Od zaměstnanců Techopedia, 29. listopadu 2017
Take away: Host Eric Kavanagh diskutuje data a analytiku, stejně jako role vedoucího datového důstojníka (CDO) a hlavního analytického důstojníka (CAO) s Jen Underwoodem z Impact Analytix a Nickem Jewellem z Alteryxu.
Eric Kavanagh: Dámy a pánové, ahoj a vítejte znovu ve velmi speciálním vydání Hot Technologies. Lidi, toto je Eric Kavanagh, budu vaším hostitelem dnešní show „The CxO Playbook: The Future of Data and Analytics“. Ano, musím říct, že je to docela velké téma. Ve skutečnosti tu dnes máme trochu rekordního davu. Dnes ráno jsme se do webového vysílání zaregistrovali přes 540 lidí. Děláme to ve zvláštním čase, jak mnozí z vás vědí pro naše pravidelné představení, obvykle to děláme ve 4:00 východní, ale chtěli jsme se ubytovat velmi zvláštního hosta, který volá přes rybník. Dovolte mi, abych se dnes ponořil přímo do prezentace.
Tento rok je tedy horký - v mnoha ohledech to byl velmi bouřlivý rok. Myslím, že s tím má mrak hodně společného. Soutok technologií, které jsme svědky na trhu, je hlavní hnací silou, a já to samozřejmě beru na SMAC, jak tomu říkají. Mluvíme o SMAC: sociální, mobilní, analytické, cloudové - a všechny tyto věci se spojí. Organizace mohou opravdu změnit způsob, jakým podnikají. Existuje více kanálů pro provádění vašich obchodních operací, existuje více analyzovaných dat. Je to opravdu divoký svět a my dnes budeme mluvit o tom, jak se věci mění v sadě C, takže vedoucí představitelé, nejlepší lidé v těchto organizacích, dobře, že právě teď se mění celý svět a my jsme o tom mluvit.
Nahoře jsou opravdu vaše. Na lince máme dnes Jen Underwood od Impact Analytix a Nick Jewell, hlavní evangelistku technologie z Alteryxu. Je to velmi vzrušující. S touto koncepcí jsem přišel včera večer, lidi, a myslím, že je to opravdu zajímavé. Všichni samozřejmě známe hudební židle, hra pro děti, kde máte všechny tyto židle v kruhu, začnete s hudbou, všichni se začnou chodit a jedna židle se odtáhne; když se hudba zastaví, musí se všichni posunout, aby si vzali židli, zatímco jedna osoba v této situaci ztratí na židli. Je to velmi zvláštní a přesvědčivá věc, která se právě teď odehrává v C suite, a pokud si v tomto obrázku všimnete, máte vzadu dvě prázdné židle. Typicky, židle zmizí v hudebních židlích a to, co vidíme v těchto dnech, jsou další dvě židle na úrovni C: CAO a CDO, vedoucí analytik a vedoucí datový referent.
Oba startují. Upřímně řečeno, hlavní datový důstojník v současné době opravdu startuje jako požár, ale co to znamená? Znamená to něco velmi významného. To znamená, že síla dat a analytiků je tak významná, že zasedací místnosti nebo výkonné místnosti bych měl říci, že se mění sady C - přidávají lidi do sady C, někteří z těchto nových křesel zaplňují zcela noví vedoucí pracovníci. Pokud přemýšlíte o tom, jak těžké je změnit kulturu organizace, je to docela vážná věc. Kultura je velmi těžká věc, kterou lze změnit, a obvykle pozitivní změna je podporována dobrým řízením a dobrými nápady a takovým druhem. Pokud přemýšlíte o příležitosti, kterou právě teď máme, přidáním nových vedoucích pracovníků do sady C pro analytiku a data je to opravdu velká věc. Hovoří o příležitostech organizací změnit trajektorii a přiznejme si, že velké, staré společnosti se skutečně musí změnit kvůli tomu, jak se mění tržiště.
Obvykle uvádím například Uber nebo Airbnb jako organizace, které zásadním způsobem narušily celý průmysl, a to se děje všude. O čem dnes budeme hovořit, je to, jak se vaše organizace může přizpůsobit, jak se tam lidé snažíte použít tyto informace, tento přehled, změnit vaši obchodní trajektorii a být úspěšný v informační ekonomice.
S tím předám klíče z WebExu Jen Underwoodové a pak Nick Jewell také zazvoní; volá z Velké Británie Díky vám oběma, a Jen, s tím vám to dám. Vzít to pryč.
Jen Underwood: Díky, Ericu, zní skvěle. Dobré ráno všem. Dnes se chystáme mluvit o této příručce CxO; je to budoucnost dat a analytiků a já se do toho potopím. Eric už odvedl pěknou práci, když mluvil o tom, proč je to tak důležité. Naši řečníci dnes opět viděli další snímek s těmito informacemi, ale dnes a v této relaci s vámi a Nickem Jewellem budete mít velmi interaktivní konverzaci. Začneme tím, že popíšeme, jaké jsou tyto role a jaké typy věcí mají dělat. Podíváme se na analytický průmysl, výhled obecně a na některé z výzev, kterým budou tito lidé čelit. Dynamika uvnitř organizací dnes, když se připravujete na budoucnost, pak si povíme o dalších krocích a poskytneme vám návod pro plánování, pokud prozkoumáte některé z těchto rolí ve vaší organizaci.
Když mluvíme o tomto CxO, například CAO, je to hlavní analytický referent, je to pracovní pozice pro vyšší manažery, kteří jsou zodpovědní za analýzu dat v organizaci. CAO obvykle podá zprávu generálnímu řediteli a tato rychle se rozvíjející pozice bude klíčová, když přemýšlíte o množství transformace a její digitální transformaci, kterou právě teď máme, tak, jak společnosti přijímají a přijímají svá obchodní rozhodnutí.
Pokud si myslíte, že digitální transformace a inteligence jsou jádrem digitální transformace, je tento CAO velmi strategickou úlohou v rámci organizace. Přinášejí nejen silnou datovou vědu zpět do skutečných poznatků a poznatků, ale vlastní také výslednou návratnost investic a dopad, takže na čem se měří? Jak přinášejí tuto návratnost investic s daty, která mají, a některými spodními čísly v celé organizaci pro strategické využití dat. Tato pozice, spolu s CIO, hlavním informačním důstojníkem, vzrostla na přední místo v důsledku nárůstu technologie a digitální transformace a hodnoty dat.
Po celá léta jsou data v tomto konkrétním světě zlatem s monetizací a inteligencí a transformací těchto informací. Aby bylo možné podniknout tyto proaktivní kroky a ne vždy se dívat zpět, samo o sobě. Obě pozice jsou podobné v tom, že se zabývají informacemi, ale CIO se sám o sobě zaměří na infrastrukturu, kde se CAO zaměří na infrastrukturu potřebnou pro analýzu informací. Podobná pozice je CDO a vy slyšíte mnohem více, pravděpodobně o CDO uslyšíme něco víc než dnes o CAO. CDO se zaměřuje více na zpracování a údržbu dat a na ty procesy správy během celého životního cyklu správy dat.
Tito lidé budou také zodpovědní za zpeněžování dat a získávání hodnoty z dat a za práci po celou dobu životnosti životního cyklu správy a zabezpečení, řekl bych, po celou dobu životního cyklu. Jsou to lidé, kteří by byli velmi naladěni, sami o sobě nebo by byli odpovědní za zajištění GDPR - a budeme si o tom trochu povídat - o evropském zákoně o ochraně údajů, který zajistí, aby tyto typy věcí byly zahrnuty do jejich organizací. Nyní získáváme strukturu a budoucnost pro rušivé dynamické datově náročné role. Toto jsou typy věcí, za které bude CDO zodpovědné, a nejen oni sami - budují tým s více funkčními funkcemi a já mám několik příkladů některých lidí, kteří by se sami vrhli organizační struktura, od architektů a lidí z oblasti správy, a dokonce i analytici a vědci a inženýři dat v organizaci se na ně mohou obrátit.
Pokud jde o analytické vyhlídky, jde v tomto konkrétním odvětví o fenomenální - pravděpodobně desetiletý, i déle -. Neustále roste, je velmi vzrušující, dokonce i před lety, kdy došlo k selhání trhu, byla stále vysoká poptávka. Bylo to prostě skvělé místo a pokud se podíváte na agendu CIO od společnosti Gartner v roce 2017, BI a analytika jsou stále mezi třemi nejlepšími žebříčky toho, co je pro organizaci nejdůležitější, a při pohledu na růst softwarových trhů, jsme neustále vidět růst tam. Dokud jsem byl v tomto prostoru, vždy to byla opravdu jasná kariéra.
Když se podíváme na tuto digitální éru a transformaci, jsou pro mě velmi, velmi zajímavé, tyto procesy, které máme, a často je to získávání informací a přijímání opatření z procesů nebo během obchodních procesů. Nyní společnost Gartner odhadla do roku 2020 informace, které jste použili, budou objeveny, digitalizovány nebo dokonce vyloučeny. Osmdesát procent obchodních procesů a produktů, které jsme měli před deseti lety, a to začínáme vidět, že? Začínáme vidět, že s verzemi Amazon možná některé z velkých obchodů, Ubers, Airbnbs - tyto digitální modely narušují proces a nyní lidé interagují. Dokonce ani černý pátek - nevím, kolik lidí opravdu šlo do obchodu - hodně lidí nakupuje online a jak se k tomuto zákazníkovi dostanete? To vyžaduje inteligenci. Vyžaduje to velmi odlišný způsob interakce a personalizace zprávy a mít tuto inteligenci, aby jim předložila správnou nabídku ve správný čas, a nyní možná je to pouhým kliknutím na tlačítko. Je pro ně tak snadné opustit váš internetový obchod. V tomto světě se věci opravdu mění, a myslím, že Nick o tom chtěl také chatovat.
Nick Jewell: Jo, ahoj všichni, moc děkuji. Předem se omlouvám, pokud se zvuk z Londýna trochu zpozdí, udělám, co bude v mých silách, abych o tobě nemluvil, Jen.
Máte naprostou pravdu, že k eliminaci odpadu, k opětovné realizaci v rámci digitální transformace, často dochází, když se organizace stěhují z zakázkových produktů, možná odpojených aplikací a do otevřenějších a propojených platforem. Když je váš proces digitální, bude mnohem snazší vidět cestu vašich dat ke konci. Opravdu upřesněte kroky, které podniknete, pomocí dat k optimalizaci tohoto procesu.
Pojďme posunout snímek, pokud můžeme. Pokud jde o digitální transformaci, co to pro organizace znamená, myslím, že je buď vzrušující, nebo zastrašující, podle toho, na které straně spektra sedíte. Podívejte se na graf zde, ukazující životnost společností a jak rušivé vlivy ovlivňují bohatství organizace. Pokud jste založili společnost ve dvacátých letech, máte v průměru téměř 70 let, než vás jiná společnost narušila. Docela snadný život podle dnešních standardů, protože dnes má společnost sotva 15 let, dokud narušení její existenci neohrozí. Předpovídá se, že přibližně 40 procent dnešních společností z žebříčku Fortune 500, tedy na S&P 500, již nebude existovat za 10 let. Do roku 2027 bude nahrazeno 75 procent S&P 500, takže poločas, kterému organizace dnes čelí, než se budou muset obávat narušení, se skutečně snižuje. Úspěšné společnosti musí zůstat před tímto digitálním inovacím.
Dnes se analytiků opravdu nikdo nezpochybňuje. Je to vrchol, transformace digitálního podnikání. Organizace ve skutečnosti staví digitální inovace přímo do čela své strategie. Tyto společnosti jsou pět nejlepších nejcennějších společností na světě a představují tržní hodnotu dvou bilionů dolarů, Jen.
Jen Underwood: Jo, je to úžasné, opravdu je. Opravdu se to mění a rychle. Další dynamika, kterou máme a o tom jsme mluvili, si nyní myslím, že ji konečně vidíme a organizace cítí tento exponenciální růst zdrojů dat a už to není jen analýza dat o strukturovaných zdrojích dat. Opět mluvíme o tom, že v některých z těchto digitálních procesů máte jen chvilku na rozhodnutí a tyto věci přicházejí v JSON z rozhraní REST API, mluvíme o nestrukturovaných datech, ať už jde o protokolové soubory, jsou nejrůznější různých typů dat, jakož i extrémní neustálý růst.
Nick Jewell: Jo, Jen, tak jak jsi zdůraznil, analytičtí vůdci se topí v moři dat. Konecným cílem je dostat se k vysoce hodnotnému náhledu, možná použitím směsi stávajících nebo nových analytických technik, ale existuje mnoho jednoduchých a základních problémů, s nimiž mnoho organizací, se kterými pracujeme, skutečně čelí. Zakázali jsme společnost Harvard Business Review, provedli průzkum, hovořili jsme s analytiky dat a obchodními manažery. Zeptali se, kolik zdrojů dat používají ve své organizaci k rozhodování, a je jasné, že v posledních několika letech došlo k zásadnímu posunu. IT obvykle míchal data, tlačil je do datového skladu, ale myslím, že i přes veškerou vynikající práci, kterou IT skupiny odvedly, vytvářejí centralizovanou správu dat, analytici stále čelí úkolu vytvořit tento konkrétní analytický soubor dat, ale musí odpovědět na obchodní otázku. Ve skutečnosti pouze 6 procent má všechna svá data na jednom místě a většina analytiků musí stahovat data z pěti nebo více zdrojů - věci jako tabulky, cloudové aplikace, sociální média a samozřejmě nezapomínat na tento datový sklad.
Nyní to většina organizací uznává, ale většina organizací se nezabývá jednoduchou skutečností, že odborníci na data tráví více času správou a vyhledáváním dat, než ve skutečnosti získávají hodnotu. Nejedná se o strategické strategické analytické problémy, o nichž by se vedení podniku chtělo dozvědět. Ale neřešení základního problému zabrání organizacím skutečně dosáhnout hodnotově orientovaných poznatků. Jen?
Jen Underwood: To je zajímavé. Rozhodně jsem viděl různé studie o tom a je to tento kus tady, ať už je to 80 procent času nebo bilionů dolarů, které znovu a znovu opravují stejná data, velmi neefektivně v organizaci. To sčítá, těchto 37 a 23 procent je velmi drahá ztráta času. Je pro mě úžasné, že tomu není věnována větší pozornost.
Když se podívám na některé z nich, co bych nazval tržními silami, a mnohokrát, když mluvím o trendech v tomto odvětví, ráda sleduji toto odvětví a udržuji na něm konstantní puls. Je důležité pochopit, kdy je něco víc než trend, kdy je to opravdu síla, které musíte věnovat pozornost, a právě teď jsou to tři nejlepší, síly, kterým je třeba věnovat pozornost. Je to tento rychlý růst, číslo jedna je rychlý růst nerelačních databází. Právě jsem zmínil celý tento koncept, že nemám tolik času na to, abych musel sám sebe dotazovat, JSON, to jsou právě tyhle typy non-relačních scénářů, které rostou docela - myslím, že za tu chvíli mám nějaké statistiky - rychle.
Druhou věcí je pokračující posun do cloudu. Před výzvou, kterou jsem zmínil, jsem byl celosvětovým produktovým manažerem v jedné z velkých technologických firem a před třemi lety jsem měl těžké rozhovory se skupinami, které říkaly: „Do cloudu nic nedáme. Nebudeme se stěhovat do cloudu. “A o rok později bylo velmi zajímavé vidět skupiny, o dva roky později, nyní slyším od stejných skupin, že každý má cloudový plán. Myslím, že každý je extrémně široký štětcový výrok, ale řekl bych, že lidé, kteří byli proti cloudu, se postoj určitě dramaticky změnil ve velmi krátkém časovém období, i když jsem mluvil se skupinami po celém světě o tyto typy věcí.
Automatizace, to je oblast, která mě fascinovala, a oblast, kterou určitě vidíme spoustu aktivity a skvělé aktivity. Mluvíme o některých z těchto věcí tím, že máme tento zbytečný čas a neefektivní využití vašeho času. Automatizace je bezpochyby jednou z oblastí, na které jsem nejvíc nadšená, když přemýšlím o přinášení hodnoty pro organizaci.
Další snímek, o kterém budu mluvit, je to studie společnosti IDC, dívají se na segmenty trhu a růst a je to opravdu skvělý způsob, jak vzít pulz na to, co skutečně roste, co kupují vaši kolegové? O jaké druhy věcí už nemají zájem? Tyto typy věcí a uvedení do jejich strategie.
Celosvětový velký softwarový analytický softwarový trh má podle IDC 16 segmentů a v tomto segmentu se díváme i na některé změny názvu. Byl přidán nepřetržitý analytický software, kognitivní softwarové platformy AI, vyhledávací systémy, takže sem byly přidány některé nové kategorie. Tento přehled trhu do značné míry zahrnuje horizontální nástroje, předbalené aplikace a některé případy podpory rozhodování a automatizace použití rozhodnutí. Opět se jedná o typy řešení, když přemýšlíte o CDO, uvedení do kontextu CDO, jejich portfolio, které může být řízeno od integrace dat po vizualizaci analýzy, strojové učení a všechny tyto typy schopností, které potřebují mít v digitální éře.
Samotný světový trh s těmito typy řešení vzrostl v současné měně o 8, 5 procenta a celkový trh podle IDC vzrostl o 9, 8 procenta. To bylo ve srovnání s - podíváte se na výkyvy měny v průběhu pár let a míra variability je minimální, ale ty tři nejdůležitější segmenty, které jsem zdůraznil, jen abych vám dal cit pro ty nerelační analytické zdroje dat, 58 procent meziroční růst, analýza obsahu a vyhledávací systémy činily 15 procent a některé aplikace týkající se vztahů se zákazníky, věci typu CRM nebo Salesforce Einstein například rostou o více než 10 procent, právě teď jsou o 12 procent. Myslím, že Nick chtěl přidat i nějaký komentář k tomuto.
Nick Jewell: Díky, Jen. Je to fantastický vizuální. Myslím, že v Alteryxu jsme vždy věřili, že příprava a míchání dat bude vždy hlavní kompetencí jakéhokoli analytického systému, ale ve skutečnosti je to základ jakékoli pokročilejší analytiky. Nyní, za několik posledních let, pojďme mluvit o tomto odvětví - možná to bylo trochu více zaměřené na některé nové interaktivní možnosti vizualizace. Vypadají nádherně, protože zvyšují angažovanost, vedou vhled, ale ve skutečnosti nás nepřesunuli za popisnou analytiku.
Ale myslím, že teď, když lidé nastavují své zaměřování o něco výše, organizace, které začínají chápat obchodní hodnoty, pocházejí z těch sofistikovanějších analytiků, které se právě teď dostávají do hlavního proudu. Otázkou je, jak konkrétně, kdo? To skočilo na analytiku s vyšší hodnotou; je to opravdu vrhání problému analytických talentů do docela ostré úlevy, souhlasíte?
Jen Underwood: Naprosto, a já jsem měl, myslím, že jsem právě tweetoval, včera jsem viděl opravdu fascinující komentář od viceprezidenta Adobe, který řekl: „Strojové učení se stalo stolními sázkami, “ kde lidé bývali opatrní, teď se to stalo a je to zajímavé. Podíváme-li se na toto a jen na malý nepatrný jiný úhel, samo o sobě. Spousta lidí, začínáme to vnímat jako oblast s vysokým růstem s nerelačním analytickým obchodem a kognitivní umělou inteligencí, tyto strojové učení, tyto vysoce hodnotné analýzy. Ale na konci dne, právě teď, největší segment, takže tam, kde se dnes většina nákupů odehrává, je stále v tomto základním, co bych řekl, hlášení dotazů, některé vizuální analýzy a stále to roste a to je něco, co hodně lidí předpokládá, že už máte - ne nutně. Každoročně stále roste 6, 6 procenta.
Jako CDO - a ráda předvádím tento snímek - v podstatě jen říkám, že když chodíte do této nové role nebo se díváte napříč daty v organizaci, je to chaos, a myslím si, že tento konkrétní snímek opravdu dělá pěkná práce - to jsou všechny různé potenciální oblasti, které můžete mít data. Mohou to být on-prem, může pobývat v cloudu, může to být hybridní, je to všude a je to velká ohromující - opět, je to role typu C nyní v rámci organizace a není to jednoduchý úkol nebo jednoduchý - v tomto konkrétním světě je občas docela ohromující. Toto je svět, kterým musí toto CDO procházet, aby bylo možné zvládnout to, co bych řekl, maximalizovat hodnotu dat.
Pokračováním v této výzvě, maximalizací hodnoty všech těchto různých zdrojů a tím, co máme, jsou tato uzavírací okna času, s těmito digitálními procesy nebo vhled do akce se zavírá. Pokud přemýšlíte asi před pěti lety, před deseti lety, možná budete mít zprávy, že byste mohli běžet, abyste dělali některá rozhodnutí s inventářem nebo akcemi, ty by mohly běžet týdně, měsíčně, pak se staly denně nebo přes noc, možná je to hodinově.
Nyní vidíme, že tyto inteligentní stroje se učí vestavěné umělé inteligentní kanceláře, rozhodují a opravují na místě, takže i věci, jako je internet věcí, analytika s integrovaným IoT, tyto systémy jsou inteligentní a tyto algoritmy mohou seřídit a změnit některá rozhodnutí, která dělají na místě ve správný čas. Bylo velmi zajímavé vidět tuto konkrétní dynamiku s digitálními revolucemi a těmito dotykovými body - i když se zvýšily, čas na akci neustále klesá a technologie se pro tyto scénáře vyvíjí.
Nick Jewell: Jo, Jen, myslím, že jedním z těch nejzajímavějších aspektů, jak se mění poskytování informací, je to, kde analytici dorazí ke koncovému uživateli. Žádáme uživatele, aby skočili do řídicího panelu, když učiní kritické rozhodnutí, nebo říkáme, že přehled, další nejlepší akce, je k dispozici přímo v procesu, v toku, aby se dosáhlo této konkurenční výhody? A analytický model, o kterém hovoříme, bude možná muset převzít jeho vstupy z mnoha různých zdrojů - tradiční datové sklady, geolokace, sociální média, senzory, clickstream - všechna tato data mají vliv na rozhodnutí a tento činitelný výsledek .
Jen Underwood: Pokračování v tomto tématu výzev a změn, které máme právě teď, a výzvy, které musí generální ředitel přijmout a naplánovat způsob, jak je zvládnout, je v podstatě příliš mnoho dat, abychom mohli účinně spravovat a ručně analyzovat. Dlouhá zpoždění; musíme tato zpoždění zkrátit a musíme najít způsob, jak maximalizovat hodnotu dat, která máme. Ve světě je nedostatek talentů v oblasti vědy o datech a tyto postřehy a informace, které bychom nazvali oceány, jsou data. Dobrou zprávou je, že v dnešní době se děje několik úžasných inovací, které nám pomáhají ve všech oblastech, a je vzrušující vidět, co, kam nás technologie vezme, nám pomůže s těmito výzvami.
Když jsem se na to dál díval, při rozhovoru se zákazníky jsem trochu zmatený, nebo jsem pomocí některých z těchto nástrojů hovořil se skupinami. Některé z klasických výzev existují dodnes, je to jen trochu zhoršuje pokusem najít data k analýze. Některé z vyhledávacích nástrojů, některé z katalogů tam jistě pomáhají - nyní hledáme, který katalog použít, kdy. Existuje několik různých katalogů, takže existují různá místa, kde můžete ukládat a sdílet data, takže je třeba se pokusit najít jeden, možná katalog, který bychom měli hledat.
Druhou věcí je společné sdílení. Mluvili jsme o jedné ze studií z tohoto Harvard Business Review, o tom, kolik času strávíte, v zásadě děláme úkoly bez přidané hodnoty, ztrácíme čas a jak nákladné to může být. Pokud jste schopni spolupracovat a sdílet běžné zdroje dat, skripty již byly vyvinuty, logika již existuje, můžete je efektivně řídit, takže vyvažování správy a analytické agility je to, o co se chcete usilovat a procházet tento svět toho, čemu bych říkal, máme specializované nástroje, máme automatizované nástroje pracovního postupu, máme klasické Excel, datové katalogy, samoobslužné BI, nástroje pro vědu o údajích. Jak ukazuje tento obrázek, existuje mezi nimi mnoho, mnoho nástrojů a spousta překrývání.
Nick Jewell: Jo, perfektní, Jen, a já si myslím, že okénko vhledu, jak jste zmínil, se rozhodně zmenšuje, ale čas potřebný ke skutečnému nasazení modelů se neudrží. Prediktivní nasazení modelu je i nadále velkou výzvou pro mnoho společností. Mluvili jsme s Carlem Rexerem, který je prezidentem Rexer Analytics, a v Carlově průzkumu datových věd z roku 2017 zjistil, že pouze 13 procent vědců s údaji tvrdí, že jejich modely se vždy nasadí, a tento poměr nasazení se prostě nezlepší, takže jsme vrátit se s každým předchozím průzkumem. Ve skutečnosti, v roce 2009, kdy byla otázka poprvé položena, a vidíme téměř identické výsledky, takže máme skutečnou mezeru.
Jen Underwood: Když se podíváme na analytickou zralost, rychle postupuje. Opět, před dvěma, třemi lety jsme byli velmi nadšení, že jsme měli vizuální samoobslužnou analýzu a konečně jsme flexibilní a rozšiřující BI k masám samo o sobě. Když říkám masy, pravděpodobně stále moc uživatelů v organizaci. Nyní vidíme optimalizaci, prediktivní analytiku, hluboké učení, přirozený jazyk a mnoho dalších technologií, které ve skutečnosti, jak jsou začleněny do každodenních procesů, konečně opravdově demokratizují analytiku velmi hladce pro masy, pro skutečné masy, které mají být použity v rámci stávajících podnikových procesů, které již mají.
Nick Jewell: Jo, Jen, pojďme si krátce vyprávět příběh o té poslední kategorii, pokud to dokážu. Většina posluchačů dnešního hovoru se seznámí se softwarem AlphaGo společnosti Google DeepMind, který za posledních pár let porazil některé z nejlepších hráčů Go na světě. AlphaGo se naučil hrát hru studováním obrovských objemů dříve zaznamenaných zápasů. Tolik, že komentátoři turnaje AlphaGo tvrdili, že software hrál ve stylu japonského velmistra, tomu věřte nebo ne.
Ale za poslední měsíc byl zaznamenán téměř překvapivější výsledek. Jednalo se o AlphaGo Zero, hluboké učení, neuronovou síť, vyzbrojenou pouze jednoduchými pravidly hry a optimalizovanou funkcí. Naučilo se stát se nejsilnějším hráčem Go na světě bez tréninku pod dohledem, a to vše za zhruba 40 dní. Toto takzvané posílení učení, kde lidé definují výzvu, ať hluboký vzdělávací systém prozkoumá, zlepší, může skutečně přinést největší dopad do analytického prostoru. Takže myslím, zůstaňte naladěni.
Jen Underwood: Jo, to je opravdu zajímavé, že jsi to zmínil. Dokážete si představit vyloučení? A to je to, co začínám vidět. Opravdu, když mluvím o automatizaci, je velmi vzrušující, aby řešení byla dostatečně chytrá na to, aby čistila vzduch, učila se ze systémů automaticky, připojovala se a hrála a prostě věděla, co dělat dál na základě některých minulých rozhodnutí, která byla nebo jiná rozhodnutí které byly vytvořeny v rámci organizace a které řídily některé z těchto systémů, systémy ETL a staraly se o ně, a měly cestu zpět v den, kdy mi pípnutí a telefony, které mi volaly s upozorněním, když procesy neběhly, je tak vzrušující myslet, "Páni, teď je to dost chytré, aby se pravděpodobně samo uzdravilo."
Můj manžel spravuje samoléčebnou mřížku, budeme mít samoléčitelnou integraci dat, samoléčivou analytiku a tam, kde to bude lepší a lepší, je to opravdu vzrušující. Jako CDO, když začnete přemýšlet o technologii zpracování lidí, podíváme se na to, právě teď se podíváme na technologii, pak se podíváme na lidi a jak přistupovat k budování vašeho týmu a budování dovednosti. Pokud se podíváte na moderní analytickou platformu, řeknu vám to hned, ne každý tu bude mít všechno, ačkoli největší organizace by mohly mít všechny tyto různé komponenty, samy o sobě, některé skupiny mohou mít pouze dvě nebo tři malé krabičky tady, takže jsem tím nechtěl přemoci lidi. Moderní platforma BI však nevyžaduje nutně předdefinovanou sémantickou vrstvu sestavení IT.
Uživatelé a odborníci by měli být opravdu oprávněni pouze připravovat data pro analytickou rychlost a obratnost, a pokud přemýšlíte o vzestupu toho, co bychom řekli analytikům vedeným uživateli a odborníky, nechali odborníky na předmět mít pohyblivost, potřebují dělat rychlá rozhodnutí. Vidíme zvýšené přijetí toho, co bychom řekli, nástrojů pro přípravu osobních údajů, wranglingu dat, obohacení, očištění, typů činností, které Alteryx provádí, a některých činností typu vědeckých údajů, které nabízejí jako studna. Moderní řešení přípravy, které nabízejí, že inteligentní, automatizované spojení, rozlišení vzduchu, posun dat, když máte velký datový kanál, je to velmi, velmi cool. To je pravděpodobně opět jedna z oblastí, které se mi líbí a opravdu ráda testuji i v tomto odvětví.
Na rozdíl od tradičního BI vedeného IT se IT dnes opravdu zaměřuje na umožnění podnikání a máte lidi jako CDO a dáváte dohromady nebo volíte správná řešení pro správu, organizaci a sjednocení těchto dat a samozřejmě se ujistěte, že je to ovládáno, že? Jedna věc, která je pro mě velmi zajímavá, a určitě si myslím, že jsme z toho usoudili, ale nemyslím si, že jsme to právě rovnou řekli, že dny datového skladu s univerzální velikostí a to je konec všeho, vše je určitě u konce. Data jsou všude, co musíte udělat - datová jezera přišly do obrazu, je zde streamování a živá data, nyní existuje tolik různých zdrojů dat, je to opravdu spíš na základě případu, „Co potřebujete?“ "Musíme dostat všechno do datového skladu." Nejsem si jistý, Nicku, chtěl jsi se k tomu přidat? Nevzpomínám si.
Nick Jewell: Řeknu jen jednu věc a je to jen, sledujte vývoj komponenty. To, co odborníci udělali před pěti až deseti lety, je nyní v rukou uživatele, takže věci na pravé straně tam budou převládat pro uživatele ve formě bez přetažení kódu, velmi brzy. Bude se pohybovat rychleji a rychleji, takže na to dejte pozor.
Jen Underwood: Jo, to je opravdu dobrá věc. Rád o tom přemýšlím. Odlišná věda o údajích se konečně stává realitou a nástroje se stále zlepšují. Když přemýšlíme o technologii, nyní musíme mít dovednosti a lidi a co musíme udělat? Právě teď nejlepší práce zahrnují tituly, jako jsou vědci s údaji, datový inženýr a obchodní analytici, ale my zjišťujeme, že zaměstnavatelé považují za opravdu obtížné dosáhnout shody. Dokonce i v prostoru pro přípravu dat řeknu: „Jsou to přípravy dat, je to sranda dat, jaké pojmy to lidé nazývají?“ Bylo to velmi zajímavé najít.
Podnik neví, co potřebují, a je tu celá tato nová rozvíjející se oblast, která pokryje mnoho různých oblastí. Pokud se podíváte na všechny, nyní musí být mistrem svých dat, obchodní analýzy, projektových manažerů IT, mého manžela, který řídí energetickou síť a portfolia projektů, musí být schopen to analyzovat. Nejedná se pouze o finance a analýzu dat, ale o to, že se to opravdu rozšířilo do dalších oblastí organizace. Myslím, že jsem viděl studii o tom, kolik marketingových zdrojů dat používá, a bylo to ohromující. Když opět přemýšlíte o studii provedené společností Harvard Business Review, nejde jen o jeden zdroj dat, který by lidé museli rozdrtit a sloučit a najít vhled, ale je to mnoho zdrojů dat a to vyžaduje dovednost.
Když se podíváte na podstatně větší obrázek, většina nových zaměstnanců bude v této růžové bublině směrem dolů, když hovoříte o těchto obchodních analytikech s analytiky dolování dat, HR manažery v této oblasti, jen pravidelnými rolemi uvnitř linky podnikání pomocí dat. Nejrychleji rostoucí role budou mít méně pracovních míst, ale určitě to, co dnes slyšíme o nejvíce na trhu, datovém vědci a datovém inženýru. Jako CDO se dívají dopředu a plánujete talent, musíte zohlednit některé z automatizace rutinních úkolů a typů dovedností, které budou strategičtější, a znovu, přidejte hodnotu vaší organizaci, a to jak pro ti, kteří jsou v analytice povoleni, ale také pro datové vědy a datové inženýry. Zvažte, jak se vaše nezařazené pozice a dokonce i některé z nezávislých ekonomik mohou změnit, když o tom přemýšlíte, abyste mohli soutěžit o nejlepší a nejjasnější.
A vždy přemýšlejte také o svém talentu, pomáhejte uchazečům orientovat se na trhu nebo hledat věci, které by se mohly trochu lišit a ne přesně to, co chcete, a vytvářet interní analytické kurzy, které nemusí být ve skutečnosti nejrychlejší, nejvíce nákladově efektivní strategie pro vás držet krok. Vezměte v úvahu lidi, kteří se věnují školení v této nebo jiné skupině, a věřím, že Alteryx má dnes na konci sezení doporučený kurz jako výzvu k akci, abyste mohli využít některé z těchto věcí a pomoci týmu využít některé ze stávajících zdrojů, které jsou již k dispozici.
Nick Jewell: Absolutně. Existuje tolik způsobů, jak zaplnit tuto mezeru v talentu, aniž byste byli chyceni v závodě se zbraněmi. Pár snímků zpět, nevím, jestli tam dokážete pár otočit. Kaggle, soutěžní web pro vědu o údajích, právě vydali průzkum se 17 000 odpověďmi o stavu vědy o údajích a z průzkumu se objevila opravdu zajímavá odpověď týkající se dovedností, které lidé měli, a většina respondentů neměla PhD., už to prostě není předpoklad.
Myšlenka, že analytici příští generace, ta hlavní bublina, kterou jste právě ukazovali, mohou získat znalosti, které potřebují, z kurzů na nanoúrovni. Mohou jít na weby, jako je Udacity, a mohou tyto znalosti nasazovat okamžitě, přímo v podnikání, díky krátkému zaměření dodacích cyklů je pro jejich společnosti okamžitým zdrojem konkurenčního pokroku. Takže na co si dát pozor, myslím.
Jen Underwood: Ne, souhlasím. I když o tom přemýšlím, určitě je to daleko, protože jsem absolvoval dvouletý program na UCSD. Myslím, že to bylo zpátky v časovém rámci 2009, 2010 a v zemi bylo opravdu možná hrstka, která vám to umožnila. Nyní existuje obecně mnohem více možností, stejně jako specializované programy, ať už je to prostřednictvím prodejců, spousty zdrojů dostupných dnes se smyčkami a všech těchto různých online zdrojů, je to prostě úžasné, je to opravdu čas. Vydělejte si čas a rozpočet, a naplánujte si, abyste drželi krok. Co se chcete naučit? A pak se vydáte touto cestou, kterou se chcete naučit.
Když mluvíme o tom, jak se na to dívat a sestavit si svůj vlastní plán dovedností a z potenciálního CDO, ujistit se, že mají lidi v pokrytých oblastech, z toho, co bych řekl, rámec kompetencí sám o sobě, díval se na dovednosti nebo se díval na věci jako znalost domény je stále klíčová, i když tato řešení se mohou samostatně naučit a učit se, je to opravdu odborník na obchodní záležitosti, který bude řídit a ujistit se, že výsledky dávají smysl.
Vždy existuje něco a ráda bych použila příklad, kdy jsem prováděla kritickou analytiku pro pojišťovací společnost, a jedním ze zjištění, že algoritmy neměly najmout nikoho z New Yorku. Ne, nebudeme najímat nikoho z New Yorku - museli jsme zjistit, proč nám algoritmus poskytoval tyto informace. Bylo to proto, že zákon, jeden ze zákonů se změnil, a tak jsme v tomto konkrétním segmentu měli spoustu peněz. Aby bylo možné to dešifrovat, je třeba přivést odborníka na obchodní záležitosti, a já nevidím, že se to mění, nevidím ten druh vedení, ujistěte se, že výsledky vypadají přesné, že něco vypadá pryč - je to stále, je tu něco, co se říká, že je lidská mysl, krása toho, co je spojeno s výkonem stroje, je opravdu tím, kam jdeme.
Další typy věcí, když se díváte na dovednosti, vizualizaci, vyprávění efektivního příběhu v datech, vyprávění efektivního příběhu, zda je to dokonce strojový výstup učení. Když se tyto věci dají dohromady a podíváme se, jaký to má dopad, pochopíme lidskou povahu rozhodování, tyto věci jsou velmi důležité bez ohledu na technologii. Správa věcí veřejných je opravdu důležitá, etika je stále důležitější. Zapojení sociálních vědců to pochopí a jsou vyškoleni, aby se podívali na to, zda jsou ve vašich údajích předpojatosti, které si ani neuvědomujete, nebo nemáte v organizaci někoho, kdo by to dokonce ani nepoznal, dokonce je přivede do odborníka, s těmito typy věcí.
A opět, samozřejmě, že máme infrastrukturu pro strojírenství a hardware a ujistěte se, že můžete škálovat a vyvíjet a zajistit, že používáte správného poskytovatele cloudu, možná že nejste uzamčeni nebo že máte možnosti přesunout se nebo že rozumíte tomu, kolik vás to bude stát. Jsou to tyto typy dovedností a když se na to podíváte, nazýváme je dovednostmi v různých oblastech, ať už se jedná o přední rozhodovací pravomoci založené na datech - kde bude většina z těchto rolí - až k těm datovým inženýrům a datovým vědcům, kteří budou být masírování a práce v těchto oceánech dat. To jsou druhy věcí, pro které chcete sestavit rámec.
Když se podíváte na rámce kompetencí, podíváte se na organizaci obecně, chcete zvážit kompetence, nejen dovednosti. Když se na to díváte, je ve formulaci trochu nuance. Rámec kompetencí pro vaši organizaci je jasný signál. Tvůrci válečných politik, poskytovatelé vzdělávání, zatímco dovednosti by se říkaly, napsané pod R, přemýšlíte o těchto typech věcí, máte kompetentního kodéra, ale chcete mít více než jen tyto dovednosti. Když pochopíte kompetenci, co musí člověk umět a pochopit rámec, to je důležité, je tam trochu nuance.
Když to budujete, chcete diagnostikovat, čemu byste říkali kapacity, které mají pozitivní dopad na podnikání, a zdůrazněte ty oblasti s vysokým potenciálem, takže upřednostňujete, jaké kompetence chcete ve vaší organizaci zvýšit a pak je znovu sladit s obchodními cíli. CDO, které je zodpovědné za maximalizaci hodnoty dat, se podívají na, a jejich CAO, které budou používat analytiku k maximalizaci hodnoty dat. Budou se dívat na tyto kompetence a ty různé oblasti, na minulou síť, kterou jsem tam měl, ale pak se také podívají na vysoký potenciál zaměstnanců. Chystáte se křížovým odkazem, že se svými zaměstnanci pracuje na datech a analytice a investují do nich, poskytujete jim příležitosti k učení a nejen školení, v podstatě příležitosti reálného světa, které pracují na skutečných obchodních problémech.
Není nic lepšího - i když jsem šel do školy několik let, nebylo to, dokud jsem nešel a nepoužil některé z těchto algoritmů nebo se nedozvěděl o kontrolních podvodech, nedozvěděl se o některých z těchto věcí, o kterých jsem nikdy předtím nepřemýšlel, a vy začněte dávat dohromady v reálném světě, a to je místo, kde se opravdu učíte. Dává lidem příležitost získat zkušenosti v těchto oblastech. Společnosti, které jsou schopny vybudovat silné schopnosti, které systematicky identifikují, objektivně hodnotí a zkoumají, kde jsou mezery v mé organizaci, pokud jde o učení a zavádějí určité metriky pro cíle pro lidi, to jsou ty, které budou schopny dodat.
Když přemýšlíte o školení dospělých, obvykle je to čas hladovění - my všichni hladovíme - ale podíváme se, co pro každého funguje. Já osobně mám knihy, takže pokud byste dnes přišli do mé kanceláře, viděli byste spoustu knih, i když spousta lidí jako videa. Jde tedy o to zjistit, jak se někdo ve vaší organizaci chce učit - motivovat je, aby se učili - ale také jim poskytl nějaký čas na to a cíl nějakého druhu - co je efektivní k dosažení tohoto cíle a obvykle to je smíšené, není to jen absolvovat tento kurz, aby zkontrolovalo, že známka na skóre karty, sama o sobě, je to míchání, že se skutečným cílem projektu a co jste se dozvěděli z tohoto projektu a co chcete dělat dál? Co je úsek? Roztažení vašeho týmu nebo motivace vašeho týmu, aby si to dále.
Tyto učební cíle, opět, pokud to děláte, by to nemělo být, mělo by to být pro podnikání snadné, protože tyto cíle by se měly sladit se strategickými obchodními zájmy. To jsou skvělé projekty. Jsou to experimentální projekty. Jsou to projekty, které posouvají jehlu dopředu.
Nicku, chtěl jsi něco přidat? Nejsem si jistý.
Nick Jewell: Ne, chtěl jsem skočit do případové studie, pokud je to v pořádku, na další obrazovce. Trochu podrobností o konkrétní organizaci. Myslím, že uvedli do praxe hodně toho, co říkáte. Ford Motor Company se spoléhala na analýzu dat po celá desetiletí, stejně jako mnoho společností, ale činila tak v kapsách podnikání, s pravděpodobně velmi malým dohledem nad celou společností, aby byla zajištěna konzistence a koordinace. Jejich problémy byly pravděpodobně dosti typické pro organizaci jejich rozsahu, takže analytické odborné znalosti obsahovaly - jak říkáme - uvnitř kapes, řízení dat a postupy správy byly nekonzistentní, a to dokonce do té míry, že některé obchodní jednotky neměly přístup k základním analytickým znalostem.
Opět jsme dnes hovořili o mnoha různých typech zdrojů dat, měli přes 4 600 zdrojů dat. To znamenalo, že i zahájení cesty a nalezení potřebných údajů bylo skutečnou překážkou analytického vhledu. Vidím, že se směješ, ale je to hrozná věc, že?
Jen Underwood: 4 600, oh bože, jo.
Nick Jewell: Ford vytvořil globální jednotku pro analýzu a analýzu a toto bylo centralizováno - můžete tomu říkat centrum excelence - skládající se z týmu vědců a analytiků dat, organizovaného tak, aby sdíleli nejlepší analytické postupy a pomohlo šířit optimalizovaná data-řízená data vytváření dat napříč firmou. Jednotka vybrala nejlepší nástroje ve své třídě, nejen co se týče schopností, ale také jejich schopnosti dobře se integrovat, takže to je docela důležité. Jejich demokratizace byla ve skutečnosti zaměřena na zprávy a popisnou analytiku, než se přesunula do pyramidy potřeb, o které jsme mluvili.
Nyní demokratizace neznamená, že někdo přes noc bude vědcem údajů; Zaměstnanci potřebují vědět, kdy a kde získat pomoc, a je k dispozici školení, správa věcí veřejných, metodiky, které s tím vším pomohou. Nejde jen o školení nástrojů, ale také o školení v oblasti dat, abychom překlenuli mezeru v dovednostech, kterou jsme zmínili. Takže případ použití ve skutečném světě ve společnosti Ford, který optimalizuje logistickou síť, platil Ford správné množství za přesun materiálu z bodu A do bodu B? Jejich starší analytika skutečně nezdůrazňovala možnosti, které lze uplatnit; díky tomu byly na trhu velmi reaktivní. Nyní byla v hlavách analytiků celá složitost tohoto procesu zamčena a oni udělali obrovský průlom, když byl samoobslužný pracovní postup ve skutečnosti iterován s obchodem a analytičtí experti se posadili a byli spolu-lokalizováni.
To posunulo analýzu z víceletých na čtvrtletní, a dokonce až na téměř real-time, tak obrovský, obrovský přínos pro podnikání. Tento dopad samoobslužné analýzy na obchodní hodnotu znamenal, že Ford může rychle plánovat a zavádět celofiremní datové strategie, reagovat na vznikající trendy, pomáhat formovat nové služby a v zásadě odvádět hrozby z konkurence, aniž by museli se dívat do toho zpětného zrcátka.
Nyní, když se podíváme na okamžik, jak jiný zákazník skutečně posunul analytiku z možná vertikální priority v jedné divizi firmy na horizontální pruh napříč všemi divizemi, mluvíme o Shell. Shell provozuje centrum excelence, které se hlásí vedoucímu digitálnímu důstojníkovi - takže je tu další D pro naši CxO příručku - zodpovědnou za digitální transformaci a udržitelnost. Tito kluci pochopili, že jejich prostředí obsahuje několik vrstev a technologický zásobník, úložiště, zpracování dat a to vše představuje technologie, se kterými jste všichni dobře obeznámeni. Věci jako SAP HANA, Databricks, Spark a využívali veřejného cloudu k dosažení těch správných úspor z rozsahu.
Nyní si vybrali Alteryx jako analytický obal pro mnoho svých R kódů, dodávajících technologie jako Spotfire, Power BI a další. Nyní však vidí, jak se adopce spojuje mnohem podrobněji se zpracováním dat a vizualizací. Jen, jen zavolám zpět na snímek všech těchto schopností, tato věc se šíří, když začneme umožňovat přístup více analytikům. Víš, oni byli velmi úspěšní při poskytování této schopnosti a COE, kteří hledají, aby dodali budoucí schopnosti nyní, některé z těch hlubokých věcí, o nichž jsme mluvili - strojové vidění, zpracování přirozeného jazyka - a polovina jejich poslání je dodávka, polovina z toho je o vysvětlování a katalyzování těchto myšlenek napříč obchodními jednotkami. Je to součást cesty; COE se vždy dívá na různé způsoby komunikace se svým obchodním publikem.
Když vezmeme v úvahu na jedné straně skeptiky, kteří říkají: „No, tato černá skříňka nikdy nebude tak dobrá jako můj analytik, “ až do fanboy nebo nadšence, který všude vidí korelace, možná méně ve vztahu k příčinným vztahům, ale musíte být opatrní na obou stranách. Je to fascinující prostřední prostor, když máte tento horizontální pruh napříč celou organizací, tento hybridní soubor dovedností, který je potřebný k přesvědčování obou stran spektra.
Nick Jewell: Dobře, Jen, jsi tam?
Jen Underwood: Já jsem.
Nick Jewell: Myslím, že to, co se zde snažíme říci tímto citátem Claytona Christensena, je to, že pro mnoho organizací se zdá, že sjednocení analytické agendy s cílem řídit digitální transformaci, o které dnes mluvíme, být výzvou. Častěji než ne najdeme analytické týmy začínající slabou rukou. Pokus o inovaci pomocí zastaralých analytických procesů, technologií, týmových struktur a udržení těchto relikvií bude největší překážkou pro analytické sladění a pro analytické inovace. Máš na to nějaké myšlenky, Jen?
Jen Underwood: Líbí se mi vybraný obrázek. Ano, určitě mi dává smysl. Musíte přijmout některé z těchto nových technologií, například streamování v reálném čase. Nemusíte nutně dosáhnout těchto výsledků v reálném čase, pokud budete muset aktualizovat JavaScript v prohlížeči, sám o sobě, se starým dědictvím - možná je to aplikace na hlavním panelu nebo takové typy věcí. Ano, některé z těchto nových nástrojů musíte přijmout a znovu si myslím, že tento obrázek je opravdu roztomilý, obrázek říká tisíc slov. Košík a kočárek, musíte se pustit z těch starých technik.
Nick Jewell: Absolutně. Pokud tedy přejdeme na další snímek, myslíme si, že existuje lepší způsob. Myslím, že nejprve pomocí něčeho, co se podobá vyhledávání jako Google, k rychlému nalezení všech vašich datových aktiv, které jsou nejrelevantnější. Pochopení jejich kontextu, porozumění závislosti, faktorování ve skutečně jednoduchých věcech, jako jsou obchodní glosáře autorů odborníků z vašich komunit, udržované naživu všemi kmenovými znalostmi hlav vašich spolupracovníků.
Chytré s vyhledáváním dat. Zamyslete se nad možností vést rozhovory s majiteli přehledů a odborníky. Nahrajte, udělejte trochu Trip Advisor nebo Yelp, nahrajte prostředky, které jsou nejužitečnější, a certifikujte ty, které organizace považuje za nejcennější, a to vše zpět do výsledků vyhledávání a nakonec do žebříčku vyhledávání, což je pro další uživatel. Jakmile najdete to, co hledáte, přejděte do této rychlé, bez kódu, uživatelsky přívětivé, přípravné a analytické fáze a vytvořte si perfektní sadu dat, od které můžete publikovat opakovatelné procesy.
Zpět na naši automatizační konverzaci, vytváření uživatelsky přívětivých aplikací. K vytvoření analytických modelů je třeba cokoli. Když už mluvíme o modelech, podporujeme open-source technologie jako R po řadu let, umožňuje nám vybudovat opravdu pokročilé analytické schopnosti, které pokrývají popisnou, ale také prediktivní, předepisující analytiku, jednoduchou metodou drag-and- kapka cesta.
Nyní, na pravou stranu, skutečně získáváme tento vhled do interaktivních vizualizací, modelů a bodování, které jsou tlačeny dolů uvnitř datových platforem, nebo v poslední době, čímž je tento přehled dostupný okamžitě a přímo v rámci obchodního procesu. Myslím, že právě tato škála možností v rámci celé platformy nám umožnila být v letošním letošním průzkumu Gartner Peer Insights Customer Choice Survey oceněn vítězem zlaté ceny, což je fantastický úspěch. Důrazně doporučujeme navštívit stránky Gartner, kde se dozvíte více, přidáte vlastní hlasy a přidáte svůj vlastní komentář.
Super, takže, Jen, pokud přeskočíme o další snímek dopředu - myslím, že jak jsme došli k závěru, rád bych vám dal všechny další kroky. Nejprve navštivte prosím stránku Alteryx.com a stáhněte si bezplatnou kopii našeho nejnovějšího výzkumu, který byl vypracován v koordinaci s Mezinárodním analytickým institutem (IIA) a který se týká odstraňování analytických překážek. Můžete také navštívit adresu udacity.com/alteryx, kde se dozvíte více o tom, jak vašim týmům umožnit, učinit další krok na jejich cestě, s tímto pokročilým analytickým nano-stupněm a nakonec si zažít Alteryx pro sebe. Navštivte domovskou stránku, stáhněte si plně funkční hodnocení a nastupte na palubu s nadšením z řešení.
Jen, k tobě. Možná budeme mít nějaký čas na nějaké Q&A.
Eric Kavanagh: Jen zazvoním opravdu rychle. Máme pár otázek. Nejspíš na vás hodím, Nicku, a pak Jen, pokud se k tomu chcete vyjádřit, ale určitě to má větší uplatnění v EU a to je neslavný GDPR, globální nařízení o ochraně údajů. Jak to ovlivňuje Alteryx a vaši cestovní mapu a na co se zaměřujete?
Nick Jewell: Myslím, že je to hodně boogieman, právě teď je to venku. Spousta lidí o tom mluví, spousta lidí se docela bojí, ale je to opravdu první z dlouhé řady předpisů, které se dostanou do světa dat a analytiků. Opravdu, z našeho pohledu jde o pochopení a klasifikaci vašich údajů. Ujistěte se, že jako CxO, s jakoukoli konkrétní chutí, víte, kde jsou vaše aktiva, znáte jejich kontext a víte, že jim můžete důvěřovat jako první krok ke skutečné správě a správě dat v širším kontextu.
Eric Kavanagh: Myslím, že před tebou hodím další otázku, než přivedeme Jen zpátky, Nicke, a to jsou tréninková data, pokud někdo požaduje, aby byla jejich data odstraněna z vašeho podniku, to neovlivní pouze jejich jméno, adresa a tak dále, nejen jejich kontaktní informace, ale také, pokud algoritmus používá tréninková data, která obsahují vaše data, měli byste algoritmus přeškolit, že?
Nick Jewell: Je to obzvláště složité. Myslím, že myšlenka, že nejen databáze jako zdroj některých těchto osobně identifikovatelných informací, ale také analytické pracovní postupy, aplikace, vizualizace. Tato data jsou všude v organizaci, takže mají tento kontext: naprosto zásadní.
Eric Kavanagh: A Jen, co si myslíš? Je zřejmé, že to není tak velká dohoda v USA a nevidíme příliš mnoho společností, které by se nad tím teď trápily, i když se to zde technicky týká. Pokud má americká společnost údaje o občanech EU, jaký je váš názor na význam GDPR a jak velká je dohoda?
Jen Underwood: Určitě si myslím, že to vyžaduje odpovědné zpracování dat. Několikrát jsem o tom napsal a mám několik pokynů k některým z těchto věcí. Myslím, že otázka, kterou jste položili na algoritmy, je zajímavá. Jistě, některá řešení, na která se dnes dívám, některé z jejich produktových týmů navrhly funkce, takže můžete vidět, jak se rozhodují a jaká osobní data byla použita k rozhodnutí výsledku tohoto algoritmu. Zde vidíme některé dopady na design výrobků zde ve Spojených státech.
Mnoho technologických společností má zde velmi velké kanceláře a vývojové týmy zde ve Spojených státech i po celém světě, takže to vidíme ve vývoji produktů. Vidím, jak se investuje více katalogů dat. Další vládní iniciativy vznikají, aby lidé pochopili, a chápou, kde jsou všechna ta data v chaosu. Snažím se je objmout, přinejmenším organizovat, být schopen je najít a něco s tím udělat.
Eric Kavanagh: Budu tlačit tento snímek, o kterém jsme mluvili dříve, a hodit to vám, Nicku. Myslím, že je to fantastická skluzavka, protože podle mě to skutečně mluví o bezprostřednosti potřeby analytiky. Co si myslíte o této měnící se dynamice? Pointa je, že společnosti musí být agilní a analytici považuji za vedení tohoto poplatku. Co myslíš?
Nick Jewell: To je fascinující. Myslím, že vždy existuje - společnosti a technologie vždy existují ve třech státech, takže to bude buď válka, mír, nebo div. Válka bude asi tak silná konkurence. Wonder jsou všechny skvělé nové věci, které stavíte na vrcholu platformy. Pak mír před konkurencí a válka začíná znovu. Myslím, že tato bitva vždy probíhá.
Před dnešním hovorem jsme hovořili o některých dalších konferencích a klíčových poznámkách, které se dnes dějí po celém světě. Někteří z velkých dodavatelů cloudů dosáhli bodu, kdy vybudovali tuto platformu a nyní na ní staví úžasné nové věci. Společnosti na to musí dohlížet a ujistit se, že jdou s něčím, co má soudržnou platformu, která zajistí tuto hodnotu pro budoucnost. Budou to ti, kteří přežijí toto narušení.
Eric Kavanagh: Jo, to je dobrý bod, a víš, Jen, už jsi dříve, ve skutečnosti před představením, komentoval cloudovou strategii a jak mnozí lidé, které znáte v oboru, říkají, že velké společnosti, dokonce i banky, všechny nyní mají cloudovou strategii. Byl jsem docela překvapen, jak dlouho trvalo, než se to uskutečnilo, a myslím, že možná někteří z nich šli na konferenci AWS Reinvent a uvědomili si, jak je to masivní, a dospěli k závěru, že nastal čas. Co si myslíte o povědomí manažerů velkých podniků o dovozu cloudu ao tom, jak to mění jejich plánování?
Jen Underwood: Když přemýšlím o tomto světě dat velkého měřítka a mohu je spravovat, myslím, že na některých úrovních je jistý klid s tím, že jedna z velmi velkých firem přebírá odpovědnost za některé bezpečnostní aspekty, takže existuje tam nějaký klid mysli. Víš, že v cloudu je nějaká omezená škála.
Druhá věc je, a viděl jsem to, byl jsem v týmu, který přestavěl produkt v cloudu, a rozhodně to byl produkt, který nevyužívá psa, a nikdo mu nevěnoval pozornost a do dvou let kvůli týdenním únikům a dokonce, Řekl bych, že je to téměř do bodu každodenního úniku v cloudu. Vím, že Amazon říká, že se uvolňují vícekrát denně. Když máte tuto hrozbu, když vaši konkurenti mohou každý den vydávat a zlepšovat se, ať už dělají cokoli, přinejmenším v softwarovém průmyslu - a všichni se v softwarovém průmyslu všichni začínají dívat na digitální transformaci - je to úplně jiný ballgame a kdokoli může roztočit mrak a měřítko a stát se velkým.
Znovu to budou data, která využívají, a to změní a inteligenci v jejich algoritmech, a proto lidé mluví o tom, že data jsou nový olej nebo data jsou zlato. Když se podívám na cloud, je to měnič her, opravdu to umožňuje velmi, velmi rychlý vývoj a měřítko. Je to úžasné.
Eric Kavanagh: Přivedu tě zpátky, Nicku, pro další otázku - půjdeme tady jen minutu dlouho, pokud se dokážeme dostat k některým z těchto otázek, ale jak si vzpomínám, pět a šest a možná dokonce sedm před lety byl Alteryx opravdu inovátorem při získávání dat třetích stran - takže přináší data ze zdrojů, jako je například Experian, nebo geoprostorová data. Myslím, že to je pravděpodobně strategická výhoda, protože taková věc je v DNA v Alteryxu, že? Jak se společnosti pohybují směrem k cloudu, myslím, že vy máte hodně zkušeností, abyste byli schopni tyto světy přemostit. Co si myslíte o světech on-prem veršovaných dat třetích stran a cloudových dat?
Nick Jewell: Jo, absolutně. Konečné připojení se stane takovou silou hry pro jakoukoli společnost, která bude pracovat v tomto cloudovém prostředí. Ale řeknu, když mluvíme o něčem, jako je infonomie, myšlenka, že informace a data by měla být ve vaší společnosti považována za přínos. Největší hodnotu, kterou přinesete, je převzetí externích zdrojů dat, jejich smíchání a obohacení s vašimi interními zdroji za účelem vytvoření a zpeněžení větší hodnoty v procesu. Je naprosto zásadní pracovat stejně s interními i externími daty.
Eric Kavanagh: Jo, to je dobrá věc. Myslím, že celý svět hybridního cloudu má zůstat. Jen, prostě ti to hodím za pár závěrečných komentářů. Podle mého strategického pohledu a schopnosti sjednotit se, jak nový termín popisuje data napříč zdroji, to bude v budoucnu rozhodujícím faktorem úspěchu, že?
Jen Underwood: Ne, absolutně a je to legrační, slyšel jsem tento hybrid, hybrid, hybrid. Slyšeli jste o tom a před čtyřmi lety jste přemýšleli o Hadoop, Hadoop a velkých datech a pak jste začali slyšet hybridní, hybridní, takže určitě tam byli, nemusíme nutně, toto je rok strojového učení, bar žádný. Chci říct, umělá inteligence, strojové učení letos nastoupilo na scénu, ale aby dnes fungovalo v organizaci, která je dnes na cestě do cloudu nebo která musí vypořádat se všemi těmito různými zdroji cloudových dat, možná je to Salesforce nebo V pracovní den, všechny tyto různé typy zdrojů, které žijí v cloudu, jediný způsob, jak s nimi zacházet, je být hybridní. Nemůžete kopírovat data všude, takže musíte být schopni se přímo spojit a musíte najít způsob, jak pracovat s daty umístěnými všude, najít data všude, protože to je realita tam, kde máme pravdu Nyní.
Eric Kavanagh: Myslím, že bych byl v rozpacích, kdybych nepřinesl zpět strojové učení do konverzace, takže, Nicku, prostě ti to hodím. Vím, že se na vás nyní lidé zaměřují - můžete se bavit o tom, kde vidíte strojové učení, které je v souladu s analytiky a se systémy, které používáme k pochopení našeho podnikání a našich dat?
Nick Jewell: Jo, jasně. Takže, velmi stručně, pojďme se tedy rychle vrátit k naší propasti v dovednostech. Myšlenka, že máme organizace, které jsou zcela výkonné s výkonnými uživateli Excelu. Přicházejí vědci s údaji, ale nerostou stejným tempem. Mezi nimi je obrovská propast. Přemýšlejte o tom, kde je strojové učení dnes. Kolik algoritmů máme v telefonu nebo na našich hodinkách, které obsahují techniky strojového učení? Je to komodita, je to všude. Musíme těmto uživatelům moci umožnit co nejjednodušší způsob, jak zajistit, aby byl stroj úspěšně používán v rámci celé firmy.
Eric Kavanagh: Asi ti dám poslední. Zde máme pár otázek. Jen, zeptám se vás na tohle. Účastník komentuje celý tento koncept učení bez dozoru a faktem je, že k tomu budete potřebovat data školení a obvykle data školení musí být specifická pro společnost. I když v průmyslových odvětvích existuje mnoho korelací, existuje spousta způsobů, jakými jsou organizace podobné. Nicméně každá společnost je jedinečná, ať už jde o její obchodní model nebo přístup k marketingu nebo prodeji, nebo o jakýkoli případ, vývoj produktů.
Otázka se stává, budou tyto algoritmy schopné použít data třetích stran pro výcvik? Zdá se mi, že k trénování těchto algoritmů budete vždy potřebovat svá vlastní data, i když se doba cyklu zkrátí ze šesti měsíců - což bylo v některých případech - až na 40 nebo 20 dní, bez ohledu na to, případ může být. Opravdu musíte používat svá vlastní data a musíte se ujistit, že data jsou docela čistá, že?
Jen Underwood: Je to opravdu směs. Budete chtít mít vnější kontext. Ve skutečnosti jsem dnes rezervován zády k sobě a můj další webinář hovoří o přípravě a čištění dat, ironicky pro strojové učení. Co je opravdu klíčové, je to, že dáváte dohromady externí kontext s vaší organizací, a jsem rád, že jste se ptali na přípravu a očištění dat, protože upřímně řečeno, některé nástroje jsou stále velmi, velmi dobré - zvládnou některé aspekty, ale lidská mysl nebo schopnost rozluštit problém a podívat se a ujistit se, že to nevynechaly - řekněme, že máme nějaký druh opomenutí. Způsob, jakým se díváte na problém a způsob, jakým se rozhodujete navrhnout problém, který automatizujete, nebo rozhodnutí, která automatizujete, má k tomu umění a ujistěte se, že přesně odráží daný obchodní proces.
Vrátil jsem se k mému příkladu s pojišťovací společností, když jsme modelovali kanalizaci a kdo si najal projít tento sponzorovaný výcvik k prodeji pojištění; v samotném modelu nebylo legální klima, různé zákony pro různé státy. Vždy bude existovat nějaký aspekt, kdy budete muset mít tato externí data s vašimi interními daty a znovu lidskou myslí. Tam budou různé komponenty.
Eric Kavanagh: Myslím, že jste zde vychoval opravdu dobrý bod. Stále slyšíme o převzetí robotů a strojů a strojovém učení. Pro mě je to velmi rušivý trend - o tom není pochyb - ale nikdy nevidím potřebu, aby lidé ve směsi odcházeli, zejména s analytickými údaji, s podnikovými daty.
Nicku, poslední otázka pro tebe. Pro mě, bez ohledu na to, jak dobré jsou algoritmy, vždy budete potřebovat lidi, aby sledovali, co se děje, vstřikovali sami sebe v určených časech a skutečně syntetizovali celkový obraz toho, co je tam venku. Nemyslím si, že žádný algoritmus nebude schopen syntetizovat celkový obraz pro společnost Fortune 2000, ale co si myslíte?
Nick Jewell: Vezměme si úplně jiný příklad než Alteryx, pojďme mluvit o Uberovi z minulého roku. Uber, během teroristického incidentu v Austrálii, lidé, kteří se snažili uprchnout z oblasti, najednou nasadili nárůst ceny, protože to způsobil algoritmus, který způsobil obrovské poškození pověsti. Ihned poté implementovali lidi a algoritmy spolupracovali. Kdykoli se to mělo stát, člověk musel mít na tento proces dohled. To partnerství člověka a algoritmu, to je cesta vpřed.
Eric Kavanagh: Páni, to je skvělý příklad, moc vám děkuji. Lidi, tady jsme v našem webcastu spálili více než hodinu. Velmi velké díky Jen Underwood of Impact Analytics. Samozřejmě velké poděkování Nicku Jewellovi a týmu Alteryx za jejich čas a pozornost a všem vám za váš čas a pozornost. Vážíme si těchto skvělých otázek. Všechna tato webová vysílání archivujeme pro pozdější prohlížení, neváhejte je sdílet se svými přáteli a kolegy. S tím vám nabídneme rozloučení. Vynikající webové vysílání dnes. Ještě jednou vám moc děkuji, příště vás dohoníme, lidi. Opatruj se. Ahoj.
