Ottaa mukaan: Isäntä Eric Kavanagh keskustelee datasta ja analytiikasta sekä tietovastaavan (CDO) ja pääanalytiikan virkamiehen (CAO) roolista Impact Analytixin Jen Underwoodin ja Alteryxin Nick Jewellin kanssa.
Eric Kavanagh: Hyvät naiset ja herrat, hei ja tervetuloa jälleen kerran Hot Technologiesin erityispainokseen. Ihmiset, tämä on Eric Kavanagh, minä olen tämän päivän näyttelijän, “CxO Playbook: Data ja Analyticsin tulevaisuus”, isäntä. Kyllä, minun on sanottava, että se on aika iso aihe. Itse asiassa meillä on tänään täällä vähän ennätyksellisiä joukkoja. Meillä oli yli 540 ihmistä rekisteröityä webcast-lähetykseen tänä aamuna. Teemme sen erityisenä ajankohtana, kuten monet teistä tietävät säännöllisistä näyttelyistämme, teemme nämä yleensä kello 4:00 itään, mutta halusimme ottaa vastaan erityisen vieraan, joka kutsuu sisään lammikon toiselta puolelta. Saanen sukeltaa suoraan tänään esitelmään.
Joten tämä vuosi on kuuma - se on ollut monin tavoin erittäin myrskyinen, mielestäni pilvella on paljon tekemistä sen kanssa. Tärkein veturi on tekniikoiden yhdistäminen, jota olemme havainneet markkinoilla, ja otan tietysti SMAC: n, kuten he sitä kutsuvat. Puhumme SMAC: sosiaalinen, mobiili, analytiikka, pilvi - ja kaikki nämä asiat tulevat yhdessä. Organisaatiot voivat todella muuttaa tapaaan harjoittaa liiketoimintaa. Yritystoimintojen suorittamiseen on enemmän kanavia, analysoitavaa tietoa on enemmän. Se on todella villi maailma siellä, ja puhumme tänään siitä, kuinka asiat muuttuvat C-sarjassa, joten pääjohtajille, näiden organisaatioiden parhaimmille ihmisille, hyvin, että koko maailma muuttuu juuri nyt ja olemme aiotaan puhua siitä.
Yläosassa on todella sinun. Meillä on tänään linjalla Jen Underwood Impact Analytixiltä ja Nick Jewell, Alteryxin johtava tekniikan evankelista. Se on erittäin jännittävää kamaa. Olen keksinyt tämän konseptin viime yönä, ihmiset, ja se on mielestäni todella mielenkiintoista. Tietenkin, me kaikki tiedämme musiikkituolit, lasten pelin, jossa kaikki nämä tuolit ovat ympyrässä, aloitat musiikin, kaikki alkavat kävellä ja yksi tuoli vedetään pois; kun musiikki pysähtyy, kaikkien on rypälettävä saadakseen tuolin, kun yksi henkilö katoaa tuolistaan tässä tilanteessa. Se on erittäin outo ja mielenkiintoinen asia, joka tapahtuu juuri nyt C-sarjassa, ja jos huomaat tämän kuvan täällä, sinulla on kaksi tyhjää tuolia takana. Tyypillisesti tuoli katoaa musiikkituoleista, ja mitä näemme nykyään, on C-tasolla vielä kaksi tuolia: CAO ja CDO, pääanalyytikko ja tietovastaava.
Molemmat lähtevät. Suoraan sanottuna tietovastaava on todella lähtemmässä kuin tulipalo nykyään, mutta mitä se tarkoittaa? Se tarkoittaa jotain erittäin merkittävää. Se tarkoittaa, että datan ja analysoinnin teho on niin merkittävä, että hallitushuoneet tai johtohuoneet, joiden pitäisi sanoa, C-sviitit muuttuvat - he lisäävät ihmisiä C-sviittiin, kokonaan uudet avainhenkilöt täyttävät joitain näistä uusista paikoista. Jos mietit kuinka vaikeaa on muuttaa organisaation kulttuuria, se on aika vakava asia. Kulttuuri on erittäin vaikea muuttaa asiaa, ja tyypillisesti positiivista muutosta edistetään hyvän johtamisen ja hyvien ideoiden sekä tällaisen asian avulla. Jos mietit mahdollisuudesta, joka meillä on juuri nyt, lisäämällä uusia johtajia C-sarjaan analysointia ja tietoja varten, se on todella iso asia. Se puhuu organisaatioiden mahdollisuudelle muuttaa suuntausta, ja katsotaanpa suuresti, vanhojen yritysten on todella muututtava, koska markkinat muuttuvat.
Annan yleensä esimerkkejä esimerkiksi Uberista tai Airbnb: stä organisaatioina, jotka ovat häirinneet perusteellisesti kokonaisia toimialoja ja mitä tapahtuu kaikkialla. Puhumme tänään siitä, kuinka organisaatiosi pystyy mukautumaan, kuinka siellä ihmiset voivat käyttää tätä tietoa, tätä näkemystä, muuttaaksesi liiketoiminnan suuntausta ja menestyäksesi informaatiotaloudessa.
Aion luovuttaa WebEx-avaimet Jen Underwoodille, ja sitten Nick Jewell aikoo myös soittaa; hän soittaa Yhdistyneestä kuningaskunnasta. Kiitos teille molemmille ja Jenille, annan sen sinulle. Ota se pois.
Jen Underwood: Kiitos, Eric, kuulostaa hyvältä. Hyvää huomenta kaikille. Tänään puhumme tästä CxO-pelikirjasta; se on datan ja analytiikan tulevaisuus, ja aion sukeltaa suoraan sisään. Eric teki jo hienon työn puhuakseen miksi tämä on niin tärkeää. Tänään puhujamme ovat jälleen kerran nähneet toisen diojen näiden tietojen kanssa, mutta minun ja Nick Jewellin on keskusteltava kanssasi erittäin vuorovaikutteisesti tässä istunnossa tänään. Aion avata kuvaamalla mitä nämä roolit ovat ja minkä tyyppisiä asioita he tekevät. Aiomme tarkastella analytiikka-alaa, näkymiä yleensä ja joitain haasteita, joita nämä ihmiset kohtaavat. Dynaamisuus organisaatioiden sisällä tänään valmistellessasi tulevaisuutta, ja sitten aiomme puhua seuraavista vaiheista ja antaa sinulle ohjeet suunnittelulle, jos aiot tutkia joitain näistä rooleista organisaatiossasi.
Kun puhutaan tästä CxO: sta, esimerkiksi CAO, joka on pääanalyytikko, joka on virkanimike ylimmille johtajille, jotka vastaavat tietojen analysoinnista organisaatiossa. CAO raportoi yleensä toimitusjohtajalle, ja nopeasti kehittyvä asema on keskeinen, kun ajatellaan muutoksen massaa ja sen digitaalista muutosta, joka meillä on tällä hetkellä sillä tavalla, jolla yritykset tekevät ja tekevät liiketoimintapäätöksiä.
Jos ajattelet digitaalista muutosta ja älykkyyttä olevan digitaalisen muutoksen ydin, tämä CAO on erittäin strateginen rooli organisaatiossa. Ne eivät vain tuota vahvaa tietotekniikkaa takaisin todellisiin oivalluksiin ja tietoon, vaan he omistavat myös tuloksena olevan sijoitetun pääoman tuottoprosentin ja vaikutuksen, joten mihin niitä mitataan? Kuinka he tuovat kyseisen sijoitetun pääoman tuottoprosentin heidän hallussaan olevien tietojen kanssa ja joitain alalinjan numeroita organisaatiossa tietojen hyödyntämiseksi strategisesti. Tämä asema yhdessä tietotekniikan päällikön, CIO: n, kanssa on noussut näkyvyyteen tekniikan ja digitaalimuutosten sekä datan arvon nousun vuoksi.
Tiedot ovat kultaa tässä erityisessä maailmassa jo vuosien ajan rahallistamisen ja älykkyyden avulla ja muuntamalla nämä tiedot. Voidaksemme ryhtyä näihin ennakoiviin toimiin eikä vain aina katsoa taaksepäin, sinänsä. Nämä kaksi kantaa ovat samanlaisia siinä mielessä, että molemmat käsittelevät tietoa, mutta CIO sinänsä keskittyy infrastruktuuriin, jossa CAO keskittyy tiedon analysointiin tarvittavaan infrastruktuuriin.Samanlainen kanta on CDO: lla ja kuulet paljon enemmän, me kuulemme todennäköisesti hiukan enemmän CDO: sta kuin sinä tänään CAO: ta. CDO keskittyy enemmän tietojenkäsittelyyn ja ylläpitoon sekä niihin hallintaprosesseihin koko tiedonhallinnan elinkaaren ajan.
Nämä ihmiset ovat vastuussa myös datan ansaitsemisesta ja datasta arvon saamisesta sekä työskentelystä hallinnan ja turvallisuuden elinkaaren kypsyyden ajan, sanoisin, koko elinkaaren ajan. Nämä ovat ihmisiä, jotka ovat hyvin virittyneitä, sinänsä vastuussa tai vastuussa GDPR: n varmistamisesta - ja siitä puhumme vähänkin - eurooppalaisesta tietosuojalaista varmistaen, että tämäntyyppiset asiat kuuluvat heidän organisaatioihinsa. Nyt saamme rakenteen ja tulevaisuuden häiritseville dynaamisille tietointensiivisille rooleille. Nämä ovat tyyppisiä asioita, joista CDO vastaa, eivät vain itse - ne rakentavat monitoimintaryhmän, ja minulla on joitain esimerkkejä ihmisistä, jotka kokoontuvat sinänsä organisaatiorakenne, arkkitehtien ja hallintoneuvojen edustajilta, ja jopa organisaation analyytikot ja tietotieteilijät ja insinöörit voivat pyytää heitä.
Siirryttyä tarkemmin alan analyyttisiin näkymiin, tämä on ollut ilmiömäinen - luultavasti kymmenen vuotta, jopa pidempi - ajomatka tällä alalla. Se on kasvanut jatkuvasti, erittäin jännittävä, jopa vuosien sitten tapahtuneen kriisin aikana se oli edelleen erittäin kysytty. Se on ollut vain upea paikka, ja jos tarkastellaan Gartnerin CIO-ohjelmaa vuonna 2017, BI ja analytiikka ovat edelleen kolmen parhaan joukossa järjestyksessä tärkeimmistä asioista. Ohjelmistomarkkinoiden kasvun kannalta olemme jatkuvasti kasvun näkeminen siellä. Niin kauan kuin olen ollut tässä tilassa, se on aina ollut todella kirkas ura.
Kun tarkastelemme tätä digitaaliaikaa ja muutosta, minusta on erittäin mielenkiintoista nämä prosessit, joita meillä on. Usein se saa tietoa ja ryhtyy toimiin prosesseista tai liiketoimintaprosessien aikana. Nyt Gartner on arvioinut vuoteen 2020 mennessä, että käyttämäsi tiedot keksitään uudelleen, digitalisoidaan tai jopa poistetaan. Kahdeksankymmentä prosenttia liiketoimintaprosesseista ja tuotteista, joita meillä oli kymmenen vuotta sitten, ja olemme alkamassa nähdä sen, eikö niin? Alamme nähdä, että Amazon-säkeiden kanssa ehkä jotkut suuret laatikkaliikkeet, Ubers, Airbnbs - nämä digitaaliset mallit häiritsevät prosessia, ja nyt ihmiset ovat vuorovaikutuksessa. Jopa musta perjantai - en tiedä kuinka monta ihmistä todella meni myymälään - monet ihmiset ostavat verkossa, ja miten tavoitat kyseisen asiakkaan? Siihen tarvitaan älykkyyttä. Tarvitaan hyvin erilainen tapa vuorovaikutuksessa ja yksilöinnissä ja kyseisen älykkyyden avulla tarjota heille oikea tarjous oikeaan aikaan, ja nyt ehkä se tapahtuu yhdellä napin painalluksella. Heidän on niin helppo poistua verkkokaupasta. Asiat todella muuttuvat tässä maailmassa, ja luulen, että Nick halusi keskustella myös tästä.
Nick Jewell: Kyllä, hei kaikki, kiitos paljon. Pyydän anteeksi jo etukäteen, jos Lontoosta tulevassa äänessä on jonkin verran viivettä, teen parhaani, ettei puhu teille, Jen.
Olet ehdottomasti oikeassa, että jätteiden poistaminen, uusi keksintö osana digitaalimuutosta tapahtuu usein organisaatioiden siirtyessä räätälöityihin tuotteisiin, ehkä irrotettuihin sovelluksiin ja avoimempiin ja liitetympiin alustoihin. Kun prosessisi on digitaalista, on paljon helpompaa nähdä tietosi loppupäästä. Tarkenna suorittamasi vaiheet käyttämällä tietoja optimoidaksesi prosessi.
Siirtymme eteenpäin diaa, jos pystymme. Digitaalisen muutoksen suhteen se, mitä se tarkoittaa organisaatioille, on mielestäni joko jännittävää tai pelottavaa riippuen siitä, millä taajuusspektrin alueella istut. Katso tästä kaavio, joka näyttää yritysten elinkaaren ja kuinka haitalliset vaikutukset vaikuttavat organisaation omaisuuteen. Jos perustit yrityksen 1920-luvulla, sinulla on keskimäärin lähes 70 vuotta, ennen kuin toinen yritys häiritsi sinua. Melko helppo elämä nykypäivän standardien mukaan, koska tänään yrityksellä on tuskin 15 vuotta, kunnes häiriö uhkaa sen olemassaoloa. On ennustettu, että noin 40 prosenttia nykyisistä Fortune 500 -yrityksistä, joten S&P 500: lla, ei enää ole 10 vuoden kuluttua. Vuoteen 2027 mennessä 75 prosenttia S&P 500: sta korvataan, joten puoliintumisaika, jonka organisaatiot kohtaavat tänään, ennen kuin joudutaan huolehtimaan häiriöistä, todella kutistuu. Menestyneiden yritysten on pysyttävä edellä digitaalisen innovoinnin kilpailussa.
Nykyään kukaan ei oikeastaan kyseenalaista analytiikkaa. Se on keskipiste, digitaalisen liiketoiminnan muutos. Itse asiassa organisaatiot asettavat digitaalisen innovoinnin suoraan strategiansa kärkeen. Nämä yritykset ovat maailman viiden arvokkaimman yrityksen joukossa ja edustavat kahta biljoonaa dollaria markkina-arvosta, Jen.
Jen Underwood: Kyllä, se on uskomatonta, se todella on. Se todella muuttuu ja nopeasti. Toinen dynaaminen asia, josta me olemme puhuneet, ja nyt olemme puhuneet siitä, nyt luulen, että olemme vihdoin näkeneet sen, ja organisaatiot tuntevat tietolähteiden eksponentiaalisen kasvun eikä ole enää pelkästään analysoivia enää jäsenneltyjen tietolähteiden tietoja. Jälleen kerran puhumme siitä, että sinulla on vain hetki joissakin näistä digitaalisista prosesseista päätöksen tekoon ja nämä asiat tulevat JSON-tiedostoina REST-sovellusliittymistä, puhumme jäsentämättömästä tiedosta, ovatko lokitiedostot, siellä on kaikenlaisia erityyppisiä tietoja, samoin kuin äärimmäisen jatkuva kasvu.
Nick Jewell: Jen, Jen, joten kuten huomautit, analyyttiset johtajat hukkuvat tietomereen. Korkean arvon havaitseminen, ehkä käyttämällä olemassa olevien tai uusien analyyttisten tekniikoiden sekoitusta, on todellakin lopullinen tavoite, mutta on olemassa yksinkertainen ja perustavanlaatuinen ongelma, jonka kanssa monet organisaatiot, joiden kanssa työskentelemme, todella kohtaavat. Tilasimme Harvard Business Review -sivun, teimme tutkimuksen puhumme data-analyytikoiden ja yritysjohtajien kanssa. He kysyivät, kuinka monta tietolähdettä he käyttävät organisaatiossaan päätöksentekoon, ja on melko selvää, että viime vuosina on tapahtunut perustavanlaatuinen muutos. Tietotekniikan avulla sekoitettiin tietoja, työnnettiin ne tietovarastoon, mutta kai siitä huolimatta kaikesta erinomaisesta työstä, jota tietotekniikkaryhmät ovat tehneet keskitetyn tiedonhallinnan luomisessa, analyytikoilla on edelleen tehtävä luoda kyseinen analyyttinen tietojoukko, mutta heidän on vastaa yrityskysymykseen. Itse asiassa vain 6 prosentilla on kaikki tiedot yhdestä paikasta, ja suurimman osan analyytikoista on kerättävä tietoja viidestä tai useammasta lähteestä - esimerkiksi laskentataulukoista, pilvisovelluksista, sosiaalisesta mediasta ja tietysti unohtamatta tietovarastoa.
Nyt useimmat organisaatiot tunnustavat tämän, mutta useimpiin organisaatioihin ei puututa yksinkertaisesti, että tietotekniikan ammattilaiset viettävät enemmän aikaa hallinnassaan ja etsivät tietoja kuin todellisuudessa arvonlisään. Nämä eivät ole korkean profiilin strategisia analyyttisiä ongelmia, joista liikeyritykset haluavat kuulla. Mutta kun ei käsitellä peruskysymystä, se estää organisaatioita todella saavuttamasta arvovetoisia näkemyksiä. Jen?
Jen Underwood: Tämäpä kiintoisaa. Olen ehdottomasti nähnyt erilaisia tutkimuksia tästä, ja se on tämä pala täällä, oliko kyse 80 prosentista ajasta vai miljardeista dollareista, samojen tietojen uudelleen ja uudelleen vahvistamiseen, erittäin tehottomasti organisaatiossa. Tämä lisää, nämä 37 ja tämä 23 prosenttia on erittäin kallista ajanhukkaa. Minusta on hämmästyttävää, että siihen ei kiinnitetä enemmän huomiota.
Kun tarkastellaan joitain näistä, joita kutsun markkinoiden voimiksi, ja monta kertaa, kun puhun teollisuuden suuntauksista, rakastan seurata teollisuutta ja pitää siitä jatkuvaa pulssia. On tärkeää ymmärtää, milloin jotain on enemmän kuin trendi, kun siitä tulee todella voima, johon sinun on kiinnitettävä huomiota, ja nämä ovat tällä hetkellä kolmen parhaan joukkoa, jotka pakottavat kiinnittämään huomiota. Se on nopea kasvu, numero yksi on ei-relaatiotietokantojen nopea kasvu. Mainitsin juuri tämän koko konseptin, että sillä ei ole paljon aikaa joutua kysymään sinänsä JSON: ää, juuri nämä epäsuhtaiset skenaariot kasvavat melkoisesti - mielestäni minulla on joitain tilastoja hetkessä täällä - nopeasti.
Toinen asia on jatkuva siirtyminen pilveen. Ennen mainitsemani puhelua olin maailmanlaajuinen tuotepäällikkö yhdessä suuressa teknologiayrityksessä ja kävin vaikeita keskusteluja kolme vuotta sitten ryhmien kanssa sanoen: ”Emme laita mitään pilveen. Emme siirry pilveen. ”Ja ryhmien näkeminen oli erittäin mielenkiintoista vuotta myöhemmin, kaksi vuotta myöhemmin, kuulen nyt samoista ryhmistä, että jokaisella on pilvisuunnitelma. Mielestäni jokainen on erittäin laaja-alainen lausunto äärimmäisestä, mutta mitä sanoisin, ihmisille, jotka ovat olleet pilvien vastaisia, asenne on varmasti muuttunut dramaattisesti hyvin lyhyessä ajassa, vaikka puhuin ympäri maailmaa työskenteleville ryhmille tämäntyyppiset asiat.
Automaatio, tämä on alue, josta olen kiehtonut, ja alue, jolla näemme varmasti paljon aktiivisuutta ja hienoa toimintaa. Puhumme joihinkin näistä asioista siten, että meillä on tämä hukkaan viety aika ja tehoton ajankäyttö. Automaatio on varmasti yksi niistä aloista, josta olen innostunut eniten ajatellessani arvon lisäämistä organisaatiolle.
Seuraava dia, josta aion puhua, tämä on IDC: n tutkimus, jossa tarkastellaan markkinasegmenttejä ja kasvua. Se on todella hieno tapa ottaa pulssi siihen, mikä todella kasvaa, mitä ikäisensä ostavat? Millaisia asioita he eivät enää kiinnosta? Tämäntyyppiset asiat ja niiden strategiaan asettaminen.
Maailmanlaajuisella big data -analyysiohjelmistomarkkinoilla on IDC: n mukaan 16 segmenttiä ja siinä segmentti-mielessä tarkastelemme jopa joitain nimimuutoksia. Lisätty oli jatkuvaa analyyttistä ohjelmistoa, kognitiivisia AI-ohjelmistoalustoja, hakujärjestelmiä, joten siihen oli lisätty uusia luokkia. Tämä markkinakatsaus kattaa melko paljon horisontaalisia työkaluja, valmiiksi pakattuja sovelluksia sekä joitain päätöksenteon tukia ja päätöksiä automatisoivia käyttötapauksia. Jälleen, tämä on tyyppisiä ratkaisuja, kun ajatellaan CDO: ta, asettamalla CDO: n con, niiden portfolion, joka voi hallita tiedon integroinnista analysoinnin visualisointiin, koneoppimiseen ja kaikki nämä tyypit, joita he tarvitsevat olla digitaalisella aikakaudella.
Itse maailmanlaajuiset markkinat tällaisille ratkaisuille kasvoivat 8,5 prosenttia nykyisissä valuutoissa laskettuna ja kokonaismarkkinat kasvoivat IDC: n mukaan 9,8 prosenttia. Tätä verrattiin - tarkastellaan valuuttavaihteluita parin vuoden ajanjaksolla ja variaatioaste on minimaalinen, mutta ne kolme tärkeintä segmenttiä, jotka korostin, vain antaakseni tunteen niille ei-relaatioanalyyttisille tietolähteille, 58 prosenttia kasvua edellisvuoteen verrattuna, sisällön analysointi ja hakujärjestelmät olivat 15 prosenttia, ja jotkut esimerkiksi asiakassuhdesovelluksista, CRM-tyyppisistä asioista tai Salesforce Einsteinistä kasvavat yli 10 prosenttia, he ovat nyt 12 prosenttia. Mielestäni Nick halusi lisätä kommentteja myös tähän.
Nick Jewell: Kiitos, Jen. Se on fantastinen visuaali. Luulen, että Alteryxissä olemme aina uskoneet, että tietojen valmistelu ja sekoittaminen olisi aina ydinosaamista, luulen, että mikä tahansa analyyttinen järjestelmä, mutta se on todellakin perusta uudelle kehittyneelle analytiikalle. Nyt, viime vuosien ajan, puhutaanpa teollisuudesta - se on saattanut olla hiukan liian keskittynyt joihinkin uusiin interaktiivisiin visualisointiominaisuuksiin. Ne näyttävät kauniilta, koska lisäävät sitoutumista, ajavat tietoa, mutta he eivät todellakaan vieneet meitä kuvailevan analyysin ulkopuolelle.
Mutta luulen, että nyt, kun ihmiset asettavat nähtävyyttään hiukan korkeammalle, organisaatiot, jotka alkavat ymmärtää liiketoiminnan arvoja, tulevat kehittyneemmistä analytiikoista, jotka ovat juuri tekemässä tietä valtavirtaan. Kysymys tulee, miten tai tarkemmin sanottuna kuka? Tämä hyppäsi arvokkaampaan analytiikkaan; onko se todella heittämässä analyyttisen lahjakkuuden puutetta melko terävään helpotukseen, oletko samaa mieltä?
Jen Underwood: Ehdottomasti, ja minulla oli, mielestäni vain twiitti, näin eilen illalla todella kiehtovan kommentin Adoben varapuheenjohtajalta sanoen: “Koneoppimisesta on tullut pöydän panoksia”, missä ihmiset ovat varovaisia, nyt siitä on tullut tarve ja se on kiinnostavaa. Tarkastellaan tätä ja vain muutama pieni pieni kulma sinänsä. Paljon ihmisiä, olemme alkamassa nähdä tämän voimakkaasti kasvavana alueena, jolla on ei-relaatioanalyyttinen myymälä ja kognitiivinen AI, nämä koneoppiminen, nämä arvokkaat analytiikat. Mutta silti päivän päätteeksi, tällä hetkellä suurin segmentti, joten siellä, missä suurin osa ostoista tapahtuu tänään, on edelleen tämä perus, mitä sanoisin, kyselyraportointi, osa visuaalista analyysiä, ja se on edelleen kasvussa ja se on jotain, mitä monet ihmiset olettavat, että sinulla jo on - ei välttämättä. Se kasvaa edelleen 6,6 prosenttia vuodessa.
CDO: na - ja rakastan tämän dia esittämistä - pohjimmiltaan vain sanoakseni, että kun kävelet tähän uuteen rooliin tai etsit organisaation tietoja, se on kaaosta, ja mielestäni tämä tietty dia todella antaa hieno työ - nämä ovat kaikki mahdolliset alueet, joista sinulla voi olla tietoja. Ne voivat olla ensi-ilta, se voi sijaita pilvessä, se voi olla hybridi, se on kaikkialla ja se on iso ylivoimainen - jälleen kerran, se on C-tason tyyppinen rooli nyt organisaatiossa, eikä se ole yksinkertainen tehtävä tai yksinkertainen - Tässä nimenomaisessa maailmassa se on toisinaan melko ylivoimainen. Tässä CDO: n täytyy navigoida, voidakseen hallita, mitä sanoisin, maksimoidaksesi tiedon arvon.
Jatkamme haastetta, maksimoimalla kaikkien näiden eri lähteiden arvo ja se, mitä meillä on, ovat nämä ajan sulkeutuvat ikkunat, näiden digitaalisten prosessien tai toimintamallin sulkeutuessa. Jos ajattelee ehkä viisi vuotta sitten, kymmenen vuotta sitten, voi olla, että sinulla olisi raportteja, että ajaisit tehdä joitain päätöksiä inventaarion tai toimien kanssa, ne saattavat toimia viikossa, kuukausittain, sitten niistä tulee päivittäin tai yön yli, ehkä tunneittain.
Nyt mitä näemme, ovat nämä älykkäät koneoppimisen upotetut keinotekoiset älykkäät toimistot, jotka tekevät päätöksiä ja korjauksia paikan päällä, joten jopa asiat, kuten esineiden internet, Internet-upotetut analytiikat reunalla, nämä järjestelmät ovat älykkäitä ja nämä algoritmit voivat itse virittää ja muuttaa joitain päätöksiä, jotka he tekevät paikan päällä oikeaan aikaan. On ollut erittäin mielenkiintoista nähdä tämä erityinen dynamiikka digitaalisten kierrosten ja näiden kosketuspisteiden kanssa - vaikka ne ovatkin lisääntyneet, toiminta-aika vähenee jatkuvasti ja tekniikka kehittyy sitten näihin skenaarioihin.
Nick Jewell: Jen, Jen, mielestäni yksi niistä mielenkiintoisimmista näkökohdista, kuinka näkemyksen toimittaminen muuttuu, on se, missä analytiikka saapuu loppukäyttäjälle. Pyydämmekö käyttäjiä hyppäämään kojelautaan, kun he tekevät kriittisen päätöksen, vai sanommeko, että oivallus, seuraavaksi paras toimenpide, on saatavana suoraan prosessin sisällä, prosessissa, saadakseen aikaan tämä kilpailuetu? Ja sen analyyttisen mallin, josta puhumme, on ehkä käytettävä panostaan monista eri lähteistä - perinteisistä tietovarastoista, paikkatietoista, sosiaalisesta mediasta, antureista, napsautussuunnasta - kaikilla näillä tiedoilla on merkitys päätöksessä ja kyseisessä toiminnallisessa tuloksessa .
Jen Underwood: Jatkamalla tätä haasteiden ja muutosten teemaa, mitä meillä on nyt, ja haasteet, jotka toimitusjohtaja tarvitsee omaksua ja suunnitella tapa niiden valloittamiseksi, on pohjimmiltaan, että meillä on liian paljon tietoa hallita ja analysoida manuaalisesti. Siellä on pitkiä viiveitä; meidän on lyhennettävä näitä viiveitä ja löydettävä tapa maksimoida olemassa olevien tietojen arvo. Tietoteknisistä kyvyistä maailmassa on pulaa, jotta voitaisiin kattaa nämä oivallukset ja se, mitä me kutsumme valtamereiksi datana. Hyvä uutinen on, että on olemassa hienoja innovaatioita, joita tapahtuu auttamaan kaikilla tämän alan aloilla, ja on jännittävää nähdä, mitä tekniikka aikoo viedä meille auttamaan meitä näissä haasteissa.
Tutkiessani tätä asiaa edelleen on hieman hämmennystä, kun puhuin asiakkaille tai puhuin ryhmille joidenkin näiden työkalujen avulla. Jotkut klassisista haasteista ovat edelleen olemassa, ja ne vain pahenevat hieman yrittämällä löytää analysoitavaa tietoa. Jotkut hakutyökaluista, osa luetteloista sisältävät varmasti apua - nyt löydämme, mitä luetteloa käytetään. On olemassa pari erilaista luetteloa, joten on olemassa erilaisia paikkoja, joissa voit tallentaa ja jakaa tietoja, joten on tärkeää yrittää löytää yksi, ehkä luettelo, jota meidän pitäisi etsiä.
Toinen asia on jakaminen yhteistyössä. Puhuimme yhdestä Harvard Business Review -tutkimuksesta, kuinka paljon aikaa vietetään, pohjimmiltaan muiden kuin lisäarvoa tuottavien tehtävien tekemiseen, ajan tuhlaamiseen ja kuinka kalliiksi se voi olla. Jos pystyt jakamaan ja käyttämään yhteisiä tietolähteitä yhteistyössä, komentosarjat on jo kehitetty, logiikka on jo olemassa, voit hallita niitä tehokkaasti, joten hallinnan ja analyyttisen ketteryyden tasapainottaminen on juuri sitä, mitä haluat yrittää tehdä ja navigoida tässä maailmassa, jota kutsun, meillä on kapeat työkalut, meillä on automatisoidut työnkulun työkalut, meillä on klassinen Excel, tietoluettelot, itsepalvelun BI, tietotekniset työkalut. Kuten yksi kuva osoitti, niiden välillä on monia, monia työkaluja ja paljon päällekkäisyyksiä.
Nick Jewell: Kyllä, täydellinen, Jen, ja mielestäni, kuten mainitsit, oivalluksen ikkuna pienenee ehdottomasti, mutta aika, joka kuluu mallien tosiasialliseen käyttöönottoon, ei ole jäljellä. Ennakoiva mallin käyttöönotto on edelleen suuri haaste monille yrityksille. Olemme keskustelleet Carl Rexerin kanssa, joka on Rexer Analyticsin presidentti, ja Carlin vuoden 2017 tietotieteellisessä tutkimuksessa hän havaitsi, että vain 13 prosenttia tietotieteilijöistä kertoo, että heidän mallinsa otetaan aina käyttöön, ja tämä käyttöönotto-suhde ei vain parane, joten me palaa jokaisen edellisen kyselyn kanssa. Itse asiassa palaamme vuoteen 2009, jolloin kysymys esitettiin ensimmäisen kerran, ja näemme melkein samanlaisia tuloksia, joten meillä on todellinen aukko.
Jen Underwood: Kun tarkastelemme analytiikan kypsyyttä, se etenee nopeasti. Jälleen kaksi, kolme vuotta sitten olimme innostuneita siitä, että meillä oli visuaalinen itsepalveluanalyysi ja että lopulta olemme joustavia ja laajennimme BI: tä itsessään. Kun sanon joukot, todennäköisesti silti virrankäyttäjät organisaatiossa. Nyt näemme optimoinnin, ennustavan analysoinnin, syvällisen oppimisen, luonnollisen kielen, monia muita tekniikoita, jotka todella päivittäessään analytiikan hyvin saumattomasti massoille, todellisille massoille käytettäväksi, kun ne sisällytetään arkipäivän prosesseihin. jo olemassa olevat liiketoimintaprosessit.
Nick Jewell: Jen, Jen, puhutaanpa nopea tarina viimeisen kategorian ympärillä, jos pystyn. Suurin osa puhelun kuuntelijoista tulee tuntemaan Google DeepMindin AlphaGo-ohjelmiston, joka voitti eräitä maailman parhaista Go-pelaajista parin viime vuoden aikana. AlphaGo oppi pelaamaan peliä tutkimalla valtavia määriä aiemmin tallennettuja otteluita. Niin paljon, että AlphaGo-turnauksen kommentaattorit väittivät, että ohjelmisto pelasi japanilaisen suurmestarin tyyliin, usko tai älä.
Mutta viimeisen kuukauden aikana ilmoitettiin melkein hämmästyttävämpi tulos. Tämä oli AlphaGo Zero, syvä oppiminen, hermoverkko, joka oli asetettu pelkillä pelisäännöillä ja optimoidulla toiminnolla. Se opetti itsensä tulemaan maailman vahvimmaksi Go-pelaajaksi ilman valvottua koulutusta, ja teki kaiken tämän noin 40 päivässä. Tämä ns. Vahvistusoppiminen, jossa ihmiset määrittelevät haasteen, antaa syvän oppimisjärjestelmän tutkia, parantaa, voisi todella antaa vielä suurimman vaikutuksen analyyttiseen tilaan. Joten luulen, että pysyt kuulossa.
Jen Underwood: Joo, se on todella mielenkiintoista, jonka mainitsit. Voitko kuvitella poissulkemiset? Ja tätä minä aion nähdä. Todellakin, kun puhun automaatiosta, on erittäin mielenkiintoista, että ratkaisut ovat riittävän älykkäitä puhdistamaan ilma, oppimaan järjestelmistä automaattisesti, kytkemään ja pelaamaan ja tietämään vain mitä tehdä seuraavaksi jo olemassa olevien päätösten tai muiden päätösten perusteella jotka on tehty organisaatiossa ja jotka ovat hallinnoineet joitain näistä järjestelmistä, ETL-järjestelmistä ja pitäneet niistä huolta, ja joilla oli paluu päivässä piippareihin ja puhelimiin soittamalla minulle hälytyksiä, kun prosessit eivät olleet käynnissä, on niin jännittävää ajatella, "Vau, nyt se on tarpeeksi älykäs todennäköisesti parantuakseen itse."
Mieheni hallinnoi itseparantavaa verkkoa, meillä on itseparantavaa tietojen integrointia, itseparantavaa analytiikkaa, ja missä se paranee, se on todella jännittävää. CDO: na, kun alkaa ajatella ihmisten prosessitekniikkaa, tarkastellaan juuri nyt, katsomme tekniikkaa, sitten katsomme ihmisiä ja miten lähestyä tiimisi rakentamista ja rakentamista taidot. Jos tarkastelet nykyaikaista analytiikkaalustaa, kerron teille heti, ettei kaikilla ole mitään täällä, vaikka suurimmissa organisaatioissa voi sinällään olla kaikki nämä eri komponentit, joissakin ryhmissä voi olla vain kaksi tai kolme pientä laatikkoa täällä, joten en halunnut hukkua ihmisiä tämän kanssa. Mutta nykyaikainen BI-alusta ei vaadi välttämättä IT-rakennetta, ennalta määritettyä semanttista raportointikerrosta.
Käyttäjillä ja asiantuntijoilla olisi todella oltava valtuudet vain valmistella tietoja analyyttiseen nopeuteen ja ketteryyteen, ja jos ajattelemme sitä, mitä sanomme käyttäjän ja asiantuntijoiden johtamaan analytiikkaan, antamalla aiheen asiantuntijoille ketteryyden, heidän on tehdä nopeita päätöksiä. Näemme sanojen, henkilötietojen valmistelutyökalujen, tietojen häiriöiden, rikastuttamisen, puhdistamisen, Alteryxin harjoittaman toiminnan tyyppien ja niiden tarjoamien tietoteknisten toimintojen lisääntyneen omaksumisen. hyvin. Moderni valmisteluratkaisu tarjoaa heille älykkääitä, automatisoituja liittymiä, ilmaresoluutioita, tiedonsiirtoa, kun sinulla on suuri dataputki, se on erittäin, erittäin siistiä. Tämä on luultavasti jälleen yksi niistä alueista, joita rakastan ja nautin todellakin myös teollisuuden testaamisesta.
Toisin kuin perinteisessä IT-johtamassa BI: ssä, IT keskittyy tänään todella liiketoiminnan mahdollistamiseen ja sinulla on ihmisiä kuten CDO: ita ja kootaan tai valitaan oikeat ratkaisut näiden tietojen järjestämiseen, järjestämiseen ja yhtenäistämiseen ja varmasti tietysti hallitaan, eikö? Yksi asia, joka on minulle erittäin mielenkiintoinen, ja luulen varmasti, että olemme päätelleet tästä, mutta en usko, että olemme juuri sanoneet sen suoraan, yhden yhden koon mukaisten tietovarastojen päivinä ja että lopulta kaikki ovat varmasti ohi. Tietoja on kaikkialla, sinun on tehtävä - tietojärvet ovat tulleet kuvaan, siellä on suoratoistoa ja suoraa tietoa, nyt on niin paljon erilaisia tietolähteitä, se on oikeastaan enemmän käyttötapausperusteista "Mitä tarvitset?" Jakeissa tähän ”Meidän on saatava kaikki tietovarastoon.” En ole varma, Nick, haluatko kommentoida tätä? En muista.
Nick Jewell: Sanon vain yhden asian ja se on vain, tarkkaile komponentin kehitystä. Se, mitä asiantuntijat tekivät viisi tai kymmenen vuotta sitten, on nyt käyttäjän käsissä, joten oikealla puolella olevat asiat tulevat olemaan yleisempiä käyttäjille vedä ja pudota -koodittomassa muodossa, hyvin pian. Se liikkuu nopeammin, joten pidä vain silmällä sitä.
Jen Underwood: Kyllä, se on todella hyvä asia. Rakastan sitä ajattelemista. Eri datatiede, siitä on vihdoin tullut todellisuutta ja työkalut paranevat niin paljon. Teknologiaan ajatellen meillä on nyt oltava taidot ja ihmiset ja mitä meidän on tehtävä? Tällä hetkellä parhaat työpaikat, joihin kuuluvat muun muassa tietoteknikot, tietotekniikkainsinööri ja yritysanalyytikot, mutta havaitsemme kuitenkin, että työnantajien on todella vaikeaa sovittaa yhteen. Jopa dataprep-tilassa sanon: "Onko kyse dataprepistä, vai onko se datuttelu, mitä termejä ihmiset kutsuvat?" Se on ollut erittäin mielenkiintoista löytää.
Yritykset eivät tiedä mitä he tarvitsevat, ja siellä on tämä kokonaan uusi nouseva kenttä, joka kattaa monia eri alueita. Jos tarkastellaan kaikkia, heidän on nyt oltava tietojensa hallintaa, liiketoimintaanalytiikkaa, IT-projektipäälliköitä, mieheni, joka hallinnoi sähköverkkoa ja projektisalkkua, hänen on kyettävä analysoimaan tämä. Se ei ole enää vain rahoitusta ja datanalyysiä, se on todellakin laajentunut huomattavasti laajemmalle, organisaation muille alueille. Luulen nähneeni tutkimuksen kuinka monta tietolähdettä markkinointi käyttää, ja se oli ylivoimainen. Kun taas ajatellaan Harvard Business Review -yrityksen suorittamaa tutkimusta, se ei ole enää vain yksi tietolähde, sillä ihmisten on hauduttava ja sulautettava yhteen ja löydettävä näkemys siitä, sillä on monia tietolähteitä ja se vaatii taitoa tehdä niin.
Kun tarkastellaan suurelta osin kuvaa täällä, suurin osa uusista vuokralaisista on tässä vaaleanpunaisessa kuplassa kohti pohjaa, kun puhut näistä yritysanalyytikoista datan kaivosanalyytikoille, HR-päälliköille, tällä alueella, vain säännöllisille rooleille rivillä liiketoiminnan tietojen käyttämistä. Nopeimmin kasvavilla rooleilla on vähemmän työpaikkoja, mutta varmasti sitä, mitä kuulemme nykyään markkinoiden eniten, tietotekijä ja tietotekniikka. CDO: na he katsovat eteenpäin ja suunnittelet kykyjä. Sinun on otettava huomioon rutiinitehtävien automatisointi ja strategisemman tyyppiset taidot ja lisättävä jälleen organisaation arvoa molemmille ne, jotka ovat olleet käytettävissä analytiikassa, mutta myös siellä oleville tietotekniikan ja tietotekniikan ihmisille. Mieti, kuinka julkistamattomat asemasi ja jopa osa freelance-taloudesta voivat muuttua, kun ajattelet tätä kilpaillaksesi parhaista ja kirkkaimmista.
Ja ajatelkaa aina myös lahjakkuusprojektiasi, auttamalla ehdokkaita liikkumaan markkinoilla tai etsimällä asioita, jotka saattavat olla hiukan erilaisia ja jotka eivät ole juuri haluamiasi, ja luomaan sisäisiä analytiikkakursseja, jotka eivät välttämättä ole nopeimpia, eniten kustannustehokas strategia pysyäksesi ajan tasalla. Harkitse ihmisten tarkastelua, jotka on omistettu tämän tai eri ryhmien koulutukselle, ja uskon, että Alteryxillä on tänään suositeltu kurssi istunnon lopussa toimintakutsuksi, jonka avulla voit hyödyntää joitain näistä asioista ja auttaa ryhmääsi joitain olemassa olevia resursseja, jotka ovat jo saatavilla.
Nick Jewell: Ehdottomasti. On niin monta tapaa täyttää tämä kykyväen aukko jäämättä kiinni asekilpailuun. Pari dioa taaksepäin, en tiedä pystytkö kääntämään parin siellä. Kaggle, tietojenkäsittelytieteen kilpailusivusto, he julkaisivat juuri kyselyn, jossa oli 17 000 vastausta tietotekniikan tilasta, ja tutkimuksesta saatiin todella mielenkiintoinen vastaus ihmisten osaamisesta, ja suurimmalla osalla vastaajista ei ollut tohtorin tutkintoa , se ei vain ole enää ennakkoedellytys.
Ajatus siitä, että seuraavan sukupolven analytiikan asiantuntijat, se suuri kupla, jonka juuri näytit, voivat hankkia tarvitsemansa tiedon nanotutkintokursseilta. He voivat mennä Udacity-kaltaisille sivustoille ja he voivat käyttää tätä tietoa heti, suoraan liiketoiminnassa. Lyhytkestoiset toimitussyklit tekevät niistä välittömän kilpailun lähteen yrityksilleen. Joten jotain varoa, luulen.
Jen Underwood: Ei, olen samaa mieltä. Vaikka ajattelisin sitä, se on varmasti kaukana siitä, kun otin kaksivuotisen ohjelman UCSD: ssä. Tämä oli mielestäni takaisin vuonna 2009, 2010, ja maassa oli todella kourallinen, joka antoi sinun tehdä niin. Nyt on yleensä paljon enemmän vaihtoehtoja, samoin kuin erikoistuneita ohjelmia, riippumatta siitä, onko kyse toimittajien kautta, paljon nykyään käytettävissä olevia resursseja silmukoilla ja näitä kaikkia erilaisia verkkoresursseja, se on aivan uskomatonta, se on todella aika. Antaa aikaa ja budjetoida se ja ajoittaa itsesi pysyäksesi ajan tasalla. Mitä haluat oppia? Ja sitten seuraamalla polkua, jonka haluat oppia.
Kun puhutaan tämän tarkastelemisesta ja oman taitosuunnitelman laatimisesta sekä CDO: n tulevaisuudennäkymistä, varmistetaan, että heillä on ihmisiä aloilla, joista sanoisin pätevyyskehykset sinänsä, taidojen tarkasteleminen tai asioiden, kuten verkkotunnuksen, tarkastelu on edelleen todella avain, vaikka nämä ratkaisut voivat itse kouluttaa ja oppia itse, se on todella liiketalouden aiheen asiantuntija, joka opastaa ja varmistaa tulosten järkevyyden.
Aina on jotain, ja haluan käyttää esimerkkiä, kun tein kriittistä analyysia vakuutusyhtiölle ja yksi havaintoista, joita algoritmeilla oli, ei ollut palkata ketään New Yorkista. No, ei, emme aio palkata ketään New Yorkista - meidän piti selvittää, miksi algoritmi antoi meille nämä tiedot. Se johtui siitä, että laki, yksi laeista oli muuttunut, ja niin meillä oli paljon vaivaa kyseisessä segmentissä. Liiketoiminta-alan asiantuntija piti tuoda tulkitsemaan se, enkä näe muutosta, en näe sellaista opastavaa, varmistaen, että tulokset näyttävät oikein, näyttääkö jotain - näyttää siltä, että , siellä on jotain, jonka sanotaan olevan ihmismieli, sen kauneus yhdistettynä koneen voimaan on todella minne menemme.
Muun tyyppiset asiat, kun tarkastellaan taitoja, visualisointia, kertoa tehokkaan tarinan tiedoissa, kertoo tehokkaan tarinan siitä, onko se jopa koneoppimistuotos. Kokoamalla ja tarkastelemalla sen vaikutuksia, ymmärtämällä päätöksenteon inhimillistä luonnetta, nämä tyypit ovat erittäin tärkeitä tekniikasta riippumatta. Hallintotapa on todella tärkeä, etiikasta tulee yhä tärkeämpi. Kun sosiaalitieteilijät ovat mukana, he ymmärtävät ja heidät koulutetaan tarkastelemaan, onko tiedoissasi vääristymiä, joita et edes tajua tai joilla ei ole organisaatiossa ketään, joka ei ehkä edes tunnista sitä, jopa tuomalla heidät asiantuntijaan , joilla on tämäntyyppisiä asioita.
Ja taas tietenkin, että sinulla on tekniikan ja laitteiden infrastruktuuri ja varmistetaan, että pystyt skaalaamaan ja että se on kehitetty, ja varmista, että käytät oikeaa pilvipalveluntarjoajaa, ehkä että et ole lukittu tai että sinulla on vaihtoehtoja liikkua tai että ymmärrät hinnoittelun siitä, kuinka paljon nämä maksavat sinulle. Se on tämäntyyppisiä taitoja, ja kun tarkastellaan tätä, kutsumme sitä taitoiksi eri alueiden välillä, olivatpa ne sitten tietopohjaisia etulinjan päätöksentekijöitä - missä suurin osa näistä rooleista ovat - aina niille tietojen suunnittelijoille ja tiedemiehille, jotka olla hierontaa ja työskennellä näissä valtamereissä. Nämä ovat tyyppejä asioita, joille haluat laatia puitteet.
Pätevyyskehyksiä tarkasteltaessa tarkastellaan organisaatiota yleensä, haluat ottaa huomioon pätevyyden, ei vain taidot. Tässä sanamuodossa on pieni vivahde, kun tarkastelet tätä. Organisaatiosi pätevyyskehys on selvä signaali. Sotapoliittiset päättäjät, koulutuksen tarjoajat, kun taas taidot sanotaan kirjoitettuna R: lle, ajattelet sellaisia asioita, sinulla on pätevä kooderi, mutta haluat olla enemmän kuin vain nämä taidot. Kun ymmärrät pätevyyden, mitä ihmisen on kyettävä ja ymmärtämään kehystä, se on tärkeää, siinä on pieni vivahde.
Tätä rakentaessasi haluat diagnosoida, mitä kutsutaan kykyiksi, joilla on positiivinen vaikutus liiketoimintaan, ja tuoda esiin noita potentiaalisia alueita, joten priorisoit sitä, mitkä ovat ne kompetenssit, joita haluat nostaa organisaatiossasi ja kohdista sitten ne uudelleen liiketoiminnan tavoitteisiin. CDO, joka on vastuussa datan arvon maksimoimisesta, he katsovat, ja heidän CAO: nsa, joka aikoo käyttää analytiikkaa tietojen arvon maksimoimiseksi. He tarkastelevat niitä kompetensseja ja niitä eri aloja, aiemmassa verkossa, joka minulla oli siellä, mutta sitten he aikovat myös tarkastella henkilöstön korkeaa potentiaalia. Tarkoitat ristiviittauksen siihen, että henkilöstösi kanssa, joka työskentelee datan ja analyysin parissa ja sijoitat niihin, tarjoa heille oppimismahdollisuuksia eikä pelkästään koulutusta, lähinnä reaalimaailman mahdollisuuksia työskennellä todellisten yritysongelmien parissa.
Ei ole mitään parempaa - vaikka kävin koulussa muutaman vuoden, vasta menin ja käytin joitain näistä algoritmeista tai opiskelin tarkistuspetoksista, oppin joistakin näistä asioista, joita en ole koskaan ajatellut aiemmin, ja sinä aloita kokoonpano todellisessa maailmassa, ja sinä todella opit. Annetaan ihmisille mahdollisuus hankkia kokemusta näistä alueista. Yritykset, jotka pystyvät parhaiten rakentamaan vahvat kyvyt, jotka tunnistavat järjestelmällisesti objektiiviset arvioinnit ja etsivät missä on aukkoja organisaatiossani oppimisessa ja asettavat joitain mittareita paikoilleen asetettujen tavoitteiden saavuttamiseksi, nämä ovat ne, jotka pystyvät toimittaa.
Kun mietit aikuisten kouluttamisesta, se on yleensä aika nälkää - olemme aina nälkää - mutta katsomme, mikä toimii jokaiselle. Minulla on henkilökohtaisesti kirjoja, joten jos tulisit tänään toimistooni, näkisit tonnia kirjoja, vaikka monet ihmiset, kuten videot. Joten on selvitettävä, kuinka organisaation joku haluaa oppia - motivoida heitä oppimaan - mutta myös antaa heille aikaa tehdä tämä ja jonkinlaisen tavoitteen saavuttaminen - mikä on tehokas saavuttamaan se ja yleensä se on sekoitettu, se ei ole vain, suorita kurssi tarkistaaksesi merkinnän tuloskortilla, sinänsä, se sekoitetaan se todelliseen tavoiteprojektiin ja mitä opit siitä projektista ja mitä haluat tehdä seuraavaksi? Mikä on venytys? Venytä joukkueesi tai motivoi ryhmääsi ottamaan se pidemmälle.
Nämä oppimistavoitteet, jälleen kerran, jos teet niin, sen ei pitäisi olla niin, sen pitäisi olla helppoa yritykselle lähinnä siksi, että näiden tavoitteiden tulisi olla yhdenmukaisia strategisten liiketoimintaetujen kanssa. Nämä ovat hienoja projekteja. He ovat kokeellisia projekteja. Ne ovat projekteja, jotka liikuttavat neulaa eteenpäin.
Nick, haluatko lisätä mitään? En ole varma.
Nick Jewell: Ei, aioin hypätä seuraavan näytön tapaustutkimukseen, jos se on OK. Hieman tarkemmin tietystä organisaatiosta. Luulen, että he ovat panneet paljon mitä sanoit käytännössä, todellisuuteen. Ford Motor Company luottaa tietoanalyysiin vuosikymmenien ajan, kuten monet yrityksetkin, mutta se teki niin liiketoiminnan taskuissa, todennäköisesti hyvin vähän valvontaa koko konsernissa johdonmukaisuuden ja koordinoinnin varmistamiseksi. Heidän ongelmansa olivat todennäköisesti melko tyypillisiä mittakaavan organisaatiolle, joten analyyttinen asiantuntemus sisälsi - kuten sanomme - taskuissa tiedonhallinnan ja hallintotavan käytännöt olivat epäjohdonmukaisia jopa siihen pisteeseen saakka, että joillakin liiketoimintayksiköillä ei ollut pääsyä analyyttiseen perusosaamiseen.
Olemme jälleen puhuneet tänään monista erityyppisistä tietolähteistä, heillä oli yli 4600 tietolähdettä. Se tarkoitti jopa matkan aloittamista ja tarvittavien tietojen löytämistä oli todellinen este analyyttiselle näkemykselle. Näen sinun nauravan, mutta se on kauhea asia, eikö niin?
Jen Underwood: 4600, jumalani, kyllä.
Nick Jewell: Joten Ford muodosti globaalin näkemys- ja analytiikkayksikön, ja tämä oli keskitetty - voit kutsua sitä huippuosaamiskeskukseksi -, joka koostuu tietotieteilijöiden ja analyytikoiden ryhmästä ja joka on organisoitu jakamaan analyyttisiä parhaita käytäntöjä ja auttamaan levittämään optimoitua tietopohjaista tietojen tuottamista koko yritys. Yksikkö valitsi luokkansa parhaat työkalut paitsi kykyjen lisäksi myös niiden kyvyn integroitua hyvin yhteen, joten se on melko tärkeää. Heidän demokratisoitumisensa painopiste oli tosiasiassa raporttien ja kuvailevan analyysin ympärillä ennen siirtämistä ylös tarpeiden pyramidista, josta olemme puhuneet.
Nyt demokratisoituminen ei tee jostakin vain tietotekijää yön yli; Henkilöstön on tiedettävä milloin ja mistä saa apua. Tämän kaiken avuksi on tarjolla koulutusta, hallintoa ja menetelmiä. Kyse ei myöskään ole vain työkalukoulutuksesta, vaan myös tietojenkäsittelytieteen koulutuksesta, jotta voimme korvata mainitun osaamiskuilun. Joten, todellisen käytön tapaus Fordissa, optimoimalla logistiikkaverkosto, maksiko Ford siis oikean summan materiaalien siirtämiseksi pisteestä A pisteeseen B? Heidän vanha analytiikka ei todellakaan korostanut toimintamahdollisuuksia; tämä sai heidät erittäin taantumuksellisiksi markkinoilla.Nyt kyseisen prosessin monimutkaisuus lukkiutui analyytikkojen päähän ja he tekivät valtavan läpimurron, kun itsepalvelun työnkulku toistettiin todellisuudessa yrityksen kanssa, ja analyyttiset asiantuntijat istuivat yhdessä ja olivat yhdessä.
Tämä siirsi analyysin monivuotisesta neljännesvuosittain ja jopa alas melkein reaaliaikaiseen, niin valtavaan, valtavaan hyötyyn yritykselle. Itsepalveluanalytiikan vaikutus yrityksen arvoon on ollut, että Ford voi nopeasti suunnitella ja perustaa koko yritystä kattavat tietopohjaiset strategiat reagoida nouseviin trendeihin, auttaa muotoilemaan uusia palveluita ja periaatteessa torjua kilpailun uhat ilman, että vain joudut katsomaan siihen taustapeiliin.
Nyt, jos tarkastelemme hetkeäsi, kuinka toinen asiakas on todella siirtänyt analytiikan yrityksen vertikaalisesta prioriteetista yhdestä yrityksen divisioonasta horisontaaliseksi raidaksi kaikissa divisioonissa, puhumme Shellistä. Shell johtaa huippuosaamiskeskusta, joka raportoi digitaaliseen pääjohtajalle - joten CxO-pelikirjamme kohdalla on toinen D - vastuussa digitaalisista muutoksista ja kestävyydestä. Nämä kaverit ymmärsivät, että heidän ympäristönsä sisälsi useita kerroksia ja tekniikan pinoa, tallennusta, tietojenkäsittelyä ja siinä kaikissa oli tekniikoita, jotka kaikki tunnette. Asiat kuten SAP HANA, Databricks, Spark ja hyödynsivät julkista pilveä saavuttaakseen oikeat mittakaavaedut.
Nyt he valitsivat Alteryxin analyysikääreeksi suurelle osalle R-koodiaan, syöttämällä tekniikoihin, kuten Spotfire, Power BI ja muihin. Mutta nyt he näkevät adoption sitovan paljon lähempänä tietojenkäsittelyä ja visualisointia. Jen, soittamalla takaisin kaikkien näiden ominaisuuksien diaan, tämäntyyppinen asia leviää, kun me alamme antaa useammille analyytikoille pääsyn. Tiedätkö, he olivat erittäin onnistuneita toimittaessaan tämä kyky ja COE, joka halusi tarjota tulevaisuuden kykyjä nyt, joitain niistä syväoppimisista asioista, joista puhumme - konenäkö, luonnollisen kielen käsittely - ja puolet heidän tehtävästään on toimittaminen, puolet tarkoittaa näiden ideoiden selittämistä ja katalysointia liiketoimintayksiköissä. Se on osa matkaa; COE etsii aina erilaisia tapoja kommunikoida liiketoimintayleisönsä kanssa.
Kun otetaan huomioon toisella puolella epäilijät, jotka sanovat: "No, tämä musta laatikko ei koskaan tule olemaan niin hyvä kuin analyytikoni", aina fanipojaan tai harrastajaan, joka näkee korrelaatioita kaikkialla, ehkä vähemmän syy-suhteiden tiellä. , mutta sinun on oltava varovainen molemmilta puolilta. Se on kiehtova keskipiste, kun sinulla on tämä vaakaraita koko organisaatiossa, se hybridi taitosarja, jota tarvitaan taajuuksien molemmin puolin.
Nick Jewell: OK, Jen, oletko siellä?
Jen Underwood: Olen.
Nick Jewell: Luulen, että yritämme sanoa tässä tämän Clayton Christensen -lainauksen kanssa, että monille organisaatioille on mielestäni haaste haastaa analyysistrategian yhdistäminen digitaalisen muutoksen ajamiseksi, josta tänään puhumme. . Useammin kuin ei, löydämme analyyttisiä joukkueita, jotka alkavat heikosta kädestä. Yritykset innovoida analyyttisten prosessien, tekniikoiden, tiimirakenteiden vanhoilla pidätyksillä ja pitäytyminen näissä jäännöksissä ovat suurin este analyyttiselle yhdenmukaistamiselle ja analyyttiselle innovaatiolle. Onko sinulla mitään ajatuksia siitä, Jen?
Jen Underwood: Nautin valitusta kuvasta. Kyllä, minulla on varmasti paljon järkeä. Joitakin näistä uusista tekniikoista on omaksuttava, esimerkiksi suoratoistona reaaliajassa. Et välttämättä pysty saamaan näitä reaaliaikaisia tuloksia, jos joudut tekemään JavaScript-päivityksiä selaimessa sinänsä, vanhalla perinnöllä - ehkä se on kojelaudan sovellus tai tällainen asia. Kyllä, sinun on omaksuttava joitain näistä uusista työkaluista, ja jälleen kerran mielestäni tämä kuva on todella söpö, kuva sanoo tuhat sanaa. Kärry ja buginen, joudut päästämään irti joihinkin noista vanhan tekniikan lähestymistavoista.
Nick Jewell: Ehdottomasti. Joten jos siirrymme seuraavaan diaan, uskomme olevan parempi tapa. Luulen ensinnäkin, että käytän jotain, joka muistuttaa Googlen kaltaista hakua, löytääksesi nopeasti kaikki asiaankuuluvat tietosi. Ymmärtäminen heidän ymmärryksensä, riippuvuuden ymmärtäminen, tekijöiden tekeminen todella yksinkertaisissa asioissa, kuten yhteisöidesi asiantuntijoiden kirjoittamat yrityssanastot, jotka kaikki työtovereidesi päämiesten heimotiedot pitävät hengissä.
Älykkääksi tietojen löytämisen avulla. Ajattele kykyä keskustella raporttien omistajien ja asiantuntijoiden kanssa. Lataa, tee vähän Trip Advisorista tai Yelp-tiedostosta, lataa hyödyllisimmät varat, todista organisaation mielestä arvokkaimpana omaisuus ja sitten kaikki tämä syötetään takaisin hakutuloksiin ja viime kädessä hakutulosten mukaan, mikä tekee siitä paremman seuraava käyttäjä. Kun olet löytänyt etsimäsi, siirry nopeaan, koodittomaan, käyttäjäystävälliseen valmistelu- ja analysointivaiheeseen kehittääksesi täydellisen tietojoukon, josta julkaista toistettavat prosessit.
Palaa automaattikeskusteluumme rakentamalla käyttäjäystävällisiä sovelluksia. Mitä tarvitaan analyyttisten mallien rakentamiseen. Malleista puhumalla, olemme tukenut avoimen lähdekoodin tekniikoita, kuten R, useiden vuosien ajan, antaa meille mahdollisuuden rakentaa todella edistyksellinen analyyttinen kyky, joka kattaa kuvaavan, mutta myös ennustavan, määräävän analyysin yksinkertaisella, vetämällä ja pudota tavalla.
Nyt oikealle puolelle tosiasiallisen tiedon saaminen vuorovaikutteisista visualisoinneista, malleista ja pisteytyksistä työnnetään alas tietoalustojen sisäpuolelle tai viimeksi, tekemällä kyseinen käsitys saataville heti ja suoraan liiketoimintaprosessissa. Mielestäni juuri tämä ominaisuus koko alustalla on antanut meille tunnustusta kultapalkinnon voittajaksi tämän vuoden Gartner Peer Insights -asiakasvalinnatutkimuksessa, joka on upea saavutus. Suosittelen, että vierailet Gartner-sivustossa saadaksesi lisätietoja ja lisäämällä omat äänesi ja kommenttisi.
Hienoa, Jen, jos ohitamme vielä yhden dion eteenpäin - luulen lopuksi, että haluaisin antaa sinulle kaikki seuraavat vaiheet. Ensinnäkin, käy osoitteessa Alteryx.com ja lataa ilmainen kopio viimeisimmästä tutkimusyhteistyöstämme, tehty yhteistyössä International Institute of Analytics (IIA) kanssa analyyttisten esteiden hajottamiseksi. Voit myös käydä osoitteessa udacity.com/alteryx saadaksesi lisätietoja siitä, kuinka ryhmät voidaan ottaa käyttöön, ottaa seuraava askel heidän matkallaan tällä edistyneellä analytiikan nanotutkinnolla ja sitten lopulta kokea Alteryx itsellesi. Vieraile kotisivulla, lataa täysin varustellut arvioinnit ja saat ratkaisun jännitystä.
Jen, sinulle. Meillä voi olla jonkin verran aikaa kyselyihin ja vastauksiin.
Eric Kavanagh: Soitan vain nopeasti. Meillä on pari kysymystä. Heitän yhden, luulen, ensin sinulle, Nickille ja sitten Jenille, jos haluat kommentoida sitä, mutta sitä on varmasti enemmän sovellettavissa EU: hun ja se on surullisen kuuluva GDPR, maailmanlaajuiset tietosuojamääräykset. Kuinka se vaikuttaa Alteryxiin ja etenemissuunnitelmaasi ja mihin te, keskitytte?
Nick Jewell: Se on todellakin boogieman, luulen, että siellä on juuri nyt. Paljon ihmisiä puhuu siitä, monet ihmiset ovat melko huolestuneita, mutta se on todella vain ensimmäinen pitkästä määräyssarjasta, joka tulee tieto- ja analytiikkamaailmaan. Todellakin, meidän mielestämme, kyse on tietojen ymmärtämisestä ja luokittelusta. Varmistamalla, että CxO: lla on jokin tietty maku, tiedät missä ovat omaisuutesi, tiedät heidän huijauksensa ja tiedät, että voit luottaa niihin ensimmäisenä askeleena oikeasti vain hallita ja hallita tietoja laajemmassa yhteistyössä.
Eric Kavanagh: Luulen, että annan sinulle toisen kysymyksen, ennen kuin tuomme Jenin takaisin, Nick, eli koulutustiedot, jos joku pyytää heidän tietojensa poistamista yrityksestäsi, tämä ei vaikuta vain heidän nimeen, osoitteeseen ja niin eteenpäin, ei vain heidän yhteystietonsa, mutta myös, jos algoritmi käyttää harjoitustietojasi, jotka sisältävät tietosi, sinun pitäisi kouluttaa algoritmi uudelleen, eikö niin?
Nick Jewell: Se on erityisen monimutkainen. Mielestäni ajatus siitä, että tietokantojen paitsi lähteenä joillekin henkilökohtaisesti tunnistettavista tiedoista, on myös analyyttisiä työnkulkuja, sovelluksia ja visualisointeja. Nämä tiedot ovat kaikkialla organisaation kanssa, joten että ne ovat ehdottoman välttämättömiä.
Eric Kavanagh: Ja Jen, mitä mieltä olet? Ilmeisesti se ei ole niin suuri kauppa Yhdysvalloissa, ja emme näe liian monien yritysten vapautuvan siitä nyt, vaikka teknisesti se pätee täällä. Jos yhdysvaltalaisella yrityksellä on tietoja EU: n kansalaisesta, mikä on GDPR: n merkitys ja kuinka suuri kauppa se on?
Jen Underwood: No, mielestäni se vaatii tietojen vastuullisen käsittelyn. Olen kirjoittanut tästä muutaman kerran ja minulla on ohjeita joihinkin näistä asioista. Mielestäni kysymys, jonka pyysit algoritmeista, on mielenkiintoinen. Tietysti jotkut ratkaisuista, joita tänään tarkastelen, jotkut heidän tuotetiiminsä ovat suunnitelleet ominaisuuksia, jotta voit nähdä kuinka he tekevät päätöksiä ja mitä henkilökohtaisia tietoja käytettiin päätöksentekoon tämän algoritmin lopputuloksesta. Näemme joitain vaikutuksia tuotesuunnitteluun täällä Yhdysvalloissa.
Monilla teknologiayrityksillä on täällä erittäin suuret toimistot ja kehitysryhmät täällä sekä Yhdysvalloissa että muualla maailmassa, joten näemme sen tuotekehityksessä. Näen lisää tietokantoja sijoittavan. Lisää hallitusten aloitteita kehitetään niin, että ihmiset ymmärtävät ja ymmärtävät, missä kaikki nämä tiedot ovat kaaoksessa. Yritetään saada käsiinsä ainakin organisoimalla se, löytää se ja tehdä jotain sen kanssa.
Eric Kavanagh: Aion työntää tätä dioa, josta me aiemmin puhuimme, ja heittää sen sinulle, Nick. Mielestäni tämä on fantastinen liukumäki, koska minusta se todella puhuu analyysitarpeen välittövyydestä. Mitä mieltä olet muuttuvasta dynamiikasta? Tarkoitan, olennaista on, että yritysten on oltava ketteriä ja näen, että analytiikka johtaa tätä maksua. Mitä mieltä sinä olet?
Nick Jewell: Tämä on kiehtovaa. Mielestäni on aina - yrityksiä ja tekniikoita on aina kolmessa valtiossa, joten siitä tulee joko sota, rauha tai ihme. Sota tulee olemaan siitä kovasta kilpailutasosta. Wonder on kaikki upea upea juttu, jonka rakennat alustan päälle. Sitten rauha ennen kilpailua ja sota alkaa uudestaan. Mielestäni tämä taistelu jatkuu aina.
Ennen tämän päivän puhelua puhuimme jokaisesta muusta konferenssista ja keskeisistä muistiinpanoista, jotka ovat meneillään ympäri maailmaa. Jotkut isoista pilvimyyjistä ovat saavuttaneet pisteen, jossa he ovat rakentaneet tämän alustan ja rakentavat nyt sen päälle upeaa uutta. Yritysten on seurattava tätä todella tarkasti ja varmistettava, että he menevät jonkun kanssa, jolla on johdonmukainen alusta, joka tuottaa tämän arvon tulevaisuudelle. He tulevat selviämään tästä häiriöstä.
Eric Kavanagh: Joo, se on hyvä kohta, ja tiedätkö, Jen, kommentoit aiemmin, tosiasiallisesti ennen näyttelyä, pilvistrategiasta ja kuinka monet alan tuntemat ihmiset sanovat, että kaikilla isoilla yrityksillä, jopa pankeilla, on nyt pilvistrategia. Olen ollut yllättynyt siitä, kuinka kauan sen toteutuminen on kestänyt, ja luulen, että ehkä jotkut heistä menivät AWS-keksintökonferenssiin ja ymmärsivät kuinka massiivinen se on, ja päätelivät, että aika on tullut. Mitä mieltä olet suurten yritysjohtajien tietoisuudesta pilvien tuonnista ja kuinka se muuttaa heidän suunnitteluaan?
Jen Underwood: Kun ajattelen tätä massiivisen datan maailmaa ja pystyn hallitsemaan sitä, mielestäni joillakin tasoilla on jonkin verran mielenrauhaa sillä, että yksi erittäin suurista yrityksistä ottaa vastuun joistakin turvallisuusnäkökohdista, joten on jonkin verran rauhaa mielessä siellä. Tiedät, että pilvissä on jonkin verran rajoitettua mittakaavaa.
Toinen asia on, ja näin sen, olin joukkueessa, joka kehitti tuotetta pilvessä ja se oli varmasti alikehitty tuote, eikä kukaan kiinnittänyt siihen huomiota kahden vuoden kuluessa viikkojulkaisujen ja jopa, Sanoisin, että se on melkein pisteeseen päivittäinen vapautuminen pilvessä. Tiedän, että Amazon sanoo vapauttavansa useita kertoja päivässä. Kun sinulla on tämä uhka, kun kilpailijasi voivat vapauttaa ja parantaa päivittäin, riippumatta siitä, mitä he tekevät, ainakin ohjelmistoteollisuudessa - ja kaikki ovat todella ohjelmistoteollisuudessa, kun aloitat digitaalisen muutoksen tarkastelun -, se on kokonaan toinen pallopeli ja kuka tahansa voi kehrätä pilven ja mittakaavan ja tulla suureksi.
Jälleen on se, että he hyödyntävät tietoja, jotka tekevät eroa ja älykkyyttä heidän algoritmeissaan, ja siksi ihmiset puhuvat siitä, että data on uutta öljyä tai dataa kultaa. Kun katson pilviä, se on pelinvaihdin, se todella mahdollistaa erittäin, erittäin nopean kehityksen ja mittakaavan. Se on mahtavaa.
Eric Kavanagh: Palaan sinut takaisin, Nick, toista kysymystä varten - menemme vain minuutti täällä, jos pystymme pääsemään joihinkin näistä kysymyksistä, mutta, kuten muistan, viisi ja kuusi ja ehkä jopa seitsemän vuotta sitten, Alteryx oli todella uudistaja hyödyntämällä kolmansien osapuolten tietoja - siten, että esimerkiksi esimerkiksi lähteistä, kuten Experian, saatiin tietoja tai paikkatietoja. Luulen, että se on todennäköisesti strateginen etu, koska sellainen asia on Alteryxin DNA: ssa, eikö niin? Kun yritykset siirtyvät kohti pilviä, luulen, että teillä on paljon kokemusta kyvystä silittää noita maailmoja. Mitä mieltä olet? Esikatseluversioiden kolmansien osapuolien ja pilvipohjaisten tietojen maailmat
Nick Jewell: Kyllä, ehdottomasti. Äärimmäisestä liitettävyydestä tulee niin tehokas peli kaikille yrityksille, jotka toimivat tässä pilvipohjaisessa ympäristössä. Mutta sanon, että kun puhumme jostakin infonomikasta, ajatus siitä, että tietoja tulisi pitää hyödykkeenä yrityksessäsi. Suurin osa arvosta, jonka aiot tuoda, on ulkoisten tietolähteiden ottaminen, sekoittaminen ja rikastaminen sisäisillä lähteilläsi, jotta luodaan ja ansaitaan enemmän arvoa prosessissa. On ehdottoman tärkeää työskennellä sisäisen ja ulkoisen tiedon kanssa tasa-arvoisesti.
Eric Kavanagh: Kyllä, se on hyvä asia. Mielestäni tämä koko hybridi pilvimaailma on täällä jäädäkseen. Jen, aion vain luovuttaa tämän sinulle mahdollisesti loppukommentteja varten. Minulle, sillä sillä strategisella näkemyksellä ja kyvyllä yhdistyä, koska uusi termi kuvaa tietoja kaikista lähteistä, siitä tulee tulevaisuuden kriittinen menestystekijä, eikö niin?
Jen Underwood: Ei, ehdottomasti, ja se on hauskaa, kuulin tämän hybridi, hybridi, hybridi. Olet kuullut tästä ja neljä vuotta sitten ajattelet Hadoopista, Hadoopista ja isoista tiedoista ja sitten aloitit kuulla hybridiä, hybridejä, joten varmasti olemme olleet siellä, emme välttämättä ole, tämä on koneoppimisen vuosi, ei mitään. Tarkoitan keinotekoista älyä, koneoppiminen on ottanut askeleen tänä vuonna, mutta jotta pystymme todella toimimaan nykyisessä organisaatiossa, joka on matkalla pilveen tai jonka on käsiteltävä kaikkia näitä erilaisia pilvitietolähteitä, on se ehkä Salesforce tai Työpäivä, kaikki nämä erityyppiset lähteet, jotka asuvat pilvessä, ainoa tapa käsitellä sitä on olla hybridi. Et voi kopioida tietoja kaikkialle, joten sinun on pystyttävä muodostamaan yhteys suoraan ja sinun on löydettävä tapa työskennellä kaikkialla sijaitsevien tietojen kanssa, löytää tietoja kaikkialta, koska se on totta missä olemme oikeassa nyt.
Eric Kavanagh: Luulen, että hylkäämme, jos en palauttanut koneoppimista keskusteluun, joten, Nick, heitän sen vain sinulle. Tiedän, että ihmiset keskittyvät siihen nyt. Voitteko puhua siitä, missä näette koneoppimisen yhdenmukaistavan analyysien ja sellaisten järjestelmien kanssa, joita käytämme ymmärtämään liiketoimintaamme ja tietomme?
Nick Jewell: Kyllä, varmasti. Palaa siis nopeasti takaisin taitojamme olevaan aukkoomme. Ajatus siitä, että meillä on organisaatiot ehdottomasti täynnä tehokkaita Excel-käyttäjiä. Meillä on tiedemiehiä tulossa, mutta emme kasva samalla vauhdilla. Näiden kahden välillä on valtava aukko. Ajattele, missä koneoppiminen on tänään. Kuinka monta algoritmeja meillä on puhelimessamme tai kellossamme, jotka sisältävät koneoppimistekniikoita? Se on hyödyke, se on kaikkialla. Meidän on annettava näiden energiankäyttäjien käyttöön mahdollisimman yksinkertaisella tavalla varmistaaksemme, että konetta käytetään menestyksekkäästi koko liiketoiminnassa.
Eric Kavanagh: Minä heitän viimeisen sinulle, kenties. Meillä on pari kysymystä tulossa myöhään täällä. Jen, kysyn sinulta tämän. Osallistuja kommentoi tätä koko käsitettä ilman ohjausta oppimisesta, ja tosiasia on, että tarvitset koulutustietoja näiden asioiden tekemiseen ja tyypillisesti, että koulutustietojen on oltava ominaisia yritykselle. Vaikka toimialoilla on paljon korrelaatioita, organisaatioilla on paljon tapaa, jolla ne ovat samanlaisia. Jokainen yritys on kuitenkin ainutlaatuinen, olipa kyse sitten liiketoimintamallista tai lähestymistavasta markkinointiin tai myyntiin tai mitä tahansa, tuotekehitykseen.
Kysymys kuuluu, pystyvätkö nämä algoritmit käyttämään kolmansien osapuolten tietoja koulutukseen? Minusta näyttää siltä, että sinun on aina käytettävä omia tietojasi näiden algoritmien kouluttamiseen, vaikka sykliaika lyhenee kuudesta kuukaudesta - mikä on joissain tapauksissa tapahtunut - jopa 40 päivään tai 20 päivään riippumatta tapaus voi olla. Sinun on todella käytettävä omia tietojasi ja sinun on varmistettava, että tiedot ovat melko puhtaita, eikö niin?
Jen Underwood: Se on todella sekoitus. Haluat olla ulkoisia con. Itse asiassa olen varattu tänään toissijaisesti, ja seuraava verkkoseminaarini puhuu tietojen valmistelusta ja puhdistamisesta, ironisesti koneoppimista varten. Tärkeintä on, että olet koonnut ulkoista huijausta organisaatiosi kanssa, ja rakastan sitä, että kysyit tietojen valmistelusta ja puhdistuksesta, koska rehellisesti sanottuna jotkut työkalut ovat erittäin hyviä - ne pystyvät käsittelemään joitain sen näkökohtia, mutta ihmismieli tai kyky salata ongelma ja etsiä ja varmistaa, etteivät ne ole jättäneet huomiotta - sanokaa, että meillä on jonkinlainen laiminlyönnistä puolue.Tapa, jolla tarkastellaan ongelmaa, ja tapa, jolla valitset suunnittelemasi automatisoitavan ongelman tai automatisoitavat päätökset, on siihen suunnattu ja varmista, että se heijastaa tarkasti kyseistä liiketoimintaprosessia.
Palataan esimerkkiini vakuutusyhtiön kanssa, kun mallinnimme vaivaa ja ketkä palkattiin käydä läpi tämän sponsoroidun koulutuksen vakuutusten myymiseksi; itse mallissa ei ollut oikeudellista ilmapiiriä, erilaisia lakeja eri valtioille. Aina tulee olemaan jokin näkökohta, jossa joudut hankkimaan kyseisen ulkoisen datan sisäisen tietosi kanssa ja taas ihmismielen kanssa. Siellä tulee olemaan erilaisia komponentteja.
Eric Kavanagh: Luulen, että esitit todella hyvän asian täältä. Kuulemme jatkuvasti robotteja ja koneita sekä koneoppimista. Minulle tämä on erittäin häiritsevä suuntaus - siitä ei ole epäilystäkään - mutta en koskaan näe, että sekoituksessa olevien ihmisten tarve poistuu, etenkin tietojen analysoinnin, yritystietojen kanssa.
Nick, viimeinen kysymys sinulle. Minusta riippumatta siitä, kuinka hyvät algoritmit saavat, tarvitset aina ihmisiä seuraamaan mitä tapahtuu, pistämällä itsensä asetettuina aikoina ja syntetisoimalla todella kuvan siitä, mitä siellä tapahtuu. En usko, että mikään algoritmi pystyy koskaan syntetisoimaan Fortune 2000 -yrityksen kuvaa, mutta mitä luulet?
Nick Jewell: Otetaanpa esimerkiksi täysin muu kuin Alteryx, puhutaan Uberista viime vuodesta. Uber teki Australian terrori-iskujen aikana ihmisiä, jotka yrittivät paeta alueelta, ja yhtäkkiä käyttivät nousevaa hinnoittelua, jonka takia algoritmi sanoi aiheuttavan valtavia mainevahinkoja. Heti sen jälkeen he ottivat ihmiset ja algoritmit käyttöön yhdessä. Aina kun tämä tapahtui, ihmisellä oli oltava prosessin valvonta. Se ihmisen ja algoritmin kumppanuus, se on tie eteenpäin.
Eric Kavanagh: Vau, se on loistava esimerkki, kiitos paljon. Ihmiset, olemme palanneet yli tunnin täällä webcast-lähetyksessämme. Erittäin suuri kiitos Jen Underwoodille Impact Analyticsista. Tietenkin suuret kiitokset Nick Jewellille ja Alteryx-tiimille heidän ajastaan ja huomiostaan sekä kaikille teille ajasta ja huomiosta. Arvostamme näitä hienoja kysymyksiä. Arkistoimme kaikki nämä verkkolähetykset myöhempää tarkastelua varten, jaamme ne vapaasti ystävien ja kollegoiden kanssa. Sen avulla tarjoamme sinulle jäähyväiset. Erinomainen webcast tänään. Kiitos vielä kerran, otamme sinuun yhteyttä seuraavan kerran, ihmiset. Pitää huolta. Hei hei.