Bulletin #6, 16 juin/June 2016: YouTube, Local Logic & more / et plus!

Hey! It’s hasn’t been a month yet! That’s right, the response to this bulletin has been so positive and we have so much content that we’ve decided to do twice as much to bring the news of the Montreal data community to you! Look for our next issue in early July!


Hé, ça fait pas encore un mois! C’est vrai, la réponse à ce bulletin a été si positif et nous avons  assez de choses à inclure, on a décidé de travailler deux fois plus fort afin de vous faire parvenir les nouvelles de la communauté des données montréalaise! Notre prochaine édition sera diffusée au début juillet!


Image 20160523_111410.png


Welcome to the sixth edition (June 16, 2016) of the MTLDATA Bulletin. Don’t forget, you can also find us on Facebook, Twitter, LinkedIn and Meetup. This issue: local profile on Local Logic, links, calendar, jobs and more!


Bienvenue à la sixième édition (16 juin 2016) du Bulletin MTLDATA; n’oubliez pas, vous pouvez nous trouver aussi sur Facebook, Twitter, LinkedIn et Meetup. Cette édition: un profil local de Local Logic, des liens, un calendrier, des jobs et plus! Et pour cette édition, on a choisi le français en premier avec l’anglais en italique!






VIDEO OF OUR LAST MEETUP • VIDÉO DE NOTRE DERNIÈRE RENCONTRE







LOCAL PROFILE • PROFIL LOCALE
Image_1463558712.png


A Q&A with Vincent-Charles Hodder of the Montreal startup Local Logic


1) So what is Local Logic? What's local about it? What's logical about it?


Local Logic enables websites in the real estate, travel accommodation and local search industries to consider location characteristics in their search results. We do this by providing meaningful and personalized location data – such as transit quality, variety of nearby groceries, and quietness – for each listing in a city. Our data powers search filters, listing content, and maps to increase the relevance of search results and provide personalized content for each user. The benefit for users is that they can find what they're looking for without having to go to other websites. The benefit for the websites is that their users stay on their sites for longer, and their conversion rates improve.


We’re local because, for our data to be meaningful, it needs to be calculated at a hyper local level. In order to make this data available for every property on a site, we've combined hundreds of urban measures from dozens of open data sets to evaluate the strengths and weaknesses of every single street corner in the city. This hyper local approach enables us to make the distinction between, for example, two AirBnB's on the same block: one directly on Saint-Laurent with all the shops and traffic, and one on the opposite side of the block, on Clark, which is much quieter and greener. These two apartments, although very close to each other, will have quite different characteristics, and our data captures these differences at this scale.


We’re logical because our approach is based on fundamental urban planning theory and research. The algorithms we've developed to assemble our metrics are based on the forces that shape how we experience and live our cities. Coming from an urban planning background profoundly shaped our perspective when it comes to attacking this problem, and thus shapes the logic of our algorithms.


2) What was it that gave you the drive to found this startup?


Three of the co-founders are urban planners, with a motivation to have an impact on the way our cities are used and developed.


We started working on this idea while at the school of urban planning at McGill, and realised that there is an huge amount of data on our cities that is not accessible to the majority of people. We're convinced that by making this data available, citizens can make better, more informed decisions as to where to locate, and decision makers can base their decisions on facts rather than intuition (which, unfortunately is still the case today).


3) Please describe your project in collaboration with ILEAU.


ILEAU main objective is to reduce heat islands in Montreal East by empowering and enabling collaboration between citizens, businesses and institutions to encourage local initiatives. We participated in the project by developing a map that allows a precise and in-depth understanding of the context of the area. Our heatmaps can help different stakeholders identify the best areas to intervene in order to reduce the impact of heat islands in the area. The first step of the project was the creation of maps. The next aspect of the project will be the development of a public participation component that will allow collaboration and discussion among the stakeholders, that ultimately will quantify the impact of potential projects in order to pick the most promising ones. Here is the link to the project: http://ileau.ca/carte.


4) What has the experience with InnoCité MTL been like?


InnoCité MTL has been great so far! It's been really useful in that it's given us access to the right tools and mentors to allow us to move much quicker than we would have otherwise. Being challenged on our ideas is important, and InnoCité MTL has been great for providing us with opportunities to pitch and get feedback on an almost daily basis. It's helped us better understand our business, and focus our energy on the right things in order to progess rapidly. Really looking forward to pitching at Demo Day!


5) Where do you see the near and medium future of Local Logic? (since you work in data, you'll understand why I don't ask about the far future!)


The short-term objective is to develop tools to help consumers better consider location when looking for an apartment, a house, a vacation rental, or hotel. We're currently focusing on making our data available on as many e-commerce sites as possible all across North America.


The medium-term objective is to branch out from e-commerce into other industries such as planning, real estate development, and finance. For planning, we're able to develop pretty sophisticated predictive analyses that allow us to measure and optimise certain infrastructure improvements. We've already worked with BIXI to help optimize the position of their bike stations, and we could do the same for figuring out where to put transit lines or parks or condo developments. For finance, we've run statistical models on our data, and found that we can explain a high percentage of housing prices. This kind of information would be super useful to real estate companies mortgage brokers, and insurance companies, so we eventually want to be working with these guys too.


6) In a fight between astronauts and cavemen, who would win?


Astronauts. They’re not only in prime physical condition, but they also have access to tons of data and knowledge. Even if the cavemen were huge, angry, and vicious, the astronauts could leverage everything they know to figure out the cavemen’s weaknesses. It’s why cavemen could beat physically stronger lions and bears in the first place – they were smarter, and they had better data. So from that perspective, you could say that, at Local Logic, we’re trying to make the average citizen as smart as an astronaut!


Un question-réponse avec Vincent-Charles Hodder, du startup montréalais Local Logic


1) Quel est donc Local Logic? Pourquoi est-ce que c'est locale, ou logique?


Logic Local permet aux sites Web dans l'immobilier, l'hébergement de voyage et les industries de recherche locales de tenir compte des caractéristiques de localisation dans leurs résultats de recherche. Nous fournissons des données de localisation significatives et personnalisées -- tels que la qualité du transport en commun, la variété de produits d'épicerie à proximité, et le manque de bruit -- pour chaque inscription dans une ville. Nos données facilitent des filtres de recherche, des énumérisations de contenu et des cartes géographique afin d'augmenter la pertinence des résultats de recherche et de fournir un contenu personnalisé pour chaque utilisateur. L'avantage pour les utilisateurs, c'est qu'ils peuvent trouver ce qu'ils cherchent sans avoir à passer à d'autres sites. L'avantage pour les sites, c'est que leurs utilisateurs restent à leurs sites pendant plus longtemps, et leurs taux de conversion s'améliorent.


Nous sommes locales parce que, pour que nos données soient significatives, elles doivent être calculées au niveau hyper-locale. Afin de rendre des données de chaque propriété sur un site disponibles, nous avons combiné des centaines de mesures urbaines venant de dizaines de sources de données ouvertes pour évaluer les forces et les faiblesses de chaque coin de rue unique dans la ville. Cette approche hyper-locale nous permet de faire la distinction entre, par exemple, deux Airbnb sur le même bloc: un directement sur Saint-Laurent avec tous les commerces et la circulation, et l'autre sur le côté opposé du bloc, sur Clark, qui est beaucoup plus calme et plus écologique. Ces deux appartements, très proches les uns des autres, auront des caractéristiques assez différentes, et nos données capturent ces différences.


Nous sommes logique parce que notre approche est basée sur la théorie de la planification urbaine et de la recherche fondamentale. Les algorithmes que nous avons développés pour assembler nos indicateurs sont basés sur les forces qui façonnent la manière dont nous vivons et dont nos villes fonctionnent. Le fait que nous venons d'une formation en urbanisme a profondément façonné notre point de vue face à ces questions, et donc façonne la logique de nos algorithmes.


2) Qu'est-ce qui vous a donné l'idéé de fonder ce startup?


Trois des co-fondateurs sont les planificateurs urbains, avec une motivation d'avoir un impact sur la façon dont nos villes sont utilisées et développées.


Nous avons tous commencé à travailler sur cette idée à l'école de planification urbaine à l'Université McGill, et nous avons réalisé qu'il y a une énorme quantité de données concernant nos villes qui ne sont pas accessibles à la majorité des gens. Nous restons convaincus que, en rendant ces données disponibles, les citoyens peuvent prendre de meilleures décisions quant au lieu de localiser, et les authorités peuvent prendre leurs décisions basés sur des faits plutôt que l'intuition (qui, est malheureusement encore le cas aujourd'hui).


3) SVP décrire votre projet en collaboration avec Ileau.


L'objectif principal de Ileau, c'est de réduire les îlots de chaleur à Montréal-Est en responsabilisant et en permettant la collaboration entre les citoyens, les entreprises et les institutions pour encourager les initiatives locales. Nous avons participé au projet en développant une carte qui permet une compréhension précise et approfondie du contexte de la région. Nos heatmaps peuvent aider les différentes parties à identifier les meilleures zones d'intervenir afin de réduire l'impact des îlots de chaleur dans la région. La première étape du projet a été la création de cartes. Le prochain aspect du projet sera le développement de la participation du public qui permettra la collaboration et la discussion entre les parties concernées, pour finalement quantifier l'impact des projets potentiels afin de choisir les plus prometteurs. Voici le lien vers le projet: http://ileau.ca/carte.


4) Comment était votre expérience avec InnoCité MTL?


InnoCité MTL a été formidable jusqu'à présent! Ils nous ont été très utile, en nous donnant accès à des outils et des mentors pour nous permettre d'aller beaucoup plus vite que nous aurions pu autrement. C'est important que nos idées soient questionnées, et InnoCité MTL nous a fourni des occasions d'exprimer nos idées et d'entendre leur réaction sur une base presque quotidienne. Ils nous ont aidés à mieux comprendre notre entreprise, et nous concentrons notre énergie sur les bonnes choses afin de progresser rapidement. J'ai vraiment hâte à Demo Day!


5) Où voyez-vous dans le court et moyen terme? (Puisque vous travaillez dans la domaine les données, vous comprendrez pourquoi je ne demande pas le long terme!)


L'objectif à court terme est de développer des outils pour aider les consommateurs à mieux considérer l'emplacement quand vous cherchez un appartement, une maison, une location de vacances, ou à l'hôtel. Nous  nous concentrons actuellement à rendre nos données disponibles sur autant de sites de commerce électronique que possible à travers l'Amérique du Nord.


L'objectif à moyen terme est d'aller au-delà du commerce électronique, et rentrer dans d'autres industries telles que la planification, le développement de l'immobilier et la finance. Pour la planification, nous sommes en mesure de développer des analyses prédictives assez sophistiquées qui nous permettent de mesurer et d'optimiser certaines améliorations de l'infrastructure. Nous avons déjà travaillé avec BIXI pour aider à optimiser la position de leurs stations de vélo, et nous pourrions faire la même chose pour déterminer où placer le transport en commun, les parcs ou les condominiums. Pour le financement, nous avons exécuté des modèles statistiques basés sur nos données, et nous avons trouvé que nous pouvons expliquer un pourcentage élevé des prix des logements. Ce type d'information serait super utile pour les courtiers en immobilier, les sociétés de prêts hypothécaires, et les compagnies d'assurance, de sorte que nous voulons finalement travailler avec ces gars-là aussi.


6) Dans un combat entre les astronautes et les hommes des cavernes, qui gagnerait?


Les astronautes. Ils ne sont pas seulement en excellente condition physique, mais ils ont aussi accès à des tonnes de données et de connaissances. Même si les hommes des cavernes étaient énormes, en colère, et vicieux, les astronautes pourraient utiliser  tout ce qu'ils savent sur les faiblesses des hommes des cavernes. Ça c'est comment les homme de cavernes ont pu battre des lions et des ours, qui sont plus forts, dans leur temps - ils étaient plus intelligents, et ils ont eu de meilleures données. Donc, de ce point de vue, on peut dire que, dans la logique locale, nous essayons de rendre le citoyen moyen aussi intelligent qu'un astronaute!




QUELQUES LIENS QUI ONT ATTIRÉ NOTRE ATTENTION • SOME LINKS THAT CAUGHT OUR EYE
(les langues de la description correspondent aux langues des liens / languages of descriptions correspond to languages of links)






CALENDRIER COMMUNAUTAIRE • COMMUNITY CALENDAR








EMPLOIS • JOBS






MTL DATA CHERCHE DES BÉNÉVOLES • MTL DATA NEEDS VOLUNTEERS
volunteer.jpg


Champion/ne du Bilinguisme: MTL Data est une communauté inclusive. Nous voulons nous assurer que les deux langues parlées à Montréal sont bien représentées. Le rôle du responsable du bilinguisme est d’impliquer les communautés anglophones et francophones comme participants et présentateurs lors des évènements et de s’assurer du bilinguisme en ligne.


Coordinateur/trice d’évènements: Le coordinateur sera impliqué dans l’organisation de nos évènements de A a Z. Vous aiderez a planifier l’évènement, trouver des présentateurs et sponsors, communiquer, s’occuper de la logistique et publier le contenu en ligne après l’évènement.


Développeur Web: Avec l’agrandissement de notre communauté en ligne, notre site web va attirer de plus en plus de visites et devenir une plateforme pour les membres de MTL Data. Nous voulons ajouter de nombreuses fonctionnalités à notre site web et cherchons un développeur pour étendre notre présence en ligne.


Bilingualism Champion: MTL Data is an inclusive community and we want to make sure that both languages spoken in the city are well represented. The bilingualism champion’s role is to involve the anglophone and francophone communities as participants and speakers during the events and help maintain bilingualism online.


Event Coordinator: The coordinator will be involved with the organization of our monthly events from beginning to end. You will help planning events, finding speakers and sponsors, spreading the word, running the logistics and publishing content online after the event.


Website developer: As we grow our community online, our website will drive more and more traffic and become a hub for the members of MTL Data. We have big plans to add more features to the website and are looking for a lead developer to drive our online presence.






PENSÉE FINALE • FINAL THOUGHT


Every model is wrong. The job of a data scientist is to find the one that is least wrong.


Tous les modèles sont faux. Le job d’un scientifique des données, c’est de trouver celui qui est le moins faux.

Labels: , , , , , , , , ,
edit

No comments:

Post a Comment