Gaurav Bubna, medgrunnlegger av NextBillion.ai – Intervju-serie

Gaurav Bubna er medgrunnlegger av NextBillion.ai, et kartleggingsplattform bygget for bedrifter. Han har tidligere arbeidet for selskaper som Grab, Ola og ZLemma (kjøpt av Hired.com)

Hva var det som først tiltalte deg til datavitenskap og maskinlæring?

Da jeg gikk på skolen, var jeg alltid tiltrukket av matematikk og det lille jeg kunne programmere da. Derfor syntes det naturlig å studere datavitenskap da jeg gikk på universitet. Maskinlæring har vært mer av en “ervervet smak” over årene. Jeg elsket kombinasjonen av praktiske og virkelige aspekter som store data og evnen til å bruke det i en rekke virkelige anvendelser, samt de teoretiske aspektene som sannsynlighetsteori, som jeg alltid har funnet fascinerende.

Før du grunnla NextBillion.ai var du en av grunnleggerne av kartproduktteamet i Grab, der du hjalp til å skalle opp teamet fra 10 medlemmer til over 300 på bare 2,5 år. Hva var noen av de viktigste lærdommene du tok med deg fra denne erfaringen?

En viktig lærdom jeg lærte, var at selv om hvert land Grab opererte i var en del av “Sørøst-Asia”, var de alle svært forskjellige i praksis. Løsningene som virkelig fungerte, var bygget på en måte som gjorde det mulig å tilpasse dem til hver forretning, hvert land og til og med forskjellige byer innenfor samme land. De fleste produkter er ikke bygget på denne måten, og det er svært å balansere evnen til å skalle raskt, men likevel bygge produkter som er tilpasset hver enkelt anvendelse. Jeg tror denne balansen er en viktig lærdom jeg tok med meg fra tiden min der.

Kan du dele historien bak NextBillion.ai?

Vi investerte i kartløsninger som var spesifikt nødvendige for Grab, men ikke noe som forbruker-orienterte kart som Google (GOOGL ) var bygget for å støtte. Over tid var vi i stand til å drive massiv innvirkning for Grab både i form av enhetsøkonomi for Grab og i form av sterk konkurransefordel. Og mens Grab var i en heldig posisjon til å kunne investere så mye i sine kart, vil de fleste andre selskaper ikke være i stand til å gjøre det (fordi de ikke har samlet inn så mye kapital). Så vi så en mulighet til å ta noen av våre lærdommer og bygge en plattform for bedrifter globalt.

NextBillion.ai er verdens første desentraliserte og tilpassbare kartplattform for bedrifter. Hva er noen av fordelene for bedrifter å bruke en desentralisert plattform i stedet for populære alternativer som Google Maps?

For transport-, logistikk- og e-handelsbedrifter, muliggjør vi bedre enhetsøkonomi, lavere kostnader per levering og bedre utnyttelse av midler. Gitt den “en-størrelse-passer-alle”-natur til alternativer som Google Maps, er disse forretningsgevinstene simpelthen ikke mulige. For andre B2B-programvarebedrifter er de ofte ikke i stand til å betjene mange kundens behov på grunn av disse en-størrelse-passer-alle-begrensningene. Vi låser opp flere anvendelser og muliggjør mer omsetning og vekstmuligheter.

Google Maps har begrensninger på antall API-er som kan brukes, hva er begrensningene med NextBillion.ai i sammenligning?

Dette er et godt eksempel på en av våre forskjeller. Vi tilbyr ekstremt fleksible kommersielle modeller til våre kunder, inkludert UBEGRENSET API-oppkallspakker, støtte for opptil 20 ganger høyere gjennomstrømming og 5 ganger lavere latency enn de beste tilgjengelige alternativene.

Hvordan bruker systemet AI til å overvåke etterspørsel og tilbud forutsigelse på et lokalt nivå?

Våre API-er brukes til å muliggjøre bedre og mer effektiv dispatch, mer presise prisendringer, inkludert overtid, som påvirker etterspørsel og tilbud ubalanse på svært lokale nivåer.

For tjenester som tilbyr transport, kan du diskutere hvordan AI kan forutsi trafikk for å gi bedre pris- og inntektskonsistens?

Sjåfører på disse plattformene ser på tid som penger. Hver time de tilbringer bak rattet, ønsker de en viss garanti for at de vil tjene X beløp ved slutten av den. I praksis, på grunn av uøyaktige avstandstidsforutsigelser fra kart-API-er, er det en massiv fluktuasjon i beløpet sjåføren tjener per time, over forskjellige ruter, timer på dagen og dager i uken. Vår AI tar hensyn til tidligere kjøreforhold, trafikkmønster i byen og foreslår svært nøyaktige ruter og trafikk. Dette muliggjør ekstremt nøyaktige priser for våre kunder og i tillegg, mye mer forutsigbare inntekter for deres sjåfører.

Hva er noen andre hverdagslige anvendelser som NextBillion.ai muliggjør for bedrifter?

Vi muliggjør en rekke leverings- og e-handels-scenarier som matlevering, dagligvarer og e-handelsleveringer. Vi muliggjør også nødhjelps-tjenester som ambulanser å ha raskere ankomsttid, politistyrker å muliggjøre effektiv patruljering for redusert kriminalitet og effektiv avfallsinnsamling. Vi muliggjør også andre bakgrunnsanvendelser som gjør noen av disse hverdagsanvendelsene mulige – f.eks. lastebilsruter som bringer dine e-handelsbestillinger til ditt nærmeste fullføringssenter.

Er det noe annet du ønsker å dele om NextBillion.ai?

Vi tror at de fleste bedrifter ennå ikke erkjenner at kart ikke bare er en kul teknologitrend, men at det kan drive hundredvis av millioner av dollar i forretningsgevinst fra samme midler eller aktivabasen. En del av hva vi håper å oppnå som bedrift er å fremme kartindustriens tilstand selv. Hvis vi i årene som kommer kan hjelpe mange flere bedrifter å erkjenne verdien av romlige data, selv om de ikke direkte samarbeider med oss, vil vi regne vår misjon som delvis oppfylt.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke NextBillion.ai.