Per personal de Techopedia, 29 de novembre de 2017
Take away: L' amfitrió Eric Kavanagh discuteix dades i analítiques, així com els rols de responsable de dades (CDO) i oficial d'analítica (CAO) amb Jen Underwood d'Impact Analytix i Nick Jewell d'Alteryx.
Eric Kavanagh: Senyores i senyors, hola i benvinguts de nou a una edició molt especial de Hot Technologies. Persones, això és Eric Kavanagh, seré el vostre amfitrió per a la programació d'avui, "El llibre de reproducció de CxO: el futur de les dades i les anàlisis." Sí, he de dir un tema força gran. De fet, avui tenim una gran quantitat de rècords. Tenim més de 540 persones que es van registrar per a la transmissió web aquest matí. Ho estem fent en un moment especial, com molts de vosaltres sabeu pels nostres espectacles habituals, normalment ho fem a les 4:00 Eastern, però volíem acomodar el convidat molt especial que trucava des de l'altre costat de l'estany. Permetin-me aprofundir en la presentació d'avui.
Enguany, fa calor: ha estat un any molt tumultuós de moltes maneres, crec que el núvol té molt a veure. La confluència de les tecnologies que estem assistint al mercat és el principal motor i, per descomptat, estic prenent sobre SMAC. Estem parlant de SMAC: socials, mòbils, analítics, núvols, i tot allò que conflueix. Les organitzacions poden realment canviar la forma de fer negocis. Hi ha més canals per a l’execució de les vostres operacions empresarials, cal analitzar més dades. És un món realment salvatge i avui parlarem de com canvien les coses a la suite C, per la qual cosa els consellers delegats, les persones més importants d’aquestes organitzacions, bé que tot el món està canviant ara mateix i estem anirem a parlar d’això.
El vostre és realment a la part superior. Tenim Jen Underwood d’Impact Analytix i Nick Jewell, l’evangelista tecnològic líder d’Alteryx en la línia actual. Són coses molt emocionants. Vaig trobar aquest concepte ahir a la nit, gent, i crec que és realment interessant. Per descomptat, tots coneixem les cadires musicals, el joc per a nens on teniu totes aquestes cadires en cercle, comenceu la música, tothom comença a caminar i una cadira es treu. Quan la música s’atura, tothom s’ha de remenar per aconseguir una cadira mentre una persona perd a la seva cadira en aquesta situació. És una cosa molt estranya i convincent que passa ara mateix a la suite C, i si veieu en aquesta imatge aquí mateix, teniu dues cadires buides a la part posterior. Normalment, una cadira desapareix a les cadires musicals, i el que estem veient actualment és que hi ha dues cadires més a nivell C: el CAO i el CDO, cap d’analítica i oficial de dades.
Els dos es van enlairar. Francament, el principal responsable de dades està enlairant com la pólvora en aquests dies, però què vol dir això? Significa alguna cosa molt significativa. Vol dir que el poder de les dades i de les analítiques és tan important que les sales de juntes, o les sales executives, hauria de dir, les suites C canvien: s’afegeixen persones a la suite C, nous executius completen alguns d’aquests nous seients. Si penseu com és de difícil canviar la cultura d’una organització, així és un tracte bastant seriós. La cultura és una cosa molt difícil de canviar i normalment es fomenta el canvi positiu mitjançant una bona gestió i bones idees i aquest tipus de coses. Si penseu en l’oportunitat que tenim ara mateix, afegint nous executius a la suite C d’analítica i de dades, és molt important. Es parla de l’oportunitat que les organitzacions canvien de trajectòria, i siguem-ne, les grans i velles empreses necessiten canviar per la seva manera de canviar el mercat.
Acostumo a donar exemples d’Uber, per exemple, o Airbnb com a organitzacions que han trastornat fonamentalment indústries senceres, i això està passant a tot arreu. De què parlarem avui és de quina manera la vostra organització es pot adaptar, de quina manera la gent que hi ha per fora, pot utilitzar aquesta informació, aquesta perspectiva, per canviar la seva trajectòria empresarial i tenir èxit en l’economia de la informació.
Amb això, vaig a lliurar les claus del WebEx a Jen Underwood i, a continuació, Nick Jewell serà capaç de fer-ho. Ell truca des del Regne Unit Gràcies a tots dos, i Jen, amb això, t’ho lliuraré. Emporta-t'ho.
Jen Underwood: Gràcies, Eric, em sembla fantàstic. Bon dia a tothom. Avui parlarem d’aquest llibre de jocs de CxO; és el futur de les dades i les analítiques i vaig a aprofundir. Eric ja va fer un bon treball per parlar de per què és tan important. Els nostres oradors d'avui, de nou, heu vist una altra diapositiva amb aquesta informació, però tindreu a mi i a Nick Jewell conversant amb vosaltres de manera molt interactiva en aquesta sessió d'avui. Descriurem quins són aquests rols i els tipus de coses que han de fer una missió. Analitzarem la indústria d’analítica, les perspectives en general i alguns dels reptes que hauran d’afrontar aquesta gent. Les dinàmiques de les organitzacions actuals a mesura que us prepareu per al futur i, tot seguit, parlarem sobre els propers passos i us oferirem orientacions per a la planificació, si aneu a explorar alguns d'aquests rols a la vostra organització.
Parlant d’aquest CxO, per exemple, el CAO, aquest és el màxim responsable d’analítica, és un títol de treball per a alts directius que s’encarreguen de l’anàlisi de dades de l’organització. El CAO generalment informarà a un conseller delegat i aquesta posició de ràpida evolució serà fonamental quan pensi en la massa de transformació i la seva transformació digital que ara mateix estem tenint en la forma en què les empreses prenen i prenen les seves decisions empresarials.
Si es pensa que la transformació digital i la intel·ligència són eixos bàsics de la transformació digital, aquest CAO és un paper molt estratègic dins d’una organització. No només aporten una informació científica de dades als coneixements reals i a aquests coneixements, sinó que tenen un ROI i un impacte resultants, i en què es mesuren? Com porten aquest ROI amb les dades que tenen i alguns dels números de línia de fons d'una organització per aprofitar estratègicament les dades. Aquesta posició, juntament amb el CIO, el màxim responsable d'informació, ha augmentat a la seva rellevància a causa de l'augment de la tecnologia i la transformació digital i el valor de les dades.
Ja fa anys que les dades són or en aquest món concret, amb monetització i intel·ligència i transformant aquesta informació. Per poder fer aquestes accions proactives i no només mirar sempre enrere, per si mateix. Les dues posicions són similars en què tots dos tracten informació, però el CIO, per se, es centrarà en infraestructures on un CAO se centra en la infraestructura necessària per a l'anàlisi de la informació. La posició similar és el CDO i se sent molt més, probablement sentim una mica més sobre CDO que el que fa sobre el CAO avui. El CDO es centra més en el processament de dades i en el manteniment i els processos de governança al llarg de tot el cicle de vida de la gestió de dades.
Aquestes persones també seran les responsables de guanyar dades i obtenir valor a partir de les dades i treballar durant la maduresa dels cicles de vida de governança i seguretat, diria que en el cicle de vida. Es tracta de persones que estarien en sintonia, per si mateixes, o encarregades d’assegurar-se de GDPR, i en parlarem una mica - la Llei Europea de Protecció de Dades, assegurant-nos que aquest tipus de coses estan incloses en les seves organitzacions. Ara, estem aconseguint l'estructura i el futur dels rols dinàmics intensius en la intensitat de les dades. Aquests són els tipus de responsabilitats de les quals seria responsable el CDO i no només ells mateixos: construiran un equip transversal i tinc alguns exemples d’alguns dels personatges que s’envoltaran, per si mateix, en un L’organització organitzativa, des d’arquitectes i governants, i fins i tot els analistes i els científics de dades i enginyers d’una organització hi poden participar.
En endinsar-nos en les perspectives d'analítica de la indústria, aquest ha estat un fenomenal - probablement deu anys, encara més llarg - en aquest sector particular. Ha estat constantment en creixement, molt emocionant, fins i tot durant la fallida del mercat, fa anys que continuava amb una gran demanda. Simplement ha estat un lloc meravellós i, si ens fixem en l’agenda CIO de Gartner el 2017, la BI i l’analítica encara es troben dins dels tres primers rànquings d’allò més important per a una organització i mirant el creixement dels mercats de programari, estem constantment veient el creixement allà. Mentre he estat en aquest espai, sempre ha estat una carrera realment brillant.
Quan mirem aquesta època digital i la transformació, el que és molt, molt interessant per a mi, són aquests processos que tenim, i sovint és que es faci informació i s’accionin amb processos o processos empresarials. Ara, Gartner ha estimat per al 2020, la informació que heu utilitzat es reinventarà, digitalitzarà o, fins i tot, eliminarà. El vuitanta per cent dels processos i productes empresarials que teníem fa deu anys, i ja ho comencem a veure, oi? Comencem a veure que amb versos d’Amazon potser algunes de les grans botigues de caixa, els Ubers, els Airbnbs, aquests models digitals estan pertorbat el procés i ara la gent interactua. Fins i tot el Black Friday, no sé quantes persones realment van anar a una botiga, molta gent compra en línia i com arribeu a aquest client? Cal tenir intel·ligència per fer-ho. Es necessita una forma molt diferent d’interaccionar i personalitzar el missatge i tenir aquesta intel·ligència per presentar-los l’oferta adequada en el moment adequat, i ara potser és amb un clic d’un botó. Els resulta tan fàcil sortir de la vostra botiga en línia. Les coses canvien realment en aquest món i crec que Nick volia xerrar també sobre això.
Nick Jewell: Sí, hola a tots, moltes gràcies. Em disculparé per endavant si hi ha un petit retard en l’àudio que surt de Londres, faré el possible per no parlar-ne, Jen.
Teniu tota la raó, que l'eliminació de residus, aquesta reinvenció com a part de la transformació digital, sovint es produeix a mesura que les organitzacions passen de productes a mida, potser aplicacions desconnectades i cap a plataformes més obertes i connectades. Quan el vostre procés sigui digital, serà molt més fàcil veure el viatge de punt a final de les vostres dades. Afineu realment els passos que feu, mitjançant dades per optimitzar aquest procés.
Avancem una diapositiva, si podem. Quan es tracta de transformacions digitals, el que significa per a les organitzacions, suposo que és interessant o intimidant, segons quin costat de l’espectre en què estigueu. Feu un cop d'ull al gràfic aquí, mostrant la vida útil de les empreses i la influència que afecten les fortunes d'una organització. Si vau començar una empresa als anys vint, teniu gairebé 70 anys de mitjana abans que una altra empresa no us interrompi. Una vida bastant fàcil segons els estàndards actuals, perquè avui dia, una empresa amb prou feines té 15 anys fins que la disrupció amenaça la seva existència. Es preveu que al voltant del 40 per cent de les companyies Fortune 500 actuals, per tant a S&P 500, ja no existiran en deu anys. Al 2027, el 75 per cent del S&P 500 serà substituït, de manera que la vida mitja a la qual s’enfronten avui les organitzacions, abans d’haver de preocupar-se de la pertorbació, s’està reduint. Les empreses amb èxit han de mantenir-se al davant d'aquesta carrera d'innovació digital.
Avui, ningú no qüestiona les analítiques. És l’eix central, aquesta transformació digital de negocis. De fet, les organitzacions estan posant la innovació digital al capdavant de la seva estratègia. Són les cinc companyies més valorades del món, que representen dos bilions de dòlars en valor de mercat, Jen.
Jen Underwood: Sí, és increïble, ho és realment. És realment canviant i ràpid. L’altra dinàmica que tenim i la que hem parlat, ara crec que finalment ho estem veient i les organitzacions senten aquest creixement exponencial de les fonts de dades, i no tan sols es tracta d’analitzar les dades de fonts de dades estructurades. Un cop més, estem parlant, només teniu un moment en alguns d’aquests processos digitals per prendre una decisió i aquestes coses arriben a JSON de les API de REST, estem parlant de dades no estructurades, ja siguin els fitxers de registre, hi ha tot tipus. de diferents tipus de dades, així com un creixement extrem extrem.
Nick Jewell: Sí, Jen, així que com vau assenyalar, els líders analítics s’ofeguen en un mar de dades. El fet d’arribar a la comprensió d’alt valor, potser amb una combinació de tècniques analítiques existents o noves, és realment l’objectiu final, però hi ha un problema senzill i fonamental amb el qual moltes organitzacions treballem. Vam encarregar Harvard Business Review, vam fer l’enquesta, parlant amb analistes de dades i gestors empresarials. Es van preguntar quantes fonts de dades utilitzen a la seva organització per prendre una decisió, i està força clar, hi ha hagut un canvi fonamental en els últims anys. La TI solia barrejar dades, impulsar-la al magatzem de dades, però suposo que, malgrat tot l’excel·lent treball que han realitzat els grups de TI, creant una gestió centralitzada de dades, els analistes encara tenen la tasca de crear aquest conjunt de dades analític específic, però han de fer-ho respon a una pregunta de negoci. De fet, només un 6 per cent ha aconseguit totes les seves dades en un sol lloc i la majoria d’analistes han de treure dades de cinc o més fonts (coses com fulls de càlcul, aplicacions al núvol, mitjans socials i, per descomptat, sense oblidar aquell magatzem de dades.
Ara, la majoria d’organitzacions ho reconeixen, però amb la qual cosa no s’ocupen la majoria d’organitzacions és el simple fet que els professionals de les dades passen més del seu temps governant i cercant dades, que no pas en extreure valor. Aquests no són els problemes analítics estratègics d’alt perfil dels quals els executius empresarials volen conèixer. Però no abordar el tema fonamental, evitarà que les organitzacions aconseguissin, realment, visions basades en el valor. Jen?
Jen Underwood: Això és interessant. Definitivament he vist diferents estudis sobre això i es tracta d’aquesta peça, ja sigui el 80 per cent del temps o trilions de dòlars que tornen a arreglar les mateixes dades una i altra vegada, de manera molt ineficient en una organització. Això suma, aquests 37 i aquest 23 per cent són una pèrdua de temps molt costosa. Em sorprèn que no es presti més atenció a això.
Observant algunes de les coses, el que jo anomenaria forces del mercat, i moltes vegades quan parlo de les tendències de la indústria, m'encanta seguir la indústria i mantenir-hi un pols constant. És important entendre quan alguna cosa és més que una tendència, quan realment serà una força a la qual cal parar atenció, i en aquest moment són els tres primers llocs que han de parar atenció. És aquest ràpid creixement, el número primer és un ràpid creixement de bases de dades no relacionals. Acabo d’esmentar tot aquest concepte de no tenir gaire temps a l’hora d’haver de consultar, per si mateix, un JSON, és que aquest tipus d’escenaris no relacionals estan creixent bastant –crec que tinc algunes estadístiques en un moment aquí - ràpidament.
L’altra cosa és el canvi continu al núvol. Abans de la trucada que havia mencionat, era un responsable mundial de productes en una de les grans empreses tecnològiques i vaig mantenir converses difícils fa tres anys amb grups que deien: “No posarem res al núvol. No ens mourem al núvol. ”I, ha estat molt interessant veure grups un any després, dos anys després, ara sento els mateixos grups que tothom té un pla de núvol. Crec que tothom és una declaració de pinzell molt àmplia, però el que diria és gent que ha estat anti-núvol, sens dubte l’actitud ha canviat dràsticament, en un període de temps molt curt, fins i tot des que estava parlant amb grups de tot el món sobre aquest tipus de coses.
L’automatització, és un àmbit que m’ha fascinat i una zona que segurament veiem molta activitat i una gran activitat. Parlem d’algunes d’aquestes coses amb tenir un temps perdut i un ús ineficient del vostre temps. L’automatització és sens dubte una de les àrees que més m’il·lusiona quan penso en aportar valor a una organització.
La propera diapositiva de què parlaré, es tracta d’un estudi d’IDC, es plantegen els segments de mercat i el creixement i és realment una manera meravellosa de prendre pols en el que creix realment, què compren els companys? Quins tipus de coses ja no els interessen? Aquests tipus de coses i la seva estratègia.
Segons el IDC, el mercat mundial de programari analític de grans dades té 16 segments i, en aquest sentit, estem estudiant alguns canvis de nom. Hi va haver un afegit de programari analític continu, plataformes de programari cognitiu AI, sistemes de cerca, de manera que fins i tot hi havia algunes categories noves. Aquesta visió general del mercat inclou pràcticament les eines horitzontals, les aplicacions preembalades, així com algun suport de decisions i els casos d'ús automatitzats de decisions. Un cop més, aquest serà el tipus de solucions, quan pensis en el CDO, posant en un context d’un CDO, el seu portafoli que pot estar gestionant des de la integració de dades fins a la visualització d’anàlisi, l’aprenentatge automàtic i tot aquest tipus de capacitats que necessiten. tenir a l’era digital.
El propi mercat mundial d’aquest tipus de solucions va créixer un 8, 5 per cent en termes de moneda actual i el mercat global va créixer un 9, 8 per cent segons IDC. Això es va comparar amb: es fixen les fluctuacions de moneda en un període d'un parell d'anys i el grau de variació és mínim, però els tres primers segments que vaig destacar, només per donar-vos la sensació de les fonts de dades analítiques no relacionals, el 58 per cent. El creixement interanual, els sistemes de cerca i anàlisis de contingut van ser del 15 per cent i algunes de les aplicacions de relació amb els clients, coses de tipus CRM o Salesforce Einstein, per exemple, creixen més d’un 10 per cent, són un 12% ara mateix. Crec que Nick volia afegir també alguns comentaris sobre aquest tema.
Nick Jewell: Gràcies, Jen. És un fantàstic visual. Crec que a Alteryx sempre hem cregut que la preparació i la combinació de dades sempre serien una competència fonamental de qualsevol sistema analític, però realment és el fonament per a qualsevol analítica més avançada. Ara, en els darrers anys, parlem de la indústria: potser s’hauria centrat una mica en algunes de les noves capacitats de visualització interactiva. Semblen bonics perquè augmenten el compromís, aporten coneixement, però realment no ens van traslladar més enllà de les analítiques descriptives.
Però, suposo que ara que la gent està mirant una mica més la visió, les organitzacions que comencen a entendre els valors empresarials provindran d’analítiques més sofisticades que ara s’estan fent camí cap al mainstream. La pregunta que es planteja és, com, o més concretament, qui? Això va saltar a analítiques de major valor; realment està llançant el problema de l'escassetat de talent analític en un relleu força pronunciat, d'acord?
Jen Underwood: Absolutament, i jo, crec que acabava de tuitejar, vaig veure ahir a la nit el vicepresident d'Adobe un comentari realment fascinant que deia: "L'aprenentatge automàtic s'ha convertit en apostes de taula", on la gent es desconcertava, ara s'ha convertit. una necessitat i és interessant. Mirant això i només un petit petit angle diferent, per se. Molta gent, comencem a veure això com una àrea de gran creixement, amb un magatzem analític no relacional i la IA cognitiva, aquests aprenentatges automàtics, aquestes analítiques d’alt valor. Però encara al final del dia, ara mateix, el segment més gran, per la qual cosa avui dia hi ha la majoria de compres, encara es troba en aquest element bàsic, el que diria, els informes de consultes, algunes de les anàlisis visuals, i continua creixent i això és. una cosa que molta gent suposa que ja la tens, no necessàriament. Continua creixent un 6, 6 per cent cada any.
Com a CDO, i m'encanta mostrar aquesta diapositiva, bàsicament només cal dir que, quan aprofundeix en aquest nou paper o busqueu dades d'una organització, és un caos, i crec que aquesta diapositiva en particular realitza una bon treball: aquestes són les diferents àrees possibles de les que podeu tenir dades. Pot ser que estigui a la primera hora, pot residir al núvol, pot ser que sigui híbrida, que sigui a tot arreu i que sigui un gran desbordament, de nou, és un rol de tipus C ara dins d’una organització i no és una tasca senzilla o senzilla. - en aquest món particular, és de vegades abrumadora. Aquest és el món que aquest CDO necessita per navegar, per poder dominar, el que diria, maximitzant el valor de les dades.
Continuar amb el repte, maximitzar el valor de totes les fonts diferents i el que estem tenint és que tanquem les finestres del temps, amb aquests processos digitals o la perspectiva d’acció s’està tancant. Si penseu fa potser cinc anys enrere, fa deu anys, pot ser que hagueu de tenir informes que executaríeu per prendre algunes decisions amb inventari o accions, aquestes podrien funcionar setmanalment, mensualment, aleshores es fan quotidianes o durant la nit, potser és cada hora.
Ara, el que estem veient són aquests aprenentatges intel·ligents de màquines intel·ligents integrats en oficines intel·ligents artificials, que prenen decisions i correccions in situ, de manera que fins i tot coses com l’internet de les coses, analítiques integrades IoT al límit, aquests sistemes són intel·ligents i aquests algoritmes poden auto-sintonitza i modifica algunes de les decisions que estan prenent al moment en el moment adequat. Ha estat molt interessant veure aquesta dinàmica particular amb les revolucions digitals i aquests punts de contacte, tot i que han augmentat, el temps d’acció continua disminuint i la tecnologia evoluciona per aquests escenaris.
Nick Jewell: Sí, Jen, crec que un dels aspectes més interessants de com canvia el lliurament d’informació és allà on les analítiques arriben a l’usuari final. Demanem als usuaris que saltin al quadre de comandament quan prenen una decisió crítica o estem dient que la perspectiva, la següent millor acció, està disponible directament dins del procés, en el flux, per tal d’aconseguir aquest avantatge competitiu? I és que el model analític de què parlem pot necessitar aportar diverses aportacions de diferents fonts (magatzems de dades tradicionals, geolocalitzacions, mitjans socials, sensors, clickstream). Totes aquestes dades afecten la decisió i el resultat actuable. .
Jen Underwood: Continuar amb aquest tema de desafiament i canvi, el que tenim ara mateix i els reptes que el CEO ha d’abordar i planificar una manera de conquerir-los, és essencialment disposar de massa dades per gestionar i analitzar de manera manual. Hi ha llargs retards; necessitem escurçar aquests retards i hem de trobar la manera de maximitzar el valor de les dades que tenim. Hi ha una escassetat de talent en ciències de dades al món i per cobrir aquests coneixements i el que podríem anomenar oceans com a dades. La bona notícia és que hi ha algunes innovacions meravelloses que ajuden en tots els àmbits d’això i avui és emocionant veure què, cap a on ens portarà la tecnologia, per ajudar-nos en aquests reptes.
Quan seguia mirant això, hi ha una mica de confusió mentre parlava amb els clients o parlava amb grups que utilitzaven algunes d’aquestes eines. Alguns dels reptes clàssics encara existeixen avui en dia, només s’agreuja una mica més amb l’intent de trobar dades per analitzar. Algunes de les eines de cerca, alguns dels catàlegs que hi ha, certament ajuden a les coses; ara el que estem trobant és quin catàleg s'ha d'utilitzar quan. Hi ha un parell de catàlegs diferents, de manera que hi ha diferents llocs on emmagatzemar i compartir dades, de manera que es tracta d’intentar esbrinar-ne un, potser el catàleg que hauríem de buscar.
L’altra cosa és compartir de forma col·laborativa. Hem parlat d’un dels estudis d’aquest Harvard Business Review, quant temps es dedica, bàsicament fent tasques sense valor afegit, perdent temps i el cost que pot resultar. Si col·laborativament podeu compartir i utilitzar fonts de dades comunes, els scripts ja s’han desenvolupat, la lògica ja hi és, podeu governar-los eficaçment, de manera que equilibreu el govern amb l’agilitat analítica, això és el que voleu esforçar-vos per fer. i navegueu per aquest món del que jo anomenaria, tenim les eines de nínxol, tenim eines de flux de treball automatitzades, tenim Excel clàssic, catàlegs de dades, BI d’autoservei, eines de ciències de dades. Tal com mostrava una imatge, hi ha moltes eines i molts solapaments entre ells.
Nick Jewell: Sí, perfecte, Jen, i crec que la finestra de coneixement, com heu comentat, definitivament s’està reduint, però el temps que es necessita per implementar models no s’està mantenint. El desplegament del model predictiu continua sent un repte important per a moltes empreses. Hem estat parlant amb Carl Rexer, que és el president de Rexer Analytics, i a la enquesta de ciències de dades de Carl, el 2017 va trobar que només el 13 per cent dels científics de dades asseguren que els seus models sempre estan desplegats, i aquest percentatge de desplegament no millora, així que nosaltres retrocedeix amb cada enquesta anterior. De fet, remuntant-nos al 2009, quan es va plantejar la pregunta per primera vegada, i veiem resultats gairebé idèntics, així que tenim un buit real.
Jen Underwood: Quan ens fixem en la maduresa de les analítiques, progressa ràpidament. De nou, fa dos, tres anys, ens feia molta il·lusió tenir una anàlisi visual d’autoservei i finalment ser flexibles i ampliar la BI a les masses, per si mateix. Quan dic massa, probablement segueixin fent servir els usuaris dins d’una organització. Ara estem veient optimització, analítica predictiu, aprenentatge profund, llenguatge natural, moltes altres tecnologies que realment, a mesura que s’incorporen als processos quotidians, finalment democratitzaran les analítiques de manera perfecta per a les masses, perquè les masses veritables s’utilitzin dins de la processos comercials existents que ja tenen.
Nick Jewell: Sí, Jen, parlem d’una història ràpida sobre aquesta darrera categoria, si puc. La majoria dels oients de la trucada d'avui seran familiaritzats amb el programari AlphaGo de Google DeepMind, que va derrotar a alguns dels millors jugadors del món durant els darrers dos anys. AlphaGo va aprendre a jugar al joc estudiant enormes volums de partits registrats prèviament. Tant és així que els comentaristes del torneig AlphaGo van afirmar que el programari jugava a l’estil d’un Gran Mestre japonès, s’ho cregui o no.
Però, durant l'últim mes, es va notar un resultat gairebé més sorprenent. Es tracta d’AlphaGo Zero, d’aprenentatge profund, xarxa neuronal, armat amb no més que les simples regles del joc i una funció optimitzada. Es va ensenyar a convertir-se en el jugador més fort de Go del món, sense cap entrenament supervisat, i va fer tot això en uns 40 dies. Aquest anomenat aprenentatge de reforç, on els humans defineixen el repte, permeten que el sistema d’aprenentatge profund explorar, millorar, realment podria produir el major impacte en l’espai analític encara. Per tant, suposo que estigueu atents.
Jen Underwood: Sí, és realment interessant que ho has mencionat. T’imagines les exclusions? I això és el que estic començant a veure. Realment, quan parlo d’automatització, és molt emocionant que les solucions siguin prou intel·ligents per netejar l’aire, aprendre dels sistemes automàticament, connectar-se i jugar i només saber què fer a partir d’algunes de les decisions passades que han estat o d’altres decisions. que s’han fet a l’organització i que he gestionat alguns d’aquests sistemes, els sistemes d’ETL i els cuidaven, i que havien passat de nou en els dies que els beepers i els telèfons em truquen amb alertes quan els processos no funcionaven, és molt emocionant pensar, "Guau, ara és prou intel·ligent per probablement curar-se."
El meu marit gestiona una graella d’auto-guariment, tindrem integració de dades autocuració, analítica autocuració i allà on millora i millora, és realment emocionant. Com a CDO, quan comenceu a pensar en la tecnologia de processament de persones, anem a fer una ullada, ara mateix estem mirant tecnologia, aleshores ens fixarem en la gent i com ens aproparem a la creació del vostre equip i a la creació les habilitats. Si ens fixem en la plataforma d’analítica moderna, ja t’ho diré, no tothom hi haurà tot, encara que les organitzacions més grans puguin tenir tots aquests components diferents, per si mateixos, alguns grups només poden tenir dues o tres caixes petites aquí, així que no volia atabalar la gent amb això. Però una moderna plataforma de BI no requereix necessàriament una capa de creació seminària d'informació predefinida.
En realitat, els usuaris i els experts haurien de tenir la possibilitat de preparar dades per a la velocitat i l’agilitat analítiques i, si pensem en l’augment d’allò que diríem d’analítiques dirigides per usuaris i experts, permetent que els experts en matèria tinguin l’agilitat. prendre decisions ràpides. Estem veient una adopció més gran del que diríem, les eines de preparació de dades personals, l’abordatge de dades, l’enriquiment, la neteja, els tipus d’activitats que Alteryx fa, així com algunes de les activitats de tipus de dades que ofereixen com bé. La solució de preparació moderna, ofereixen combinacions intel·ligents i automatitzades, resolucions d’aire, canvi de dades, quan teniu un pipeline de dades gran, és molt fantàstic. Probablement, aquest és, de nou, una de les àrees que m'encanten i realment gaudeixo de provar també a la indústria.
A diferència de la tradicional BI basada en TI, avui en dia la IT es concentra realment en habilitar el negoci i està tenint gent com els CDO i junts o escollint les solucions adequades per orquestrar, organitzar i unificar aquestes dades i assegurar-se, per descomptat, que sigui governat, no? Una cosa que és molt interessant per a mi i, certament, crec que n’hem inferit, però no crec que acabem de dir-ho, els dies d’un magatzem de dades que s’adapta a una mida i que sigui el En acabat, tot ho és, certament s'ha acabat. Les dades són a tot arreu, cal fer-ho: els llacs de dades han sortit a la imatge, hi ha dades de reproducció i reproducció, hi ha tantes fonts de dades diferents ara, és més que un cas basat en el cas, "Què necessites?" "Hem de ficar-ho tot en un magatzem de dades." No estic segur, Nick, volíeu comentar-lo? No recordo
Nick Jewell: Simplement diré una cosa i és senzill, mireu l'evolució del component. El que van fer els experts fa cinc o deu anys, ara està en mans de l’usuari, de manera que les coses que hi ha a la part dreta hi seran més importants per a l’usuari en un formulari lliure de codi sense arrossegar i deixar anar molt, molt aviat. Es mourà més i més ràpidament, així que només cal vigilar-ho.
Jen Underwood: Sí, aquest és un bon punt. M'encanta pensar en això. Les diferents ciències de dades, finalment s'estan convertint en una realitat i les eines milloren molt. Pensant en tecnologia, ara hem de tenir les habilitats i les persones i què hem de fer? Ara mateix, els millors llocs de treball inclouen títols com ara científics de dades, enginyer de dades i analistes de negocis, però el que estem trobant és que els empresaris són molt difícils de combinar. Fins i tot a l’espai de preparació de dades, diré: “Es tracta de la preparació de dades, s’estan generant dades, quins termes en diuen la gent?” Ha estat molt interessant trobar-lo.
El negoci no sap el que necessiten i hi ha aquest camp nou i emergent que abastarà moltes àrees diferents. Si ens fixem en tothom que ara és el mestre de les seves dades, analítica empresarial, gestors de projectes informàtics, el meu marit que gestiona una xarxa elèctrica i una cartera de projectes, ho ha de poder analitzar. Ja no es tracta només de finançament i anàlisi de dades, sinó que s’amplia molt més a altres àrees de l’organització. Crec que vaig veure un estudi sobre la quantitat de fonts de dades que utilitza el màrqueting, i va ser aclaparador. Un cop més, quan penseu en l’estudi que va fer Harvard Business Review, ja no és una font de dades més que la gent ha de combinar i fusionar-se i trobar una visió de coneixement, hi ha moltes fonts de dades i cal tenir habilitat per fer-ho.
Quan es revisi la imatge més gran aquí, la majoria de contractacions noves seran en aquesta bombolla rosa cap a la part inferior, quan es parli d'aquests analistes empresarials als analistes de mineria de dades, els gestors de recursos humans d'aquesta àrea, només tenen funcions habituals dins de la línia. de negocis mitjançant dades. Els rols de més ràpid creixement tindran menys llocs de treball, però sens dubte el que més sabem del mercat en l’actualitat, el científic de dades i l’enginyer de dades. Com a CDO, esperen endavant i teniu previst el talent, cal tenir en compte algunes de les automatitzacions de tasques rutinàries i els tipus d’habilitats que seran més estratègics i, de nou, afegir valor amb la vostra organització, per a tots dos els d’analítica habilitats, però també per a persones en ciències de dades i enginyers de dades. Penseu en com poden canviar les vostres posicions no incloses i fins i tot una mica de l’economia autònoma quan penseu en això per competir per la millor i més brillant.
I sempre, estigueu pensant també en el vostre canalització de talents, ajudant els candidats a navegar pel mercat o a cercar coses que puguin ser una mica diferents i no exactament el que voleu i crear cursos d’analítica interna, que potser no siguin els més ràpids, més per mantenir-vos al dia amb una estratègia rendible. Penseu en mirar persones que es dediquen a la formació d’aquest o diversos grups i crec que Alteryx té un curs recomanat al final de la sessió d’avui com a crida a l’acció, que podeu aprofitar per fer algunes d’aquestes coses i ajudar al vostre equip a aprofitar-se. alguns dels recursos existents que ja estan disponibles.
Nick Jewell: Absolutament. Hi ha moltes maneres d’omplir aquesta bretxa de talent sense atrapar-se en una cursa d’armes. Un parell de diapositives, no sé si és capaç de deixar-hi un parell. Kaggle, el lloc de competència de ciències de dades, acaba de publicar una enquesta amb 17.000 respostes al voltant de l’estat de la ciència de dades i hi va haver una resposta realment interessant de l’enquesta sobre les habilitats que tenia la gent i la majoria dels enquestats no tenien doctorat., simplement ja no és un requisit previ.
La idea que els experts d’analítica de propera generació, aquella gran bombolla que estàveu mostrant, poden obtenir els coneixements que necessiten dels cursos de nano grau. Poden anar a llocs com Udacity i poden implementar aquests coneixements de forma immediata, directament en el negoci, els cicles de lliurament enfocats a curt termini els converteixen en una font immediata d’avançament competitiu per a les seves empreses. Així doncs, crec que hi ha alguna cosa a tenir en compte.
Jen Underwood: No, estic d'acord. Tot i que hi penso, certament ha estat un llarg camí des que vaig fer un programa de dos anys a UCSD. Crec que es va tornar al període de temps del 2009, i, potser, hi va haver un bon grapat al país que us va permetre fer-ho. En general hi ha moltes més opcions, així com programes especialitzats, ja sigui a través dels venedors, molts recursos disponibles avui en dia amb bucles i tots aquests diferents recursos en línia, és increïble, és el moment. Elaborar un temps i fer un pressupost i programar-te per mantenir-te al dia. Què és el que voleu aprendre? I seguint aquest camí que voleu aprendre.
Parlar sobre mirar-ho i elaborar el vostre propi pla d’habilitats i des d’un potencial de CDO, assegurant-vos que tenen persones en àrees cobertes, del que diria un marc de competències per si mateix, mirant habilitats o mirant coses com el coneixement del domini Encara és realment clau, tot i que aquestes solucions poden autoformar-se i autoaprendre's, però és un expert en temes de negoci que guiarà i s’assegurarà que els resultats tinguin sentit.
Sempre hi ha alguna cosa i m’agrada fer servir l’exemple de quan feia analítiques crítiques per a una companyia d’assegurances i una de les troballes que tenia els algoritmes era no contractar ningú de Nova York. Bé, no, no anem a contractar ningú de Nova York; havíem d’esbrinar per què l’algorisme ens proporcionava aquesta informació. Va ser perquè la legal, una de les lleis havia canviat i, per tant, estàvem rebentant molt en aquell segment concret. Calia aportar un expert en temes empresarials per desxifrar-ho, i no veig que canvia, no veig aquest tipus de guia, per assegurar-me que els resultats semblin exactes, però sembla alguna cosa desconegut. Hi ha alguna cosa que es diu que la ment humana, la bellesa que es combina amb la potència de la màquina, és realment cap a on anem.
Els altres tipus de coses quan busqueu habilitats, la visualització, la narració d’una història eficaç a les dades, la narració d’una història efectiva fins i tot si és fins i tot una sortida d’aprenentatge automàtic. Combinant i mirant quin és l’impacte que comporta, entenent la naturalesa humana de la presa de decisions, aquests tipus de coses són molt importants independentment de la tecnologia. La governança és realment important, l’ètica cada vegada és més important. Si hi ha implicats científics socials, ho entenen i s’entrenen per mirar si hi ha biaixos en les vostres dades que ni tan sols us adoneu o no teniu ningú a l’organització que fins i tot no ho reconegui, inclús per portar-los a l’expert., tenint aquest tipus de coses.
I de nou, per descomptat, teniu la infraestructura per a l’enginyeria i el maquinari i assegurant-vos que podeu escalar i que es desenvolupa i assegurant-vos que utilitzeu el proveïdor de núvol adequat, potser que no esteu bloquejats o que tingueu opcions de moure o que enteneu els preus sobre el preu que us costarà. Es tracta d’aquest tipus d’habilitats i, quan ens fixem en això, ho anomenaríem habilitats per diferents àmbits, ja siguin els que prenen decisions de primera línia basades en dades, on estaran la majoria d’aquests rols, fins a tots els enginyers de dades i científics de dades que ho faran. estar fent massatges i treballar en aquests oceans de dades. Aquests són els tipus de coses per les quals voldreu confeccionar un marc.
Vist en els marcs de competències, mireu una organització en general, voleu considerar la competència, no només les competències. Hi ha una mica de matís en el redactat, mentre ho veus. Un marc de competències per a la vostra organització és un senyal clar. Els creadors de polítiques de guerra, els proveïdors d’educació, mentre que les habilitats es dirien, escrivint sota R, penses en aquest tipus de coses, tens un codificador competent, però vols tenir més que aquestes habilitats. Quan enteneu la competència, el que una persona ha de ser capaç de comprendre i entendre el marc, és important, hi ha una mica de matís.
A mesura que esteu creant això, voleu diagnosticar el que podríeu anomenar capacitats que tinguin un impacte positiu en el negoci i ressalteu aquelles àrees amb alt potencial, de manera que prioritzeu quines són les competències que voleu potenciar en la vostra organització i després alineeu-les de nou amb els objectius del negoci. Els CDO responsables de maximitzar el valor de les dades, es miraran i el seu CAO, que utilitzaran analítiques per maximitzar el valor de les dades. Es miraran aquelles competències i aquelles àrees diferents, a la graella passada que tenia allà, però també miraran un gran potencial de personal. Hi faràs referència que amb el teu personal per a les dades i les analítiques treballen i inverteixen en elles, proporcionaran-los oportunitats d’aprenentatge i no només formació, essencialment oportunitats del món real que treballen problemes reals de negoci.
No hi ha res millor, tot i que vaig anar a l'escola durant un parell d'anys, no va ser fins que vaig anar i vaig aplicar alguns d'aquests algorismes o vaig saber sobre el frau de comprovació, vaig conèixer algunes de les coses que mai havia pensat abans, i tu. Comenceu a ajuntar-vos al món real i és aquí on realment apreneu. Oferint a les persones aquesta oportunitat per obtenir experiència en aquestes àrees. Les empreses que són capaces de construir capacitats fortes, que identifiquen sistemàticament, avaluacions objectives i mirant on són els buits de la meva organització per aprendre i posar algunes mètriques en lloc per aconseguir objectius per a persones, són les que podran. per lliurar.
Un cop més, quan pensem en formar adults, solem morir de fam (tots estem morts de fam), però mirant què serveix per a cadascun. Jo personalment tinc llibres, així que si vingués a la meva oficina avui, veuríeu tones de llibres, tot i que molta gent agrada als vídeos. Per tant, es tracta d'esbrinar, com els agrada aprendre algú de la vostra organització, per motivar-los perquè aprenguin, però també per proporcionar-los un temps per fer-ho i objectiu d'alguna cosa? barrejat, no és només, feu aquest curs per comprovar aquesta nota en una targeta de puntuació, per si mateix, es combina amb un objectiu real i què heu après d’aquest projecte i què voleu fer a continuació? Què és un tram? Estirar el vostre equip o motivar el vostre equip per portar-lo més lluny.
Els objectius d’aprenentatge, de nou, si ho fas, no ho hauria de ser realment, hauria de ser fàcil per al negoci essencialment perquè aquests objectius s’han d’alinear amb els interessos estratègics del negoci. Aquests són grans projectes. Són projectes experimentals. Són projectes que faran avançar l’agulla.
Nick, vols afegir res? No estic segur.
Nick Jewell: No, aniria a estudiar un cas, si està bé, a la pantalla següent. Una mica més de detall d’una organització específica. Suposo que han posat en pràctica molts dels que estàs dient a la realitat. La Ford Motor Company va basar-se en l’anàlisi de dades durant dècades, igual que moltes empreses, però ho va fer a les butxaques del negoci, amb probablement una poca supervisió a tota la corporació per assegurar coherència i coordinació. Els seus problemes probablement eren prou típics per a una organització de la seva escala, per la qual cosa l’experiència en analítica contenia –com diem– a les butxaques, la gestió de dades i les pràctiques de governança eren incoherents, fins i tot fins al punt que algunes unitats empresarials mancaven d’accés a l’experiència bàsica en analítica.
Una vegada més, hem parlat avui de molts tipus diferents de fonts de dades, amb més de 4.600 fonts de dades. Això significava fins i tot començar el viatge i trobar les dades que necessitaven era un autèntic impediment per a la visió analítica. Veig que estàs rient, però és una cosa terrible, oi?
Jen Underwood: 4.600, oh my gosh, sí.
Nick Jewell: Per tant, Ford va formar la unitat d’informació i anàlisis globals i aquesta es va centralitzar, podeu anomenar-lo un centre d’excel·lència, format per un equip de científics i analistes de dades, organitzat per compartir aquesta bona pràctica analítica i ajudar a difondre una optimització basada en dades elaboració de dades a l'empresa. La unitat va seleccionar les millors eines de la classe, no només pel que fa a la capacitat, sinó també per la seva capacitat per integrar-se bé, de manera que és força important. El focus de la seva democratització es va centrar en els informes i en les analítiques descriptives abans d’enfilar aquesta piràmide de necessitats de què hem parlat.
Ara, la democratització no fa que algú sigui un científic de dades durant la nit; el personal ha de saber quan i on obtenir ajuda, i hi ha formació, governança i metodologies disponibles per ajudar-vos a tot això. A més, no es tracta només de la formació d’eines, sinó també de la formació en ciències de dades, per solucionar el buit de competències que hem esmentat. Per tant, un cas d’ús real a Ford, optimitzant una xarxa logística, de manera que Ford pagava la quantitat adequada per traslladar materials del punt A al punt B? Les seves analítiques heretades no van posar de manifest les oportunitats actuables; això els va fer molt reaccionaris al mercat. Ara, es va bloquejar una gran complexitat per a aquest procés dins dels caps d’analistes i van fer un gran avenç quan el flux de treball d’autoservei va ser iterativament amb el negoci i els experts analítics se sentien junts i es trobaven junts.
Això va moure l’anàlisi de multi-anys a trimestrals, i fins i tot a temps real gairebé tan gran i molt important per al negoci. Aquest impacte de les analítiques d’autoservei en el valor empresarial, hi ha hagut que Ford pot planificar i establir estratègies ràpides de dades a tota la companyia, per respondre a les tendències emergents, ajudar a donar forma a nous serveis i, bàsicament, evitar les amenaces de la competència, sense només haver de mirar-se en aquell mirall retrovisor.
Ara, si ens fixem en un moment sobre com un altre client ha realment traslladat els analítics des de potser una prioritat vertical en una única divisió de l'empresa a ser una franja horitzontal a totes les divisions, parlarem de Shell. Shell gestiona un centre d’excel·lència que s’informa en el màxim responsable digital, de manera que hi ha una altra D per al nostre llibre de jocs CxO: responsable de la transformació digital i la sostenibilitat. Aquests nois, han entès que el seu entorn contenia diverses capes i la pila de tecnologia, emmagatzematge, processament de dades i que inclouen tecnologies que tots coneixereu. Coses com SAP HANA, Databricks, Spark i van aprofitar el núvol públic per arribar a les economies d’escala adequades.
Ara, van seleccionar Alteryx com a embolcall analític per a una gran quantitat del seu codi R, incorporant-se a tecnologies com Spotfire, Power BI i molt més. Però ara veuen l’adopció lligant-se molt més estretament amb el processament i la visualització de dades. Jen, només trucant al dia de diapositives de totes aquestes capacitats, aquest tipus de coses es difonen a mesura que comencem a permetre que més analistes tinguin accés. Ja sabeu, van tenir un gran èxit a l’hora de proporcionar aquesta capacitat i el COE, buscant oferir futures capacitats, algunes d’aquestes coses d’aprenentatge profundes de les que vam parlar - visió de màquina, processament del llenguatge natural - i la meitat de la seva missió és la de lliurar, la meitat d’aquesta. es tracta d’explicar i catalitzar aquestes idees entre unitats de negoci. És part del viatge; el COE sempre està mirant diferents maneres de comunicar-se amb el seu públic empresarial.
Tenint en compte, per un costat, els escèptics que diuen: "Bé, aquesta caixa negra mai serà tan bona com la meva analista", fins al fanboy o l'entusiasta que veu correlacions arreu, potser menys en el cas de les relacions causals, però cal anar amb compte per les dues cares. És un fascinant centre mig, quan teniu aquesta franja horitzontal a tota una organització, aquest conjunt d’habilitats híbrides que cal per persuadir les dues cares de l’espectre.
Nick Jewell: D' acord, Jen, hi ets?
Jen Underwood: Jo sóc.
Nick Jewell: Suposo que el que intentem dir aquí amb aquesta cita de Clayton Christensen és que per a moltes organitzacions, suposo, unificar l’agenda d’analítica per impulsar la transformació digital de què parlem avui, ser un repte Sovint, trobem equips analítics que comencen amb una mà feble. L’intent d’innovar amb les adquisicions heretades de processos analítics, tecnologies, estructures d’equips i mantenir-se amb aquestes relíquies serà la gran barrera per a l’alineació analítica i per a la innovació analítica. Tens pensat al respecte, Jen?
Jen Underwood: M'agrada la imatge que va ser escollida. Sí, sens dubte té molt sentit per a mi. Heu d’adoptar algunes d’aquestes noves tecnologies, per exemple, la transmissió en temps real. No necessàriament podreu obtenir aquests resultats en temps real si heu de fer actualitzacions de JavaScript en un navegador, per si mateix, amb un antic llegat (potser és una aplicació de tauler de comandament o aquest tipus de coses. Sí, cal que abraceu algunes d’aquestes noves eines i, de nou, crec que aquesta imatge és realment bonica, una imatge diu mil paraules. El carret i el buggy, heu de deixar anar alguns d’aquests plantejaments antics de tecnologia.
Nick Jewell: Absolutament. De manera que, si passem a la següent diapositiva, pensem que hi ha una manera millor. Suposo que en primer lloc, utilitzeu quelcom similar a la cerca similar a Google per trobar ràpidament tots els vostres actius de dades que siguin més rellevants. Comprendre el seu context, comprendre la dependència, aportar aspectes realment senzills com glosaris empresarials autoritzats per experts de les vostres comunitats, mantinguts vius per tot aquest coneixement tribal dels caps dels vostres col·laboradors.
Ser intel·ligent amb el descobriment de dades. Penseu en la capacitat de mantenir converses amb propietaris d’informes i experts. Carregueu, feu una mica de Trip Advisor o Yelp, carregueu els recursos més útils i certifiqueu els que l’organització considera que és més valuosa i, tot això, retrobeu els resultats de la cerca i, en definitiva, els rànquings de cerca, fent que sigui millor per el següent usuari. Un cop trobeu el que esteu buscant, passeu a aquella fase de preparació i anàlisi ràpida, sense codi, fàcil d’utilitzar, per desenvolupar el vostre conjunt de dades perfecte, des del qual publicar processos repetibles.
Torna a la nostra conversa sobre automatització i crea aplicacions fàcils d’utilitzar. Tot el que es necessita per construir models analítics. Parlant de models, hem donat suport a tecnologies de codi obert com R durant diversos anys, ens permet construir una capacitat analítica realment avançada que cobreixi analítiques descriptives, però també predictives, descriptives, senzilles caiguda.
Ara, al costat dret, aconseguirem aprofundir les visualitzacions interactives, els models i les puntuacions a les plataformes de dades o, més recentment, fent que aquesta informació estigui disponible de forma instantània i directa dins d’un procés empresarial. Crec que és aquest ventall de capacitats a tota la plataforma el que ens permet ser reconeguts com a guanyador del premi Gold en l'enquesta d'enllaç de clients Gartner Peer Insights d'enguany, que és una realització fantàstica. Us recomano fermament que visiteu el lloc de Gartner per obtenir més informació i afegir els vostres vots i afegir els vostres comentaris.
Genial, doncs, Jen, si saltem una diapositiva més - suposo que, a la conclusió, voldria donar-vos tots els propers passos. En primer lloc, visiteu Alteryx.com per descarregar una còpia gratuïta del nostre breu informe d’investigació més recent, realitzat en coordinació amb l’Institut Internacional d’Analytics (IIA), per tal d’eliminar els obstacles analítics. També podeu visitar udacity.com/alteryx per obtenir més informació sobre com habilitar els vostres equips, fer el següent pas en el seu viatge, amb aquest nano grau d’analítica avançada i experimentar finalment Alteryx per vosaltres mateixos. Visiteu la pàgina principal, descarregueu una avaluació amb funcions i pugeu a bord amb l’emoció de resoldre.
Jen, a sobre. Podríem tenir temps per fer alguna pregunta i pregunta.
Eric Kavanagh: Vaig a tocar molt de pressa. Tenim un parell de preguntes. Vaig a llançar-ne una, suposo que primer, Nick, i després Jen, si voleu comentar-ho, però sens dubte té més aplicabilitat a la UE i aquest és el famós GDPR, el Reglament global de protecció de dades. Com afecta això a Alteryx i al vostre full de ruta i en què us enfoceu els nois?
Nick Jewell: És molt boogieman, suposo que ara mateix hi ha. Hi ha molta gent parlant, molta gent molt preocupada, però realment només és la primera d'una llarga sèrie de regulacions que entraran al món de les dades i de l'analítica. Realment, des del nostre punt de vista, es tracta d’entendre i classificar les vostres dades. Assegur-te com a CxO, de qualsevol gust particular, saps on són els teus actius, coneixes el seu context i saps que pots confiar en ells com a primer pas per governar i gestionar les dades en un context més ampli.
Eric Kavanagh: Suposo que us enviaré una altra pregunta abans de tornar-la a posar a Jen, Nick, i és a dir, de les dades de formació, si algú sol·licita que es treguin les dades de la vostra empresa, això no tindrà només el seu nom, adreça, etcètera, no només la informació de contacte, sinó que, si un algorisme utilitza dades de formació que inclouen les vostres dades, se suposa que cal tornar a intentar l'algorisme, no és oi?
Nick Jewell: És especialment complex. Crec que la idea que no només les bases de dades són una font d'alguna informació identificable personalment, sinó també els fluxos de treball analítics, les aplicacions, les visualitzacions. Aquestes dades arriben a tot arreu amb una organització, de manera que tenen aquest context: absolutament vital.
Eric Kavanagh: I Jen, quin és el vostre pensament? Bviament, no és una gran cosa als Estats Units i no veiem que hi hagi massa empreses que s’enfaden ara mateix, tot i que tècnicament s’aplica aquí. Si una empresa nord-americana té dades d’un ciutadà de la UE, quina importància té de GDPR i quina importància té un acord?
Jen Underwood: Bé, certament crec que necessita un tractament responsable de les dades. Hi he escrit algunes vegades i tinc algunes pautes sobre algunes d’aquestes coses. Crec que la pregunta que us heu plantejat sobre algoritmes és interessant. Certament, algunes de les solucions que estic buscant avui, alguns dels seus equips de producte han dissenyat funcions perquè pugueu veure com es prenen les decisions i quines dades personals s’utilitzaven per decidir el resultat d’aquest algorisme. Estem veient alguns impactes en els dissenys de productes aquí als Estats Units.
Moltes empreses tecnològiques tenen oficines molt grans aquí i equips de desenvolupament tant als Estats com a tot el món, de manera que ho estem veient en el desenvolupament de productes. Veig que s’inverteixen més catàlegs de dades. S'inverteixen més iniciatives dels governs perquè la gent entengui i entengui allà on es troben totes aquestes dades en el caos. Tractant de posar els braços al voltant d’organitzar-ho, com a mínim, poder-lo trobar i fer alguna cosa amb ell.
Eric Kavanagh: Va a empènyer aquesta diapositiva de la qual vam parlar anteriorment i us la presentaré, Nick. Crec que es tracta d’una diapositiva fantàstica perquè, per a mi, realment parla de la immediatesa d’una necessitat d’analítica. Què en penses d’aquesta dinàmica canviant? Vull dir, el que és bàsic és que les empreses han de ser àgils i considero que les analítiques són les que porten aquest càrrec. Què penses?
Nick Jewell: Això és fascinant. Crec que sempre n’hi ha: empreses i tecnologies sempre existeixen en tres estats, per la qual cosa o bé serà guerra, pau o meravella. La guerra serà sobre aquest pesat nivell de competència. Wonder és totes les novetats fantàstiques que creeu a la part superior d'una plataforma. Aleshores la pau abans de la competició i la guerra torna a començar. Crec que sempre hi ha aquesta batalla.
Abans de la trucada d’avui, hem parlat d’algunes de les altres conferències i notes claus que s’estan donant a terme arreu del món. Alguns dels grans venedors de núvols, han arribat a un punt on han creat aquesta plataforma i ara estan construint coses meravelloses. Les empreses han de vigilar molt i assegurar-se que vagin amb alguna cosa que tingui una plataforma coherent que aporti aquest valor per al futur. Seran els que sobreviuran a aquesta interrupció.
Eric Kavanagh: Sí, aquest és un bon punt, i ja ho sabeu, Jen, ja vau comentar anteriorment, de fet abans del saló, sobre l'estratègia del núvol i com molts dels que coneixeu a la indústria diuen que les grans empreses, fins i tot els bancs, ara tots tenen una estratègia en núvol. M’ha sorprès una mica el temps que ha trigat a materialitzar-se, i suposo que potser alguns van anar a la Conferència AWS Reinvent i em vaig adonar de quina importància és i vaig arribar a la conclusió que ha arribat el moment. Què en penses de la consciència dels executius de grans empreses sobre la importació de núvols i com canvia la seva planificació?
Jen Underwood: Quan penso en aquest món de dades a gran escala, capaç de gestionar-lo, penso que en alguns nivells hi ha certa tranquil·litat amb que una de les empreses molt grans es responsabilitza d'alguns aspectes de seguretat, així que hi ha una mica de tranquil·litat. Sabeu que hi ha una escala limitada amb núvol.
L’altra cosa és, i ho vaig veure, vaig estar en un equip que va tornar a desenvolupar un producte al núvol i, sens dubte, era un producte subdog i ningú no hi va fer cas, i d’aquí a dos anys, a causa de les publicacions setmanals i fins i tot, Diria que gairebé és fins al punt de llançar-se diàriament al núvol. Sé que Amazon diu que surten diverses vegades al dia. Quan tingueu aquesta amenaça, quan els vostres competidors poden alliberar-se i millorar-los diàriament, qualsevol cosa que facin, almenys a la indústria del programari, i tothom és realment a la indústria del programari quan comenceu a mirar la transformació digital. joc de pilota i qualsevol persona pot girar un núvol i una escala i convertir-se en gran.
De nou, seran les dades que estan aprofitant que faran la diferència i la intel·ligència en els seus algoritmes, i és per això que la gent parla que les dades siguin el petroli nou o que les dades siguin or. Quan miro el núvol, és el canvi de joc, realment permet un desenvolupament i una escala molt ràpids. És fantastic.
Eric Kavanagh: Et portaré de nou, Nick, per a una altra pregunta: passarem només un minut aquí si podem arribar a algunes d’aquestes preguntes, però, com recordo, cinc i sis i potser fins i tot set fa anys, Alteryx va ser realment un innovador a l’hora d’aprofitar dades de tercers, per la qual cosa va aportar dades de fonts com Experian, per exemple, o dades geospatials. Estic pensant que probablement sigui un avantatge estratègic perquè aquest tipus de coses es troben a l'ADN d'Alteryx, oi? A mesura que les empreses es dirigeixen cap al núvol, crec que vosaltres teniu molta experiència en poder pujar els mons. Què creus? Els mons de versos prem-tercers i dades basades en núvols.
Nick Jewell: Sí, absolutament. La connectivitat final serà un joc tan potent amb qualsevol empresa que treballarà en aquest entorn basat en núvols. Però diré, quan parlem d’alguna cosa com la infonomia, la idea que la informació i les dades han de ser considerades un actiu de la vostra empresa. La major part del valor que aportareu és agafar fonts de dades externes, barrejar-les i enriquir-les amb les fonts internes, per crear i obtenir diners amb més valor en el procés. És absolutament crític treballar amb dades internes i externes per igual.
Eric Kavanagh: Sí, aquest és un bon punt. Crec que tot aquest món de núvols híbrids està aquí per quedar-se. Jen, només us en faré cap comentari per tal de tancar-los. Per a mi, que tingueu aquesta visió estratègica i pugueu unificar-me com a nou terme, es descriuen dades a través de les fonts, això serà un factor d’èxit crític, no?
Jen Underwood: No, absolutament, i és curiós, estava sentint aquest híbrid híbrid, híbrid. Vau parlar d’això i fa quatre anys que penses en Hadoop, Hadoop i en big data i aleshores vas començar a sentir híbrids, híbrids, així que, certament, hi heu estat, no som necessàriament, aquest és l’any de l’aprenentatge automàtic, sense bar. Vull dir que, intel·ligència artificial, l’aprenentatge automàtic ha agafat l’escenari aquest any, però per tal de funcionar realment en una organització que avui està en camí del núvol o que hagi de fer front a totes aquestes fonts de dades de núvol diferents, potser és Salesforce o Jornada laboral, tots aquests diferents tipus de fonts que viuen al núvol, l’única manera de manejar-lo és ser híbrida. Possiblement no podeu copiar dades a tot arreu, de manera que cal que us pugueu connectar directament i que necessiteu trobar una manera de treballar amb dades situades a tot arreu, trobar dades a tot arreu, perquè és la realitat d’on estem encertats. ara
Eric Kavanagh: Crec que m'enganyaria si no tornés a aprendre l'aprenentatge automàtic a la conversa, així que, Nick, t'ho faré arribar. Ja sé que la gent està centrada en això ara: es pot parlar d'un lloc on es veu l'aprenentatge automàtic alineat amb les analítiques i amb el tipus de sistemes que utilitzem per entendre el nostre negoci i les nostres dades?
Nick Jewell: Sí, segur. Llavors, molt breument, doncs, tornem ràpidament al nostre desfasament de competències. La idea que tenim organitzacions són absolutament plenes i amb usuaris de Excel. Tenim dades de científics, però no creixen al mateix ritme. Hi ha un buit massiu entre tots dos. Penseu en l’actualitat d’aprenentatge automàtic. Quants algoritmes tenim al nostre telèfon o al nostre rellotge que incorporen tècniques d’aprenentatge automàtic? És una mercaderia, és a tot arreu. Hem d’habilitar aquests usuaris d’alimentació de la manera més senzilla possible per assegurar-se que la màquina s’aplica amb èxit a tota l’empresa.
Eric Kavanagh: Potser us llançaré un darrer. Aquí tenim un parell de preguntes al final. Jen, et preguntaré aquesta. Un assistent està comentant tot aquest concepte d’aprenentatge no supervisat i el fet és que necessiteu dades de formació per fer aquestes coses i normalment que les dades de formació han de ser específiques de l’empresa. Tot i que a les indústries hi ha moltes correlacions, hi ha moltes maneres de fer que les organitzacions siguin similars. Tot i això, cada empresa és única, ja sigui el seu model de negoci o el seu plantejament de màrqueting o vendes, o sigui el cas, el desenvolupament de productes.
La pregunta es converteix: podran aquests algorismes utilitzar dades de tercers per a l’entrenament? Em sembla sempre que haureu d’utilitzar les vostres pròpies dades per entrenar aquests algoritmes, fins i tot si aquest temps de cicle s’esfondra des dels sis mesos -que ha estat el cas en alguns casos- fins a 40 dies o 20 dies, sigui quina sigui la cas pot ser. Realment heu d’utilitzar les vostres pròpies dades i heu d’assegurar-vos que les dades són força netes, oi?
Jen Underwood: És una combinació. Voleu tenir un context extern. De fet, avui tinc reservat i el meu proper webinar parla sobre la preparació i neteja de dades, irònicament per a l'aprenentatge de màquines. El que és fonamental és que estigueu preparant context extern amb la vostra organització i m'encanta que us hagueu preguntat sobre la preparació i neteja de dades, ja que, sincerament, algunes de les eines estan aconseguint molt, molt bones, ja que poden tractar alguns aspectes, però la ment humana, o ser capaç de desxifrar el problema i mirar i assegurar-se que no han omès, digueu que tenim algun tipus d’escomesa d’omissions. La manera de veure el problema i la manera de triar per dissenyar el problema que automatitzeu o les decisions que automatitzeu, hi ha un art i assegurar-vos que reflecteix amb precisió aquell procés empresarial.
Tornant al meu exemple amb la companyia d’assegurances, quan modelàvem Churn i qui contractaria per passar aquesta formació patrocinada per vendre assegurances; En el mateix model no hi havia el clima legal, diferents lleis per a diferents estats. Sempre hi haurà algun aspecte en què haureu de tenir aquestes dades externes amb les vostres dades internes i, de nou, la ment humana. Allà hi haurà diferents components.
Eric Kavanagh: Crec que heu plantejat un punt real. Seguim sentint informació sobre els robots i les màquines i l'aprenentatge automàtic. Per a mi, aquesta és una tendència molt pertorbadora - no hi ha dubte -, però mai no veig la necessitat que els éssers humans se'n vagin barrejant, sobretot amb les analítiques de dades, de dades empresarials.
Nick, una última pregunta per a vostè. Per a mi, per molt que siguin els algorismes, sempre necessitareu que la gent supervisi el que passa, s’injecti a si mateixos en els moments indicats i realitzi la síntesi del panorama que hi ha. No crec que cap algoritme sigui capaç de sintetitzar la imatge gran d’una empresa Fortune 2000, però, què en penses?
Nick Jewell: Bé, prenguem un exemple completament diferent de Alteryx, parlem d’Uber de l’any passat. Uber, durant l'incident terrorista a Austràlia, la gent que intentava fugir de la zona, de sobte es van posar en un preu elevat, perquè això és el que va dir l'algorisme, va causar danys reputacionals enormes. Immediatament després, van implementar els humans i els algoritmes treballant junts. En qualsevol moment, això havia de passar, un ésser humà havia de supervisar el procés. Aquesta associació d’alguns algoritmes humans, aquest és el camí a seguir.
Eric Kavanagh: Wow, és un bon exemple, moltes gràcies. Doncs bé, hem cremat més d'una hora aquí al nostre webcast. Molt gran gràcies a Jen Underwood d’Impact Analytics. Per descomptat, moltes gràcies a Nick Jewell i a l’equip d’Alteryx pel seu temps i atenció i a tots vosaltres pel vostre temps i atenció. Agraïm aquestes excel·lents preguntes. Arxivem tots aquests transmissions web per a la seva posterior visualització, no dubteu a compartir-los amb els vostres amics i companys de feina. Amb això, ens acomiadem. Webcast excel·lent avui. Moltes gràcies de nou, ens posarem al dia de la propera vegada, amics. Cuida't. Adeu.
