Gaurav Bubna, Co-Founder van NextBillion.ai – Interview Series

Gaurav Bubna, is de Co-Founder van NextBillion.ai een kaartplatform gebouwd voor ondernemingen. Hij heeft eerder gewerkt met bedrijven zoals Grab, Ola en ZLemma (overgenomen door Hired.com)

Wat trok je aanvankelijk aan tot informatica en machine learning?

Zelfs toen ik op school zat, was ik altijd aangetrokken tot wiskunde en de kleine beetjes programmeren die ik toen kon doen. Dus toen ik naar college ging, leek het studeren van informatica een natuurlijke uitbreiding. Machine Learning is meer een “verworven smaak” geworden over de jaren heen. Ik hou van de combinatie van praktische en werkelijke aspecten zoals big data en de mogelijkheid om het toe te passen op een verscheidenheid aan werkelijke toepassingen, evenals de theoretische aspecten zoals waarschijnlijkheidstheorie, die ik altijd fascinerend heb gevonden.

Voordat je NextBillion.ai oprichtte, was je een oprichtend lid van het Maps-productteam bij Grab, waar je hielp om het team uit te breiden van een 10-koppig multifunctioneel team tot 300+ in een periode van ~2,5 jaar. Wat waren enkele van de belangrijkste lessen die je uit deze ervaring hebt getrokken?

Een belangrijke les die ik leerde, was dat elk land waar Grab actief was, onderdeel was van “Zuidoost-Azië”, maar in de praktijk waren ze allemaal zo verschillend. Oplossingen die echt werkten, waren op een manier gebouwd dat ze konden worden aangepast aan elk bedrijf, elk land en soms zelfs aan verschillende steden binnen hetzelfde land. De meeste producten worden niet op deze manier gebouwd en het is heel moeilijk om de balans te vinden tussen de mogelijkheid om snel te schalen en gebouwd te worden om aan elk gebruik te voldoen. Ik denk dat deze balans een belangrijke les is die ik uit mijn tijd daar heb geleerd.

Kunt u het verhaal achter NextBillion.ai delen?

We hebben geïnvesteerd in kaartoplossingen die specifiek nodig waren voor Grab, maar die niet door consumentengerichte kaarten zoals Google werden ondersteund. Na verloop van tijd konden we een enorme impact voor Grab behalen, zowel in termen van eenheidseconomie voor Grab als in termen van sterke concurrentiedifferentiatie. En terwijl Grab in een gunstige positie verkeerde om zoveel in hun kaarten te investeren, zullen de meeste andere bedrijven dit niet kunnen doen (omdat ze niet zoveel kapitaal hebben opgehaald). Dus zagen we een kans om enkele van onze leerervaringen te nemen en een platform voor ondernemingen wereldwijd te bouwen.

NextBillion.ai is ‘s werelds eerste decentrale en aanpasbare kaartplatform voor ondernemingen. Wat zijn enkele van de voordelen voor ondernemingen om een decentraal platform te gebruiken in plaats van populaire opties zoals Google Maps?

Voor transport-, logistiek- en e-commercebedrijven maken we betere eenheidseconomie, lagere kosten per levering en beter gebruik van activa mogelijk. Vanwege de ‘one-size-fits-all’-aard van opties zoals Google Maps, zijn deze bedrijfswinsten simpelweg niet mogelijk. Voor andere B2B-softwarebedrijven kunnen ze vaak niet aan veel klantbehoeften voldoen vanwege deze beperkingen van één maat voor alle bedrijven. Wij ontgrendelen meer gebruiksscenario’s en maken meer omzet- en groeimogelijkheden mogelijk.

Google Maps heeft beperkingen op het aantal API’s dat kan worden gebruikt, wat zijn de beperkingen bij NextBillion.ai in vergelijking?

Dit is een goed voorbeeld van een van onze differentiatoren. We bieden extreem flexibele commerciële modellen aan onze klanten, waaronder ONBEPERKTE API-aanroepenpakketten, ondersteuning voor tot 20 keer hogere doorvoer en 5 keer lagere latentie dan de beste beschikbare alternatieven.

Hoe gebruikt het systeem AI om de vraag- en aanbodvoorspelling op lokaal niveau te monitoren?

Onze API’s worden gebruikt om een betere en efficiëntere dispatch mogelijk te maken, meer precieze prijswijzigingen, waaronder prijsschokken, die op hun beurt een directe invloed hebben op het vraag- en aanbodonevenwicht op zeer kleine niveaus, zoals lokale gebieden.

Voor ritdiensten kunt u bespreken hoe de AI het verkeer kan voorspellen om een betere tarief- en inkomensconsistentie te bieden?

Bestuurders op deze platforms kijken naar tijd als geld. Elk uur dat ze rijden, willen ze enige zekerheid dat ze $X aan het einde ervan zullen verdienen. In de praktijk is er, vanwege onnauwkeurige afstandstijdvoorspellingen van kaart-API’s, een enorme fluctuatie in het bedrag dat een bestuurder per eenheidstijd verdient, over verschillende routes, uren van de dag en dagen van de week. Onze AI houdt rekening met eerder rijgedrag, verkeerspatronen in de stad en stelt extreem precieze routes en verkeer voor. Dit maakt extreem nauwkeurige prijzen voor onze klanten mogelijk en in ruil daarvoor veel voorspelbaardere inkomsten voor hun bestuurders.

Wat zijn enkele andere alledaagse gebruiksscenario’s die NextBillion.ai mogelijk maakt voor ondernemingen?

We maken een breed scala aan leverings- en e-commerce-scenario’s mogelijk, zoals voedsellevering, boodschappen en e-commerce-leveringen. We maken ook noodhulpdiensten zoals ambulances mogelijk om snellere aankomsttijden te hebben, politiekrachten om efficiënte patrouilles voor verlaagde misdaadcijfers mogelijk te maken en efficiënte afvalophaling. We maken ook andere achter-de-schermen-scenario’s mogelijk die enkele van deze alledaagse scenario’s mogelijk maken – bijvoorbeeld truckroutes die uw e-commercebestellingen naar uw dichtstbijzijnde distributiehub brengen.

Is er nog iets anders dat u over NextBillion.ai wilt delen?

We geloven dat de meeste ondernemingen nog niet erkennen dat kaarten niet alleen een cool technologie zijn, maar dat ze ook honderden miljoenen dollars aan bedrijfsimpact kunnen hebben vanuit dezelfde voorraad of activabasis. Een deel van wat we als bedrijf hopen te bereiken, is het bevorderen van de staat van de industrie zelf. Als we in de komende jaren een groot aantal ondernemingen kunnen helpen om de waarde van ruimtelijke gegevens te erkennen, zelfs als ze niet rechtstreeks met ons samenwerken, zullen we onze missie gedeeltelijk als vervuld beschouwen.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten NextBillion.ai bezoeken.