Jak analityka może poprawić biznes? - transkrypcja 2 odcinka techwise

Nota redaktora: Jest to transkrypcja jednego z naszych poprzednich webcastów. Kolejny odcinek zbliża się szybko, kliknij tutaj, aby się zarejestrować.

Eric Kavanagh: Panie i panowie, cześć i witamy ponownie w odcinku 2 TechWise. Tak, rzeczywiście nadszedł czas, aby zdobyć mądrych ludzi! Dzisiaj na linii jest wielu naprawdę inteligentnych ludzi, którzy pomogą nam w tym przedsięwzięciu. Nazywam się oczywiście Eric Kavanagh. Będę twoim gospodarzem, twoim moderatorem podczas tej błyskawicznej sesji. Mamy tutaj wiele treści, ludzie. W branży mamy znane nazwiska, które były analitykami w naszej przestrzeni i czterema najciekawszymi dostawcami. Więc dzisiaj będziemy mieć dużo dobrej akcji. I oczywiście ty, publiczność, odgrywasz znaczącą rolę w zadawaniu pytań.

Tak więc po raz kolejny serial jest TechWise, a dzisiejszy temat brzmi: „Jak Analytics może ulepszyć biznes?” Oczywiście jest to gorący temat, w którym spróbuje zrozumieć różne rodzaje analiz, które możesz zrobić, i jak to może poprawić twoje operacje, ponieważ o to właśnie chodzi pod koniec dnia.

Więc możesz zobaczyć siebie na górze, to naprawdę twoje. Dr Kirk Borne, dobry przyjaciel z George Mason University. Jest on naukowcem danych z ogromnym doświadczeniem, bardzo głęboką wiedzą w tej dziedzinie, eksploracji danych i dużych zbiorów danych oraz innymi tego rodzaju zabawnymi rzeczami. I oczywiście mamy własnego dr Robina Bloora, głównego analityka w Bloor Group. Który trenował jako aktuariusz wiele, wiele lat temu. I był bardzo skoncentrowany na całej przestrzeni dużych zbiorów danych i przestrzeni analitycznej dość intensywnie przez ostatnie pół dekady. Minęło pięć lat, odkąd uruchomiliśmy grupę Bloor per se. Więc czas ucieka, gdy dobrze się bawisz.

Dowiemy się także od Willa Gormana, głównego architekta Pentaho; Steve Wilkes, CCO z WebAction; Frank Sanders, dyrektor techniczny w MarkLogic; i Hannah Smalltree, dyrektor w Treasure Data. Tak jak powiedziałem, to dużo treści.

Jak analityka może pomóc Twojej firmie? Cóż, szczerze mówiąc, jak to nie może pomóc twojej firmie? Istnieją różne sposoby wykorzystania analiz do robienia rzeczy, które usprawniają Twoją organizację.

Usprawnij operacje. Jest to taki, o którym nie słyszysz tak wiele, jak w przypadku marketingu, pozyskiwania przychodów, a nawet identyfikowania możliwości. Usprawnienie operacji to jednak naprawdę potężna rzecz, którą możesz zrobić dla swojej organizacji, ponieważ możesz na przykład zidentyfikować miejsca, w których możesz coś zlecić na zewnątrz lub dodać dane do określonego procesu. A to może to usprawnić, nie wymagając, aby ktoś odebrał telefon, aby zadzwonić lub wysłać e-mailem. Istnieje wiele różnych sposobów usprawnienia operacji. A wszystko to naprawdę pomaga obniżyć koszty, prawda? To jest klucz, obniża koszty. Ale pozwala także lepiej służyć klientom.

A jeśli pomyślisz o tym, jak niecierpliwi się ludzie, i widzę to każdego dnia pod względem interakcji ludzi w Internecie, nawet z naszymi programami, z których usług korzystamy. Cierpliwość ludzi, czas koncentracji stają się coraz krótsze z dnia na dzień. A to oznacza, że ​​jako organizacja musisz reagować coraz szybciej, aby móc zadowolić swoich klientów.

Na przykład, jeśli ktoś jest na Twojej stronie internetowej lub przegląda strony, szukając czegoś, jeśli się denerwuje i odejdzie, cóż, być może właśnie straciłeś klienta. I w zależności od tego, ile pobierasz za produkt lub usługę, a może to wielka sprawa. Podsumowując, myślę, że usprawnianie operacji jest jedną z najgorętszych przestrzeni do stosowania analiz. Robisz to, patrząc na liczby, dzieląc dane, zastanawiając się na przykład: „Hej, dlaczego tracimy tak wiele osób na tej stronie naszej witryny?”. „Dlaczego otrzymujemy teraz niektóre z tych telefonów?”

Im więcej czasu będziesz mógł zareagować na tego rodzaju rzeczy, tym większe szanse, że poradzisz sobie z sytuacją i coś z tym zrobisz, zanim będzie za późno. Ponieważ jest takie okno czasu, kiedy ktoś się denerwuje, jest niezadowolony lub próbuje coś znaleźć, ale jest sfrustrowany; masz tam okazję, by do nich dotrzeć, złapać je i wejść w interakcję z tym klientem. A jeśli zrobisz to we właściwy sposób z właściwymi danymi lub ładnym obrazem klienta - zrozumienie, kim jest ten klient, jaka jest jego rentowność, jakie są jego preferencje - jeśli naprawdę możesz sobie z tym poradzić, zrobisz to świetna robota polegająca na utrzymywaniu klientów i pozyskiwaniu nowych klientów. I o to w tym wszystkim chodzi.

W związku z tym przekażę to Kirkowi Borne'owi, jednemu z naszych dzisiejszych badaczy danych. I w dzisiejszych czasach są dość rzadkie, ludzie. Mamy dwóch z nich przynajmniej na telefon, więc to wielka sprawa. Po tym, Kirk, przekażę ci to, aby porozmawiać o analizie i tym, jak pomaga ona biznesowi. Idź po to.

Dr Kirk Borne: Dziękuję bardzo, Eric. Czy mnie słyszysz?

Eric: W porządku, śmiało.

Dr Kirk: Dobra, dobrze. Chcę się podzielić, jeśli mówię przez pięć minut, a ludzie machają do mnie rękami. Tak więc uwagi wstępne, Eric, że naprawdę związałeś się z tym tematem, o którym krótko opowiem w ciągu kilku najbliższych minut, a mianowicie o wykorzystaniu dużych zbiorów danych i danych analitycznych w celu podjęcia decyzji o wsparciu. Komentarz, który napisałeś o usprawnieniu operacyjnym, w pewnym sensie wpisuje się w tę koncepcję analizy operacyjnej, w której możesz zobaczyć niemal każdą aplikację na całym świecie, czy jest to aplikacja naukowa, biznes, bezpieczeństwo cybernetyczne i egzekwowanie prawa oraz rząd, opieka zdrowotna. Dowolna liczba miejsc, w których mamy strumień danych i podejmujemy jakąś reakcję lub decyzję w reakcji na zdarzenia, alerty i zachowania, które widzimy w tym strumieniu danych.

Jedną z rzeczy, o których dzisiaj chciałbym porozmawiać, jest to, w jaki sposób wyciągasz wiedzę i spostrzeżenia z dużych zbiorów danych, aby dojść do punktu, w którym możemy faktycznie podjąć decyzję o podjęciu działań. I często rozmawiamy o tym w kontekście automatyzacji. A dzisiaj chcę połączyć automatyzację z ludzkim analitykiem w pętli. Rozumiem przez to, że analityk biznesowy odgrywa tutaj ważną rolę w zakresie zakładów, kwalifikacji, walidacji określonych działań lub reguł uczenia maszynowego, które wydobywamy z danych. Ale jeśli dojdziemy do punktu, w którym jesteśmy prawie przekonani, że wyodrębniliśmy reguły biznesowe i mechanizmy powiadamiania nas są prawidłowe, wówczas możemy przekazać to zautomatyzowanemu procesowi. Właściwie to robimy usprawnienia operacyjne, o których mówił Eric.

Mam tutaj trochę zabawy ze słowami, ale mam nadzieję, że jeśli to zadziała, mówiłem o wyzwaniu D2D. I D2D, nie tylko dane dotyczące decyzji we wszystkich kontekstach, patrzymy na to w pewnym sensie na dole tego slajdu, mam nadzieję, że je widzisz, dokonując odkryć i zwiększając przychody z naszych potoków analitycznych.

Tak więc w tym kontekście mam teraz rolę marketingowca dla siebie teraz, kiedy pracuję i to znaczy; pierwszą rzeczą, którą chcesz zrobić, to scharakteryzować swoje dane, wyodrębnić funkcje, wyodrębnić cechy klientów lub dowolnego podmiotu, który śledzisz w swojej przestrzeni. Może to pacjent w środowisku analizy zdrowia. Może to użytkownik sieci, jeśli patrzysz na coś w rodzaju cyberbezpieczeństwa. Ale scharakteryzuj i wyodrębnij cechy, a następnie wyodrębnij kontekst o tej osobie, o tym bycie. Następnie gromadzisz te, które właśnie utworzyłeś, i umieszczasz je w jakiejś kolekcji, z której możesz następnie zastosować algorytmy uczenia maszynowego.

Powtarzam to w ten sposób, powiedzmy, że masz kamerę na lotnisku. Sam film ma ogromną, dużą objętość i jest również bardzo nieuporządkowany. Ale możesz wyodrębnić dane z monitoringu wideo, biometrii twarzy i zidentyfikować osoby w kamerach monitorujących. Na przykład na lotnisku możesz zidentyfikować konkretne osoby, możesz śledzić je przez lotnisko, krzyżowo identyfikując tę ​​samą osobę w wielu kamerach monitorujących. Ponieważ wyodrębnione funkcje biometryczne, które tak naprawdę wydobywacie i śledzicie, nie są samym szczegółowym wideo. Ale kiedy już wyodrębnisz te fragmenty, możesz zastosować reguły uczenia maszynowego i analizy, aby podjąć decyzję, czy musisz podjąć działanie w konkretnej sprawie, czy coś stało się niepoprawnie, czy coś, co masz okazję złożyć ofertę. Jeśli na przykład masz sklep na lotnisku i widzisz, że ten klient idzie w twoją stronę, i wiesz z innych informacji o tym kliencie, że być może naprawdę zainteresował go zakup rzeczy w sklepie wolnocłowym lub coś takiego, złóż tę ofertę.

Jakie rzeczy miałbym na myśli przez charakteryzację i potencjalizację? Przez charakterystykę mam na myśli, po raz kolejny, wydobycie cech i cech danych. Można to wygenerować maszynowo, a następnie algorytmy mogą wyodrębnić na przykład podpisy biometryczne z analizy wideo lub analizy nastrojów. Możesz wyodrębnić sentyment klienta za pomocą recenzji online lub mediów społecznościowych. Niektóre z tych rzeczy mogą być generowane przez ludzi, aby człowiek, analityk biznesowy, mógł wyodrębnić dodatkowe funkcje, które pokażę w następnym slajdzie.

Niektóre z nich mogą być crowdsourcingowe. A dzięki crowdsourcingowi możesz myśleć o tym na wiele różnych sposobów. Ale bardzo prosto, na przykład, użytkownicy odwiedzają twoją witrynę i wpisują wyszukiwane słowa, słowa kluczowe i kończą na określonej stronie i spędzają tam czas. Że przynajmniej rozumieją, że albo przeglądają, przeglądają, klikają rzeczy na tej stronie. Mówi ci to, że słowo kluczowe, które wpisali na samym początku, to deskryptor tej strony, ponieważ trafił on na stronę, której oczekiwali. Możesz więc dodać tę dodatkową informację, to znaczy klienci, którzy używają tego słowa kluczowego, faktycznie zidentyfikowali tę stronę w naszej architekturze informacji jako miejsce, w którym treść pasuje do tego słowa kluczowego.

I tak crowdsourcing jest kolejnym aspektem, o którym ludzie czasem zapominają, że można powiedzieć, że śledzi to, co powiedzieli klienci; jak poruszają się po swojej przestrzeni, bez względu na to, czy jest to nieruchomość online, czy nieruchomość. A następnie użyj tego rodzaju ścieżki, którą klient przyjmuje jako dodatkowe informacje o rzeczach, na które patrzymy.

Chcę więc powiedzieć, że rzeczy generowane przez ludzi lub generowane maszynowo mają kontekst w rodzaju adnotacji lub tagowania określonych granulek danych lub encji. Bez względu na to, czy są to pacjenci w szpitalach, klienci czy cokolwiek innego. Istnieją więc różne rodzaje tagowania i adnotacji. Niektóre z nich dotyczą samych danych. Jest to jedna z rzeczy, jaki rodzaj informacji, jaki rodzaj informacji, jakie są cechy, kształty, może tekstury i wzory, anomalia, zachowania nienormalne. A następnie wyodrębnij trochę semantyki, to znaczy, w jaki sposób odnosi się to do innych rzeczy, które znam, lub ten klient jest klientem elektroniki. Ten klient jest klientem odzieżowym. Lub ten klient lubi kupować muzykę.

Rozpoznając pewną semantykę na ten temat, ci klienci, którzy lubią muzykę, lubią rozrywkę. Może moglibyśmy zaoferować im inną nieruchomość rozrywkową. Zatem rozumienie semantyki, a także pewnej proweniencji, która w gruncie rzeczy mówi: skąd to się wzięło, kto przedstawił to twierdzenie, o której godzinie, w jakiej sytuacji, w jakich okolicznościach?

Więc kiedy masz już wszystkie te adnotacje i charakteryzacje, dodaj do tego następny krok, który jest kontekstem, kimś, co, kiedy, gdzie i dlaczego. Kim jest użytkownik? Jaki był kanał, na którym przyszli? Jakie było źródło informacji? Jakiego rodzaju ponowne wykorzystanie widzieliśmy w tym konkretnym produkcie informacyjnym lub danych? Jaka jest wartość tego procesu biznesowego? A następnie zbierz te rzeczy i zarządzaj nimi, a nawet pomóż stworzyć bazę danych, jeśli chcesz o tym myśleć w ten sposób. Umożliwiają wyszukiwanie, ponowne użycie, przez innych analityków biznesowych lub zautomatyzowany proces, który sprawi, że następnym razem, gdy zobaczę te zestawy funkcji, system może podjąć tę automatyczną akcję. I tak dochodzimy do tego rodzaju operacyjnej wydajności analitycznej, ale tym bardziej zbieramy przydatne, kompleksowe informacje, a następnie tworzymy je pod kątem tych przypadków użycia.

Zabieramy się do pracy. Wykonujemy analizy danych. Szukamy ciekawych wzorów, niespodzianek, nowości, anomalii. Szukamy nowych klas i segmentów w populacji. Szukamy powiązań, korelacji i powiązań między różnymi podmiotami. A potem wykorzystujemy to wszystko, aby napędzać nasz proces odkrywania, podejmowania decyzji i dokonywania dolarów.

Więc znowu, tutaj mamy ostatni slajd danych, który po prostu podsumowuję, utrzymując analityka biznesowego w pętli, znowu, nie wyodrębniasz tego człowieka i ważne jest, aby trzymać go tam.

Wszystkie te funkcje są zapewnione przez maszyny, analityków ludzkich, a nawet crowdsourcing. Stosujemy tę kombinację rzeczy w celu ulepszenia naszych zestawów szkoleniowych dla naszych modeli i otrzymujemy dokładniejsze modele predykcyjne, mniej fałszywych wyników pozytywnych i negatywnych, bardziej wydajne zachowanie, bardziej skuteczne interwencje z naszymi klientami lub kimkolwiek.

Tak więc pod koniec dnia naprawdę łączymy uczenie maszynowe i duże zbiory danych z tą potęgą ludzkiego poznania, w której pojawia się ten rodzaj tagowania adnotacji. I to może prowadzić przez wizualizację i analizę wizualną narzędzia lub wciągające środowiska danych lub crowdsourcing. I na koniec dnia to, co naprawdę robi, to generowanie naszych odkryć, spostrzeżeń i D2D. I to są moje komentarze, więc dziękuję za wysłuchanie.

Eric: Hej, to brzmi wspaniale. Pozwólcie, że pójdę dalej i przekażę klucze dr. Robinowi Bloorowi, aby również przedstawić swoje zdanie. Tak, lubię słyszeć twój komentarz na temat usprawnienia koncepcji operacji i mówisz o analizie operacyjnej. Myślę, że jest to duży obszar, który należy dość dokładnie zbadać. I chyba bardzo szybko przed Robinem, sprowadzę cię z powrotem, Kirk. Wymaga to dość znaczącej współpracy między różnymi graczami w firmie, prawda? Musisz porozmawiać z ludźmi operacji; musisz zdobyć swoich ludzi technicznych. Czasami dostajesz ludzi marketingu lub ludzi interfejsu internetowego. Są to zazwyczaj różne grupy. Czy masz jakieś najlepsze praktyki lub sugestie, jak sprawić, by każdy włożył swoją skórę do gry?

Dr Kirk: Cóż, myślę, że wiąże się to z kulturą współpracy. W rzeczywistości mówię o trzech rodzajach kultury analitycznej. Jednym z nich jest kreatywność; innym jest ciekawość, a trzecim współpraca. Więc chcesz kreatywnych, poważnych ludzi, ale musisz też zachęcić tych ludzi do współpracy. I tak naprawdę zaczyna się od góry, tego rodzaju budowanie tej kultury z ludźmi, którzy powinni otwarcie się dzielić i współpracować w celu osiągnięcia wspólnych celów firmy.

Eric: To wszystko ma sens. I naprawdę musisz mieć dobre przywództwo na szczycie, aby tak się stało. Więc chodźmy dalej i przekażmy to doktorowi Bloorowi. Robin, podłoga jest twoja.

Dr Robin Bloor: OK. Dziękuję za to wprowadzenie, Eric. Okej, sposób, w jaki się one poruszają, te pokazy, ponieważ mamy dwóch analityków; Widzę prezentację analityka, której inni nie. Wiedziałem, co powie Kirk i po prostu wybieram zupełnie inny kąt, aby nie nakładać się zbytnio.

Tak więc to, o czym właściwie mówię lub zamierzam mówić, to rola analityka danych w porównaniu z rolą analityka biznesowego. A sposób, w jaki to scharakteryzowałem, no cóż, do pewnego stopnia zuchwały, to rodzaj Jekyll i Hyde. Różnica polega na tym, że badacze danych, przynajmniej teoretycznie, wiedzą, co robią. Podczas gdy analitycy biznesowi nie są tacy, okej, jak działa matematyka, co można zaufać, a co nie.

Przejdźmy więc do przyczyny, dla której to robimy, przyczyny, dla której analiza danych nagle stała się wielką sprawą, poza faktem, że możemy analizować bardzo duże ilości danych i pobierać dane spoza organizacji; czy to się opłaca Sposób, w jaki na to patrzę - i myślę, że to dopiero przypadek, ale zdecydowanie uważam, że tak jest - analiza danych to tak naprawdę działalność badawczo-rozwojowa firmy. To, co faktycznie robisz w ten czy inny sposób z analizą danych, polega na tym, że patrzysz na proces biznesowy czy to na interakcję z klientem, niezależnie od tego, czy jest to sposób, w jaki prowadzisz działalność detaliczną, czy sposób, w jaki wdrażasz twoje sklepy. Tak naprawdę nie ma znaczenia, o co chodzi. Patrzysz na dany proces biznesowy i próbujesz go ulepszyć.

Rezultatem udanych badań i rozwoju jest proces zmian. I możesz myśleć o produkcji, jeśli chcesz, jako zwykły przykład tego. Ponieważ w produkcji ludzie zbierają informacje o wszystkim, aby spróbować ulepszyć proces produkcji. Ale myślę, że to, co się wydarzyło lub co dzieje się w Big Data, jest teraz stosowane do wszystkich firm dowolnego rodzaju w dowolny sposób, o którym każdy może pomyśleć. Tak więc prawie każdy proces biznesowy jest poddany badaniu, jeśli możesz zebrać o nim dane.

Więc to jedno. Jeśli chcesz, to chodzi o analizę danych. Co analityka danych może zrobić dla firmy? Cóż, może całkowicie zmienić biznes.

Ten szczególny schemat, którego nie będę szczegółowo opisywał, ale jest to schemat, który opracowaliśmy jako zwieńczenie projektu badawczego, który zrealizowaliśmy przez pierwsze sześć miesięcy tego roku. Jest to sposób reprezentowania architektury dużych zbiorów danych. I kilka rzeczy, na które warto zwrócić uwagę, zanim przejdę do następnego slajdu. Istnieją tutaj dwa przepływy danych. Jednym z nich jest strumień danych w czasie rzeczywistym, który przebiega wzdłuż szczytu diagramu. Drugi to wolniejszy strumień danych, który biegnie wzdłuż dolnej części diagramu.

Spójrz na dół diagramu. Mamy Hadoop jako rezerwuar danych. Mamy różne bazy danych. Mamy tam całe dane z całą masą działań, z których większość to działalność analityczna.

Chodzi mi o to, a jedyną rzeczą, na którą naprawdę chcę tutaj zwrócić uwagę, jest to, że technologia jest trudna. To nie jest proste. To nie jest łatwe. Nie jest to coś, co każdy, kto jest nowy w grze, może po prostu złożyć razem. To dość skomplikowane. A jeśli zamierzasz oprzyrządować firmę do prowadzenia wiarygodnych analiz we wszystkich tych procesach, to nie jest to coś, co wydarzy się szczególnie szybko. Będzie wymagało wiele technologii, aby dodać do miksu.

W porządku. Pytanie, czym jest specjalista od danych, mógłbym twierdzić, że jestem naukowcem od danych, ponieważ zanim zostałem przeszkolony w informatyce, byłem szkolony w dziedzinie statystyki. Przez pewien czas wykonywałem pracę aktuarialną, więc znam sposób, w jaki firma organizuje analizę statystyczną, także w celu samodzielnego prowadzenia. To nie jest banalna sprawa. I jest okropnie dużo najlepszych praktyk, zarówno po stronie ludzkiej, jak i technologicznej.

Zadając pytanie „czym jest specjalista od danych”, postawiłem zdjęcie Frankensteina po prostu dlatego, że jest to połączenie rzeczy, które trzeba połączyć. W grę wchodzi zarządzanie projektami. W statystykach istnieje głębokie zrozumienie. Istnieje wiedza specjalistyczna w dziedzinie domen, która z konieczności jest bardziej problemem analityka biznesowego niż analityka danych. Jest doświadczenie lub potrzeba zrozumienia architektury danych i umiejętności budowania architekta danych oraz inżynierii oprogramowania. Innymi słowy, prawdopodobnie jest to zespół. Prawdopodobnie nie jest to osoba fizyczna. A to oznacza, że ​​prawdopodobnie jest to dział, który należy zorganizować, a jego organizacja musi być rozważana dość szeroko.

Wrzucenie w mieszankę faktu uczenia maszynowego. Nie mogliśmy zrobić, to znaczy, uczenie maszynowe nie jest nowe w tym sensie, że większość technik statystycznych wykorzystywanych w uczeniu maszynowym jest znana od dziesięcioleci. Jest kilka nowych rzeczy, mam na myśli, że sieci neuronowe są stosunkowo nowe, myślę, że mają tylko około 20 lat, więc niektóre z nich są stosunkowo nowe. Problem z uczeniem maszynowym polegał na tym, że tak naprawdę nie mieliśmy wystarczającej mocy komputera, aby to zrobić. Poza tym wszystko, co się wydarzyło, to fakt, że moc komputera jest już na miejscu. A to oznacza bardzo dużo tego, co, powiedzmy, badacze danych zrobili wcześniej w zakresie modelowania sytuacji, próbkowania danych, a następnie zestawiania ich w celu uzyskania głębszej analizy danych. W niektórych przypadkach możemy po prostu obciążyć go mocą komputera. Wystarczy wybrać algorytmy uczenia maszynowego, rzucić je na dane i zobaczyć, co się pojawi. I to może zrobić analityk biznesowy, prawda? Ale analityk biznesowy musi zrozumieć, co robią. Chodzi mi o to, myślę, że to jest problem, bardziej niż cokolwiek innego.

Chodzi o to, aby dowiedzieć się więcej o biznesie z jego danych niż w jakikolwiek inny sposób. Einstein tego nie powiedział, powiedziałem to. Po prostu wystawiłem jego zdjęcie na wiarygodność. Ale sytuacja zaczyna się właściwie rozwijać, gdy technologia, jeśli zostanie właściwie wykorzystana, a matematyka, jeśli właściwie zastosowana, będzie w stanie prowadzić firmę jak każda osoba. Oglądaliśmy to z IBM. Przede wszystkim mógł pokonać najlepszych facetów w szachach, a następnie pokonać najlepszych w Jeopardy; ale ostatecznie będziemy w stanie pokonać najlepszych facetów w prowadzeniu firmy. Statystyki w końcu zatriumfują. I trudno jest zobaczyć, jak to się nie stanie, po prostu jeszcze się nie wydarzyło.

Więc to, co mówię, i to jest rodzaj kompletnego przesłania mojej prezentacji, to te dwa problemy biznesu. Po pierwsze, czy potrafisz dobrze zastosować technologię? Czy potrafisz sprawić, by technologia działała dla zespołu, który faktycznie będzie w stanie jej przewodniczyć i uzyskać korzyści dla firmy? A po drugie, czy potrafisz dobrze zrozumieć ludzi? Oba są problemami. I są to problemy, które do tej pory, jak twierdzą, zostały rozwiązane.

Dobra Eric, przekażę ci to. A może powinienem przekazać to Willowi.

Eric: Właściwie tak. Dziękuję, Will Gorman. Tak, proszę bardzo, Will. Zobaczmy. Pozwól, że dam ci klucz do WebEx. Więc o co ci chodzi? Pentaho, oczywiście, jesteście już od jakiegoś czasu i zaczynacie od BI typu open source. Ale masz o wiele więcej niż kiedyś, więc zobaczmy, co masz w tych dniach na analizy.

Will Gorman: Absolutnie. Cześć wszystkim! Nazywam się Will Gorman. Jestem głównym architektem w Pentaho. Dla tych z was, którzy o nas nie słyszeli, właśnie wspomniałem, że Pentaho to firma zajmująca się integracją i analizą dużych zbiorów danych. Działamy na rynku od dziesięciu lat. Nasze produkty ewoluowały równolegle ze społecznością dużych zbiorów danych, zaczynając od platformy open source do integracji i analizy danych, wprowadzając innowacje z technologią taką jak Hadoop i NoSQL, nawet zanim podmioty komercyjne utworzyły się wokół tych technologii. A teraz mamy ponad 1500 klientów komercyjnych i wiele innych spotkań produkcyjnych dzięki naszym innowacjom wokół open source.

Nasza architektura jest w znacznym stopniu możliwa do osadzenia i rozszerzenia, zbudowana z myślą o elastyczności, ponieważ technologia dużych zbiorów danych ewoluuje w bardzo szybkim tempie. Pentaho oferuje trzy główne obszary produktów, które współpracują ze sobą, aby rozwiązać przypadki użycia analizy dużych zbiorów danych.

Pierwszym produktem w zakresie naszej architektury jest Pentaho Data Integration, który jest skierowany do technologa danych i inżynierów danych. Ten produkt oferuje obsługę wizualną metodą „przeciągnij i upuść” do definiowania potoków danych i procesów do koordynowania danych w środowiskach dużych zbiorów danych oraz w środowiskach tradycyjnych. Ten produkt jest lekką, metadatasową platformą integracji danych zbudowaną na Javie i może być wdrażany jako proces w MapReduce lub YARN lub Storm i wielu innych platformach wsadowych i czasu rzeczywistego.

Nasz drugi obszar produktów dotyczy analizy wizualnej. Dzięki tej technologii organizacje i producenci OEM mogą oferować analitykom biznesowym i użytkownikom biznesowym bogatą wizualizację i analizę typu „przeciągnij i upuść” dzięki nowoczesnym przeglądarkom i tabletom, umożliwiając tworzenie raportów i pulpitów nawigacyjnych ad hoc. A także prezentacja doskonale widocznych w pikselach pulpitów nawigacyjnych i raportów.

Nasz trzeci obszar produktów koncentruje się na analizach predykcyjnych przeznaczonych dla naukowców danych, algorytmach uczenia maszynowego. Jak wspomniano wcześniej, podobnie jak sieci neuronowe i tym podobne, można je zintegrować ze środowiskiem transformacji danych, umożliwiając naukowcom danych przejście od modelowania do środowiska produkcyjnego, dając dostęp do przewidywania, a to może wpływać na procesy biznesowe bardzo szybko, bardzo szybko.

Wszystkie te produkty są ściśle zintegrowane w jedno sprawne środowisko i zapewniają naszym klientom biznesowym elastyczność, której potrzebują, aby rozwiązać swoje problemy biznesowe. Obserwujemy szybko ewoluujący krajobraz dużych zbiorów danych w tradycyjnych technologiach. Wszystko, co słyszymy od niektórych firm z obszaru dużych zbiorów danych, że EDW zbliża się do końca. W rzeczywistości klienci firmowi widzą, że muszą wprowadzić duże zbiory danych do istniejących procesów biznesowych i informatycznych, a nie zastępować te procesy.

Ten prosty schemat pokazuje często spotykany punkt w architekturze, który jest rodzajem architektury wdrażania EDW z integracją danych i przypadkami użycia BI. Teraz ten schemat jest podobny do slajdu Robina dotyczącego architektury dużych zbiorów danych, zawiera dane historyczne i historyczne w czasie rzeczywistym. W miarę pojawiania się nowych źródeł danych i wymagań w czasie rzeczywistym postrzegamy duże zbiory danych jako dodatkową część ogólnej architektury IT. Te nowe źródła danych obejmują dane generowane maszynowo, dane nieustrukturyzowane, standardową objętość i prędkość oraz różnorodność wymagań, o których słyszymy w dużych danych; nie pasują do tradycyjnych procesów EDW. Pentaho ściśle współpracuje z Hadoop i NoSQL, aby uprościć wprowadzanie, przetwarzanie danych i wizualizację tych danych, a także mieszanie tych danych z tradycyjnymi źródłami, aby zapewnić klientom pełny wgląd w ich środowisko danych. Robimy to w sposób regulowany, aby dział IT mógł zaoferować pełne rozwiązanie analityczne w swojej branży.

Na zakończenie chciałbym podkreślić naszą filozofię dotyczącą analizy i integracji dużych zbiorów danych; uważamy, że technologie te lepiej współpracują z jedną jednolitą architekturą, umożliwiając szereg przypadków użycia, które w innym przypadku nie byłyby możliwe. Środowiska danych naszych klientów to nie tylko duże zbiory danych, Hadoop i NoSQL. Wszelkie dane są uczciwą grą. A źródła dużych zbiorów danych muszą być dostępne i współpracować, aby wpływać na wartość biznesową.

Wreszcie, uważamy, że w celu bardzo skutecznego rozwiązania tych problemów biznesowych w przedsiębiorstwach za pomocą danych, działy IT i branże muszą współpracować w ramach regulowanego, mieszanego podejścia do analizy dużych zbiorów danych. Dziękuję bardzo za poświęcenie czasu na rozmowę, Eric.

Eric: Obstawiasz. Nie, to dobre rzeczy. Chcę wrócić do tej strony Twojej architektury, gdy przejdziemy do pytań i odpowiedzi. Przejdźmy więc przez resztę prezentacji i bardzo za to dziękujemy. Wy zdecydowanie ruszacie się szybko przez ostatnie kilka lat, muszę to powiedzieć na pewno.

Więc Steve, pozwól, że pójdę dalej i przekażę ci to. I kliknij tam strzałkę w dół i idź po nią. Więc Steve, daję ci klucze. Steve Wilkes, po prostu kliknij najdalszą strzałkę w dół na klawiaturze.

Steve Wilkes: Proszę bardzo.

Eric: Proszę bardzo.

Steve: To świetne wprowadzenie, które mi dałeś.

Eric: Tak.

Steve: Więc jestem Steve Wilkes. Jestem CCO w WebAction. Istniejemy już od kilku lat i od tego czasu zdecydowanie też się poruszamy. WebAction to platforma do analizy dużych zbiorów danych w czasie rzeczywistym. Eric wspomniał wcześniej, jak ważne jest w czasie rzeczywistym i jak w czasie rzeczywistym Twoje aplikacje są pobierane. Nasza platforma została zaprojektowana do tworzenia aplikacji w czasie rzeczywistym. Aby umożliwić następnej generacji aplikacji opartych na danych, które można stopniowo budować, i umożliwić użytkownikom tworzenie pulpitów nawigacyjnych na podstawie danych generowanych z tych aplikacji, ale skupiając się na czasie rzeczywistym.

Nasza platforma jest w rzeczywistości kompletną platformą, która robi wszystko, od akwizycji danych, przetwarzania danych, aż po wizualizację danych. I umożliwia wielu różnym typom ludzi w naszym przedsiębiorstwie współdziałanie w celu tworzenia prawdziwych aplikacji w czasie rzeczywistym, zapewniając im wgląd w wydarzenia w ich firmie.

I to trochę różni się od tego, co większość ludzi widziała w dużych zbiorach danych, tak więc tradycyjne podejście - no, tradycyjne przez ostatnie kilka lat - podejście oparte na dużych zbiorach danych polegało na uchwyceniu go z całej gamy różnych źródeł i następnie ułóż go w dużym zbiorniku lub jeziorze lub jakkolwiek chcesz to nazwać. A następnie przetwarzaj go, gdy chcesz uruchomić na nim zapytanie; do przeprowadzania analiz historycznych na dużą skalę, a nawet po prostu doraźnego sprawdzania dużych ilości danych. Teraz działa to w niektórych przypadkach użycia. Ale jeśli chcesz być proaktywny w swoim przedsiębiorstwie, jeśli chcesz dowiedzieć się, co się dzieje, a nie dowiedzieć się, kiedy coś poszło nie tak pod koniec dnia lub pod koniec tygodnia, to naprawdę musisz się przenieść w czasie rzeczywistym.

I to trochę zmienia sytuację. Przenosi przetwarzanie na środek. Tak skutecznie bierzesz te strumienie dużych ilości danych, które są generowane w sposób ciągły w przedsiębiorstwie i przetwarzasz je, gdy je otrzymujesz. A ponieważ przetwarzasz go tak, jak go otrzymujesz, nie musisz przechowywać wszystkiego. Możesz po prostu przechowywać ważne informacje lub rzeczy, o których musisz pamiętać, że faktycznie się wydarzyły. Więc jeśli śledzisz lokalizację GPS pojazdów poruszających się po drodze, tak naprawdę nie obchodzi Cię, gdzie są one co sekundę, nie musisz zapisywać, gdzie są one co sekundę. Musisz się tylko przejmować, czy opuścili to miejsce? Czy dotarli do tego miejsca? Czy jechali autostradą, czy nie?

Dlatego bardzo ważne jest, aby wziąć pod uwagę, że w miarę jak generowanych jest coraz więcej danych, wówczas trzy Vs. Prędkość zasadniczo określa, ile danych generuje każdego dnia. Im więcej danych jest generowanych, tym więcej trzeba przechowywać. Im więcej musisz przechowywać, tym dłużej trwa przetwarzanie. Ale jeśli potrafisz go przetworzyć tak, jak go otrzymujesz, zyskujesz naprawdę dużą korzyść i możesz na to zareagować. Można powiedzieć, że coś się dzieje, zamiast szukać ich później.

Nasza platforma została zaprojektowana tak, aby była wysoce skalowalna. Składa się z trzech głównych części - części odbiorczej, części przetwarzającej, a następnie części wizualizacji dostawy platformy. Po stronie akwizycji nie patrzymy tylko na dane dziennika generowane maszynowo, takie jak dzienniki sieciowe lub aplikacje, które zawierają wszystkie inne generowane dzienniki. We can also go in and do change data capture from databases. So that basically enables us to, we've seen the ETL side that Will presented and traditional ETL you have to run queries against the databases. We can be told when things happen in the database. We change it and we capture it and receive those events. And then there's obviously the social feeds and live device data that's being pumped to you over TCP or ACDP sockets.

There's tons of different ways of getting data. And talking of volume and velocity, we're seeing volumes that are billions of events per day, right? So it's large, large amounts of data that is coming in and needs to be processed.

That is processed by a cluster of our servers. The servers all have the same architecture and are all capable of doing the same things. But you can configure them to, sort of, do different things. And within the servers we have a high-speed query processing layer that enables you to do some real-time analytics on the data, to do enrichments of the data, to do event correlation, to track things happening within time windows, to do predictive analytics based on patterns that are being seen in the data. And that data can then be stored in a variety places - the traditional RDBMS, enterprise data warehouse, Hadoop, big data infrastructure.

And the same live data can also be used to power real-time data-driven apps. Those apps can have a real-time view of what's going on and people can also be alerted when important things happen. So rather than having to go in at the end of the day and find out that something bad really happened earlier on the day, you could be alerted about it the second we spot it and it goes straight to the page draw down to find out what's going on.

So it changes the paradigm completely from having to analyze data after the fact to being told when interesting things are happening. And our platform can then be used to build data-driven applications. And this is really where we're focusing, is building out these applications. For customers, with customers, with a variety of different partners to show true value in real-time data analysis. So that allows people that, or companies that do site applications, for example, to be able track customer usage over time and ensure that the quality of service is being met, to spot real-time fraud or money laundering, to spot multiple logins or hack attempts and those kind of security events, to manage things like set-top boxes or other devices, ATM machines to monitor them in real time for faults, failures that have happened, could happen, will happen in the future based on predictive analysis. And that goes back to the point of streamlining operations that Eric mentioned earlier, to be able to spot when something's going to happen and organize your business to fix those things rather than having to call someone out to actually do something after the fact, which is a lot more expensive.

Consumer analytics is another piece to be able to know when a customer is doing something while they're still there in your store. Data sent to management to be able to in real time monitor resource usage and change where things are running and to be able to know about when things are going to fail in a much more timely fashion.

So that's our products in a nutshell and I'm sure we'll come back to some of these things in the Q&A session. Dziękuję Ci.

Eric: Yes, indeed. Dobra robota. Okay good. And now next stop in our lightning round, we've got Frank Sanders calling in from MarkLogic. I've known about these guys for a number of years, a very, very interesting database technology. So Frank, I'm turning it over to you. Just click anywhere in that. Use the down arrow on your keyboard and you're off to the races. Proszę bardzo.

Frank Sanders: Thank you very much, Eric. So as Eric mentioned, I'm with a company called MarkLogic. And what MarkLogic does is we provide an enterprise NoSQL database. And perhaps, the most important capability that we bring to the table with regards to that is the ability to actually bring all of these disparate sources of information together in order to analyze, search and utilize that information in a system similar to what you're used to with traditional relational systems, right?

And some of the key features that we bring to the table in that regard are all of the enterprise features that you'd expect from a traditional database management system, your security, your HA, your DR, your backup are in store, your asset transactions. As well as the design that allows you to scale out either on the cloud or in the commodity hardware so that you can handle the volume and the velocity of the information that you're going to have to handle in order to build and analyze this sort of information.

And perhaps, the most important capability is that fact that we're scheme agnostic. What that means, practically, is that you don't have to decide what your data is going to look like when you start building your applications or when you start pulling those informations together. But over time, you can incorporate new data sources, pull additional information in and then use leverage and query and analyze that information just as you would with anything that was there from the time that you started the design. W porządku?

So how do we do that? How do we actually enable you to load different sorts of information, whether it be text, RDF triples, geospatial data, temporal data, structured data and values, or binaries. And the answer is that we've actually built our server from the ground up to incorporate search technology which allows you to put information in and that information self describes and it allows you to query, retrieve and search that information regardless of its source or format.

And what that means practically is that - and why this is important when you're doing analysis - is that analytics and information is most important ones when it's properly contextualized and targeted, right? So a very important key part of any sort of analytics is search, and the key part is search analytics. You can't really have one without the other and successfully achieve what you set out to achieve. Dobrze?

And I'm going to talk briefly about three and a half different use cases of customers that we have at production that are using MarkLogic to power this sort of analytics. W porządku. So the first such customer is Fairfax County. And Fairfax County has actually built two separate applications. One is based around permitting and property management. And the other, which is probably a bit more interesting, is the Fairfax County police events application. What the police events application actually does is it pulls information together like police reports, citizen reports and complaints, Tweets, other information they have such as sex offenders and whatever other information that they have access to from other agencies and sources. Then they allow them to visualize that and present this to the citizens so they can do searches and look at various crime activity, police activity, all through one unified geospatial index, right? So you can ask questions like, "what is the crime rate within five miles" or "what crimes occurred within five miles of my location?" W porządku.

Another user that we've got, another customer that we have is OECD. Why OECD is important to this conversation is because in addition to everything that we've enabled for Fairfax County in terms of pulling together information, right; all the information that you would get from all various countries that are members of the OECD that they report on from an economic perspective. We actually laid a target drill into that, right. So you can see on the left-hand side we're taking the view of Denmark specifically and you can kind of see a flower petal above it that rates it on different axes. Dobrze? And that's all well and good. But what the OECD has done is they've gone a step further.

In addition to these beautiful visualizations and pulling all these information together, they're actually allowing you in real time to create your own better life index, right, which you can see on the right-hand side. So what you have there is you have a set of sliders that actually allow you to do things like rank how important housing is to you or income, jobs, community, education, environment, civic engagement, health, life satisfaction, safety and your work/life balance. And dynamically based on how you are actually inputting that information and weighting those things, MarkLogic's using its real-time indexing capability and query capability to actually then change how each and every one of these countries is ranked to give you an idea of how well your country or your lifestyle maps through a given country. W porządku?

And the final example that I'm going to share is MarkMail. And what MarkMail really tries to demonstrate is that we can provide these capabilities and you can do the sort of analysis not only on structured information or information that's coming in that's numerical but actually on more loosely structured, unstructured information, right? Things like emails. And what we've seen here is we're actually pulling information like geolocation, sender, company, stacks and concepts like Hadoop being mentioned within the context of an email and then visualizing it on the map as well as looking at who those individuals and what list across that, a sent and a date. This where you're looking at things that are traditionally not structured, that may be loosely structured, but are still able to derive some structured analysis from that information without having to go to a great length to actually try and structure it or process it at a time. I to wszystko.

Eric: Hey, okay good. And we got one more. We've got Hannah Smalltree from Treasure Data, a very interesting company. And this is a lot of great content, folks. Thank you so much for all of you for bringing such good slides and such good detail. So Hannah, I just gave the keys to you, click anywhere and use the down arrow on your keyboard. Masz to. Zabierz to.

Hannah Smalltree: Thank you so much, Eric. This is Hannah Smalltree from Treasure Data. I'm a director with Treasure Data but I have a past as a tech journalist, which means that I appreciate two things. First of all, these can be long to sit through a lot of different descriptions of technology, and it can all sound like it runs together so I really want to focus on our differentiator. And the real-world applications are really important so I appreciate that all of my peers have been great about providing those.

Treasure Data is a new kind of big data service. We're delivered entirely on the cloud in a software as a service or managed-service model. So to Dr. Bloor's point earlier, this technology can be really hard and it can be very time consuming to get up and running. With Treasure Data, you can get all of these kinds of capabilities that you might get in a Hadoop environment or a complicated on-premise environment in the cloud very quickly, which is really helpful for these new big data initiatives.

Now we talk about our service in a few different phases. We offer some very unique collection capabilities for collecting streaming data so particularly event data, other kinds of real-time data. We'll talk a little bit more about those data types. That is a big differentiator for our service. As you get into big data or if you are already in it then you know that collecting this data is not trivial. When you think about a car with 100 sensors sending data every minute, even those 100 sensors sending data every ten minutes, that adds up really quickly as you start to multiply the amount of products that you have out there with sensors and it quickly becomes very difficult to manage. So we are talking with customers who have millions, we have customers who have billions of rows of data a day that they're sending us. And they're doing that as an alternative to try and to manage that themselves in a complicated Amazon infrastructure or even try to bring it into their own environment.

We have our own cloud storage environment. We manage it. We monitor it. We have a team of people that's doing all that tuning for you. And so the data flows in, it goes into our managed storage environment.

Then we have embedded query engines so that your analyst can go in and run queries and do some initial data discovery and exploration against the data. We have a couple of different query engines for it actually now. You can use SQL syntax, which your analysts probably know and love, to do some basic data discovery, to do some more complex analytics that are user-defined functions or even to do things as simple as aggregate that data and make it smaller so that you can bring it into your existing data warehouse environment.

You can also connect your existing BI tools, your Tableau, is a big partner of ours; but really most BIs, visualization or analytics tools can connect via our industry standard JDBC and ODBC drivers. So it gives you this complete set of big data capabilities. You're allowed to export your queries results or data sets anytime for free, so you can easily integrate that data. Treat this as a data refinery. I like to think of it more as a refinery than a lake because you can actually do stuff with it. You can go through, find the valuable information and then bring it into your enterprise processes.

The next slide, we talk about the three Vs of big data - some people say four or five. Our customers tend to struggle with the volume and velocity of the data coming at them. And so to get specific about the data types - Clickstream, Web access logs, mobile data is a big area for us, mobile application logs, application logs from custom Web apps or other applications, event logs. And increasingly, we have a lot of customers dealing with sensor data, so from wearable devices, from products, from automotive, and other types of machine data. So when I say big data, that's the type of big data that I'm talking about.

Now, a few use cases in perspective for you - we work with a retailer, a large retailer. They are very well known in Asia. They're expanding here in the US. You'll start to see stores; they're often called Asian IKEA, so, simple design. They have a loyalty app and a website. And in fact, using Treasure Data, they were able to deploy that loyalty app very quickly. Our customers get up and running within days or weeks because of our software and our service architecture and because we have all of the people doing all of that hard work behind the scenes to give you all of those capabilities as a service.

So they use our service for mobile application analytics looking at the behavior, what people are clicking on in their mobile loyalty application. They look at the website clicks and they combine that with our e-commerce and POS data to design more efficient promotions. They actually wanted to drive people into stores because they found that people, when they go into stores spend more money and I'm like that; to pick up things, you spend more money.

Another use case that we're seeing in digital video games, incredible agility. They want to see exactly what is happening in their game, and make changes to that game even within hours of its release. So for them, that real-time view is incredibly important. We just released a game but we noticed in the first hour that everyone is dropping off at Level 2; how are we going to change that? They might change that within the same day. So real time is very important. They're sending us billions of event logs per day. But that could be any kind of mobile application where you want some kind of real-time view into how somebody's using that.

And finally, a big area for us is our product behavior and sensor analytics. So with sensor data that's in cars, that's in other kinds of machines, utilities, that's another area for us, in wearable devices. We have research and development teams that want to quickly know what the impact of a change to a product is or people interested in the behavior of how people are interacting with the product. And we have a lot more use cases which, of course, we're happy to share with you.

And then finally, just show you how this can fit into your environment, we offer again the capability to collect that data. We have very unique collection technology. So again, if real-time collection is something that you're struggling with or you anticipate struggling with, please come look at the Treasure Data service. We have really made capabilities for collecting streaming data. You can also bulk load your data, store it, analyze it with our embedded query engines and then, as I mentioned, you can export it right to your data warehouse. I think Will mentioned the need to introduce big data into your existing processes. So not go around or create a new silo, but how do you make that data smaller and then move it into your data warehouse and you can connect to your BI, visualization and advanced analytics tools.

But perhaps, the key points I want to leave you with are that we are managed service, that's software as a service; it's very cost effective. A monthly subscription service starting at a few thousand dollars a month and we'll get you up and running in a matter of days or weeks. So compare that with the cost of months and months of building your own infrastructure and hiring those people and finding it and spending all that time on infrastructure. If you're experimenting or if you need something yesterday, you can get up and running really quickly with Treasure Data.

And I'm just pointing you to our website and to our starter service. If you're a hands-on person who likes to play, please check out our starter service. You can get on, no credit card required, just name and email, and you can play with our sample data, load up your own data and really get a sense of what we're talking about. So thanks so much. Also, check our website. We were named the Gartner Cool Vendor in Big Data this year, very proud of that. And you can also get a copy of that report for free on our website as well as many other analyst white papers. So thanks so much.

Eric: Okay, thank you very much. We've got some time for questions here, folks. We'll go a little bit long too because we've got a bunch of folks still on the line here. And I know I've got some questions myself, so let me go ahead and take back control and then I'm going to ask a couple of questions. Robin and Kirk, feel free to dive in as you see fit.

So let me go ahead and jump right to one of these first slides that I checked out from Pentaho. So here, I love this evolving big data architecture, can you kind of talk about how it is that this kind of fits together at a company? Because obviously, you go into some fairly large organization, even a mid-size company, and you're going to have some people who already have some of this stuff; how do you piece this all together? Like what does the application look like that helps you stitch all this stuff together and then what does the interface look like?

Will: Great question. The interfaces are a variety depending on the personas involved. But as an example, we like to tell the story of - one of the panelists mentioned the data refinery use case - we see that a lot in customers.

One of our customer examples that we talk about is Paytronix, where they have that traditional EDW data mart environment. They are also introducing Hadoop, Cloudera in particular, and with various user experiences in that. So first there's an engineering experience, so how do you wire all these things up together? How do you create the glue between the Hadoop environment and EDW?

And then you have the business user experience which we talked about, a number of BI tools out there, right? Pentaho has a more embeddable OEM BI tool but there are great ones out there like Tableau and Excel, for instance, where folks want to explore the data. But usually, we want to make sure that the data is governed, right? One of the questions in the discussions, what about single-version experience, how do you manage that, and without the technology like Pentaho data integration to blend that data together not on the glass but in the IT environments. So it really protects and governs the data and allows for a single experience for the business analyst and business users.

Eric: Okay, good. That's a good answer to a difficult question, quite frankly. And let me just ask the question to each of the presenters and then maybe Robin and Kirk if you guys want to jump in too. So I'd like to go ahead and push this slide for WebAction which I do think is really a very interesting company. Actually, I know Sami Akbay who is one of the co-founders, as well. I remember talking to him a couple years ago and saying, "Hey man, what are you doing? What are you up to? I know you've got to be working on something." And of course, he was. He was working on WebAction, under the covers here.

A question came in for you, Steve, so I'll throw it over to you, of data cleansing, right? Can you talk about these components of this real-time capability? How do you deal with issues like data cleansing or data quality or how does that even work?

Steve: So it really depends on where you're getting your feeds from. Typically, if you're getting your feeds from a database as you change data capture then, again, it depends there on how the data was entered. Data cleansing really becomes a problem when you're getting your data from multiple sources or people are entering it manually or you kind of have arbitrary texts that you have to try and pull things out of. And that could certainly be part of the process, although that type simply doesn't lend itself to true, kind of, high-speed real-time processing. Data cleansing, typically, is an expensive process.

So it may well be that that could be done after the fact in the store site. But the other thing that the platform is really, really good at is correlation, so in correlation and enrichment of data. You can, in real time, correlate the incoming data and check to see whether it matches a certain pattern or it matches data that's being retrieved from a database or Hadoop or some other store. So you can correlate it with historical data, is one thing you could do.

The other thing that you can do is basically do analysis on that data and see whether it kind of matches certain required patterns. And that's something that you can also do in real time. But the traditional kind of data cleansing, where you're correcting company names or you're correcting addresses and all those types of things, those should probably be done in the source or kind of after the fact, which is very expensive and you pray that they won't do those in real time.

Eric: Yeah. And you guys are really trying to address the, of course, the real-time nature of things but also get the people in time. And we talked about, right, I mentioned at the top of the hour, this whole window of opportunity and you're really targeting specific applications at companies where you can pull together data not going the usual route, going this alternate route and do so in such a low latency that you can keep customers. For example, you can keep people satisfied and it's interesting, when I talked to Sami at length about what you guys are doing, he made a really good point. He said, if you look at a lot of the new Web-based applications; let's look at things like Twitter, Bitly or some of these other apps; they're very different than the old applications that we looked at from, say, Microsoft like Microsoft Word.

I often use Microsoft as sort of a whipping boy and specifically Word to talk about the evolution of software. Because Microsoft Word started out as, of course, a word processing program. I'm one of those people who remember Word Perfect. I loved being able to do the reveal keys or the reveal code, basically, which is where you could see the actual code in there. You could clean something up if your bulleted list was wrong, you can clean it up. Well, Word doesn't let you do that. And I can tell you that Word embeds a mountain of code inside every page that you do. If anyone doesn't believe me, then go to Microsoft Word, type "Hello World" and then do "Export as" or "Save as" .html. Then open that document in a text editor and that will be about four pages long of codes just for two words.

So you guys, I thought it was very interesting and it's time we talked about that. And that's where you guys focus on, right, is identifying what you might call cross-platform or cross-enterprise or cross-domain opportunities to pull data together in such quick time that you can change the game, right?

Steve: Yeah, absolutely. And one of the keys that, I think, you did elude to, anyway, is you really want to know about things happening before your customers do or before they really, really become a problem. As an example are the set-top boxes. Cable boxes, they emit telemetry all the time, loads and loads of telemetry. And not just kind of the health of the box but it's what you're watching and all that kind of stuff, right? The typical pattern is you wait till the box fails and then you call your cable provider and they'll say, "Well, we will get to you sometime between the hours of 6am and 11pm in the entire month of November." That isn't a really good customer experience.

But if they could analyze that telemetry in real time then they could start to do things like that we know these boxes are likely to fail in the next week based historical patterns. Therefore we'll schedule our cable repair guy to turn up at this person's house prior to it failing. And we'll do that in a way that suits us rather than having to send him from Santa Cruz up to Sunnyvale. We'll schedule everything in a nice order, traveling salesman pattern, etc., so that we can optimize our business. And so the customer is happy because they don't have a failing cable box. And the cable provider is happy because they have just streamlined things and they don't have to send people all over the place. That's just a very quick example. But there are tons and tons of examples where knowing about things as they happen, before they happen, can save companies a fortune and really, really improve their customer relations.

Eric: Yeah, right. No doubt about it. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.

So a lot of people who followed the space know that a lot of the NoSQL tools out there are now bolting on search capabilities whether through third parties or they try to do their own. But to have that search already embedded in that, baked-in so to speak, really is a big deal. Because if you think about it, if you don't have SQL, well then how do you go in and search the data? How do you pull from that data resource? And the answer is to typically use search to get to the data that you're looking for, right?

So I think that's one of the key differentiators for you guys aside being able to pull data from all these different sources and store that data and really facilitate this sort of hybrid environment. I'm thinking that search capability is a big deal for you, right?

Frank: Yeah, absolutely. In fact, that's the only way to solve the problem consistently when you don't know what all the data is going to look like, right? If you cannot possibly imagine all the possibilities then the only way to make sure that you can locate all the information that you want, that you can locate it consistently and you can locate it regardless of how you evolve your data model and your data sets is to make sure you give people generic tools that allow them to interrogate that data. And the easiest, most intuitive way to do that is through a search paradigm, right? And through the same approach in search takes where we created an inverted index. You have entries where you can actually look into those and then find records and documents and rows that actually contain the information you're looking for to then return it to the customer and allow them to process it as they see fit.

Eric: Yeah and we talked about this a lot, but you're giving me a really good opportunity to kind of dig into it - the whole search and discovery side of this equation. But first of all, it's a lot of fun. For anyone who likes that stuff, this is the fun part, right? But the other side of the equation or the other side of the coin, I should say, is that it really is an iterative process. And you got to be able to - here I'll be using some of the marketing language - have that conversation with the data, right? In other words, you need to be able to test the hypothesis, play around with it and see how that works. Maybe that's not there, test something else and constantly change things and iterate and search and research and just think about stuff. And that's a process. And if you have big hurdles, meaning long latencies or a difficult user interface or you got to go ask IT; that just kills the whole analytical experience, right?

So it's important to have this kind of flexibility and to be able to use searches. And I like the way that you depicted it here because if we're looking at searching around different, sort of, concepts or keys, if you will, key values and they're different dimensions. You want to be able to mix and match that stuff in order to enable your analyst to find useful stuff, right?

Frank: Yeah, absolutely. I mean, hierarchy is an important thing as well, right? So that when you include something like a title, right, or a specific term or value, that you can actually point to the correct one. So if you're looking for a title of an article, you're not getting titles of books, right? Or you're not getting titles of blog posts. The ability to distinguish between those and through the hierarchy of the information is important as well.

You pointed out earlier the development, absolutely, right? The ability for our customers to actually pull in new data sources in a matter of hours, start to work with them, evaluate whether or not they're useful and then either continue to integrate them or leave them by the wayside is extremely valuable. When you compare it to a more traditional application development approach where what you end up doing is you have to figure out what data you want to ingest, source the data, figure out how you're going to fit it in your existing data model or model that in, change that data model to incorporate it and then actually begin the development, right? Where we kind of turn that on our head and say just bring it to us, allow you to start doing the development with it and then decide later whether or not you want to keep it or almost immediately whether or not it's of value.

Eric: Yeah, it's a really good point. That's a good point. So let me go ahead and bring in our fourth presenter here, Treasure Data. I love these guys. I didn't know much about them so I'm kind of kicking myself. And then Hannah came to us and told us what they were doing. And Hannah mentioned, she was a media person and she went over to the dark side.

Hannah: I did, I defected.

Eric: That's okay, though, because you know what we like in the media world. So it's always nice when a media person goes over to the vendor side because you understand, hey, this stuff is not that easy to articulate and it can be difficult to ascertain from a website exactly what this product does versus what that product does. And what you guys are talking about is really quite interesting. Now, you are a cloud-managed service. So any data that someone wants to use they upload to your cloud, is that right? And then you will ETL or CDC, additional data up to the cloud, is that how that works?

Hannah: Well, yeah. So let me make an important distinction. Most of the data, the big data, that our customers are sending us is already outside the firewall - mobile data, sensor data that's in products. And so we're often used as an interim staging area. So data is not often coming from somebody's enterprise into our service so much as it's flowing from a website, a mobile application, a product with lots of sensors in it - into our cloud environment.

Now if you'd like to enrich that big data in our environment, you can definitely bulk upload some application data or some customer data to enrich that and do more of the analytics directly in the cloud. But a lot of our value is around collecting that data that's already outside the firewall, bringing together into one place. So even if you do intend to bring this up sort of behind your firewall and do more of your advanced analytics or bring it into your existing BI or analytics environment, it's a really good staging point. Because you don't want to bring a billion rows of day into your data warehouse, it's not cost effective. It's even difficult if you're planning to store that somewhere and then batch upload.

So we're often the first point where data is getting collected that's already outside firewall.

Eric: Yeah, that's a really good point, too. Because a lot of companies are going to be nervous about taking their proprietary customer data, putting it up in the cloud and to manage the whole process.

Hannah: Yeah.

Eric: And what you're talking about is really getting people a resource for crunching those heavy duty numbers of, as you suggest, data that's third party like mobile data and the social data and all that kind of fun stuff. That's pretty interesting.

Hannah: Yeah, absolutely. And probably they are nervous about the products because the data are already outside. And so yeah, before bringing it in, and I really like that refinery term, as I mentioned, versus the lake. So can you do some basic refinery? Get the good stuff out and then bring it behind the firewall into your other systems and processes for deeper analysis. So it's really all data scientists can do, real-time data exploration of this new big data that's flowing in.

Eric: Yeah, that's right. Well, let me go ahead and bring in our analysts and we'll kind of go back in reverse order. I'll start with you, Robin, with respect to Treasure Data and then we'll go to Kirk for some of the others. And then back to Robin and back to Kirk just to kind of get some more assessment of this.

And you know the data refinery, Robin, that Hannah is talking about here. I love that concept. I've heard only a few people talking about it that way but I do think that you certainly mentioned that before. And it really does speak to what is actually happening to your data. Because, of course, a refinery, it basically distills stuff down to its root level, if you think about oil refineries. I actually studied this for a while and it's pretty basic, but the engineering that goes into it needs to be exactly correct or you don't get the stuff that you want. So I think it's a great analogy. What do you think about this whole concept of the Treasure Data Cloud Service helping you tackle some of those very specific analytical needs without having to bring stuff in-house?

Robin: Well, I mean, obviously depending on the circumstances to how convenient that is. But anybody that's actually got already made process is already going to put you ahead of the game if you haven't got one yourself. This is the first takeaway for something like that. If somebody assembled something, they've done it, it's proven in the marketplace and therefore there's some kind of value in effect, well, the work is already gone into it. And there's also the very general fact that refining of data is going to be a much bigger issue than it ever was before. I mean, it is not talked about, in my opinion anyway, it's not talked about as much as it should be. Simply apart from the fact that size of the data has grown and the number of sources and the variety of those sources has grown quite considerably. And the reliability of the data in terms of whether it's clean, they need to disambiguate the data, all sorts of issues that rise just in terms of the governance of the data.

So before you actually get around to being able to do reliable analysis on it, you know, if your data's dirty, then your results will be skewed in some way or another. So that is something that has to be addressed, that has to be known about. And the triangulator of providing, as far as I can see, a very viable service to assist in that.

Eric: Yes, indeed. Well, let me go ahead and bring Kirk back into the equation here just real quickly. I wanted to take a look at one of these other slides and just kind of get your impression of things, Kirk. So maybe let's go back to this MarkLogic slide. And by the way, Kirk provided the link, if you didn't see it folks, to some of his class discovery slides because that's a very interesting concept. And I think this is kind of brewing at the back of my mind, Kirk, as I was talking about this a moment ago. This whole question that one of the attendees posed about how do you go about finding new classes. I love this topic because it really does speak to the sort of, the difficult side of categorizing things because I've always had a hard time categorizing stuff. I'm like, "Oh, god, I can fit in five categories, where do I put it?" So I just don't want to categorize anything, right?

And that's why I love search, because you don't have to categorize it, you don't have to put it in the folder. Just search for it and you'll find it if you know how to search. But if you're in that process of trying to segment, because that's basically what categorization is, it's segmenting; finding new classes, that's kind of an interesting thing. Can you kind of speak to the power of search and semantics and hierarchies, for example, as Frank was talking about with respect to MarkLogic and the role that plays in finding new classes, what do you think about that?

Kirk: Well, first of all, I'd say you are reading my mind. Because that was what I was thinking of a question even before you were talking, this whole semantic piece here that MarkLogic presented. And if you come back to my slide, you don't have to do this, but back on the slide five on what I presented this afternoon; I talked about this semantics that the data needs to be captured.

So this whole idea of search, there you go. I firmly believe in that and I've always believed in that with big data, sort of take the analogy of Internet, I mean, just the Web, I mean having the world knowledge and information and data on a Web browser is one thing. But to have it searchable and retrievable efficiently as one of the big search engine companies provide for us, then that's where the real power of discovery is. Because connecting the search terms, sort of the user interests areas to the particular data granule, the particular webpage, if you want to think the Web example or the particular document if you're talking about document library. Or a particular customer type of segment if that's your space.

And semantics gives you that sort of knowledge layering on top of just a word search. If you're searching for a particular type of thing, understanding that a member of a class of such things can have a certain relationship to other things. Even include that sort of relationship information and that's a class hierarchy information to find things that are similar to what you're looking for. Or sometimes even the exact opposite of what you're looking for, because that in a way gives you sort of additional core of understanding. Well, probably something that's opposite of this.

Eric: Yeah.

Kirk: So actually understand this. I can see something that's opposite of this. And so the semantic layer is a valuable component that's frequently missing and it's interesting now that this would come up here in this context. Because I've taught a graduate course in database, data mining, learning from data, data science, whatever you want to call it for over a decade; and one of my units in this semester-long course is on semantics and ontology. And frequently my students would look at me like, what does this have to do with what we're talking about? And of course at the end, I think we do understand that putting that data in some kind of a knowledge framework. So that, just for example, I'm looking for information about a particular customer behavior, understanding that that behavior occurs, that's what the people buy at a sporting event. What kind of products do I offer to my customers when I notice on their social media - on Twitter or Facebook - that they say they're going to a sporting event like football, baseball, hockey, World Cup, whatever it might be.

Okay, so sporting event. So they say they're going to, let's say, a baseball game. Okay, I understand that baseball is a sporting event. I understand that's usually a social and you go with people. I understand that it's usually in an outdoor space. I mean, understanding all those contextual features, it enables sort of, more powerful, sort of, segmentation of the customer involved and your sort of personalization of the experience that you're giving them when, for example, they're interacting with your space through a mobile app while they're sitting in a stadium.

So all that kind of stuff just brings so much more power and discovery potential to the data in that sort of indexing idea of indexing data granules by their semantic place and the knowledge space is really pretty significant. And I was really impressed that came out today. I think it's sort of a fundamental thing to talk.

Eric: Yeah, it sure is. It's very important in the discovery process, it's very important in the classification process. And if you think about it, Java works in classes. It's an object oriented, I guess, more or less, you could say form of programming and Java works in classes. So if you're actually designing software, this whole concept of trying to find new classes is actually pretty important stuff in terms of the functionality you're trying to deliver. Because especially in this new wild, wooly world of big data where you have so much Java out there running so many of these different applications, you know there are 87, 000 ways or more to get anything done with a computer, to get any kind of bit of functionality done.

One of my running jokes when people say, "Oh, you can build a data warehouse using NoSQL." I'm like, "well, you could, yeah, that's true. You could also build a data warehouse using Microsoft Word." It's not the best idea, it's not going to perform very well but you can actually do it. So the key is you have to find the best way to do something.

Śmiało.

Kirk: Let me just respond to that. It's interesting you mentioned the Java class example which didn't come into my mind until you said it. One of the aspects of Java and classes and that sort of object orientation is that there are methods that bind to specific classes. And this is really the sort of a message that I was trying to send in my presentation and that once you understand some of these data granules - these knowledge nuggets, these tags, these annotations and these semantic labels - then you can bind a method to that. They basically have this reaction or this response and have your system provide this sort of automated, proactive response to this thing the next time that we see it in the data stream.

So that concept of binding actions and methods to specific class is really one of the powers of automated real-time analytics. And I think that you sort of hit on something.

Eric: Good, good, good. Well, this is good stuff. So let's see, Will, I want to hand it back to you and actually throw a question to you from the audience. We got a few of those in here too. And folks, we're going long because we want to get some of these great concepts in these good questions.

So let me throw a question over to you from one of the audience numbers who's saying, "I'm not really seeing how business intelligence is distinguishing cause and effect." In other words, as the systems are making decisions based on observable information, how do they develop new models to learn more about the world? It's an interesting point so I'm hearing a cause-and-effect correlation here, root cause analysis, and that's some of that sort of higher-end stuff in the analytics that you guys talk about as opposed to traditional BI, which is really just kind of reporting and kind of understanding what happened. And of course, your whole direction, just looking at your slide here, is moving toward that predictive capability toward making those decisions or at least making those recommendations, right? So the idea is that you guys are trying to service the whole range of what's going on and you're understanding that the key, the real magic, is in the analytical goal component there on the right.

Will: Absolutely. I think that question is somewhat peering into the future, in the sense that data science, as I mentioned before, we saw the slide with the requirements of the data scientist; it's a pretty challenging role for someone to be in. They have to have that rich knowledge of statistics and science. You need to have the domain knowledge to apply your mathematical knowledge to the domains. So what we're seeing today is there aren't these out-of-the-box predictive tools that a business user, like, could pull up in Excel and automatically predict their future, right?

It does require that advanced knowledge in technology at this stage. Now someday in the future, it may be that some of these systems, these scale-out systems become sentient and start doing some wild stuff. But I would say at this stage, you still have to have a data scientist in the middle to continue to build models, not these models. These predictive models around data mining and such are highly tuned in and built by the data scientist. They're not generated on their own, if you know what I mean.

Eric: Yeah, exactly. That's exactly right. And one of my lines is "Machines don't lie, at least not yet."

Will: Not yet, exactly.

Eric: I did read an article - I have to write something about this - about some experiment that was done at a university where they said that these computer programs learned to lie, but I got to tell you, I don't really believe it. We'll do some research on that, folks.

And for the last comment, so Robin I'll bring you back in to take a look at this WebAction platform, because this is very interesting. This is what I love about a whole space is that you get such different perspectives and different angles taken by the various vendors to serve very specific needs. And I love this format for our show because we got four really interesting vendors that are, frankly, not really stepping on each others' toes at all. Because we're all doing different bits and pieces of the same overall need which is to use analytics, to get stuff done.

But I just want to get your perspective on this specific platform and their architecture. How they're going about doing things. I find it pretty compelling. Co myślisz?

Robin: Well, I mean, it's pointed at extremely fast results from streaming data and as search, you have to architect for that. I mean, you're not going to get away with doing anything, amateurish, as we got any of that stuff. I hear this is extremely interesting and I think that one of the things that we witnessed over the past; I mean I think you and I, our jaw has been dropping more and more over the past couple of years as we saw more and more stuff emerge that was just like extraordinarily fast, extraordinarily smart and pretty much unprecedented.

This is obviously, WebAction, this isn't its first rodeo, so to speak. It's actually it's been out there taking names to a certain extent. So I don't see but supposed we should be surprised that the architecture is fairly switched but it surely is.

Eric: Well, I'll tell you what, folks. We burned through a solid 82 minutes here. I mean, thank you to all those folks who have been listening the whole time. If you have any questions that were not answered, don't be shy, send an email to yours truly. We should have an email from me lying around somewhere. And a big, big thank you to both our presenters today, to Dr. Kirk Borne and to Dr. Robin Bloor.

Kirk, I'd like to further explore some of that semantic stuff with you, perhaps in a future webcast. Because I do think that we're at the beginning of a very new and interesting stage now. What we're going to be able to leverage a lot of the ideas that the people have and make them happen much more easily because, guess what, the software is getting less expensive, I should say. It's getting more usable and we're just getting all this data from all these different sources. And I think it's going to be a very interesting and fascinating journey over the next few years as we really dig into what this stuff can do and how can it improve our businesses.

So big thank you to Techopedia as well and, of course, to our sponsors - Pentaho, WebAction, MarkLogic and Treasure Data. And folks, wow, with that we're going to conclude, but thank you so much for your time and attention. We'll catch you in about a month and a half for the next show. And of course, the briefing room keeps on going; radio keeps on going; all our other webcast series keep on rocking and rolling, folks. Dziękuję bardzo. We'll catch you next time. PA pa.