Osoblje Techopedia, 29.11.2017
Odlazak: Domaćin Eric Kavanagh razgovara s podacima i analitikom, kao i ulogama glavnog službenika za podatke (CDO) i glavnog analitičara (CAO) s Jen Underwood iz Impact Analytix i Nickom Jewellom iz Alteryxa.
Eric Kavanagh: Dame i gospodo, zdravo i dobrodošli još jednom u posebno posebno izdanje Hot Technologies. Ljudi, ovo je Eric Kavanagh, bit ću vam domaćin današnje emisije, "CxO Playbook: Budućnost podataka i analitike." Da, to je prilično velika tema, moram reći. U stvari, danas imamo pomalo rekordnu gomilu ljudi. Jutros smo se prijavili za više od 540 ljudi. Radimo to u posebno vrijeme, kao što mnogi od vas znaju za naše redovne emisije, obično to radimo u 4:00 Istočno, ali željeli smo primiti vrlo posebnog gosta koji nas zove preko jezerca. Dopustite da danas uđem u prezentaciju.
Dakle, ova je godina vruća - bila je to vrlo burna godina na mnogo načina, mislim da oblak ima puno veze s tim. Kolektivnost tehnologija kojima smo svjedoci na tržištu glavni je pokretač, a ja uzimam naravno SMAC kako ga nazivaju. Govorimo o SMAC-u: društveni, mobilni, analitički, oblak - i sve se to događa. Organizacije doista mogu promijeniti način poslovanja. Postoji više kanala za izvršavanje vašeg poslovanja, ima još podataka koji se moraju analizirati. Stvarno je divlji svijet vani i danas ćemo razgovarati o tome kako se stvari mijenjaju u C paketu, tako da se glavni rukovoditelji, vrhunski ljudi u tim organizacijama, dobro, sada se cijeli svijet mijenja, a mi idemo razgovarati o tome.
Doista je tvoj na vrhu. Danas smo na liniji Jen Underwood iz tvrtke Impact Analytix i Nick Jewell, vodeći tehnološki evanđelist tvrtke Alteryx. To su vrlo uzbudljive stvari. Sinuo sam sinoć s tim konceptom, narode, i mislim da je doista zanimljiv. Naravno, svi znamo glazbene stolice, igra za djecu gdje sve te stolice imate u krugu, puštate glazbu, svi počinju hodati i jedna stolica se odvlači; kad glazba prestane, svi se moraju uskakati kako bi dobili stolicu, a jedna se osoba u toj situaciji ne izgubi. Vrlo je čudna i uvjerljiva stvar koja se događa upravo u C apartmanu, a ako primijetite na ovoj slici ovdje, imate dva prazna stolca straga. Tipično stolica nestaje u glazbenim stolicama, a ono što viđamo ovih dana, postoje li još dvije stolice na razini C: CAO i CDO, glavni analitičar i glavni voditelj podataka.
Oboje se skidaju. Iskreno, glavni službenik za podatke se zaista ovih dana uklanja poput požara, ali što to znači? Znači nešto vrlo značajno. To znači da je moć podataka i analitike toliko značajna da se vijeća za sastanke, ili izvršne sobe, rekao bih, C apartmani mijenjaju - dodaju ljude u C apartman, potpuno novi rukovoditelji popunjavaju neka od tih novih mjesta. Ako razmišljate o tome kako je teško promijeniti kulturu organizacije, to je prilično ozbiljan posao. Kultura je vrlo teško promijeniti, a obično se pozitivne promjene njeguju dobrim upravljanjem i dobrim idejama i takvim stvarima. Ako razmišljate o prilici koju trenutno imamo, dodavanjem novih rukovoditelja u C paket za analitiku i podatke, to je zaista velika stvar. To govori o mogućnosti da organizacije promijene putanju i, suočimo se s tim, velike, stare tvrtke zaista se trebaju promijeniti zbog toga kako se tržište mijenja.
Obično dajem primjere Ubera, na primjer, ili Airbnb kao organizacije koje su u osnovi poremetile čitavu industriju, a to se događa svugdje. Ono o čemu ćemo danas razgovarati je kako se vaša organizacija može prilagoditi, kako vi tamo možete koristiti te informacije, ovaj uvid, za promjenu svoje poslovne putanje i za uspjeh u informacijskoj ekonomiji.
S tim ustupit ću ključeve WebEx-a Jen Underwood, a zatim će se pridružiti i Nick Jewell; zove iz Velike Britanije Zahvaljujući vama i Jen, s tim ću vam ga predati. Odnesi to.
Jen Underwood: Hvala, Eric, sjajno zvuči. Dobro jutro svima. Danas ćemo razgovarati o ovoj CxO knjizi reprodukcije; to je budućnost podataka i analitike, a ja ću se usuditi. Eric je već lijepo obavio razgovor o tome zašto je to tako važno. Naši su govornici danas ponovo vidjeli još jedan slajd s tim informacijama, ali morat ćete i ja i Nick Jewell u ovoj današnjoj sesiji vrlo interaktivno razgovarati. Otvorit ćemo opisivanje što su ove uloge i vrste stvari koje oni traže. Razmotrit ćemo industriju analitike, izglede općenito i neke izazove s kojima će se ovi ljudi suočiti. Dinamika unutar organizacija danas dok se pripremate za budućnost, a zatim ćemo razgovarati o sljedećim koracima i dati vam smjernice za planiranje, ako ćete istražiti neke od ovih uloga u svojoj organizaciji.
Govoreći o ovom CxO, CAO, na primjer, to je glavni analitičar, to je radno mjesto za stare rukovoditelje koji su odgovorni za analizu podataka unutar organizacije. CAO će obično podnijeti izvještaj glavnom direktoru, a ta će se pozicija brzo razvijati biti glavna, kada razmišljate o masi transformacije i njenoj digitalnoj transformaciji koju trenutno imamo na način na koji tvrtke donose i donose poslovne odluke.
Ako mislite da je digitalna transformacija i inteligencija srž digitalne transformacije, CAO je vrlo strateška uloga organizacije. Oni ne samo da vraćaju snažnu znanost podataka stvarnim uvidima i tom znanju, već posjeduju taj rezultirajući povrat ulaganja i utjecaj, pa na čemu se mjere? Kako donose taj ROI s podacima koje imaju i nekim donjim brojevima u cijeloj organizaciji radi strateškog iskorištavanja podataka. To je stajalište, zajedno s CIO-om, glavnim urednikom za informiranje, postalo istaknuto zbog porasta tehnologije i digitalne transformacije i vrijednosti podataka.
Godinama su podaci zlata u ovom konkretnom svijetu s unovčavanjem i inteligencijom i preobražavanjem tih podataka. Da biste mogli poduzeti ove proaktivne akcije i ne samo uvijek gledati unatrag, po sebi. Dvije pozicije su slične jer se obojica bave informacijama, ali CIO će se sam po sebi usredotočiti na infrastrukturu gdje se CAO usredotočuje na infrastrukturu potrebnu za analizu informacija. Sličan je položaj CDO-a, a vi čujete puno više, vjerovatno čujemo nešto više o CDO-u nego danas o CAO-u. CDO se više fokusira na obradu podataka i održavanje te procese upravljanja tijekom cijelog životnog ciklusa upravljanja podacima.
Ti će ljudi također biti odgovorni za unovčavanje podataka i dobivanje vrijednosti iz podataka, te radeći preko zrelosti životnih ciklusa upravljanja i sigurnosti, kroz cijeli životni ciklus, rekao bih, životnog ciklusa. To su ljudi koji bi sami po sebi bili u skladu ili odgovorni za osiguravanje GDPR-a - o kojem ćemo malo razgovarati - Europskog zakona o zaštiti podataka, osiguravajući da takve stvari budu obuhvaćene u njihovim organizacijama. Sada dobivamo strukturu i budućnost za razarajuće dinamične uloge koje zahtijevaju značajne podatke. To su vrste stvari za koje će CDO biti odgovoran, a ne samo oni sami - oni će graditi višefunkcionalni tim, a ja imam nekoliko primjera nekih ljudi koji bi se sami pojavio u organizacijska struktura, od arhitekata i upravnih ljudi, pa čak i analitičari i znanstvenici podataka i inženjeri u organizaciji mogu se povezati s njima.
Napredujući u perspektivu analitike za ovu industriju, ovo je bila fenomenalna - vjerojatno desetogodišnja, čak i duža vožnja u ovoj industriji. Konstantno raste, vrlo uzbudljivo, čak i za vrijeme pada na tržištu prije nekoliko godina, još uvijek je bila velika potražnja. Jednostavno je bilo predivno mjesto i ako pogledate CIO dnevni red tvrtke Gartner za 2017. godinu, BI i analitika i dalje su među prva tri ljestvice što je najvažnije za organizaciju, a gledajući rast tržišta softvera, stalno smo vidjevši rast tamo. Koliko sam dugo na ovom prostoru, uvijek je to bila zaista svijetla karijera.
Kad pogledamo ovo digitalno doba i transformaciju, meni su vrlo, vrlo zanimljivi ovi procesi koje imamo, a često su to dobivanje informacija i poduzimanje akcija iz procesa ili tijekom poslovnih procesa. Gartner je procijenio do 2020. godine da će se podaci koje ste koristili ponovo izmisliti, digitalizirati ili čak ukloniti. Osamdeset posto poslovnih procesa i proizvoda koje smo imali od prije deset godina, i to počinjemo vidjeti, zar ne? Počinjemo sa primjerom da su stihovi Amazon možda neke od velikih trgovina, Ubers, Airbnbs - ovi digitalni modeli ometaju proces i ljudi sada komuniciraju. Čak i Crni petak - Ne znam koliko je ljudi zapravo otišlo u trgovinu - puno ljudi kupuje na mreži, i kako doći do tog kupca? Za to je potrebna inteligencija. Potreban je vrlo drugačiji način interakcije i personalizacije poruke i inteligencije kako bi im predstavili pravu ponudu u pravo vrijeme, a sada je to možda jednim klikom na gumb. Tako im je lako napustiti vašu internetsku trgovinu. Stvari se u ovom svijetu stvarno mijenjaju i mislim da je Nick htio razgovarati i o ovome.
Nick Jewell: Da, zdravo svima, hvala puno. Unaprijed ću se ispričati ako zvuk koji dolazi iz Londona malo zakasni, dat ću sve od sebe da ne razgovaram s tobom, Jen.
Potpuno ste u pravu, da uklanjanje otpada, ta reinvencija kao dio digitalne transformacije, često dolazi dok se organizacije kreću od naručenih proizvoda, možda nepovezanih aplikacija i na otvorenije i povezane platforme. Kad je vaš proces digitalni, bit će mnogo lakše vidjeti krajnji korak vaših podataka. Doista pročistite korake koje poduzimate koristeći podatke za optimizaciju tog postupka.
Krenimo naprijed slajdom, ako možemo. Kad je riječ o digitalnoj transformaciji, što ona znači za organizacije, pretpostavljam da je ili uzbudljivo ili zastrašujuće, ovisno o kojoj strani spektra sjediš. Pogledajte tablicu ovdje, koja prikazuje život tvrtki i kako moteći utjecaji utječu na bogatstva organizacije. Ako ste osnovali tvrtku u 1920-ima, imali ste u prosjeku gotovo 70 godina, prije nego što vas je neka druga tvrtka poremetila. Prilično lagan život po današnjim standardima, jer danas tvrtka jedva ima 15 godina dok poremećaji ne prijete njenom postojanju. Predviđa se da oko 40 posto današnjih tvrtki Fortune 500, pa tako i S&P 500, za 10 godina više neće postojati. Do 2027. godine 75 posto S&P 500 bit će zamijenjeno, tako da će se poluživot s kojim se organizacije danas suočavaju, prije nego što se moraju brinuti za poremećaje, stvarno smanjiti. Uspješne tvrtke moraju ostati ispred te utrke digitalnih inovacija.
Danas niko zaista ne dovodi u pitanje analitiku. Ono je središnje mjesto, ta digitalna poslovna transformacija. U stvari, organizacije stavljaju digitalnu inovaciju upravo na čelo svoje strategije. Te tvrtke, one su prvih pet najvrjednijih tvrtki na svijetu, a predstavljaju dvije bilijune dolara tržišne vrijednosti, Jen.
Jen Underwood: Da, nevjerojatno je, stvarno je. Doista se mijenja i to brzo. Druga dinamika koju imamo i o kojoj smo već razgovarali, mislim da je konačno vidimo i organizacije osjećaju taj eksponencijalni rast izvora podataka, pa čak i ne analiziraju podatke samo o strukturiranim izvorima podataka. Opet, govorimo o tome, imate samo trenutak u nekom od tih digitalnih procesa da donesete odluku, a ove stvari dolaze u JSON-ovima iz REST API-ja, govorimo o nestrukturiranim podacima, bilo da se nalaze datoteke dnevnika, postoje sve vrste različitih vrsta podataka, kao i ekstremno konstantan rast.
Nick Jewell: Da, Jen, kako ste istaknuli, analitički vođe utapaju se u moru podataka. Doći do uvida u visoku vrijednost, možda korištenja mješavine postojećih ili novih analitičkih tehnika, zaista je krajnji cilj, ali postoji jednostavan i temeljni problem s kojim se suočavaju mnoge organizacije s kojima se suočava. Naručili smo Harvard Business Review, obavili smo istraživanje, razgovarali s analitičarima podataka i poslovnim menadžerima. Pitali su koliko izvora podataka koriste u svojoj organizaciji za donošenje odluke, a sasvim je jasno da se u posljednjih nekoliko godina došlo do temeljnog pomaka. IT je nekada kombinirao podatke i gurnuo ih u skladište podataka, ali pretpostavljam da su unatoč izvrsnom poslu koji su obavile IT grupe, stvarajući centralizirano upravljanje podacima, analitičari i dalje suočeni sa zadatkom stvaranja tog određenog skupa analitičkih podataka, ali oni trebaju odgovorite na poslovno pitanje. Zapravo, samo 6 posto ima sve svoje podatke na jednom mjestu, a većina analitičara mora izvlačiti podatke iz pet ili više izvora - stvari poput proračunskih tablica, cloud aplikacija, društvenih medija i naravno, ne zaboravljajući to skladište podataka.
Sada, većina organizacija to prepoznaje, ali ono čime se većina organizacija ne bavi je jednostavna činjenica da stručnjaci za podatke troše više svog vremena upravljajući i tragajući za podacima, nego što zapravo stvaraju vrijednost. Nisu to važni strateški analitički problemi o kojima poslovni izvršitelji žele čuti. Ali ako se ne bavite temeljnim pitanjem, organizacija će, zaista, spriječiti uvid u vrijednosti utemeljene na vrijednosti. Jen?
Jen Underwood: Zanimljivo je. Definitivno sam vidio različite studije o tome i ovdje se radi o ovom djelu, bilo da se radi o 80 posto vremena ili trilijunima dolara koji se isti podaci iznova i iznova popravljaju, vrlo neučinkovito u organizaciji. To se zbroji, tih 37 i 23 posto je vrlo skupo gubljenje vremena. Nevjerojatno mi je što se tome više ne pridaje pažnja.
Gledajući neke od ovih, kako bih nazvao tržišne snage, i puno puta kada govorim o trendovima u industriji, volim pratiti industriju i održavati stalni puls na njoj. Važno je shvatiti kada je nešto više od trenda, kada će to zaista biti sila na koju morate obratiti pažnju, a ovo su trenutno prva tri, na koja treba obratiti pažnju. To je brz rast, broj jedan je brzi rast nerelacijskih baza podataka. Upravo sam spomenuo cijeli ovaj koncept da nemam puno vremena za ispitivanje, sam po sebi, JSON, to su ti različiti scenariji koji se ne relaciraju, koji poprilično rastu - mislim da ovdje imam neke statistike u trenu - brzo.
Druga stvar je neprestani prelazak u oblak. Prije poziva koji sam spomenuo bio sam svjetski rukovodilac proizvoda u jednoj od velikih tehnoloških tvrtki i imao sam teške razgovore prije tri godine s grupama koje su govorile: "Nećemo ništa staviti u oblak. Nećemo se prebaciti u oblak. "I bilo je vrlo zanimljivo vidjeti skupine godinu dana kasnije, dvije godine kasnije, sada čujem od istih grupa da svi imaju plan oblaka. Mislim da su svi ljudi vrlo široki izgledi, ali ono što bih rekao jest, ljudi koji su bili anti-oblaci, zasigurno se stav drastično promijenio, u vrlo kratkom roku, čak i od kada sam razgovarao s grupama širom svijeta o ove vrste stvari.
Automatizacija, ovo je područje koje me fasciniralo i područje za koje sigurno vidimo puno aktivnosti i sjajnu aktivnost. O nekim od tih stvari razgovaramo s gubitkom vremena i neučinkovitim korištenjem svog vremena. Automatizacija je sigurno jedno od područja koja me najviše uzbuđuje kada razmišljam o dodavanju vrijednosti organizaciji.
Sljedeći dijapozitiv o kojem ću govoriti, ovo je studija IDC-a, oni pregledavaju tržišne segmente i rast i to je zaista čudesan način da se pulsira na onome što stvarno raste, što kupuju vaši vršnjaci? Koje vrste stvari ih više ne zanimaju? Te vrste stvari i stavljanje u svoju strategiju.
Svjetsko tržište softvera za analizu velikih podataka ima, prema IDC-u, 16 segmenata, au tom smislu gledamo čak i neke promjene imena. Dodao se kontinuirani analitički softver, kognitivne AI softverske platforme, pretraživački sustavi, tako da su ovdje dodane neke nove kategorije. Ovaj tržišni pregled uvelike uključuje horizontalne alate, unaprijed pripremljene aplikacije kao i neke slučajeve podrške i automatizacije odluka u slučajevima. Opet, ovo će biti vrste rješenja, kad razmišljate o CDO-u, stavljajući u kontekst CDO-a, njihov portfelj koji se može upravljati od integracije podataka do analize vizualizacije, strojnog učenja i svih ovih vrsta sposobnosti koje su im potrebne imati u digitalnom dobu.
Samo svjetsko tržište za ove vrste rješenja poraslo je za 8, 5 posto u tekućem valutnom iznosu, a cjelokupno tržište poraslo je 9, 8 posto prema podacima IDC-a. To je uspoređeno s - gledate na fluktuacije valuta tijekom razdoblja od nekoliko godina i stupanj varijacije je minimalan, ali ona tri najbolja segmenta koja sam istaknuo, samo da bih stvorio osjećaj za te nerelacijske analitičke izvore podataka, 58 posto međugodišnji rast, analiza sadržaja i sustavi pretraživanja iznosili su 15 posto, a neke aplikacije za odnose s kupcima, stvari tipa CRM ili Salesforce Einstein, na primjer, one rastu preko 10 posto, trenutno su 12 posto. Mislim da je i Nick htio dodati neki komentar na ovaj.
Nick Jewell: Hvala, Jen. To je fantastičan vizual. Mislim da smo u Alteryxu oduvijek vjerovali da će priprema i miješanje podataka uvijek biti glavna kompetencija bilo kojeg analitičkog sustava, ali zapravo je temelj za napredniju analitiku. Posljednjih nekoliko godina, razgovarajmo o industriji - možda je bila malo previše usredotočena na neke od novih mogućnosti interaktivne vizualizacije. Izgledaju predivno jer povećavaju angažman, omogućuju uvid, ali nisu nas zaista odmakli od deskriptivne analitike.
Ali, pretpostavljam da sada, kad ljudi postave svoje vidike malo više, organizacije koje počinju shvaćati poslovne vrijednosti dolazi od one sofisticiranije analitike koja tek ulazi u glavne tokove. Pitanje postaje, kako, točnije, tko? Ovo je skočilo na analitiku veće vrijednosti; stvarno je bacanje pitanja nedostatka analitičkih talenata u prilično oštro olakšanje, slažete li se?
Jen Underwood: Apsolutno, i imala sam, mislim da sam upravo cvrkutala, sinoć sam vidjela zaista fascinantan komentar potpredsjednika Adobe-a rekavši: "Strojno učenje je postalo ulog u tablice", gdje su ljudi nekad bili oprezni, a sada je to postalo potreba i to je zanimljivo. Gledajući ovo i samo jedan maleni drugi malo drugačiji kut, po sebi. Puno ljudi, to počinjemo doživljavati kao područje visokog rasta s ne-relacijskim analitičkim prodavaonicama i kognitivnim AI-jem, tim strojnim učenjem, tim analitikama visokih vrijednosti. Ali ipak, na kraju dana, trenutno najveći segment, pa tamo gdje se većina kupovina događa danas, još uvijek je u ovom osnovnom, što bih rekao, izvještavanju o upitima, nekim vizualnim analizama, i još uvijek raste i to nešto za što mnogi pretpostavljaju da ga već imate - ne nužno. Još uvijek raste 6, 6 posto.
Kao CDO - i ja volim prikazivati ovaj slajd - u osnovi samo da kažem, kada ulazite u ovu novu ulogu ili gledate podatke u nekoj organizaciji, to je kaos, i mislim da ovaj posebni slajd zaista čini lijep posao - ovo su sva različita potencijalna područja o kojima možete imati podatke. Oni su možda spremni, možda borave u oblaku, možda su hibridi, svugdje su i velika su preobilna - opet, to je uloga tipa C na razini C sada unutar organizacije, a to nije jednostavan zadatak ili jednostavno - u ovom konkretnom svijetu koji treba preuzeti, ponekad je poprilično neodoljivo. Ovo je svijet kojim ovaj CDO treba upravljati, kako bi mogao savladati, što bih rekao, maksimiziranje vrijednosti podataka.
Nastavljamo s izazovom, maksimizirajući vrijednost svih tih različitih izvora i ono što imamo je zatvoreno vrijeme vremena, s tim digitalnim procesima ili uvidom u djelovanje se zatvara. Ako razmišljate o prije pet godina, prije deset godina, možda biste imali izvještaje da ćete se kandidirati za donošenje nekih odluka s inventarom ili radnjama, one bi se mogle izvoditi tjedno, mjesečno, onda postaju svakodnevne ili preko noći, možda to satu.
Dakle, ono što vidimo jesu li ovi inteligentni strojni učenji ugrađeni umjetno inteligentni uredi, donošenje odluka i ispravki na licu mjesta, tako da čak i stvari poput interneta stvari, IoT ugrađene analitike na rubu, ovi su sustavi pametni i ovi algoritmi mogu samostalno prilagodite i izmijenite neke odluke koje donose na licu mjesta u pravo vrijeme. Bilo je vrlo zanimljivo vidjeti ovu dinamiku s digitalnim obrtajima i tim dodirnim točkama - iako su se povećavale, vrijeme za djelovanje se smanjuje, a tehnologija se razvija za ove scenarije.
Nick Jewell: Da, Jen, mislim da je jedan od onih najzanimljivijih aspekata kako se promjena uvida mijenja, a to je analitika koja stiže do krajnjeg korisnika. Pitamo li korisnike da uskoče u nadzornu ploču kad donesu kritičnu odluku ili kažemo da je uvid, sljedeća najbolja radnja, dostupan izravno u toku, u toku, kako bi se postigla konkurentska prednost? A analitički model o kojem govorimo možda će trebati svoje uloge uzimati iz mnoštva različitih izvora - tradicionalna skladišta podataka, geolokacije, društveni mediji, senzori, klik-stream - svi ti podaci utječu na odluku i taj djelotvoran ishod,
Jen Underwood: Nastavljajući s ovom temom izazova i promjena, ono što trenutno imamo i izazovima koje CEO treba prihvatiti i planirati način da ih osvoji, u biti imamo previše podataka za učinkovito upravljanje i ručnu analizu. Duga su kašnjenja; ove odgode trebamo skratiti i trebamo pronaći način kako maksimizirati vrijednost podataka kojima raspolažemo. U svijetu postoji nedostatak talenta za znanost o podacima i za prikrivanje ovih uvida i onoga što bismo oceani nazvali podacima. Dobra vijest je da postoje neke predivne inovacije koje pomažu u svakom današnjem području, a uzbudljivo je vidjeti što, gdje će nas tehnologija odvesti, kako bi nam pomoglo u ovim izazovima.
Dok sam na to gledao, nastala je mala zbrka dok sam razgovarao s kupcima ili razgovarao s grupama koristeći neke od ovih alata. Neki od klasičnih izazova postoje i danas, samo se malo pogoršava pokušajem pronalaženja podataka za analizu. Neki od alata za pretraživanje, neki od kataloga koji su tamo zasigurno pomažu - sada ono što pronalazimo je koji katalog koristiti kada. Postoji nekoliko različitih kataloga, tako da postoje različita mjesta na kojima možete pohranjivati i dijeliti podatke, pa je stvar pokušaja pronaći jedan, možda katalog u kojem bismo trebali tražiti.
Druga stvar je zajedničko dijeljenje. Razgovarali smo o jednoj od studija iz te Harvard Business Review, koliko se vremena troši, u biti obavljajući zadatke bez dodane vrijednosti, gubit vrijeme i koliko to može biti skupo. Ako ste u mogućnosti da zajednički dijelite i koristite zajedničke izvore podataka, skripte su već razvijene, logika je već prisutna, njima možete učinkovito upravljati, pa uravnoteženje upravljanja s agilnošću analitike, to je ono čemu zapravo želite težiti. i krećemo ovim svijetom po onome što bih nazvao, imamo nišne alate, imamo automatizirane alate za radni tijek, imamo klasični Excel, kataloge podataka, samoposlužni BI, alate za znanost podataka. Kao što je pokazala jedna slika, postoji mnogo, puno alata i puno preklapanja između njih.
Nick Jewell: Da, savršeno, Jen, i mislim da se prozor uvida, kao što ste spomenuli, definitivno smanjuje, ali vrijeme potrebno za stvarno postavljanje modela se ne nastavlja. Uvođenje modela predviđanja i dalje je glavni izazov za mnoge tvrtke. Razgovarali smo s Carlom Rexerom koji je predsjednik Rexer Analitike, a u Carlovom istraživanju nauke o podacima za 2017. otkrio je da samo 13 posto znanstvenika za podatke kaže da se njihovi modeli uvijek upotrebljavaju, a taj se omjer upotrebe jednostavno ne poboljšava, tako da vratite se sa svakim prethodnim istraživanjem. Zapravo, kad se vratimo u 2009. godinu, kada je prvo postavljeno pitanje, i vidimo gotovo identične rezultate, tako da smo dobili pravi jaz.
Jen Underwood: Kad pogledamo zrelost analitike, ona brzo napreduje. Opet, prije dvije, tri godine, bili smo vrlo uzbuđeni zbog vizualne analize samoposluživanja i konačno fleksibilnog i širenja BI-a samima po sebi. Kad kažem mase, vjerojatno još uvijek napaja korisnike unutar organizacije. Sada vidimo optimizaciju, prediktivnu analitiku, duboko učenje, prirodni jezik, mnoge druge tehnologije koje će zaista, kako su ugrađene u svakodnevne procese, napokon doista demokratizirati analitiku vrlo neprimjetno za mase, za istinske mase koje će se koristiti unutar postojećih poslovnih procesa koje već imaju.
Nick Jewell: Da, Jen, porazgovarajmo kratko o toj posljednjoj kategoriji, ako mogu. Danas će većina slušatelja poziva biti upoznata s AlphaGo softverom Google DeepMind, koji je u posljednjih nekoliko godina pobijedio neke od najboljih Go igrača u svijetu. AlphaGo je naučio igrati igru proučavanjem ogromne količine prethodno snimljenih utakmica. Toliko da su komentatori AlphaGo turnira tvrdili da je softver igrao u stilu japanskog velikana, vjerovali ili ne.
Ali, u posljednjem mjesecu zabilježen je gotovo iznenađujući rezultat. Ovo je bila AlphaGo Zero, dubinska tehnologija učenja, neuronska mreža, naoružana samo jednostavnim pravilima igre i optimiziranom funkcijom. Naučila je da postane najjači igrač Go na svijetu, bez nadziranog treninga, a sve to je učinila u oko 40 dana. Ovo takozvano učvršćivanje učenja, gdje ljudi definiraju izazov, neka sustav dubokog učenja istražuje, poboljša, zaista bi mogao donijeti najveći utjecaj u analitičkom prostoru dosad. Pa, valjda, budite s nama.
Jen Underwood: Da, stvarno je zanimljivo da ste to spomenuli. Možete li zamisliti izuzeća? I to je ono što počinjem vidjeti. Doista, kad govorim o automatizaciji, vrlo je uzbudljivo da rješenja budu dovoljno pametna da čiste zrak, da automatski učim iz sustava, uključim se i igram i jednostavno znam što dalje činiti na temelju nekih prošlih odluka ili drugih odluka koji su napravljeni unutar organizacije i koji su upravljali nekim od tih sustava, ETL sustavima i zbrinuli se za njih, i imali su povratak u dan kad bi me piperi i telefoni zvali upozorenjima kada se procesi ne odvijaju, tako je uzbudljivo misliti, "Vau, sad je dovoljno pametan da se vjerojatno može samozdraviti."
Moj suprug upravlja mrežom za samoizlječenje, imat ćemo integraciju podataka o samoizlječenju, analitiku samoizlječenja i tamo gdje postaje sve bolje i bolje, zaista je uzbudljivo. Kao CDO, kada počnete razmišljati o tome da ljudi obrađuju tehnologiju, mi ćemo pogledati, upravo sada gledamo tehnologiju, zatim ćemo gledati ljude i kako pristupiti izgradnji vašeg tima i izgradnji vještine. Ako pogledate modernu analitičku platformu, odmah ću vam reći, neće svi imati sve ovdje, iako bi najveće organizacije mogle imati sve te različite komponente, po sebi, neke grupe mogu imati samo dvije ili tri male kutije ovdje, tako da nisam htio preopterećivati ljude ovim. Ali moderna BI platforma ne zahtijeva nužno IT izgradnju, unaprijed definirani semantički sloj izvješćivanja.
Korisnici i stručnjaci bi doista trebali biti osposobljeni za samo pripremu podataka za analitičku brzinu i okretnost, a ako razmišljate o porastu onoga što bismo rekli korisničkim i stručno vođenim analitikama, ostavljajući stručnjacima za tematiku agilnost, oni trebaju donosite brze odluke. Vidimo pojačano usvajanje onoga što bismo rekli, alate za pripremu osobnih podataka, borbu s podacima, obogaćivanje, čišćenje, vrste aktivnosti koje Alteryx obavlja, kao i neke od aktivnosti tipa podataka o podacima koje nude kao dobro. Moderno rješenje za pripremu, oni nude ono inteligentno, automatizirano spajanje, razlučivost zraka, prebacivanje podataka, kad imate cjevovod za velike podatke, to je vrlo, vrlo cool. Ovo je vjerojatno, opet, jedno od područja koja volim i stvarno uživam testirati isto kao i u industriji.
Za razliku od tradicionalnog BI-vođenog BI-a, IT se danas stvarno fokusira na omogućavanje poslovanja, a vi imate ljude poput CDO-a i sastavljanje ili odabir pravih rješenja za orkestriranje, organiziranje i objedinjavanje tih podataka i osigurajte, naravno, da je to vlada, zar ne? Jedna stvar koja mi je vrlo zanimljiva i svakako mislim da smo zaključili o ovome, ali mislim da nismo to baš izgovorili, u dane skladišta podataka jednog veličine za sve i da je end-all be-all, sigurno su gotovi. Podaci su svugdje, što trebate napraviti - podatkovna jezera su se pojavila u slici, postoje strujni podaci i podaci uživo, sada postoji toliko različitih izvora podataka, to je zapravo više upotrebljiv slučaj, "Što vam treba?" "Moramo sve nabaviti u skladištu podataka." Nisam siguran, Nick, jesi li htio komentirati ovo? Ne sjećam se.
Nick Jewell: Reći ću samo jedno i to je samo, gledajte evoluciju komponente. Ono što su stručnjaci napravili prije pet do deset godina, sada je u rukama korisnika, tako da će stvari s desne strane tamo biti više preovlađujuće za korisnika u obliku bez povrata i ispadanja, vrlo kratko. Pomicat će se brže i brže, pa samo pripazite na to.
Jen Underwood: Da, to je zaista dobra poanta. O tome volim razmišljati. Različite znanosti podataka, to konačno postaje stvarnost i alati postaju sve bolji. Razmišljajući o tehnologiji, sada moramo imati vještine i ljude i što trebamo učiniti? Trenutno su najbolji poslovi, oni uključuju naslove poput znanstvenika podataka, inženjera podataka i poslovnih analitičara, ali ono što pronalazimo jest da su i poslodavci zaista teško uspoređivati. Čak i u prostoru za pripremu podataka reći ću: "Je li riječ o preparivanju podataka, radi li se o sporadi podataka, kakvim se terminima ljudi nazivaju?" Bilo je vrlo zanimljivo pronaći.
Posao ne zna što im treba i tu je cijelo ovo novo polje u nastajanju koje će se prostirati na mnogim različitim područjima. Ako pogledate da svi sada trebaju biti majstor svojih podataka, poslovne analitike, voditelji IT projekata, moj suprug koji upravlja energetskom mrežom i portfeljem projekata, on to mora moći analizirati. To više nisu samo financije i analiza podataka, već su se širile i šire, na druga područja organizacije. Mislim da sam vidio studiju o tome koliko izvora podataka koristi marketing, i bila je neodoljiva. Opet, kad razmišljate o studiji koju je napravila Harvard Business Review, ljudi više ne moraju samo jedan izvor podataka koji moraju miješati i spajati i pronaći uvid, to su mnogi izvori podataka i za to je potrebna vještina.
Kada ovdje pogledate suštinski veću sliku, većina novih zaposlenika bit će u ovom ružičastom mjehuriću prema dnu, kada o tim poslovnim analitičarima razgovarate s analitičarima za rudarjenje podataka, kadrovskim menadžerima na ovom području, samo s redovitim ulogama u liniji poslovanja pomoću podataka. Uloge s najbržim rastom imat će manje posla, ali zasigurno ono o čemu danas najviše možemo čuti podatke, znanstvenik i podatkovni inženjer. Kao CDO, oni gledaju unaprijed i planirate talent, trebate uzeti u obzir neke automatizacije rutinskih zadataka i vrste vještina koje će biti strateški strateške, i opet, dodajte vrijednost svojoj organizaciji za obje oni koji omogućuju analitiku, ali i za ljude koji rade tamo gdje je riječ o znanosti i podacima. Razmislite o tome kako bi se vaši neobjavljeni položaji, pa čak i dio slobodne ekonomije, mogli promijeniti kada razmišljate o tome kako biste se natjecali za najbolje i najsjajnije.
I uvijek razmislite o svom talentu, pomažući kandidatima da se kreću tržištem ili traže stvari koje bi mogle biti malo drugačije, a ne baš onakve kakve želite, i kreirate interne tečajeve analitike, koji možda i nisu najbrži, većina isplativa strategija da pratite korak. Razmotrite gledanje ljudi koji su posvećeni treningu u ovoj ili različitim skupinama, a vjerujem da Alteryx danas na kraju sesije preporučuje tečaj kao poziv na akciju, da možete iskoristiti za neke od ovih stvari i pomoći vašem timu da utjeca na to neke od postojećih resursa koji su već dostupni.
Nick Jewell: Apsolutno. Postoji toliko mnogo načina da se popuni taj jaz talenta, a da se ne zapne u utrku u naoružanju. Nekoliko slajdova natrag, ne znam možete li tamo prebaciti par. Kaggle, mjesto natjecanja iz područja znanosti o podacima, upravo su objavili anketu sa 17.000 odgovora o stanju znanosti o podacima i bilo je zaista zanimljiv odgovor iz ankete oko vještina koje su imali ljudi, a većina ispitanika nije doktorirala, to više nije preduvjet.
Ideja da stručnjaci za analitiku sljedeće generacije, onaj glavni mjehurić koji ste upravo pokazali, mogu steći znanje koje im je potrebno na tečajevima za nano-stupanj. Oni mogu otići na web mjesta poput Udacity i to znanje mogu odmah implementirati, izravno u posao, kratkoročno fokusirani ciklusi isporuke čine ih neposrednim izvorom konkurentnog napretka za njihove tvrtke. Dakle, nešto na što treba paziti, mislim.
Jen Underwood: Ne, slažem se. Čak i ako razmislim o tome, sigurno je dalek put otkad sam snimio dvogodišnji program na UCSD-u. Mislim da je ovo bilo vremensko razdoblje 2009., 2010. i zaista je bilo pregršt u zemlji koji vam je to omogućio. Sada postoji općenito puno više opcija, kao i specijaliziranih programa, bilo da je riječ o dobavljačima, puno resursa koji su danas dostupni uz petlje i sve ove različite internetske resurse, to je jednostavno nevjerojatno, stvarno je vrijeme. Zarađujte vrijeme i budžetirajte to i zakažite sami sebe kako biste išli ukorak. Što želite naučiti? A onda slijedite taj put koji želite naučiti.
Govoreći o ovome i sastavljanju vlastitog plana vještina i iz perspektive CDO-a, pobrinuvši se da imaju ljude u pokrivenim područjima, od onoga što bih rekao okvir kompetencija sam po sebi, gledanja vještina ili gledanja na stvari poput znanja o domeni još uvijek je ključno, mada se ova rješenja mogu samostalno osposobljavati i samostalno učiti, zaista je stručnjak za poslovna pitanja koji će voditi i osigurati da rezultati imaju smisla.
Uvijek postoji nešto, a ja volim koristiti primjer kad sam radio kritičku analitiku za osiguravajuće društvo, a jedno od otkrića da algoritmi nisu bili zaposliti nikoga iz New Yorka. Pa, ne, nećemo nikoga zaposliti iz New Yorka - morali smo otkriti zašto nam algoritam daje te podatke. To je bilo zbog toga što se zakonski, jedan od zakona promijenio i tako smo imali dosta toga u tom određenom segmentu. Trebalo bi dovesti stručnjaka za poslovne teme da bi to dešifrirao, a ja ne vidim da se to mijenja, ne vidim takvo vođenje, pazite da rezultati izgledaju točno, izgleda li nešto - ipak je to, postoji nešto za što se kaže da je ljudski um, ljepota tog kombiniranog sa snagom stroja, zaista krenuti.
Ostale vrste stvari kada gledate vještine, vizualizaciju, pričate učinkovitu priču u podacima, učinkovitu priču ispričate je li to čak i strojno učenje. Ako se spoje i razmotre koliki je utjecaj koji donosi, razumijevanje ljudske prirode odlučivanja, te su stvari vrlo važne bez obzira na tehnologiju. Upravljanje je doista važno, etika postaje sve važnija. Ako se uključe socijalni znanstvenici, oni to razumiju i obučeni su da gledaju da li postoje pristranosti u vašim podacima koje vi uopće ne shvaćate ili nemate nikoga u organizaciji koji to možda i ne bi prepoznao, čak i prevodeći ih u stručnjaka, imajući takve stvari.
I opet, naravno da imate infrastrukturu za inženjering i hardver te da provjerite da li možete skalirati i razvijati i osigurati da koristite pravog davatelja oblaka, možda niste zatvoreni ili imate mogućnosti za premještanje ili ono da razumijete cijene koliko će vas to koštati. To su ove vrste vještina i kad ovo pogledate, mi bismo to nazvali vještinama po različitim područjima, bilo da se radi o podacima koji su usmjereni prema podacima iz prve linije - tamo gdje će biti većina tih uloga - sve do onih inženjera podataka i podataka koji će masirati i raditi u tim oceanima podataka. Ovo su vrste stvari za koje ćete htjeti sastaviti okvir.
Gledajući okvire kompetencija, gledate organizaciju općenito, želite uzeti u obzir kompetencije, a ne samo vještine. Dok ovo gledate, ima malo nijanse u formulacijama. Okvir kompetencija za vašu organizaciju jasan je signal. Kreatori ratnih politika, pružatelji obrazovanja, dok bi vještine bile, upisane pod slovom R, razmišljate o tim stvarima, imate kompetentan koder, ali želite željeti imati više od te vještine. Kad shvatite kompetencije, ono što osoba mora biti sposobna i razumjeti okvir, to je važno, tamo ima malo nijanse.
Dok ovo gradite, želite dijagnosticirati ono što biste nazvali kapacitetima koji imaju pozitivan utjecaj na poslovanje i istaknuti ta područja s visokim potencijalom, tako da ćete odrediti prioritete koje su kompetencije koje želite podići u svojoj organizaciji i zatim ih ponovno uskladite s poslovnim ciljevima. CDO koji je odgovoran za maksimiziranje vrijednosti podataka, oni će gledati, i njihov CAO, to će koristiti analitiku za maksimiziranje vrijednosti podataka. Oni će gledati te kompetencije i ta različita područja, na prošloj mreži koju sam tamo imao, ali tada će također gledati visoki potencijal osoblja. Preusmjerit ćete da sa svojim zaposlenicima za podatke i analitiku rade i ulažu u njih, pružite im mogućnosti učenja, a ne samo obuku, u osnovi mogućnosti u stvarnom svijetu koji rade na stvarnim poslovnim problemima.
Nema ničeg boljeg - iako sam išao u školu par godina, tek kad sam krenuo i primijenio neke od ovih algoritama ili naučio o prijevari s čekovima, naučio o nekim stvarima o kojima prije nisam razmišljao, a ti počnite se sastavljati u stvarnom svijetu i to je ono gdje stvarno učite. Davanje ljudima priliku da steknu iskustvo u ovim područjima. Tvrtke koje najbolje mogu izgraditi snažne sposobnosti, koje sustavno identificiraju, objektivno procjenjuju i gledaju gdje su nedostaci u mojoj organizaciji za učenje i postavljanje nekih mjernih podataka za ciljeve ljudi, to su one koje će to moći dostaviti.
Kada razmišljate o treningu odraslih, opet, obično je to vrijeme izgladnjelih - svi smo stradali od gladi - ali gledate što sve funkcionira za svakog. Osobno imam knjige, tako da kad biste danas ušli u moj ured, vidjeli biste puno knjiga, iako mnogi ljudi vole videozapise. Dakle, stvar je doznati, kako netko u vašoj organizaciji voli učiti - motivirati ih da uče - ali i pružiti im malo vremena za to i nekakav cilj - što je učinkovito postići to i obično je to kombinirano, nije samo, krenite na taj tečaj da biste provjerili tu oznaku na bodovnoj kartici, sama po sebi to je to miješanje s stvarnim projektom cilja i što ste naučili od tog projekta i što želite učiniti sljedeće? Što je protezanje? Istezanje tima ili motiviranje tima da ga preuzme dalje.
Ti ciljevi učenja, opet, ako to radite uistinu ne bi trebali biti, to bi u biti trebalo biti lako jer bi ti ciljevi trebali biti usklađeni sa strateškim poslovnim interesima. To su sjajni projekti. Oni su eksperimentalni projekti. Oni su projekti koji će iglu pomicati naprijed.
Nick, jesi li htio nešto dodati? Nisam siguran.
Nick Jewell: Ne, trebao bih uskočiti u studiju slučaja, ako je to u redu, na sljedećem ekranu. Malo detaljnije o određenoj organizaciji. Valjda su oni puno toga što govorite iznijeli u stvarnost. Tvrtka Ford Motor desetljećima se oslanjala na analizu podataka, kao i mnoge tvrtke, ali to je učinila u džepovima poslovanja, s vjerojatno vrlo malim nadzorom cijele korporacije kako bi se osigurala dosljednost i koordinacija. Njihovi su problemi vjerojatno bili prilično tipični za organizaciju njihove razmjere, tako da je analitička stručnost sadržavala - kako kažemo - unutar džepova, a upravljanje podacima i praksa upravljanja nisu bili konzistentni, čak do točke kada nekim poslovnim jedinicama nedostaje pristup osnovnoj analitičkoj ekspertizi.
Opet, razgovarali smo danas o više različitih izvora podataka, imali su preko 4600 izvora podataka. To je značilo da je čak i započinjanje puta i pronalaženje potrebnih podataka bila prava prepreka analitičkom uvidu. Vidim da se smijete, ali to je užasno, zar ne?
Jen Underwood: 4.600, moj bože, da.
Nick Jewell: Dakle, Ford je formirao jedinicu za globalni uvid i analitiku i to je bilo centralizirano - možete ga nazvati centrom izvrsnosti - koji se sastoji od tima znanstvenika i analitičara, organiziranih za razmjenu najboljih analitičkih praksi i pomaganje u širenju optimiziranih podataka izrada podataka u cijeloj tvrtki. Jedinica je odabrala najbolje alate u klasi, ne samo po sposobnosti već i sposobnosti da se dobro integriraju, tako da je to vrlo važno. Fokus njihove demokratizacije bio je zapravo oko izvještaja i deskriptivne analitike, prije nego što su se pomirili po toj piramidi potreba o kojoj smo razgovarali.
Demokratizacija ne čini nekoga znanstvenikom podataka preko noći; osoblje mora znati kada i gdje potražiti pomoć, a na raspolaganju su obuka, upravljanje, metodologije za pomoć u svemu ovome. Također, ne radi se samo o treningu s alatima, već i o obuci iz područja podataka kako bi se premostio taj jaz vještina koji smo spomenuti. Dakle, slučaj upotrebe u stvarnom svijetu kod Forda, optimiziranje logističke mreže, pa je li Ford plaćao pravi iznos za premještanje materijala iz točke A u točku B? Njihova zaostavljena analitika doista nije istakla mogućnosti to ih je učinilo vrlo reakcijskim na tržištu. Sada je puno složenosti tog procesa zaključano u glavama analitičara i napravili su veliki iskorak kada je radni proces samoposluživanja zapravo ponovljen s poslom, a analitički stručnjaci sjedili su zajedno i bili su locirani.
Ovo je pomaknulo analizu s višegodišnjih na tromjesečne, pa čak i gotovo, u stvarnom vremenu, tako ogromne, velike koristi za posao. Taj utjecaj analitike samoposluživanja na poslovnu vrijednost, Ford je mogao brzo planirati i uspostaviti strategije koje se odnose na podatke cijele tvrtke, kako bi reagirao na trendove u razvoju, pomogao u oblikovanju novih usluga i u osnovi odbio prijetnje od konkurencije, a ne samo mora gledati u to ogledalo.
Ako sada na trenutak pogledamo kako je drugi kupac stvarno premjestio analitiku s možda vertikalnog prioriteta u jednoj podjeli tvrtke do horizontalne pruge u svim odjelima, razgovarat ćemo o Shellu. Shell ima centar izvrsnosti koji izvještava o glavnom digitalnom službeniku - tako da postoji još jedan D za našu CxO knjigu - odgovoran za digitalnu transformaciju i održivost. Ovi momci, shvatili su da njihovo okruženje sadrži nekoliko slojeva, tehnološki paket, pohranu, obradu podataka i sve su to značajke koje će vam svi biti poznati. Stvari poput SAP HANA, Databricks, Spark i oni su utjecali na javni oblak da bi dosegli one prave ekonomije razmjera.
Sada su odabrali Alteryx kao analitički omotač za puno njihovog R koda, koristeći se tehnologijama poput Spotfire, Power BI i još mnogo toga. Ali sada vide da se usvajanje mnogo više uskladjuje s obradom i vizualizacijom podataka. Jen, upravo se pozivajući na sve svoje mogućnosti, ova se stvar širi čim počnemo omogućiti analitičarima pristup. Znate, oni su bili izuzetno uspješni u pružanju ove sposobnosti i COE, želeći pružiti buduće sposobnosti sada, neke od onih stvari o dubokom učenju o kojima smo razgovarali - strojni vid, prirodna obrada jezika - i polovina njihove misije je isporuka, polovina toga govori o objašnjavanju i kataliziranju tih ideja kroz poslovne jedinice. To je dio putovanja; COE uvijek razmatra različite načine komunikacije sa svojom poslovnom publikom.
Uzimajući u obzir s jedne strane skeptici koji kažu: "Pa, ova crna kutija nikad neće biti dobra kao moj analitičar", sve do fanboya ili entuzijasta koji svugdje vidi korelacije, možda manje na putu kauzalnih odnosa, ali morate biti oprezni s obje strane. To je fascinantno središte, kada imate horizontalnu prugu u cijeloj organizaciji, taj hibridni skup vještina koji je potreban da bi se uvjerile obje strane spektra.
Nick Jewell: Dobro, Jen, jesi li tu?
Jen Underwood: Jesam.
Nick Jewell: Pretpostavljam da ono što ovdje pokušavamo reći ovim citatom Claytona Christensena jest da će mnoge organizacije, pretpostavljam, objediniti analitički program kako bi pokrenule digitalnu transformaciju o kojoj smo danas razgovarali. biti izazov. Češće nalazimo analitičke timove koji počinju slabom rukom. Pokušaj inoviranja sa nasljeđenim čuvanjem analitičkih procesa, tehnologija, timskih struktura i držanje ovih relikvija predstavljat će najveću prepreku za analitičko usklađivanje i za analitičku inovaciju. Imate li razmišljanja o tome, Jen?
Jen Underwood: Uživam u odabranoj slici. Da, svakako mi ima puno smisla. Neke od tih novih tehnologija morate prihvatiti, na primjer, strujanje u stvarnom vremenu. Nećete nužno moći dobiti te rezultate u stvarnom vremenu ako morate osvježavati JavaScript u pregledniku, sam po sebi, sa starim nasljeđem - možda je to aplikacija na nadzornoj ploči ili takve vrste stvari. Da, trebate prigrliti neke od ovih novih alata, i opet, mislim da je ova slika zaista slatka, slika kaže tisuću riječi. Kolica i gnjavaže, morate pustiti neke od onih starih tehnoloških pristupa.
Nick Jewell: Apsolutno. Dakle, ako pređemo na sljedeći slajd, mislimo da postoji bolji način. Pretpostavljam da, najprije, pomoću nečega što je srodno pretraživanju u Googleu, brzo pronađite sva najprikladnija vaša podatka. Razumijevanje njihovog konteksta, razumijevanje ovisnosti, uzimanje u obzir stvarno jednostavnih stvari kao što su poslovni pojmovnici čiji su autori stručnjaci iz vaših zajednica, a koje je i dalje održavalo u životu to plemensko znanje glava vaših kolega.
Budite pametni u otkrivanju podataka. Razmislite o mogućnosti vođenja razgovora s vlasnicima izvješća i stručnjacima. Prijenos, napravite malo Trip Advisor-a ili Yelp-a, učitajte najkorisnije stvari, ovjerujte one za koje organizacija misli da su najvrjednije, a zatim sve to vratite natrag u rezultate pretraživanja i u konačnici na ljestvici pretraživanja, što ga čini boljim za sljedeći korisnik. Nakon što pronađete ono što tražite, prelazite se u onu brzu, bez koda, korisničku fazu, fazu pripreme i analize kako biste razvili svoj savršeni skup podataka iz kojeg ćete objavljivati ponovljive postupke.
Povratak na naš razgovor o automatizaciji, izgradnja prilagođenih aplikacija. Sve što je potrebno za izgradnju analitičkih modela. Govoreći o modelima, podržavali smo tehnologije otvorenog koda, poput R-a, duži niz godina, što nam omogućava da izgradimo stvarno naprednu analitičku sposobnost koja pokriva opisnu, ali i prediktivnu, propisanu analitiku, na jednostavan, drag-and- kap put.
Sada, s desne strane, zapravo dobivanje tog uvida u interaktivne vizualizacije, modele i bodove gurani unutar platformi podataka ili najnovije, omogućujući taj uvid odmah i izravno u poslovnom procesu. Mislim da je upravo ovaj niz mogućnosti na cijeloj platformi omogućio da budemo prepoznati kao zlatni dobitnik u ovogodišnjem istraživanju izbora kupaca Gartner Peer Insights, što je fantastično dostignuće. Toplo vam preporučujem da posjetite stranicu Gartner da biste saznali više i dodali svoje glasove i dodali svoj komentar.
Dobro, Jen, ako preskočimo još jedan slajd naprijed - pretpostavljam kako zaključimo, želio bih ti uputiti sve sljedeće korake. Prije svega, posjetite stranicu Alteryx.com kako biste preuzeli besplatnu kopiju našeg najnovijeg istraživačkog poduhvata, učinjenog u koordinaciji s Međunarodnim institutom za analitiku (IIA), oko rušenja analitičkih prepreka. Također možete posjetiti udacity.com/alteryx da biste saznali više o tome kako omogućiti svojim timovima, da naprave sljedeći korak na njihovom putu, s tim naprednim analitičkim nano-stupnjem, a zatim konačno iskusite Alteryx za sebe. Posjetite početnu stranicu, preuzmite potpuno predstavljenu procjenu i uključite se uz oduševljenje rješavanjem.
Jen, do tebe. Možda ćemo imati malo vremena za pitanja i odgovore.
Eric Kavanagh: Uskoro ću zazvoniti. Imamo nekoliko pitanja. Pretpostavit ću vam jedan, prvo, Nick, a zatim Jen, ako to želite komentirati, ali on sigurno ima veću primjenjivost na EU i to je zloglasni GDPR, Globalni propisi o zaštiti podataka. Kako to utječe na Alteryx i vaš plan i na šta ste usredotočeni?
Nick Jewell: Pretpostavljam da je to vrlo buran čovjek, valjda je to trenutno. Puno ljudi o tome govori, puno ljudi prilično zabrinuto, ali zapravo je samo prva u nizu propisa koja će ući u svijet podataka i analitike. Sa našeg gledišta, zaista se radi o razumijevanju i razvrstavanju vaših podataka. Ako budete sigurni da je CxO, bilo kojeg određenog ukusa, znate gdje su vaša imovina, znate njihov kontekst i znate da im možete vjerovati kao prvi korak do stvarno samo upravljanja i upravljanja podacima u širem kontekstu.
Eric Kavanagh: Pretpostavljam da ću vam postaviti još jedno pitanje prije nego što vratimo Jen, Nick, i to su podaci o obuci, ako netko zatraži da se njihovi podaci uklone iz vašeg poduzeća, to utiče ne samo na njihovo ime, adresu i tako dalje, ne samo njihove kontaktne podatke, već i ako algoritam koristi podatke o treningu koji uključuju i vaše podatke, trebali biste algoritam ponovnog usavršavanja, zar ne?
Nick Jewell: Posebno je složen. Mislim da je ideja da ne samo baze podataka kao izvor neke od tih podataka o kojima se osoba može prepoznati, već i analitički tijekovi rada, aplikacije, vizualizacije. Ti se podaci dobivaju svugdje kod organizacije, pa je takav kontekst: apsolutno neophodan.
Eric Kavanagh: A Jen, što misliš? Očito, nije toliki posao u SAD-u i ne vidimo da se previše tvrtki pregazilo zbog toga, iako se to tehnički ovdje primjenjuje. Ako američka kompanija ima podatke o državljaninu EU-a, kakav je vaš značaj o GDPR-u i koliko je to velik posao?
Jen Underwood: Pa, mislim da to zahtijeva odgovorno postupanje s podacima. O tome sam pisao već nekoliko puta i imam neke smjernice o nekim od ovih stvari. Mislim da je zanimljivo pitanje koje ste postavili o algoritmima. Dakako, neka od rješenja koja danas gledam, neki njihovi timovi proizvoda osmislili su značajke tako da možete vidjeti kako se donose odluke i koji su se osobni podaci koristili za odlučivanje ishoda tog algoritma. Vidimo neke utjecaje na dizajnu proizvoda ovdje u Sjedinjenim Državama.
Mnogo tehnoloških tvrtki ovdje imaju vrlo velike urede, a razvojni timovi ovdje u Sjedinjenim Državama kao i u cijelom svijetu, tako da to vidimo kod razvoja proizvoda. Vidim da se u njih ulaže više kataloga podataka. Više vladinih inicijativa pokrenuto je tako da ljudi shvate i shvate gdje su svi ti podaci u kaosu. Pokušavajući ih barem malo organizirati, biti u mogućnosti pronaći ga i napraviti nešto s njim.
Eric Kavanagh: Gurnut ću ovaj slajd o kojem smo razgovarali ranije i prebacit ću vam ga, Nick. Mislim da je ovo fantastičan dijapozitiv jer, po meni, to stvarno govori o neposrednosti potrebe za analitikom. Što mislite o ovoj promjenjivoj dinamici? Hoću reći, suština je da tvrtke moraju biti okretne, a ja vidim kako analitika vodi tu ulogu. Što misliš?
Nick Jewell: Ovo je fascinantno. Mislim da uvijek postoje - tvrtke i tehnologije uvijek postoje u tri države, pa će to ili biti rat, mir ili čudo. Rat će se voditi oko teške razine konkurencije. Wonder su sve sjajne nove stvari koje gradite na platformi. Tada mir prije natjecanja i rat opet započinje. Mislim da uvijek postoji ta bitka.
Prije današnjeg poziva razgovarali smo o nekim drugim konferencijama i ključnim bilješkama koje se danas događaju širom svijeta. Neki od velikih dobavljača oblaka, stigli su do točke gdje su izgradili ovu platformu i sada na njoj grade prekrasne nove stvari. Tvrtke to moraju usko paziti i osigurati da nešto rade s dosljednom platformom koja će dati tu vrijednost u budućnosti. Oni će preživjeti ovaj poremećaj.
Eric Kavanagh: Da, to je dobra poanta, i znaš, Jen, komentirala si ranije, zapravo prije emisije, strategiju oblaka i kako mnogi ljudi koje poznaješ u industriji govore da velike kompanije, čak i banke, svi sada imaju strategiju oblaka. Bila sam nekako iznenađena koliko je vremena trebalo da se to ostvari, pa valjda su neki od njih otišli na AWS Reinvent konferenciju i shvatili koliko je to ogromno i izvukli zaključak da je došlo vrijeme. Što mislite o svjesnosti rukovoditelja velikih poduzeća o uvozu oblaka i kako to mijenja njihovo planiranje?
Jen Underwood: Kad razmišljam o ovom svijetu podataka ogromnih razmjera, kad mogu upravljati njime, mislim da na nekim razinama postoji neki smirenost kada jedna od vrlo velikih tvrtki preuzme odgovornost za neke sigurnosne aspekte, tako da postoji malo mira. Znate da postoje neke ograničene razmjere s oblakom.
Druga stvar je i vidio sam to, bio sam u timu koji je preradio proizvod u oblaku i to je sigurno bio nedovoljni proizvod i nitko mu nije obraćao pažnju, a u roku od dvije godine, zbog tjednih izdanja, pa čak i Rekao bih, gotovo je do točke svakodnevnog puštanja u oblak. Znam da Amazon kaže da se puštaju više puta dnevno. Kad imate takvu prijetnju, kada se vaši konkurenti mogu svakodnevno oslobađati i poboljšati, bez obzira na to što rade, barem u softverskoj industriji - a svi su stvarno u softverskoj industriji kad počnete gledati digitalnu transformaciju - to je posve drugo lopta i svatko može raširiti oblak i razmjera i postati velik.
Opet, to će biti podaci koje oni koriste, koji će napraviti razliku i inteligenciju u njihovim algoritmima, i zato ljudi govore o podacima kao novim uljem ili podacima koji su zlatni. Kad pogledam oblak, to je izmjenjivač igara, to stvarno omogućuje vrlo, vrlo brz razvoj i razmjere. Odlično je.
Eric Kavanagh: Vratit ću vas, Nick, zbog još jednog pitanja - idemo samo minutu ovdje ako uspijemo doći do nekih od tih pitanja, ali, koliko se sjećam, pet i šest, a možda čak i sedam prije nekoliko godina, Alteryx je stvarno bio inovator u korištenju podataka trećih strana - tako da donosi podatke iz izvora poput Experiana, na primjer, ili geoprostornih podataka. Mislim da je to vjerojatno strateška prednost, jer takva se stvar nalazi u DNK u Alteryxu, zar ne? Kako se tvrtke kreću prema oblaku, mislim da vi dečki imate puno iskustva u upravljanju tim svjetovima. Što misliš o svjetovima unaprijed stihova podataka trećih strana i oblaka, što misliš?
Nick Jewell: Da, apsolutno. Konačna povezanost morat će biti takva igra bilo koje tvrtke koja će raditi u ovom okruženju utemeljenom na oblaku. Ali reći ću, kad govorimo o nečemu poput infomonike, ideje da se podaci i podaci trebaju smatrati imovinom u vašoj tvrtki. Većina vrijednosti koju ćete donositi uzima uzimanje vanjskih izvora podataka, njihovo miješanje i obogaćivanje s unutarnjim izvorima kako biste stvorili i unovčili veću vrijednost u tom procesu. Apsolutno je kritično raditi s unutarnjim i vanjskim podacima.
Eric Kavanagh: Da, to je dobra poanta. Mislim da je cijeli ovaj hibridni svijet ovdje da ostane. Jen, možda ću ti ovo prenijeti na završne komentare. Za mene, ako taj strateški pogled i sposobnost objedinjavanja kao novi termin opisuje podatke iz izvora, to će biti presudan faktor uspjeha koji ide naprijed, zar ne?
Jen Underwood: Ne, apsolutno, i smiješno je, čula sam taj hibrid, hibrid, hibrid. Čuli ste za to i prije četiri godine razmišljali ste o Hadoopu, Hadoopu i velikim podacima, a onda ste počeli čuti hibrid, hibrid, pa sigurno je tu bilo, nismo nužno, ovo je godina strojnog učenja, bar ništa. Mislim, umjetna inteligencija, strojno učenje je uzelo pozornicu ove godine, ali kako bi doista funkcioniralo u organizaciji koja je danas na putu do oblaka ili koja se mora nositi sa svim tim različitim izvorima podataka u oblaku, možda je Salesforce ili Radni dan, sve ove različite vrste izvora koji žive u oblaku, jedini način na koji se možete nositi s tim jeste hibrid. Ne možete kopirati podatke svugdje, pa morate biti u mogućnosti da se izravno povežete i trebate pronaći način rada s podacima koji se nalaze posvuda, svugdje ćete naći podatke, jer to je realnost tamo gdje smo u pravu sada.
Eric Kavanagh: Mislim da bih bio otpušten ako ne bih vratio strojno učenje u razgovor, pa, Nick, prebacit ću vam ga. Znam da ste vi sada fokusirani na to - možete li razgovarati o tome gdje vidite strojno učenje kako se uskladiti s analitikom i sa sustavima koje koristimo za razumijevanje našeg poslovanja i naših podataka?
Nick Jewell: Da, svakako. Dakle, vrlo kratko, onda se brzo vratimo na jaz između naših vještina. Ideja da imamo organizacije apsolutno prepune snažnih Excel korisnika. Imamo podatke koji znanstvenici prolaze, ali ne rastu istom brzinom. Između njih je ogroman jaz. Razmislite o tome gdje je danas strojno učenje. Koliko algoritama imamo na telefonu ili na satu koji uključuju tehnike strojnog učenja? To je roba, ima je svuda. Moramo ovim energetskim korisnicima omogućiti na najjednostavniji mogući način kako bismo osigurali da se stroj uspješno primjenjuje u cijelom poslu.
Eric Kavanagh: Možda ću vam još jednu posljednju uputiti na stranu. Imamo nekoliko pitanja koja kasno stižu, evo. Jen, pitat ću te ovo. Polaznik komentira cijeli ovaj koncept nenadziranog učenja i činjenica je da vam trebaju podaci o obuci da biste to radili i obično ti podaci o obuci moraju biti specifični za tvrtku. Iako su u industriji puno korelacija, postoji puno načina na koji su organizacije slične. Unatoč tome, svaka je tvrtka jedinstvena, bez obzira radi li se o poslovnom modelu ili pristupu marketingu ili prodaji, ili kakav god slučaj bio, razvoj proizvoda.
Pitanje postaje, hoće li ovi algoritmi moći koristiti podatke trećih strana za obuku? Čini mi se da ćete uvijek trebati koristiti vlastite podatke za osposobljavanje ovih algoritama, čak i ako se to razdoblje ciklusa smanji od šest mjeseci - što je i slučaj u nekim slučajevima - do 40 dana ili 20 dana, bez obzira može biti slučaj. Stvarno morate koristiti vlastite podatke i morate biti sigurni da su podaci prilično čisti, zar ne?
Jen Underwood: To je zaista spoj. Htjet ćete imati vanjski kontekst. U stvari, danas sam rezerviran od kuće natrag, a moj sljedeći webinar govori o pripremi i čišćenju podataka, ironično za strojno učenje. Ono što je uistinu ključno je da sastavite vanjski kontekst sa svojom organizacijom, a volim da ste pitali o pripremi podataka i čišćenju jer, iskreno, neki alati postaju vrlo, vrlo dobri - mogu podnijeti neke aspekte toga, ali ljudski um ili ako možemo dešifrirati problem i pogledati i provjeriti da nisu izostavljeni - kažu da imamo nekakvu pristranost propusta. Način na koji gledate na problem i način na koji odlučujete da dizajnirate problem koji automatizirate ili odluke koje automatizirate, to je umjetnost i osigurati da točno odražava taj poslovni proces.
Vrativši se mom primjeru sa osiguravajućim društvom, kada smo modelirali uzgoj i koga bi angažirali da prođemo kroz ovu sponzoriranu obuku za prodaju osiguranja; u samom modelu nije bila pravna klima, različiti zakoni za različite države. Uvijek će postojati neki aspekt, gdje ćete morati imati te vanjske podatke sa svojim unutrašnjim podacima i, opet, ljudskim umom. Tamo će biti različitih komponenti.
Eric Kavanagh: Mislim da ste ovdje naveli zaista dobru poantu. Slušamo o robotima i strojevima te o preuzimanju strojnog učenja. Za mene je to vrlo remetilački trend - u to nema nikakve sumnje - ali nikad ne vidim potrebu za ljudskim bićima u mješavini kako odlazi, posebno s analitičkim podacima, na podatke o poduzećima.
Nick, posljednje pitanje za tebe. Za mene, bez obzira koliko dobri algoritmi dobili, uvijek će vam trebati ljudi koji nadziru ono što se događa, ubrizgavaju sebe u dogovoreno vrijeme i stvarno sintetiziraju veliku sliku onoga što je vani. Mislim da niti jedan algoritam neće moći sintetizirati širu sliku za tvrtku Fortune 2000, ali što mislite?
Nick Jewell: Pa, uzmimo potpuno ne-Alteryx primjer, razgovarajmo o Uberu iz prošle godine. Uber, tijekom terorističkog incidenta u Australiji, ljudi koji pokušavaju pobjeći s tog područja, iznenada su stavili na jaku cijenu, jer je to, kako je rekao algoritam, nanijelo ogromnu štetu reputaciji. Odmah nakon toga implementirali su ljude i algoritme radeći zajedno. Kad god bi se to trebalo dogoditi, čovjek je morao nadgledati postupak. To ljudsko i algoritamno partnerstvo, to je put prema naprijed.
Eric Kavanagh: Vau, to je sjajan primjer, hvala vam puno. Pa, ljudi, prošli smo više od sat vremena ovdje u našoj web emisiji. Izuzetno hvala Jen Underwood iz Impact Analytics-a. Naravno velika hvala Nicku Jewellu i Alteryx timu na njihovom vremenu i pažnji te svima vama na vašem vremenu i pažnji. Cijenimo ova sjajna pitanja. Sve te internetske emisije arhiviramo za kasnije gledanje, slobodno ih podijelite sa svojim prijateljima i kolegama. S tim ćemo se pozdraviti. Odličan webcast danas. Puno vam hvala, susrećemo vas sljedeći put, narode. Čuvaj se. Doviđenja.
