Mike Davie, grundare och VD på Quadrant – Intervjuserie

Mike Davie är grundare och VD för Quadrant, ett Appen-företag som tillhandahåller locationsdata och locationsbaserade affärslösningar som är lämpliga för ändamålet, lätta att använda och enkla att organisera. Quadrants egna Geolancer-plattform tillhandahåller äkta, exakta och uppdaterade Point-of-Interest-data, som manuellt verifierats på plats. För mobil locationsdata observerar företaget över 450 miljoner unika enheter per månad, vilket hjälper företag att förstå rörelsemönster i den verkliga världen. Quadrant erbjuder också en blockchain-baserad Consent Management Platform för app-utvecklare och förlag som söker GDPR- och CCPA-efterlevnad.

Kan du diskutera ursprunget till DataStreamX, en banbrytande datainsamling- och transaktionsplattform?

I början av 2010-talet undersökte telekommunikationsföretag framtida tekniker och sätt att kommersialisera Long Term Evolution (LTE)-data. Det fanns ett infrastrukturbehov för att hantera realtidsdataflöden i stor skala, upp till 50 miljarder anslutna enheter. Efter att ha arbetat på Samsung insåg jag behovet av den här typen av plattform och skapade DataStreamX.

DataStreamX utvecklades så småningom till Quadrant, en blockchain-baserad locationsdata-plattform. Vad var inspirationen bakom att integrera blockchain i det här systemet?

2017, medan jag arbetade med ett stort telekommunikationsföretag och transaktioner av miljarder datamängder, såg vi samma data komma från olika parter. Varje part bekräftade att de hade rätt att sälja datat. Detta uppenbara bedrägeri och bedrägeri ledde oss till att lösa problemet. Vi ville veta var datat kom ifrån och skapa ett system för att spåra datats ursprung. Blockchain möjliggjorde för oss att förstå var datat kom ifrån och vart det gick; de som tillhandahåller datat kan förstå vart det går, och de som köper datat kan få klarhet på var det kommer ifrån.

Kan du diskutera några av de AI-verktyg som Quadrant erbjuder för att hjälpa kunder att bättre använda locationsdata för att nå rätt målgrupp?

Quadrant-plattformen är utformad för att vara värd för en mängd olika kraftfulla artificiella intelligensalgoritmer som möjliggör för företag, myndigheter och organisationer att använda Quadrants högkvalitativa mobil locations- och POI-data för att stödja en mängd olika locationsintelligensscenarier, såsom kartor och lokalbaserad reklam och rekommendationssystem. Våra AI-verktyg är alternativ för kunder som inte har sina egna algoritmer eller partners, för att komma igång med datat snabbare och påskynda analysprocessen. Forskare, universitet och startups vill ofta ha dessa verktyg för att komma igång. Vi tillhandahåller rå locationsdata för att låta våra kunder göra vad de behöver göra och är stolta över att möjliggöra för våra kunder.

Exempelvis kan användare med Quadrant Geofence Query ställa in en anpassad geofence runt verkliga platser – såsom restauranger, flygplatser, offentliga platser och köpcentra – för att få Ad-IDs för distinkta användare som faller inom det angivna området. Quadrant Geofence Footfall Query returnerar den dagliga fotgängartrafiken inom en angiven geofence och kan användas i flera scenarier, från återförsäljare som undersöker hur man kan öka fotgängartrafiken till fysiska butiker till myndigheter som utvärderar trafikmönster till stadsutvecklare som undersöker riktade områden. Quadrant Nearest POI Model, en maskinlärningsmodell, identifierar den närmaste punkten av intresse för en given plats baserat på latitud- och longitudvärden. Den möjliggör för användare att analysera och förstå resvanor, identifiera tid och hastighet för att resa från en punkt av intresse till en annan och identifiera rutter som ofta tas mellan två punkter av intresse.

Kan du beskriva på vilka sätt Quadrant tror att innovationer inom locationsdata kan göra världen till en bättre plats?

Geospatial data, inklusive POI-data, används i många viktiga industrier, inklusive i sista-miljön, matleverans, leverans och logistik för fysiska och onlinebutiker, fastigheter, delningsekonomi, kartor och navigation. COVID-19 har gjort exakt locationsdata ännu viktigare i många av dessa områden, eftersom konsumenter och företag ändrar hur de interagerar och förlitar sig mer på leveranstjänster. Rörelsemönster som förstods före pandemin gäller inte längre, och företag försöker förstå exakt vad detta innebär. Uppdaterad geospatial data säkerställer att företag kan anpassa sig till dessa förändringar och fortsätta att tillhandahålla snabb leverans av varor och tjänster, samtidigt som de minskar slöseri (tid, gas etc.) och minimerar förseningar och felaktiga leveranser som frustrerar kunder och kan störa leveranskedjor.

Exakt geospatial data möjliggör också för myndigheter, viktiga tjänsteleverantörer som hälsovårdsmyndigheter och organisationer, och företag som detaljhandels- och restaurangkedjor och banker att strömlinjeforma sina tjänster och hålla jämna steg med snabb befolkningstillväxt och återurbanisering runt om i världen. Exempelvis kan uppdaterad locationsdata hjälpa en myndighet att hitta den optimala platsen för en ny järnvägsstation, ett utbildningsinstitut att planera nya campuslokaler och ett litet företag att optimera var det växer. De typer av data som dessa organisationer förlitar sig på blir föråldrade mycket snabbt, så förmågan att hålla datat uppdaterat är avgörande för att förstå förändrade befolkningstrender och tjäna medborgarna effektivt.

Locationsdata har varit särskilt värdefullt för detaljhandels- och restaurangföretag, som tvingades anpassa sig snabbt till nedstängningar och skyddsåtgärder och kommer att behöva kunna snabbt utvärdera effekten av återöppningar, som sker i omgångar. Som ett resultat kommer efterfrågan på exakt och uppdaterad locationsdata att fortsätta att öka.

Befolkningsrörelse är ett annat område där uppdaterad geospatial data är avgörande. Myndigheter och stadsplanerare måste förstå hur de ska utöka eller kontrakta infrastruktur och tjänster för att möta snabbt förändrade krav, särskilt för transporter och hälsovård. Endast kombinationen av exakt och uppdaterad geospatial data och mobil locationsdata kan göra dessa trender synliga och tillhandahålla den erforderliga handlingskraften.

Kan du utveckla Quadrants mission om transparent dataanvändning och vad det innebär?

Quadrant genomför stränga utvärderingar av våra leverantörer för att säkerställa äkthet och kvalitet, och vi rensar vår data för att upptäcka och eliminera datakorruption och dubblett. Likaså genomför vi regelbundna revisioner för att säkerställa att vår data samlas in och bearbetas i enlighet med relevanta dataskyddsregler, inklusive GDPR, CCPA och PDPA.

Quadrant erbjuder också en regelefterlevnad, privatlivsfrämjande app-monetiseringsplattform. När dataskyddsregler stramas åt runt om i världen och icke-efterlevnad av data blir värdelös, kommer Quadrants SDK med en integrerad och kostnadsfri Consent Management Platform, QCMP, som inte samlar in någon personligt identifierbar information (PII) och använder en oföränderlig blockchain-registrering av samtyckescykeln, som är lätt tillgänglig för regelefterlevnadsrevisioner. Detta säkerställer en orörd inkomstström. QCMP spårar också utvecklingen av dataskyddsregler runt om i världen och lägger automatiskt till nya krav på regelefterlevnad.

I ditt perspektiv, vad är framtiden för geolokalisering/geospatial data?

Både långsiktiga trender och nyliga händelser, särskilt återurbanisering, växande bekymmer kring dataskydd och pandemin, driver innovation inom både mobil locationsdata och POI-data. För POI-data har ett desperat behov av exakta och uppdaterade datamängder drivit oss att gå utöver idén om webbskrapning eller crowdsourcing av data till att bygga en ny, egenutvecklad datainsamlingsplattform, som inkluderar Geolancer, en anpassad smartphone-app, och den motsvarande backend-infrastrukturen.

Med hjälp av den mobila appen kan frilansande Geolancers lägga till POI manuellt på plats och periodiskt verifiera dem medan de går runt i sitt grannskap. Detta tillhandahåller den mest uppdaterade och verifierade informationen till databköpare, samtidigt som det hjälper små, lokala företag att synas.

För mobil data kommer utvecklingen av dataskyddsregler, såsom GDPR, och ändringar i Apple (AAPL ) – och Google-app-policyn att så småningom leda till att data som samlas in utan uttryckligt användarsamtycke kommer att vara oanvändbara i många länder. Detta har lett till behovet av samtyckeshanteringssystem, som vi redan har byggt. Vår QCMP använder blockchainteknik för att spåra data tillbaka till källan och tillhandahålla en realtidsrevisionslogg, så att kunder kan trygga sin inkomstström samtidigt som de säkerställer regelefterlevnad.

Appen Limited (ASX: APX) meddelade nyligen att de har undertecknat ett slutgiltigt avtal för att förvärva Quadrant, vad kommer detta att innebära för företagets framtid?

Appen samlar in och märker bilder, text, tal, ljud och video som används för att bygga och kontinuerligt förbättra världens mest innovativa artificiella intelligenssystem. Företaget har expertis inom mer än 235 språk, en global grupp av över 1 miljon skickliga entreprenörer och branschens mest avancerade AI-assisterade dataannoteringsplattform.

Förvärvet kommer att möjliggöra för Quadrant att integrera Appen-teknik med vår högkvalitativa mobil locationsdata-tekniksvit, vilket starkt positionerar det förenade företaget för att leverera tillståndsgiven högkvalitativ data för organisationer som förlitar sig på geolokalisering för sin verksamhet, både i dagliga operationer och i utvecklingen av AI-modeller. Som en del av Appen kommer vi också att möjliggöra för våra kunder att lösa större och mer komplexa problem.

Finns det något annat du vill dela om Quadrant?

Geospatial data har ökat i värde, särskilt med pandemin. Alla industrier ser ett behov av POI-data från finansiell analys, ekonomisk utveckling, sista mil-logistik och mer. Våra kunder förstår hur geospatial data fungerar i den verkliga världen och implementerar lösningar som kräver både geospatial och POI-data. Vi kommer att fortsätta att se ett ökat intresse för detta när pandemin leder till mer permanenta livsstilsförändringar.

Tack för den underbara intervjun, läsare som vill lära sig mer kan besöka Quadrant.