Dom Audio Poradnik cxo: przyszłość danych i analiz

Poradnik cxo: przyszłość danych i analiz

Anonim

Przez Techopedia Staff, 29 listopada 2017 r

Na wynos: Gospodarz Eric Kavanagh omawia dane i analizy, a także role głównego inspektora danych (CDO) i głównego analityka (CAO) z Jen Underwood z Impact Analytix i Nickiem Jewellem z Alteryx.

Eric Kavanagh: Panie i panowie, witam i witam ponownie w specjalnej edycji Hot Technologies. Ludzie, to jest Eric Kavanagh, będę gospodarzem dzisiejszego programu „The CxO Playbook: The Future of Data and Analytics”. Tak, to dość duży temat, muszę powiedzieć. W rzeczywistości mamy dziś trochę rekordowej publiczności. Dziś rano zarejestrowało się ponad 540 osób. Robimy to w specjalnym czasie, jak wielu z was wie na naszych regularnych koncertach, zwykle robimy to o 4:00 czasu wschodniego, ale chcieliśmy przyjąć bardzo specjalnego gościa, który dzwoni z naprzeciwka. Pozwólcie mi zagłębić się dziś w prezentację.

Więc ten rok jest gorący - był to bardzo burzliwy rok pod wieloma względami, myślę, że chmura ma z tym wiele wspólnego. Połączenie technologii, których jesteśmy świadkami na rynku, jest głównym motorem napędowym, i oczywiście mówię o SMAC, jak to nazywają. Mówimy o SMAC: serwisy społecznościowe, mobilne, analityka, chmura - i wszystko to razem. Organizacje mogą naprawdę zmienić sposób prowadzenia działalności. Jest więcej kanałów do wykonywania operacji biznesowych, jest więcej danych do analizy. Tam jest naprawdę dziki świat i dzisiaj będziemy rozmawiać o tym, jak rzeczy się zmieniają w pakiecie C, więc dyrektorzy, najlepsi ludzie w tych organizacjach, cały świat się zmienia i jesteśmy zamierzam o tym porozmawiać.

Twój jest naprawdę na szczycie. Mamy Jen Underwood z Impact Analytix i Nicka Jewell, wiodącego ewangelisty technologii z Alteryx. To bardzo ekscytujące rzeczy. Ludzie wpadli na ten pomysł wczoraj wieczorem i myślę, że to naprawdę interesujące. Oczywiście, wszyscy znamy muzyczne krzesła, gra dla dzieci, w której wszystkie te krzesła są w kręgu, zaczynasz muzykę, wszyscy zaczynają chodzić i jedno krzesło jest odsuwane; kiedy muzyka się kończy, wszyscy muszą się wspinać, by dostać krzesło, podczas gdy jedna osoba traci krzesło w tej sytuacji. To bardzo dziwna i przekonująca rzecz dzieje się teraz w apartamencie C, a jeśli zauważysz na tym zdjęciu tutaj, masz dwa puste krzesła z tyłu. Zazwyczaj krzesło znika w krzesłach muzycznych, a teraz widzimy, że są jeszcze dwa krzesła na poziomie C: CAO i CDO, główny analityk i główny oficer danych.

Obaj startują. Szczerze mówiąc, główny inspektor danych naprawdę startuje teraz jak pożar, ale co to znaczy? To znaczy coś bardzo znaczącego. Oznacza to, że moc danych i analityki jest tak znacząca, że ​​sale konferencyjne lub pokoje kierownicze, powiedziałbym, apartamenty C zmieniają się - dodają ludzi do pakietu C, zupełnie nowi dyrektorzy wypełniają niektóre z tych nowych miejsc. Jeśli pomyślisz o tym, jak trudno jest zmienić kulturę organizacji, to całkiem poważna sprawa. Kultura jest bardzo trudna do zmiany, a zazwyczaj pozytywne zmiany są wspierane przez dobre zarządzanie i dobre pomysły i tego rodzaju rzeczy. Jeśli pomyślisz o możliwości, którą mamy teraz, dodając nowych menedżerów w pakiecie C do analiz i danych, to naprawdę wielka sprawa. Mówi o możliwości zmiany trajektorii przez organizacje, i spójrzmy prawdzie w oczy, duże, stare firmy naprawdę muszą się zmienić ze względu na zmiany na rynku.

Zazwyczaj podaję na przykład przykłady Ubera lub Airbnb jako organizacji, które zasadniczo zakłóciły działanie całych branż i dzieje się to wszędzie. Dziś porozmawiamy o tym, w jaki sposób Twoja organizacja może się dostosować, jak ludzie mogą wykorzystać te informacje, ten wgląd, aby zmienić trajektorię biznesową i odnieść sukces w gospodarce informacyjnej.

Po tym przekażę klucze WebEx Jenowi Underwoodowi, a potem Nick Jewell też się włączy; dzwoni z Wielkiej Brytanii. Dzięki wam obojgu i Jen, przekażę wam to. Zabierz to.

Jen Underwood: Dzięki, Eric, brzmi świetnie. Dzień dobry wszystkim. Dzisiaj porozmawiamy o tym podręczniku CxO; to przyszłość danych i analityki. Zaraz się zanurzę. Eric już dobrze się spisał, mówiąc o tym, dlaczego to takie ważne. Nasi mówcy, dzisiaj znowu widzieliście kolejny slajd z tymi informacjami, ale dzisiaj będziecie rozmawiać z tobą i Nickiem Jewell bardzo interaktywnie podczas tej sesji. Zaczniemy od opisania ról i rodzajów rzeczy, które mają wykonać. Przyjrzymy się branży analitycznej, ogólnym perspektywom i niektórym wyzwaniom, przed którymi stoją ci ludzie. Dynamika w dzisiejszych organizacjach, gdy przygotowujesz się na przyszłość, a następnie porozmawiamy o kolejnych krokach i udzielimy wskazówek dotyczących planowania, jeśli zamierzasz zbadać niektóre z tych ról w swojej organizacji.

Mówiąc o tym CxO, na przykład CAO, jest to główny analityk, to stanowisko dla wyższych menedżerów odpowiedzialnych za analizę danych w organizacji. CAO zwykle zgłasza się do CEO, a ta szybko rozwijająca się pozycja będzie kluczowa, gdy pomyślisz o masie transformacji i jej cyfrowej transformacji, którą mamy obecnie w sposobie, w jaki firmy podejmują i podejmują decyzje biznesowe.

Jeśli myślisz o transformacji cyfrowej i inteligencji jako o rdzeniu transformacji cyfrowej, ten CAO odgrywa bardzo strategiczną rolę w organizacji. Nie tylko przywracają silną naukę danych do faktycznych spostrzeżeń i tej wiedzy, ale także posiadają wynikający z tego ROI i wpływ, więc na czym są mierzone? Jak przynoszą ten zwrot z inwestycji dzięki posiadanym przez siebie danym i niektórym najważniejszym liczbom w organizacji w celu strategicznego wykorzystania danych. Stanowisko to, wraz z CIO, głównym oficerem ds. Informacji, zyskało na znaczeniu ze względu na rozwój technologii i transformacji cyfrowej oraz wartość danych.

Od lat dane są złotem w tym konkretnym świecie dzięki monetyzacji i inteligencji oraz przetwarzaniu tych informacji. Aby móc podejmować te proaktywne działania i nie tylko zawsze patrzeć wstecz, per se. Obie pozycje są podobne, ponieważ oba dotyczą informacji, ale samo CIO skupi się na infrastrukturze, w której CAO koncentruje się na infrastrukturze potrzebnej do analizy informacji. Podobną pozycją jest CDO i słyszysz znacznie więcej, prawdopodobnie słyszymy nieco więcej o CDO niż dzisiaj o CAO. CDO koncentruje się bardziej na przetwarzaniu danych i utrzymaniu oraz tych procesach zarządzania przez cały cykl życia zarządzania danymi.

Ci ludzie będą również odpowiedzialni za monetyzację danych i uzyskiwanie wartości z danych oraz pracę nad dojrzałością cykli życia zarządzania i bezpieczeństwa, w całym, powiedzmy, cyklu życia. Są to ludzie, którzy byliby bardzo zestrojeni, per se, lub odpowiedzialni za zapewnienie RODO - a za chwilę porozmawiamy - o Europejskiej Ustawie o Ochronie Danych, upewniając się, że tego rodzaju rzeczy są objęte ich organizacjami. Teraz otrzymujemy strukturę i przyszłość dla destrukcyjnych dynamicznych ról intensywnie wykorzystujących dane. Są to rodzaje rzeczy, za które CDO będzie odpowiedzialne, a nie tylko same - będą budować interdyscyplinarny zespół, a ja mam kilka przykładów niektórych ludzi, którzy sami spotkają się struktura organizacyjna od architektów i kadry zarządzającej, a nawet analitycy i naukowcy i inżynierowie danych w organizacji mogą się do nich zbliżyć.

Idąc dalej w stronę perspektyw analitycznych, była to fenomenalna - prawdopodobnie dziesięć lat, a nawet dłużej - jazda w tej konkretnej branży. Cały czas rośnie, jest bardzo ekscytujący, nawet podczas krachu na rynku wiele lat temu wciąż był bardzo poszukiwany. To po prostu cudowne miejsce i jeśli spojrzysz na program CIO firmy Gartner w 2017 r., BI i analityka nadal znajdują się w trzech najważniejszych rankingach tego, co najważniejsze dla organizacji, i patrząc na rozwój rynków oprogramowania, jesteśmy stale widząc tam rozwój. Odkąd jestem w tej przestrzeni, zawsze była to naprawdę świetna kariera.

Kiedy patrzymy na tę erę cyfrową i transformację, bardzo, bardzo interesujące dla mnie są te procesy, które mamy, i często uzyskują informacje i podejmują działania z procesów lub podczas procesów biznesowych. Teraz Gartner oszacował do 2020 r., Że informacje, które wykorzystałeś, zostaną opracowane na nowo, zdigitalizowane, a nawet wyeliminowane. Osiemdziesiąt procent procesów biznesowych i produktów, które mieliśmy dziesięć lat temu, i zaczynamy to dostrzegać, prawda? Zaczynamy dostrzegać, że dzięki wersetom Amazona niektóre sklepy Big Box, Ubers, Airbnbs - te cyfrowe modele zakłócają proces, a teraz ludzie wchodzą w interakcje. Nawet Czarny piątek - nie wiem, ilu ludzi naprawdę poszło do sklepu - wielu kupuje online i jak dotrzeć do tego klienta? Potrzeba do tego inteligencji. Wymaga to zupełnie innego sposobu interakcji i personalizacji wiadomości oraz posiadania takiej inteligencji, aby przedstawić im odpowiednią ofertę we właściwym czasie, a teraz może wystarczy jedno kliknięcie. Opuszczenie sklepu internetowego jest dla nich tak łatwe. Na tym świecie naprawdę się zmieniają i myślę, że Nick też chciał o tym porozmawiać.

Nick Jewell: Tak, cześć wszystkim, wielkie dzięki. Przepraszam z wyprzedzeniem, jeśli nastąpi niewielkie opóźnienie w dźwięku przychodzącym z Londynu, postaram się nie mówić o tobie, Jen.

Masz całkowitą rację, że eliminacja marnotrawstwa, to ponowne wymyślenie w ramach cyfrowej transformacji często pojawia się, gdy organizacje przechodzą od niestandardowych produktów, być może odłączonych aplikacji, do bardziej otwartych i połączonych platform. Kiedy Twój proces jest cyfrowy, o wiele łatwiej będzie zobaczyć pełną drogę Twoich danych. Naprawdę dopracuj podejmowane kroki, wykorzystując dane do optymalizacji tego procesu.

Przejdźmy do następnego slajdu, jeśli możemy. Jeśli chodzi o transformację cyfrową, co oznacza dla organizacji, myślę, że jest albo ekscytująca, albo zastraszająca, w zależności od tego, po której stronie spektrum siedzisz. Spójrz na tabelę tutaj, pokazującą żywotność firm i jak zakłócające wpływy wpływają na losy organizacji. Jeśli założyłeś firmę w 1920 roku, masz średnio prawie 70 lat, zanim inna firma Ci przeszkodziła. Dość łatwe życie według dzisiejszych standardów, ponieważ dziś firma miała zaledwie 15 lat, zanim zakłócenia zagroziły jej istnieniu. Przewiduje się, że około 40 procent dzisiejszych firm z listy Fortune 500, podobnie jak S&P 500, nie będzie już istnieć za 10 lat. Do 2027 r. 75% S&P 500 zostanie zastąpionych, więc okres półtrwania, przed którym stoją dziś organizacje, zanim będą musieli martwić się zakłóceniami, naprawdę maleje. Firmy odnoszące sukcesy muszą wyprzedzać wyścig innowacji cyfrowych.

Dzisiaj nikt tak naprawdę nie kwestionuje danych analitycznych. To centralny element cyfrowej transformacji biznesowej. W rzeczywistości organizacje stawiają innowacje cyfrowe na czele swojej strategii. Te firmy, to pięć najcenniejszych firm na świecie, o wartości rynkowej dwa biliony dolarów, Jen.

Jen Underwood: Tak, to jest niesamowite, naprawdę jest. To się naprawdę zmienia i szybko. Inna dynamika, o której mówiliśmy i o której rozmawialiśmy, teraz myślę, że w końcu ją widzimy, a organizacje odczuwają ten wykładniczy wzrost źródeł danych, a nie jest to już tylko analiza danych dotyczących strukturalnych źródeł danych. Znów mówimy, że masz tylko chwilę na niektóre z tych cyfrowych procesów, aby podjąć decyzję, a te rzeczy nadchodzą w JSON z interfejsów API REST, mówimy o nieuporządkowanych danych, czy pliki dziennika, są wszelkiego rodzaju różnych rodzajów danych, a także ekstremalnie stały wzrost.

Nick Jewell: Tak, Jen, jak zauważyłeś, analityczni liderzy tonący w morzu danych. Dotarcie do wglądu o wysokiej wartości, być może przy użyciu mieszanki istniejących lub nowych technik analitycznych, jest naprawdę ostatecznym celem, ale istnieje prosty i fundamentalny problem, z którym wiele organizacji, z którymi współpracujemy, naprawdę ma do czynienia. Zleciliśmy Harvard Business Review, przeprowadziliśmy ankietę, rozmawiając z analitykami danych i menedżerami biznesu. Zapytali, z ilu źródeł danych korzystają w swojej organizacji, aby podjąć decyzję, i jest całkiem jasne, że w ciągu ostatnich kilku lat nastąpiła zasadnicza zmiana. IT zwykło mieszać dane, przekazywać je do hurtowni danych, ale myślę, że pomimo całej doskonałej pracy wykonanej przez grupy IT, tworzenia scentralizowanego zarządzania danymi, analitycy wciąż mają przed sobą zadanie stworzenia tego konkretnego zestawu danych analitycznych, ale muszą odpowiedz na pytanie biznesowe. W rzeczywistości tylko 6 procent ma wszystkie swoje dane w jednym miejscu, a większość analityków musi pobierać dane z pięciu lub więcej źródeł - takich jak arkusze kalkulacyjne, aplikacje w chmurze, media społecznościowe i oczywiście nie zapominając o hurtowni danych.

Obecnie większość organizacji to rozumie, ale większość organizacji nie ma do czynienia z prostym faktem, że specjaliści od danych spędzają więcej czasu na zarządzaniu i wyszukiwaniu danych, niż na wydobywaniu wartości. Nie są to głośne strategiczne problemy analityczne, o których szefowie biznesu chcą usłyszeć. Ale nie zajęcie się podstawową kwestią uniemożliwi naprawdę organizacjom uzyskanie spostrzeżeń opartych na wartości. Jen?

Jen Underwood: To interesujące. Zdecydowanie widziałem różne badania na ten temat i jest to ten kawałek tutaj, niezależnie od tego, czy jest to 80 procent czasu, czy tryliony dolarów, ciągle zmieniające te same dane, bardzo nieefektywnie w organizacji. To się sumuje, te 37, a te 23 procent to bardzo kosztowna strata czasu. To dla mnie niesamowite, że nie przywiązuje się do tego większej uwagi.

Patrząc na niektóre z nich, które nazwałbym siłami rynkowymi, i wiele razy, kiedy mówię o trendach w branży, uwielbiam śledzić branżę i stale na nią pulsować. Ważne jest, aby zrozumieć, kiedy coś jest czymś więcej niż trendem, kiedy naprawdę będzie to siła, na którą musisz zwrócić uwagę, a są to obecnie trzy najlepsze siły, na które należy zwrócić uwagę. Jest to szybki wzrost, numer jeden to szybki rozwój nierelacyjnych baz danych. Właśnie wspomniałem o całej tej koncepcji, że nie mam zbyt wiele czasu na szukanie JSON per se, to są tego rodzaju nierelacyjne scenariusze, które rosną dość szybko - wydaje mi się, że mam za chwilę statystyki.

Drugą rzeczą jest trwające przechodzenie do chmury. Przed telefonem wspomniałem, że jestem światowym menedżerem produktu w jednej z dużych firm technologicznych i trzy lata temu miałem trudne rozmowy z grupami mówiącymi: „Nie będziemy niczego umieszczać w chmurze. Nie przeniesiemy się do chmury ”. I to było bardzo interesujące widzieć grupy rok później, dwa lata później, teraz słyszę od tych samych grup, że każdy ma plan chmurowy. Myślę, że wszyscy są skrajnie szczerymi wypowiedziami, ale powiedziałbym, że ludzie, którzy byli anty-chmurowi, z pewnością postawa zmieniła się dramatycznie, w bardzo krótkim czasie, nawet odkąd rozmawiałem z grupami na całym świecie o tego rodzaju rzeczy.

Automatyzacja, to obszar, który mnie fascynuje, i obszar, który z pewnością widzimy dużo aktywności i świetnej aktywności. Mówimy o niektórych z tych rzeczy związanych z marnowaniem czasu i nieefektywnym wykorzystaniem czasu. Automatyzacja jest z pewnością jednym z obszarów, które najbardziej mnie ekscytują, gdy myślę o zwiększeniu wartości organizacji.

Następny slajd, o którym powiem, to badanie IDC, analizują segmenty rynku i wzrost i jest to naprawdę świetny sposób, aby sprawdzić, co naprawdę rośnie, co kupują twoi rówieśnicy? Jakiego rodzaju rzeczy nie są już zainteresowani? Tego rodzaju rzeczy i wdrażanie ich strategii.

Światowy rynek oprogramowania analitycznego dla dużych zbiorów danych, według IDC, ma 16 segmentów iw tym sensie segmentu przyglądamy się nawet niektórym zmianom nazw. Dodano oprogramowanie do ciągłej analizy, platformy oprogramowania do poznawczej sztucznej inteligencji, systemy wyszukiwania, więc dodano tu nawet nowe kategorie. Ten przegląd rynku obejmuje głównie narzędzia poziome, aplikacje w paczkach, a także niektóre przypadki wspomagania decyzji i automatyzacji decyzji. Ponownie, będą to rodzaje rozwiązań, gdy pomyślisz o CDO, umieszczając kontekst CDO, ich portfolio, którym może zarządzać od integracji danych do wizualizacji analizy, uczenia maszynowego i wszystkich tych potrzebnych możliwości mieć w erze cyfrowej.

Sam światowy rynek tego typu rozwiązań wzrósł o 8, 5 procent w bieżących walutach, a cały rynek o 9, 8 procent według IDC. Zostało to porównane do - patrzysz na wahania kursów walut w ciągu kilku lat, a stopień zmienności jest minimalny, ale te trzy górne segmenty, które podkreśliłem, tylko po to, aby dać ci odczucie tych nierelacyjnych źródeł danych analitycznych, 58 procent wzrost z roku na rok, analiza treści i systemy wyszukiwania wyniosły 15 procent, a niektóre aplikacje relacji z klientami, elementy typu CRM lub Salesforce Einstein, na przykład, rosną o ponad 10 procent, obecnie są o 12 procent. Myślę, że Nick chciał również dodać komentarz do tego.

Nick Jewell: Dzięki, Jen. To fantastyczny wygląd. Myślę, że w Alteryx zawsze wierzyliśmy, że przygotowywanie i łączenie danych zawsze będzie podstawową kompetencją każdego systemu analitycznego, ale tak naprawdę jest to podstawa dla bardziej zaawansowanych analiz. Teraz, w ciągu ostatnich kilku lat, porozmawiajmy o branży - być może nieco przesadzono z niektórymi nowymi możliwościami interaktywnej wizualizacji. Wyglądają pięknie, ponieważ zwiększają zaangażowanie, zapewniają wgląd, ale tak naprawdę nie wyprowadziły nas poza analizę opisową.

Ale wydaje mi się, że teraz ludzie podnoszą swoje cele nieco wyżej, organizacje zaczynają rozumieć wartości biznesowe będą pochodzić z bardziej wyrafinowanych analiz, które właśnie wkraczają do głównego nurtu. Powstaje pytanie, jak, a ściślej, kto? Skoczyło to do analiz o wyższej wartości; to naprawdę rzuca problem niedoboru talentów analitycznych na dość wyraźną ulgę, zgadzasz się?

Jen Underwood: Oczywiście i miałem, myślę, że właśnie napisałem tweeta, widziałem wczoraj naprawdę fascynujący komentarz wiceprezesa Adobe, mówiąc: „Uczenie maszynowe stało się stawką”, gdzie ludzie byli ostrożni, teraz stały się potrzeba i to jest interesujące. Patrząc na to i tylko trochę inny, inny kąt, per se. Wielu ludzi zaczyna postrzegać to jako obszar szybkiego wzrostu z nierelacyjnym sklepem analitycznym i poznawczą sztuczną inteligencją, te uczenie maszynowe, te wartościowe analizy. Ale wciąż pod koniec dnia, obecnie największy segment, więc tam, gdzie dziś dzieje się większość zakupów, nadal znajduje się w tym podstawowym, co powiedziałbym, raportowaniu zapytań, niektórych analizach wizualnych, i wciąż rośnie i to jest coś, co wielu ludzi zakłada, że ​​już to masz - niekoniecznie. Wciąż rośnie 6, 6 procent każdego roku.

Jako CDO - i uwielbiam pokazywać ten slajd - w zasadzie mówiąc, kiedy wchodzisz w tę nową rolę lub przeglądasz dane w organizacji, to jest chaos i myślę, że ten konkretny slajd naprawdę robi dobra robota - to są wszystkie potencjalne obszary, w których możesz mieć dane. Mogą być na miejscu, mogą znajdować się w chmurze, mogą być hybrydowe, są wszędzie i to jest duże przytłaczające - znowu, jest to rola typu C w organizacji, i nie jest to ani proste zadanie, ani proste - w tym konkretnym świecie do podjęcia jest czasami przytłaczający. To jest świat, którym ta CDO musi się poruszać, aby móc opanować, co powiedziałbym, maksymalizując wartość danych.

Kontynuując wyzwanie, maksymalizując wartość wszystkich tych różnych źródeł, mamy do czynienia z tymi zamkniętymi oknami czasu, z tymi cyfrowymi procesami lub wglądem w działania, które się zamykają. Jeśli pomyślisz o tym może pięć lat temu, dziesięć lat temu, być może masz raporty, które podejmowałbyś w celu podjęcia decyzji dotyczących inwentaryzacji lub działań, które mogłyby być uruchamiane co tydzień, co miesiąc, a następnie stawały się codziennie lub przez noc, może cogodzinny.

Teraz widzimy te inteligentne uczące się maszyny wbudowane sztuczne inteligentne biura, podejmujące decyzje i poprawki na miejscu, więc nawet rzeczy takie jak Internet rzeczy, wbudowane analizy IoT na krawędzi, te systemy są inteligentne i te algorytmy mogą dostrajaj i zmieniaj niektóre decyzje, które podejmują na miejscu we właściwym czasie. Obserwowanie tej szczególnej dynamiki z rewolucjami cyfrowymi i tymi punktami styku było bardzo interesujące - mimo że wzrosły, czas na działanie zmniejsza się, a technologia ewoluuje w tych scenariuszach.

Nick Jewell: Tak, Jen, myślę, że jednym z tych najciekawszych aspektów tego, jak zmienia się dostarczanie informacji, jest to, gdzie analityka dociera do użytkownika końcowego. Czy pytamy użytkowników, aby wskoczyli do deski rozdzielczej, gdy podejmują krytyczną decyzję, czy też twierdzimy, że wgląd, kolejne najlepsze działanie, jest dostępne bezpośrednio w procesie, w toku, w celu uzyskania przewagi konkurencyjnej? A model analityczny, o którym mówimy, może potrzebować czerpać dane z wielu różnych źródeł - tradycyjnych hurtowni danych, geolokalizacji, mediów społecznościowych, czujników, strumienia kliknięć - wszystkie te dane mają wpływ na decyzję i ten możliwy do wykonania wynik .

Jen Underwood: Kontynuując temat wyzwań i zmian, co mamy teraz, oraz wyzwania, które dyrektor generalny musi przyjąć i zaplanować sposób na ich pokonanie, to w zasadzie mamy zbyt dużo danych, aby skutecznie zarządzać i ręcznie analizować. Długie opóźnienia; musimy skrócić te opóźnienia i musimy znaleźć sposób na maksymalizację wartości posiadanych przez nas danych. Na świecie brakuje talentów związanych z nauką danych, aby móc wgląd w te spostrzeżenia i to, co nazwalibyśmy oceanami jako danymi. Dobrą wiadomością jest to, że wprowadzono kilka wspaniałych innowacji, które pomagają w każdej dziedzinie tego dnia, i ekscytujące jest patrzeć, co, dokąd zaprowadzi nas technologia, aby pomóc nam w tych wyzwaniach.

Gdy patrzyłem na to, jest trochę zamieszania, kiedy rozmawiałem z klientami lub rozmawiałem z grupami za pomocą niektórych z tych narzędzi. Niektóre z klasycznych wyzwań wciąż istnieją dzisiaj, ale stają się jeszcze bardziej zaostrzone próbą znalezienia danych do analizy. Niektóre narzędzia wyszukiwania, niektóre z katalogów z pewnością pomagają - teraz znajdujemy katalog, z którego skorzystać. Jest kilka różnych katalogów, więc są różne miejsca, w których możesz przechowywać i udostępniać dane, więc ważne jest, aby spróbować znaleźć jeden, być może katalog, w którym powinniśmy szukać.

Inną sprawą jest wspólne udostępnianie. Rozmawialiśmy o jednym z badań z Harvard Business Review, ile czasu spędza się, w zasadzie wykonując zadania niewartościowe, marnując czas i ile to może kosztować. Jeśli jesteś w stanie współdzielić i korzystać ze wspólnych źródeł danych, skrypty zostały już opracowane, logika już istnieje, możesz nimi zarządzać skutecznie, więc równoważąc zarządzanie z elastycznością analityczną, to jest naprawdę to, co chcesz robić i nawiguj po świecie tego, co nazwałbym, mamy narzędzia niszowe, mamy zautomatyzowane narzędzia przepływu pracy, mamy klasyczny Excel, katalogi danych, samoobsługowe BI, narzędzia do analizy danych. Jak pokazało to jedno zdjęcie, istnieje wiele, wiele narzędzi i wiele nakładających się między nimi.

Nick Jewell: Tak, idealnie, Jen, i myślę, że okno wglądu, jak wspomniałeś, zdecydowanie się kurczy, ale czas potrzebny na wdrożenie modeli nie nadąża. Wdrożenie modelu predykcyjnego nadal stanowi poważne wyzwanie dla wielu firm. Rozmawialiśmy z Carlem Rexerem, który jest prezesem Rexer Analytics, i w ankiecie Carla z 2017 roku, stwierdził, że tylko 13 procent badaczy danych twierdzi, że ich modele zawsze są wdrażane, a ten wskaźnik wdrażania po prostu się nie poprawia, więc wracaj z każdą poprzednią ankietą. W rzeczywistości, od 2009 r., Kiedy pytanie zostało zadane po raz pierwszy, i widzimy prawie identyczne wyniki, więc mamy prawdziwą lukę.

Jen Underwood: Kiedy patrzymy na dojrzałość analityczną, szybko się rozwija. Ponownie, dwa, trzy lata temu, byliśmy bardzo podekscytowani, że przeprowadziliśmy wizualną analizę samoobsługową i wreszcie byliśmy elastyczni i rozszerzaliśmy BI na masę per se. Kiedy mówię masom, prawdopodobnie nadal zasilają użytkowników w organizacji. Teraz widzimy optymalizację, analitykę predykcyjną, głębokie uczenie się, język naturalny i wiele innych technologii, które naprawdę, ponieważ są osadzone w codziennych procesach, w końcu naprawdę płynnie zdemokratyzują analitykę dla mas, dla prawdziwych mas do wykorzystania w istniejące procesy biznesowe, które już mają.

Nick Jewell: Tak, Jen, pomówmy krótką historię na temat tej ostatniej kategorii, jeśli mogę. Większość obecnych słuchaczy zapozna się z oprogramowaniem AlphaGo Google DeepMind, które pokonało jednych z najlepszych graczy Go na świecie w ciągu ostatnich kilku lat. AlphaGo nauczył się grać w tę grę, studiując ogromne ilości wcześniej nagranych meczów. Tak bardzo, że komentatorzy turnieju AlphaGo twierdzili, że oprogramowanie gra w stylu japońskiego Wielkiego Mistrza, wierzcie lub nie.

Jednak w ostatnim miesiącu odnotowano prawie bardziej zadziwiający wynik. To była AlphaGo Zero, głębokie uczenie się, sieć neuronowa, uzbrojona jedynie w proste zasady gry i zoptymalizowaną funkcję. Nauczył się, jak zostać najsilniejszym graczem Go na świecie, bez nadzorowanego treningu, i zrobił to wszystko w ciągu około 40 dni. To tak zwane uczenie się wzmacniające, w którym ludzie określają wyzwanie, pozwala systemowi głębokiego uczenia się odkrywać, ulepszać, naprawdę może wywrzeć jak dotąd największy wpływ w przestrzeni analitycznej. Więc myślę, bądźcie czujni.

Jen Underwood: Tak, to naprawdę interesujące, że o tym wspomniałeś. Czy możesz sobie wyobrazić wyłączenia? I to właśnie zaczynam widzieć. Naprawdę, kiedy mówię o automatyzacji, bardzo ekscytujące jest to, że rozwiązania są wystarczająco inteligentne, aby oczyścić powietrze, uczyć się automatycznie z systemów, podłączyć i grać i po prostu wiedzieć, co dalej robić na podstawie niektórych wcześniejszych decyzji, które były lub innych decyzji które zostały stworzone w organizacji i zarządzały niektórymi z tych systemów, systemami ETL i troszczyły się o nie, i miały już dawno temu sygnały dźwiękowe i telefony dzwoniące do mnie z alertami, gdy procesy nie były uruchomione, myślenie jest takie ekscytujące, „Wow, teraz jest na tyle inteligentny, że prawdopodobnie sam się leczy”.

Mój mąż zarządza samonaprawiającą się siatką, będziemy mieli samonaprawiającą się integrację danych, samonaprawiające się analizy, a tam, gdzie jest coraz lepiej, jest naprawdę ekscytująco. Jako CDO, kiedy zaczniesz myśleć o technologii przetwarzania ludzi, przyjrzymy się temu, teraz patrzymy na technologię, a następnie spojrzymy na ludzi i jak podejść do budowania zespołu i budowania umiejętności. Jeśli spojrzysz na nowoczesną platformę analityczną, od razu ci powiem, że nie wszyscy będą mieli tutaj wszystko, chociaż największe organizacje mogą mieć wszystkie te różne składniki, niektóre grupy mogą mieć tylko dwa lub trzy małe pudełka tutaj, więc nie chciałem przytłaczać ludzi tym. Ale nowoczesna platforma BI niekoniecznie wymaga kompilacji IT, wstępnie zdefiniowanej warstwy semantycznej raportowania.

Użytkownicy i eksperci powinni być po prostu upoważnieni do przygotowywania danych na potrzeby analitycznej szybkości i zwinności, a jeśli myślisz o wzroście tego, co powiedzielibyśmy o analizie przeprowadzanej przez użytkowników i ekspertów, pozwalając ekspertom merytorycznym na zwinność, muszą podejmować szybkie decyzje. Obserwujemy coraz częstsze przyjmowanie tego, co powiedzielibyśmy, narzędzia do przygotowywania danych osobowych, przekłamywanie danych, wzbogacanie, czyszczenie, rodzaje działań wykonywanych przez Alteryx, a także niektóre działania typu nauki danych, które oferują jako dobrze. Nowoczesne rozwiązanie do przygotowywania oferuje inteligentne, zautomatyzowane połączenia, rozdzielczość powietrza, przenoszenie danych, gdy masz duży strumień danych, jest to bardzo, bardzo fajne. Jest to prawdopodobnie jeden z obszarów, który uwielbiam i bardzo lubię testować również w branży.

W przeciwieństwie do tradycyjnego BI opartego na IT, dzisiaj IT naprawdę koncentruje się na umożliwieniu działalności, a masz ludzi takich jak CDO i łączenie lub wybieranie odpowiednich rozwiązań w celu uporządkowania, organizacji i ujednolicenia tych danych oraz upewnienia się, że to oczywiście rządzone, prawda? Jedna rzecz jest dla mnie bardzo interesująca i na pewno myślę, że do tego doszliśmy, ale nie sądzę, że po prostu powiedzieliśmy to, dni hurtowni danych o jednym rozmiarze dla wszystkich i że jest to koniec wszystko być wszystkim, na pewno się skończyły. Dane są wszędzie, co musisz zrobić - jeziora danych pojawiły się na zdjęciu, są dane strumieniowe i dane na żywo, jest teraz tak wiele różnych źródeł danych, to naprawdę bardziej oparte na analizie przypadków użycia „Czego potrzebujesz?” „Musimy przenieść wszystko do hurtowni danych”. Nie jestem pewien, Nick, czy chciałeś to skomentować? Nie pamiętam.

Nick Jewell: Powiem tylko jedno i po prostu obserwuj ewolucję komponentu. To, co eksperci zrobili pięć do dziesięciu lat temu, jest teraz w gestii użytkownika, więc rzeczy po prawej stronie będą bardziej rozpowszechnione dla użytkownika w formie bez przeciągania i upuszczania kodu, bardzo krótko. Będzie się poruszał coraz szybciej, więc miej na to oko.

Jen Underwood: Tak, to naprawdę dobra uwaga. Uwielbiam o tym myśleć. Różne nauki danych stają się wreszcie rzeczywistością, a narzędzia stają się coraz lepsze. Myśląc o technologii, teraz musimy mieć umiejętności, ludzi i co musimy zrobić? W tej chwili najlepsze oferty pracy obejmują tytuły takie jak naukowcy danych, inżynier danych i analitycy biznesowi, ale odkrywamy, że pracodawcom trudno jest dopasować. Nawet w przestrzeni do przygotowywania danych powiem: „Czy to przygotowywanie danych, czy to sprzeczanie się z danymi, jak nazywają to ludzie?” Bardzo interesujące było znalezienie.

Firma nie wie, czego potrzebują, i pojawiło się zupełnie nowe pole, które obejmie wiele różnych obszarów. Jeśli spojrzysz na wszystkich, teraz musisz być mistrzem ich danych, analityki biznesowej, kierowników projektów IT, mojego męża zarządzającego siecią elektroenergetyczną i portfela projektów, musi być w stanie to przeanalizować. To już nie tylko finanse i analiza danych, ale rozszerzyło się ono znacznie na inne obszary organizacji. Myślę, że widziałem badanie na temat tego, ile źródeł danych wykorzystuje marketing, i było to przytłaczające. Ponownie, gdy pomyślisz o badaniu przeprowadzonym przez Harvard Business Review, nie jest to już tylko jedno źródło danych, z którego ludzie muszą się łączyć, łączyć i znajdować wgląd, jest wiele źródeł danych i wymaga umiejętności, aby to zrobić.

Kiedy spojrzysz na zasadniczo szerszy obraz, większość nowych pracowników znajdzie się w różowej bańce na dole, kiedy rozmawiasz o tych analitykach biznesowych z analitykami eksploracji danych, menedżerami HR, tym obszarem, tylko regularnymi rolami w kolejce firmy wykorzystującej dane. Najszybciej rozwijające się role będą miały mniej miejsc pracy, ale z pewnością to, o czym dziś słyszymy najwięcej na rynku, naukowiec i inżynier danych. Jako CDO patrzą w przyszłość i planujesz talent, musisz wziąć pod uwagę część automatyzacji rutynowych zadań i rodzaje umiejętności, które będą bardziej strategiczne, i ponownie dodać wartość twojej organizacji dla obu tych w analizie włączone, ale także dla osób zajmujących się analizą danych i inżynierem danych. Zastanów się, jak mogą zmienić się Twoje nieopublikowane pozycje, a nawet część niezależnej gospodarki, gdy pomyślisz o tym, aby konkurować o najlepsze i najbystrzejsze.

I zawsze myśl o swoim potencjale talentów, pomagając kandydatom poruszać się po rynku lub szukając rzeczy, które mogą być nieco inne i nie do końca tego, czego chcesz, i tworząc wewnętrzne kursy analityczne, które mogą nie być najszybsze, najbardziej opłacalna strategia, którą musisz dotrzymać. Zastanów się, czy nie przyjrzeć się ludziom, którzy poświęcają się szkoleniu w tej lub różnych grupach, i uważam, że Alteryx ma dziś zalecany kurs pod koniec sesji jako wezwanie do działania, które możesz wykorzystać na niektóre z tych rzeczy i pomóc zespołowi wykorzystać niektóre z istniejących zasobów, które są już dostępne.

Nick Jewell: Oczywiście. Jest tak wiele sposobów na uzupełnienie tej luki talentu bez wciągania się w wyścig zbrojeń. Kilka slajdów do tyłu, nie wiem, czy możesz tam rzucić kilka. Kaggle, strona internetowa zajmująca się badaniami danych, właśnie opublikowali ankietę z 17 000 odpowiedzi na temat stanu nauki o danych, a reakcja dotyczyła umiejętności, które ludzie posiadali, a większość respondentów nie miała doktoratu, to już nie jest warunek wstępny.

Pomysł, że eksperci analityczni nowej generacji, ta duża bańka, którą właśnie pokazywałeś, mogą zdobyć wiedzę, której potrzebują na kursach nano-stopniowych. Mogą odwiedzać takie witryny jak Udacity i mogą natychmiast wdrożyć tę wiedzę, bezpośrednio w firmie, a krótkie cykle dostaw sprawiają, że są one natychmiastowym źródłem przewagi konkurencyjnej dla swoich firm. Myślę, że jest więc coś, na co trzeba uważać.

Jen Underwood: Nie, zgadzam się. Nawet jeśli się nad tym zastanowię, z pewnością przeszedł długą drogę, odkąd wziąłem dwuletni program na UCSD. Myślę, że wróciło to do okresu 2009 i 2010, a w kraju naprawdę może garstka osób to pozwoliła. Obecnie dostępnych jest znacznie więcej opcji, a także wyspecjalizowane programy, niezależnie od tego, czy pochodzą od dostawców, wiele zasobów dostępnych dzisiaj z pętlami i wszystkie te różne zasoby online, to po prostu niesamowite, to naprawdę czas. Poświęcanie czasu i budżetowanie tego oraz planowanie samodzielnego nadążania. Czego chcesz się nauczyć? A następnie podążaj ścieżką, której chcesz się nauczyć.

Mówiąc o spojrzeniu na to i opracowaniu własnego planu umiejętności oraz z perspektywy CDO, upewniając się, że mają oni ludzi w obszarach objętych, z tego, co powiedziałbym, ramy kompetencji per se, patrząc na umiejętności lub patrząc na rzeczy takie jak wiedza w dziedzinie jest nadal bardzo kluczowy, mimo że te rozwiązania mogą samokształcić się i samokształcić, tak naprawdę jest ekspertem w dziedzinie biznesu, który poprowadzi i upewni się, że wyniki mają sens.

Zawsze jest coś i lubię korzystać z przykładu, kiedy robiłem krytyczne analizy dla firmy ubezpieczeniowej, a jednym z ustaleń, jakie miały algorytmy, było nie zatrudnianie nikogo z Nowego Jorku. Nie, nie zatrudnimy nikogo z Nowego Jorku - musieliśmy dowiedzieć się, dlaczego algorytm podaje nam te informacje. Stało się tak, ponieważ prawo, jedno z przepisów uległo zmianie, dlatego mieliśmy dużo rezygnacji w tym konkretnym segmencie. Konieczne było zaangażowanie eksperta w dziedzinie biznesu, aby to rozszyfrować, i nie widzę tego zmieniającego się, nie widzę tego rodzaju przewodnictwa, upewniającego się, że wyniki wyglądają na dokładne, robi coś nie tak - wciąż jest, istnieje coś, co mówi się o ludzkim umyśle, piękno tego w połączeniu z mocą maszyny jest naprawdę tam, dokąd zmierzamy.

Inne rodzaje rzeczy, gdy patrzysz na umiejętności, wizualizację, opowiadanie skutecznej historii w danych, opowiadanie efektywnej historii, czy to nawet wyniki uczenia maszynowego. Łącząc w całość i patrząc na to, jaki ma wpływ, rozumiejąc ludzką naturę podejmowania decyzji, tego rodzaju rzeczy są bardzo ważne bez względu na technologię. Zarządzanie jest bardzo ważne, etyka staje się coraz ważniejsza. Zaangażowani naukowcy społeczni, którzy rozumieją i są przeszkoleni, aby sprawdzać, czy w twoich danych są uprzedzenia, których nawet nie zdajesz sobie sprawy lub nie masz nikogo w organizacji, kto by nawet tego nie zauważył, nawet przekazując je ekspertowi, mając tego rodzaju rzeczy.

I znowu, oczywiście, mając infrastrukturę do inżynierii i sprzętu oraz upewniając się, że można skalować i jest ona rozwinięta, i upewniając się, że korzystasz z odpowiedniego dostawcy chmury, być może nie jesteś zablokowany lub masz opcje przeniesienia lub tego rozumiesz cenę, ile będą cię to kosztować. Są to tego rodzaju umiejętności, a jeśli spojrzysz na to, nazwalibyśmy je umiejętnościami w różnych obszarach, niezależnie od tego, czy są to decydenci na pierwszej linii w oparciu o dane - tam, gdzie będzie większość tych ról - aż do inżynierów danych i naukowców, którzy będą masować i pracować w tych oceanach danych. To są rodzaje rzeczy, dla których chcesz stworzyć ramy.

Patrząc na ramy kompetencji, patrzysz ogólnie na organizację, chcesz brać pod uwagę kompetencje, a nie tylko umiejętności. W tym sformułowaniu jest trochę niuansów. Ramy kompetencji dla Twojej organizacji są wyraźnym sygnałem. Decydenci wojenni, dostawcy edukacji, choć można by powiedzieć, że umiejętności wpisano w R, myślisz o tego typu rzeczach, masz kompetentnego programistę, ale chcesz mieć więcej niż tylko te umiejętności. Kiedy rozumiesz kompetencje, to, co osoba musi być w stanie zrozumieć i rozumieć ramy, to jest ważne, jest tam trochę niuansów.

Budując to, chcesz zdiagnozować, co nazwałbyś zdolnościami, które mają pozytywny wpływ na biznes i wskazać te obszary o wysokim potencjale, dlatego priorytetem są kompetencje, które chcesz podnieść w swojej organizacji i następnie dopasuj je ponownie do celów biznesowych. CDO odpowiedzialne za maksymalizację wartości danych, na które spojrzą, oraz ich CAO, które będą wykorzystywać analizy w celu maksymalizacji wartości danych. Będą patrzeć na te kompetencje i te różne obszary, w przeszłości, które tam miałem, ale potem będą też patrzeć na duży potencjał personelu. Odniesiesz się do tego, że wraz ze swoim personelem do pracy z danymi i analizami zainwestujesz w nie, zapewnisz im możliwości uczenia się, a nie tylko szkolenia, w istocie rzeczywiste możliwości pracy nad prawdziwymi problemami biznesowymi.

Nie ma nic lepszego - mimo że chodziłem do szkoły przez kilka lat, dopiero po tym, jak poszedłem i zastosowałem niektóre z tych algorytmów lub dowiedziałem się o oszustwach związanych z czekami, dowiedziałem się o niektórych z tych rzeczy, o których nigdy wcześniej nie myślałem, a ty zacznijcie składać się w prawdziwym świecie i tam właśnie naprawdę się uczycie. Dając ludziom możliwość zdobycia doświadczenia w tych obszarach. Firmy, które najlepiej potrafią budować silne zdolności, które systematycznie identyfikują, obiektywnie oceniają i sprawdzają, jakie są luki w mojej organizacji w zakresie uczenia się i wprowadzania niektórych wskaźników dla celów dla ludzi, to są te, które będą w stanie dostarczyć.

Kiedy myślisz o szkoleniu dorosłych, zwykle jest to czas głodujący - wszyscy jesteśmy głodni - ale patrząc na to, co działa dla każdego. Ja osobiście mam książki, więc gdybyś dziś przyszedł do mojego biura, zobaczyłbyś mnóstwo książek, mimo że wielu ludzi lubi filmy. Chodzi o to, aby dowiedzieć się, w jaki sposób ktoś w Twojej organizacji lubi się uczyć - aby motywować go do nauki - ale także dać mu trochę czasu na zrobienie tego i swój cel - co jest skuteczne, aby to osiągnąć i zwykle jest to mieszane, to nie tylko, weź ten kurs, aby sprawdzić ten znak na karcie wyników, per se, to połączenie tego z prawdziwym projektem goli i czego nauczyłeś się z tego projektu i co chcesz dalej robić? Co to jest odcinek Rozciąganie zespołu lub motywowanie zespołu do pójścia dalej.

Te cele uczenia się, znowu, jeśli to robisz, tak naprawdę nie powinno być, powinno to być dla firmy łatwe, ponieważ cele te powinny być zgodne ze strategicznymi interesami biznesowymi. To są świetne projekty. To eksperymentalne projekty. Są to projekty, które przesuną igłę do przodu.

Nick, chciałeś coś dodać? Nie jestem pewny.

Nick Jewell: Nie, zamierzałem wskoczyć do studium przypadku, jeśli to w porządku, na następnym ekranie. Trochę więcej szczegółów konkretnej organizacji. Wydaje mi się, że wprowadzili w życie wiele tego, co mówisz. Firma Ford Motor Company polegała na analizie danych przez dziesięciolecia, podobnie jak wiele firm, ale robiła to w kieszeniach firmy, prawdopodobnie z niewielkim nadzorem nad całą korporacją, aby zapewnić spójność i koordynację. Ich problemy były prawdopodobnie dość typowe dla organizacji na ich skalę, więc wiedza analityczna zawierała - jak mówimy - w kieszeniach, praktyki zarządzania danymi i zarządzania były niespójne, nawet do tego stopnia, że ​​niektóre jednostki biznesowe nie miały dostępu do podstawowej wiedzy analitycznej.

Znowu mówiliśmy dzisiaj o wielu różnych typach źródeł danych, które miały ponad 4600 źródeł danych. Oznaczało to, że nawet rozpoczęcie podróży i znalezienie potrzebnych danych było prawdziwą przeszkodą dla wglądu analitycznego. Widzę, że się śmiejesz, ale to okropne, prawda?

Jen Underwood: 4600, o rany, tak.

Nick Jewell: Ford utworzył globalną jednostkę do spraw analiz i analiz, która została scentralizowana - można to nazwać centrum doskonałości - składającym się z zespołu naukowców i analityków danych, zorganizowanych w celu wymiany najlepszych praktyk analitycznych i pomocy w rozpowszechnianiu zoptymalizowanych danych tworzenie danych w całej firmie. Jednostka wybrała najlepsze w swojej klasie narzędzia, nie tylko pod względem możliwości, ale także ich zdolności do dobrej integracji, więc jest to bardzo ważne. Ich demokratyzacja koncentrowała się na raportach i analizach opisowych, zanim ruszyła w górę piramidy potrzeb, o której mówiliśmy.

Teraz demokratyzacja nie czyni z dnia na dzień naukowca; pracownicy muszą wiedzieć, kiedy i gdzie uzyskać pomoc, oraz dostępne są szkolenia, zarządzanie, metodologie, które pomogą w tym wszystkim. Ponadto nie chodzi tylko o szkolenie narzędzi, ale także o szkolenie w zakresie danych, aby wypełnić wspomnianą lukę umiejętności. Czyli rzeczywisty przypadek użycia w firmie Ford, optymalizujący sieć logistyczną, więc czy Ford płacił odpowiednią kwotę za przenoszenie materiałów z punktu A do punktu B? Ich starsze analizy naprawdę nie uwypukliły możliwości, które można wykorzystać; dzięki temu byli bardzo reakcyjni na rynku. Teraz złożoność tego procesu została zamknięta w głowach analityków i dokonali oni wielkiego przełomu, gdy proces samoobsługi został w rzeczywistości iterowany z biznesem, a eksperci analityczni usiedli razem i byli w tej samej lokalizacji.

To przeniosło analizę z wieloletniej na kwartalną, a nawet do prawie w czasie rzeczywistym, tak ogromną, ogromną korzyść dla firmy. Wpływ analityki samoobsługowej na wartość biznesową spowodował, że Ford może szybko planować i opracowywać strategie oparte na danych w całej firmie, aby reagować na pojawiające się trendy, pomagać w kształtowaniu nowych usług i zasadniczo eliminować zagrożenia konkurencji, nie tylko patrząc w lusterko wsteczne.

Teraz, jeśli spojrzymy na chwilę, w jaki sposób inny klient naprawdę przeniósł analizę z być może pionowego priorytetu w jednym oddziale firmy na poziomą linię we wszystkich działach, porozmawiamy o Shell. Shell zarządza centrum doskonałości, które podlega głównemu oficerowi cyfrowemu - więc dla naszego podręcznika CxO jest jeszcze jedna litera D - odpowiedzialna za cyfrową transformację i zrównoważony rozwój. Ci faceci, zrozumieli, że ich środowisko zawierało kilka warstw, stos technologii, pamięć masową, przetwarzanie danych i wszystkie te technologie, które wszyscy znacie. Rzeczy takie jak SAP HANA, Databricks, Spark i wykorzystały chmurę publiczną, aby osiągnąć te korzyści skali.

Teraz wybrali Alteryx jako opakowanie analityczne dla dużej części swojego kodu R, zasilając technologie takie jak Spotfire, Power BI i inne. Ale teraz widzą, że przyjęcie wiąże się znacznie ściślej z przetwarzaniem danych i wizualizacją. Jen, właśnie wzywając do slajdu wszystkich tych możliwości, tego rodzaju rzeczy się rozprzestrzeniają, gdy zaczynamy umożliwiać dostęp większej liczbie analityków. Wiesz, odnieśli ogromny sukces w dostarczaniu tej możliwości i COE, chcąc teraz zapewnić przyszłe możliwości, niektóre z tych rzeczy do głębokiego uczenia się, o których mówiliśmy - wizja maszynowa, przetwarzanie języka naturalnego - a połowa ich misji to dostarczenie, połowa polega na wyjaśnianiu i katalizowaniu tych pomysłów we wszystkich jednostkach biznesowych. To część podróży; COE zawsze szuka różnych sposobów komunikowania się z publicznością biznesową.

Biorąc pod uwagę z jednej strony sceptyków, którzy mówią: „Cóż, ta czarna skrzynka nigdy nie będzie tak dobra jak mój analityk” aż do fanboya lub entuzjasty, który wszędzie widzi korelacje, może mniej na drodze związków przyczynowych, ale musisz być ostrożny po obu stronach. Jest to fascynujący środek, gdy ten poziomy pasek rozciąga się na całą organizację, ten hybrydowy zestaw umiejętności potrzebny do przekonania obu stron spektrum.

Nick Jewell: OK, Jen, jesteś tam?

Jen Underwood: Jestem.

Nick Jewell: Wydaje mi się, że to, co próbujemy powiedzieć w tym cytacie Claytona Christensena, to fakt, że dla wielu organizacji, ujednolicenie agendy analitycznej w celu przyspieszenia transformacji cyfrowej, o której dzisiaj mówimy, ma zamiar być wyzwaniem. Najczęściej spotykamy zespoły analityczne zaczynające od słabej ręki. Próba wprowadzania innowacji z wykorzystaniem dotychczasowych procesów analitycznych, technologii, struktur zespołu i trzymania się tych reliktów będzie największą barierą dla analitycznego dostosowania i innowacji analitycznych. Czy masz jakieś przemyślenia na ten temat, Jen?

Jen Underwood: Podoba mi się wybrane zdjęcie. Tak, z pewnością ma dla mnie wiele sensu. Musisz zastosować niektóre z tych nowych technologii, na przykład przesyłanie strumieniowe w czasie rzeczywistym. Nie zawsze będziesz w stanie uzyskać te wyniki w czasie rzeczywistym, jeśli musisz odświeżyć JavaScript w przeglądarce, jako takiej, ze starą spuścizną - być może jest to aplikacja na desce rozdzielczej lub tego typu rzeczy. Tak, musisz skorzystać z niektórych z tych nowych narzędzi, i znów myślę, że to zdjęcie jest naprawdę urocze, obraz mówiący tysiąc słów. Wózek i buggy, musisz porzucić niektóre z tych starych podejść technicznych.

Nick Jewell: Oczywiście. Jeśli więc przejdziemy do następnego slajdu, uważamy, że jest lepszy sposób. Chyba przede wszystkim za pomocą czegoś podobnego do wyszukiwania podobnego do Google'a, aby szybko znaleźć wszystkie najbardziej odpowiednie zasoby danych. Zrozumienie ich kontekstu, zrozumienie zależności, uwzględnienie w naprawdę prostych rzeczach, takich jak glosariusze biznesowe autorstwa ekspertów w twoich społecznościach, podtrzymywane przez całą tę plemienną wiedzę szefów twoich współpracowników.

Sprytne dzięki wykrywaniu danych. Pomyśl o możliwości prowadzenia rozmów z właścicielami raportów i ekspertami. Przesyłanie, zrób trochę Trip Advisor lub Yelp, prześlij zasoby, które są najbardziej przydatne, poświadczając te, które organizacja uważa za najcenniejsze, a następnie wszystko to wróć do wyników wyszukiwania i ostatecznie do rankingów wyszukiwania, dzięki czemu lepiej następny użytkownik. Gdy znajdziesz to, czego szukasz, przejdź do tej szybkiej, wolnej od kodu, przyjaznej dla użytkownika fazy przygotowania i analizy, aby opracować idealny zestaw danych, z którego można publikować powtarzalne procesy.

Wróćmy do naszej rozmowy na temat automatyzacji, tworzenia przyjaznych dla użytkownika aplikacji. Cokolwiek jest potrzebne do budowy modeli analitycznych. Mówiąc o modelach, wspieramy technologie open source, takie jak R, od wielu lat, pozwala nam zbudować naprawdę zaawansowaną funkcję analityczną, która obejmuje opisową, ale także predykcyjną, nakazową analizę, w prosty sposób przeciągnij i- upuść sposób.

Teraz, po prawej stronie, faktycznie uzyskując ten wgląd w interaktywne wizualizacje, modele i wyniki są wypychane na platformy danych lub ostatnio, dzięki czemu wgląd jest dostępny natychmiast i bezpośrednio w ramach procesu biznesowego. Myślę, że ten zakres możliwości na całej platformie pozwolił nam zostać nagrodzonymi Złotą Nagrodą w tegorocznym badaniu wyboru klientów Gartner Peer Insights, co jest fantastycznym osiągnięciem. Zdecydowanie polecam odwiedzić stronę Gartner, aby dowiedzieć się więcej, dodać własne głosy i dodać własny komentarz.

Fajnie, więc, Jen, jeśli przeskoczymy o jeszcze jeden slajd - myślę, że na zakończenie, chciałbym dać wam wszystkie kolejne kroki. Przede wszystkim odwiedź Alteryx.com, aby pobrać bezpłatną kopię naszego najnowszego raportu badawczego, opracowanego we współpracy z International Institute of Analytics (IIA), dotyczącego przełamywania przeszkód analitycznych. Możesz także odwiedzić stronę udacity.com/alteryx, aby dowiedzieć się więcej o tym, jak umożliwić swoim zespołom, zrobić kolejny krok w ich podróży dzięki temu zaawansowanemu nano-stopniowi analitycznemu, a następnie wreszcie doświadczyć Alteryx dla siebie. Odwiedź stronę główną, pobierz w pełni funkcjonalną wersję testową i dołącz do emocji związanych z rozwiązywaniem problemów.

Jen, do ciebie. Możemy mieć trochę czasu na pytania i odpowiedzi.

Eric Kavanagh: Po prostu włączę się naprawdę szybko. Mamy kilka pytań. Rzucę jeden, jak sądzę, najpierw Tobie, Nick, a następnie Jenowi, jeśli chcesz skomentować, ale z pewnością ma on większe zastosowanie w UE, a to jest niesławne RODO, czyli Globalne przepisy o ochronie danych. Jak to wpływa na Alteryx i twoją mapę drogową i na czym się koncentrujesz?

Nick Jewell: To chyba boogieman, chyba tak. Wiele osób o tym mówi, wiele osób jest bardzo zaniepokojonych, ale tak naprawdę jest to pierwszy z długiej serii przepisów, które pojawią się w świecie danych i analiz. Naprawdę, z naszego punktu widzenia, chodzi o zrozumienie i klasyfikację danych. Jako CxO o dowolnym smaku wiesz, gdzie są twoje aktywa, znasz ich kontekst i wiesz, że możesz im zaufać, jako pierwszy krok do naprawdę zarządzania danymi i zarządzania nimi w szerszym kontekście.

Eric Kavanagh: Wydaje mi się, że zadam ci kolejne pytanie, zanim sprowadzimy Jen, Nick, to znaczy dane szkoleniowe, jeśli ktoś poprosi o usunięcie ich danych z twojego przedsiębiorstwa, to wpływa nie tylko na ich nazwisko, adres itd., nie tylko ich dane kontaktowe, ale także, jeśli algorytm wykorzystuje dane szkoleniowe, które zawierają twoje dane, powinieneś ponownie przeszkolić algorytm, prawda?

Nick Jewell: Jest to szczególnie skomplikowane. Myślę, że pomysł, że nie tylko bazy danych są źródłem niektórych z tych danych osobowych, ale także analityczne przepływy pracy, aplikacje, wizualizacje. Dane te docierają wszędzie do organizacji, dlatego kontekst jest absolutnie niezbędny.

Eric Kavanagh: A Jen, co o tym myślisz? Oczywiście w Stanach Zjednoczonych nie jest to wielka sprawa i nie widzimy teraz zbyt wielu firm, które się tym martwią, mimo że technicznie ma to tutaj zastosowanie. Jeśli amerykańska firma ma dane o obywatelach UE, jakie jest twoje zdanie na temat znaczenia RODO i jak duże jest to porozumienie?

Jen Underwood: Cóż, z pewnością uważam, że wymaga odpowiedzialnego przetwarzania danych. Pisałem o tym kilka razy i mam kilka wskazówek na temat niektórych z tych rzeczy. Myślę, że pytanie, które zadałeś na temat algorytmów, jest interesujące. Z pewnością niektóre rozwiązania, na które patrzę dzisiaj, niektóre z ich zespołów produktowych zaprojektowały funkcje, dzięki którym można zobaczyć, w jaki sposób podejmują decyzje i jakie dane osobowe zostały wykorzystane do decydowania o wyniku tego algorytmu. Obserwujemy pewien wpływ na projekty produktów tutaj w Stanach Zjednoczonych.

Wiele firm technologicznych ma tutaj bardzo duże biura i zespoły programistów zarówno w Stanach Zjednoczonych, jak i na całym świecie, dlatego widzimy to w rozwoju produktów. Widzę, że inwestuje się więcej katalogów danych. Rozwija się więcej inicjatyw rządowych, aby ludzie rozumieli i rozumieli, gdzie wszystkie te dane są w chaosie. Próbują obejść się przynajmniej, organizując go, będąc w stanie go znaleźć i coś z tym zrobić.

Eric Kavanagh: Zamieszczę ten slajd, o którym rozmawialiśmy wcześniej, i przekażę go tobie, Nick. Myślę, że jest to fantastyczny slajd, ponieważ dla mnie naprawdę mówi o konieczności analizy. Co sądzisz o tej zmieniającej się dynamice? Chodzi mi o to, że firmy muszą być zwinne i uważam, że analityka jest na czele tej opłaty. Co myślisz?

Nick Jewell: To fascynujące. Myślę, że zawsze - firmy i technologie zawsze istnieją w trzech stanach, więc albo będzie to wojna, pokój lub cud. Wojna będzie o tak dużym poziomie konkurencji. Wonder to wszystkie wspaniałe nowe rzeczy, które budujesz na platformie. Potem pokój przed konkurencją i wojna zaczyna się od nowa. Myślę, że zawsze toczy się ta bitwa.

Przed dzisiejszym telefonem rozmawialiśmy o niektórych innych konferencjach i kluczowych notatkach, które odbywają się dzisiaj na całym świecie. Niektórzy z dużych dostawców chmury osiągnęli punkt, w którym zbudowali tę platformę, a teraz budują na niej wspaniałe nowe rzeczy. Firmy muszą mieć to na baczności i upewnić się, że wybierają coś, co ma spójną platformę, która zapewni tę wartość w przyszłości. Będą tymi, którzy przetrwają to zaburzenie.

Eric Kavanagh: Tak, to dobra uwaga i wiesz, Jen, wcześniej skomentowałeś, w rzeczywistości przed koncertem, na temat strategii chmurowej i tego, jak wielu ludzi z branży mówi, że duże firmy, nawet banki, wszystkie mają teraz strategię chmurową. Byłem trochę zaskoczony, jak długo to trwało, i chyba niektórzy z nich udali się na konferencję AWS Reinvent i zdali sobie sprawę, jak ogromna jest ta sprawa, i doszli do wniosku, że nadszedł czas. Co sądzisz o świadomości kierownictwa dużych firm na temat importu chmury i jak to zmienia ich planowanie?

Jen Underwood: Kiedy myślę o tym świecie danych na dużą skalę, będąc w stanie nim zarządzać, myślę, że na niektórych poziomach jest pewien spokój umysłu, gdy jedna z bardzo dużych firm bierze odpowiedzialność za niektóre aspekty bezpieczeństwa, więc jest trochę spokoju. Wiesz, że chmura ma ograniczoną skalę.

Drugą rzeczą jest - i widziałem to, że pracowałem w zespole, który opracował produkt w chmurze, a na pewno był to produkt słabszy i nikt nie zwrócił na to uwagi, aw ciągu dwóch lat z powodu cotygodniowych wydań, a nawet, Powiedziałbym, że jest prawie do codziennego wydania w chmurze. Wiem, że Amazon mówi, że wypuszczają wiele razy dziennie. Kiedy masz to zagrożenie, kiedy konkurenci mogą codziennie wypuszczać i ulepszać, cokolwiek robią, przynajmniej w branży oprogramowania - a wszyscy naprawdę są w branży oprogramowania, kiedy zaczynasz patrzeć na transformację cyfrową - to zupełnie inna sprawa gra w piłkę i każdy może obrócić chmurę, skalować się i stać się dużym.

Ponownie będą to dane, które wykorzystają, które będą miały znaczenie i inteligencja w ich algorytmach, i dlatego ludzie mówią o tym, że dane są nową ropą lub dane są złotem. Kiedy patrzę na chmurę, jest to zmieniacz gier, naprawdę umożliwia bardzo, bardzo szybki rozwój i skalowanie. To niesamowite.

Eric Kavanagh: Przywiozę cię z powrotem, Nick, na kolejne pytanie - pójdziemy tu chwilę, jeśli będziemy mogli odpowiedzieć na niektóre z tych pytań, ale, jak pamiętam, pięć i sześć, a może nawet siedem lata temu Alteryx był naprawdę innowatorem w wykorzystywaniu danych stron trzecich - w ten sposób wprowadzając dane ze źródeł takich jak Experian lub dane geoprzestrzenne. Myślę, że to prawdopodobnie strategiczna zaleta, ponieważ tego rodzaju rzeczy są w DNA Alteryx, prawda? Gdy firmy przechodzą na chmurę, myślę, że macie duże doświadczenie w pokonywaniu tych światów. Światy wstępnych wersji stron trzecich i danych w chmurze, co myślisz?

Nick Jewell: Tak, absolutnie. Najlepsza łączność będzie tak dużym wyzwaniem dla każdej firmy, która będzie pracować w tym środowisku opartym na chmurze. Ale powiem, gdy mówimy o czymś takim, jak infonomics, pomysł, że informacje i dane powinny być uważane za atut w Twojej firmie. Większość wartości, którą zamierzasz wnieść, to pozyskiwanie zewnętrznych źródeł danych, mieszanie ich i wzbogacanie o źródła wewnętrzne, aby tworzyć i zarabiać na wartości w procesie. Absolutnie niezbędna jest równa praca z danymi wewnętrznymi i zewnętrznymi.

Eric Kavanagh: Tak, to dobra uwaga. Myślę, że cały świat chmury hybrydowej zostanie tutaj. Jen, po prostu przekażę ci to, by uzyskać jakieś końcowe komentarze. Dla mnie, mając ten strategiczny punkt widzenia i będąc w stanie ujednolicić, ponieważ nowy termin opisuje dane w różnych źródłach, będzie to decydujący czynnik sukcesu w przyszłości, prawda?

Jen Underwood: Nie, absolutnie i to zabawne, słyszałem tę hybrydę, hybrydę, hybrydę. Słyszałeś o tym i cztery lata temu myślisz o Hadoop, Hadoop i Big Data, a potem zacząłeś słyszeć hybrydowy, hybrydowy, więc z pewnością tam byliśmy, niekoniecznie, to jest rok uczenia maszynowego, bez żadnych ograniczeń. Mam na myśli, sztuczna inteligencja, uczenie maszynowe wkroczyło na scenę w tym roku, ale aby naprawdę funkcjonować w organizacji, która jest dziś w drodze do chmury lub która musi poradzić sobie z tymi wszystkimi różnymi źródłami danych w chmurze, być może Salesforce lub W dzień roboczy, wszystkie te różne rodzaje źródeł, które żyją w chmurze, jedynym sposobem, aby sobie z tym poradzić, jest hybryda. Nie możesz kopiować danych wszędzie, więc musisz mieć możliwość bezpośredniego połączenia i musisz znaleźć sposób pracy z danymi znajdującymi się wszędzie, znajdź dane wszędzie, ponieważ taka jest rzeczywistość tam, gdzie mamy rację teraz.

Eric Kavanagh: Myślę, że byłbym zaniedbany, gdybym nie wrócił do uczenia maszynowego, więc Nick, po prostu ci to przekażę. Wiem, że teraz skupiasz się na tym - czy możesz porozmawiać o tym, jak postrzegasz uczenie maszynowe w powiązaniu z analizami i rodzajami systemów, których używamy do zrozumienia naszej działalności i naszych danych?

Nick Jewell: Tak, jasne. Tak więc, bardzo krótko, wróćmy szybko do naszej luki w umiejętnościach. Pomysł, że mamy organizacje absolutnie pełne z zaawansowanymi użytkownikami programu Excel. Przychodzą naukowcy danych, ale nie rosną w tym samym tempie. Między nimi jest ogromna luka. Zastanów się, gdzie dziś jest uczenie maszynowe. Ile mamy algorytmów w telefonie lub zegarku, które wykorzystują techniki uczenia maszynowego? To towar, jest wszędzie. Musimy włączyć tych zaawansowanych użytkowników w najprostszy możliwy sposób, aby upewnić się, że maszyna jest skutecznie stosowana w całej firmie.

Eric Kavanagh: Być może przekażę ci ostatni. Spóźniliśmy się tutaj z kilkoma pytaniami. Jen, zapytam cię o to. Uczestnik komentuje całą koncepcję uczenia się bez nadzoru, a faktem jest, że potrzebujesz danych szkoleniowych, aby to zrobić, i zazwyczaj dane szkoleniowe muszą być specyficzne dla firmy. Mimo że w branżach istnieje wiele korelacji, istnieje wiele sposobów na podobieństwo organizacji. Niemniej jednak każda firma jest wyjątkowa, niezależnie od tego, czy jest to jej model biznesowy, czy podejście do marketingu lub sprzedaży, czy jakikolwiek inny przypadek, rozwój produktu.

Powstaje pytanie, czy algorytmy te będą mogły wykorzystywać dane innych firm do szkolenia? Wydaje mi się, że zawsze będziesz musiał użyć własnych danych do szkolenia tych algorytmów, nawet jeśli ten cykl skróci się z sześciu miesięcy - jak to bywa w niektórych przypadkach - do 40 dni lub 20 dni, bez względu na sprawa może być. Naprawdę musisz korzystać z własnych danych i upewnić się, że dane są dość czyste, prawda?

Jen Underwood: To naprawdę mieszanka. Będziesz chciał mieć kontekst zewnętrzny. W rzeczywistości jestem dziś rezerwowany jeden po drugim, a moje następne seminarium internetowe dotyczy przygotowywania i czyszczenia danych, jak na ironię na potrzeby uczenia maszynowego. Najważniejsze jest to, że łączysz kontekst zewnętrzny ze swoją organizacją i uwielbiam, że pytałeś o przygotowanie i czyszczenie danych, ponieważ szczerze mówiąc, niektóre narzędzia stają się bardzo, bardzo dobre - potrafią poradzić sobie z niektórymi ich aspektami, ale ludzki umysł, lub być w stanie rozszyfrować problem i spojrzeć i upewnić się, że nie pominęli - powiedzmy, że mamy pewne uprzedzenia do zaniechania. Sposób, w jaki patrzysz na problem i sposób, w jaki wybierasz zaprojektować problem, który automatyzujesz lub decyzje, które automatyzujesz, zawiera sztukę i upewnia się, że dokładnie odzwierciedla ten proces biznesowy.

Wracając do mojego przykładu z firmą ubezpieczeniową, kiedy modelowaliśmy rezygnację i kogo zatrudnić, aby przejść szkolenie sponsorowane w celu sprzedaży ubezpieczeń; w samym modelu nie istniał klimat prawny, różne prawa dla różnych stanów. Zawsze będzie jakiś aspekt, w którym będziesz musiał mieć te dane zewnętrzne z danymi wewnętrznymi i, znowu, ludzkim umysłem. Będą tam różne komponenty.

Eric Kavanagh: Myślę, że poruszyłeś tutaj naprawdę dobrą sprawę. Ciągle słyszymy o przejęciu robotów i maszyn oraz uczenia maszynowego. Dla mnie jest to bardzo destrukcyjny trend - nie ma co do tego wątpliwości - ale nigdy nie widzę potrzeby odchodzenia ludzi w miksie, szczególnie w przypadku analiz danych, danych korporacyjnych.

Nick, jedno ostatnie pytanie dla ciebie. Dla mnie, bez względu na to, jak dobre są algorytmy, zawsze będziesz potrzebować ludzi monitorujących to, co się dzieje, wstrzykiwających się w wyznaczonych porach i naprawdę syntetyzujących duży obraz tego, co się tam dzieje. Nie sądzę, aby jakikolwiek algorytm mógł zsyntetyzować duży obraz dla firmy z listy Fortune 2000, ale co o tym sądzisz?

Nick Jewell: Cóż, weźmy zupełnie inny przykład niż Alteryx, porozmawiajmy o Uber z zeszłego roku. Uber, podczas incydentu terrorystycznego w Australii, ludzie próbujący uciec z tego obszaru, nagle zaczęli ustalać ceny surowe, ponieważ to właśnie algorytm powiedział, że spowodował ogromne straty reputacyjne. Zaraz potem zaimplementowali ludzi i algorytmy współpracujące ze sobą. Za każdym razem, gdy miało to nastąpić, człowiek musiał mieć nadzór nad procesem. To partnerstwo człowieka i algorytmu to jest droga naprzód.

Eric Kavanagh: Wow, to świetny przykład, dziękuję bardzo. Cóż, ludzie, spędziliśmy tutaj ponad godzinę w naszym webcastie. Bardzo wielkie dzięki dla Jen Underwood z Impact Analytics. Oczywiście wielkie podziękowania dla Nicka Jewell i zespołu Alteryx za poświęcony czas i uwagę oraz wszystkim za poświęcony czas i uwagę. Doceniamy te wspaniałe pytania. Archiwizujemy wszystkie te webcasty do późniejszego oglądania, zachęcamy do dzielenia się nimi z przyjaciółmi i współpracownikami. Dzięki temu pożegnamy się. Doskonała transmisja internetowa dzisiaj. Jeszcze raz bardzo dziękuję, do zobaczenia następnym razem, ludzie. Dbać. PA pa.

Poradnik cxo: przyszłość danych i analiz