Karten nicht nur eine coole Technologie sind, sondern dass sie auch hunderte Millionen Dollar an Geschäftseinfluss aus dem gleichen Vermögens- oder Asset-Bestand treiben können. Ein Teil dessen, was wir als Unternehmen erreichen möchten, ist, den Stand der Branche selbst voranzutreiben. Wenn wir in den kommenden Jahren helfen können, vielen mehr Unternehmen zu helfen, den Wert von räumlichen Daten zu erkennen, auch wenn sie nicht direkt mit uns zusammenarbeiten, würden wir unsere Mission teilweise als erfüllt betrachten.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten NextBillion.ai besuchen.