A Techopedia munkatársai, 2017. november 29
Elvihető: Eric Kavanagh házigazda megvitatja az adatokat és az elemzést, valamint az adat vezérigazgató (CDO) és az analitikai vezérigazgató (CAO) szerepét Jen Underwood-tal (Impact Analytix) és Nick Jewell-vel az Alteryx-ről.
Eric Kavanagh: Hölgyeim és uraim, üdvözlet és üdvözlöm még egyszer a Hot Technologies különleges kiadásában. Emberek, ez Eric Kavanagh, a házigazdám lesz a mai „CxO Playbook: Az adatok és az elemzés jövője” című műsorának. Igen, ez egy nagyon nagy téma, azt kell mondanom. Valójában ma itt van egy kicsit rekordszemléletű tömeg. Ma reggel több mint 540 ember regisztrált az internetes közvetítésre. Különleges időben csináljuk, ahogy sokan köztudják a rendszeres show-k számára, ezeket általában keletre 4:00 óráig csináljuk, de a tó túloldalán felhívó különleges vendéget akartuk befogadni. Engedjék meg, hogy belemerüljem a mai bemutatóba.
Tehát ez az év forró - sok szempontból nagyon heves volt ez év, azt hiszem, hogy a felhőnek sok köze van ehhez. A technológiák összefonódása, amire a piacon tanúi vagyunk, a fő mozgatórugó, és természetesen a SMAC-ról szólok, amint azt nevezik. Beszélünk az SMAC-ról: szociális, mobil, elemzés, felhő - és mindezek összekapcsolódnak. A szervezetek valóban megváltoztathatják üzleti tevékenységüket. Több csatornán van az üzleti műveletek végrehajtása, több elemzésre van szükség. Egy igazán vad világ van odakint, és ma azt fogjuk beszélni, hogy a dolgok hogyan változnak a C lakosztályban, tehát a vezérigazgatók, ezeknek a szervezeteknek a legfontosabb emberei, jó, hogy az egész világ jelenleg változik, és mi erről beszélni fogok.
Van igazán a tetején. Jelenleg Jen Underwood az Impact Analytix-től és Nick Jewell, az Alteryx vezető technológiai evangélistaje. Nagyon izgalmas cucc. Tegnap este felvettem ezt a koncepciót, emberek, és azt hiszem, ez tényleg nagyon érdekes. Természetesen mindannyian ismerjük a zenei székeket, a játékot gyerekeknek, ahol mindegyik szék körben van, elkezdi a zenét, mindenki elkezdi járni, és egy székét elhúzza; amikor a zene megáll, mindenkinek át kell rohannia, hogy székre jusson, miközben egy ember ebben a helyzetben veszít a székéből. Nagyon furcsa és kényszerítő dolog történik most a C lakosztályban, és ha ezt a képet itt látja, akkor két üres szék van a hátsó részében. Általában egy szék eltűnik a zenei székekben, és amire napjainkban látunk, van még két szék C szinten: a CAO és a CDO, az analitikai vezérigazgató és az adatvezető.
Mindketten indulnak. Őszintén szólva, az adatvédelmi tisztviselő manapság valóban úgy tűnik, mint a tűz, de mit jelent ez? Nagyon jelentős jelent. Ez azt jelenti, hogy az adatok és az elemzés hatalma olyan nagy, hogy az üléstermekben vagy a végrehajtó helyiségekben azt kell mondanom, hogy a C lakosztályok megváltoznak - embereket vesznek fel a C lakosztályba, teljesen új vezetők töltik be ezen új helyek egy részét. Ha arra gondolsz, milyen nehéz megváltoztatni a szervezet kultúráját, akkor ez nagyon komoly üzlet. A kultúra megváltoztatása nagyon nehéz dolog, és általában a pozitív változást a jó menedzsment, a jó ötletek és az ilyen dolgok ösztönzik. Ha gondolkodik azon a lehetőségen, amelyet most megkaphatunk, azáltal, hogy új vezérigazgatókat építünk a C csomagba az elemzésre és az adatokra, ez egy igazán nagy ügy. Arról szól, hogy a szervezetek megváltoztassák a pályát, és nézzünk szembe a tényekkel: a régi, nagyvállalatoknak valóban meg kell változniuk, mivel a piac változik.
Általában példákat adok például az Uberről vagy az Airbnbről, mint olyan szervezetekről, amelyek alapvetően megbontották az egész ipart, és ez mindenütt megtörténik. Akkor arról fogunk beszélni, hogy a szervezet hogyan tud alkalmazkodni, hogyan alkalmazhatja az emberek ezt az információt, ezt a betekintést, hogy megváltoztassa üzleti pályáját és hogy sikeres legyen az információs gazdaságban.
Ezzel átadom a WebEx kulcsait Jen Underwoodnak, majd Nick Jewell szintén megszólal; az Egyesült Királyságból hívja, mindkettőjének és Jennek köszönhetően ezt átadom neked. Elvenni.
Jen Underwood: Köszönöm, Eric, jól hangzik. Jó reggelt mindenkinek. Ma beszélünk erről a CxO playbookról; az adatok és az elemzés jövője, és máris belemerülök ebbe. Eric már jó munkát végzett, hogy beszélt arról, hogy miért olyan fontos. Ma a hangszóróink ismét láttak egy újabb diát ezzel az információval, de én és Nick Jewell nagyon interaktív beszélgetést folytatunk veled a mai ülésen. Megkezdenénk azzal, hogy leírjuk, mi ezek a szerepek, és hogy milyen típusú dolgokat végeznek küldetésben. Megvizsgáljuk az elemző iparágot, általában a kilátásokat és néhány kihívást, amelyekkel ezen emberek szembesülnek. A jelenlegi szervezet dinamikája a jövőre való felkészülés során, majd a következő lépésekről fogunk beszélni, és útmutatást adunk a tervezéshez, ha ezeket a szerepeket meg kívánja vizsgálni a szervezetében.
Ha erről a CxO-ról beszélünk, például a CAO, azaz a fő elemző tiszt, ez a munkacím a felső vezetők számára, akik a szervezeten belül az adatok elemzéséért felelősek. A CAO általában jelentést tesz egy vezérigazgatónak, és ez a gyorsan kialakuló pozíció kulcsfontosságú lesz, amikor arra gondolsz, hogy milyen nagy átalakulásra és annak digitális átalakítására törekszünk, amellyel jelenleg a vállalatok meghozzák és elfogadják üzleti döntéseiket.
Ha úgy gondolja, hogy a digitális átalakulás és az intelligencia a digitális átalakulás lényege, ez a CAO nagyon stratégiai szerepet tölt be egy szervezetben. Nemcsak az erős adattudományt vezetik vissza a tényleges betekintéshez és ehhez a tudáshoz, hanem birtokolják az eredményül kapott megtérülést és hatást, tehát mire mérik? Hogyan hozzák az adott ROI-t a rendelkezésükre álló adatokkal és az alsó sor számaival egy szervezetben az adatok stratégiai kihasználása érdekében. Ez a pozíció a CIO-val, az információs vezérigazgatóval együtt kiemelkedik a technológia és a digitális átalakulás, valamint az adatok értékének növekedése miatt.
Az évek óta az arany arany ebben a sajátos világban a bevételszerzéssel és az intelligenciával, és ezen információk átalakításával. Annak érdekében, hogy megtehesse ezeket a proaktív intézkedéseket, és ne csak önmagában nézzen hátra. A két álláspont hasonló abban az értelemben, hogy mindkettő információval foglalkozik, de a CIO önmagában az infrastruktúrára összpontosít, ahol a CAO az információk elemzéséhez szükséges infrastruktúrára összpontosít. Hasonló helyzet a CDO, és sokkal többet hall, valószínűleg egy kicsit többet hallunk a CDO-ról, mint ma a CAO-ról. A CDO nagyobb hangsúlyt fektet az adatfeldolgozásra, a karbantartásra és a kormányzási folyamatokra az adatkezelés teljes életciklusa alatt.
Ezek az emberek felelnek az adatok bevételszerzéséért és az adatokból származó értékek megszerzéséért, valamint az irányítási és biztonsági életciklusok érettségi ideje alatt is, azt mondanám, az életciklus teljes szakaszában. Ezek olyan emberek, akik önmagukban hangolódnak vagy felelősek a GDPR biztosításáért - és erről röviden beszélünk - az európai adatvédelmi törvényről, gondoskodva arról, hogy az ilyen típusú dolgok bekerüljenek szervezetükbe. Most megkapjuk a zavaró, dinamikus adatintenzív szerepek felépítését és jövőjét. Ez az a fajta dolog, amelyért a CDO felelős, és nem csak magukért - egy többfunkciós csapatot fognak felépíteni, és van néhány példa néhány olyan emberről, akik önmagukban felállnak egy a szervezeti felépítés az építészektől és a kormányzati emberektől kezdve, sőt akár egy szervezet elemzői, adattudósai és mérnökei is felkutathatják őket.
Ha tovább megyünk az elemzés iparági kilátásaiba, ez fenomenális - valószínűleg tízéves, sőt még hosszabb is - az adott iparágban. Folyamatosan növekszik, nagyon izgalmas, még az évekkel ezelőtti piaci összeomlás alatt is nagy volt a kereslet. Ez egy csodálatos hely volt, és ha megnézi a Gartner 2017. évi CIO napirendjét, akkor a BI és az analitika továbbra is a három legfontosabb rangsorban helyezkedik el, ami a szervezet számára legfontosabb, és a szoftverpiacok növekedését tekintve folyamatosan látva ott növekedést. Mindaddig, amíg ezen a téren voltam, mindig nagyon fényes karrier volt.
Amikor a digitális korszakra és az átalakulásra tekintünk, számomra nagyon, nagyon érdekes az, hogy ezek a folyamatok megvannak, és gyakran információgyűjtést és a folyamatok során fellépést vagy az üzleti folyamatok során végeznek. A Gartner becslései szerint 2020-ra az Ön által felhasznált információkat újra feltalálják, digitalizálják vagy akár megszüntetik. A tíz évvel ezelőtti üzleti folyamatok és termékek nyolcvan százaléka, és ezt kezdjük látni, igaz? Kezdjük látni, hogy az Amazon-versekkel talán néhány nagy dobozüzlet, az Ubers, az Airbnbs - ezek a digitális modellek zavarják a folyamatot, és most az emberek kölcsönhatásba lépnek. Még a fekete péntek - nem tudom, hány ember ment igazán egy boltba - sok ember vásárol online, és hogyan érheti el ezt az ügyfelet? Ehhez intelligencia szükséges. Az üzenet kölcsönhatásának és személyre szabásának nagyon eltérő módja van, és ennek az intelligenciának a segítségével meg tudja mutatni a megfelelő ajánlatot a megfelelő időben, és most talán egy gombnyomásra. Számukra annyira könnyű elhagyni az online áruházat. A helyzet valóban változik ezen a világon, és azt hiszem, hogy Nick is akart beszélgetni erről.
Nick Jewell: Igen, szia mindenkinek, nagyon köszönöm. Előzetesen bocsánatot kérek, ha kissé késik a Londonból érkező hangzás, megteszek minden tőlem telhetőt, hogy ne beszéljek veled, Jen.
Teljesen igaza van, hogy a hulladék kiküszöbölése, a digitális átalakulás részeként történő újbóli feltalálás gyakran akkor következik be, amikor a szervezetek elmozdulnak a testreszabott termékektől, esetleg leválasztott alkalmazásoktól nyitottabb és összekapcsoltabb platformokra. Ha a folyamata digitális, sokkal könnyebb lesz látni az adatok végpontját a végig. Valójában finomítsa az elvégzett lépéseket az adatok felhasználásával a folyamat optimalizálásához.
Ha lehetséges, lépjünk tovább egy diával. Ami a digitális átalakulást illeti, amit ez jelent a szervezetek számára, azt hiszem, hogy izgalmas vagy megfélemlítő, attól függően, hogy a spektrum melyik oldalán ül. Vessen egy pillantást az itt látható diagramra, amely bemutatja a vállalatok élettartamát és azt, hogy a bomlasztó hatások milyen hatással vannak a szervezet vagyonára. Ha az 1920-as években alapítottál egy társaságot, akkor átlagosan csaknem 70 éve van, mielőtt egy másik társaság megszakította Önt. Elég könnyű élet a mai szabványok szerint, mivel manapság egy társaságnak alig van 15 éve, amíg a zavar nem veszélyezteti létezését. Az előrejelzések szerint a mai Fortune 500 vállalat körülbelül 40% -a, tehát az S&P 500-on 10 év múlva már nem létezik. 2027-re az S&P 500 75% -át cserélik, tehát a felezési idő, amellyel a szervezetek ma szembesülnek, mielőtt a zavarok miatt aggódnának, valóban csökken. A sikeres vállalatoknak meg kell maradniuk ezen a digitális innovációs versenyen.
Manapság senki sem kérdőjelezi meg az elemzést. Ez a központi elem, a digitális üzleti átalakulás. Valójában a szervezetek a digitális innovációt helyezik a stratégiájuk középpontjába. Ezek a társaságok, ők a világ öt legértékesebb vállalata, és két billió dollár piaci értéket képviselnek, Jen.
Jen Underwood: Igen, elképesztő, valójában az. Valóban változik, és gyorsan. A másik dinamikánk, amelyről beszélünk, és erről már beszéltünk, most azt gondolom, hogy végre látjuk, és a szervezetek megérezik az adatforrások exponenciális növekedését, és már nemcsak a strukturált adatforrásokra vonatkozó adatokat elemzik. Ismét arról beszélünk, hogy a digitális folyamatok egy részén csak egy pillanatra van lehetősége dönteni, és ezek a dolgok JSON-ekben érkeznek a REST API-kból, strukturálatlan adatokról beszélünk, akár naplófájlok, mindenféle különféle típusú adatokkal, valamint a szélsőséges állandó növekedéssel.
Nick Jewell: Igen, Jen, tehát, amint rámutattál, az elemző vezetők az adatok tengerébe fulladnak. A nagy értékű betekintés megszerzése, talán a meglévő vagy új elemzési technikák keverékének felhasználásával, valójában a végső cél, ám van egy egyszerű és alapvető probléma, amellyel sok szervezettel dolgozunk, amelyekkel valóban szembesülnek. A Harvard Business Review megbízást adtunk a felmérésre, adatanalitikusokkal és üzletvezetőkkel beszélgetve. Megkérdezték, hogy hány adatforrást használnak a szervezetükben döntéshozatalra, és elég egyértelmű, hogy az elmúlt néhány évben alapvető változás történt. Az informatika az adatok keverésére és az adattárházba való eljuttatására szolgált, de azt hiszem, hogy az informatikai csoportok által elvégzett minden rendkívüli munka ellenére centralizált adatkezelést hoztak létre, az elemzőknek továbbra is feladata az adott elemző adatkészlet létrehozása, de válaszoljon egy üzleti kérdésre. Valójában csak 6 százalék rendelkezik az összes adatával egy helyen, és az elemzők többségének adatokat kell gyűjtenie öt vagy több forrásból - például táblázatokból, felhőalapú alkalmazásokból, közösségi médiából, és természetesen nem szabad megfeledkezni arról az adattárról.
Most a legtöbb szervezet elismeri ezt, de a legtöbb szervezet nem foglalkozik azzal, hogy az adatszakértők több időt töltenek adatok kezelésére és keresésére, mint tényleges érték kinyerésére. Nem ezek a magas szintű stratégiai elemzési problémák, amelyekről az üzleti dolgozók hallani akarnak. Az alapvető kérdés elmulasztása ugyanakkor meg fogja akadályozni a szervezeteket az értékvezérelt betekintéstől. Jen?
Jen Underwood: Ez érdekes. Határozottan láttam különféle tanulmányokat erről, és itt van ez a darab, függetlenül attól, hogy az idő 80 százaléka vagy milliárd dollár ugyanazokat az adatokat újra és újra rögzíti-e egy szervezetben nagyon hatékonyan. Összeadva ezek a 37 és ez a 23 százalék nagyon drága időveszteség. Elképesztő számomra, hogy erre nem fordítanak nagyobb figyelmet.
Néhányukra nézve, amit a piaci erõknek neveznék, és sokszor, amikor az ipar trendeirõl beszélek, szeretek követni az ipart, és állandó pulzust tartani rajta. Fontos megérteni, ha valami nem csupán trend, amikor valóban olyan erő lesz, amelyre oda kell figyelni, és ezek jelenleg a három legfontosabb, arra kényszerülnek, hogy odafigyeljenek. Ez a gyors növekedés, az első számú a nem relációs adatbázisok gyors növekedése. Csak megemlítettem ezt az egész elképzelést, miszerint nincs sok ideje arra, hogy önmagában egy JSON-t kérdezzen, az ilyen típusú nem relációs forgatókönyvek eléggé növekednek - azt hiszem, van itt néhány pillanatnyi statisztika - gyorsan.
A másik dolog a folyamatos átállás a felhőre. A már említett hívás előtt világszerte termékmenedzser voltam az egyik nagy tech-vállalkozásnál, és három évvel ezelőtt nehéz beszélgetések voltak a csoportokkal, mondván: „Nem tehetünk semmit a felhőbe. Nem fogunk költözni a felhőhöz. ”És nagyon érdekes volt látni csoportokat egy évvel később, két évvel később, most ugyanazon csoportoktól hallom, hogy mindenkinek van felhőterve. Úgy gondolom, hogy mindenki nagyon széles körű kijelentést jelent, de amit mondanék: felhőellenes emberek, természetesen a hozzáállás drasztikusan megváltozott egy nagyon rövid idő alatt, még azóta is, hogy világszerte csoportokkal beszéltem az ilyen típusú dolgok.
Az automatizálás, ez egy olyan terület, amelyben lenyűgöztem, és olyan terület, amelyben minden bizonnyal sok aktivitást és nagyszerű tevékenységet látunk. Ezekről a dolgokról beszélünk néhány azzal, hogy pazaroljuk az idejét és az időt nem használjuk hatékonyan. Az automatizálás minden bizonnyal egy olyan terület, amelyben leginkább izgatott vagyok, amikor arra gondolok, hogy értéket teremtsenek egy szervezet számára.
A következő diáról, amiről beszélek, ez az IDC tanulmánya, amely a piaci szegmenseket és a növekedést vizsgálja, és ez egy csodálatos módja annak, hogy lüktetni tudjuk, mi valójában növekszik, mit vásárolnak társaik? Milyen típusú dolgokat már nem érdekel? Az ilyen típusú dolgok és a stratégia bevezetése.
A világméretű nagyadat-elemző szoftverek piaca az IDC szerint 16 szegmenst tartalmaz, és ebben a szegmens értelemben még néhány névváltozást is vizsgálunk. Folyamatos elemző szoftvereket, kognitív AI szoftver platformokat, kereső rendszereket egészítettek ki, tehát néhány új kategóriát is beillesztettek ide. Ez a piaci áttekintés nagyjából lefedi a horizontális eszközöket, előrecsomagolt alkalmazásokat, valamint néhány döntéstámogatást és döntést automatizáló felhasználási eseteket. Ismét ez lesz a megoldás típusa, amikor a CDO-ra gondolunk, és CDO-val összefüggésben helyezzük portfóliójukat, amelyek az adatintegrációtól az elemzés megjelenítéséig, a gépi tanulásig és az ehhez szükséges összes típusú képességgel kezelhetők. hogy a digitális korszakban legyen.
Az IDC szerint maga az ilyen típusú megoldások világpiaca 8, 5 százalékkal nőtt a jelenlegi pénznemben kifejezve, a teljes piac pedig 9, 8 százalékkal. Ezzel összehasonlítottuk - nézzük meg a valuták ingadozásait egy pár év alatt, és a variáció mértéke minimális, de azok a három legfontosabb szegmens, amelyeket kiemeltem, csak annak érdekében, hogy érzelemmel szolgáljon a nem relációs analitikus adatforrások számára, 58 százalék az egy évvel korábbi növekedés, a tartalomelemzés és a keresési rendszerek 15 százalékot tettek ki, és például az ügyfélkapcsolat-alkalmazások, a CRM-típusú dolgok vagy a Salesforce Einstein növekedése több mint 10 százalék, jelenleg 12 százalék. Azt hiszem, Nick hozzá is fűzött néhány kommentárt ehhez.
Nick Jewell: Köszönöm, Jen. Ez egy fantasztikus látvány. Úgy gondolom, hogy az Alteryxnél mindig azt hittük, hogy az adatok előkészítése és keverése minden elemző rendszer alapvető kompetenciája lenne, azt hiszem, de valójában minden fejlettebb elemzés alapja. Most, az elmúlt években, beszéljünk az iparról - valószínűleg kissé túlzottan összpontosított az új interaktív megjelenítési lehetőségekre. Gyönyörűnek néznek ki, mert növelik az elkötelezettséget, betekintést vezetnek, de nem igazán hajtottak be minket a leíró elemzésen túl.
De azt hiszem, hogy most, amikor az emberek egy kissé magasabbra teszik a látnivalóikat, az üzleti értékeket megértő szervezetek azokból a kifinomultabb elemzésekből származnak, amelyek éppen most lépnek a mainstreambe. A kérdés az lesz, hogy hogyan, vagy pontosabban, ki? Ez ugrott a nagyobb értékű elemzésre; Valóban éles megkönnyebbülésbe dobja az analitikus tehetséghiány kérdését, ért egyet?
Jen Underwood: Teljesen, és azt hiszem, hogy csak tweetelt, tegnap este láttam egy igazán izgalmas kommentárt az Adobe alelnökétől, amely azt mondta: „A gépi tanulás asztali tétmé vált”, ahol az emberek régen óvatosak voltak, most vált szükség és érdekes. Ezt nézve, és csak egy apró más, kissé eltérő szöget, önmagában. Sok ember, ezt kezdjük nagy növekedésű területnek tekinteni egy nem relációs analitikai tárolóval és a kognitív AI-vel, ezekkel a gépi tanulással, ezekkel a nagy értékű elemzésekkel. De még mindig a nap végén, most a legnagyobb szegmens, tehát ahol manapság a legtöbb vásárlás zajlik, továbbra is ebben az alapvető, amit mondanék, a lekérdezés jelentése, a vizuális elemzés egy része, és ez még mindig növekszik, és ez sok ember azt feltételezi, hogy már megvan - nem feltétlenül. Évente még mindig 6, 6 százalékkal növekszik.
CDO-ként - és szeretem ezt a diát bemutatni - alapvetően csak annyit kell mondani, hogy amikor ebbe az új szerepbe sétálsz, vagy egy szervezet adatait keresi, ez káosz, és azt hiszem, hogy ez a konkrét dia valóban szép munka - ezek mind a potenciális területek, amelyekkel kapcsolatban vannak adatok. Lehet, hogy előzetesen jelennek meg, lehet a felhőben, hibrid lehet, mindenhol megtalálható, és nagy megdöbbentő - ismét egy C-szintű szerep most egy szervezeten belül, és ez nem egyszerű feladat vagy egyszerű - ebben a különleges világban, időnként eléggé lenyűgöző. Ebben a világban kell ezen CDO-nak navigálnia, hogy elsajátítsa azt, amit mondanék, az adatok értékének maximalizálása érdekében.
Folytatva a kihívást, maximalizálva mindezen különféle források értékét, és amire szükségünk van, ezek az idő bezárásának ablakai, ezekkel a digitális folyamatokkal vagy a cselekvés betekintésével záródik. Ha öt évvel ezelőtt, tíz évvel ezelőtt gondolkodik, akkor lehet, hogy jelentései vannak arról, hogy valamilyen döntést készít leltárral vagy akciókkal, ezek hetente, havonta futnak, majd napi vagy éjszakai nappalira válnak, talán óránkénti.
Most látjuk ezeket az intelligens gépi tanulást beágyazott mesterséges intelligens irodákat, amelyek a helyszínen döntéseket hoznak és javításokat hoznak, tehát még olyan dolgok is, mint a dolgok internete, az IoT beágyazott elemzése a szélén, ezek a rendszerek intelligensek és ezek az algoritmusok képesek önbehangolhatja és megváltoztathatja azokat a döntéseket, amelyeket a megfelelő időben a helyszínen hoz. Nagyon érdekes volt látni ezt a különleges dinamikát a digitális forradalmakkal és ezekkel az érintkezési pontokkal - annak ellenére, hogy növekedtek, a cselekvéshez szükséges idő folyamatosan csökken, és a technológia tovább fejlődik ezekhez a forgatókönyvekhez.
Nick Jewell: Igen, Jen, azt gondolom, hogy a betekintés átadásának egyik legérdekesebb aspektusa az, amikor az elemzés megérkezik a végfelhasználóhoz. Arra kérjük a felhasználókat, hogy ugrjanak be az irányítópultba, amikor kritikus döntést hoznak, vagy azt mondjuk, hogy a betekintés, a következő legjobb fellépés közvetlenül elérhető a folyamat során, az áramlás során, annak érdekében, hogy megszerezzék ezt a versenyelőnyt? És az elemző modellnek, amelyről beszélünk, valószínűleg sokféle különféle forrásból kell származnia - hagyományos adattárházakból, földrajzi helyekből, szociális médiaból, érzékelőkből, kattintásáramból -, ezekre az adatokra van hatással a döntés és az a felléphető eredmény. .
Jen Underwood: Folytatva ezt a kihívás és változás témáját, amely jelenleg megvan, és a kihívásoknak, amelyeket az ügyvezető igazgatónak át kell vennie és meg kell terveznie ezek meghódításának módját, lényegében túl sok adatunk van ahhoz, hogy hatékonyan kezeljük és manuálisan elemezzük. Hosszú késések vannak; lerövidíteni kell ezeket a késéseket, és meg kell találnunk a módját, hogy a rendelkezésre álló adatok értékét maximalizáljuk. Hiányzik az adattudomány tehetsége a világon, és ezeket a felismeréseket és az óceánokat adatként nevezzük. A jó hír az, hogy vannak csodálatos újítások, amelyek a mai nap minden területén segítenek, és izgalmasnak tűnik megnézni, hogy mi segít a nekünk ezekben a kihívásokban - hol visz a technológia.
Ahogy ezt tovább vizsgáltam, kicsit zavaros van, amikor az ügyfelekkel vagy csoportokkal beszéltem ezen eszközök némelyikével. A klasszikus kihívások némelyike ma is fennáll, csak egyre súlyosbodik az elemzésre kerülő adatok megkísérelése. Néhány keresési eszköz, és néhány ott létező katalógus minden bizonnyal segítőkész dolgot jelent - most azt találjuk, hogy melyik katalógust kell használni. Van pár különböző katalógus, tehát van különböző hely, ahol adatait tárolhatja és megoszthatja, tehát érdemes megpróbálni megtalálni egyet, esetleg azt a katalógust, amelyet be kell néznünk.
A másik dolog az együttműködés megosztása. A Harvard Business Review egyik tanulmányáról beszéltünk, mennyi időt töltenek el, alapvetően nem hozzáadott értéket képviselő feladatok elvégzésével, az idő pazarlásával és mennyire drága lehet. Ha közösen tudsz megosztani és használni a közös adatforrásokat, a szkriptek már kifejlesztettek, a logika már ott van, hatékonyan irányíthatja azokat, tehát az irányítást az analitikai agilitással egyensúlyba kell hozni, és ez valójában az, amit elérni akarsz. és navigáljon abban a világban, amit én neveznék: rendelkeznek niche-eszközökkel, automatizált munkafolyamat-eszközökkel, klasszikus Excel-kel, adatkatalógusokkal, önkiszolgáló BI-vel, adattudományi eszközökkel. Amint azt az egyik kép megmutatta, sok-sok eszköz és sok átfedés van közöttük.
Nick Jewell: Igen, tökéletes, Jen, és azt hiszem, hogy a betekintés ablaka, amint említette, határozottan csökken, de a modellek tényleges telepítéséhez szükséges idő nem tart fenn. A prediktív modellkiépítés továbbra is komoly kihívás sok vállalat számára. Beszélgettünk Carl Rexerrel, aki a Rexer Analytics elnöke, és a Carl 2017. évi adattudományi felmérésében azt találta, hogy az adattudósok mindössze 13 százaléka szerint a modelleket mindig üzembe helyezik, és ez a telepítési arány csak nem javul, tehát térjen vissza minden előző felméréshez. Valójában visszatérve 2009-be, amikor először feltették a kérdést, és szinte azonos eredményeket látunk, tehát valódi hiányosság van.
Jen Underwood: Az elemzés érettségét tekintve gyorsan fejlődik. Ismét két, három évvel ezelőtt nagyon izgatottak voltunk, hogy vizuális önkiszolgáló elemzést végezzünk, és végre rugalmassá váljunk, és önmagukban kibővítsük a BI-t a tömegekkel. Amikor tömegeket mondom, valószínűleg továbbra is energiafelhasználók egy szervezeten belül. Most látjuk az optimalizálást, a prediktív elemzést, a mély tanulást, a természetes nyelvet, és sok más technológiát, amelyek valóban - ahogyan beépülnek a mindennapi folyamatokba - végre valóban valóban demokratizálják az analitikát a tömegek számára, az igazi tömegek számára a a már meglévő üzleti folyamatok.
Nick Jewell: Igen, Jen, beszéljünk egy gyors történetet az utolsó kategória körül, ha tudom. A mai hívás legtöbb hallgatója megismeri a Google DeepMind AlphaGo szoftvert, amely legyőzte a világ legjobb Go játékosát az elmúlt néhány évben. Az AlphaGo megtanulta a játékot, hatalmas mennyiségű korábban rögzített mérkőzést tanulmányozott. Annyira, hogy az AlphaGo verseny kommentátorainak állítása szerint a szoftver japán nagymester stílusában játszott, hidd el vagy sem.
A hónap utolsó hónapjában azonban szinte lenyűgözőbb eredményről számoltak be. Ez az AlphaGo Zero volt, mély tanulás, idegi hálózat, amely nem csupán az egyszerű játékszabályokkal és az optimalizált funkcióval volt felfegyverkezve. Megtanította magának, hogy a világ legerősebb Go-játékosává váljon felügyelet nélküli edzés nélkül, és mintegy 40 nap alatt mindent megtett. Ez az úgynevezett megerősítő tanulás, ahol az emberek meghatározzák a kihívást, hagyják, hogy a mély tanulási rendszer felfedezzék, fejlesszék, valóban a legnagyobb hatást gyakorolhatnák az analitikai térben. Tehát, azt hiszem, maradj velünk.
Jen Underwood: Igen, nagyon érdekes, hogy megemlítette. El tudod képzelni a kizárásokat? És ezt kezdtem látni. Valójában, amikor az automatizálásról beszélek, nagyon izgalmas, hogy a megoldások elég okosak legyenek a levegő tisztításához, automatikusan tanuljanak a rendszerektől, csatlakoztassák a játékot, és csak tudják, mit tegyenek a következők a korábbi döntések vagy más döntések alapján amelyeket a szervezeten belül készítettek, és ezeket a rendszereket, az ETL rendszereket kezelték és gondozták, és a nap folyamán sípolók és telefonok hívtak riasztásokkal, amikor a folyamatok nem futottak, olyan izgalmas gondolkodni, "Hú, most már elég okos ahhoz, hogy valószínűleg öngyógyuljon."
A férjem kezeli az öngyógyító rácsot, öngyógyító adatintegrációt, öngyógyító elemzést végezünk, és ahol jobb és jobb lesz, nagyon izgalmas. CDO-ként, amikor elkezdesz gondolkodni az emberek technológiai technológiáiról, átnézünk egy pillantást, most a technológiára gondolunk, majd az emberekre fogunk figyelni, és hogyan kell megközelíteni a csapatépítést és az épületépítést a képességek. Ha megnézi a modern elemző platformot, rögtön elmondom neked, hogy nem mindenkinek lesz itt mindent megtennie, bár a legnagyobb szervezetek önmagukban tartalmazhatják ezeket a különféle összetevőket, egyes csoportoknak csak két vagy három kis dobozuk lehet. itt, tehát nem akartam megbotcolni ezzel az embereket. De a modern BI-platform nem feltétlenül igényel informatikai felépítést, előre meghatározott jelentéstételi szemantikai réteget.
A felhasználókat és a szakértőket valóban fel kell hatalmazni arra, hogy csak az adatokat előkészítsék az analitikai sebesség és agilitás szempontjából, és ha arra gondolsz, hogy mi növekszik, amit mondanánk a felhasználói és a szakértők által vezetett elemzéseknek, lehetővé téve, hogy a téma szakértői agilitással rendelkezzenek, gyors döntéseket hozni. Megfigyeljük, hogy fokozottan alkalmazzák azt, amit mondanánk: a személyes adatok előkészítését szolgáló eszközöket, az adatok megrongálódását, gazdagítását, tisztítását, az Alteryx által végzett tevékenységek típusait, valamint az adattudományi jellegű tevékenységek egy részét, amelyeket jól. A modern előkészítő megoldást kínálják az intelligens, automatizált csatlakozásokhoz, légfelbontásokhoz, az adatok elmozdításához, ha nagy adatcsatornád van, ez nagyon-nagyon jó. Ez valószínűleg ismét az egyik olyan terület, amelyet szeretek, és igazán élvezem a tesztelést az iparban.
A hagyományos IT-vezérelt BI-vel ellentétben az IT manapság valóban arra koncentrál, hogy lehetővé tegye az üzletet, és olyan emberekkel rendelkezik, mint a CDO-k, és összegyűjti vagy kiválasztja a megfelelő megoldásokat az adatok összehangolására, megszervezésére és egyesítésére, és természetesen ellenőrizze, hogy ez irányított, ugye? Egy dolog, ami nagyon érdekes számomra, és minden bizonnyal azt hiszem, hogy erről következtetünk, de nem hiszem, hogy csak egyenesen kijelentettük, hogy mindenki számára elérhető egységes adattárház volt az a nap, amely a végén mindenkinek biztosan vége. Az adatok mindenütt megtalálhatók, amire szükség van - az adattavak bekerültek a képbe, vannak streaming és élő adatok, nagyon sokféle adatforrás van most, ez valójában inkább egy felhasználói eset alapú, „mire van szükséged?” Versek - Mindent egy adattárházba kell helyeznünk. Nem vagyok biztos, Nick, meg akarta kommentálni ezt? Nem emlékszem.
Nick Jewell: Csak egy dolgot mondok, és csak figyeld meg az alkotóelem fejlődését. Amit a szakértők öt-tíz évvel ezelőtt tettek, most a felhasználó kezébe kerülnek, tehát az ott lévő jobb oldalon lévő dolgok inkább elterjedtek lesznek a drag-and-drop kód nélküli formátumú felhasználók számára, nagyon rövidesen. Gyorsabban és gyorsabban mozog, tehát csak figyeld ezt.
Jen Underwood: Igen, ez nagyon jó pont. Szeretek erre gondolkodni. A különféle adatok tudománya végül valósággá válik, és az eszközök egyre jobbá válnak. A technológiára gondolva most rendelkeznünk kell a készségekkel és az emberekkel, és mit kell tennünk? Jelenleg a legjobb munkahelyek vannak, olyan címekkel szerepelnek, mint adattudósok, adatmérnökök és üzleti elemzők, mégis azt tapasztaljuk, hogy maguk a munkáltatók nagyon nehéznek találják a mérkőzést. Még az dataprep térben is azt mondom, hogy „adat prep, vajon adat zavarodik, milyen kifejezések hívják az embereket?” Nagyon érdekes volt megtalálni.
Az üzleti vállalkozások nem tudják, mire van szükségük, és van egy teljesen új, feltörekvő terület, amely számos különféle területet lefed. Ha most mindenkit megnéz, adatainak mesterének, üzleti elemzésének, informatikai projektmenedzserének kell lennie, a férjemnek, aki az elektromos hálózatot és a projektek portfólióját kezeli, képesnek kell lennie ennek elemzésére. Ez nem csak a pénzügyek és az adatok elemzése, hanem sokkal szélesebb körben terjed ki a szervezet más területeire is. Azt hiszem, láttam egy tanulmányt arról, hogy hány adatforrást használ a marketing, és ez lenyűgöző volt. Még egyszer, amikor a Harvard Business Review által készített tanulmányra gondolunk, már nem csak egy adatforrás, amelyet az embereknek össze kell keverniük és összeolvadniuk, és betekintést kell találniuk, sok adatforrásból áll, és ehhez készség szükséges.
Ha lényegében a nagyobb képet nézzük, akkor a legtöbb új bérlet ebben a rózsaszín buborékban van az alsó felé, amikor ezekről az üzleti elemzőkről beszélünk az adatbányász elemzőkkel, a HR vezetőkkel, ez a terület, csak a szokásos szerepek a sorban üzleti adatok felhasználásával. A leggyorsabban növekvő szerepeknél kevesebb munkahely lesz, de minden bizonnyal mi a leginkább a mai piacon hallható, az adattudós és az adatmérnök. CDO-ként néznek előre, és tehetségeket terveztek, figyelembe kell venni a rutin feladatok automatizálását és a stratégiai szempontból stratégiai szempontból fontosabb készségek típusát, és ismét hozzáadott értéket kell hozzáadniuk a szervezethez, mindkettő számára. az elemzést lehetővé tevők, de az ottani adattudomány és az adatmérnök emberek számára is. Gondolj arra, hogyan változhat a nem közzétett pozíciók és akár a szabadúszó gazdaság néhány része is, amikor arra gondolsz, hogy a legjobb és legfényesebbért versenyezzenek.
És mindig gondolkodjon a tehetségcsaládon is, segítse a jelölteket a piacon való navigálásban, vagy olyan dolgok keresésében, amelyek kicsit más lehetnek, és nem pontosan azt, amit akar, és hozzon létre házon belüli elemző tanfolyamokat, amelyek valószínűleg nem a leggyorsabbak, leginkább költséghatékony stratégia az Ön számára, hogy lépést tartson. Fontolja meg az emberek tanulmányozását, akik ezen vagy más csoportok képzésére szólítottak fel, és azt hiszem, hogy az Alteryx a mai ülés végén egy cselekvésre ösztönző ajánlott tanfolyamot kínál, amelynek segítségével felhasználhatja ezeket a dolgokat, és segítheti a csapatot. a már rendelkezésre álló erőforrások egy része.
Nick Jewell: Teljesen. Olyan sokféleképpen lehet kitölteni ezt a tehetséghiányt, ha nem kerülnek bele fegyverkezési versenybe. Pár csúszda vissza, nem tudom, tudsz-e egy pár oldalt megfordítani. A Kaggle-t, az adattudományi versenyhelyzetet nemrégiben adtak ki egy felmérést, amelyben 17 000 válasz érkezett az adattudomány helyzetére, és egy igazán érdekes válasz érkezett a felmérésből az emberek képességeire vonatkozóan, és a válaszadók többségének nincs PhD., ez már nem csak előfeltétel.
Az az elképzelés, hogy a következő generációs elemző szakemberek, az a nagy buborék, amelyet éppen mutattál, nanofokozatú tanfolyamok segítségével megszerezhetik a szükséges ismereteket. Eljuthatnak olyan helyekre, mint az Udacity, és ezeket az ismereteket azonnal felhasználhatják, közvetlenül az üzleti életben. A rövid fókuszú szállítási ciklusok a versenyképesség azonnali forrásává teszik őket vállalataik számára. Szóval úgy gondolom, hogy kell figyelni valamit.
Jen Underwood: Nem, egyetértek. Még ha erre gondolok is, minden bizonnyal hosszú utat igényelt, mivel kétéves programot vettem az UCSD-n. Úgy gondolom, hogy ez visszatért a 2009-es, 2010-es időkeretbe, és valóban egy maroknyi országban volt, amely lehetővé tette ezt. Jelenleg általában sokkal több lehetőség van, valamint a speciális programok, akár a szállítókon keresztül, rengeteg erőforráson keresztül elérhető ma, hurkokkal és ezekkel a különféle online forrásokkal, ez egyszerűen csodálatos, tényleg itt az ideje. Időt és költségvetést készít, és ütemezze magát, hogy lépést tartson. Mit akar tanulni? És aztán azt az utat követi, amelyet meg akar tanulni.
Ha ezt nézzük, és készítsük el a készségeidet és a CDO perspektívájából, győződjünk meg arról, hogy vannak-e emberek a lefedett területeken, azaz azt mondanám, hogy önmagában egy kompetenciakeret, képességekre vagy olyan dolgokra, mint például a domain ismerete továbbra is valóban kulcsfontosságú, bár ezek a megoldások önképzést és öntanulást tesznek lehetővé, valójában egy üzleti tárgyú szakértő irányítja és biztosítja az eredmények értelmét.
Mindig van valami, és szeretek használni a példát, amikor kritikai elemzéseket végeztem egy biztosítótársaság számára, és az egyik megállapítás, mely szerint az algoritmus nem az volt, hogy New York-ból bárkit felvegyen. Nos, nem, nem fogunk bérezni New York-ból senkit - meg kellett tudnunk, miért adta az algoritmus ezeket az információkat. Ennek oka az volt, hogy megváltozott a törvényi törvény, az egyik törvény megváltozott, és így sokat morgottunk az adott szegmensben. Be kellett vonni egy üzleti tárgyú szakértőt, hogy megfejtse ezt, és nem látom, hogy ez megváltozzék, és nem látom, hogy ilyen iránymutatást vezessen arra, hogy megbizonyosodjon arról, hogy az eredmények pontosak-e, valami megjelenik - még mindig, van valami, amit az emberi elme mond, ennek szépsége és a gép ereje valóban ott, ahova megyünk.
A többi típusú dolgok, amikor képességeket, megjelenítést, egy hatékony történetet mondanak az adatokban, egy hatékony történetet elmondnak annak, hogy akár gépi tanulás eredménye is. Összeállítva és megnézve, hogy milyen hatást gyakorol, megértjük a döntéshozatal emberi természetét, az ilyen típusú dolgok technológiától függetlenül nagyon fontosak. A kormányzás valóban fontos, az etika egyre fontosabbá válik. A társadalomtudósok bevonása után, akik megértik, és kiképzik arra, hogy vizsgálják meg, vannak-e olyan elfogultságok az adatokban, amelyeket Ön még nem ismer fel, vagy nincs olyan szervezetük a szervezeten belül, akik ezt esetleg még fel sem ismerik, még ha be is vonják őket a szakértőbe, ilyen típusú dolgok vannak.
És ismét természetesen a mérnöki és a hardver infrastruktúra, valamint a méretarányosság és a fejlesztés biztosítása, valamint a megfelelő felhőszolgáltató igénybevétele, esetleg nincs bekapcsolva, vagy hogy lehetősége van mozgatni, vagy hogy megérti az árakat, hogy ezek mennyibe kerülnek. Ez az ilyen típusú készség, és ha ezt megnézzük, akkor különféle területeken nevezzük azt készségeknek, függetlenül attól, hogy adatvezérelt frontvonal-döntéshozók - ahol ezeknek a szerepeknek a többsége lesz - egészen azokhoz az adatmérnökökhöz és adattudósokhoz, akik masszírozni és dolgozni ezekben az óceánokban. Ezek azok a fajta dolgok, amelyekre szeretnénk összeállítani egy keretet.
A kompetenciakeretek szempontjából általában egy szervezetet tekintünk, és nem csak a készségekre, hanem a kompetenciára is gondolkodni kell. Van egy kis árnyalat a megfogalmazásban, amikor ezt nézi. A szervezet kompetenciakerete egyértelmű jel. A háború politikai döntéshozói, az oktatási szolgáltatók, míg a készségeket R alatt gépelnék, gondolsz az ilyen típusú dolgokra, van hozzáértő kódolójuk, de nem csak ezen képességeken szeretnél tudni. Amikor megérti a kompetenciát, amit egy embernek képesnek kell lennie, és meg kell értenie a keretet, ez az a fontos, van egy kis árnyalat.
Mialatt ezt építed, diagnosztizálni szeretnéd, hogy mit neveznének olyan képességeknek, amelyek pozitív hatással vannak az üzletre, és kiemelik azokat a nagy potenciállal rendelkező területeket, ezért prioritást élvez azoknak a kompetenciáknak a kiemelésével, amelyeket fel akarnak emelni a szervezetben, és majd igazítsa ezeket újra az üzleti célokhoz. A CDO, amely az adatok értékének maximalizálásáért felel, meg fogja nézni, és a CAO, amely elemzést fog használni az adatok értékének maximalizálása érdekében. Megvizsgálják ezeket a kompetenciákat és azokat a különféle területeket, a múltbeli rácson, amelyben ott voltam, de akkor meg fogják vizsgálni a személyzet magas potenciálját is. Megállapítja, hogy az adat- és elemzési munkatársakkal együtt dolgozik, és befektet bennük, és biztosítja számukra a tanulási lehetőségeket, és nem csak a képzést, lényegében a valós lehetőségeket, amelyek igazi üzleti problémákkal foglalkoznak.
Nincs semmi jobb - noha néhány évig iskolába jártam, addig nem mentem fel és alkalmaztam néhány algoritmust, vagy megismerkedtem a csekk-csalással, megismerkedtem ezekkel a dolgokkal, amelyekre még soha nem gondoltam, és te is kezdje el összerakódni a való világban, és itt tudod megtanulni. Lehetőséget ad az embereknek, hogy tapasztalatokat szerezzenek ezeken a területeken. Azok a vállalatok, amelyek a legjobban képesek erős képességeket építeni, szisztematikusan azonosítják az objektív értékeléseket és megvizsgálják, hol vannak a hiányom a szervezetemben a tanulás során, és néhány mutatót állítanak fel az emberek céljaira, ezek képesek lesznek szállít.
Amikor gondolkodunk a felnőttek képzésén, ez általában időben éhezik - mindig is éhezünk -, de megnézjük, hogy mi működik mindegyiknél. Személy szerint könyveim vannak, tehát ha ma bemenne az irodámba, rengeteg könyvet látna, jóllehet sok embernek videó van. Tehát ki kell küszöbölni, hogy szereti-e valaki a szervezetedben tanulni - motiválni-e tanulni -, és emellett lehetőséget biztosít számukra arra is, hogy megtegye ezt és valamiféle célt - mi eredményes ennek elérésében, és általában ez az keverve, nem csak az, hogy ezen a kurzuson ellenőrizze a jelölést a pontszámkártyán, önmagában, ez keveredik a valódi célprojekttel, és mit tanultál ebből a projektből, és mit akarsz tenni ezután? Mi az a szakasz? A csapat nyújtása vagy motiválása a csapat továbbfejlesztésére.
Ezek a tanulási célok, ismét, ha ezt teszed, akkor nem igazán kell, hogy legyen könnyű az üzlet számára, alapvetően azért, mert ezeknek a céloknak összhangban kell lenniük a stratégiai üzleti érdekekkel. Ezek nagyszerű projektek. Kísérleti projektek. Olyan projektek, amelyek előremozgatják a tűt.
Nick, akarsz valamit hozzáadni? Nem vagyok benne biztos.
Nick Jewell: Nem, a következő képernyőn egy esettanulmányba megyek, ha ez rendben van. Egy kicsit részletesebb egy adott szervezetről. Azt hiszem, sok mindent áttettek a gyakorlatba, a valóságba. A Ford Motor Company évtizedek óta támaszkodott az adatelemzésre, akárcsak sok vállalat, de ezt az üzleti zsebekben tette, valószínűleg nagyon kevés felügyelettel az egész vállalatnál, a következetesség és a koordináció biztosítása érdekében. Problémáik valószínűleg meglehetősen tipikusak voltak méretü szervezeteknél, tehát az elemzési szakértelem - amint mondjuk - a zsebekben volt, az adatkezelési és irányítási gyakorlat nem volt következetes, még arra a pontra sem, hogy egyes üzleti egységeknek nem volt hozzáférése az elemzési alapismeretekhez.
Ma ismét sok különféle típusú adatforrásról beszéltünk, több mint 4600 adatforrásuk volt. Ez még az utazás megkezdését és a szükséges adatok megtalálását jelentette valódi akadálya az analitikus betekintésnek. Látom, hogy nevetsz, de ez egy szörnyű dolog, igaz?
Jen Underwood: 4600, ó istenem, igen.
Nick Jewell: Tehát a Ford megalapította a globális betekintés és elemző egységet, és ez központosított volt - kiválósági központnak nevezheti -, amely az adattudósok és elemzők csoportjából áll, és amelynek célja az analitikai legjobb gyakorlatok megosztása és az optimalizált adatvezérelt adatok terjesztése. adatgyűjtés az üzleti életben. Az egység kiválasztotta az osztályban a legjobb eszközöket, nemcsak a képességük, hanem az is, hogy jól tudják integrálni egymást, tehát ez nagyon fontos. Demokratizálódásuk középpontjában a jelentések és a leíró elemzések álltak, mielőtt felálltak volna a szükségleti piramison, amiről már beszéltünk.
Most, a demokratizálódás nem csupán valakit adattudósnak tesz egy napról a másikra; az alkalmazottaknak tudniuk kell, hogy mikor és hol lehet segítséget kapni, és rendelkezésre állnak képzések, irányítás és módszertanok, amelyek segítik mindezt. Ezenkívül nemcsak az eszközképzésről, hanem az adattudományi képzésről is szól, hogy áthidaljuk azt a készséghiányt, amelyet már említettünk. Tehát egy valós felhasználási eset a Fordnál, a logisztikai hálózat optimalizálása érdekében, tehát a Ford fizette-e a megfelelő összeget az anyagok áthelyezésére az A pontról a B pontra? Régi elemzéseik nem igazán hívták fel a cselekvési lehetőségeket; ez nagyon reakcióképesvé tette őket a piacon. Most, hogy ez a folyamat nagyon bonyolult, bezárult az elemzők fejeiben, és óriási áttörést hajtottak végre, amikor az önkiszolgáló munkafolyamatot ténylegesen megismételték az üzlettel, és amikor az elemző szakértők együtt ültek és együtt helyezkedtek el.
Ez az elemzést a többévesről a negyedévesre, sőt a valósidejű közeli időpontra helyezte, oly hatalmas, hatalmas előnnyel jár az üzlet számára. Az önkiszolgáló elemzésnek az üzleti értékre gyakorolt hatása az volt, hogy a Ford gyorsan megtervezheti és létrehozhat vállalati szintű adatközpontú stratégiákat, hogy reagáljon a felmerülő tendenciákra, segítsen az új szolgáltatások kialakításában, és alapvetően elkerülje a verseny fenyegetéseit, anélkül, hogy csak a visszapillantó tükörbe kell nézni.
Ha egy pillantást vetünk egy pillanatra arra, hogy egy másik ügyfél valóban áttérte az elemzést az esetleges vertikális prioritásokra a cég egyetlen részlegeiben, hogy vízszintes sáv legyen minden divízióban, akkor a Shellről fogunk beszélni. A Shell egy kiválósági központot működtet, amely beszámol a digitális vezérigazgatónak - tehát van még egy D a CxO játékkönyvünkhöz -, amely felelős a digitális átalakulásért és a fenntarthatóságért. Ezek a srácok megértették, hogy környezetük több réteget és a technológiai köteget, a tárolást, az adatfeldolgozást és minden olyan technológiát tartalmaz, amelyekkel mindannyian ismerkednek meg. Olyan dolgok, mint a SAP HANA, az Databricks, a Spark, és kihasználták a nyilvános felhőt, hogy elérjék a megfelelő méretgazdaságosságot.
Most az Alteryxet választották analitikai csomagolóként R-kódjuk nagy részéhez, olyan technológiákba táplálva, mint a Spotfire, a Power BI és így tovább. Most azonban az elfogadást sokkal közelebb látják az adatfeldolgozáshoz és a megjelenítéshez. Jen, csak visszahívva mindezen képességek diáját, ez a fajta terjed, amikor elkezdjük lehetővé tenni több elemző számára a hozzáférést. Tudod, rendkívül sikeresen teljesítették ezt a képességet és a COE-t, és most a jövő képességeinek kihasználására törekedtek. Néhány olyan mély tanulási dologról, amiről beszéltünk - gépi látás, természetes nyelvfeldolgozás - és küldetésük fele a kézbesítés, a fele ezen ötletek magyarázata és katalizálása az üzleti egységek között. Ez az utazás része; a COE mindig különféle lehetőségeket keres az üzleti közönséggel való kommunikációhoz.
Figyelembe véve az egyik oldalon a szkeptikusokat, akik azt mondják: „Nos, ez a fekete doboz soha nem lesz olyan jó, mint az elemzőm”, egészen a rajongóig vagy annak a rajongónak, aki mindenhol korrelációt lát, talán kevésbé az okozati összefüggések útján., de mindkét oldalon óvatosnak kell lennie. Izgalmas középút, amikor egy vízszintes csíkkal rendelkezik egy egész szervezetben, ez a hibrid készségkészlet, amelyre szükség van a spektrum mindkét oldalának meggyőzéséhez.
Nick Jewell: Jó, Jen, ott vagy?
Jen Underwood: Én vagyok.
Nick Jewell: Azt hiszem, amit itt a Clayton Christensen-idézettel próbálunk mondani, az a szerintem sok szervezet számára az elemzési menetrend egyesítése annak érdekében, hogy elősegítse a digitális átalakítást, amelyről ma beszéltünk. kihívás. Gyakran előfordul, hogy gyenge kézzel kezdődő elemző csoportokat találunk. Az analitikai folyamatok, technológiák, csapatszerkezetek és az ezeknek az emlékek megtartásának a meghosszabbításával való kísérlet az innováció és az analitikai innováció legnagyobb akadálya lesz. Van erről gondolata, Jen?
Jen Underwood: Élvezem a választott képet. Igen, nekem természetesen nagyon sok értelme van. Az új technológiák egy részét át kell vennie, például valós időben történő streamingként. Nem feltétlenül fogja elérni ezeket a valós idejű eredményeket, ha a JavaScript-frissítéseket önmagában egy böngészőben kell elvégeznie egy régi örökséggel - lehet, hogy ez egy műszerfal alkalmazás vagy ilyen típusú dolgok. Igen, át kell ölelnie ezen új eszközök némelyikét, és ismét azt hiszem, ez a kép nagyon aranyos, egy kép ezer szót mond. A kocsi és a hibás, elengedned kell ezeket a régi tech megközelítéseket.
Nick Jewell: Teljesen. Tehát, ha a következő diára lépünk, azt gondoljuk, hogy van egy jobb út. Azt hiszem, mindenekelőtt a Google-szerű kereséshez hasonló valami olyat használva, hogy gyorsan megtalálhassa az összes adatait, amely a legrelevánsabb. A kontextus megértése, a függőség megértése, a ténylegesen egyszerű dolgokba való belefoglalás, például a közösségi közösségek szakértői által készített üzleti szószedetekbe, amelyeket életben tartanak munkatársaik minden törzsi ismerete.
Intelligensé válhat az adatok felfedezésével. Gondoljon arra, hogy képes-e beszélgetéseket tartani a jelentéstulajdonosokkal és a szakértőkkel. Töltsön fel, készítsen egy kicsit a Trip Advisor-t vagy a Yelp-t, töltse fel a leghasznosabb eszközöket, igazolja azokat, amelyeket a szervezet legértékesebbnek tart, majd mindez visszajuttatja a keresési eredményekbe és végül a keresési rangsorba, így jobbá téve a a következő felhasználó. Ha megtalálta, amit keres, lépjen ebbe a gyors, kódmentes, felhasználóbarát, előkészítő és elemző szakaszba, hogy kifejlessze a tökéletes adatkészletét, amelyből megismételhető folyamatok közzétételét megteheti.
Vissza az automatizálási beszélgetéshez, felhasználóbarát alkalmazások felépítésével. Bármi is szükséges az analitikai modellek felépítéséhez. A modellekről szólva már évek óta támogatjuk a nyílt forráskódú technológiákat, mint például az R, lehetővé teszi számunkra egy igazán fejlett elemzési képesség felépítését, amely leíró, de prediktív elemzést is előír, egy egyszerű, húzással és csepp módon.
Most, a jobb oldalon, valójában az interaktív vizualizációkhoz, modellekhez és pontozásokhoz juttatjuk az adatplatformokat, vagy legutóbb, és ezt a betekintést azonnal és közvetlenül elérhetővé tesszük egy üzleti folyamatban. Úgy gondolom, hogy ez a képességek széles skálája az egész platformon lehetővé tette számunkra, hogy az Arany Díj nyerteseként is elismerésre kerüljünk a Gartner Peer Insights Vásárlói Choice Survey felmérésében, amely fantasztikus eredmény. Erősen ajánlom, hogy látogasson el a Gartner webhelyre, hogy többet megtudjon, adja hozzá a saját szavazatait és a saját kommentárját.
Hát, Jen, ha még egy diát átugorunk előre - azt gondolom, hogy a következtetés befejezésekor szeretnék minden további lépést megadni neked. Mindenekelőtt kérjük, látogasson el az Alteryx.com webhelyre, és töltse le legfrissebb kutatási útmutatónk egy példányát, amelyet az Analitikai Nemzetközi Intézettel (IIA) koordinálva készítettek az analitikai akadályok felszámolása körül. A következő webhelyen felkeresheti az udacity.com/alteryx webhelyet, ahol többet megtudhat arról, hogyan engedélyezheti csapatait, hogy megtethessék a következő lépést az úton, azzal a fejlett analitikai nano-fokozattal, majd végre megtapasztalhassa az Alteryxet. Látogasson el a honlapra, töltsön le teljes értékű értékelést, és vegye fel a fedélzetet a megoldás izgalmával.
Jen, neked. Lehet, hogy van időnk néhány kérdésre és kérdésre.
Eric Kavanagh: Csak nagyon gyorsan csipogok. Van néhány kérdésünk. Azt hiszem, először átadom neked, Nicknek, majd Jennek, ha véleményt szeretnél mondani, de az minden bizonnyal jobban alkalmazható az EU-ban, és ez a hírhedt GDPR, a globális adatvédelmi rendeletek. Hogyan befolyásolja ez az Alteryxet és az útitervet, és mire koncentráltok?
Nick Jewell: Nagyon boogieman, azt hiszem, jelenleg ott van. Sokan beszélnek róla, sokan nagyon aggódnak, de ez valójában csak az első a hosszú sorozatban, amely az adat- és elemző világba kerül. Valójában véleményünk szerint az adatok megértéséről és osztályozásáról szól. Ha megbizonyosodik arról, hogy CxO-ként bármilyen különleges íz, akkor ismerik az eszközöket, ismerik a helyzetüket, és tudják, hogy bízhat benne, mint első lépés az adatok igazságos kezelésére és kezelésére szélesebb összefüggésben.
Eric Kavanagh: Azt hiszem, még egy kérdést felteszek önnek, mielőtt visszajuttatnánk Jen-t, Nick, vagyis a képzési adatokat, ha valaki azt kéri, hogy adataikat távolítsák el a vállalatról, és ez nem csak a nevüket érinti, cím és így tovább, nemcsak a kapcsolattartási adataikat, hanem az is, ha egy algoritmus képzési adatokat használ, amelyek tartalmazzák az Ön adatait, akkor állítólag át kell képeznie az algoritmust, nem igaz?
Nick Jewell: Különösen összetett. Úgy gondolom, hogy az az elképzelés, hogy nemcsak az adatbázisok, mint ezeknek a személyesen azonosítható információknak a forrása, hanem az elemzési munkafolyamatok, az alkalmazások és a megjelenítések is. Ezek az adatok a szervezetnél mindenütt megtalálhatók, tehát ennek a kontextusnak a jelentése: feltétlenül létfontosságú.
Eric Kavanagh: És Jen, mi a véleményed? Nyilvánvaló, hogy ez nem olyan nagy üzlet az Egyesült Államokban, és nem látjuk, hogy túl sok vállalat botladozzon rajta most, bár technikailag erre itt is vonatkozik. Ha egy amerikai vállalat rendelkezik egy uniós polgár adataival, mi az, amit vállal a GDPR fontosságáról, és mekkora üzlet ez?
Jen Underwood: Nos, minden bizonnyal azt hiszem, hogy az adatok felelősségteljes kezelését igényli. Pár alkalommal írtam erről, és rendelkezem néhány iránymutatással ezekről a dolgokról. Úgy gondolom, hogy érdekes az a kérdés, amelyet feltett az algoritmusokkal kapcsolatban. Természetesen néhány olyan megoldás közül, amelyeket ma nézek, egyes termékcsoportok olyan funkciókat terveztek, hogy láthassák, hogyan hozzák meg a döntéseket, és milyen személyes adatok alapján döntöttek az algoritmus eredményéről. Néhány hatást tapasztalunk a terméktervek itt, az Egyesült Államokban.
Számos technológiai vállalatnak nagyon nagy irodája van itt, fejlesztési csapata itt található az Egyesült Államokban és világszerte, tehát a termékfejlesztés során látjuk. Látom, hogy több adatkatalógust fektetnek be. Több kormányzati kezdeményezést szétoszlatnak, hogy az emberek megértsék, és megértsék, hol vannak az összes adat az a káoszban. Megpróbálja körülkerülni a karjait, legalább megszervezve, képes megtalálni és megtenni valamit vele.
Eric Kavanagh: Meg fogom tolni ezt a diát, amelyről korábban beszéltünk, és átadom neked, Nick. Azt hiszem, ez egy fantasztikus dia, mert számomra ez valóban az elemzés iránti igény közvetlenségére szól. Mit gondol erről a változó dinamikáról? Úgy értem, az lényeg az, hogy a vállalatoknak mozgékonyaknak kell lenniük, és azt látom, hogy az analitika vezette ezt a díjat. Mit gondolsz?
Nick Jewell: Ez izgalmas. Azt hiszem, mindig van - a vállalatok és a technológiák mindig léteznek három államban, tehát vagy háború, béke vagy csodás lesz. A háború a nehéz verseny szintjére fog szólni. A Wonder az a nagyszerű újdonság, amelyet egy platformon építhetsz. Aztán a béke a verseny előtt és a háború újra kezdődik. Azt hiszem, mindig folytatódik ez a csata.
A mai felhívás előtt beszéltünk néhány más konferenciáról és kulcsfontosságú feljegyzésekről, amelyek ma a világ minden táján zajlanak. Néhány nagy felhő-gyártó elérte azt a pontot, ahol felépítették ezt a platformot, és most csodálatos új dolgokat építnek rá. A vállalatoknak nagyon szorosan figyelemmel kell kísérniük ezt, és ügyelniük kell arra, hogy olyan dolgokkal működjenek, amelyek egy koherens platformmal rendelkeznek, amely ezt az értéket adja meg a jövő számára. Ők fogják túlélni ezt a zavart.
Eric Kavanagh: Igen, ez egy jó pont, és tudod, Jen, korábban, valójában a show előtt kommentálta a felhőstratégiát és azt, hogy az iparágban sok ember ismeri, hogy a nagyvállalatok, még a bankok is, mostantól mindegyiknek van felhőstratégiája. Valahogy meglepett, hogy mennyi idő telik el ennek megvalósulásához, és azt hiszem, talán néhányuk elment az AWS Újravezető Konferenciára, és rájött, hogy mennyire tömeges, és arra a következtetésre jutott, hogy eljött az idő. Mit gondol a nagyvállalati vezetők körében a felhő behozataláról és arról, hogy ez hogyan változtatja meg a tervezést?
Jen Underwood: Amikor gondolkodom ezen a nagyszabású adatok világán, és képes kezelni azt, úgy gondolom, hogy bizonyos szinteken van némi nyugalom azzal, hogy az egyik nagyon nagy cég vállalja a felelősséget a biztonsági szempontokért, tehát van némi nyugalom van. Tudod, hogy van korlátozott léptékű felhő.
A másik dolog az, és láttam, hogy egy olyan csapatban voltam, amely egy terméket a felhőben fejlesztett ki, és ez minden bizonnyal alulkutya termék volt, és senki sem figyelmeztett rá, és két éven belül, heti kiadások és akár Azt mondanám, hogy szinte arra a pontra van, hogy a felhőben naponta szabaduljon fel. Tudom, hogy az Amazon azt mondja, hogy naponta többször bocsátanak ki. Ha fennáll ez a fenyegetés, amikor a versenytársak naponta engedhetik és fejleszthetik, bármi is legyen, amit csinálnak, legalábbis a szoftveriparban - és mindenki valójában a szoftveriparban van, amikor elkezdi nézni a digitális átalakítást - ez egy egészen más A labdajáték és bárki felpörgethet egy felhőt és nagyíthat, és nagyra válhat.
Megint az az adat, amelyet kihasználnak, meg fogja különböztetni az algoritmusok intelligenciáját, és emiatt beszélnek az emberek arról, hogy az adatok új olaj vagy az adatok aranyak. Ha felhőre nézem, ez a játékváltó, valóban nagyon, nagyon gyors fejlesztést és méretarányt tesz lehetővé. Ez elképesztő.
Eric Kavanagh: Visszahozok téged, Nick, egy másik kérdéshez - csak egy perc múlva megyünk ide, ha sikerül megismernünk ezeket a kérdéseket, de, mint emlékszem, öt és hat, és talán akár hét is évekkel ezelőtt az Alteryx valóban újító volt a harmadik féltől származó adatok kihasználása terén - tehát olyan forrásokból származó adatokat hozott be, mint például a Experian, vagy a térinformatikai adatokat. Úgy gondolom, hogy ez valószínűleg stratégiai előnye, mert ilyen dolog van az Alteryxben a DNS-ben, igaz? Ahogy a vállalkozások felhő felé haladnak, azt hiszem, srácok, nagy tapasztalatokkal rendelkezel, hogy képesek áthidalni ezeket a világokat. Mit gondolsz, a harmadik fél és a felhőalapú adatok első bemutató verziói?
Nick Jewell: Igen, teljesen. A végső összeköttetés ilyen hatalmas játék lesz minden olyan vállalat számára, amely ebben a felhőalapú környezetben fog működni. De azt mondom, amikor valamiről, például infonomikáról beszélünk, az az elképzelés, hogy az információkat és az adatokat eszközünknek kell tekinteni a vállalatában. A legtöbb behozandó érték a külső adatforrások beszerzése, összekeverése és a belső forrásokkal való gazdagítása, a folyamat további értékének megteremtése és bevételszerzése. Teljesen kritikus, ha a belső és a külső adatokkal egyenlően dolgozunk.
Eric Kavanagh: Igen, ez jó pont. Azt hiszem, hogy a hibrid felhők egész világának itt kell maradnia. Jen, ezt csak neked visszaküldöm néhány esetleges záró megjegyzés céljából. Számomra ennek a stratégiai nézetnek és az egységessé válásnak, mivel az új kifejezés az összes forráson átívelő adatokat ír le, ez egy kritikus sikertényező lesz a jövőben, ugye?
Jen Underwood: Nem, feltétlenül, és vicces, ezt a hibrid, hibrid, hibrid hangot hallottam. Hallottál erről, és négy évvel ezelőtt gondolkodtál a Hadoopról, a Hadoopról és a nagy adatokról, majd elkezdett hallani a hibrid, hibrid szavakat, tehát biztosan ott voltak, mi nem feltétlenül vagyunk, ez a gépi tanulás éve, bár nincs. Úgy értem, hogy a mesterséges intelligencia, a gépi tanulás ebben az évben lépett be, de annak érdekében, hogy valóban működjön egy olyan szervezetben, amely már úton van a felhőhöz, vagy amelynek foglalkoznia kell ezekkel a különféle felhőalapú adatforrásokkal, lehet, hogy ez a Salesforce vagy a Munkanapon, a felhőben élő különféle forrásokból, az egyetlen módon hibrid lehet kezelni. Nem másolhatja az adatokat mindenhol, így képesnek kell lennie arra, hogy közvetlenül csatlakozzon, és meg kell találnia a módját, hogy mindenhol található adatokkal dolgozzon, mindenhol adatokat találjon, mert ez a helyzet a valóságban, ahol vagyunk Most.
Eric Kavanagh: Azt hiszem, elutasítanék, ha nem hoznám vissza a gépi tanulást a beszélgetésbe, szóval Nick, átadom neked. Tudom, hogy az emberek most erre összpontosítanak - beszélhet-e valamiről arról, hogy hol látja, hogy a gépi tanulás összehangolódik az elemzéssel és azokkal a rendszerekkel, amelyeket vállalkozásunk és adataink megértésére használunk?
Nick Jewell: Igen, persze. Tehát nagyon röviden, térjünk vissza gyorsan a készségek hiányához. Az ötlet, hogy szervezeteink teljesen feltöltődnek az erőteljes Excel felhasználókkal. Az adattudósok jönnek át, de nem növekednek azonos ütemben. Hatalmas rés van a kettő között. Gondoljon arra, hogy hol van ma a gépi tanulás. Hány algoritmusunk van a telefonunkon vagy az óránkon, amelyek beépítik a gépi tanulási technikákat? Ez árucikk, mindenhol megtalálható. Engedélyeznünk kell ezeket az energiafelhasználókat a lehető legegyszerűbb módon annak biztosítása érdekében, hogy a gépet sikeresen alkalmazzák az üzleti életben.
Eric Kavanagh: Lehetséges, hogy utoljára utoljára adom neked. Néhány kérdés későn érkezett ide. Jen, ezt megkérdezem tőled. Egy résztvevő kommentálja a felügyelet nélküli tanulás ezt az egész koncepciót, és valójában az, hogy ehhez a képhez szüksége van képzési adatokra, és általában az, hogy a képzési adatoknak a vállalkozásra jellemzőeknek kell lenniük. Annak ellenére, hogy az iparágakban sok a korreláció, a szervezetek hasonló módjai is vannak. Mindazonáltal minden vállalat egyedi, legyen az üzleti modellje vagy a marketing vagy értékesítés megközelítése, vagy akármi legyen is a termékfejlesztés.
Felmerül a kérdés: vajon ezek az algoritmusok képesek-e harmadik fél adatait felhasználni a képzéshez? Úgy tűnik számomra, hogy mindig ki kell használni a saját adatait ezen algoritmusok kiképzéséhez, még akkor is, ha ez a ciklusidő hat hónapról - ami bizonyos esetekben történt - 40 napra vagy 20 napra csökken, függetlenül attól, hogy eset lehet. Valójában a saját adatait kell használnia, és meg kell győződnie arról, hogy az adatok elég tisztaak, igaz?
Jen Underwood: Ez valóban keverék. Azt akarja, hogy legyen külső kontextusa. Valójában ma hátra vagyok foglalva, és a következő webináriumom az adatok előkészítéséről és tisztításáról szól, ironikus módon a gépi tanuláshoz. Ami a legfontosabb, hogy összekapcsolja a külső kontextust a szervezetével, és nagyon szeretem, hogy az adatok előkészítéséről és tisztításáról kérdezte, mert őszintén szólva, néhány eszköz nagyon-nagyon jó - ezek bizonyos szempontjait kezelni tudják, de az emberi elme, vagy ha képes megfejteni a problémát, megnézni és megbizonyosodni arról, hogy nem hagyták ki - mondjuk, hogy van valamiféle mulasztási elfogultság. Ahogyan nézte a problémát, és ahogyan az automatizált problémát megtervezte, vagy az automatizált döntéseit megtervezte, van ennek művészete, és ügyelve arra, hogy pontosan tükrözze ezt az üzleti folyamatot.
Visszatérve a példámhoz a biztosítótársaságnál, amikor modelleztünk és a bérelt személyeket, hogy részt vegyenek ezen a szponzorált képzésen a biztosítás eladására; maga a modell nem volt a jogi légkör, különböző törvények voltak az egyes államok számára. Mindig lesz valami szempont, ahol szükség lesz arra, hogy ezt a külső adatot a belső adataival, és megint az emberi elmével rendelkezzen. Különböző alkotóelemek lesznek ott.
Eric Kavanagh: Azt hiszem, nagyon jó pontot hozott fel itt. Folyamatosan halljuk a robotok és gépek, valamint a gépi tanulás átvételét. Számomra ez egy nagyon romboló tendencia - kétségtelen benne -, de soha nem látom, hogy az összetételben szükség lenne az emberekre, különös tekintettel az adatok elemzésére, a vállalati adatokra.
Nick, egy utolsó kérdés számodra. Számomra, bármennyire is jó az algoritmus, mindig szüksége lesz arra, hogy az emberek figyelemmel kísérjék, mi történik, beinjektálják magukat a megszabott időpontokra, és valóban összeállítják a nagy képet, ami ott van. Nem hiszem, hogy valamelyik algoritmus képes lesz egy szintézisre egy Fortune 2000 vállalat számára, de mit gondolsz?
Nick Jewell: Vegyünk egy teljesen nem Alteryx példát, beszéljünk az Uber-ről a tavalyi évről. Uber, az ausztráliai terrorista esemény során, a terület elől menekülni próbáltak emberek hirtelen túlzott áremelkedést vezettek be, mert az algoritmus ezt mondta, hogy hatalmas reputációs károkat okozott. Közvetlenül ezután megvalósították az embereket és az algoritmusokat együtt dolgozva. Bármikor, amikor ez megtörtént, az embernek felügyelnie kellett a folyamatot. Az emberi és az algoritmus partnersége, ez az út a továbblépéshez.
Eric Kavanagh: Wow, ez egy nagyszerű példa, köszönöm szépen. Nos, emberek, több mint egy órán át égettünk itt a webes közvetítésünkön. Nagyon nagy köszönet Jen Underwoodnak, a Impact Analytics-nek. Természetesen nagy köszönet Nick Jewellnek és az Alteryx csapatnak idejükért és figyelmükhöz, és mindenkinek, idejéért és figyelméért. Nagyra értékeljük ezeket a nagyszerű kérdéseket. Mindezeket az internetes adásokat archiváljuk későbbi megtekintés céljából, bátran ossza meg őket barátaival és kollégáival. Ezzel búcsút fogunk nyújtani Önnek. Kiváló internetes közvetítés ma. Még egyszer nagyon köszönöm, legközelebb utolérjük Önt, emberek. Vigyázz magadra. Viszlát.
