От персонала на Техопедия, 29 ноември 2017 г.
Отнемане: Домакинът Ерик Кавана обсъжда данните и аналитика, както и ролите на главния служител на данни (CDO) и главен служител по анализи (CAO) с Джен Андерууд от Impact Analytix и Ник Джиуел от Alteryx.
Ерик Кавана: Дами и господа, привет и добре дошли отново за много специално издание на Hot Technologies. Хора, това е Ерик Кавана, аз ще ви бъда домакин в днешното шоу, „The CxO Playbook: Бъдещето на данните и анализите.“ Да, това е доста голяма тема, трябва да кажа. Всъщност днес имаме малко рекордна тълпа. Тази сутрин имахме регистрирани над 540 души за уебкаста. Правим го в специално време, тъй като мнозина от вас знаят за нашите редовни предавания, обикновено правим това в 4:00 Източно, но искахме да настаним много специалния гост, който се обажда от езерото. Позволете ми да се потопя веднага в презентацията днес.
Така че тази година е гореща - беше много бурна година в много отношения, мисля, че облакът има много общо с това. Съединението на технологии, на които сме свидетели на пазара, е основният двигател и аз разбира се за SMAC, както го наричат. Говорим за SMAC: социални, мобилни, аналитични, облачни - и всички тези неща се събират. Организациите наистина могат да променят начина, по който правят бизнес. Има повече канали за изпълнение на вашите бизнес операции, има още данни, които трябва да бъдат анализирани. Това е наистина див свят навън и днес ще говорим как нещата се променят в пакета C, така че главните ръководители, топ хората в тези организации, добре, че целият свят се променя в момента и ние сме ще говоря за това.
Има наистина твоя на върха. Днес Андервуд от Impact Analytix и Ник Джиуел, водещ евангелист на технологиите от Alteryx днес. Много вълнуващи неща. Дойдох с тази концепция снощи, хора, и мисля, че наистина е интересно. Разбира се, всички знаем музикални столове, играта за деца, където всички тези столове имате в кръг, пускате музиката, всички започват да се разхождат и един стол се отдръпва; когато музиката спре, всеки трябва да се качи, за да се сдобие с стол, докато човек в тази ситуация загуби. Това е много странно и завладяващо нещо, което се случва в момента в комплекта C и ако забележите в това изображение точно тук, имате два празни стола отзад. Обикновено един стол изчезва в музикалните столове и това, което виждаме в наши дни, има ли още два стола на ниво С: CAO и CDO, главен аналитик и главен служител на данни.
И двамата излитат. Честно казано, главният служител на данни наистина излита като пожар в наши дни, но какво означава това? Означава нещо много значимо. Това означава, че силата на данните и аналитика е толкова значителна, че заседателните зали или изпълнителните стаи, би трябвало да кажа, C апартаменти се променят - те добавят хора в C пакета, цели нови ръководители попълват някои от тези нови места. Ако се замислите колко е трудно да промените културата на организацията, това е доста сериозна сделка. Културата е много трудно да се промени и обикновено положителната промяна се насърчава чрез добро управление и добри идеи и такива неща. Ако мислите за възможността, която имаме в момента, добавяйки нови изпълнителни директори в пакета C за анализи и данни, това е наистина голяма работа. Това говори за възможността организациите да променят траекторията и нека си признаем, големите, стари компании наистина трябва да се променят поради начина, по който пазарът се променя.
Обикновено давам примери за Uber, например, или Airbnb като организации, които са нарушили фундаментално цели индустрии и това се случва навсякъде. Това, за което ще поговорим днес, е как вашата организация може да се адаптира, как хората тук могат да използват тази информация, тази представа, да променят вашата бизнес траектория и да бъдат успешни в информационната икономика.
С това ще предам ключовете на WebEx на Джен Ъндърууд, а след това Ник Джиуел също ще звъни; той се обажда от Обединеното кралство. Благодарение на двамата и Джен, с това ще го предам. Отнеси го.
Jen Underwood: Благодаря, Ерик, звучи страхотно. Добро утро на всички. Днес ще говорим за тази книга за CxO; това е бъдещето на данните и анализите и аз ще се гмурна направо. Ерик вече си свърши хубава работа, като заговори защо това е толкова важно. Нашите оратори днес отново видяхте още един слайд с тази информация, но ще накарате аз и Ник Джуъл да разговаряме с вас много интерактивно в тази сесия днес. Ще отворим с описание на това какви са тези роли и типовете неща, които те имат за мисия. Ще разгледаме аналитичната индустрия, перспективите като цяло и някои предизвикателства, пред които са изправени тези хора. Динамиката в организациите днес, докато се подготвяте за бъдещето, и тогава ще говорим за следващите стъпки и ще ви дадем насоки за планиране, ако ще проучвате някои от тези роли във вашата организация.
Ако говорим за този CxO, CAO например, това е главният служител за анализи, това е длъжност за висши мениджъри, които отговарят за анализа на данните в организацията. CAO обикновено ще докладва на главен изпълнителен директор и тази бързо развиваща се позиция ще бъде ключова, когато мислите за масата на трансформацията и нейната дигитална трансформация, която имаме в момента по начина, по който компаниите вземат и вземат своите бизнес решения.
Ако мислите, че дигиталната трансформация и интелигентността са тези ядра на дигиталната трансформация, този CAO е много стратегическа роля в една организация. Те не само връщат силната наука за данни към реалната представа и това знание, но притежават получената възвращаемост и въздействието, така че върху какво се измерват? Как представят ROI с данните, които имат, и някои от най-долните редове в една организация за стратегическо използване на данните. Тази позиция, заедно със CIO, главния информационен директор, се превърна в известност поради нарастването на технологиите и дигиталната трансформация и стойността на данните.
Вече години наред данните са златни в този конкретен свят с осигуряване на приходи и интелигентност и трансформиране на тази информация. Да можеш да предприемеш тези проактивни действия и не само винаги да гледаш назад, сама по себе си. Двете позиции са сходни по това, че и двете се занимават с информация, но CIO сам по себе си ще се съсредоточи върху инфраструктурата, където CAO се фокусира върху инфраструктурата, необходима за анализа на информацията. Подобна позиция е CDO и вие чувате много повече, ние вероятно чуваме малко повече за CDO, отколкото днес за CAO. CDO се фокусира повече върху обработката на данни и поддържането и тези процеси на управление през целия жизнен цикъл на управление на данните.
Тези хора също ще бъдат отговорни за осигуряването на приходи от данни и получаването на стойност от данните и за работа през зрелостта на жизнените цикли на управление и сигурност, през целия период, бих казал, от жизнения цикъл. Това са хора, които сами по себе си биха били в тон или сами по себе си са отговорни за гарантирането на GDPR - и ще поговорим малко - Европейския закон за защита на данните, като се уверите, че тези видове неща са обхванати в техните организации. Сега ние получаваме структурата и бъдещето за разрушителни динамични роли с интензивни данни. Това са типовете неща, за които CDO ще отговаря, а не само те самите - те ще създават многофункционален екип, а аз имам някои примери за някои хора, които сами по себе си ще се превърнат в организационна структура, от архитекти и хора от управлението и дори анализаторите и учените за данни и инженерите в дадена организация могат да се сближат с тях.
Придвижвайки се по-нататък към перспективите за анализа на индустрията, това беше феноменално - вероятно десетгодишно, дори по-дълго - возене в тази конкретна индустрия. Непрекъснато се разраства, много вълнуващо, дори по време на срива на пазара преди години все още беше с голямо търсене. Просто беше прекрасно място и ако погледнете дневния ред на CIO от Gartner през 2017 г., BI и аналитика все още са в челните три класации на най-важното за една организация и гледайки на растежа на софтуерните пазари, ние сме постоянно виждайки растеж там. Докато съм в това пространство, винаги е било наистина светла кариера.
Когато погледнем към тази цифрова ера и трансформацията, това, което е много, много интересно за мен, са тези процеси, които имаме, и често това е получаване на информация и предприемане на действия от процеси или по време на бизнес процеси. Сега, според Gartner до 2020 г., информацията, която сте използвали, ще бъде преоткрита, дигитализирана или дори елиминирана. Осемдесет процента от бизнес процесите и продуктите, които имахме от преди десет години, и започваме да виждаме това, нали? Започваме да виждаме, че със стиховете на Amazon може би някои от големите магазини за кутии, Ubers, Airbnbs - тези цифрови модели нарушават процеса и сега хората си взаимодействат. Дори Черен петък - не знам колко хора наистина са отишли в магазин - много хора купуват онлайн и как да стигнете до този клиент? За това е необходима интелигентност. Необходим е много различен начин за взаимодействие и персонализиране на съобщението и да разполагате с тази интелигентност, за да им представите правилното предложение в точното време, а сега може би това е с едно натискане на бутон. Толкова е лесно за тях да напуснат вашия онлайн магазин. Нещата наистина се променят в този свят и мисля, че Ник искаше да си поговорим и за това.
Ник Джиуел: Да, здравей всички, благодаря много. Ще се извиня предварително, ако има леко забавяне на аудиото, идващо от Лондон, ще направя всичко възможно да не говоря над вас, Джен.
Напълно сте прав, че премахването на отпадъците, това преоткриване като част от дигиталната трансформация, често се случва, когато организациите преминават от поръчани продукти, може би изключени приложения и в по-отворени и свързани платформи. Когато процесът ви е дигитален, ще бъде много по-лесно да видите пълното пътуване на вашите данни. Наистина прецизирайте стъпките, които предприемате, като използвате данни за оптимизиране на този процес.
Нека вървим напред слайд, ако можем. Що се отнася до дигиталната трансформация, какво означава това за организациите, предполагам, че е вълнуващо или плашещо, в зависимост от това на коя страна на спектъра седиш. Разгледайте диаграмата тук, показваща продължителността на компаниите и как разрушителните влияния влияят върху богатствата на организацията. Ако сте създали компания през 20-те години, имате средно близо 70 години, преди друга компания да ви прекъсне. Доста лесен живот по днешните стандарти, защото днес една компания почти няма 15 години, докато прекъсването заплашва съществуването му. Прогнозира се, че около 40 процента от днешните компании на Fortune 500, така както и за S&P 500, няма да съществуват след 10 години. До 2027 г. 75 процента от S&P 500 ще бъдат заменени, така че полуразпадът, с който се сблъскват организациите днес, преди да се притесняват от прекъсване, наистина намалява. Успешните компании трябва да изпреварят тази надпревара в цифровите иновации.
Днес никой наистина не поставя под въпрос анализите. Тя е в центъра, тази дигитална бизнес трансформация. Всъщност организациите поставят дигиталните иновации точно начело на своята стратегия. Тези компании, те са първите пет най-ценни компании в света, представляващи два трилиона долара пазарна стойност, Джен.
Джен Андууд: Да, невероятно е, наистина е така. Наистина се променя и то бързо. Другата динамика, която имаме и ние говорихме за това, сега мисля, че най-накрая го виждаме и организациите усещат този експоненциален растеж на източниците на данни и дори не е просто да анализираме данни за структурирани източници на данни. Отново говорим за това, че имате само момент в някои от тези цифрови процеси, за да вземете решение и тези неща идват в JSON от REST API, говорим за неструктурирани данни, дали файловете в дневника, има всякакви различни видове данни, както и екстремния постоянен растеж.
Ник Джиуел: Да, Джен, така както посочихте, аналитични лидери, които се давят в море от данни. Да стигнем до най-високата стойност, може би използвайки комбинация от съществуващи или нови аналитични техники, наистина е крайната цел, но има един прост и основен проблем, с който много организации работим, те наистина се сблъскват. Ние поръчахме Harvard Business Review, направихме проучването, разговаряйки с анализатори на данни и бизнес мениджъри. Те попитаха колко източници на данни използват в организацията си, за да вземат решение, и това е съвсем ясно, че е имало фундаментална промяна в последните няколко години. ИТ използва за смесване на данни и ги прехвърля в хранилището с данни, но предполагам, че въпреки цялата отлична работа, извършена от ИТ групите, създавайки централизирано управление на данните, анализаторите все още са изправени пред задача да създадат този специфичен набор от аналитични данни, но те трябва да отговори на бизнес въпрос. Всъщност само 6 процента са събрали всичките си данни на едно място, а по-голямата част от анализаторите трябва да изтеглят данни от пет или повече източника - неща като електронни таблици, облачни приложения, социални медии и, разбира се, да не забравят този склад.
Сега повечето организации признават това, но това, с което повечето организации не се занимават, е простият факт, че специалистите по данни прекарват повече време за управление и търсене на данни, отколкото всъщност добиват стойност. Това не са важните стратегически аналитични проблеми, за които бизнес изпълнителите искат да чуят. Но ако не се обърне внимание на фундаменталния въпрос, това наистина ще попречи на организациите да постигнат прозорливи идеи. Джен?
Jen Underwood: Това е интересно. Определено съм виждал различни проучвания по този въпрос и това е това парче тук, независимо дали това е 80 процента от времето или трилиони долари, които пренастройват едни и същи данни отново и отново, много неефективно в една организация. Това добавя, тези 37 и тези 23 процента са много скъпи загуба на време. Удивително е за мен, че не се обръща повече внимание на това.
Гледайки някои от тези неща, които бих нарекъл пазарните сили, и много пъти, когато говоря за тенденциите в индустрията, обичам да следя индустрията и да поддържам постоянен пулс върху нея. Важно е да разберете кога нещо е нещо повече от тенденция, кога наистина ще бъде сила, на която трябва да обърнете внимание, а това са първите три в момента, сили, на които да обърнете внимание. Това е този бърз растеж, номер едно е бърз растеж на нерелационни бази данни. Току-що споменах цялата тази концепция за това, че нямам много време за търсене, само по себе си, JSON, именно този тип нерелационни сценарии се разрастват доста - мисля, че имам статистика за момент - бързо.
Другото е непрекъснатото преминаване към облака. Преди разговора, който споменах, бях световен продуктов мениджър в една от големите технологични фирми и преди три години имах трудни разговори с групи, казващи: „Няма да поставим нищо в облака. Няма да се преместим в облака. ”И беше много интересно да видим групи по-късно, две години по-късно, сега чувам от същите групи, че всички имат план за облак. Смятам, че всички са изключително широки изявления, но това, което бих казал, е, че хората, които са анти-облачни, със сигурност отношението се е променило драстично в рамките на много кратък период от време, дори откакто говоря с групи по целия свят за тези видове неща.
Автоматизация, това е област, от която бях очарован и област, в която със сигурност виждаме много активност и голяма активност. Разговаряме за някои от тези неща с това, че това е губено време и неефективно използване на вашето време. Автоматизацията със сигурност е една от областите, които най-много ме вълнуват, когато мисля да донеса стойност на една организация.
Следващият слайд, за който ще говоря, това е проучване на IDC, те разглеждат пазарните сегменти и растежа и наистина е прекрасен начин да пулсирате върху това, което наистина расте, какво купуват вашите връстници? Какви типове неща вече не се интересуват? Тези видове неща и влагане в стратегията им.
Според IDC, световният пазар на софтуер за анализи на големи данни в световен мащаб има 16 сегмента и в този сегмент смисъл разглеждаме дори някои промени в името. Имаше добавяне на непрекъснат аналитичен софтуер, когнитивни софтуерни платформи AI, системи за търсене, така че имаше някои нови категории, дори добавени тук. Този пазарен преглед обхваща в голяма степен хоризонталните инструменти, предварително пакетираните приложения, както и някои поддръжка на решения и случаи за автоматизиране на решения. Отново това ще бъдат типовете решения, когато мислите за CDO, поставяйки в контекст на CDO, тяхното портфолио, което може да се управлява от интеграция на данни до визуализация на анализи, машинно обучение и всички тези видове възможности, от които се нуждаят да има в дигиталната ера.
Самият световен пазар за тези видове решения нарасна с 8, 5 процента в текущо валутно изражение, а общият пазар нарасна с 9, 8 процента според IDC. Това беше сравнено с - разглеждате колебанията на валутата за период от няколко години и степента на вариация е минимална, но онези три най-важни сегмента, които подчертах, само за да ви създам усещане за тези нерелационни аналитични източници на данни, 58 процента годишният растеж, системите за анализ на съдържанието и системите за търсене бяха 15 процента и някои от приложенията за взаимоотношения с клиентите, CRM-типът или Salesforce Einstein, например, те растат над 10 процента, сега са 12 процента. Мисля, че Ник искаше да добави коментар и към този.
Ник Джиуел: Благодаря, Джен. Това е фантастично визуално. Мисля, че в Alteryx винаги сме вярвали, че подготовката и смесването на данни винаги ще бъде основна компетентност на всяка аналитична система, но всъщност е основата за всяка по-напреднала анализа. Сега, през последните няколко години, нека да поговорим за индустрията - може би беше малко прекалено фокусирана върху някои от новите възможности за интерактивна визуализация. Те изглеждат красиви, защото увеличават ангажираността си, правят проницателност, но всъщност не ни изминават отвъд описателната анализа.
Но, предполагам, че сега хората гледат малко по-високо, организациите, които започват да разбират бизнес стойностите, ще идват от онези по-сложни анализи, които тепърва навлизат в масовия поток. Въпросът там става, как или по-точно кой? Това скочи до анализи с по-висока стойност; това наистина е хвърлило въпроса за недостига на аналитични таланти в доста рязко облекчение, бихте ли съгласни?
Джен Андууд: Абсолютно и аз имах, мисля, че току-що туитах, снощи видях наистина завладяващ коментар от вицепрезидента на Adobe, казващ: „Машинното обучение стана дялове на масата“, където хората бяха предпазливи, сега това стана нужда и е интересно. Гледайки това и само един малък малък различен ъгъл, сам по себе си. Много хора, започваме да разглеждаме това като зона с висок растеж с нерелационен аналитичен магазин и когнитивния AI, тези машинно обучение, тези анализи с висока стойност. Но все пак в края на деня, в момента най-големият сегмент, така че там, където повечето покупки се случват днес, все още е в този основен, какво бих казал, отчитане на заявките, част от визуалния анализ, и той все още расте и това е нещо, което много хора предполагат, че вече го имате - не е задължително. Все още расте 6, 6 процента всяка година.
Като CDO - и аз обичам да показвам този слайд - по принцип просто да кажа, когато влизате в тази нова роля или търсите данни в дадена организация, това е хаос и мисля, че този конкретен слайд наистина прави приятна работа - това са всички различни потенциални области, за които може да имате данни. Те може да са на прем, може да пребивава в облака, може да е хибриден, да е навсякъде и да е голямо преобладаващо - отново, това е роля от тип C сега в рамките на организация и това не е проста задача или просто - в този конкретен свят, за да поемем, на моменти е доста завладяващо. Това е светът, по който това CDO трябва да се ориентира, за да може да овладее, какво бих казал, максимизирайки стойността на данните.
Продължавайки на предизвикателството, максимизиране на стойността на всички онези различни източници и това, което имаме, е тези затварящи прозорци на времето, с тези цифрови процеси или прозрението за действие се затваря. Ако се замислите може би преди пет години, преди десет години, може би ще имате отчети, че ще стартирате, за да вземате някои решения с инвентар или действия, които може да се изпълняват седмично, месечно, тогава те стават всеки ден или за една нощ, може би това е почасово.
Това, което виждаме, са тези интелигентни машинно обучение, вградени изкуствени интелигентни офиси, вземане на решения и корекции на място, така че дори неща като интернет на нещата, вградена в IoT анализа в края, тези системи са интелигентни и тези алгоритми могат самонастройвайте и променяйте някои от решенията, които взимат на място в точното време. Беше много интересно да наблюдаваме тази особена динамика с цифровите обороти и тези допирни точки - въпреки че те се увеличиха, времето за действие продължава да намалява и технологията след това се развива за тези сценарии.
Ник Джиуел: Да, Джен, мисля, че един от най-интересните аспекти на това как предоставянето на прозрение се променя, е мястото, където анализите стигат до крайния потребител. Молим ли потребителите да скочат в табло, когато вземат критично решение, или казваме, че прозрението, следващото най-добро действие, е достъпно директно в процеса, в потока, за да постигне това конкурентно предимство? И аналитичният модел, за който говорим, може да се наложи да вземе своя принос от богатство от различни източници - традиционни хранилища за данни, геолокации, социални медии, сензори, clickstream - всички тези данни имат отношение към решението и този решителен резултат,
Джен Андервуд: Продължавайки тази тема за предизвикателство и промяна, какво имаме в момента и предизвикателствата, които главният изпълнителен директор трябва да възприеме и планира начин да ги завладее, всъщност имаме твърде много данни за ефективно управление и ръчен анализ. Има дълги забавяния; трябва да съкратим тези закъснения и трябва да намерим начин да увеличим максимално стойността на данните, които имаме. В света има недостиг на талант за наука за данни и да покрие тези прозрения и онова, което бихме нарекли океаните като данни. Добрата новина е, че има някои прекрасни иновации, които се случват, за да помогнат във всяка област на това днес, и е вълнуващо да видим какво, къде технологията ще ни отведе, да ни помогне при тези предизвикателства.
Докато продължих да разглеждам това, има малко объркване, докато разговарях с клиенти или разговарях с групи, използвайки някои от тези инструменти. Някои от класическите предизвикателства съществуват и до днес, просто се задълбочават още повече с опитите да намерят данни за анализ. Някои от инструментите за търсене, някои от каталозите там със сигурност помагат на нещата - сега това, което откриваме, е кой каталог да използваме кога. Има няколко различни каталога, така че има различни места, на които можете да съхранявате и споделяте данни, така че е важно да се опитаме да открием един, може би каталога, в който трябва да търсим.
Другото нещо е съвместното споделяне. Говорихме за едно от проучванията от Harvard Business Review, колко време се изразходва, като по същество правим задачи без добавена стойност, губим време и колко скъпо това може да бъде. Ако сте в състояние да споделяте и използвате общи източници на данни, скриптите вече са разработени, логиката вече е налична, можете да ги управлявате ефективно, така че да балансирате управлението с гъвкавостта на аналитиката, това наистина е, към което искате да се стремите. и се ориентираме в този свят на това, което бих нарекъл, разполагаме с нишовите инструменти, имаме автоматизирани инструменти за работния процес, имаме класически Excel, каталозите с данни, BI за самообслужване, инструменти за научни данни. Както показа тази една снимка, има много, много инструменти и много припокривания между тях.
Ник Джиуел: Да, перфектно, Джен, и мисля, че прозорецът на прозрението, както споменахте, най-определено се свива, но времето, необходимо за реално внедряване на модели, не е в крак. Разгръщането на прогнозния модел продължава да бъде основно предизвикателство за много компании. Разговаряхме с Карл Рексър, който е президент на Rexer Analytics, и в проучването на научните данни на Carl за 2017 г. той откри, че само 13 процента от учените за данни казват, че техните модели винаги се разгръщат и това съотношение на внедряване просто не се подобрява, така че ние върнете се с всяко предишно проучване. Всъщност, като се върнем към 2009 г., когато въпросът беше зададен за първи път и виждаме почти идентични резултати, така че имаме истинска пропаст.
Джен Андервуд: Когато гледаме зрялостта на аналитиката, тя бързо напредва. Отново, преди две, три години, ние бяхме много развълнувани да направим визуален анализ на самообслужването и най-накрая да сме гъвкави и да разширим BI до масите, сами по себе си. Когато казвам маси, вероятно все още захранват потребители в една организация. Сега виждаме оптимизация, аналитична прогноза, задълбочено обучение, естествен език, много други технологии, които наистина, тъй като са вградени в ежедневните процеси, най-накрая наистина ще демократизират аналитиката много безпроблемно за масите, за истинските маси, които да използват в рамките на съществуващи бизнес процеси, които вече имат.
Ник Джиуел: Да, Джен, нека поговорим за бърза история около тази последна категория, ако мога. Повечето слушатели по време на разговора днес ще бъдат запознати със софтуера AlphaGo на Google DeepMind, побеждавайки някои от най-добрите играчи на Go в света през последните няколко години. AlphaGo се научи да играе играта, като изучаваше огромни обеми от записани по-рано мачове. Толкова, че коментаторите на турнира AlphaGo твърдяха, че софтуерът играеше в стила на японски гранд майстор, вярвате или не.
Но през последния месец се отчете почти по-изумителен резултат. Това беше AlphaGo Zero, дълбоко обучение, невронна мрежа, въоръжена с не повече от прости правила на играта и оптимизирана функция. Това се научи да се превърне в най-силният играч на Go в света, без контролирано обучение, и направи всичко това за около 40 дни. Това т. Нар. Укрепващо обучение, при което хората определят предизвикателството, нека системата за задълбочено обучение да проучи, подобри, наистина може да даде най-голямо въздействие в аналитичното пространство досега. Така че, предполагам, останете на линия.
Jen Underwood: Да, това е наистина интересно, споменахте го. Можете ли да си представите изключенията? И това е, което започвам да виждам. Наистина, когато говоря за автоматизация, много вълнуващо решенията да са достатъчно интелигентни, за да чистят въздух, да се учат от системи автоматично, да включват и да играят и просто знам какво да правя след това въз основа на някои от миналите решения, които са били или други решения които са направени в рамките на организацията и са управлявали някои от тези системи, ETL системите и са се грижили за тях, и са имали път през деня бийпъри и телефони, които ми се обаждат с предупреждения, когато процесите не се изпълняват, толкова е вълнуващо да мисля, "Леле, сега е достатъчно умно, за да може само да се самолекува."
Съпругът ми управлява мрежа за самолечение, ще имаме интеграция на данни за самолечение, анализи за самолечение и където става все по-добре и по-добре, това е наистина вълнуващо. Като CDO, когато започнете да мислите за това, че хората обработват технология, ние ще разгледаме, в момента ние разглеждаме технологията, тогава ще разгледаме хората и как да подходим към изграждането на вашия екип и изграждането уменията. Ако погледнете съвременната платформа за анализи, ще ви кажа веднага, не всеки ще има всичко тук, въпреки че най-големите организации могат да имат всички тези различни компоненти, като цяло, някои групи могат да имат само две или три малки кутии тук, така че не исках да затруднявам хората с това. Но съвременната BI платформа не изисква непременно ИТ изграждане, предварително определен семантичен слой на отчитане.
Потребителите и експертите наистина трябва да бъдат овластени просто да подготвят данни за аналитична скорост и гъвкавост, и ако мислите за нарастването на това, което бихме казали, анализи, ръководени от потребители и експерти, като оставим на специалистите по темата да имат гъвкавост, те трябва да вземайте бързи решения. Виждаме засилено възприемане на това, което бихме казали, инструментите за подготовка на лични данни, борбата с данните, обогатяването, изчистването, видовете дейности, които извършва Alteryx, както и някои от дейностите от типа научни данни, които предлагат като добре. Модерното решение за подготовка предлагат интелигентни, автоматизирани съединения, въздушни разделителни способности, преместване на данни, когато имате голям тръбопровод за данни, това е много, много готино. Това вероятно е, отново, една от областите, които обичам и много ми е приятно да тествам и в индустрията.
За разлика от традиционния BI, ръководен от ИТ, днес ИТ наистина е съсредоточен върху активирането на бизнеса и имате хора като CDO и комбиниране или избор на правилни решения за оркестрация, организиране и унифициране на тези данни и се уверете, разбира се, че е управлявани, нали? Едно нещо, което ми е много интересно и със сигурност мисля, че сме направили заключение за това, но не мисля, че току-що направо го казахме, дните на едноразмерен склад за всички данни и това е край-всички бъде-всички, със сигурност са приключили. Данните са навсякъде, което трябва да направите - данните езера са влезли в картината, има поточни и живи данни, сега има толкова много различни източници на данни, наистина е по-полезен от случая, „Какво ви трябва?“ Стихове това „Трябва да съберем всичко в склад за данни.“ Не съм сигурен, Ник, искаше ли да коментираш този? Не си спомням.
Ник Джиуел: Ще кажа само едно нещо и то е просто, гледайте еволюцията на компонента. Това, което специалистите направиха преди пет до десет години, сега е в ръцете на потребителя, така че нещата от дясната страна там ще станат по-разпространени за потребителя във форма без кодове с плъзгане и пускане, много скоро. Той ще се движи все по-бързо и по-бързо, така че просто внимавайте за това.
Джен Андууд: Да, това е наистина добра точка. Обичам да мисля за това. Различната наука за данни, тя най-накрая се превръща в реалност и инструментите стават толкова по-добри. Като мислим за технологиите, сега трябва да имаме уменията и хората и какво трябва да правим? В момента най-добрите работни места, те включват заглавия като учени по данни, инженер на данни и бизнес анализатори, но това, което откриваме, е, че самите работодатели намират наистина трудно да постигнат съответствие. Дори в пространството за подготовка на данни ще кажа: „Препоръчва ли се на данни, дали се бърка с данни, какви термини наричат хората?“ Беше много интересно да се намери.
Бизнесът не знае от какво се нуждаят и има цялата тази нова област, която ще обхване много различни области. Ако погледнете всеки, който трябва да бъде господар на своите данни, бизнес анализи, ръководители на ИТ проекти, мъжът ми, който управлява електрическа мрежа и портфолио от проекти, той трябва да може да анализира това. Вече не става въпрос само за финансиране и анализ на данни, а и за много области в организацията. Мисля, че видях проучване за това колко източници на данни използва маркетингът и беше преобладаващо. Отново, когато мислите за изследването, което беше направено от Harvard Business Review, хората вече не са само един източник на данни, който хората трябва да разбъркат и слеят заедно и да намерят представа, много източници на данни са необходими умения за това.
Когато погледнете по-голямата картина тук, повечето нови наематели ще бъдат в този розов балон към дъното, когато говорите за тези бизнес анализатори с анализаторите за извличане на данни, HR мениджърите, тази област, просто редовни роли в реда на бизнеса, използващ данни. Най-бързо развиващите се роли ще имат по-малко работни места, но със сигурност това, което чуваме най-много на пазара днес, ученият по данни и инженерът на данни. Като CDO, те гледат напред и планирате талант, трябва да вземете предвид част от автоматизацията на рутинните задачи и видовете умения, които ще бъдат по-стратегически и отново добавят стойност за вашата организация и за двете тези с активирана анализа, но също така и за хората, които работят в областта на науката и данните. Помислете как могат да се променят вашите непубликувани позиции и дори част от икономиката на свободна практика, когато мислите за това, за да се състезавате за най-добрите и най-ярките.
И не забравяйте винаги да мислите и за вашия талант за таланти, като помагате на кандидатите да се ориентират по пазара или да търсят неща, които може да са малко по-различни, а не точно това, което искате, и да създавате вътрешни курсове за анализи, които всъщност не могат да бъдат най-бързите, повечето рентабилна стратегия, за да бъдете в крак. Помислете, че гледате на хора, които са посветени на обучение в тази или различни групи, и вярвам, че Alteryx има препоръчан курс в края на сесията днес като призив за действие, за да можете да се възползвате от някои от тези неща и да помогнете на вашия екип някои от съществуващите ресурси, които вече са на разположение.
Ник Джиуел: Абсолютно. Има толкова много начини за запълване на тази празнина на таланта, без да се захващате в надпревара с оръжие. Няколко слайда назад, не знам дали можете да прехвърлите двойка там. Kaggle, сайтът за състезание за научни данни, те току-що пуснаха проучване със 17 000 отговора около състоянието на науката за данни и имаше наистина интересен отговор от проучването около уменията, които хората имат, а по-голямата част от анкетираните нямаха докторска степен, просто вече не е задължително условие.
Идеята, че експертите от анализаторите от следващото поколение, този основен балон, който току-що показвахте, могат да получат знанията, от които се нуждаят от курсовете за нано-степен. Те могат да посещават сайтове като Udacity и те могат незабавно да разгърнат тези знания, директно в бизнеса, краткосрочните цикли на доставка ги превръщат в непосредствен източник на конкурентен напредък за техните компании. Така че нещо, за което трябва да внимавате.
Jen Underwood: Не, съгласен съм. Дори да се замисля, със сигурност ще измина дълъг път, тъй като взех двугодишна програма в UCSD. Мисля, че това се случи през 2009, 2010 г. и в страната наистина може би имаше шепа, която ви позволи да направите това. Като цяло има много повече опции сега, както и специализирани програми, независимо дали става дума от доставчиците, много ресурси, достъпни днес с цикли и всички тези различни онлайн ресурси, това е просто невероятно, наистина е моментът. Печелене на време и бюджет и планиране на себе си, за да бъдете в крак. Какво искаш да научиш? И след това следвайте този път, който искате да научите.
Говорейки за това да разгледате това и да съставите свой собствен план за умения и от перспективата на CDO, като се уверите, че те имат хора в обхванатите области, от това, което бих казал, рамка за компетентност сама по себе си, гледане на умения или разглеждане на неща като знания в домейна все още е от ключово значение, въпреки че тези решения могат да се обучават и самостоятелно да се учат, той наистина е експерт по бизнес предмет, който ще ръководи и гарантира, че резултатите имат смисъл.
Винаги има нещо и обичам да използвам примера за това, когато правех критична анализа на застрахователна компания и една от изводите, които алгоритмите бяха, не беше да наемам никого от Ню Йорк. Е, не, няма да наемаме никого от Ню Йорк - трябваше да разберем защо алгоритъмът ни дава тази информация. Това беше така, защото законът, един от законите се беше променил и затова много се развихрихме в този конкретен сегмент. Експерт по бизнес въпроси трябваше да бъде привлечен, за да дешифрира това и не виждам това да се променя, не виждам такъв вид ръководство, като се уверите, че резултатите изглеждат точни, дали нещо отклонява - все пак е, има нещо, за което се казва, че е човешкият ум, красотата на това, съчетано със силата на машината, наистина е там, където отиваме.
Другите неща, когато гледате умения, визуализация, разказвате ефективна история в данните, разказвате ефективна история, независимо дали това е дори машинно обучение. Събирайки и разглеждайки какво е въздействието, което оказва, разбирайки човешката същност на вземането на решения, тези видове неща са много важни, независимо от технологията. Управлението е наистина важно, етиката става все по-важна. Привличане на социални учени, които разбират и са обучени да преценяват дали има предубеждения във вашите данни, които дори не осъзнавате или нямате някой в организацията, който може дори да не го признае, дори да ги вкара в експерта, като имаш такива видове неща.
И отново, разбира се да имате инфраструктура за инженеринг и хардуер и да се уверите, че можете да мащабирате и е разработен и да сте сигурни, че използвате правилния облачен доставчик, може би не сте заключен или че имате опции за преместване или това разбирате цената на това колко ще ви струва. Това са тези видове умения и когато погледнете това, ние бихме го нарекли умения по различни области, независимо дали става въпрос за управлявани от данни фронтови лидери на решения - където ще бъдат повечето от тези роли - чак до тези инженери на данни и учени по данни, които ще да се масажира и работи в тези океани от данни. Това са типовете неща, за които ще искате да съставите рамка.
Гледайки рамки за компетентност, погледнете организацията като цяло, искате да вземете предвид компетентността, а не само уменията. Има малко нюанс във формулировката, докато разглеждате това. Рамката за компетентност за вашата организация е ясен сигнал. Създатели на политики за война, доставчици на образование, докато уменията биха казали, написани под R, мислите за тези видове неща, имате компетентен кодер, но искате да искате да имате повече от тези умения. Когато разберете компетентността, това, което човек трябва да може и да разбере рамката, това е важното, има малко нюанс там.
Докато изграждате това, вие искате да диагностицирате това, което бихте нарекли капацитети, които имат положително влияние върху бизнеса, и да подчертаете тези области с висок потенциал, така че давате приоритет какви са компетенциите, които искате да издигнете във вашата организация и след това отново ги приведете в съответствие с бизнес целите. CDO, който е отговорен за максимизиране на стойността на данните, те ще разгледат, и техният CAO, който ще използва аналитиката, за да увеличи максимално стойността на данните. Те ще разгледат тези компетенции и онези различни области, в миналата мрежа, която имах там, но след това те също ще разгледат високия потенциал на персонала. Ще пресечете, че вашите служители за данни и анализи работят и инвестират в тях, осигуряват им възможности за обучение, а не просто обучение, по същество реални възможности, работещи върху реални бизнес проблеми.
Няма нищо по-хубаво - въпреки че ходих на училище за няколко години, чак когато не отидох и приложих някои от тези алгоритми или научих за измами с проверка, научих за някои от тези неща, за които никога не съм мислил преди, и ти започнете да се събирате в реалния свят и именно там наистина се учите. Даване на хора, които имат възможност да придобият опит в тези области. Компаниите, които най-добре умеят да изграждат силни способности, които систематично идентифицират, обективни оценки и гледам къде са пропуските в моята организация за обучение и поставяне на някои показатели за целите на хората, това са тези, които ще бъдат в състояние да да достави.
Когато мислите за обучение на възрастни, отново, обикновено това е гладно време - ние всички сме гладували - но гледаме какво работи за всеки. Аз лично имам книги, така че ако днес влезете в офиса ми, щяхте да видите тонове книги, въпреки че много хора харесват видеоклипове. Така че е въпрос на това да разберете, как някой от вашата организация обича да се учи - да ги мотивира да учат - но също така им предоставя известно време за това и някаква цел - какво е ефективно да постигнете това и обикновено това е смесено, не е просто, вземете този курс, за да проверите тази маркировка на карта с резултати, сама по себе си, това е смесването на това с реална цел проект и какво научихте от този проект и какво искате да направите след това? Какво е участък? Разтягане на вашия екип или мотивиране на екипа ви да го вземе по-нататък.
Тези цели на обучението отново, ако го правите, всъщност не трябва да бъде, би трябвало да е лесно за бизнеса, тъй като тези цели трябва да съответстват на стратегическите бизнес интереси. Това са страхотни проекти. Те са експериментални проекти. Те са проекти, които ще придвижат иглата напред.
Ник, искаше ли да добавиш нещо? Не съм сигурен.
Ник Джиуел: Не, щях да вляза в казус, ако това е наред, на следващия екран. Малко повече подробности за конкретна организация. Предполагам, че са реализирали много от това, което казваш, на практика, в реалност. Компанията Ford Motor разчиташе на анализа на данни от десетилетия, подобно на много компании, но го направи в джобовете на бизнеса, с вероятно много малък надзор в цялата корпорация, за да осигури последователност и координация. Проблемите им вероятно бяха доста типични за организация на техния мащаб, така че експертните познания в областта на анализите съдържаха - както казваме - в джобовете, практиките за управление на данни и управлението са непоследователни, дори до степен, в която някои бизнес единици нямат достъп до основни експертизи за анализи.
Отново, говорихме днес за много различни видове източници на данни, те имаха над 4600 източници на данни. Това означаваше дори започването на пътуването и намирането на данните, които са им необходими, беше истинска пречка за аналитичния прозрение. Виждам, че се смеете, но това е ужасно нещо, нали?
Джен Ъндърууд: 4600, о, боже, да.
Ник Джиуел: Така че Форд формира звеното за глобални прозрения и анализи и това беше централизирано - можете да го наречете център на върхови постижения - състоящ се от екип от учени и анализатори на данни, организирани да споделят тези най-добри аналитични практики и да подпомагат разпространението на оптимизирани данни създаване на данни в бизнеса. Устройството избра най-добрите инструменти в клас, не само по капацитет, но и по способността им да се интегрират добре заедно, така че това е доста важно. Фокусът на тяхната демократизация всъщност беше около доклади и описателна анализа, преди да се придвижат нагоре по тази пирамида на потребностите, за която говорихме.
Сега демократизацията не прави някого учен с данни една нощ; служителите трябва да знаят кога и къде да получат помощ и има на разположение обучение, управление, методики, които да помогнат за всичко това. Освен това не става въпрос само за обучение на инструменти, но и за обучение по данни, за да се преодолее тази разлика в уменията, която споменахме. И така, случай на употреба в реални условия при Ford, оптимизирайки логистичната мрежа, така че Ford плащаше точната сума за преместване на материали от точка А в точка Б? Техният наследствен анализ наистина не подчертава възможностите за действие; това ги направи много реакционни на пазара. Сега много сложност за този процес беше затворена вътре в главите на анализаторите и те направиха огромен пробив, когато работният процес на самообслужване всъщност бе повтарян с бизнеса и аналитичните експерти седнаха заедно и бяха разположени съвместно.
Това прехвърли анализа от многогодишна на тримесечна и дори надолу до почти реално време, толкова огромна, огромна полза за бизнеса. Това влияние на анализа на самообслужването върху бизнес стойността е, че Ford може бързо да планира и създава корпоративни стратегии, ориентирани към данни, да отговори на нововъзникващите тенденции, да помогне за оформянето на нови услуги и в основата си да избегне заплахите от конкуренцията, без само трябва да погледнете в огледалото за обратно виждане.
Сега, ако погледнем за момент как друг клиент наистина е преместил аналитиката от може би вертикален приоритет в едно отделение на фирмата до хоризонтална ивица във всички подразделения, ще говорим за Shell. Shell управлява център за върхови постижения, който докладва на главния дигитален директор - така че има още D за нашата CxO playbook - отговорен за дигиталната трансформация и устойчивост. Тези момчета разбраха, че средата им съдържа няколко слоя и стека на технологиите, съхранението, обработката на данни и всичко това включва технологии, с които всички ще сте запознати. Неща като SAP HANA, Databricks, Spark и те използват публичния облак, за да достигнат до правилните икономии от мащаба.
Сега те избраха Alteryx като обвивка за анализи за голяма част от техния R код, подавайки се на технологии като Spotfire, Power BI и други. Но сега те виждат, че осиновяването се обвързва много по-тясно с обработката и визуализацията на данните. Джен, току-що се върна към вашия слайд на всички онези възможности, този вид се разпространява, когато започнем да даваме достъп на повече анализатори. Знаеш ли, те бяха изключително успешни в предоставянето на тази способност и на СЕ, търсеха да предоставят бъдещи възможности сега, някои от онези дълбоки познания, за които говорихме - машинно виждане, обработка на естествен език - и половината от тяхната мисия е доставка, половината от нея е за обяснение и катализиране на тези идеи в бизнес единици. Това е част от пътуването; СЕ винаги търси различни начини за комуникация със своята бизнес аудитория.
Като се вземат предвид от едната страна скептиците, които казват: „Е, тази черна кутия никога няма да бъде толкова добра, колкото моят аналитик“, чак до фенбой или ентусиаст, който вижда корелации навсякъде, може би по-малко по пътя на причинно-следствените връзки, но трябва да внимавате и от двете страни. Това е завладяващо средно място, когато имате тази хоризонтална ивица в цялата организация, този хибриден набор от умения, който е необходим, за да убедите и двете страни на спектъра.
Ник Джиуел: Добре, Джен, ти ли си там?
Джен Андууд: Аз съм.
Ник Джиуел: Предполагам, че това, което се опитваме да кажем тук с този цитат на Клейтън Кристенсен, е, че за много организации, предполагам, обединяването на програмата за анализи, за да задвижват дигиталната трансформация, за която говорим днес, ще бъде предизвикателство. По-често, отколкото не, намираме аналитични екипи, започващи със слаба ръка. Опитът за иновации с наследството на аналитичните процеси, технологии, екипни структури и задържането на тези реликви ще бъде най-голямата бариера за аналитичното привеждане в съответствие и за аналитичните иновации. Имаш ли мисли за това, Джен?
Jen Underwood: Наслаждавам се на избраната снимка. Да, със сигурност има много смисъл за мен. Трябва да възприемете някои от тези нови технологии, например стрийминг в реално време. Не е задължително да можете да получите тези резултати в реално време, ако се налага да правите опресняване на JavaScript в браузър, сам по себе си, със старо наследство - може би това е приложение за табло или тези видове неща. Да, наистина трябва да обхващате някои от тези нови инструменти и отново, мисля, че тази картина е наистина сладка, една снимка казва хиляда думи. Количката и бъгито, трябва да пуснете някои от онези стари технологии.
Ник Джиуел: Абсолютно. Така че, ако преминем към следващия слайд, смятаме, че има по-добър начин. Предполагам, използвайки нещо, което е близко до търсенето, подобно на Google, бързо да намерите всичките си активи, които са най-подходящи. Разбиране на техния контекст, разбиране на зависимостта, разчитане на наистина прости неща като бизнес речници, авторирани от експерти от вашите общности, поддържани живи от всички тези племенни познания на главите на вашите колеги.
Бъдете умни с откриването на данни. Помислете за възможността да провеждате разговори със собственици на отчети и експерти. Качвайте, направете малко Trip Advisor или Yelp, качвайте активите, които са най-полезни, удостоверявайки онези, които организацията смята за най-ценни и след това всичко това се връща обратно в резултатите от търсенето и в крайна сметка в класациите за търсене, което го прави по-добър за следващият потребител. След като намерите това, което търсите, преминавате в тази бърза, без код, удобна за потребителя фаза, подготовка и анализ, за да разработите вашия перфектен набор от данни, от който да публикувате повтарящи се процеси.
Обратно към нашия разговор за автоматизация, създаване на удобни за потребителя приложения. Каквото е необходимо за изграждането на аналитични модели. Говорейки за модели, ние поддържаме технологии с отворен код като R в продължение на няколко години, ни позволява да изградим наистина усъвършенствана аналитична способност, която обхваща описателна, но също така и прогнозна, предписателна аналитика, в проста, с плъзгане и капка начин.
Сега, от дясната страна, всъщност получаването на този поглед върху интерактивните визуализации, модели и оценки се изтласкват надолу в платформите за данни или най-наскоро, като правят това представяне незабавно и директно в рамките на бизнес процес. Мисля, че именно този набор от възможности в цялата платформа ни позволи да бъдем признати като носител на златна награда в тазгодишното проучване на избора на клиенти на Gartner Peer Insights, което е фантастично постижение. Горещо препоръчвам да посетите сайта на Gartner, за да научите повече и да добавите свои собствени гласове и да добавите свой коментар.
Хубаво, така че, Джен, ако прескочим напред още един слайд - предполагам, когато заключим, бих искал да ви дам всички следващи стъпки. На първо място, моля, посетете Alteryx.com, за да изтеглите безплатно копие от най-новия ни изследователски доклад, направен в координация с Международния институт за анализи (IIA), за преодоляване на аналитичните пречки. Можете също да посетите udacity.com/alteryx, за да научите повече за това как да активирате вашите екипи, да направите следващата стъпка в тяхното пътуване, с тази напреднала аналитика нано-степен и след това най-накрая да опитате Alteryx за себе си. Посетете началната страница, изтеглете напълно представена оценка и се включете с тръпката от решаването.
Джен, при теб. Може да имаме време за въпроси и отговори.
Ерик Кавана: Само ще звънна набързо. Имаме няколко въпроса. Предполагам, че ще ви прехвърля първо, Ник, а след това и Джен, ако искате да коментирате, но със сигурност има по-голяма приложимост към ЕС и това е печално известният GDPR - Глобалните регламенти за защита на данните. Как това се отразява на Alteryx и вашата пътна карта и върху какво се фокусирате?
Ник Джиуел: Много е бугиман, предполагам, че е там навън в момента. Много хора говорят за това, много хора доста притеснени, но това е наистина само първата в дълга поредица от регулации, които ще влязат в света на данните и анализите. Наистина, от наша гледна точка, става въпрос за разбиране и класификация на вашите данни. Уверете се, че като CxO, от всеки конкретен аромат, знаете къде са вашите активи, знаете техния контекст и знаете, че можете да им се доверите като първа стъпка към наистина просто управление и управление на данни в по-широк контекст.
Ерик Кавана: Предполагам, че ще ти задам още един въпрос, преди да върнем Джен, Ник, и това е данните за обучението, ако някой поиска данните им да бъдат премахнати от вашето предприятие, това не влияе само на името им, адрес и т.н., не само тяхната информация за контакт, но също така, ако алгоритъмът използва данни за обучение, които включват вашите данни, вие трябва да преквалифицирате алгоритъма, нали така?
Ник Джиуел: Това е особено сложно. Мисля, че идеята, че не само бази данни като източник на част от тази лична информация, но и аналитичните работни процеси, приложенията, визуализациите. Тези данни се получават навсякъде с организация, така че наличието на този контекст: абсолютно жизненоважно.
Ерик Кавана: А Джен, какво мислиш? Очевидно не е толкова голяма сделка в САЩ и сега не виждаме твърде много компании да се разправят за това, въпреки че технически това се прилага тук. Ако американска компания има данни за гражданин на ЕС, каква е вашата оценка на значението на GDPR и колко голяма е тази сделка?
Jen Underwood: Е, със сигурност мисля, че изисква отговорно третиране на данните. Писал съм за това няколко пъти и имам насоки за някои от тези неща. Мисля, че въпросът, който зададохте за алгоритмите, е интересен. Със сигурност някои от решенията, които разглеждам днес, някои от техните продуктови екипи са проектирали функции, така че да можете да видите как те вземат решенията и какви лични данни са били използвани за определяне на резултата от този алгоритъм. Ние виждаме някои въздействия в дизайна на продуктите тук, в Съединените щати.
Голяма част от технологичните компании имат много големи офиси тук и екипи за разработка тук, в Щатите, както и по целия свят, така че виждаме това при разработването на продуктите. Виждам да се инвестират повече каталози с данни. Повече правителствени инициативи се завъртат, така че хората да разберат и те да разберат къде са всички тези данни в хаоса. Опитвайте се да ги прегърнете поне да го организирате, да можете да го намерите и да направите нещо с него.
Ерик Кавана: Ще прокарам този слайд, за който говорихме по-рано, и ще ви го прехвърля, Ник. Мисля, че това е фантастичен слайд, защото за мен това наистина говори за непосредствеността на необходимостта от анализи. Какво мислите за тази променяща се динамика? Искам да кажа, че дъното е, че компаниите трябва да са пъргави и смятам, че аналитиката е водеща за това. Какво мислиш?
Ник Джиуел: Това е очарователно. Мисля, че винаги има - компании и технологии винаги съществуват в три държави, така че или ще бъде война, мир или чудо. Войната ще е за онова тежко ниво на конкуренция. Чудесата са всички страхотни нови неща, които изграждате върху платформа. След това мир преди състезанието и войната започва отново. Мисля, че винаги се води тази битка.
Преди днешния разговор говорихме за някои от другите конференции и ключови бележки, които се случват по света днес. Някои от големите доставчици на облаци, те са достигнали момент, в който са изградили тази платформа и сега изграждат чудесни нови неща отгоре. Компаниите трябва да следят наистина това и да се уверят, че ще работят с нещо, което има съгласувана платформа, която ще даде тази стойност за бъдещето. Те ще бъдат тези, които ще преживеят това смущение.
Ерик Кавана: Да, това е добра точка и знаете ли, Джен, коментирахте по-рано, всъщност преди шоуто, за облачната стратегия и за това как много от хората, които познавате в бранша, казват, че големите компании, дори банките, всички сега имат облачна стратегия. Бях доста изненадан от това колко време отнема това да се осъществи и предполагам, че може би някои от тях отидоха на конференцията на AWS Reinvent и разбраха колко е мащабна и направих извода, че е дошло времето. Какво мислите за осведомеността на ръководителите на големи бизнеси относно вноса на облак и как това променя тяхното планиране?
Джен Андууд: Когато се замислям за този свят от масивни данни, за да го управлявам, мисля, че на някои нива има някакво спокойствие с това, че една от много големите фирми поема отговорност за някои от аспектите на сигурността, така че има малко спокойствие там. Знаете, че има някакъв ограничен мащаб с облак.
Другото е, и аз го видях, бях в екип, който преустрои продукт в облака и със сигурност беше продукт с недостатъчен достъп и никой не му обърна никакво внимание и в рамките на две години, заради седмичните издания и дори, Бих казал, почти до момента на ежедневното пускане в облак. Знам, че Amazon казва, че те пускат няколко пъти на ден. Когато имате тази заплаха, когато вашите конкуренти могат да пускат и подобряват ежедневно, независимо от това, което правят, поне в софтуерната индустрия - и всички наистина са в софтуерната индустрия, когато започнете да гледате на дигиталната трансформация - това е съвсем друго топката и всеки може да завърти облак и мащаб и да стане голям.
Отново, това ще бъдат данните, които те използват, които ще направят разлика и интелигентността в техните алгоритми и затова хората говорят за това, че данните са новото масло или данните са златни. Когато погледна облака, това е смяна на играта, това наистина позволява много, много бързо развитие и мащаб. Невероятно е.
Ерик Кавана: Ще ви върна, Ник, за още един въпрос - ще продължим само една минута тук, ако успеем да стигнем до някои от тези въпроси, но, както си спомням, пет и шест и може би дори седем преди години Alteryx наистина беше новатор в използването на данни от трети страни - така че привежда данни от източници като Experian, например, или геопространствени данни. Мисля, че това вероятно е стратегическо предимство, защото такова нещо е в ДНК в Alteryx, нали? Докато компаниите се движат към облака, мисля, че вие имате много опит в това да можете да преодолеете тези светове. Световете на предхождащи стихове данни на трети страни и в облака, какво мислите?
Ник Джиуел: Да, абсолютно. Крайната свързаност ще бъде такава мощност за всяка компания, която ще работи в тази облачна среда. Но ще кажа, когато говорим за нещо като инфономика, идеята информацията и данните да се считат за актив във вашата компания. По-голямата част от ценността, която ще внесете, е вземането на външни източници на данни, смесването им и обогатяването им с вашите вътрешни източници, за да създадете и осигурите повече печалба в процеса. Абсолютно критично е да работите еднакво с вътрешни и външни данни.
Ерик Кавана: Да, това е добра точка. Мисля, че целият свят от хибридни облаци е тук, за да остане. Джен, аз просто ще ви предам това за някои заключителни коментари, може би. За мен, като имам това стратегическо виждане и мога да се обединя, тъй като новият термин описва данни в източниците, това ще бъде критичен фактор за успех, нали?
Джен Андууд: Не, абсолютно, и е смешно, чувах този хибрид, хибрид, хибрид. Чухте за това и преди четири години мислите за Hadoop, Hadoop и големи данни, а след това започнахте да чувате хибрид, хибрид, така че със сигурност е там, не е задължително, това е годината на машинното обучение, бар няма. Искам да кажа, че изкуственият интелект, машинното обучение пое етапа тази година, но за да функционира наистина в организация, която днес е на път към облака, или която трябва да се справи с всички тези различни източници на данни в облака, може би това е Salesforce или Работен ден, всички тези различни видове източници, които живеят в облака, единственият начин да се справите е да бъдете хибридни. Евентуално не можете да копирате данни навсякъде, така че наистина трябва да можете да се свързвате директно и трябва да намерите начин да работите с данни, разположени навсякъде, да намерите данни навсякъде, защото това е реалността на мястото, където сме вдясно сега.
Ерик Кавана: Мисля, че ще бъда уволнен, ако не върна машинно обучение в разговора, така че, Ник, просто ще ти го прехвърля. Знам, че вие сега сте фокусирани върху това - може ли да говорите за това къде виждате машинно обучение, което се привежда в съответствие с анализа и с вида на системите, които използваме, за да разберем нашия бизнес и нашите данни?
Ник Джиуел: Да, разбира се. И така, накратко, нека се върнем бързо към разликата в уменията си. Идеята, че имаме организации абсолютно пълни с мощни потребители на Excel. Имаме данни на учените, които преминават, но не нарастват със същата скорост. Между двете има огромна пропаст. Помислете къде е машинното обучение днес. Колко алгоритми имаме на телефона си или на часовника си, които включват техники за машинно обучение? Това е стока, има навсякъде. Трябва да дадем възможност на тези потребители на енергия по най-лесния възможен начин, за да сме сигурни, че машината се прилага успешно в целия бизнес.
Ерик Кавана: Може би ще ти хвърля една последна. Имаме няколко въпроса, идващи късно, тук. Джен, ще те питам тази. Участник коментира цялата тази концепция за неподдържано обучение и фактът е, че имате нужда от данни за обучение, за да правите тези неща и обикновено тези данни трябва да са специфични за компанията. Въпреки че в индустриите има много корелации, има много начини, по които организациите са подобни. Независимо от това, всяка компания е уникална, независимо дали това е нейният бизнес модел или подходът му към маркетинга или продажбите или какъвто и да е случаят с развитието на продукта.
Въпросът става, дали тези алгоритми ще могат да използват данни от трети страни за обучение? Струва ми се, че винаги ще трябва да използвате собствените си данни, за да обучите тези алгоритми, дори ако този цикъл се срива от шест месеца - което се случва в някои случаи - до 40 дни или 20 дни, независимо от това случай може да бъде. Наистина трябва да използвате собствените си данни и трябва да сте сигурни, че данните са доста чисти, нали?
Jen Underwood: Наистина е смесица. Ще искате да имате външен контекст. Всъщност аз съм резервиран днес отзад и следващият ми уебинар говори за подготовка и почистване на данни, иронично за машинно обучение. Важното е да съберете външен контекст с вашата организация и обичам, че попитахте за подготовката и изчистването на данните, защото честно казано, някои от инструментите стават много, много добри - те могат да се справят с някои аспекти от това, но човешкият ум или да можем да дешифрираме проблема и да погледнем и да се уверим, че те не са пропуснати - казват, че имаме някакво пристрастие към пропускане. Начинът, по който гледате на проблема и начинът, по който избирате да проектирате проблема, който автоматизирате, или решенията, които автоматизирате, е изкуство в това и се уверете, че той отразява точно този бизнес процес.
Връщайки се към моя пример със застрахователната компания, когато ние моделирахме churn и кого да наемем, за да преминем през това спонсорирано обучение за продажба на застраховка; в самия модел не беше правният климат, различни закони за различните държави. Винаги ще има някакъв аспект, където ще трябва да имате тези външни данни с вътрешните си данни и отново човешкия ум. Там ще има различни компоненти.
Ерик Кавана: Смятам, че тук си поставил много добра точка. Продължаваме да чуваме за роботи и машини и машинно обучение. За мен това е много разрушителна тенденция - в това няма никакво съмнение - но аз никога не виждам необходимостта от човешки същества в сместа да замине, особено с анализа на данните, върху данните на предприятията.
Ник, един последен въпрос за теб. За мен, без значение колко добри са алгоритмите, винаги ще ви трябват хора, които да следят случващото се, да си инжектират в определените моменти и наистина да синтезират голямата картина на това, което е там. Не мисля, че някой алгоритъм някога ще може да синтезира голямата картина за компания от Fortune 2000, но какво мислите?
Nick Jewell: Е, нека вземем един напълно не-Алтерикс пример, нека поговорим за Uber от миналата година. Uber, по време на терористичния инцидент в Австралия, хората, които се опитват да избягат от района, внезапно поставят ценообразуващите скокове, тъй като това е казано от алгоритъма, което причини огромни щети на репутацията. Веднага след това те приложиха хора и алгоритми, работещи заедно. Всеки път, когато това трябваше да се случи, човек трябваше да контролира процеса. Това партньорство на човека и алгоритъма, това е пътят напред.
Ерик Кавана: Леле, това е чудесен пример, много ви благодаря. Е, хора, преживяхме повече от час тук, в нашата уебкаст. Много голямо благодарение на Джен Андервуд от Impact Analytics. Разбира се големи благодарности към Ник Джуъл и екипа на Alteryx за отделеното време и внимание и на всички вас за отделеното време и внимание. Оценяваме тези страхотни въпроси. Ние архивираме всички тези уеб предавания за по-късен преглед, не се колебайте да ги споделите с вашите приятели и колеги. С това ще ви сбогуваме. Отлично уеб предаване днес. Благодаря ти много много отново, ще те догоним следващия път, хора. Пази се. Чао чао.
