Errores comunes de geocodificación y cómo evitarlos

Reduzca los costos y mantenga la calidad del servicio con la codificación geográfica basada en IA

Hola, soy Xavi Ruiz, CEO de Routal . La semana pasada estuve hablando con Muthu de Geoawesomeness sobre lo que hacemos en Routal. Durante esta conversación, comenté que los especialistas no geográficos tienen problemas debido a su falta de conocimiento sobre los sistemas de codificación geográfica. Piensan que ya no es un problema, así que cuando les hablas de la calidad de sus datos maestros te dicen: “¡Vamos! Tenemos Google Maps, ¿no?”. ¡Es una reacción normal!

La varita mágica de la geocodificación

Google tiene una buena reputación como gigante tecnológico y funciona bien en escenarios urbanos. Pero si les preguntamos “¿Alguna vez te has perdido usando Google Maps?” desencadena malas experiencias en sus mentes. Soy un gran usuario de Google Maps y puedo identificarme con eso.  

La principal pregunta que surge es ¿por qué los usuarios de Google Maps confían tanto en su codificación geográfica?

Geocodificar , para los no expertos, significa proporcionar las coordenadas geográficas correspondientes a una ubicación.

Confían en Google Maps por su experiencia. No entienden cómo funciona y para ellos es mágico: introducen una dirección y Google mágicamente pone un pin en un mapa. ¡La magia se siente perfecta!  

Pero la mala noticia es que Google Maps está lejos de ser perfecto.

Un estudio de la Universidad de Pittsburgh (2009) sobre la calidad del mercado concluye que los geocodificadores no ofrecen suficiente calidad. En resumen, el 60 % de los datos son lo suficientemente precisos (< 200 m), el 20 % tiene suficiente error, lo cual es útil para un optimizador de rutas y el resto ni siquiera es un resultado (aún es necesaria la geocodificación manual).* (Ver referencia al final de puesto)

Lograr un 60-70% de corrección está lejos de ser mágico o perfecto.  

Las operaciones logísticas no pueden basarse en resultados con un error cercano al 30% en lugares geolocalizados.  

Cuando la geocodificación se enfrenta a la realidad

¿Por qué Google no funciona mágicamente ? Hay varias razones:  

• La razón principal es la falta de información en el campo en comparación con las zonas urbanas.  
• Otra razón es que los nombres cambian. La administración cambia el nombre de las calles, plazas y avenidas con el tiempo. La información debe estar actualizada. Y el sistema debe tener en cuenta que los usuarios aún pueden buscar los nombres antiguos cuando piensan en un lugar. A veces los lugares tienen nombres acogedores que resultan familiares para los habitantes del pueblo. Pero estos lugares no existen para Google Maps.  
• Las regiones multilingües tienen diferentes traducciones y múltiples combinaciones para el mismo lugar.  

Viviendo en la Estrella inexistente

Tengo una historia personal que contar como ejemplo de este problema con Google Maps.  

Mi mujer vivía en un pueblo cercano a Girona llamado Olot. Esta región es famosa por su mayoría política hacia el nacionalismo catalán. Mi mujer vivía en una plaza oficialmente llamada “Plaça Espanya”. Para evitar este nombre, los habitantes de Olot se refieren a ella con el acogedor nombre de “Plaça Estrella”. No es necesario preguntar por qué.  

¡Ahora os podéis imaginar los enormes problemas que tuvieron los trabajadores de DHL o UPS para realizar entregas en esta plaza!

Confiar en el conocimiento humano

¿Cómo la gente está resolviendo actualmente este problema? Obviamente cometiendo errores y aprendiendo de ellos. Es así de simple porque ninguno de nosotros nació con pleno conocimiento. El conocimiento sobre los lugares se adquiere y se comparte entre las personas. El conocimiento humano llena los vacíos de información.  

Dado que la gente comete errores, con este método no se puede lograr un servicio de calidad del 100%.

Pérdida de información

No sólo los trabajadores cometen errores, además, no siempre están disponibles. La eficiencia de las operaciones depende en gran medida de personas con experiencia. Este conocimiento compartido es uno de los activos más valiosos de una empresa de logística. Se dan cuenta del valor de sus trabajadores cuando tienen que reemplazarlos. Es imposible reemplazar el conocimiento y al mismo tiempo mantener un nivel constante de calidad de servicio.  

Este es un riesgo enorme para las empresas que no son conscientes de este problema.  

Inteligencia artificial al rescate

La Inteligencia Artificial es capaz de aprender de las operaciones como lo hacen los humanos. Aprende automáticamente, sin errores y la IA siempre está disponible. Routal ayuda a las empresas en sus operaciones logísticas y reduce sus costes hasta un 30%.

Estudio de caso: Suez

Suez es la empresa de servicios públicos más grande del mundo. Como empresa proveedora de agua, cuentan con cientos de miles de lugares que visitan periódicamente: contadores de agua, válvulas y otros.

Estudio de caso: Suez  

En algunas zonas remotas, sólo hay una persona responsable de todas las operaciones de la empresa. Una sola persona tiene el conocimiento de la geolocalización. Encontrar estos medidores de agua y válvulas es un verdadero desafío. Google Maps no será de ninguna ayuda.  

Suez se enfrentó al problema cuando fue necesario reemplazar a un trabajador. Routal demostró que la IA ayuda a mantener la calidad del servicio y reducir el riesgo, el tiempo y el dinero.  

Como hicimos eso? Routal procesó la ruta GPS de la logística de Suez y la combinó con los datos comerciales (lecturas de medidores de agua) para geolocalizar automáticamente los lugares a visitar. El resultado fue:  

• Más del 99% de los lugares fueron geolocalizados con una precisión de distancia máxima de 25m.
• 60% con una precisión de distancia máxima de 2m

La captura automática del conocimiento hace que la información sea más confiable y brinda información clara sobre la operación.  

Routal ayuda a las empresas a superar los desafíos a la hora de geolocalizar y optimizar rutas.  

Visite nuestro sitio web para saber más sobre nuestras soluciones.  

¡Estén atentos a nuestro próximo artículo sobre comportamientos humanos!

* * * Referencia * * *
Roongpiboonsopit, D. y Karimi, HA , 2009. Evaluación y análisis comparativos de servicios de geocodificación en línea. Revista Internacional de Ciencias de la Información Geográfica , 24 (7), págs.1081-1100. Fuente: https://www.tandfonline.com/doi/abs/10.1080/13658810903289478