Así son las startups finalistas de Alhambra Venture 2020: Shapelets

Un sistema único en el mercado que permite a los usuarios obtener conocimientos y predicciones inestimables de sus series de datos temporales

La idea de esta startup surgió de una necesidad personal. Justo Ruiz, a través de su experiencia en el mundo financiero trabajando como Quant en la City, siempre precisó tener a su disposición herramientas que le ofreciesen nuevas formas analíticas de series temporales de datos que fueran capaces de dar respuesta a problemas habituales en este y otros sectores. 

En 2017 ITRS — una multinacional británica del sector del software en el mundo financiero— cambió de propietarios y de estrategia de negocio; de ahí que, quien fuera el CTO de la empresa, Justo Ruiz, decidiera comenzar una nueva aventura a la que se unieron 4 empleados de dicha compañía. Así fue como Shapelets fue fundado a principios de 2018.  

Herramienta de predicción y prevención

Shapelets es el primer sistema de gestión de series de datos de última generación. Una plataforma de aprendizaje automático que permite a los usuarios obtener conocimientos inestimables de sus datos de series temporales de una manera que no lo hace ninguna otra herramienta o plataforma en el mercado. 

La mayoría de los principales sistemas comerciales ofrecen capacidades limitadas de análisis y metadatos, lo que impide a los usuarios descubrir la semántica y el comportamiento subyacente de sus series. Esta startup trae al mercado una nueva tecnología disruptiva que resuelve estos problemas.

 Asimismo, hay casos donde para prever un supuesto negativo o a evitar,  es necesario que éste hecho ocurra y disponer de estos datos para hacer predicciones futuras.  Las analíticas de Shapelets para series temporales no necesitan de este proceso y pueden dar un resultado directo sin necesidad de entrenar datos y sin que se produzca el hecho negativo o catástrofe.

«Respecto a cómo podría ayudar nuestra plataforma respecto al COVID. Lo que llevamos visualizando día a día desde el comienzo de la pandemia son series temporales de datos sobre infectados, muertos, curados, número de tests, etc. Nuestro software podría haberse utilizado de manera clara para establecer predicciones y analizar causas de cambios de una manera sencilla e intuitiva”, explicaron a IDEAL.

Una base matemática innovadora

La clave del éxito de Shapelets es su tecnología fundamentada en una base matemática innovadora y claramente diferenciadora de los productos que hay en el mercado, así como el enfoque global en todo lo concerniente a series temporales de datos. El software, que en un primer momento se comercializará través de los grandes proveedores, tiene como usuario principal al científico de datos, sin embargo, gracias a una interfaz de usuario muy intuitiva, es posible que personas no técnicas lo usen.

 

Un futuro prometedor

«El software está prácticamente acabado a excepción de mejorar la parte visual. Además, vamos a adaptarlo a nuestra manera de comercialización; en este caso, a través de los grandes proveedores de recursos en la nube como son AWS, Microsoft Azure y Google Cloud».

 Por otro lado, Shapelets afirmó que quiere seguir creciendo con el objetivo a corto plazo de comenzar a vender el producto en masa en enero de 2021 para, en un estadio posterior, llegar a poder ofertar su software y convertirse en «el Category Kings del sector de series temporales».

Por último, no dejaron pasar la oportunidad de subrayar que con su participación en Alhambra Venture, como uno de los 25 finalistas, pretenden «recibir feedback, aprender de otros emprendedores y de VCs, obteniendo contactos con potenciales inversores en su proyecto».

Alhambra Venture 2020, organizada por IDEAL, contará con el apoyo y el patrocinio de la Junta de Andalucía, el Ayuntamiento de Granada, Diputación de Granada, BStartup de Banco Sabadell, AJE, ElReferente, AWS Cloud Computing, Cevi Pyme, Red Eléctrica Española, ENISA, Acciona y la Universidad de Granada.

 

Anterior

Siguiente

Enviar comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

X