211service.com
Krystalkugle til majsafgrødeudbytte vil revolutionere varehandelen
At udlede økonomisk indsigt fra satellitbilleder er ikke en ny idé, men EarthLabs sætter et twist på det. Boston-startup'et analyserer satellitbilleder fra NASA samt vejrdata fra National Oceanic and Atmospheric Administration og sæsonbestemt information om afgrødedyrkning fra det amerikanske landbrugsministerium. Den bruger derefter maskinlæringsalgoritmer til at generere intelligens om naturressourcer, såsom at forudsige landbrugsudbytter.
Strategien lyder måske som den for andre satellitbilledanalysevirksomheder som Descartes Labs og Orbital Insight. TellusLabs planlægger dog at differentiere sig ved at anvende videnskabelig ekspertise inden for vegetation og klimatologi til sine analyser, fastholde et snævert fokus på naturressourcer og hurtigt udrulle nye produkter. Dens mål er at være en Bloomberg-terminal for jordsignaler. Der er en bred base af mennesker, der skal træffe svære beslutninger omkring naturressourcer, og vi vil gerne give dem kvalitetsdata hurtigt, siger TellusLabs CEO og medstifter David Potere.
Virksomhedens første indtog på markedet er Kernel , et værktøj til modellering af prognoser for landbrugsråvarer, der for nylig gik ind i en offentligt tilgængelig åben beta-fase. Den gratis betaversion af Kernel har begrænsede funktioner, men det fuldgyldige produkt er et interaktivt online dashboard, der viser et kort over de vigtigste majsdyrkende regioner i USA – på tværs af 18 stater – og vigtige finansielle indikatorer, som f.eks. udbytte, høstareal og samlet produktion. Brugere kan se data på stats-, landbrugsdistrikts- eller amtsniveau og se på historiske udbyttedata hentet fra USDA. Dashboardet har også en indikatorpil - analog med en aktiemarkedsticker - der angiver den gennemsnitlige ændring i majsudbytteestimater uge over uge. TellusLabs vil opdatere prognoserne dagligt.
Dashboardet for Kernel, TellusLabs' prognoseværktøj for landbrugsråvarer.
Som en Bloomberg-terminal er Kernel designet til at være en forbindelse til hurtige, pålidelige økonomiske data, som folk kan bruge på flere måder. En råvarehandler kunne bruge oplysningerne til at tjene penge på handler på futuresmarkedet. En ethanolfabriksoperatør kunne rådføre sig med Kernel for at måle, om dets kontrakterede landmænd vil være i stand til at levere nok majs til at holde det kørende. En landbrugsvirksomhed som John Deere kunne licensere datatilførslen og integrere den i en smart pumpe, der automatisk justerer, hvor meget vand den giver afgrøder.
Naturressource-knowhowen bag Kernel kommer for det meste fra TellusLabs' anden medstifter og teknologichef, Mark Friedl . Friedl er professor i Boston Universitys jord- og miljøafdeling og leder skolens forskningsgruppe for jorddækning og overfladeklima, som studerer vegetationskortlægning og overvågning på kontinental skala. TellusLabs har også en håndfuld videnskabsrådgivere, der er dygtige til fjernmåling af landbrug, skove og vandområder. En rådgiver arbejder for NASA's Land Science-team og en anden ved Woods Hole Research Center, et Massachusetts-baseret miljøforskningsinstitut. Potere, TellusLabs CEO, har en mastergrad i satellit-fjernmåling og en PhD i geo-demografi og hjalp med at etablere og lede datavidenskabsteamet hos Boston Consulting Group.
Nøjagtighed og hastighed kunne også give TellusLabs en fordel på dette marked. Virksomheden siger, at en nylig, intern test viste, at den er i stand til at fremskrive udbyttet ved udgangen af året for amerikansk majs mere nøjagtigt end regeringen. I testen kørte TellusLabs offentligt tilgængelige, historiske USDA-majsudbyttedata fra 2004 til 2014 gennem sine algoritmer og lavede forudsigelser om tal ved årets udgang. I den 10-årige periode slog startup'ens estimater regeringens 69 procent af tiden i august og september, som er de vigtigste handelsmåneder for majs.
EarthLabs også for nylig udgivet et estimat for majsudbyttet for vækstsæsonen 2016, så potentielle kunder kan sammenligne sin forudsigelse med USDA's prognose, som agenturet udgiver senere på måneden.
Quandl , en Toronto-baseret aggregator af finansielle, økonomiske og alternative data såsom satellitbilledanalyse, tester i øjeblikket Kernel for at beslutte, om den skal videresælges på sin platform , som bruges af hedgefonde, kapitalforvaltere, pensionsfonde og investeringsbanker. Tidlige tegn er opmuntrende. Du kan tjene penge ved at være mere præcis end markedet, eller ved at være hurtigere; TellusLabs er begge dele, siger dataansvarlig for Quandl, Abraham Thomas. Et 70 procent 'beat' er ikke i sig selv enormt overbevisende, men par det med en fartfordel, og det bliver overbevisende.
TellusLabs planlægger at introducere en prognosemodel for sojabønner til Kernel i september. Det sigter i sidste ende på at frigive en udsigtsmodel for hvede; at udvide sine majsudbyttedata til Argentina, Brasilien og Kina; og at overvåge skove og store ferskvandsreservoirer via satellit. Vi har en pipeline af ideer, siger Potere. Der er en hel masse interessante, global-skala, geospatiale spørgsmål, som ikke er blevet stillet endnu.