Ära võtma: Võõrustaja Eric Kavanagh arutab andmete mõju ja analüütikat, samuti andmespetsialisti (CDO) ja analüütikute peaspetsialisti (CAO) rolle Jen Underwoodiga (Impact Analytix) ja Nick Jewelliga Alteryxist.
Eric Kavanagh: Daamid ja härrad, tere ja tervitame veelkord Hot Technologiesi eriväljaannet. Inimesed, see on Eric Kavanagh, ma olen teie tänase saate "CxO mänguraamat: andmete ja analüüsi tulevik" võõrustaja. Jah, see on minu sõnul üsna suur teema. Tegelikult on meil siin täna natuke rekordiline rahvamass. Täna hommikul oli veebiülekandeks registreerunud üle 540 inimese. Me teeme seda erilisel ajal, nagu paljud teist teavad meie tavaliste näituste jaoks, me teeme neid tavaliselt kell 4:00 ida pool, kuid tahtsime vastu võtta kogu tiigist sisse kutsuva erilise külalise. Lubage mul sukelduda otse tänase esitluse juurde.
Nii et see aasta on kuum - see on olnud mitmes mõttes väga tormiline, ma arvan, et pilvel on sellega palju pistmist. Peamine edasiviiv jõud on tehnoloogiate ühinemine, mida turul näeme, ja võtan muidugi arvesse SMAC-i, nagu nad seda nimetavad. Me räägime SMAC-ist: sotsiaalne, mobiilne, analüüs, pilv - ja kõik see värk tuleb kokku. Organisatsioonid saavad äritegevuse viisi tõesti muuta. Ettevõtte toimingute teostamiseks on rohkem kanaleid, analüüsitavaid andmeid on rohkem. See on seal tõesti metsik maailm ja me räägime täna sellest, kuidas C-komplektis asjad muutuvad, nii et tegevjuhtidele, nende organisatsioonide tipptegijatele, noh, et kogu maailm muutub praegu ja me oleme kavatsen sellest rääkida.
Tipus on teie oma. Meil on täna liinis Jen Underwood ettevõttest Impact Analytix ja Nick Jewell, Alteryxi juhttehnoloogia evangelist. See on väga põnev värk. Tulin selle kontseptsiooni välja eile õhtul, inimesed, ja ma arvan, et see on tõesti omamoodi huvitav. Muidugi, me kõik teame muusikalisi toole, mängu lastele, kus teil on kõik need toolid ringis, alustate muusikat, kõik hakkavad ringi kõndima ja üks tool tõmmatakse minema; kui muusika peatub, peavad kõik tooli saamiseks plaksutama, samal ajal kui üks inimene kaotab sellises olukorras oma tooli. See on väga kummaline ja kaalukas asi, mis juhtub praegu C-komplektis ja kui märkate seda pilti siin, siis on teil kaks tühja tooli taga. Tavaliselt kaob tool muusikalistes toolides ja see, mida me tänapäeval näeme, on see, et C-tasemel on veel kaks tooli: CAO ja CDO, analüütikute peaametnik ja andmejuht.
Mõlemad on stardis. Ausalt öeldes on andmeametnik tõepoolest startimas nagu kulutulena tänapäeval, kuid mida see tähendab? See tähendab midagi väga märkimisväärset. See tähendab, et andmete ja analüüsi võimsus on nii suur, et nõupidamisruumid või juhiruumid, ma peaksin ütlema, et C-sviidid muutuvad - nad lisavad inimesi C-komplekti, täiesti uued juhid täidavad mõnda neist uutest kohtadest. Kui mõelda, kui raske on muuta organisatsiooni kultuuri, siis see on päris tõsine asi. Kultuuri on väga raske muuta ja tavaliselt soodustatakse positiivseid muutusi hea juhtimise ja heade ideede ning sedalaadi asjade kaudu. Kui mõelda praegu pakutavale võimalusele, lisades C-komplekti uusi juhte analüüsi ja andmete jaoks, on see tõesti suur asi. See puudutab organisatsioonide võimalust trajektoori muuta ja olgem ausad, suured, vanad ettevõtted peavad tõesti muutuma, kuna turg muutub.
Toon tavaliselt näiteid näiteks Uberist või Airbnbist kui organisatsioonidest, mis on terveid tööstusi põhjalikult häirinud ja seda juhtub igal pool. Täna räägime sellest, kuidas teie organisatsioon saab kohaneda, kuidas saate seal seda teavet, seda teadmist kasutada, et muuta oma ettevõtte trajektoori ja olla edukas infomajanduses.
Sellega annan WebExi võtmed üle Jen Underwoodile ja siis kavatseb Nick Jewell ka helistada; ta helistab Ühendkuningriigist. Tänu teile mõlemale ja Jenile annan selle teile kätte. Võta see ära.
Jen Underwood: Tänu, Eric, kõlab suurepäraselt. Tere hommikust kõigile. Täna räägime sellest CxO mänguraamatust; see on andmete ja analüütika tulevik ning ma kavatsen selle sisse sukelduda. Eric tegi juba toreda töö, rääkides miks see nii tähtis on. Meie tänased esinejad on jälle näinud, et selle teabega on veel üks slaid, kuid kui teie ja Nick Jewell vestleme teiega sellel istungjärgul teiega väga interaktiivselt. Alustame kirjeldustega, mis need rollid on ja milliseid asju nad missioonil täidavad. Vaatame analüütikatööstust, väljavaateid üldiselt ja mõningaid väljakutseid, millega need inimesed silmitsi peavad seisma. Dünaamika organisatsioonide sees, kui valmistute tulevikuks, ja siis räägime järgmistest sammudest ning anname teile kavandamise juhised, kui kavatsete mõnda neist rollidest oma organisatsioonis uurida.
Rääkides sellest CxO-st, siis näiteks CAO, kes on analüütika peaspetsialist, see on ametinimetus tippjuhtidele, kes vastutavad organisatsioonis andmete analüüsi eest. Tavaliselt annab CAO aru tegevjuhile ja kiiresti arenev positsioon on pöördeline, kui mõelda ümberkujundamise massile ja selle digitaalsele ümberkujundamisele, mis meil praegu toimub viisil, kuidas ettevõtted teevad ja võtavad vastu oma äriotsuseid.
Kui arvate, et digitaalne muundamine ja intelligentsus on digitaalse ümberkujundamise tuum, on sellel CAO-l organisatsioonis väga strateegiline roll. Nad mitte ainult ei vii tugevat andmeteadust tagasi tegelike teadmiste ja nende teadmiste juurde, vaid neil on ka sellest tulenev investeeringutasuvus ja mõju, milleks neid mõõdetakse? Kuidas nad toovad seda ROI-d enda käsutuses olevate andmetega ja mõne alumise rea numbriga organisatsioonis andmete strateegiliseks kasutamiseks. See ametikoht koos infotehnoloogia peaspetsialisti, infotehnoloogia peaspetsialistiga on tõusnud nähtavale tänu tehnoloogia ja digitaalse muundamise ning andmete väärtuse kasvule.
Juba aastaid on andmed selles konkreetses maailmas kullaks, koos rahastamise ja intelligentsusega ning seda teavet muutes. Nende ennetavate toimingute tegemiseks ja mitte ainult alati iseenesest tahapoole vaatamiseks. Need kaks positsiooni on sarnased, kuna mõlemad käsitlevad teavet, kuid CIO per se keskendub infrastruktuurile, kus CAO keskendub teabe analüüsimiseks vajalikule infrastruktuurile.Sarnane seisukoht on CDO ja te kuulete palju rohkem, arvatavasti kuuleme CDO kohta natuke rohkem kui praegu CAO kohta. CDO keskendub rohkem andmetöötlusele ja hooldusele ning nendele juhtimisprotsessidele kogu andmehalduse elutsükli vältel.
Need inimesed vastutavad ka andmete raha teenimise ja nendest väärtuse saamise eest ning töötavad kogu valitsemistava ja turvalisuse olelustsükli jooksul, ma ütleksin, kogu elutsükli vältel. Need on inimesed, kes oleksid iseenesest hästi häälestatud või vastutavad GDPR-i tagamise eest - ja me räägime sellest natuke - Euroopa andmekaitseseadusest, hoolitsedes selle eest, et nende tüüpi organisatsioonid kataks seda tüüpi asju. Nüüd saame häirivate dünaamiliste andmemahukate rollide struktuuri ja tuleviku. Seda tüüpi asjade eest, mille eest CDO vastutab, ja mitte ainult nende endi eest - nad loovad ristfunktsionaalse meeskonna ja mul on mõned näited mõnedest inimestest, kes koonduvad iseenesest organisatsioonistruktuur, alates arhitektidest ja valitsemispersonalist, ning isegi organisatsiooni analüütikud ning andmeteadlased ja insenerid võivad neid üles leida.
Analüüsi valdkonna väljavaadetesse kaugemale liikudes on see selles valdkonnas olnud fenomenaalne - arvatavasti kümme aastat ja isegi kauem. See on pidevalt kasvanud, väga põnev, isegi aastaid tagasi toimunud krahhi ajal oli see endiselt suur nõudlus. See on lihtsalt olnud suurepärane koht ja kui vaadata Gartneri 2017. aasta CIO tegevuskava, siis BI ja analüütika on endiselt organisatsiooni jaoks kõige olulisema kolme paremusjärjestuses ning tarkvaraturgude kasvu vaadates oleme pidevalt näha seal kasvu. Nii kaua kui olen selles ruumis olnud, on see alati olnud tõeliselt helge karjäär.
Kui me vaatame seda digitaalajastu ja selle ümberkujundamist, siis on minu jaoks väga huvitav see, millised protsessid meil on. Sageli on see teabe hankimine ja protsesside kaudu toimimine või äriprotsesside ajal toimimine. Gartner hindab aastaks 2020, et teie kasutatud teave leiutatakse uuesti, digitaliseeritakse või isegi kõrvaldatakse. Kaheksakümmend protsenti äriprotsessidest ja toodetest, mis meil kümme aastat tagasi olid, ja me hakkame seda nägema, eks? Oleme hakanud nägema, et Amazoni salmidega võib-olla on mõni suur kastipood, Ubers, Airbnbs - need digitaalmudelid häirivad protsessi ja nüüd on inimesed omavahel suhtlemas. Isegi must reede - ma ei tea, kui paljud inimesed tegelikult poodi läksid - paljud inimesed ostavad veebist ja kuidas jõuda selle kliendini? Selleks on vaja intelligentsust. Selle suhtlemiseks ja isikupärastamiseks ning selle intelligentsuse omandamiseks on vaja väga erinevat moodust, et esitada neile õige pakkumine õigel ajal ja nüüd on see võib-olla ühe nupuvajutusega. Neil on nii lihtne teie veebipoest lahkuda. Asjad on siin maailmas tõesti muutumas ja ma arvan, et ka Nick tahtis sellest rääkida.
Nick Jewell: Jah, tere kõigile, suured tänud. Vabandan ette, kui Londonist tulev heli on pisut hilinenud, annan endast parima, et mitte teiega rääkida, Jen.
Teil on täiesti õigus, et jäätmete likvideerimine, see digitaalse muundamise osana uuesti leiutamine toimub sageli siis, kui organisatsioonid liiguvad eritellimusel toodetest, võib-olla lahti ühendatud rakendustest, avatumatesse ja ühendatud platvormidesse. Kui teie protsess on digitaalne, on teie andmete kogu teekonna nägemine palju lihtsam. Täpsustage tehtud samme, kasutades selleks protsessi optimeerimiseks andmeid.
Liigume slaidi edasi, kui saame. Mis puutub digitaalsesse ümberkujundamisse, siis mida see organisatsioonide jaoks tähendab, siis see on vist kas põnev või hirmutav sõltuvalt sellest, millisel spektri poolel te istute. Vaadake siin olevat diagrammi, näidates ettevõtete eluiga ja seda, kuidas kahjulikud mõjud mõjutavad organisatsiooni varandust. Kui asutasite ettevõtte 1920. aastatel, on teil keskmiselt peaaegu 70 aastat, enne kui mõni teine ettevõte teid häiris. Tänapäeva standardite järgi on see üsna lihtne elu, sest täna sai ettevõttel vaevalt 15 aastat, kuni häireid ähvardab selle olemasolu. Ennustatakse, et umbes 40 protsenti tänapäeva Fortune 500 ettevõtetest, nii et S&P 500-l, pole 10 aasta pärast enam olemas. 2027. aastaks plaanitakse S&P 500-st välja vahetada 75 protsenti, seega on poolväärtusaeg, millega organisatsioonid täna kokku puutuvad, enne kui peaks muretsema häirete pärast, tõesti kahanema. Edukad ettevõtted peavad sellest digitaalse innovatsiooni võidujooksust edasi minema.
Täna ei sea keegi analüütikuid päriselt kahtluse alla. See on keskpunkt, digitaalse äri ümberkujundamine. Tegelikult seavad organisatsioonid digitaalse innovatsiooni oma strateegia esirinnas. Need ettevõtted on viie suurima väärtusega ettevõtted maailmas, esindades kaks triljonit dollarit turuväärtuses, Jen.
Jen Underwood: Jah, see on hämmastav, see tegelikult on. See on tõesti muutuv ja kiire. Teine dünaamika, mis meil on ja millest me oleme sellest rääkinud, nüüd arvan, et näeme seda lõpuks ja organisatsioonid tunnevad seda andmeallikate eksponentsiaalset kasvu ning ei analüüsi enam ainult struktureeritud andmeallikate andmeid. Jällegi, me räägime sellest, et teil on mõnes neis digitaalsetes protsessides vaid hetk, et otsustada ja need asjad tulevad JSON-ides REST API-delt, me räägime struktureerimata andmetest, kas logifailidest, seal on igasuguseid eri tüüpi andmeid, samuti äärmiselt pidevat kasvu.
Nick Jewell: Jah, Jen, nii nagu juhtisite tähelepanu, uppusid analüütikute juhid andmete merre. Väärtusliku ülevaate saamine, võib-olla olemasolevate või uute analüüsimeetodite segu kasutamine, on tõesti lõppeesmärk, kuid seal on lihtne ja põhimõtteline probleem, millega paljud organisatsioonid, kellega koos töötame, on neil tõepoolest silmitsi. Tellisime Harvard Business Review tellimuse, tegime uuringu, vesteldes andmeanalüütikute ja ärijuhtidega. Nad küsisid, kui palju andmeallikaid nad oma organisatsioonis otsuse tegemiseks kasutavad, ja on üsna selge, et vaid mõne viimase aasta jooksul on toimunud põhjalik nihe. IT-d kasutati andmete ühendamiseks, andmete lattu tõmbamiseks, kuid arvan, et hoolimata IT-rühmade suurepärasest tööst tsentraliseeritud andmehalduse loomisel, on analüütikutel endiselt ülesanne luua see konkreetne analüütiline andmekogum, kuid nad peavad vasta äriküsimusele. Tegelikult on vaid 6 protsenti kõik oma andmed ühest kohast saanud ja suurem osa analüütikuid peab andmeid koguma viiest või enamast allikast - näiteks arvutustabelitest, pilverakendustest, sotsiaalmeediast ja muidugi seda andmeladu unustamata.
Nüüd tunnistab enamik organisatsioone seda, kuid millega enamik organisatsioone ei tegele, on lihtne fakt, et andmespetsialistid kulutavad rohkem aega andmete haldamisele ja otsimisele, kui tegelikult väärtuste hankimisele. Need ei ole kõrgetasemelised strateegilised analüütilised probleemid, millest ettevõtted tahavad kuulda. Kuid põhiküsimusega mitte tegelemine takistab organisatsioonidel tõepoolest saavutamast väärtuspõhiseid teadmisi. Jen?
Jen Underwood: See on huvitav. Olen kindlasti näinud selle kohta erinevaid uurimusi ja just see on siin tükk, olgu see siis 80 protsenti ajast või triljonid dollareid, mis kordab samu andmeid ikka ja jälle, väga ebaefektiivselt. See teeb kokku, need 37 ja see 23 protsenti on väga kallis ajaraiskamine. Minu jaoks on hämmastav, et sellele ei pöörata rohkem tähelepanu.
Vaadates mõnda neist, mida ma nimetaksin turujõududeks, ja paljudel juhtudel, kui ma räägin tööstuse trendidest, armastan ma seda tööstust jälgida ja sellel pidevat pulssi hoida. Oluline on mõista, millal on midagi enamat kui trend, kui see on tõesti jõud, millele peate tähelepanu pöörama, ja need on praegu kolm parimat, mis sunnib tähelepanu pöörama. See on kiire kasv, number üks on mitteseotud andmebaaside kiire kasv. Ma lihtsalt mainisin seda tervet kontseptsiooni, et pole vaja palju aega JSON-ile päringute tegemiseks - just seda tüüpi mitteseotud stsenaariumid kasvavad üsna kiiresti - ma arvan, et mul on siin praegu mingi statistika - kiiresti.
Teine asi on jätkuv üleminek pilve. Enne mainitud kõnet olin ühes suurtehnoloogiaettevõttes ülemaailmne tootejuht ja pidasin kolm aastat tagasi keerulisi vestlusi gruppidega öeldes: “Me ei pane midagi pilve. Me ei liigu pilve. ”Ja aasta hiljem, kaks aastat hiljem, on olnud väga huvitav näha rühmi, nüüd kuulen samadest gruppidest, et kõigil on pilveplaan. Ma arvan, et igaühe jaoks on tegemist väga laiahaardelise avaldusega, kuid see, mida ma ütleksin, on pilvevastased inimesed, kindlasti on suhtumine kardinaalselt muutunud väga lühikese aja jooksul, isegi pärast seda, kui ma rääkisin kogu maailmas rühmadega seda tüüpi asjad.
Automatiseerimine - see on valdkond, millest olen lummatud, ja valdkond, kus näeme kindlasti palju aktiivsust ja suurepärast tegevust. Me räägime mõnest neist asjadest sellega, et meil on seda aega raisatud ja teie aega kasutatakse ebatõhusalt. Automatiseerimine on kindlasti üks neist valdkondadest, millest vaimustun kõige enam, kui mõtlen organisatsiooni väärtuse toomisele.
Järgmine slaid, millest ma räägin, see on IDC uuring, kus nad vaatlevad turusegmente ja kasvu ning see on tõesti suurepärane võimalus heita pilk sellele, mis tegelikult kasvab, mida teie kaaslased ostavad? Milliseid asju nad enam ei huvita? Seda tüüpi asjad ja nende strateegiasse panemine.
Ülemaailmsel suurandmete analüütilise tarkvara turul on IDC andmetel 16 segmenti ja selles segmendi mõistes vaatame isegi mõnda nimevahetust. Lisandus pidev analüütiline tarkvara, kognitiivsed AI tarkvaraplatvormid, otsingusüsteemid, nii et siia lisati isegi uusi kategooriaid. See turuülevaade hõlmab üsna suures osas horisontaalseid tööriistu, pakendatud rakendusi, samuti mõningaid otsuste tugiteenuseid ja otsuseid automatiseerivaid kasutusjuhtumeid. Jällegi, see on tüüpi lahendused, kui mõelda CDO-le, panna CDO-le järele oma portfoolio, mis võib olla haldamine andmete integreerimisest analüüsi visualiseerimise, masinõppe ja kõigi seda tüüpi võimaluste juurde, mida nad vajavad digitaalajastu ajal olema.
Seda tüüpi lahenduste maailmaturg ise kasvas praeguses vääringus 8,5 protsenti ja IDC andmetel kogu turg kasvas 9,8 protsenti. Seda võrreldi - vaatate valuutakursi kõikumisi paariaastase perioodi jooksul ja kõikumise aste on minimaalne, kuid need kolm peamist segmenti, mille ma esile tõin, just selleks, et anda teile tunne nende mitteseotud analüütiliste andmeallikate kohta, 58 protsenti aastatagune kasv, sisuanalüüs ja otsingusüsteemid olid 15 protsenti ning näiteks mõned kliendisuhete rakendused, CRM-tüüpi asjad või näiteks Salesforce Einstein kasvavad üle 10 protsendi, praegu on need 12 protsenti. Arvan, et Nick tahtis selle kohta ka mõned kommentaarid lisada.
Nick Jewell: Tänud, Jen. See on fantastiline visuaal. Arvan, et Alteryxis oleme alati uskunud, et andmete ettevalmistamine ja segamine on alati arvan, et mis tahes analüütilise süsteemi põhipädevus, kuid see on tõesti vundament edasijõudnutele analüütikatele. Räägime nüüd viimastest aastatest tööstusest - see võib olla mõnele uuele interaktiivsele visualiseerimisvõimalusele pisut liiga keskendunud. Nad näevad ilusad välja, kuna suurendavad seotust, suurendavad mõistmist, kuid tegelikult ei viinud nad meid kirjeldavast analüüsist kaugemale.
Kuid ma arvan, et nüüd, kui inimesed seavad oma vaatamisväärsused pisut kõrgemale, tulevad organisatsioonid, kes hakkavad ettevõtte väärtusi mõistma, nendest keerukamatest analüütikutest, mis alles praegu on oma peavoolu jõudmas. Seal tekib küsimus, kuidas või täpsemalt, kes? See hüppas kõrgema väärtusega analüütikasse; kas see on tõesti analüütilise ande puuduse küsimus üsna teravasse kergendusse, kas oleksite nõus?
Jen Underwood: Absoluutselt, ja mul oli, ma arvan, et ma lihtsalt säutsusin, nägin eile õhtul Adobe asepresidendilt tõeliselt põnevat kommentaari, milles öeldi: “Masinõppest on saanud lauapanused”, kus vanasti olid inimesed ettevaatlikud, nüüd on see muutunud vajalikuks ja see on huvitav. Vaadates seda ja lihtsalt pisikest teistsugust nurka, iseenesest. Paljud inimesed, hakkame seda nägema kiiresti kasvava valdkonnana, millel pole suhteid mittesisaldav analüütiline pood ja kognitiivne AI, need masinõpe, need kõrge väärtusega analüüsid. Kuid ikkagi päeva lõpuks, praegu suurim segment, nii et seal, kus tänapäeval toimub enamus oste, on endiselt selles põhisõnas, mida ma ütleksin, päringute aruandlus, osa visuaalsest analüüsist ja see kasvab endiselt ja see on midagi, mida paljud arvavad, et sul see juba olemas on - mitte tingimata. See kasvab endiselt 6,6 protsenti igal aastal.
CDOna - ja mulle meeldib seda slaidi näidata - põhimõtteliselt lihtsalt selleks, et öelda, kui kõnnite sellesse uude rolli või otsite organisatsiooni andmeid, on see kaos ja ma arvan, et see konkreetne slaid teeb tõepoolest tore töö - need on kõik erinevad potentsiaalsed valdkonnad, mille kohta teil võib olla andmeid. Need võivad olla eetris, see võib paikneda pilves, see võib olla hübriidne, see on kõikjal ja see on suur ülekaal - jällegi on see organisatsioonis C-taseme tüüpi roll ja see pole lihtne ülesanne ega lihtne - selles konkreetses maailmas on see kohati üsna suur. See on maailm, milles see CDO peab navigeerima, et oleks võimeline valdama seda, mida ma ütleksin, et maksimeerida andmete väärtust.
Jätkates selle väljakutsega, maksimeerides kõigi nende erinevate allikate väärtust ja seda, mis meil on, on need aja sulgemisaknad, nende digitaalsete protsesside abil või ülevaade tegevusest on suletav. Kui mõelda viis aastat tagasi, kümme aastat tagasi, võib juhtuda, et teil oleks teateid, et teeksite otsuseid inventuuri või toimingutega - need võiksid toimuda nädalas, kuus, siis muutuksid iga päev või üleöö, võib-olla tunnis.
Nüüd näeme neid intelligentseid masinõppega manustatud tehisintelligentseid kontoreid, otsuste ja paranduste tegemist kohapeal, nii et isegi sellised asjad nagu asjade internet, IoT-i manustatud analüütika servas, need süsteemid on nutikad ja need algoritmid saavad ise häälestada ja muuta mõnda otsust, mida nad kohapeal õigel ajal teevad. See on olnud eriti huvitav näha seda dünaamikat koos digitaalsete pöördetega ja nende puutepunktidega - isegi kui need on suurenenud, väheneb tegutsemiseks kuluv aeg ja tehnoloogia areneb nende stsenaariumide jaoks edasi.
Nick Jewell: Jah, Jen, ma arvan, et üks huvitavamaid aspekte, kuidas ülevaate pakkumine muutub, on see, kus analüütika jõuab lõpptarbijani. Kas me palume kasutajatel kriitilise otsuse langetamisel hüpata armatuurlauale või ütleme, et ülevaade - järgmine parim toiming - on selle konkurentsieelise saamiseks saadaval otse protsessi käigus, voogudes? Ja analüütiline mudel, millest me räägime, võib vajada sisendite kogumist paljudest erinevatest allikatest - traditsioonilised andmelaod, geograafilised asukohad, sotsiaalmeediumid, andurid, klikivoog - kõik need andmed mõjutavad otsust ja selle toimingu tulemust .
Jen Underwood: Jätkates selle väljakutse ja muutuste teemaga, mis meil praegu on, ja väljakutsetele, mida tegevjuht peab nende vallutamiseks omaks võtma ja kavandama, on sisuliselt see, et meil on liiga palju andmeid, et neid tõhusalt hallata ja käsitsi analüüsida. Seal on pikad viivitused; peame neid viivitusi lühendama ja peame leidma viisi, kuidas olemasolevate andmete väärtust maksimeerida. Maailmas on puudu infoteaduste annetest ja katta neid teadmisi ning seda, mida me andmetena nimetaksime ookeanideks. Hea uudis on see, et täna on toimumas imelisi uuendusi, mis aitavad kõigis selle valdkondades, ja põnev on näha, kuidas tehnoloogia meid nende väljakutsete lahendamisel abistab.
Kui ma seda asja edasi vaatasin, tekkis natuke segadust, kui rääkisin klientidega või rääkisin rühmadega, kasutades mõnda neist tööriistadest. Mõned klassikalised väljakutsed on tänapäevalgi olemas. Analüüsitavate andmete otsimisel proovib see veelgi süveneda. Mõned otsingutööriistad, mõned kataloogid on kindlasti abistavad asjad - nüüd leiame, millist kataloogi kasutada. Seal on paar erinevat kataloogi, nii et on erinevaid kohti, kus saate andmeid säilitada ja jagada, nii et on vaja proovida see välja selgitada, võib-olla kataloog, mida peaksime otsima.
Teine asi on ühiskasutus. Rääkisime ühest selle Harvard Business Review uuringust, kui palju aega kulutatakse, põhimõtteliselt mitteväärtust lisavate ülesannete tegemine, aja raiskamine ja kui kallis see võib olla. Kui olete ühiselt võimelised ühiseid andmeallikaid jagama ja kasutama, on skriptid juba välja töötatud, loogika on juba olemas, saate neid tõhusalt juhtida, nii et juhtimise tasakaalustamine analüütika paindlikkusega on see, mida soovite tegelikult teha ja navigeerige selles maailmas, mida ma nimetaksin, meil on nišitööriistad, meil on automatiseeritud töövoo tööriistad, meil on klassikaline Excel, andmekataloogid, iseteeninduse BI, andmeteaduste tööriistad. Nagu see pilt näitas, on nende vahel palju, palju tööriistu ja kattuvusi.
Nick Jewell: Jah, täiuslik, Jen, ja ma arvan, et ülevaate aken, nagu te juba mainisite, on kindlasti kahanemas, kuid mudelite tegelikuks kasutuselevõtmiseks kuluv aeg ei aja sammu. Ennustav mudeli juurutamine on paljudele ettevõtetele jätkuvalt suur väljakutse. Oleme rääkinud Carl Rexeriga, kes on Rexer Analyticsi president, ja Carli 2017. aasta andmeteaduste uuringus leidis ta, et ainult 13 protsenti andmeteadlastest väidab, et nende mudelid võetakse alati kasutusele ja see kasutuselevõtu suhe lihtsalt ei parane, nii et me minge tagasi iga eelmise küsitluse juurde. Kui minna tagasi aastasse 2009, kui esimest korda seda küsimust esitati, näeme peaaegu ühesuguseid tulemusi, nii et meil on tõeline tühik.
Jen Underwood: Kui vaadata analüütika küpsust, siis see edeneb kiiresti. Jällegi, kaks, kolm aastat tagasi, oli meil väga hea meel visuaalse iseteeninduse analüüsi järele ning lõpuks olime ise paindlikud ja laiendasime BI-d ka massidele. Kui ma ütlen, et massid, siis tõenäoliselt ikkagi organisatsioonisisesed energiatarbijad. Nüüd näeme optimeerimist, ennustavat analüütikat, sügavat õppimist, loomulikku keelt ja paljusid teisi tehnoloogiaid, mis tõepoolest demokratiseerivad igapäevastesse protsessidesse integreerituna analüütika lõpuks väga sujuvalt masside jaoks, et tõelised massid saaksid neid kasutada. olemasolevad äriprotsessid, mis neil juba olemas on.
Nick Jewell: Jah, Jen, kui vähegi võimalik, räägime selle viimase kategooria ümber kiire loo. Enamik tänase kõne ajal kuulajaid tutvub Google DeepMindi AlphaGo tarkvaraga, mis on viimase paari aasta jooksul võitnud maailma parimad Go-mängijad. AlphaGo õppis mängu mängima, uurides tohutult palju varem salvestatud matše. Nii palju, et AlphaGo turniiri kommentaatorid väitsid, et tarkvara mängis Jaapani suurmeistri stiilis, uskuge või mitte.
Kuid viimase kuu jooksul teatati peaaegu hämmastavast tulemusest. See oli AlphaGo Zero, sügav õppimine, närvivõrk, mis oli relvastatud vaid lihtsate mängureeglite ja optimeeritud funktsiooniga. See õpetas ise saama kõige tugevamaks Go-mängijaks ilma juhendamata väljaõppeta ja tegi seda kõike umbes 40 päeva jooksul. See niinimetatud tugevdusõpe, kus inimesed määratlevad väljakutse, lasevad sügaval õppesüsteemil uurida, täiustada, võiks tõesti anda analüütilises ruumis seni suurima mõju. Nii et ma arvan, et püsige kursis.
Jen Underwood: Jah, see on tõesti huvitav, mida te mainisite. Kas te kujutate ette välistusi? Ja seda ma hakkan nägema. Tõesti, kui ma räägin automatiseerimisest, siis on väga põnev, et lahendused oleksid piisavalt nutikad õhu puhastamiseks, süsteemide automaatseks õppimiseks, pistikuks seadmiseks ja lihtsalt teadmiseks, mida teha järgmiste varasemate otsuste või muude otsuste põhjal mis on tehtud organisatsioonis ja mis on hallanud mõnda neist süsteemidest, ETL-süsteemidest ja hoolitsenud nende eest ning millel on tagasiteed päeval helisignaalid ja telefonid, kus helistati mulle märguannetega, kui protsessid ei töötanud, on nii põnev mõelda, "Vau, nüüd on see piisavalt nutikas, et tõenäoliselt ennast ravida."
Mu abikaasa haldab iseparanevat võrku, meil on isetervendavate andmete integreerimine, enesetervendav analüüs ja kus see paremaks läheb, on see tõesti põnev. CDO-na, kui hakkate mõtlema inimeste tehnoloogilisele tehnoloogiale, vaatame lähemalt, praegu vaatame tehnoloogiat, siis vaatame inimesi ja kuidas läheneda teie meeskonna ja hoone loomisele oskused. Kui vaadata tänapäevast analüüsi platvormi, ütlen teile kohe ära, et kõigil pole siin kõike, ehkki suuremates organisatsioonides võivad iseenesest olla kõik need erinevad komponendid, võib mõnel rühmal olla ainult kaks või kolm väikest kasti siin, nii et ma ei tahtnud sellega inimesi üle pingutada. Kuid kaasaegne BI-platvorm ei vaja tingimata IT-ehitust, eelnevalt määratletud semantilist aruandluskihti.
Kasutajatel ja ekspertidel peaks tõesti olema volitused lihtsalt andmete ettevalmistamiseks analüütilise kiiruse ja paindlikkuse jaoks ning kui mõelda sellele, mida me ütleksime kasutajate ja ekspertide juhitud analüütika tõusule, lastes asjatundjatel olla paindlikkust, peavad nad teha kiireid otsuseid. Me näeme oma sõnade, isikuandmete ettevalmistamise tööriistade, andmete segamise, rikastamise, puhastamise, Alteryxi teostatavate tegevuste liikide ja nende andmete pakutavate andmete teaduse laiendatud kasutuselevõttu. noh. Kaasaegset ettevalmistuslahendust pakuvad nad sellele arukale, automatiseeritud liitumisele, eraldusvõimele ja andmete nihutamisele, kui teil on suur andmesidekanal, see on väga-väga lahe. See on ilmselt jälle üks valdkondi, mida ma armastan ja kellele meeldivad ka tööstuses katsetamine.
Erinevalt traditsioonilisest IT juhitavast BI-st keskendub IT tänapäeval tõesti ettevõtte võimaldamisele ning teil on nagu CDO-sid inimesi ja paneb kokku või valib õigeid lahendusi, et neid andmeid korraldada, korraldada ja ühendada ning veenduda muidugi juhitud, eks? Üks asi, mis on minu jaoks väga huvitav, ja ma kindlasti arvan, et oleme sellest järeldanud, kuid ma ei usu, et oleme selle otse välja öelnud - kõigile üheainsa andmelao päevad ja see, et lõpuks kõik on kindlasti läbi. Andmeid on igal pool, mida peate tegema - andmejärved on pildile jõudnud, seal on voogesitatavaid ja reaalajas olevaid andmeid, nüüd on nii palju erinevaid andmeallikaid, see on tõesti rohkem kasutusjuhtudel põhinev „Mida te vajate?“ Versioon “Peame kõik andmebaasi viima.” Ma pole kindel, Nick, kas sa tahtsid seda kommenteerida? Ma ei tule meelde.
Nick Jewell: Ma ütlen lihtsalt ühte asja ja see on lihtsalt, jälgige komponendi arengut. See, mida eksperdid viis kuni kümme aastat tagasi tegid, on nüüd kasutaja käes, nii et sealsed parempoolsed asjad muutuvad rohkem kasutatavaks pukseerimata koodivabas vormis olevatele kasutajatele, väga kiiresti. See liigub kiiremini ja kiiremini, nii et lihtsalt jälgige seda.
Jen Underwood: Jah, see on tõesti hea mõte. Armastan selle üle järele mõelda. Erinevad andmeteadused, sellest saab lõpuks reaalsus ja tööriistad muutuvad palju paremaks. Kui mõelda tehnoloogiale, siis nüüd peavad meil olema oskused ja inimesed ning mida me peame tegema? Praegu on parimad töökohad - nende hulka kuuluvad näiteks teadlased, andmeinsenerid ja ärianalüütikud, kuid leiame, et tööandjate endi arvates on mängu sobitamine väga raske. Isegi andmete ettevalmistamise ruumis ütlen ma: „Kas see on andmete ettevalmistamine, kas see on andmete vaevlemine, milliseid termineid inimesed kutsuvad?” Seda on olnud väga huvitav leida.
Ettevõtted ei tea, mida nad vajavad, ja see on täiesti uus tärkava valdkond, mis hõlmab paljusid erinevaid valdkondi. Kui nüüd vaadata kõiki inimesi, peavad nad olema nende andmete kapten, ärianalüütikud, IT-projektijuhid, minu abikaasa, kes haldab elektrivõrku ja projektiportfelli, peab ta seda suutma analüüsida. See pole enam ainult rahandus ja andmete analüüs, vaid laieneb ka organisatsiooni muudesse valdkondadesse. Arvan, et nägin uuringut, kui palju andmeallikaid turundus kasutab, ja see oli üle jõu käiv. Kui mõelda jällegi uuringule, mille tegi Harvard Business Review, siis pole enam ainult üks andmeallikas, sest inimesed peavad omavahel kokku pudenema, sulanduma ja leidma sellest ülevaate, sellel on palju andmeallikaid ja selleks on vaja oskusi.
Kui vaadata siin sisuliselt suuremat pilti, siis enamik uusi palkajaid on selles roosas mullis põhja poole, kui räägite nendest ärianalüütikutest andmetöötluse analüütikute, personalijuhtide, selle valdkonnaga, vaid regulaarsete rollidega reas ettevõttest andmeid kasutades. Kiiresti kasvavatel rollidel on vähem töökohti, kuid kindlasti on seda, mida tänapäeval turul kõige enam kuuleme, andmeteadlane ja andmeinsener. CDOna vaatavad nad tulevikku ja plaanite talendit, peate arvestama rutiinsete ülesannete automatiseerimisega ja strateegiliste strateegiliste oskuste liikidega ning jällegi lisama oma organisatsioonis väärtust mõlemale need, kus on lubatud analüütika, aga ka sealsete andmeteaduste ja andmeinseneride jaoks. Mõelge sellele, kuidas teie postitamata positsioonid ja isegi osa vabamajandusest võivad muutuda, kui mõtlete sellele, et võistelda parimate ja säravaimate nimel.
Ja mõelge alati ka oma talentide pakkumisele, aidake kandidaatidel turul liikuda või otsige asju, mis võiksid olla pisut teistsugused ja mitte just sellised, mida soovite, ning looge ettevõttesisese analüüsi kursused, mis ei pruugi tegelikult olla kõige kiiremad, kõige tasuv strateegia, et saaksite sammu pidada. Mõelge inimestele, kes on pühendunud selle või erinevate rühmade koolitusele, ja usun, et Alteryxil on täna istungi lõpus soovituslik tegevuskursus, mille abil saate mõnda neist asjadest aidata ja oma meeskonda kasutada mõned olemasolevad ressursid, mis on juba saadaval.
Nick Jewell: Absoluutselt. Selle andeka tühimiku täitmiseks ilma võidurelvastumiseta on nii palju võimalusi. Paar slaidi tagasi, ma ei tea, kas teil on võimalik paar seal klappida. Andmeteadusliku võistluse sait Kaggle avaldas just uuringu, milles osales 17 000 vastust andmetöötluse hetkeseisu kohta. Uuringust tuli tõesti huvitav vastus, mis käsitles inimeste oskusi ja enamikul vastanutest polnud doktorikraadi. , see pole lihtsalt enam eeltingimus.
Idee, et järgmise põlvkonna analüütika eksperdid - see suur mull, mida just näitasite - saavad nanoteaduste kursustel omandada vajalikke teadmisi. Nad võivad minna sellistele saitidele nagu Udacity ja nad saavad neid teadmisi kohe ettevõttes kasutusele võtta. Lühikese keskendumisega tarnetsüklid muudavad need oma ettevõtete konkurentsieeliste viivitamatuks allikaks. Nii et midagi, mida ma peaksin silmas pidama, arvan ma.
Jen Underwood: Ei, olen nõus. Isegi kui ma mõtlen selle peale, on see kindlasti pikk tee, sest ma võtsin UCSD-s kaheaastase programmi. Arvan, et see oli tagasi 2009., 2010. aastal ja riigis oli tõesti tõesti käputäis, mis võimaldas teil seda teha. Nüüd on üldiselt palju rohkem võimalusi, aga ka spetsialiseeritud programme, olenemata sellest, kas see toimub müüjate kaudu, palju ressursse, mis on tänapäeval silmustega saadaval ja kõiki neid erinevaid veebiressursse, see on lihtsalt hämmastav, käes on tõesti õige aeg. Selle jaoks aega ja eelarvet koostades ning kavas end pidada. Mis on see, mida soovite õppida? Ja siis mööda seda rada, mida soovite õppida.
Rääkides sellest ja vaadates kokku oma oskuste plaan ja CDO tulevikuperspektiivid, veenduge, et neil oleks valdkondi, kellega ma räägiksin, näiteks pädevuse raamistik ise, oskuste vaatamine või selliste asjade vaatamine, nagu domeeniteadmised. on endiselt tõesti võtmeks, ehkki need lahendused võivad end ise koolitada ja ise õppida, on tõesti ettevõtluse valdkonna asjatundja, kes juhendab ja tagab tulemuste mõistlikkuse.
Midagi on alati ja mulle meeldib kasutada näidet, kui tegelesin kindlustusseltsile kriitilise analüüsiga ja algoritmide üks tõdemus oli mitte kellegi New Yorgi palkamine. No ei, me ei kavatse New Yorki kedagi palgata - pidime välja selgitama, miks algoritm meile selle teabe andis. Põhjus oli see, et üks seadustest oli muutunud ja seetõttu oli meil selles segmendis palju kõmu. Vaja oli kaasata äritegevuse asjatundja, et see dešifreerida, ja ma ei näe, et see muutuks, ma ei näe seda sellist suunamas, hoolitsedes selle eest, et tulemused näeksid täpsed, kas need näeksid midagi välja - see on ikkagi , inimmõistuse jaoks on midagi sellist, mille ilu koos masina jõuga on tõesti see, kuhu me läheme.
Muud tüüpi asjad, kui vaadata oskusi, visualiseerida, rääkida tõhusat lugu andmetes, rääkida tõhusat lugu sellest, kas see on isegi masinõppe väljund. Kui kokku panna ja vaadata selle mõju, otsustamise inimliku olemuse mõistmine, siis on seda tüüpi asjad tehnoloogiast sõltumata väga olulised. Juhtimine on tõesti oluline, eetika muutub üha olulisemaks. Kaasates sotsiaalteadlased, kes mõistavad ja saavad väljaõppe, et vaadata, kas teie andmetes on eelarvamusi, mida te isegi ei mõista või kellel pole organisatsioonis kedagi, kes seda isegi ei tunneks, isegi kui viiksite nad eksperdi juurde , millel on seda tüüpi asjad.
Ja jällegi, loomulikult, omades inseneri- ja riistvara infrastruktuuri ning hoolitsedes selle eest, et saaksite mastaapida ja see oleks välja töötatud, ning veenduge, et kasutate õiget pilveteenuse pakkujat, võib-olla seda, et te pole lukustatud või et teil on võimalusi kolimiseks või saate aru hinnakujundusest, kui palju need teile maksavad. See on seda tüüpi oskused ja kui te seda vaatate, siis nimetaksime seda oskusteks eri valdkondade kaupa, olgu see siis andmepõhised eesliinil põhinevad otsustajad - kus enamus neist rollidest saab - kuni nende andmeinseneride ja andmeteadlaste juurde, kes olla masseeriv ja töötada neis ookeanides. Need on tüüpi asjad, mille jaoks soovite raamistiku kokku panna.
Pädevuse raamistikke vaadates vaatlete organisatsiooni üldiselt, soovite arvestada mitte ainult oskustega, vaid kompetentsusega. Sellel sõnastusel on seal väike nüanss. Teie organisatsiooni pädevuse raamistik on selge signaal. Sõjapoliitika kujundajad, hariduse pakkujad, ehkki oskused oleksid kirjutatud R-kirja all, mõtlete seda tüüpi asjadele, teil on pädev kodeerija, kuid soovite, et teil oleks midagi enamat kui need oskused. Kui mõistate pädevust, see, mida inimene peab suutma ja peab mõistma raamistikku, on see oluline, on seal natuke nüansse.
Selle ehitamise ajal soovite diagnoosida, mida nimetaksite võimeks, millel on ettevõttele positiivne mõju, ja tõsta esile need suure potentsiaaliga valdkonnad, nii et eelistate, millised on kompetentsid, mida soovite oma organisatsioonis tõsta ja siis viige need uuesti vastavusse ärieesmärkidega. CDO, kes vastutab andmete väärtuse maksimeerimise eest, vaatavad nad, ja nende CAO, kes kasutab andmete väärtuse maksimeerimiseks analüütikat. Nad vaatavad neid kompetentsusi ja neid erinevaid valdkondi varasema võrgu kaudu, mis mul seal oli, kuid siis vaatavad nad ka personali suurt potentsiaali. Teil on ristviide, et koos andmetega ja analüütiliste töötajatega töötage ja neisse investeerige, pakkuge neile õppimisvõimalusi, mitte ainult koolitust, peamiselt reaalse maailma võimalusi, mis tegelevad reaalsete äriprobleemidega.
Pole midagi paremat - isegi kui ma käisin paar aastat koolis, alles siis, kui ma läksin ja rakendasin mõnda neist algoritmidest või õppisin tšekipettustest, õppisin nendest asjadest, millest ma pole kunagi varem mõelnud, ja teie hakake reaalses maailmas kokku panema ja see on koht, kus te õpite. Andes inimestele võimaluse saada kogemusi nendes valdkondades. Ettevõtted, kes on kõige paremini võimelised looma tugevaid võimeid, mis tuvastavad süstemaatiliselt objektiivseid hinnanguid ja vaatavad, kus on minu organisatsiooni lüngad õppimises ja mõne mõõdiku paikapanemisel inimeste jaoks paika panemiseks, on need, kes suudavad toimetama.
Kui mõelda täiskasvanute koolitamisele, on see jällegi aeg nälga jäänud - me oleme kogu aeg näljas -, kuid vaadates, mis mõlemale sobib. Mul isiklikult on raamatuid, nii et kui te peaksite täna minu kabinetti tulema, näeksite te tonniseid raamatuid, isegi kui paljudele inimestele meeldivad videod. Niisiis on vaja välja selgitada, kuidas meeldib teie organisatsioonis kellelegi õppida - motiveerida teda õppima -, aga ka antakse neile selleks aega ja eesmärki - mis on selle saavutamiseks tõhus ja mis tavaliselt on segatud, see pole lihtsalt, astuge sellel kursusel kontrollima, kas punktikaardil on see märk, iseenesest, see on selle segamine reaalse eesmärgi projektiga ja mida te sellest projektist õppisite ning mida soovite järgmisena teha? Mis on venitus? Meeskonna venitamine või meeskonna motiveerimine seda edasi võtma.
Need õpieesmärgid - jällegi - kui te seda teete, siis tegelikult ei peaks see olema, see peaks olema ettevõttele lihtne, kuna need eesmärgid peaksid vastama strateegilistele ärihuvidele. Need on suurepärased projektid. Need on katseprojektid. Need on projektid, mis viivad nõela edasi.
Nick, kas sa tahtsid midagi lisada? Ma pole kindel.
Nick Jewell: Ei, ma kavatsesin järgmisel ekraanil uurida juhtumianalüüsi, kui see sobib. Konkreetse organisatsiooni natuke detailsem teave. Ma arvan, et nad on palju teie räägitust reaalsusesse viinud. Ford Motor Company tugines andmeanalüüsile aastakümneid, nagu paljud ettevõtted, kuid tegi seda ettevõtte taskutes, tõenäoliselt kogu ettevõtte korporatiivsuse ja kooskõlastatuse tagamiseks väga vähe järelevalvet. Nende probleemid olid tõenäoliselt oma mahuka organisatsiooni jaoks üsna tüüpilised, nii et analüütikaalane ekspertiis sisaldas - nagu me ütleme - taskutes andmehaldus- ja juhtimispraktikaid, mis olid ebajärjekindlad, isegi kuni punktini, kus mõnel äriüksusel puudus juurdepääs analüütika põhiteadmistele.
Jällegi, me rääkisime täna paljudest eri tüüpi andmeallikatest - neil oli üle 4600 andmeallika. See tähendas isegi reisi alustamist ja vajalike andmete leidmist, mis oli analüütilise ülevaate tegelik takistus. Ma näen, et sa naerad, aga see on kohutav asi, eks?
Jen Underwood: 4600, oh jumal küll, jah.
Nick Jewell: Nii moodustas Ford ülemaailmse arusaamade ja analüüsiüksuse ning see oli tsentraliseeritud - võite seda nimetada tippkeskuseks -, mis koosneb andmeteadlaste ja analüütikute meeskonnast ning on korraldatud jagama seda analüütilist parimat tava ja aitama levitada optimeeritud andmepõhist andmete kogumist kogu maailmas. äri. Üksus valis oma klassi parimad tööriistad, mitte ainult võimekuse, vaid ka nende võime tõttu hästi integreeruda, nii et see on üsna oluline. Nende demokratiseerimise keskmes oli tegelikult aruanded ja kirjeldav analüüs, enne kui me liikusime edasi vajaduste püramiidist, millest me oleme rääkinud.
Nüüd ei muuda demokratiseerimine kedagi üleöö vaid andmeteadlaseks; töötajad peavad teadma, millal ja kust abi saada, ning selle kõige abistamiseks on olemas väljaõpe, juhtimine ja metoodikad. Samuti ei tähenda see ainult tööriistakoolitust, vaid ka andmetöötluse koolitust, et ületada meie mainitud oskuste puudujääk. Niisiis, Fordi reaalmaailmas kasutamise juhtum, optimeerides logistikavõrku, kas Ford maksis õige summa materjalide viimiseks punktist A punkti B? Nende pärandanalüütika ei toonud tõepoolest esile praktilisi võimalusi; see muutis nad turul väga reaktsiooniliseks.Nüüd oli selle protsessi keerukus analüütikute pähe lukustatud ja nad tegid tohutu läbimurde, kui iseteeninduse töövoogu korrati tegelikult äriga ja analüütilised eksperdid istusid koos ja asusid koos.
See viis analüüsi mitmeaastaselt kvartalile ja isegi reaalaja lähedale, nii tohutu, tohutu kasu ettevõttele. See iseteeninduse analüüsi mõju ettevõtte väärtusele on olnud nii, et Ford saab kiiresti kavandada ja kehtestada kogu ettevõtte jaoks andmepõhiseid strateegiaid, et reageerida tekkivatele trendidele, aidata kujundada uusi teenuseid ja põhimõtteliselt tõrjuda konkurentsist tulenevaid ohte ilma lihtsalt peab vaatama tahavaatepeeglisse.
Kui me vaatame hetkeks, kuidas mõni teine klient on analüütika tõepoolest teisaldanud ettevõtte ühe jagunemise vertikaalsest prioriteedist horisontaalseks ribaks kõigis divisjonides, siis räägime Shellist. Shell juhib tippkeskust, mis annab aru digitaalarengu ülemale - seega on meie CxO mänguraamatu jaoks veel üks D - vastutav digitaalse muundamise ja jätkusuutlikkuse eest. Need poisid mõistsid, et nende keskkond sisaldab mitut kihti ning tehnoloogiapaketti, salvestust, andmetöötlust ja see kõik hõlmas tehnoloogiaid, mis teile kõigile tuttavad on. Sellised asjad nagu SAP HANA, Databricks, Spark ja need võimendasid avalikku pilve, et jõuda õigesse mastaabisäästu.
Nüüd valisid nad suure osa oma R-koodi jaoks analüütikute pakendiks Alteryxi, kasutades tehnoloogiaid nagu Spotfire, Power BI ja palju muud. Kuid nüüd näevad nad lapsendamist sidumist andmetöötluse ja visualiseerimisega palju tihedamalt. Jen, kui just helistate tagasi kõigi nende võimaluste slaidile, siis selline asi levib, kui hakkame võimaldama suuremat arvu analüütikute juurdepääsu. Teate, nad olid selle võime ja Euroopa Nõukogu jõudmisel tohutult edukad, soovides edaspidiseid võimeid nüüd pakkuda, mõned neist sügava õppimisega seotud asjadest, millest me rääkisime - masinnägemine, loomuliku keele töötlemine - ja pool nende missioonist on kohaletoimetamine, pool sellest seisneb nende ideede selgitamises ja katalüüsimises äriüksuste vahel. See on osa teekonnast; CoE otsib alati erinevaid võimalusi oma äripublikuga suhtlemiseks.
Arvestades ühelt poolt skeptikuid, kes ütlevad: "Noh, see must kast ei saa kunagi nii hea kui minu analüütik", kuni fännipoisi või harrastajani, kes näeb kõikjal seoseid, võib-olla vähem põhjuslikke seoseid , kuid peate olema mõlemalt poolt ettevaatlik. See on põnev kesktee, kui teil on see horisontaalne riba terves organisatsioonis, see hübriidsete oskuste komplekt, mis on vajalik spektri mõlema poole veenmiseks.
Nick Jewell: OK, Jen, kas sa oled seal?
Jen Underwood: Ma olen.
Nick Jewell: Arvan, et proovime siin selle Clayton Christenseni tsitaadiga öelda, et paljude organisatsioonide jaoks on analüütikakava ühendamine eesmärgiga juhtida digitaalset muundamist, millest me täna rääkisime, väljakutseks. . Enamasti leiame nõrga käega alustavaid analüütilisi meeskondi. Analüütiliste protsesside, tehnoloogiate, meeskonna ülesehituse ja nende säilitamisega pärandvara uuendamise katse on suurim takistus analüütilisel joondamisel ja analüütilisel innovatsioonil. Kas teil on selle kohta mõtteid, Jen?
Jen Underwood: Naudin pilti, mis oli valitud. Jah, kindlasti on minu jaoks palju mõtet. Peate omaks võtma mõned neist uutest tehnoloogiatest, näiteks reaalajas voogesituse. Te ei pea tingimata neid reaalajas tulemusi saama, kui peate brauseris iseenesest vana pärandiga värskendama JavaScripti - võib-olla on see armatuurlauarakendus või seda tüüpi asjad. Jah, peate omama mõnda neist uutest tööriistadest ja jällegi arvan, et see pilt on tõesti armas, pilt ütleb tuhat sõna. Käru ja lollakas, peate mõne neist vanatehnika lähenemistest lahti laskma.
Nick Jewell: Absoluutselt. Seega, kui liigume järgmisele slaidile, arvame, et on olemas parem viis. Arvan, et esiteks kasutate Google'ilaadse otsinguga sarnast teavet kõigi oma kõige asjakohasemate andmevarade kiireks leidmiseks. Nende mõistmine, sõltuvuse mõistmine, faktoorimine tõeliselt lihtsate asjadega, näiteks ärisõnastikega, mille on koostanud teie kogukondade eksperdid ja mida hoiab elus kogu see töökaaslaste peade hõimuteave.
Andmetuvastusega nutikaks saamine. Mõelge võimalusele pidada vestlusi raportite omanike ja ekspertidega. Laadige üles, tehke natuke Trip Advisorit või Yelp'i, laadige üles kõige kasulikumad varad, kinnitage need, mis organisatsiooni arvates on kõige väärtuslikumad, ja seejärel lisage see kõik uuesti otsingutulemustesse ja lõpuks otsingutulemitesse, muutes selle paremaks järgmine kasutaja. Kui olete leidnud, mida otsite, liikuge sellesse kiiresse, koodivabasse, kasutajasõbralikku ettevalmistamise ja analüüsi faasi, et töötada välja oma täiuslik andmekogum, millest korratavate protsesside avaldamiseks.
Tagasi meie automaatvestluse juurde, luues kasutajasõbralikke rakendusi. Kõik, mida on vaja analüütiliste mudelite loomiseks. Rääkides mudelitest, oleme mitu aastat toetanud selliseid avatud lähtekoodiga tehnoloogiaid nagu R, mis võimaldab meil luua tõeliselt arenenud analüütilise võime, mis hõlmab kirjeldavat, aga ka ennustavat, ettekirjutavat analüütilisi lahendusi lihtsas, lohistades ja tilk viis.
Nüüd, paremale poolele jõudes, saab see ülevaade interaktiivsetest visualiseerimistest, mudelitest ja punktiarvestusest alla andmeplatvormide sisemusse või viimati, muutes selle ülevaate koheselt ja otse äriprotsessis kättesaadavaks. Ma arvan, et just see funktsioonide valik tervel platvormil võimaldas meil tänavu Gartneri Peer Insightsi kliendi valimise uuringus kuldiauhinna võitjaks tunnistada, mis on fantastiline saavutus. Soovitan tungivalt külastada Gartneri saiti, et saada lisateavet ja lisada oma hääled ning lisada oma kommentaarid.
Lahe, Jen, kui jätame veel ühe slaidi edasi - arvan, et kui me järelduse teeme, tahaksin anda teile kõik järgmised sammud. Esiteks külastage veebisaiti Alteryx.com, et laadida alla analüütiliste takistuste kõrvaldamise kohta meie kõige värskema uurimistöö lühikokkuvõte, mis on tehtud koostöös Rahvusvahelise Analyticsi Instituudiga (IIA). Võite ka külastada saiti udacity.com/alteryx, et saada lisateavet selle kohta, kuidas meeskondadele võimaldada, oma teekonnal järgmise sammu teha, kasutades selleks täiustatud analüüsi nanokraadi kraadi ja siis lõpuks Alteryxi enda jaoks kogeda. Külastage kodulehte, laadige alla täielik ülevaade ja saate lahenduse põnevuse.
Jen, sulle üle. Võib-olla on meil aega mõne küsimuse ja vastuse saamiseks.
Eric Kavanagh: Ma helistan lihtsalt kiiresti. Meil on paar küsimust. Ma viskan ühe, arvan, esmalt teile, Nickile ja seejärel Jenile, kui soovite seda kommenteerida, kuid see on kindlasti rohkem kohaldatav ELis ja see on kurikuulus GDPR ehk ülemaailmsed andmekaitse eeskirjad. Kuidas mõjutab see Alteryxit ja teie tegevuskava ning millele teie, kutid, olete keskendunud?
Nick Jewell: See on vist väga boogieman, see on praegu seal väljas. Paljud inimesed räägivad sellest, paljud inimesed on üsna mures, kuid see on tõesti esimene pikaajalisest määruste seeriast, mis tulevad andme- ja analüüsimaailma. Meie arvates on see tegelikult teie andmete mõistmine ja klassifitseerimine. Veendudes CxO-s, et teil on mingit erilist maitset, teate oma vara asukohta, teate nende seoseid ja teate, et võite neid esimesena usaldada, kui soovite andmete haldamist ja haldamist laiemalt.
Eric Kavanagh: Ma arvan, et kui Jen tagasi tuuakse, Nick, esitan teile veel ühe küsimuse - st koolitusandmed, kui keegi nõuab nende andmete eemaldamist teie ettevõttest - see ei mõjuta ainult nende nime, aadressi ja nii edasi, mitte ainult nende kontaktteave, vaid ka siis, kui algoritm kasutab teie andmeid sisaldavaid koolitusandmeid, peaksite algoritmi ümber õppima, kas pole nii?
Nick Jewell: See on eriti keeruline. Arvan, et idee, et mitte ainult andmebaasid kui osa sellest isiklikult tuvastatavast teabest on allikad, vaid ka analüütilised töövood, rakendused ja visuaalid. Neid andmeid on organisatsioonis igal pool, nii et see on tingimata vajalik.
Eric Kavanagh: Ja Jen, mis sa arvad? Ilmselt pole see nii suur asi USA-s ja me ei näe, et praegu tegutseks liiga palju ettevõtteid, kuigi tehniliselt see siin kehtib. Kui USA ettevõttel on andmeid ELi kodaniku kohta, siis mis on teie hinnang GDPR ja kui suur tehing see on?
Jen Underwood: Noh, ma kindlasti arvan, et see nõuab andmete vastutustundlikku käsitlemist. Olen sellest paar korda kirjutanud ja mul on nendest asjadest mõned juhised. Ma arvan, et teie esitatud küsimus algoritmide kohta on huvitav. Kindlasti on mõned lahendused, mida ma täna vaatan, mõned nende tooterühmad on kavandanud funktsioone, nii et näete, kuidas nad otsuseid teevad ja milliseid isikuandmeid selle algoritmi tulemuse otsustamiseks kasutati. Näeme siin Ameerika Ühendriikides tootekujunduse mõjusid.
Paljudel tehnoloogiaettevõtetel on siin väga suured kontorid ja arendusmeeskonnad nii Ühendriikides kui ka kogu maailmas, nii et näeme seda tootearenduses. Ma näen, et investeeritakse rohkem andmekataloogidesse. Rohkem valitsuste algatusi hajutatakse nii, et inimesed mõistaksid ja saaksid aru, kus kõik need andmed on kaoses. Proovin vähemalt selle korraldamise käest kinni haarata, suutsin selle üles leida ja sellega midagi ära teha.
Eric Kavanagh: Ma lükkan selle slaidi, millest me varem rääkisime, ja viskan selle teile üle, Nick. Ma arvan, et see on fantastiline slaid, sest minu jaoks vastab see tõesti vajadusele analüütika järele. Mida arvate sellest muutuvast dünaamikast? Pean silmas seda, et ettevõtted peavad olema paindlikud ja näen, et analüütika juhib seda tasu. Mida sa arvad?
Nick Jewell: See on põnev. Ma arvan, et alati on nii - ettevõtted ja tehnoloogiad eksisteerivad alati kolmes osariigis, nii et see saab olema sõda, rahu või ime. Sõda tuleb selle tiheda konkurentsitaseme pärast. Wonder on kõik suurepärane uus kraam, mille ehitate platvormi peale. Siis rahu enne võistlust ja sõda algab uuesti. Ma arvan, et see lahing toimub alati.
Enne tänast kõnet rääkisime veel mõnest teisest konverentsist ja peamistest märkmetest, mis tänapäeval kogu maailmas toimuvad. Mõned suured pilvemüüjad on jõudnud sellesse kohta, kus nad on selle platvormi üles ehitanud ja nüüd ehitavad nad selle peale imelisi uusi asju. Ettevõtted peavad seda väga tähelepanelikult jälgima ja veenduma, et nad tegelevad millegagi, millel on ühtne platvorm, mis pakub seda väärtust ka tulevikus. Nad hakkavad seda häiret üle elama.
Eric Kavanagh: Jah, see on hea punkt ja teate, Jen, te kommenteerisite juba varem, tegelikult enne saadet, pilve strateegia kohta ja selle kohta, kuidas paljud tööstuses tuttavad inimesed räägivad, et kõigil suurtel ettevõtetel, isegi pankadel, on nüüd pilve strateegia. Olen olnud omamoodi üllatunud, kui kaua selle realiseerumine on võtnud, ja ma arvan, et võib-olla mõni neist läks AWS-i taaselustamiskonverentsile ja mõistis, kui suur see on, ning tegi järelduse, et aeg on kätte jõudnud. Mida arvate suurettevõtete juhtide teadlikkusest pilve impordist ja kuidas see nende planeerimist muudab?
Jen Underwood: Kui ma mõtlen selle suuremahuliste andmete maailma üle ja suudaksin seda hallata, siis arvan, et mõnel tasandil on teatud meelerahu, kui üks väga suur ettevõte võtab vastutuse mõne turvaaspekti eest, seega on seal teatud rahu meeles seal. Teate, et pilvega on piiratud ulatus.
Teine asi on see, ja ma nägin seda, et olin meeskonnas, mis arendas mõnda pilves toodet ja see oli kindlasti alakoerte toode ning keegi ei pööranud sellele tähelepanu kahe aasta jooksul iganädalaste väljaannete ja isegi Ma ütleksin, et see on peaaegu iga päev pilves vabastamine. Ma tean, et Amazon ütleb, et nad vabastavad mitu korda päevas. Kui teil on see oht, kui teie konkurendid saavad iga päev vallandada ja parandada, olenemata sellest, mida nad teevad, vähemalt tarkvaratööstuses - ja kui kõik on tõesti tarkvaratööstuses, kui hakkate digitaalse ümberkujundamisega tegelema -, on see hoopis teine pallimäng ja igaüks võib pilvi keerutada ja suureneda.
Jällegi hakkavad muutuma need andmed, mida nad võimendavad, ja nende algoritmide intelligentsus ning see on põhjus, miks inimesed räägivad, et andmed on uus õli või andmed on kuld. Kui ma vaatan pilvi, on see mänguvahetaja, see võimaldab tõesti väga, väga kiiret arendamist ja ulatust. See on hämmastav.
Eric Kavanagh: Toon teid tagasi, Nick, veel ühe küsimuse jaoks - kui me mõne sellise küsimuse juurde jõuame, läheme siin vaid minut aega, kuid nagu ma meenutan, viis ja kuus ja võib-olla isegi seitse aastat tagasi, Alteryx oli tõepoolest uuendaja kolmandate osapoolte andmete võimendamisel - seega andmete toomine sellistest allikatest nagu näiteks Experian või georuumilised andmed. Ma mõtlen, et see on tõenäoliselt strateegiline eelis, sest selline asi on Alteryxi DNA-s, eks? Kuna ettevõtted liiguvad pilve poole, on minu arvates teil, kutid, palju kogemusi nende maailmade ületamiseks. Mis te arvate? Esitlusega salmide kolmandate osapoolte ja pilvepõhiste andmete maailm
Nick Jewell: Jah, absoluutselt. Ülim ühenduvus saab olema selline võimsusmäng kõigile ettevõtetele, kes hakkavad selles pilvepõhises keskkonnas töötama. Kuid kui ma räägime infonoomiast, siis ütlen, et teavet ja andmeid tuleks pidada teie ettevõtte varaks. Suurem osa väärtusest, mida kavatsete saada, on väliste andmeallikate võtmine, nende ühendamine ja sisemiste allikatega rikastamine, et protsessis väärtust juurde luua ja raha teenida. On äärmiselt oluline töötada võrdselt nii sise- kui ka väliste andmetega.
Eric Kavanagh: Jah, see on hea punkt. Ma arvan, et see kogu hübriidpilve maailm on siin, et jääda. Jen, ma lihtsalt viskan selle teile võib-olla mõne sulgeva kommentaari saamiseks. Minu arvates on sellel strateegilisel seisukohal ja võimalus ühendada, kuna uus termin kirjeldab andmeid allikate lõikes, see on edaspidiseks kriitiliseks eduteguriks, eks?
Jen Underwood: Ei, absoluutselt ja see on naljakas, ma kuulsin seda hübriidi, hübriidi, hübriidi. Kuulsite sellest ja neli aastat tagasi mõtlesite Hadoopi, Hadoopi ja suurandmete peale ja siis hakkasite kuulma hübriidi, hübriidi, nii et kindlasti on seal kohal olnud, me pole tingimata, see on masinõppe aasta, riba pole. Ma mõtlen, et tehisintellekt, masinõpe on sellel aastal astunud, kuid selleks, et tõepoolest toimida organisatsioonis, mis on pilve poole teel või peab tegelema kõigi nende erinevate pilveandmete allikatega, on see võib-olla Salesforce või Tööpäev, kõik need erinevat tüüpi allikad, mis elavad pilves, ja ainus viis sellega hakkama saamiseks on hübriid. Te ei saa andmeid igal pool kopeerida, seega peate saama otseühenduse luua ja peate leidma viisi, kuidas töötada kõikjal asuvate andmetega, leida andmeid igal pool, kuna see on reaalsus seal, kus oleme õigel ajal nüüd.
Eric Kavanagh: Arvan, et oleksin vallandatud, kui ma ei tooks vestlusse masinõpet, seega, Nick, viskan selle teile lihtsalt üle. Ma tean, et teie inimesed on nüüd sellele keskendunud - kas saate rääkida näiteks sellest, kus näete masinõpet vastavat analüütilisusele ja süsteemidele, mida me oma ettevõtte ja meie andmete mõistmiseks kasutame?
Nick Jewell: Jah muidugi. Lähme siis lühidalt tagasi meie oskuste puudujäägi juurde. Idee, et meil on organisatsioonid võimsate Exceli kasutajatega absoluutselt täis. Andmeteadlased on küll läbi tulnud, kuid mitte samas tempos. Nende kahe vahel on tohutu lõhe. Mõelge sellele, kus täna on masinõpe. Mitu algoritmi on meil telefonis või kellas, mis sisaldavad masinõppe tehnikaid? See on kaup, seda on igal pool. Peame võimaldama neil energiakasutajatel hõlpsamal viisil veenduda, et masinat rakendatakse kogu ettevõttes edukalt.
Eric Kavanagh: Ma viskan võib-olla ühe viimase teile. Paar küsimust tuli meil hilja siin. Jen, ma palun seda sinult. Kohalolija kommenteerib seda kogu juhendamata õppimise kontseptsiooni ja tõsi on see, et teil on vaja kraami tegemiseks koolituse andmeid ja tavaliselt peavad koolitusandmed olema konkreetsed ettevõttele. Ehkki tööstusharudes on palju korrelatsioone, on organisatsioonide sarnasuse viise palju. Sellegipoolest on iga ettevõte ainulaadne, olgu see siis tema ärimudel või lähenemisviis turundusele või müügile või mis iganes juhul tootearendus.
Tekib küsimus, kas need algoritmid saavad kasutada koolituseks kolmandate osapoolte andmeid? Mulle tundub, et peate nende algoritmide koolitamiseks kasutama alati oma andmeid, isegi kui tsükli aeg kukub kuue kuu pealt - mis mõnel juhul on olnud - 40 päevani või 20 päevani, sõltumata juhtum võib olla. Peate tõesti kasutama oma andmeid ja veenduma, et andmed on üsna puhtad, eks?
Jen Underwood: See on tõesti segu. Sa tahad saada väliseid kontakte. Tegelikult on mind täna broneeritud tagasi ja mu järgmine veebiseminar räägib andmete ettevalmistamisest ja puhastamisest, irooniliselt masinõppeks. Mis on tõeliselt oluline, on see, et koondate oma organisatsiooniga väliseid kontakte, ja mulle meeldib, et te küsisite andmete ettevalmistamise ja puhastamise kohta, sest ausalt öeldes on mõned tööriistad väga-väga head - nad saavad selle teatud aspektidega hakkama, kuid inimmõistus või kui suudate probleemi dešifreerida ja otsida ning veenduda, et seda pole ära jäetud - öelge, et meil on mingisugune tegematajätmise eelarvamus.See, kuidas te probleemi vaatate, ja viis, kuidas valite automatiseeritava probleemi kujundamise või automatiseeritavad otsused, on sellele kaldu ja aitab veenduda, et see kajastaks seda äriprotsessi täpselt.
Tulles tagasi minu näite juurde kindlustusseltsiga, kui me modelleerisime kantseldamist ja keda palgata, et läbida see sponsoreeritud koolitus kindlustuse müümiseks; mudelis endas polnud see õiguslik õhkkond, eri riikide jaoks olid erinevad seadused. Alati tuleb mõni aspekt, kus teil peavad olema välised andmed koos oma siseandmetega ja jällegi inimmõistus. Seal hakkavad olema erinevad komponendid.
Eric Kavanagh: Ma arvan, et tõstsite siia tõeliselt hea mõtte. Me kuulame pidevalt robotite ja masinate ning masinõppe ülevõtmist. Minu jaoks on see väga häiriv suundumus - selles pole vähimatki kahtlust -, kuid ma ei näe kunagi vajadust, et segust lahkuvad inimesed, eriti aga andmete ja ettevõtte andmete analüüs.
Nick, üks viimane küsimus teile. Ükskõik kui head algoritmid ka ei saa, vajate alati, et inimesed jälgiksid toimuvat, süstiksid end määratud kellaaegadel ja sünteesiksid seal oleva pildi suure pildi. Ma ei usu, et ükski algoritm suudab kunagi Fortune 2000 ettevõtte suurt pilti sünteesida, kuid mida te arvate?
Nick Jewell: Võtame näiteks täiesti mitte-Alteryxi näite, räägime eelmise aasta Uberist. Uber, Austraalias toimunud terroriakti ajal, üritasid inimesed piirkonnast põgeneda, panid nad ootamatult kõrgele hinnakujundusele, sest algoritmi sõnul põhjustas see mainele tohutut kahju. Vahetult pärast seda rakendasid nad koos töötavaid inimesi ja algoritme. Millal iganes see juhtus, pidi inimene protsessi üle järelevalvet teostama. See inimese ja algoritmi partnerlus, see on tee edasi.
Eric Kavanagh: Vau, see on suurepärane näide, tänan teid nii palju. Inimesed, siin on meie veebiülekanne üle tunni aja läbi põlenud. Suur tänu Jen Underwoodile ettevõttest Impact Analytics. Muidugi suured tänud Nick Jewellile ja Alteryx Teamile nende aja ja tähelepanu eest ning kõigile teile aja ja tähelepanu eest. Hindame neid suurepäraseid küsimusi. Arhiveerime kõik need veebiülekanded hilisemaks vaatamiseks. Jagage neid oma sõprade ja kolleegidega. Sellega jätame teile hüvasti. Suurepärane veebiülekanne täna. Tänan teid veel kord, võtame teiega järgmine kord ühendust, inimesed. Ole tubli. Headaega.