habidatum: как делаются деньги и меняется мир за счет данных
Катя Летуновская—вице-президент и сооснователь компании Habidatum International, географ и урбанист
Лена Билецкая—директор по стратегии и развитию в Habidatum последние 2 года, ранее коммерческий директор в немецкой компании EQS Group.
Лена: компания называется Habidatum International, но мы просто зовем ее Habidatum. Как можно догадаться, название происходит от сочетания слов habitat (среда обитания) и data (данныe), которые и отражают суть деятельности по анализу городских данных :)
По сути, предоставляем аналитику данных как для проектов в урбанистике, так и для профессионалов рынка коммерческой недвижимости —инвесторов (инвестфонды, фэмили-офисы, банки), страховые компании, девелоперы.
Компания основана в 2014 году в США и за это время реализовала сотни проектов по всему миру—в США, в Европе, в России, на Ближнем Востоке, в Сингапуре, Японии, Австралии и еще много где.
Катя: Мы анализируем пространственно-временные данные (мобильные, соцмедиа, финансовые), решая две задачи: тактически закрывая вопросы о среде, в которой происходят городские проекты (девелопмент, плейсмейкинг, управление бизнесом и активами), и их аудитории; стратегически—информируя и провоцируя клиентов на мысли о городе в пространстве-времени, через призму ритмов, графиков, динамики, а не только географической карты. Наш основной продукт, через который проходят все данные и получают доступ к аналитике клиенты - согласно этой идее называется платформа Хронотоп/Chronotope (timespace)
как пришла идея создания такой услуги?
Катя: Мы с сооснователем сами аналитики и знали не понаслышке об информационном голоде, когда речь заходит о внутригородском анализе - то есть гранулярность исследования заранее отметает статистику, и источников данных в доступе у аналитика остается мало.
Сейчас ситуация лучше, как минимум благодаря возможности собирать данные с ИИ, но все равно самые ценные цифры не в открытых источниках.
Параллельно мы видели, как например фин. индустрия как на дрожжах растет именно в дата-интенсивных направлениях типа алго-трейдинга (до начала стартапа мы оба работали в одном из крупнейших мировых информагентств Томсон Рейтер). Связь этих двух миров нас и озаботила.
Было еще много идей и поводов этим всем заняться именно в контексте принципов работы с данными: фокус на людей, пространство-время, сквозные связи между типами данных и темами, которые они освещают — но это уже более узкопрофильные вопросы. Глобально — недостаток данных и их обилие на рынке без нужного применения.
в 2014 уже были такие технологии в LLM, что можно было такое провернуть?
Катя: Не было llm с сегодняшним ux, но были различные machine learning модели, и мы с первого года разработки платформы и параллельно работы над первыми проектами к ним обращались. Мы много работали с соцсетями и применяли ml для анализа текстов сообщений (сентимент, упоминание мест); разрабатывали ml для пространственно-временного анализа и симуляций (what-if, заполнение пробелов в данных). Но повторюсь, от сегодняшнего вида llm это далеко — это была «внутрянка» дата платформы, а не ко-пилот пользователя
Что касается DS, конкретно в области пространственно-временного анализа данных для городов есть как мощные работы еще до возникновения нашего бизнеса (начало нулевых/10х), так и современные. Тяжело полярно оценить в плане лучше-хуже. Очевидно, появилось много новых интересных методик за прошедшую декаду. Но пространства для развития еще очень много.
как трансформировалась компания в течение этого времени?
Катя: У нас было несколько пивотов, связанных с экспериментами по формату продаваемой нами аналитики.
Сначала мы разработали ядро платформы интерфейс визуализации буквально в пространстве-времени (space-time cube); потом перешли на варианты чуть более простой визуализации (дашборды, где есть карта и временные графики одновременно, но отдельно), а потом стали пробовать продавать аналитику без визуализации вообще или с интеграцией в дашборды типа tableau.
При этом мы продолжаем верить в силу своих первых разработок, хотя они немного опередили время — вопрос готовности их широко применять, какими сегментами наших клиентов.
В плане данных мы довольно плавно маневрируем между источниками и я бы не сказала, что что-то радикально менялось за все время существования компании.
Это наша очень сильная сторона — знать где достать данные, как привести их в порядок и что учитывать при их анализе, чтобы не ошибиться. Мы отталкиваемся от вопроса аналитика, а не от конкретного типа данных. Наверное именно это нас и уберегает, и нас не штормит из-за изменений на дата-рынке
есть проблемы с отдельными регионами, типо где данные сложно достать или их нет?
Катя: Мало работали в Китае. Данные там есть, но глобальные источники представлены слабо, надо разбираться с региональными. При этом корпус исследований большой, разобраться можно.
В остальном - нет, работаем везде. Это как раз наше утилитарное uvp - если вам кажется, что пространственных данных нет или тяжело достать или они есть, но вы не можете с ними разобраться — звоните)
какие чаще всего метрики интереснее всего заказчикам?
Катя: Зависит от темы, конечно, но если обобщать, то мобильность: где люди бывают когда, сколько времени проводят, откуда приезжают, где живут и работают; сегментация аудитории; характеристики места — центральность/доступность/функциональное разнообразие
какой кейс был самый интересный?
Катя: Очень тяжело выбрать один)
Из последних - работа над анализом Functional Urban Areas в странах Европы и Азии. Там интересно то, что нестандартные данные (сигналы мобильных телефонов) встраиваются в методику, изначально созданную для работы на традиционной статистике. Ну и масштаб — анализ про города и места в них, но заказ сразу по всей стране/странам.
Про пример в Узбекистане можно почитать в нашем Medium.
Добавлю коллаб с академией — 4 года мы работали с университетами Голландии и муниципалитетом Амстердама над проектом анализа изменений в ритмах локальных сообществ в период локдаунов COVID-19 и выхода из них. Про это еще выйдут статьи, но можно почитать немного также на платформе openresearch amsterdam. Там интересна связка между большими данными и этнографическими методами (то есть количественные и качественные аналитические подходы заодно) и фокус на ритмах, то есть заранее заявлена пространственно-временная тематика (часто ее нет в самом запросе, и мы сами ее предлагаем, а тут была).
Катя: Самые сложные операционно проекты — открытые, визионерские — но они и самые интересные, типа конкурсных исследований и дизайна для территорий с видением на десятки лет вперед. Например, пару лет назад мы в консорциуме делали видение для островов Тиран и Санафир проекта NEOM в Саудовской Аравии. Там нужно было многое предполагать и симулировать. Но повторюсь, несмотря на операционную сложность из-за открытости скоупа, это супер интересно и большой толчок как в плане маркетинга, так и для креатива команды.
сколько в среднем тратится времени на оценку какой-либо местности?
Катя: Зависит от задачи, региона—от real-time метрик, то есть мы не тратим ничего, кроме машинного времени, в случае простых вопросов по местам, где есть покрытие предрассчитанными метриками (типа уровень центральности места в Москве); до аналитики на 2-3 месяца, если речь про открытую задачу, видение.
насколько это выгодный бизнес?
Катя: Так как он технически и интеллектуально нагруженный, плюс связывает рынки (supply-demand sides), этот бизнес нуждается во времени для разгона, и если на что-то такое решаться, то нужно это понимать. Ценность такого бизнеса при этом заметно выше более легких и быстрых решений. Поэтому тут вопрос выгоды в приоритетах создателей — быстро, но меньше; дольше, но больше
сложно ли такой продукт продать?
Катя: Тому, кто продает, нужно хорошо разобраться в сразу нескольких вещах: сам продукт, область применения, плюс корни — днк компании. Поэтому в плане подготовки сейлз — да, есть продукты, которые проще продавать
Лена: Честно? Это один из самых сложных продуктов, которые я продавала 😁
Но само собой, наш клиент понимает, что мы предлагаем, где мы можем помочь и мы говорим с ним на одном языке терминов.
Я бы разделила в этом вопросе наших клиентов. Если мы говорим про урбанистику - то продажи не сложные и часто клиенты сами приходят к нам с запросами.
Если же мы говорим про направление коммерческой недвижимости - здесь уже более сложная история.
Во-первых, мы покрываем сразу несколько разных целевых аудиторий (инвест фонды, фэмили-офисы, страховые, ритейлеры, девелоперы ), и к каждому мы заходим с разными точечными продуктами / задачами / метриками / решениями. Добавь сюда еще и разные регионы по миру - получаем огромный скоуп работ.
Во-вторых, мы столкнулись с тем, что в отличие от урбанистов, данная категория клиентов не готова слишком глубоко вникать в понятия аналитики, как там что откуда считается, их даже пугает слишком сложная терминология, особенно на уровне топов, принимающих решения.
Так что наша ключевая задача для данного направления - это максимально простым языком донести ценность нашего продукта и затем также максимально просто и понятно представить результат работ (аналитики).
А вы уже поняли чем мы занимаемся???
на какие рынки вы хотите еще выйти? Или какие регионы прокачать в плане количества клиентов?
Катя: Сейчас больше работаем в Европе (фокус с США сместился и туда).
Но в целом мы работаем с глобальными запросами. Интересен в плане данных и городов регион APAC*; в Сингапуре и Австралии у нас например были крупные проекты; были небольшие исследования в Японии
Лена: В этом году будем пробовать прокачать страны APAC. У нас уже было несколько крупных проектов в нескольких странах, и мы хотим больше времени посвятить этому региону, протестировать несколько направлений и гипотез. Азия сейчас очень интересное и многообещающее направление в целом. Китай хотелось бы попробовать, но пока он для нас загадка.
*Азиатско-Тихоокеанский регион/Asia-Pacific
какие перспективы вы видите ? куда хотите двигаться и куда не хотите 😁?
Катя: Вообще не верю в ИИ без людей, особенно в областях на стыке computation и социальных/гуманитарных наук. ИИ изменяет ux, причем как для клиента, так и для нас самих, как дата аналитиков-операционщиков (как мы ищем данные, их предобрабатываем и тд). Но в плане больших вопросов и методик получения на них ответа — не вижу перспективы склейки этого в простой промпт. Так что, на мой взгляд, DS в таком понимании быть
Лена: Судя по тому как в данный момент во многих сферах и странах делается аналитика (на коленке), уверена что самый расцвет Data Science еще впереди, и возможно это случится уже вот-вот совсем скоро, возможно как раз с помощью ИИ, но точно не взамен. На сегодня, даже в нашей сфере Data Science еще можно сказать недоиспользуется и очень хочется чтобы наконец произошел этот скачок, когда данные, аналитика и ИИ в симбиозе сделают какой-то новый прорыв в урбанистике и на рынках коммерческой недвижимости.
такое вот получилось интервью, мне самой было ну очень интересно над ним работать,
продукт Habidatum выглядит просто как из какого-то фантастического фильма.
как бы модель города, локации или страны через призму движения людей, времени, активности этих людей
неудивительно, что по итогам 2021 года выручка Habidatum составила более $1 млн, а среди клиентов компании — корпорации Fortune 500, например Mastercard, Всемирный банк, PwC, Департамент транспорта штата Флорида.
no comments 😳
что думаете??? а вы знали, что такое вообще возможно? не знаю, как про это еще не написано миллион статей