Wetenschap
Thasos Group bouwt “geofences, ” virtuele grenzen vastgesteld rond een doellocatie, zoals winkels, winkelcentra, werkplaatsen, buurten, en steden. Thasos verzamelt vervolgens geanonimiseerde en geaggregeerde gegevens via de gps van smartphones, RFID, of wifi. Het analyseren van deze gegevens levert clusters van mensen op die mogelijk, bijvoorbeeld, nieuwe of vaste klanten, seizoenarbeiders of voltijdse werknemers, of reizigers van ver of dichtbij. Door locatiegegevens te vergelijken vanaf het moment dat een specifieke wijziging is doorgevoerd, zoals een prijsdaling, met historische gegevens, wordt de impact van de wijziging op specifieke clusters gekwantificeerd. Krediet:Thasos Group
Je smartphone overal mee naartoe nemen is een manier van leven geworden. Daarbij, u produceert een verrassende hoeveelheid gegevens over uw rol in de economie - waar u winkelt, werk, reis, en over het algemeen rondhangen.
Thasos-groep, opgericht aan het MIT in 2011, heeft een platform ontwikkeld dat gebruikmaakt van die gegevens, in geanonimiseerde en geaggregeerde vorm, om economieën voor de industrie en investeerders te meten.
Het platform van Thasos - gebaseerd op MIT Media Lab-onderzoek door mede-oprichters Wei Pan Ph.D. '15 en professor Alex "Sandy" Pentland - dagelijks geanonimiseerde locatiegegevens van honderden miljoenen mobiele telefoons, het extraheren van opmerkelijke consumptie, werkgelegenheid, en leefgedrag.
"We verwerken tot 3 tot 5 terabyte aan gegevens per dag en gebruiken die gegevens om economische activiteiten te meten, zoals hoeveel mensen een winkel of een commercieel pand bezoeken, hoeveel mensen gaan werken of reizen, en hoeveel manuren er in een fabriek worden doorgebracht, " zegt Pan, Thasos' hoofdwetenschapper.
Deze kwantificeerbare informatie is waardevol voor beleggers, bedrijven, beleidsmakers, economen, en anderen die een diepgaand economisch inzicht in verschillende sectoren in realtime nodig hebben. In november, bijvoorbeeld, Thasos heeft een studie gepubliceerd waaruit blijkt hoe Amazon's overname van Whole Foods, en de daaropvolgende prijsdaling die Amazon heeft doorgevoerd, consumentengedrag beïnvloed. Resultaten van gebruikerslocatiegegevens gaven aan dat prijsdalingen het voetverkeer in de onmiddellijke nasleep met 17 procent deden toenemen, met ongeveer 15 tot 24 procent van het winkelend publiek dat overloopt van nabijgelegen concurrerende winkels.
"Met behulp van generieke bewegingspatronen, we merkten op dat sommige shoppers Whole Foods begonnen te verkennen die er nooit eerder heen zouden gaan, ' zegt Pan.
Met meer dan 25 hedgefondsklanten, Thasos is populair onder beleggers, die het platform gebruiken om verschillende statistieken te meten, zoals gewerkte uren van werknemers en klantbezoeken, van bedrijven waarin ze kunnen beleggen of aandelen kunnen verkopen. De startup heeft ook zakelijke klanten en hoopt, in de toekomst, beleidsmakers te bereiken. Het zou kunnen produceren, bijvoorbeeld, realtime metingen van de invloed van het begrotingsbeleid op de consumentenbestedingen, werkuren, en andere economische maatstaven.
De andere mede-oprichters van Thasos zijn John Collins MBA '12 en Greg Skibiski.
Waarheid in cijfers
Om gebruik te maken van locatiegegevens, Thasos bouwt eerst "geofences, " virtuele grenzen vastgesteld rond een doellocatie, zoals winkels, winkelcentra, werkplaatsen, buurten, en steden. Wekelijks worden tienduizenden handgetekende geofences toegevoegd aan de database van Thasos, elk met belangrijke metadata, zoals wanneer een faciliteit of winkel werd geopend, of de parkeerplaats al dan niet gedeeld is, en informatie over bedrijven in de buurt.
Zodra de geofences zijn ingesteld, Thasos verzamelt locatiegegevens vanuit de geofences van apps en andere software die gegevens verzamelen via de GPS van smartphones, RFID, of wifi, op een anonieme en geaggregeerde manier. Door deze gegevens te analyseren, het platform identificeert clusters van mensen die mogelijk, bijvoorbeeld, nieuwe of vaste klanten, seizoenarbeiders of voltijdarbeiders, of reizigers van ver of dichtbij. Het platform kan vervolgens locatiegegevens vergelijken vanaf het moment dat een specifieke wijziging is doorgevoerd, zoals een prijsdaling, met historische gegevens om de impact van de wijziging op specifieke clusters te kwantificeren.
Thasos heeft een aantal casestudies gepubliceerd met grote klanten, die verrassende inzichten hebben opgeleverd.
Op 28 augustus, Amazon nam Whole Foods over en voerde prijsverlagingen door in alle winkels. Door hun geofences te gebruiken voor Whole Foods-winkels in het hele land, evenals voor Costco, Handelaar Joe's, spruiten, Doelwit, Kroger, Walmart, en verschillende andere winkels in de buurt, Thasos keek naar locatiegegevens van tientallen miljoenen shoppers om de klantgroei te meten, overlopen van concurrenten, rijtijden, en demografische gegevens zoals inkomensniveau (vastgesteld door middel van volkstellingsgegevens).
Uit de resultaten bleek dat het totale bezoekersaantal voor de Whole Foods-winkels tijdens de week van prijsverlaging met 17 procent toenam; het vertraagde tot 4 procent tegen het einde van drie weken, maar bleef verheven boven de pre-acquisitiecijfers. Nieuwe klanten kwamen voornamelijk van Walmart (24 procent), Kroger (16 procent), en Costco (15 procent). Omdat alle gegevens anoniem zijn, Thasos bepaalde alleen soorten klanten die overliepen, bijvoorbeeld:24 procent van de vaste klanten van Walmart verscheen in de loop van de periode van drie weken bij Whole Foods.
interessant, Pan zegt, het waren de rijkste klanten van de concurrerende winkels die de neiging hadden om over te lopen naar Whole Foods, een uitkomst die in tegenspraak was met het doel van Amazon om een breder klantenbestand aan te trekken. "We hebben laten zien dat de strategie om kosten te besparen geen kopers met een lager of gemiddeld inkomen aantrok, "Pan zegt, toevoegen, "Voor bedrijven, dat soort inzicht is essentieel bij het vormgeven van beslissingen."
In een andere recente case study, Thasos keek naar vastgoedbeleggingstrusts (REIT's), bedrijven die commercieel vastgoed bezitten en exploiteren, zoals winkelcentra. Om de waarde van hun eigendommen te meten, REIT's tellen over het algemeen handmatig het voetverkeer in een aantal winkelcentra en schatten de prestaties voor alle eigendommen in het hele land. Op basis van dergelijke schattingen eigenaren leken te suggereren dat het landelijke voetverkeer naar hun winkelcentra en verschillende high-end ankerwinkels toenam, zoals Macy's of Nordstrom, evenals bij lagere ankerwinkels, zoals JCPenney en Sears.
Thásos, echter, anders bepaald. Hun gegevens wezen op dalende driemaandelijkse voetverkeerstrends - wat wijst op een daling van de totale verkoop - in 2017 met ongeveer 5 tot 6 procent bij alle ankerwinkels. (De resultaten werden later geverifieerd door transactie- en verkoopgegevens van de winkels toen de eigenaren inkomsten rapporteerden.) high-end anker warenhuizen presteerden ondermaats vergeleken met lagere warenhuizen met ongeveer 3 procent. En winkelcentra met supermarkten trokken ongeveer 5 procent meer mensen aan dan die zonder.
Dergelijke inzichten kunnen REIT's helpen manieren te vinden om meer bezoekers aan te trekken, zoals investeren in meer goedkope warenhuizen of supermarkten, Pan zegt:"Het hebben van deze informatie verandert de manier waarop je denkt over de waarde van het onroerend goed."
Trouwen met data en economie
In 2009, Pan sloot zich aan bij het Media Lab om onder Pentland te studeren, de Toshiba-hoogleraar Media Arts and Sciences en een pionier in gedragsgegevenswetenschap. Daar, hij raakte geïnteresseerd in het combineren van zijn achtergrond in datawetenschap met zijn interesse in economie.
Het idee was om gegevens te gebruiken om componenten van wereldeconomieën te meten, maar hij wist niet welk type gegevens hij moest gebruiken. Vandaag, enquêtes worden meestal gebruikt voor dergelijk sociaal-wetenschappelijk en marktonderzoek - een soort kanssteekproef die zijn oorsprong vond in de jaren dertig van de vorige eeuw. "De industrie gebruikt nog steeds technologie die is ontwikkeld tijdens de Grote Depressie, ' zegt Pan.
Zoals het gebeurde, smartphones waren in opkomst. "Iedereen had een smartphone - en de telefoon weet altijd waar je bent, ", zegt Pan. "Vanuit economisch oogpunt, je bent eigenlijk aan het consumeren, rusten, of werken. Ik realiseerde me dat locatiegegevens de beste hoek waren om die statistieken te meten."
Pan zocht ook begeleiding bij Andrew Lo, de Charles E. en Susan T. Harris Professor en de directeur van het Laboratory for Financial Engineering aan de MIT Sloan School of Management, die bekend staat om het gebruik van computerwetenschap om financiële markten te bestuderen. "Media Lab is zo interdisciplinair, er wordt van je verwacht dat je over verschillende afdelingen heen denkt, ', zegt Pan. 'Je kunt altijd lessen volgen die je helpen inzicht te krijgen in een vakgebied waarin je niet formeel bent opgeleid om iets baanbrekends te doen.'
Verhuizen tussen het Media Lab en MIT Sloan, Pan bouwde een vroege versie van het Thasos-platform. In 2011, hij en Pentland, al een serie-ondernemer, samen met Collins en Skibiski, lanceerde Thasos vanuit MIT, snel een hedgefondscliënt van meer dan 10 miljard dollar in New York City binnenhalen, waar de startup nu zijn hoofdkantoor heeft.
Vandaag, Thasos is voornamelijk actief in de Verenigde Staten. Maar de startup wil wereldwijd uitbreiden, Pan zegt, met ambities om een 'globale motor voor economische inzichten' te worden. Het idee is om een systeem te creëren dat belangrijke economische componenten kan vergelijken en contrasteren, zoals consumentenbestedingen, fabrieksproductie, arbeidsuren, en toerisme - tussen landen.
"Elk land heeft tegenwoordig zijn eigen manier om economische activiteiten te meten. We proberen een consistent systeem te bouwen om landen te vergelijken, om een beter beeld te krijgen van de algemene wereldeconomie, " hij zegt.
Dit verhaal is opnieuw gepubliceerd met dank aan MIT News (web.mit.edu/newsoffice/), een populaire site met nieuws over MIT-onderzoek, innovatie en onderwijs.
Wetenschap © https://nl.scienceaq.com