Portare lo smartphone ovunque è diventato uno stile di vita. Così facendo, produci una quantità sorprendente di dati sul tuo ruolo nell'economia:dove fai acquisti, opera, viaggiare, e generalmente uscire.

Gruppo Taso, fondata al MIT nel 2011, ha sviluppato una piattaforma che sfrutta tali dati, in forma anonima e aggregata, misurare le economie per l'industria e gli investitori.

La piattaforma di Thasos, basata sulla ricerca del MIT Media Lab dei co-fondatori Wei Pan Ph.D. '15 e il professor Alex "Sandy" Pentland, elabora quotidianamente dati sulla posizione anonimi da centinaia di milioni di telefoni cellulari, ricavando notevoli consumi, occupazione, e comportamenti di vita.

"Elaboriamo fino a 3-5 terabyte di dati al giorno e utilizziamo tali dati per misurare le attività economiche, come quante persone visitano un negozio o una proprietà commerciale, quante persone vanno al lavoro o viaggiano, e quante ore di lavoro si trascorrono in una fabbrica, "dice Pan, capo scienziato di Taso.

Queste informazioni quantificabili sono preziose per gli investitori, società, politici, economisti, e altri che necessitano di una profonda comprensione economica di vari settori in tempo reale. A novembre, ad esempio, Thasos ha pubblicato uno studio che mostra come l'acquisizione di Whole Foods da parte di Amazon, e il successivo calo dei prezzi implementato da Amazon, influenzato il comportamento del consumatore. I risultati dei dati sulla posizione dell'utente hanno indicato che i cali di prezzo hanno aumentato il traffico pedonale del 17% nell'immediato periodo successivo, con circa il 15-24% degli acquirenti che disertano dai negozi concorrenti vicini.

"Utilizzando schemi di movimento generici, abbiamo notato che alcuni acquirenti hanno iniziato a esplorare Whole Foods che non ci sarebbero mai andati prima, "dice Pan.

Con più di 25 clienti di hedge fund, Thasos è popolare tra gli investitori, che utilizzano la piattaforma per misurare varie metriche, come le ore lavorate dai dipendenti e le visite dei clienti, delle società in cui possono investire o vendere azioni. La startup ha anche clienti aziendali e speranze, nel futuro, per raggiungere i decisori politici. potrebbe produrre, ad esempio, misurazioni in tempo reale su come le politiche fiscali influenzano la spesa dei consumatori, ore di lavoro, e altri parametri economici.

Gli altri co-fondatori di Thasos sono John Collins MBA '12 e Greg Skibiski.

La verità nei numeri

Per utilizzare i dati sulla posizione, Thasos prima costruisce "geofences, " confini virtuali stabiliti attorno a una posizione di destinazione, come negozi, centri commerciali, cantieri, quartieri, e città. Decine di migliaia di geofence disegnati a mano vengono aggiunti settimanalmente al database di Thasos, ciascuno con importanti metadati, come l'apertura di una struttura o di un negozio, se il parcheggio è condiviso o meno, e informazioni sulle attività commerciali vicine.

Una volta stabiliti i geofence, Thasos compila i dati sulla posizione all'interno dei geofence da app e altri software che raccolgono dati tramite il GPS degli smartphone, RFID, o Wi-Fi, in modo anonimo e aggregato. Analizzando questi dati, la piattaforma identifica gruppi di persone che potrebbero essere, Per esempio, clienti per la prima volta o abituali, lavoratori stagionali o a tempo pieno, o viaggiatori da lontano o vicino. La piattaforma può quindi confrontare i dati sulla posizione dal momento in cui viene implementata una modifica specifica, ad esempio un calo dei prezzi, con i dati storici per quantificare l'impatto della modifica su cluster specifici.

Thasos ha pubblicato un paio di casi di studio con clienti di grandi nomi, che hanno prodotto alcune intuizioni sorprendenti.

Il 28 agosto Amazon ha acquisito Whole Foods e ha implementato riduzioni di prezzo in tutti i negozi. Usando i loro geofence per i negozi Whole Foods in tutta la nazione, così come per Costco, Il commerciante Joe's, Germogli, Obbiettivo, Kroger, Walmart, e molti altri negozi nelle vicinanze, Thasos ha esaminato i dati sulla posizione di decine di milioni di acquirenti per misurare la crescita dei clienti, defezione dai concorrenti, tempi di guida, e dati demografici come il livello di reddito (stabilito attraverso i dati del censimento).

I risultati hanno mostrato che il traffico pedonale complessivo per i negozi Whole Foods è aumentato del 17% durante la settimana di riduzione dei prezzi; è diminuito al 4% entro la fine di tre settimane, ma è rimasto elevato al di sopra dei numeri pre-acquisizione. I nuovi clienti provenivano principalmente da Walmart (24 percento), Kroger (16 percento), e Costco (15 per cento). Poiché tutti i dati sono anonimi, Thasos ha determinato solo i tipi di acquirenti che hanno disertato, ad esempio, Il 24 percento dei clienti abituali di Walmart ha iniziato ad apparire a Whole Foods nel periodo di tre settimane.

interessante, Pan dice, erano i clienti più facoltosi dei negozi concorrenti che tendevano a disertare per Whole Foods, un risultato che era in contraddizione con l'obiettivo di Amazon di attrarre una base di clienti più ampia. "Abbiamo dimostrato che la strategia di riduzione dei costi non ha attratto acquirenti a basso e medio reddito, "Pano dice, aggiungendo, "Per le aziende, quel tipo di intuizione è fondamentale per plasmare le decisioni".

In un altro recente caso di studio, Thasos ha esaminato i fondi di investimento immobiliare (REIT), società che possiedono e gestiscono immobili commerciali, come i centri commerciali. Per misurare il valore delle loro proprietà, I REIT in genere contano manualmente il traffico pedonale in un campione di centri commerciali e stimano le prestazioni in tutte le proprietà a livello nazionale. Sulla base di tali stime, i proprietari sembravano suggerire che il traffico pedonale a livello nazionale stava aumentando verso i loro centri commerciali e diversi negozi di ancoraggio di fascia alta, come Macy's o Nordstrom, così come nei negozi di ancoraggio di fascia bassa, come JCPenney e Sears.

Taso, però, determinato diversamente. I loro dati hanno indicato un calo delle tendenze trimestrali del traffico pedonale, suggerendo un calo delle vendite complessive, durante tutto il 2017 di circa il 5-6 percento in tutti i negozi di riferimento. (I risultati sono stati successivamente verificati dai registri delle transazioni e delle vendite dei negozi quando i proprietari hanno segnalato i guadagni.) Sorprendentemente, I grandi magazzini di fascia alta hanno sottoperformato rispetto ai grandi magazzini di fascia bassa di circa il 3%. E i centri commerciali con negozi di alimentari hanno attirato circa il 5% in più di persone rispetto a quelli senza.

Tali informazioni possono aiutare i REIT a trovare modi per attirare più visitatori, come investire in più grandi magazzini o negozi di alimentari di fascia bassa, Pan dice:"Avere queste informazioni cambia il modo in cui pensi al valore della proprietà".

Sposare dati ed economia

Nel 2009, Pan si è unito al Media Lab per studiare sotto Pentland, il Toshiba Professor of Media Arts and Sciences e un pioniere nella scienza dei dati comportamentali. Là, si interessò a coniugare il suo background nella scienza dei dati con il suo interesse per l'economia.

L'idea era di utilizzare i dati per misurare le componenti delle economie mondiali, ma non sapeva che tipo di dati usare. Oggi, i sondaggi sono in genere utilizzati per tali ricerche di scienze sociali e di marketing, un tipo di campionamento probabilistico che ha avuto origine negli anni '30. "L'industria sta ancora utilizzando la tecnologia sviluppata durante la Grande Depressione, "dice Pan.

É successo, gli smartphone erano in aumento. "Tutti avevano uno smartphone e il telefono sa sempre dove sei, " dice Pan. "Dal punto di vista economico, stai praticamente consumando, riposando, o lavorando. Mi sono reso conto che i dati sulla posizione erano l'angolazione migliore per misurare quelle metriche".

Pan cercò anche la guida di Andrew Lo, il Charles E. and Susan T. Harris Professor e il direttore del Laboratory for Financial Engineering presso la MIT Sloan School of Management, che è noto per l'utilizzo dell'informatica per studiare i mercati finanziari. "Media Lab è così interdisciplinare, ci si aspetta che pensi in diversi reparti, " Dice Pan. "Puoi sempre prendere lezioni che ti aiutano a capire un campo in cui non sei formalmente addestrato a fare qualcosa che è all'avanguardia".

Spostandosi tra il Media Lab e il MIT Sloan, Pan ha costruito una prima versione della piattaforma Thasos. Nel 2011, lui e Pentland, già imprenditore seriale, insieme a Collins e Skibiski, ha lanciato Thasos fuori dal MIT, atterrare rapidamente un cliente di hedge fund da oltre 10 miliardi di dollari a New York City, dove ora ha sede la startup.

Oggi, Thasos opera principalmente negli Stati Uniti. Ma la startup punta ad espandersi in tutto il mondo, Pan dice, con l'ambizione di diventare un "motore globale di intuizioni economiche". L'idea è quella di creare un sistema in grado di confrontare e contrapporre le principali componenti economiche, come la spesa dei consumatori, produzione in fabbrica, orario di lavoro, e turismo, tra paesi.

"Oggi ogni paese ha il suo modo di misurare le attività economiche. Stiamo cercando di costruire un sistema coerente per confrontare i paesi, per fornire una migliore visione dell'economia mondiale nel suo complesso, " lui dice.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.