Avtor osebja Techopedia, 29.11.2017
Odvzem: Domačin Eric Kavanagh razpravlja o podatkih in analitiki, pa tudi o vlogah glavnega vodja podatkov (CDO) in glavnega analitičnega uradnika (CAO) z Jen Underwood iz podjetja Impact Analytix in Nickom Jewellom iz Alteryxa.
Eric Kavanagh: Dame in gospodje, pozdravljeni in ponovno dobrodošli na zelo posebni izdaji Hot Technologies. Ljudje, to je Eric Kavanagh, jaz bom vaš gostitelj današnje oddaje, "CxO Playbook: Prihodnost podatkov in analitike." Da, to je precej velika tema, moram reči. Pravzaprav imamo danes malo rekordne množice. Zjutraj smo se prijavili za več kot 540 ljudi. To počnemo ob posebnem času, saj mnogi veste za naše redne oddaje, ponavadi to počnemo ob 4:00 vzhodno, vendar smo želeli sprejeti prav posebnega gosta, ki kliče iz vsega ribnika. Dovolite, da se danes še enkrat predstavim.
Tako je letos vroče - v mnogih pogledih je bilo zelo burno leto, mislim, da ima oblak veliko tega. Sotočje tehnologij, ki smo jim priča na trgu, je glavno gonilo in seveda mislim na SMAC, kot ga imenujejo. Govorimo o SMAC: socialni, mobilni, analitični, oblačni - in vse to se združi. Organizacije lahko resnično spremenijo način poslovanja. Obstaja več kanalov za izvajanje vašega poslovanja, več podatkov je treba analizirati. Zunaj je res divji svet in danes bomo govorili o tem, kako se stvari spreminjajo v paketu C, tako da so glavni direktorji, vrhunski ljudje v teh organizacijah, ves svet se zdaj spreminja in mi govoril o tem.
Na vrhu je resnično tvoj. Danes imamo na razpolago Jen Underwood iz podjetja Impact Analytix in Nick Jewell, vodilni evangelist tehnologije Alteryx. Zelo razburljive stvari. Sinoči sem prišel s tem konceptom, ljudje, in mislim, da je resnično zanimiv. Seveda vsi poznamo glasbene stole, igra za otroke, kjer imate vse te stole v krogu, začnete glasbo, vsi začnejo hoditi naokoli in en stol se potegne; ko se glasba ustavi, se morajo vsi spraviti na stol, medtem ko se v tej situaciji ena oseba v svojem stolcu izgubi. Zelo čudna in prepričljiva stvar se trenutno dogaja v apartmaju C, in če na tej sliki opazite tukaj, imate zadaj dva prazna stola. Običajno stolček izgine v glasbenih stolih, in kaj vidimo danes, sta na ravni C še dva stola: CAO in CDO, glavni analitik in glavni vodja podatkov.
Oba se odpeljeta. Odkrito povedano, glavni vodja podatkov se danes resnično odpravlja kot požar, ampak kaj to pomeni? Pomeni nekaj zelo pomembnega. Pomeni, da je moč podatkov in analitike tako pomembna, da se sejne sobe ali izvršne sobe, naj rečem, C apartmaji spreminjajo - dodajajo ljudi v C-paket, novi novi direktorji pa zapolnjujejo nekatere od teh novih sedežev. Če razmišljate o tem, kako težko je spremeniti kulturo organizacije, je to precej resen posel. Kulturo je težko spremeniti in običajno pozitivne spremembe spodbujamo z dobrim upravljanjem in dobrimi idejami in takšnimi stvarmi. Če razmišljate o priložnosti, ki jo imamo prav zdaj, z dodajanjem novih vodstvenih delavcev v paketu C za analitiko in podatke, je to resnično veliko. Govori o priložnosti, da organizacije lahko spremenijo smer, in upoštevajmo, velika, stara podjetja se morajo resnično spremeniti zaradi tega, kako se spreminja trg.
Običajno navajam primere na primer Uberja ali Airbnb-a kot organizacije, ki je v bistvu porušila celotne panoge, in to se dogaja povsod. Danes se bomo pogovarjali o tem, kako se lahko vaša organizacija prilagodi, kako ljudje tam uporabljate te podatke, ta vpogled, da spremenite svojo poslovno pot in da boste uspešni v informacijski ekonomiji.
S tem bom izročil ključe WebExa Jen Underwoodu, nato pa se bo oglasil tudi Nick Jewell; kliče iz Velike Britanije. Hvala obema in Jen, s tem vam ga bom izročil. Vzemi stran.
Jen Underwood: Hvala, Eric, čudovito zveni. Dobro jutro vsem. Danes bomo govorili o tej knjigi CxO playbook; Prihodnost podatkov in analitike je prihodnost in takoj se bom potapljal. Eric je že lepo opravil pogovor o tem, zakaj je to tako pomembno. Naši govorniki smo danes videli še en diapozitiv s temi informacijami, vendar boste danes in Nick Jewell na tej seji danes zelo interaktivno govorili. Odprli se bomo z opisom, kakšne so te vloge in vrste stvari, ki jih opravljajo. Pregledali bomo analitično industrijo, napovedi na splošno in nekatere izzive, s katerimi se bodo spopadli ti ljudje. Dinamika znotraj organizacij, ko se pripravljate na prihodnost, nato pa bomo govorili o naslednjih korakih in vam dali smernice za načrtovanje, če boste raziskali nekatere od teh vlog v svoji organizaciji.
Če govorimo o tem CxO, CAO, na primer, to je glavni analitik, to je naziv delovnega mesta za starejše vodje, ki so odgovorni za analizo podatkov v organizaciji. CAO ponavadi poroča generalnemu direktorju in bo hitro nastajajoče stališče ključnega pomena, ko razmišljate o množičnosti in njeni digitalni preobrazbi, ki jo imamo prav zdaj, na način, na katerega podjetja sprejemajo in sprejemajo svoje poslovne odločitve.
Če menite, da je digitalno preoblikovanje in inteligenca tisto jedro digitalne transformacije, je ta CAO v strategiji zelo strateška vloga. Ne le, da močne znanstvene podatke vračajo k dejanskim spoznanjem in tem znanjem, ampak imajo v lasti to donosnost naložbe in vpliv, torej na čem se merijo? Kako prinašajo donosnost naložbe s podatki, ki jih imajo, in številkami spodnje vrstice v organizaciji za strateško izkoriščanje podatkov. To stališče je skupaj z glavnim direktorjem za informiranje CIO postalo vidno zaradi porasta tehnologije in digitalne preobrazbe ter vrednosti podatkov.
Že leta so podatki v tem določenem svetu zlati z monetizacijo in inteligenco in preoblikovanjem teh informacij. Da lahko sprejmemo ta proaktivna dejanja in ne vedno samo gledamo nazaj, kot take. Obe stališči sta si podobni, saj se ukvarjata z informacijami, vendar se bo CIO sam po sebi osredotočil na infrastrukturo, kjer se CAO osredotoča na infrastrukturo, potrebno za analizo informacij. Podobno stališče je CDO in slišite veliko več, verjetno slišimo malo več o CDO kot danes o CAO. CDO se bolj osredotoča na obdelavo podatkov in vzdrževanje ter na te procese upravljanja skozi celoten življenjski cikel upravljanja podatkov.
Ti ljudje bodo tudi odgovorni za unovčitev podatkov in pridobivanje vrednosti podatkov ter delujejo skozi zrelost življenjskega cikla upravljanja in varnosti skozi celoten življenjski cikel. To so ljudje, ki bi bili zelo naklonjeni, sami po sebi ali odgovorni za to, da bo GDPR - o čemer bomo govorili malo - Evropski zakon o varstvu podatkov, s čimer bi zagotovili, da bodo te stvari zajete v njihovih organizacijah. Zdaj smo dobili strukturo in prihodnost za moteče dinamične vloge, ki temeljijo na podatkih. To so vrste stvari, za katere bo odgovoren CDO, in ne samo oni sami - vzpostavili bodo večfunkcijsko ekipo. Imam nekaj primerov ljudi, ki bi se sami po sebi zbrali v organizacijska struktura, od arhitektov in vladnih ljudi, in celo analitiki in podatki znanstveniki in inženirji v organizaciji se lahko zberejo zanje.
Ko smo napredovali v obete za analitiko v industriji, je bilo to fenomenalno - verjetno desetletno, celo dlje - v tej panogi. Nenehno raste, zelo razburljivo, tudi v času trka pred leti je bilo še vedno veliko povpraševanje. Prav čudovito mesto je bilo, in če pogledate na CIO dnevni red družbe Gartner v letu 2017, sta BI in analitika še vedno med prvimi tremi lestvicami, kar je za organizacijo najpomembnejše, in če pogledamo rast trgov programske opreme, smo nenehno videl rast tam. Že dolgo, ko sem bil v tem prostoru, je bila vedno res svetla kariera.
Ko pogledamo to digitalno dobo in preobrazbo, so mi zelo, zelo zanimivi, ali so ti procesi, ki jih imamo, pogosto pa pridobivanje informacij in ukrepanje iz procesov ali med poslovnimi procesi. Zdaj je Gartner ocenil, da bodo do leta 2020 informacije, ki ste jih uporabili, na novo izumili, digitalizirali ali celo odpravili. Osemdeset odstotkov poslovnih procesov in izdelkov, ki smo jih imeli pred desetimi leti, in to začnemo videti, kajne? Začenjamo opažati, da so z verzi na Amazonu morda nekatere od velikih trgovin s škatlami, Ubers, Airbnbs - ti digitalni modeli motijo proces in zdaj ljudje komunicirajo. Celo Črni petek - ne vem, koliko ljudi je res šlo v trgovino - veliko ljudi kupuje na spletu in kako doseči to stranko? Za to je potrebna inteligenca. Potreben je zelo drugačen način interakcije in personalizacije sporočila in obveščanje, da jim pravočasno predstavi pravo ponudbo, zdaj pa je morda to s klikom gumba. Tako enostavno lahko zapustijo vašo spletno trgovino. Stvari se v tem svetu res spreminjajo in mislim, da je Nick želel o tem tudi klepetati.
Nick Jewell: Ja, hvala vsem, najlepša hvala. Vnaprej se opravičujem, če bo zvok, ki prihaja iz Londona, rahlo zamudil, se bom potrudil, da ne govorim o tebi, Jen.
Popolnoma prav imate, da odstranjevanje odpadkov, ponovna uvedba kot del digitalne preobrazbe, pogosto nastane, ko se organizacije premaknejo od naročenih izdelkov, morda odklopljenih aplikacij, v bolj odprte in povezane platforme. Ko je vaš postopek digitalni, bo veliko lažje videti pot do konca. Resnično izpopolnite korake z uporabo podatkov za optimizacijo tega procesa.
Drsimo naprej po diapozitivu, če le moremo. Kar zadeva digitalno preobrazbo, kaj pomeni za organizacije, je verjetno vznemirljivo ali zastrašujoče, odvisno od tega, na kateri strani spektra sediš. Oglejte si tabelo, ki prikazuje življenjsko dobo podjetij in kako moteči vplivi vplivajo na bogastvo organizacije. Če ste podjetje ustanovili v dvajsetih letih prejšnjega stoletja, imate v povprečju skoraj 70 let, preden vas je motilo drugo podjetje. Precej lahko življenje po današnjih standardih, saj danes podjetje komaj dobi 15 let, dokler motnje ne ogrožajo obstoja. Predvideva se, da približno 40 odstotkov današnjih Fortune 500 podjetij, torej tudi S&P 500, čez 10 let ne bo več. Do leta 2027 naj bi 75 odstotkov S&P 500 zamenjali, tako da se razpolovna doba, s katero se organizacije soočajo danes, preden se morajo skrbeti za motnje, resnično zmanjšuje. Uspešna podjetja morajo ostati pred to dirko digitalnih inovacij.
Danes nihče res ne dvomi v analitiko. To je osrednja točka, ta digitalna poslovna preobrazba. Pravzaprav organizacije postavljajo digitalne inovacije prav na čelo svoje strategije. Te družbe, oni so prvih pet najdragocenejših podjetij na svetu, ki predstavljajo dva trilijona dolarjev tržne vrednosti, Jen.
Jen Underwood: Ja, neverjetno je, v resnici je. Res se spreminja in hitro. Druga dinamika, ki jo imamo in smo o tem že govorili, zdaj mislim, da končno vidimo, organizacije pa čutijo to eksponentno rast virov podatkov in ne gre več samo za analizo podatkov o strukturiranih virih podatkov. Ponovno govorimo o tem, da imate samo nekaj trenutkov, da se odločite za nekatere od teh digitalnih procesov, in te stvari prihajajo v JSON-jih iz API-jev REST, govorimo o nestrukturiranih podatkih, ali gre za datoteke dnevnika, vse vrste različnih vrst podatkov, pa tudi izredno konstantno rast.
Nick Jewell: Ja, Jen, tako kot ste poudarili, se analitični vodje utapljajo v morju podatkov. Do vpogleda v visoko vrednost, morda z uporabo mešanice obstoječih ali novih analitičnih tehnik, je res končni cilj, vendar obstaja resnično in temeljna težava, s katero se soočajo številne organizacije, s katerimi se resnično soočajo. Naročili smo Harvard Business Review, opravili smo anketo in se pogovarjali z analitiki podatkov in vodji podjetij. Vprašali so, koliko virov podatkov uporabljajo v svoji organizaciji za sprejemanje odločitev, in povsem jasno je, da je v zadnjih nekaj letih prišlo do bistvenega premika. IT je včasih združevala podatke in jih pošiljala v podatkovno skladišče, toda mislim, da kljub analitičnemu delu, ki so ga opravile skupine IT, ki ustvarja centralizirano upravljanje podatkov, se analitiki še vedno soočajo z nalogo, da ustvarijo določen analitični nabor podatkov, vendar jih morajo odgovorite na poslovno vprašanje. Pravzaprav ima le šest odstotkov vseh svojih podatkov na enem mestu, večina analitikov pa mora podatke potegniti iz petih ali več virov - stvari, kot so preglednice, oblačne aplikacije, socialni mediji in seveda, ne da bi pozabili na to skladišče podatkov.
Zdaj večina organizacij to priznava, toda večina organizacij se ne ukvarja s preprostim dejstvom, da podatkovni strokovnjaki porabijo več časa za upravljanje in iskanje podatkov, kot pa dejansko pridobivajo vrednost. To niso odmevni strateški analitični problemi, o katerih želijo slišati poslovni izvršitelji. Toda če se ne lotimo temeljnega vprašanja, bomo organizacijam resnično preprečili, da bi dosegli vpogled v vrednost. Jen?
Jen Underwood: To je zanimivo. Definitivno sem videl različne študije o tem in tu je ta del, ne glede na to, ali gre za 80 odstotkov časa ali trilijone dolarjev, ki vedno znova in znova popravljajo iste podatke, zelo neučinkovito v organizaciji. To sešteje, teh 37 in teh 23 odstotkov je zelo drago izguba časa. Neverjetno se mi zdi, da se temu ne posveča več pozornosti.
Če pogledam nekatere od teh, kar bi poimenoval tržne sile, in velikokrat, ko govorim o trendih v industriji, zelo rad sledim industriji in ohranjam stalen utrip. Pomembno je razumeti, kdaj je nekaj več kot trend, kdaj bo res sila, na katero morate biti pozorni, in to so trenutno prva tri, na katere morate biti pozorni. To je hitra rast, številka ena je hitra rast ne relacijskih baz podatkov. Pravkar sem omenil celoten koncept, da ne bi imel veliko časa, da bi sam poizvedoval o JSON-u, tovrstni neskladni scenariji se zelo povečujejo - mislim, da imam v trenutku nekaj statistike - hitro.
Druga stvar je stalni premik v oblak. Pred klicem, ki sem ga omenil, sem bil vodja izdelkov po vsem svetu v enem od velikih tehnoloških podjetij in sem pred tremi leti imel težke pogovore s skupinami, ki so govorile: "Nič ne bomo dali v oblak. Ne bomo se premaknili v oblak. "In zelo zanimivo je bilo videti skupine leto kasneje, dve leti kasneje, zdaj slišim iz istih skupin, da imajo vsi načrt v oblaku. Mislim, da so vsi zelo široki izjavi, toda kar bi rekel, ljudje, ki so bili v oblaku, se je zagotovo v zelo kratkem času odnos zelo spremenil, tudi odkar sem govoril s skupinami po vsem svetu te vrste stvari.
Avtomatizacija, to je področje, ki me je fasciniralo, in področje, za katerega zagotovo opažamo veliko dejavnosti in veliko dejavnosti. O nekaterih od teh stvari govorimo, da ima to zapravljen čas in neučinkovito izrabo svojega časa. Avtomatizacija je zagotovo eno izmed področij, nad katerimi sem najbolj navdušen, ko razmišljam o prinašanju vrednosti organizaciji.
Naslednji diapozitiv, o katerem bom govoril, to je študija IDC-ja, pregledali so tržne segmente in rast in res je čudovit način za utrip pri tem, kaj resnično raste, kaj kupujejo vaši vrstniki? Katere vrste stvari jih ne zanimajo več? Te vrste stvari in njihovo vključevanje v strategijo.
Po mnenju IDC na svetovnem trgu programske opreme za velike podatke analitika ima 16 segmentov, v tem smislu pa gledamo celo na nekatere spremembe imena. Dodali smo neprekinjeno analitično programsko opremo, kognitivne programske platforme AI, iskalne sisteme, tako da so bile tukaj dodane še nekatere nove kategorije. Ta pregled trga zajema v veliki meri horizontalna orodja, predpakirane aplikacije, pa tudi nekatere podporne odločitve in primere avtomatizacije odločitev. Spet bodo to vrste rešitev, ko razmišljate o CDO, v kontekst CDO postavite njihov portfelj, ki morda upravlja od integracije podatkov do vizualizacije, strojnega učenja in vseh teh vrst zmogljivosti, ki jih potrebujejo imeti v digitalni dobi.
Sam svetovni trg za tovrstne rešitve je v sedanjih valutah porasel za 8, 5 odstotka, celotni trg pa je po podatkih IDC zrasel za 9, 8 odstotka. To je bilo v primerjavi z - gledate na nihanje valut v obdobju nekaj let in stopnja variacije je minimalna, toda tisti zgornji trije segmenti, ki sem jih izpostavil, samo da bi vam dali občutek za te nerelacijske analitične vire podatkov, 58 odstotkov medletna rast, analiza vsebine in iskalni sistemi so znašali 15 odstotkov, nekatere aplikacije za odnose s strankami, stvari tipa CRM ali Salesforce Einstein, na primer, te rastejo več kot 10 odstotkov, trenutno so 12 odstotkov. Mislim, da je Nick želel dodati nekaj komentarja tudi k temu.
Nick Jewell: Hvala, Jen. Je fantastičen vizual. Mislim, da smo pri Alteryxu vedno verjeli, da bosta priprava in mešanje podatkov vedno jedro kompetenc katerega koli analitičnega sistema, vendar je resnično temelj za vsako naprednejšo analitiko. Zdaj, zadnjih nekaj let, govorimo o industriji - morda je bila nekoliko preveč osredotočena na nekatere nove zmogljivosti interaktivne vizualizacije. Izgledajo čudovito, ker povečujejo angažiranost, omogočajo vpogled, a nas v resnici niso presegli nad opisno analitiko.
Mislim, da zdaj, ko ljudje že nekoliko višje prihajajo, organizacije, ki začenjajo razumeti poslovne vrednote, izvirajo iz bolj sofisticirane analitike, ki šele zdaj vstopa v glavni tok. Tu se postavlja vprašanje, kako ali natančneje kdo? To je skočilo na analitiko večje vrednosti; se resnično sprašuje vprašanje pomanjkanja analitičnih talentov v precej ostro olajšanje, bi se strinjali?
Jen Underwood: Absolutno in sem, mislim, da sem ravno tvitnil, sinoči videl resnično fascinanten komentar podpredsednika Adobeja, ki je dejal: "Strojno učenje je postalo tabela", kjer so bili ljudje previdni, zdaj je to postalo potreba in je zanimiva. Če pogledamo to in samo majhen majhen drugačen kot, sam po sebi. Veliko ljudi, to začnemo doživljati kot območje visoke rasti z nerelacijsko analitično trgovino in kognitivnim AI, to strojno učenje, to visoko vrednoteno analitiko. Toda na koncu dneva je zdaj največji segment, torej tam, kjer se danes dogaja največ nakupov, še vedno v tem osnovnem, kar bi rekel, poročanju o poizvedbah, nekaj vizualne analize, in še vedno raste in to je nekaj, za kar mnogi domnevajo, da ga že imate - ni nujno. Še vedno raste vsako leto 6, 6 odstotka.
Kot CDO - in rad sem prikazal ta diapozitiv - v bistvu samo, če rečem, ko greš v to novo vlogo ali iščeš podatke v neki organizaciji, je kaos in mislim, da ta poseben diapozitiv resnično lepo delo - to so vsa različna potencialna področja, za katera lahko imate podatke. Morda so na samem mestu, lahko prebivajo v oblaku, morda so hibridni, povsod so in je veliko premočno - spet, to je vloga vrste C na ravni C zdaj v organizaciji in ni preprosta naloga ali preprosta - v tem posebnem svetu, ki ga je treba prevzeti, je na trenutke precej prenaporno. To je svet, po katerem mora ta CDO krmariti, da bo lahko obvladal, kar bi rekel, in tako maksimiral vrednost podatkov.
Nadaljevanje izziva, maksimiranje vrednosti vseh teh različnih virov in kar imamo od tega so ta zaključna okna časa, s katerimi se ti digitalni procesi ali vpogled v akcijo zapirajo. Če razmišljate o morda pred petimi leti, pred desetimi leti, boste morda imeli poročila, da boste kandidirali, da boste sprejemali odločitve z zalogami ali dejanji, ki bi se lahko izvajale tedensko, mesečno, potem so postale vsak dan ali čez noč, morda je to na uro.
Zdaj vidimo, da so ti inteligentni strojni učenji vgradili umetne inteligentne pisarne, sprejemali odločitve in popravke na kraju samem, tako da so celo stvari, kot je internet stvari, IoT-ov vgrajena analitika na robu, ti sistemi pametni in ti algoritmi lahko samoprilagodite in spremenite nekatere odločitve, ki jih sprejemajo na kraju samem ob pravem času. Z digitalnimi vrtljaji in temi dotičnimi točkami je bilo zelo zanimivo videti to posebno dinamiko - čeprav so se povečale, se čas za ukrepanje zmanjšuje in tehnologija se za te scenarije razvija.
Nick Jewell: Ja, Jen, mislim, da je eden najbolj zanimivih vidikov, kako se spreminja podatek vpogleda, ta, da analitika prispe do končnega uporabnika. Ali uporabnike prosimo, da skočijo na armaturno ploščo, ko se odločijo kritično, ali pravimo, da je vpogled, naslednje najboljše dejanje, na voljo neposredno znotraj postopka, v toku, da bi dosegli to konkurenčno prednost? In analitični model, o katerem govorimo, bo morda moral vložiti svoje podatke iz številnih različnih virov - tradicionalna skladišča podatkov, geolokacije, družbeni mediji, senzorji, klikstream - vsi ti podatki vplivajo na odločitev in ta dejanski rezultat .
Jen Underwood: Če nadaljujemo na to temo izzivov in sprememb, kar trenutno imamo, in izzive, ki jih mora sprejeti izvršni direktor in načrtovati način, kako jih osvojiti, v bistvu imamo preveč podatkov za učinkovito upravljanje in ročno analizo. Dolge zamude so; te zamude moramo skrajšati in najti moramo način za povečanje vrednosti podatkov, ki jih imamo. Na svetu primanjkuje talenta za znanost o podatkih in za pokrivanje teh spoznanj in oceanov, ki bi jih mi imenovali oceani. Dobra novica je, da se na vseh področjih tega danes dogaja nekaj čudovitih novosti in vznemirljivo je videti, kaj, kam nas bo peljala tehnologija, ki nam bodo pomagali pri teh izzivih.
Ko sem nadaljeval s pregledovanjem tega, je med pogovorom s strankami ali s skupinami, ki uporabljajo nekatera od teh orodij, nastala nekaj zmede. Nekateri klasični izzivi obstajajo še danes, le še nekoliko se zaostrijo pri poskusu iskanja podatkov za analizo. Nekatera orodja za iskanje, nekateri katalogi tam zagotovo pomagajo - zdaj najdemo, kateri katalog uporabiti kdaj. Obstaja nekaj različnih katalogov, zato je na različnih mestih, kjer lahko shranjujete in delite podatke, zato je treba poskušati poiskati enega, morda katalog, v katerem bi morali iskati.
Druga stvar je skupna raba. Govorili smo o eni od raziskav iz Harvard Business Review, koliko časa porabimo, v bistvu opravljamo naloge brez dodane vrednosti, zapravljamo čas in kako drago je to lahko. Če lahko skupno delite in uporabljate skupne vire podatkov, so skripte že razvite, logika je že tam, lahko učinkovito upravljate z njimi, zato uravnotežite upravljanje z okretnostjo analitike, to si resnično želite prizadevati. in krmarimo po tem svetu, kot bi rekel, imamo nišna orodja, imamo avtomatizirana orodja za potek dela, imamo klasični Excel, kataloge podatkov, samopostrežni BI, orodja za znanost podatkov. Kot je pokazala ena slika, je med njimi veliko, veliko orodij in veliko prekrivanj.
Nick Jewell: Ja, popolno, Jen, in menim, da se okno vpogleda, kot ste omenili, zagotovo zmanjšuje, toda čas, ki je potreben za dejansko uvajanje modelov, ne sledi. Uvajanje napovednih modelov je še vedno velik izziv za številna podjetja. Pogovarjali smo se s Carlom Rexerjem, ki je predsednik Rexer Analitike, in v Carlovi raziskavi o podatkih o raziskavi podatkov za leto 2017 je ugotovil, da le 13 odstotkov znanstvenikov podatkov pravi, da se njihovi modeli vedno uvedejo, zato se to razmerje le ne izboljša, zato pojdite nazaj z vsako predhodno raziskavo. V resnici se vračamo v leto 2009, ko smo prvič zastavili vprašanje in vidimo skoraj enake rezultate, tako da imamo resnično vrzel.
Jen Underwood: Ko pogledamo zrelost analitike, hitro napreduje. Ponovno smo bili pred dvema, tremi leti zelo navdušeni nad vizualno analizo samopostrežne storitve in na koncu prilagodljivi in širimo BI na množice. Ko rečem množice, verjetno še vedno napajajo uporabnike v organizaciji. Zdaj vidimo optimizacijo, napovedno analitiko, poglobljeno učenje, naravni jezik in številne druge tehnologije, ki bodo resnično, ko bodo vpete v vsakdanje procese, končno resnično demokratizirale analitiko zelo neopazno za množice, za prave množice, ki jih bodo uporabljale znotraj obstoječe poslovne procese, ki jih že imajo.
Nick Jewell: Ja, Jen, pogovoriva se o tej zadnji kategoriji, če lahko. Danes bo večina poslušalcev seznanjena s programsko opremo AlphaGo Google DeepMind, ki je v zadnjih nekaj letih premagala nekaj najboljših igralcev Go na svetu. AlphaGo se je naučil igrati igro s preučevanjem ogromnih količin prej posnetih tekem. Toliko, da so komentatorji turnirja AlphaGo trdili, da je programska oprema igrala v slogu japonskega velikega mojstra, verjeli ali ne.
Toda v zadnjem mesecu so poročali o skoraj bolj presenetljivem rezultatu. To je bil AlphaGo Zero, globoko učenje, nevronska mreža, oborožena s preprostimi pravili igre in optimizirano funkcijo. Naučila se je postati najmočnejši igralec Go na svetu brez nadzorovanega treninga in vse to je storila v približno 40 dneh. To tako imenovano učilno učenje, pri katerem ljudje opredelijo izziv, naj sistem globokega učenja raziskuje, izboljša, resnično lahko prinese največji vpliv v analitičnem prostoru še. Torej, najbrž, spremljajte.
Jen Underwood: Ja, res je zanimivo, da si to omenil. Si lahko predstavljate izključitve? In to začenjam videti. Resnično, ko govorim o avtomatizaciji, je zelo navdušujoče, da so rešitve dovolj pametne, da čistijo zrak, se samodejno učijo iz sistemov, vklopijo in igrajo in preprosto vedo, kaj storiti naprej na podlagi nekaterih preteklih odločitev ali drugih odločitev ki so bili narejeni znotraj organizacije in so upravljali nekatere od teh sistemov, sisteme ETL in zanje skrbeli, in imeli so se že čez dan biperji in telefoni, ki so me klicali z opozorili, ko se procesi ne izvajajo, je tako razburljivo misliti, "Vau, zdaj je dovolj pameten, da se verjetno samozdravimo."
Moj mož upravlja mrežo za samozdravljenje, imeli bomo integracijo podatkov o samozdravljenju, analitiko samozdravljenja in kjer je vse boljše in boljše, je res navdušujoče. Kot CDO, ko začnete razmišljati o tem, da ljudje obdelujejo tehnologijo, si bomo ogledali, zdaj gledamo tehnologijo, nato pa bomo pogledali ljudi in kako pristopiti k oblikovanju svoje ekipe in gradnji spretnosti. Če pogledate sodobno analitično platformo, vam takoj povem, da ne bodo vsi imeli vsega tukaj, čeprav imajo največje organizacije lahko vse te različne komponente, nekatere skupine imajo morda samo dve ali tri majhne škatle tu, zato nisem hotel pretiravati s tem. Toda sodobna BI platforma ne zahteva nujno IT-zgradbe, vnaprej definirane semantične plasti poročanja.
Uporabnike in strokovnjake bi morali resnično pooblastiti, da samo pripravijo podatke za analitično hitrost in okretnost, in če razmišljate o naraščanju tega, kar bi rekli, analitika pod vodstvom uporabnikov in strokovnjakov, da bi strokovnjaki, ki se ukvarjajo s tem, pustili okretnost, bi morali sprejemajo hitre odločitve. Opažamo povečano sprejetje tega, kar bi rekli, orodja za pripravo osebnih podatkov, rokovanje s podatki, obogatitev, čiščenje, vrste dejavnosti, ki jih izvaja Alteryx, in nekatere dejavnosti naravoslovja podatkov, ki jih ponujajo kot dobro. Sodobna rešitev za pripravo ponujajo inteligentne, avtomatizirane povezave, ločljivosti zraka, prestavljanje podatkov, ko imate velik prenos podatkov, je zelo, zelo kul. To je verjetno spet eno od področij, ki mi je všeč in zelo uživam v testiranju tudi v industriji.
Za razliko od tradicionalnega BI-ja, ki ga vodi IT, se danes resnično osredotoča na omogočanje poslovanja, ljudje, kot so CDO, pa združujejo ali izbirajo prave rešitve za orkestracijo, organizirajo in poenotijo te podatke in se prepričajo, seveda, urejeno, kajne? Ena stvar, ki mi je zelo zanimiva, in zagotovo mislim, da smo to sklepali, vendar mislim, da nismo ravno povedali, ko gre za shrambo podatkov v velikosti, ki ustreza vsem in konec-vse-vse, zagotovo je konec. Podatki so povsod, kar morate narediti - podatkovna jezera so se pojavila v sliki, tam se pretakajo podatki v živo in zdaj je toliko različnih podatkovnih virov, res je bolj uporaben na primeru, "Kaj potrebuješ?" "Vse moramo spraviti v podatkovno skladišče." Nisem prepričan, Nick, ali si hotel to komentirati? Ne spomnim se.
Nick Jewell: Rekel bom samo eno stvar in to je samo, opazujte evolucijo komponente. Kar so strokovnjaki storili pred petimi in desetimi leti, je zdaj v rokah uporabnika, zato bodo stvari na desni strani tam bolj uporabne v obliki povlečevanja in spuščanja, brez kode, zelo kmalu. Hitro in hitreje se bo premikalo, zato na to le pazite.
Jen Underwood: Ja, to je res dobro. Rada razmišljam o tem. Različna podatkovna znanost končno postaja resničnost in orodja postajajo toliko boljša. Če razmišljamo o tehnologiji, moramo zdaj imeti znanje in ljudi ter kaj moramo storiti? Trenutno so najboljša delovna mesta, vključujejo naslove, kot so znanstveniki podatkov, podatkovni inženir in poslovni analitiki, vendar ugotavljamo, da je delodajalcem res težko izenačiti. Tudi v prostoru za pripravo podatkov si bom rekel: "Ali gre za pripravo podatkov, ali gre za prenašanje podatkov, kakšne izraze ljudje imenujejo?" To je bilo zelo zanimivo najti.
Podjetje ne ve, kaj potrebujejo, in tu je novo novo nastajajoče področje, ki bo obsegalo veliko različnih področij. Če pogledate, da morajo vsi zdaj biti gospodarji svojih podatkov, poslovne analitike, vodje IT projektov, moj mož, ki upravlja elektroenergetsko omrežje in portfelj projektov, mora to znati analizirati. Ne gre samo za finance in analizo podatkov, ampak tudi za širša področja. Mislim, da sem videl študijo o tem, koliko virov podatkov trženje uporablja, in bila je pretirana. Ko spet pomislite na študijo, ki jo je izvedel Harvard Business Review, ljudje ne bodo več samo enega vira podatkov, ki bi ga morali zmešati in združiti in poiskati vpogled, je veliko virov podatkov in za to je potrebna spretnost.
Če tukaj pogledate v bistvu večjo sliko, bo večina novih najemnikov v tem rožnatem mehurčku proti dnu, ko o teh poslovnih analitikih govorite analitikom za rudarjenje podatkov, vodjem kadrovskih služb na tem področju, samo rednimi vlogami v vrsti poslovanja s podatki. Najhitreje rastoče vloge bodo imele manj delovnih mest, zagotovo pa tisto, kar danes na trgu najbolj slišimo, podatkovni znanstvenik in podatkovni inženir. Kot CDO gledajo naprej in načrtujete talent, morate upoštevati nekaj avtomatizacije rutinskih opravil in vrste veščin, ki bodo bolj strateške, in znova s svojo organizacijo dodajte vrednost. tiste z omogočeno analitiko, pa tudi za tamkajšnje znanstvene in podatkovne inženirje. Razmislite, kako bi se lahko vaši neobjavljeni položaji in celo nekaj svobodnega gospodarstva spremenili, ko bi razmišljali o tem, da bi se potegovali za najboljše in najsvetlejše.
Vedno pa razmišljajte tudi o svojem talentu in tako pomagajte kandidatom, da se usmerijo po trgu ali iščejo stvari, ki so malce drugačne in niso natanko tiste, kar želite, in ustvarjate lastne tečaje analitike, ki morda res niso najbolj hitri stroškovno učinkovita strategija, da bi bili v koraku. Razmislite o tem, kako gledati ljudi, ki so namenjeni usposabljanju v tej ali različnih skupinah, in verjamem, da ima Alteryx danes na koncu seje priporočen tečaj kot poziv k ukrepanju, da lahko za nekatere od teh stvari izkoristite in pomagate svojemu moštvu. nekateri obstoječi viri, ki so že na voljo.
Nick Jewell: Vsekakor. Obstaja toliko načinov, kako zapolniti vrzel talentov, ne da bi se ujeli v tekmi z orožjem. Še nekaj diapozitivov nazaj, ne vem, ali lahko nekaj prevrnete tja. Kaggle, spletno mesto za tekmovanje v znanju podatkov, so pravkar objavili anketo s 17.000 odzivi o stanju podatkovne znanosti in resnično je bil zanimiv odziv raziskave o veščinah, ki so jih imeli ljudje, večina anketirancev pa ni imela doktoranda., preprosto ni več pogoj.
Ideja, da strokovnjaki za analitiko naslednje generacije, tisti glavni balon, ki ste ga ravnokar pokazali, lahko pridobijo znanje, ki ga potrebujejo na tečajih nano-stopnje. Lahko se odpravijo na spletna mesta, kot je Udacity, in to znanje lahko takoj uporabijo, neposredno v poslu, kratkoročno osredotočeni cikli dostave so tako neposreden vir napredka konkurenčnosti njihovih podjetij. Torej, na kaj moram biti pozoren.
Jen Underwood: Ne, se strinjam. Tudi če pomislim na to, bo gotovo prišlo daleč, saj sem na UCSD prevzel dvoletni program. Mislim, da je bilo to v časovnem okviru leta 2009, 2010 in res je bilo v državi res nekaj, kar vam je omogočilo. Na splošno je zdaj veliko več možnosti, pa tudi specializiranih programov, ne glede na to, ali gre za prodajalce, veliko virov, ki so danes na voljo z zankami in vse te različne spletne vire, preprosto je neverjetno, res je čas. Čas in proračun za to in načrtujete čas, da boste vedno v koraku. Kaj se želite naučiti? In potem po tej poti, ki se je želite naučiti.
Če bi govorili o tem in sestavili svoj lasten načrt spretnosti in iz pričakovanja CDO, se prepričajte, da imajo ljudje na pokritem področju, od tega, kar bi rekel okvir kompetenc sam po sebi, pogled na spretnosti ali pogled na stvari, kot je znanje o domeni Kljub temu je še vedno ključnega pomena, čeprav se lahko s temi rešitvami samo usposabljanja in samostojnega učenja, je res strokovnjak za poslovne teme, ki bo vodil in poskrbel, da bodo rezultati smiselni.
Vedno je nekaj in rad bi uporabil primer, ko sem delal kritično analitiko za zavarovalnico, in ena od ugotovitev, da algoritmi niso bili najemniki iz New Yorka. No, ne, ne bomo angažirali nikogar iz New Yorka - ugotoviti smo morali, zakaj nam algoritem daje te podatke. Zato, ker se je spremenil zakon, eden izmed zakonov in zato smo se na tem določenem segmentu zelo prebijali. Treba je pripeljati strokovnjaka za poslovno tematiko, da bi to razvozlal, in ne vidim, da bi se to spremenilo, ne vidim takšnega vodenja, da bodo rezultati videti natančni, ali se kaj odmisli - še vedno, tam je nekaj, kar bi rekli človeški um, lepota tega v kombinaciji z močjo stroja je res tam, kamor gremo.
Druge vrste stvari, ko gledate veščine, vizualizacijo, učinkovito zgodbo v podatkih, učinkovito zgodbo, ne glede na to, ali gre celo za strojno učenje. Če združimo in pogledamo, kakšen vpliv ima, razumevanje človeške narave odločanja, so te vrste stvari zelo pomembne, ne glede na tehnologijo. Upravljanje je resnično pomembno, etika je vse pomembnejša. Vključeni so družboslovci, ki razumejo in so usposobljeni za pregledovanje pristranskosti v vaših podatkih, ki jih vi sploh ne zavedate ali nimate nikogar v organizaciji, ki tega morda niti ne bi priznal, celo vključil v strokovnjaka, ki imajo te vrste stvari.
In spet, seveda, da imate infrastrukturo za inženiring in strojno opremo ter poskrbite, da lahko spreminjate obseg in je razvit ter poskrbite, da uporabljate pravega ponudnika oblakov, morda niste zaklenjeni ali imate možnosti za premikanje oz. razumete ceno, koliko vas bo to stalo. To so te vrste spretnosti in ko bi pogledali na to, bi to poimenovali spretnosti na različnih področjih, ne glede na to, ali gre za podatkovne usmerjevalce, ki bodo sprejemali odločitve - kjer bo večina teh vlog - vse do tistih inženirjev podatkov in znanstvenikov, ki bodo masirati in delati v teh oceanih podatkov. To so vrste stvari, za katere boste želeli sestaviti okvir.
Če gledate okvire kompetenc, gledate na organizacijo na splošno, želite upoštevati kompetenco, ne le veščine. V tem besedilu je malo odtenka, ko gledate na to. Okvir kompetenc za vašo organizacijo je jasen signal. Oblikovalci vojne politike, ponudniki izobraževanja, medtem ko bi bile veščine, vpisane pod črko R, razmišljate o takšnih stvareh, imate kompetentnega koderja, vendar želite imeti več kot le te veščine. Ko razumete kompetenco, kaj mora človek znati in razumeti okvir, je to pomembno, tam je nekaj nianse.
Ko gradite to, želite diagnosticirati, kaj bi imenovali zmogljivosti, ki imajo pozitiven vpliv na podjetje, in poudariti ta območja z visokim potencialom, tako da prednostno določite, katere kompetence želite dvigniti v svoji organizaciji in nato jih ponovno uskladite s poslovnimi cilji. CDO, ki je odgovoren za maksimiranje vrednosti podatkov, si jih bodo ogledali, in njihov CAO, ki bo uporabil analitiko za povečanje vrednosti podatkov. Pregledali bodo te kompetence in tista različna področja v pretekli mreži, ki sem jo imel tam, potem pa bodo preučili tudi velik potencial osebja. Prepovedali se boste, da s svojim osebjem za podatke in analitiko dela in vlaga v njih, jim ponujate priložnosti za učenje in ne samo usposabljanje, v resnici v resničnih priložnostih, ki delujejo na resničnih poslovnih problemih.
Nič boljšega - čeprav sem šel v šolo nekaj let, šele potem, ko sem šel in uporabil nekaj teh algoritmov ali se naučil o goljufiji pri preverjanju, izvedel nekaj teh stvari, o katerih še nikoli nisem razmišljal, in ti začnite sestavljati v resničnem svetu in tam se resnično učite. Dajanje ljudem priložnosti za pridobitev izkušenj na teh področjih. Podjetja, ki so najbolj sposobna zgraditi močne sposobnosti, ki sistematično identificirajo, objektivne ocene in gledajo, kje obstajajo vrzeli v moji organizaciji pri učenju in postavljanju nekaterih meritev za cilje za ljudi, so tista, ki bodo sposobna dostaviti.
Ko razmišljate o usposabljanju odraslih, je ponavadi spet čas, ko stradate - ves čas smo stradani - ampak gledamo, kaj deluje za vsakega. Osebno imam knjige, tako da če bi danes prišli v mojo pisarno, bi videli na tone knjig, čeprav je veliko ljudi všeč video posnetke. Torej je stvar ugotoviti, kako se nekdo v vaši organizaciji rad uči - da jih motivira za učenje - pa tudi, da jim zagotovi nekaj časa za to in kakšen cilj - kaj je učinkovito za dosego tega in to je običajno mešano, ni samo, vzemite to smer, da preverite to oznako na rezultatski kartici, sama po sebi se to meša z dejanskim projektom cilja in kaj ste se iz tega projekta naučili in kaj želite narediti naprej? Kaj je raztežaj? Raztezanje ekipe ali motiviranje ekipe, da jo nadaljuje.
Ti učni cilji znova, če to počnete, v resnici ne bi smeli biti, v bistvu bi moralo biti podjetje preprosto, ker morajo biti ti cilji usklajeni s strateškimi poslovnimi interesi. To so odlični projekti. So eksperimentalni projekti. Gre za projekte, ki bodo iglo premaknili naprej.
Nick, si hotel kaj dodati? Nisem prepričan.
Nick Jewell: Ne, skočil sem v študijo primera, če je to v redu, na naslednjem zaslonu. Nekaj podrobnosti o določeni organizaciji. Verjetno so veliko tega, kar govoriš, uresničili v resničnost. Podjetje Ford Motor se je desetletja opiralo na analizo podatkov, tako kot mnoga podjetja, vendar je to storilo v žepih poslovanja, z zelo malo nadzora nad celotno korporacijo, da bi zagotovilo doslednost in usklajenost. Njihove težave so bile verjetno dokaj značilne za organizacijo njihovega obsega, zato je analitično znanje vsebovalo - kot pravimo - znotraj žepov, ravnanje s podatki in prakse upravljanja pa so nedosledne, celo do točke, ko nekatere poslovne enote niso imele dostopa do osnovnega strokovnega analitičnega znanja.
Ponovno smo danes govorili o številnih različnih virih podatkov, imeli so več kot 4600 virov podatkov. To je pomenilo, da je celo začetek poti in iskanje podatkov, ki jih potrebujejo, resnična ovira analitičnemu vpogledu. Vidim, da se smejiš, ampak to je grozno, kajne?
Jen Underwood: 4.600, oj moj, ja.
Nick Jewell: Torej je Ford oblikoval svetovno enoto za vpogled in analitiko in ta je bila centralizirana - lahko ji rečete center odličnosti - sestavljena iz skupine podatkovnih znanstvenikov in analitikov, organizirane za izmenjavo teh najboljših analitičnih praks in pomoč pri širjenju optimiziranih podatkov izdelava podatkov po vsem podjetju. Enota je izbrala najboljša orodja v svojem razredu, ne samo glede zmogljivosti, ampak tudi glede njihove sposobnosti, da se dobro integrirajo, zato je to zelo pomembno. Njihova demokratizacija se je osredotočila predvsem na poročila in opisno analitiko, preden smo napredovali po piramidi potreb, o kateri smo govorili.
Zdaj demokratizacija ne pomeni, da je nekdo znanstvenik podatkov čez noč; osebje mora vedeti, kdaj in kje poiskati pomoč, na voljo pa so tudi usposabljanja, vodenje, metodologije za pomoč pri vsem tem. Poleg tega ne gre samo za usposabljanje z orodji, temveč tudi za usposabljanje na področju podatkov, da bi premagali tisto vrzel, ki smo jo omenili. Torej, primer uporabe v realnem svetu pri Fordu, ki optimizira logistično mrežo, je torej Ford plačal pravi znesek za premik materialov iz točke A v točko B? Njihova zapuščena analitika resnično ni izpostavila uporabnih priložnosti; zaradi tega so bili na trgu zelo reakcionarni. Zdaj se je zapletenost tega procesa zaklenila v glave analitikov in naredili so velik preboj, ko je bil potek dela samopostrežnih storitev dejansko ponoven s poslom, analitični strokovnjaki pa so sedeli skupaj in bili locirani.
Analiza je to premaknila iz večletnih na četrtletne in celo navzdol skoraj v realnem času, tako da je za podjetje ogromna in velika korist. Ta vpliv analitike samopostrežnih storitev na poslovno vrednost je, da Ford lahko hitro načrtuje in vzpostavi strategije, ki temeljijo na celotnem podjetju, da se odzove na nastajajoče trende, pomaga oblikovati nove storitve in v glavnem prepreči grožnje konkurence, ne da bi le gledati v vzvratno ogledalo.
Zdaj, če si za trenutek ogledamo, kako je druga stranka res premaknila analitiko iz morda vertikalne prioritete v enem oddelku podjetja, da je horizontalna črta čez vse oddelke, bomo govorili o Shellu. Shell vodi center odličnosti, ki poroča glavnemu digitalnemu direktorju - tako da je za našo knjižico CxO še en D - odgovoren za digitalno preobrazbo in trajnost. Ti fantje so razumeli, da njihovo okolje vsebuje več slojev, tehnološki paket, shranjevanje, obdelava podatkov in vse to predstavljajo tehnologije, ki jih boste vsi poznali. Takšne stvari, kot so SAP HANA, Databricks, Spark, so izkoristile javni oblak in dosegle prave ekonomije obsega.
Zdaj so Alteryx izbrali za analitični ovoj za večino svoje R kode, ki se ukvarja s tehnologijami, kot so Spotfire, Power BI in še več. Toda zdaj vidijo, da se posvojitev veliko bolj povezuje z obdelavo in vizualizacijo podatkov. Jen, ko se vrnemo na vaš diapozitiv o vseh teh zmogljivostih, se taka stvar širi, ko začnemo več analitikom omogočiti dostop. Veste, bili so izjemno uspešni pri zagotavljanju te zmogljivosti in COE, ki so si prizadevali, da bi zdaj zagotovili prihodnje zmogljivosti, o nekaterih stvareh globokega učenja, o katerih smo govorili - strojni vid, obdelava naravnega jezika - in polovica njihovega poslanstva je dostava, polovica govori o razlagi in kataliziranju teh idej po poslovnih enotah. To je del poti; COE vedno preučuje različne načine komunikacije s svojim poslovnim občinstvom.
Če na eni strani upoštevamo skeptike, ki pravijo: "No, ta črna skrinjica nikoli ne bo tako dobra kot moj analitik", vse do fanboya ali navdušenca, ki povsod vidi korelacije, morda manj na poti vzročne zveze., vendar morate biti previdni na obeh straneh. To je fascinantno središče, če imate vodoravno črto po celotni organizaciji, ta hibridni nabor spretnosti, ki je potreben za prepričanje obeh strani spektra.
Nick Jewell: V redu, Jen, si že tam?
Jen Underwood: Sem.
Nick Jewell: Predvidevam, da s tem citatom Claytona Christensena poskušamo povedati, da gre pri mnogih organizacijah za poenotenje agende analitike, da bi spodbudili digitalno preobrazbo, o kateri smo danes govorili. biti izziv. Bolj pogosto kot ne, zasledimo analitične ekipe, ki začnejo s šibko roko. Poskus novosti z zapuščenimi lastniki analitičnih procesov, tehnologij, struktur skupin in držanje teh relikvij bo največja ovira za analitično usklajevanje in analitične inovacije. Imate kaj razmišljanja o tem, Jen?
Jen Underwood: Uživam v izbrani sliki. Ja, vsekakor ima veliko smisla zame. Sprejeti morate nekatere od teh novih tehnologij, na primer pretakanje v realnem času. Ne bo nujno, da boste lahko dosegli te rezultate v realnem času, če boste morali osvežiti JavaScript v brskalniku, sam po sebi s staro zapuščino - morda je to aplikacija za nadzorno ploščo ali te vrste stvari. Ja, nekaj teh novih orodij je treba sprejeti in spet mislim, da je ta slika res luštna, slika govori tisoč besed. Voziček in hroščev, morate pustiti nekaj teh starih tehničnih pristopov.
Nick Jewell: Vsekakor. Če torej preidemo na naslednji diapozitiv, mislimo, da obstaja boljši način. Predvidevam, da najprej s pomočjo nečesa, kar je podobno iskanju v Googlu, hitro najdete vsa najpomembnejša sredstva. Razumevanje njihovega konteksta, razumevanje odvisnosti, upoštevanje resnično preprostih stvari, kot so poslovni glosarji, katerih avtorji so strokovnjaki iz vaših skupnosti, ki jih ohranja to plemensko znanje glav vaših sodelavcev.
Bodite pametni pri odkrivanju podatkov. Razmislite o sposobnosti vodenja pogovorov z lastniki poročil in strokovnjaki. Naložite, naredite malo Trip Trip Advisor-a ali Yelp-a, naložite najbolj koristna sredstva, potrdijo tista, za katera organizacija meni, da so najdragocenejše, nato pa vse to vstavite nazaj v rezultate iskanja in na koncu iskalne uvrstitve, s čimer je bolje za naslednji uporabnik. Ko najdete tisto, kar iščete, se pomaknete v to hitro, brez kode, uporabniku prijazno fazo, priprave in analize, da razvijete popoln nabor podatkov, iz katerega lahko objavite ponovljive procese.
Nazaj na pogovor o avtomatizaciji, izgradnja uporabnikom prijaznih aplikacij. Kar je potrebno za izdelavo analitičnih modelov. Ko že govorimo o modelih, smo že vrsto let podpirali odprtokodne tehnologije, kot je R, ki nam omogoča, da na preprost način povlečemo in razvijemo resnično napredne analitične sposobnosti, ki zajemajo opisno, pa tudi napovedno, predpisovalno analitiko. kapljica pot.
Zdaj, na desno stran, dejansko vpogled v interaktivne vizualizacije, modele in točkovanje potisnemo v platforme podatkov ali nazadnje, tako da je ta vpogled na voljo takoj in neposredno v poslovnem procesu. Mislim, da je ta razpon zmogljivosti na celotni platformi omogočil, da smo v letošnji raziskavi o izbiri strank Gartner Peer Insights prepoznani kot zlati nagrajenec, kar je fantastičen dosežek. Toplo vam priporočam, da obiščete spletno mesto Gartner, če želite izvedeti več in dodati svoje glasove ter dodati svoj komentar.
Super, Jen, če preskočimo še en drsnik naprej - po zaključku najbrž bi vam želel narediti vse naslednje korake. Najprej obiščite spletno mesto Alteryx.com in si naložite brezplačno kopijo našega najnovejšega raziskovalnega povzetka, ki je bil opravljen v sodelovanju z Mednarodnim inštitutom za analitiko (IIA), o razrešitvi analitičnih ovir. Obiščete lahko tudi udacity.com/alteryx, če želite izvedeti več o tem, kako svojim ekipam omogočiti, da s svojo napredno analitično nano-stopnjo naredite naslednji korak in nato končno doživite Alteryx zase. Obiščite domačo stran, prenesite celovito oceno in se vključite v navdušenje nad reševanjem.
Jen, tebi. Morda bomo imeli nekaj časa za vprašanja in vprašanja.
Eric Kavanagh: Zazvonil bom res hitro. Imamo nekaj vprašanj. Predstavljam vam enega, najbrž, Nicka, potem pa Jen, če želite to komentirati, vendar ima vsekakor večjo veljavo za EU in to je zloglasni GDPR, Globalni predpisi o varstvu podatkov. Kako to vpliva na Alteryx in vaš načrt ter na kaj ste osredotočeni?
Nick Jewell: Predvidevam, da je to prav dosti boogiem, trenutno je tam zunaj. Veliko ljudi se o tem pogovarja, veliko ljudi je precej zaskrbljenih, vendar je to res samo prvi v dolgi vrsti predpisov, ki bodo prišli v svet podatkov in analitike. Resnično, z našega vidika gre za razumevanje in razvrščanje vaših podatkov. Če kot CxO poskrbite za kateri koli poseben okus, veste, kje so vaša sredstva, poznate njihov kontekst in veste, da jim lahko zaupate kot prvi korak k resničnemu upravljanju in upravljanju podatkov v širšem kontekstu.
Eric Kavanagh: Mislim, da vam bom postavil še eno vprašanje, preden bomo Jen pripeljali nazaj, Nick, in to so podatki o usposabljanju, če kdo zahteva, da se njihovi podatki odstranijo iz vašega podjetja, to ne vpliva samo na njihovo ime, naslov in tako naprej, ne le njihovih kontaktnih podatkov, ampak tudi, če algoritem uporablja podatke o vadbi, ki vključujejo vaše podatke, bi morali algoritem izpopolniti, kajne?
Nick Jewell: Še posebej zapleten je. Mislim, da ideja, da ne le baze podatkov kot vir nekaterih teh osebno prepoznavnih informacij, ampak tudi analitični potek dela, aplikacije, vizualizacije. Te podatke dobiva povsod organizacija, zato je ta kontekst: nujno potreben.
Eric Kavanagh: In Jen, kaj misliš? Očitno ni tako velik posel v ZDA in zdaj ne vidimo, da bi se preveč podjetij to zaletavalo, čeprav tehnično to tukaj velja. Če ima ameriško podjetje podatke o državljanu EU, kakšen je vaš pomen pomena GDPR in kako velik je posel?
Jen Underwood: No, vsekakor mislim, da zahteva odgovorno obdelavo podatkov. O tem sem pisal že nekajkrat in imel nekaj smernic o nekaterih teh stvareh. Menim, da je vprašanje, ki ste ga zastavili glede algoritmov, zanimivo. Zagotovo so nekatere rešitve, ki jih danes pregledujem, nekatere njihove skupine izdelkov zasnovale funkcije, tako da lahko vidite, kako sprejemajo odločitve in katere osebne podatke so uporabili pri odločanju o rezultatu tega algoritma. Tukaj v Združenih državah Amerike opažamo nekaj vplivov v dizajnu izdelkov.
Veliko tehnoloških podjetij ima tukaj zelo velike pisarne in razvojne ekipe tukaj v ZDA in po vsem svetu, tako da to vidimo pri razvoju izdelkov. Vidim, da se v njih vlaga več katalogov podatkov. Več vladnih pobud se je sprožilo, tako da ljudje razumejo in razumejo, kje vse te podatke je v kaosu. Poskušajo jih vsaj organizirati, da bi jih lahko našli in z njo nekaj naredili.
Eric Kavanagh: Potisnil bom ta diapozitiv, o katerem smo govorili prej, in to prenesel nate, Nick. Mislim, da je to fantastičen diapozitiv, saj po mojem resnično govori o neposredni potrebi po analitiki. Kaj menite o tej spreminjajoči se dinamiki? Bistvo je, da morajo biti podjetja okretna in analitiko vidim kot vodilno vlogo pri tem. Kaj misliš?
Nick Jewell: To je fascinantno. Mislim, da vedno obstaja - podjetja in tehnologije vedno obstajajo v treh državah, torej bo to vojna, mir ali čudo. Za vojno bo šlo za težko konkurenco. Wonder so vse odlične nove stvari, ki jih zgradite na platformi. Nato mir pred tekmovanjem in vojna se spet začne. Mislim, da se vedno dogaja ta boj.
Pred današnjim razpisom smo govorili o nekaterih drugih konferencah in ključnih opombah, ki se danes dogajajo po vsem svetu. Nekateri veliki prodajalci oblakov so dosegli točko, ko so postavili to platformo in zdaj nad njo gradijo čudovite nove stvari. Podjetja morajo to natančno spremljati in poskrbeti, da bodo sodelovala z nečim, kar ima skladno platformo, ki bo dala to vrednost za prihodnost. Oni bodo preživeli to motnjo.
Eric Kavanagh: Ja, to je dobra točka, in veš, Jen, že pred oddajo ste komentirali o strategiji v oblaku in o tem, kako veliko ljudi, ki jih poznate v industriji, pravi, da velika podjetja, tudi banke, vsi imajo strategijo v oblaku. Nekoliko sem bil presenečen nad tem, koliko časa je trajalo, da se je to uresničilo, in verjetno je kdo od njih odšel na konferenco AWS Reinvent in spoznal, kako množičen je, in sklepal, da je prišel čas. Kaj menite o ozaveščenosti vodij velikih podjetij o uvozu oblaka in kako to spreminja njihovo načrtovanje?
Jen Underwood: Ko razmišljam o tem svetu podatkov velikega obsega, da bi ga lahko upravljali, mislim, da je na nekaterih ravneh malo miru, če bi eno zelo velikih podjetij prevzelo odgovornost za nekatere varnostne vidike, zato obstaja nekaj miru duha tam. Veste, da obstaja nekaj omejenega obsega z oblakom.
Druga stvar je in videl sem, da sem bil v skupini, ki je izdelek prenovila v oblaku in je bil zagotovo premajhen izdelek in na to nihče ni pozoren, v dveh letih pa zaradi tedenskih izdaj in celo, Rekel bi, skoraj v bistvu je vsakodnevno sproščanje v oblaku. Vem, da Amazon pravi, da sproščajo večkrat na dan. Ko imate to grožnjo, ko lahko vaši konkurenti vsak dan sproščajo in izboljšujejo, ne glede na to, kaj počnejo, vsaj v programski industriji - in vsi so res v industriji programske opreme, ko začnete gledati digitalno preobrazbo - je to povsem drugo balgame in kdorkoli lahko zasuka oblak in se poveča in postane velik.
Spet bodo to podatki, ki jih uporabljajo, to bo spremenilo in inteligenco v njihovih algoritmih, in zato ljudje govorijo o podatkih kot o novi nafti ali o podatkih, ki so zlati. Ko gledam v oblak, gre za spreminjanje iger, to res omogoča zelo, zelo hiter razvoj in obseg. Neverjetno je.
Eric Kavanagh: Vrnil vas bom, Nick, za še eno vprašanje - tu bomo šli le kakšno minuto, če bomo lahko prišli do nekaterih od teh vprašanj, ampak, kot se spominjam, pet in šest in morda celo sedem pred leti je bil Alteryx resnično inovator pri uporabi tretjih podatkov - tako je prinašal podatke iz virov, na primer Experian, ali geoprostorskih podatkov. Mislim, da je to verjetno strateška prednost, ker je takšna stvar v DNK pri Alteryxu, kajne? Ko se podjetja premikajo v oblak, menim, da imate veliko izkušenj s tem, da lahko premagate te svetove. Kaj misliš o svetih posnetih verzih podatkov tretjih oseb in oblakov, kaj misliš?
Nick Jewell: Ja, absolutno. Končna povezljivost bo takšna igra moči za vsako podjetje, ki bo delovalo v tem oblaku. Vendar bom rekel, ko govorimo o nečem, kot je infomonika, ideja, da je treba informacije in podatke šteti kot prednost v vašem podjetju. Večina vrednosti, ki jo boste prinašali, je, da vzamete zunanje vire podatkov, jih zlivate in oplemenitite z vašimi notranjimi viri, da ustvarite in unovčite več vrednosti v postopku. Ključnega pomena je enakopravno delo z notranjimi in zunanjimi podatki.
Eric Kavanagh: Ja, to je dobro. Mislim, da je cel hibridni svet tam ostal. Jen, to bom moral samo prenesti na nekaj zaključnih komentarjev. Menim, da bo to strateško stališče in zmožnost poenotenja, ko novi izraz opisuje podatke v virih, to bo ključni dejavnik uspeha naprej, kajne?
Jen Underwood: Ne, absolutno, in smešno je, slišal sem tega hibrida, hibrida, hibrida. Ste slišali za to in pred štirimi leti razmišljate o Hadoop-u, Hadoopu in velikih podatkih, potem pa ste začeli slišati hibrid, hibrid, tako da zagotovo ni bilo, nismo nujno, to je leto strojnega učenja, bar nič. Mislim, umetna inteligenca je strojno učenje v tem letu zaživela, a da bi danes resnično delovala v organizaciji, ki je na poti v oblak, ali ki se mora spoprijeti z vsemi temi različnimi viri podatkov v oblaku, je morda to Salesforce oz. Delovni dan, vse te različne vrste virov, ki živijo v oblaku, je edini način, kako se lahko spoprite s tem, da je hibrid. Podatkov ne morete povsod kopirati, zato morate imeti možnost, da se neposredno povežete in morate poiskati način za delo s podatki, ki se nahajajo povsod, povsod poiščite podatke, ker je to resničnost, kje smo prav zdaj.
Eric Kavanagh: Mislim, da bi me odpovedali, če ne bi v pogovor vrnil strojnega učenja, zato, Nick, samo to vam bom prenesel. Vem, da ste zdaj osredotočeni na to - ali se lahko pogovarjate o tem, kje vidite strojno učenje, usklajeno z analitiko in s sistemi, ki jih uporabljamo za razumevanje našega poslovanja in naših podatkov?
Nick Jewell: Ja, seveda. Torej, na kratko, potem se vrnimo k vrnitvi v sposobnosti. Ideja, da imamo organizacije popolnoma napolnjene z močnimi uporabniki Excela. Znanstveniki prihajajo skozi podatke, vendar ne rastejo z isto hitrostjo. Med obema obstaja velik razkorak. Pomislite, kje je danes strojno učenje. Koliko algoritmov imamo na telefonu ali na ure, ki vključujejo tehnike strojnega učenja? To je blago, povsod je. Tem uporabnikom energije moramo omogočiti na najpreprostejši možni način, da se računalnik uspešno uporablja v celotnem podjetju.
Eric Kavanagh: Morda vam bom vrgel še zadnjo. Imamo nekaj vprašanj, ki prihajajo pozno, tukaj. Jen, vprašal te bom. Udeleženec komentira celoten koncept nenadzorovanega učenja in dejstvo je, da za to potrebujejo podatke o usposabljanju in običajno morajo biti podatki o usposabljanju specifični za podjetje. Čeprav je v panogah veliko korelacij, obstaja veliko načinov, kako so si organizacije podobne. Kljub temu je vsako podjetje edinstveno, ne glede na to, ali je to njegov poslovni model ali njegov pristop k trženju ali prodaji ali ne glede na primer, razvoj izdelkov.
Vprašanje postane, ali bodo ti algoritmi lahko uporabili podatke tretjih oseb za usposabljanje? Zdi se mi, da boste vedno morali uporabljati svoje podatke za usposabljanje teh algoritmov, četudi se ta čas cikla zmanjša od šestih mesecev - kar je v nekaterih primerih - do 40 dni ali 20 dni, ne glede na to primer je lahko. Resnično morate uporabiti svoje podatke in se prepričati, ali so podatki precej čisti, kajne?
Jen Underwood: Res mešanica. Želeli boste imeti zunanji kontekst. Pravzaprav sem danes rezerviran od zadaj do konca in moj naslednji webinar govori o pripravi in čiščenju podatkov, ironično za strojno učenje. Ključnega pomena je, da z organizacijo združujete zunanji kontekst, in všeč mi je, da ste vprašali o pripravi in čiščenju podatkov, ker iskreno povedano, nekatera orodja so zelo, zelo dobra - z njimi se lahko spopadejo nekateri vidiki, vendar človeški um ali če znamo razvozlati težavo in se prepričati, da je niso izpustili - pravijo, da imamo nekakšno pristranskost opustitve. V tem, kako gledate na težavo in na način, kako se odločite za oblikovanje težave, ki jo avtomatizirate, ali odločitve, ki jih avtomatizirate, je to umetnost in poskrbite, da ta natančno odraža poslovni postopek.
Če se vrnem k mojemu primeru z zavarovalnico, ko smo modelirali drobnico in koga najeti, da bi šli skozi to sponzorirano usposabljanje za prodajo zavarovanja; v samem modelu ni bila pravna klima, različni zakoni za različne države. Vedno se bo našel kakšen vidik, kjer boste morali imeti zunanje podatke s svojimi notranjimi podatki in, spet, človeškim umom. Tam bodo različne komponente.
Eric Kavanagh: Mislim, da si tu nakazal res dobro točko. Še vedno poslušamo o robotih in strojih ter strojnem učenju. Zame je to zelo moteč trend - o tem ni nobenega dvoma -, vendar nikoli ne vidim potrebe po tem, da bi se ljudje mešali, zlasti o analitiki podatkov, o podjetniških podatkih.
Nick, še zadnje vprašanje zate. Zdi se mi, ne glede na to, kako dobri so algoritmi, ljudje boste vedno potrebovali, da spremljajo, kaj se dogaja, si vbrizgajo sebe v predpisanih časih in resnično sintetizirajo veliko sliko tega, kar je tam zunaj. Mislim, da noben algoritem ne bo mogel sintetizirati velike slike za podjetje Fortune 2000, ampak kaj menite?
Nick Jewell: No, vzemimo povsem ne-Alteryxov primer, pogovorimo se o Uberju iz lanskega leta. Uber je med terorističnim incidentom v Avstraliji ljudi, ki poskušajo pobegniti z območja, nenadoma sprožil visoko ceno, ker je algoritem to storil, zato je povzročil ogromno škodo ugledu. Takoj za tem so implementirali ljudi in algoritme, ki so delovali skupaj. Kadar koli bi se to moralo zgoditi, je moral človek nadzirati postopek. To človeško partnerstvo in algoritem je pot naprej.
Eric Kavanagh: Wow, to je odličen primer, najlepša hvala. No, ljudje, tukaj smo že več kot uro v naši oddaji. Zelo hvala Jen Underwood iz podjetja Impact Analytics. Seveda velika zahvala Nicku Jewellu in ekipi Alteryx za njihov čas in pozornost ter vsem vam za vaš čas in pozornost. Cenim ta velika vprašanja. Vse te spletne oddaje arhiviramo za poznejši ogled, jih lahko delite s prijatelji in sodelavci. S tem se bomo poslovili. Odlična spletna oddaja danes. Najlepša hvala, spet vas bomo dohiteli naslednjič. Pazite. Adijo.
