Zobrať: Hosť Eric Kavanagh diskutuje o údajoch a analytike, ako aj o úlohách vedúceho dátového dôstojníka (CDO) a hlavného analytického dôstojníka (CAO) s Jen Underwoodovou zo spoločnosti Impact Analytix a Nickom Jewellom z Alteryxu.
Eric Kavanagh: Dámy a páni, Zdravíme vás a vítame vás opäť vo veľmi špeciálnom vydaní Hot Technologies. Ľudia, toto je Eric Kavanagh, budem vaším hostiteľom pre dnešnú šou: „Príručka CxO: Budúcnosť údajov a analýzy“. Musím povedať, že je to dosť veľká téma. Dnes tu máme trochu rekordného davu. Dnes ráno sme sa do webového vysielania prihlásili viac ako 540 ľudí. Robíme to v špeciálnom čase, ako mnohí z vás vedia pre naše pravidelné šou, zvyčajne to robíme o 4:00 na východ, ale chceli sme vyhovieť veľmi špeciálnemu hosťovi prichádzajúcemu cez rybník. Dovoľte mi, aby som sa dnes ponoril priamo do prezentácie.
Tento rok je teda horúci - v mnohých ohľadoch to bol veľmi búrlivý rok. Myslím si, že s tým má cloud veľa spoločného. Sútok technológií, ktorých sme na trhu svedkami, je hlavným hnacím motorom a ja samozrejme beriem na vedomie, že to SMAC hovorí. Hovoríme o SMAC: sociálne, mobilné, analytické, cloudové služby a všetko, čo sa spája. Organizácie môžu skutočne zmeniť spôsob podnikania. Existuje viac kanálov na vykonávanie vašich obchodných operácií, je tu viac údajov, ktoré sa majú analyzovať. Je to skutočne divoký svet a dnes sa budeme baviť o tom, ako sa veci menia v balíku C, takže vedúci pracovníci, najlepší ľudia v týchto organizáciách, dobre sa mení práve teraz celý svet a my sme o tom sa porozprávam.
Na vrchole sú tie vaše. Na linke máme dnes Jen Underwooda od spoločnosti Impact Analytix a Nick Jewell, hlavného technologického evanjelistu z Alteryxu. Je to veľmi vzrušujúce. S touto koncepciou som prišiel včera večer, ľudia, a myslím si, že je to naozaj zaujímavé. Všetci samozrejme poznáme hudobné stoličky, hru pre deti, kde máte všetky tieto stoličky v kruhu, začnete s hudbou, všetci začínajú chodiť a jedna stolička je odtiahnutá; keď sa hudba zastaví, musí sa každý posúvať, aby si dal stoličku, zatiaľ čo v tejto situácii jeden človek stratí na stoličke. Je to veľmi divná a presvedčivá vec, ktorá sa práve teraz odohráva v apartmáne C a ak si na tomto obrázku všimnete, máte v zadnej časti dve prázdne stoličky. Zvyčajne stolička zmizne v hudobných stoličkách a to, čo v súčasnosti vidíme, sú dve ďalšie stoličky na úrovni C: CAO a CDO, hlavný analytický dôstojník a hlavný dátový úradník.
Obaja vzlietajú. Úprimne povedané, hlavný dátový dôstojník sa v súčasnosti vzlietne ako požiar, ale čo to znamená? Znamená to niečo veľmi významné. Znamená to, že sila údajov a analytík je taká veľká, že zasadačky alebo výkonné miestnosti by som mal povedať, že sa menia balíky C - menia ľudí - do balíka C pridávajú ľudí, niektorí z týchto nových miest dopĺňajú úplne noví vedúci pracovníci. Ak uvažujete o tom, aké ťažké je zmeniť kultúru organizácie, je to celkom vážne. Kultúra je veľmi ťažké zmeniť a zvyčajne je pozitívna zmena podporovaná prostredníctvom dobrého riadenia a dobrých nápadov a takého druhu. Ak uvažujete o príležitosti, ktorú máme práve teraz, pridaním nových vedúcich pracovníkov do balíka C pre analytiku a údaje je to naozaj veľká vec. Hovorí o príležitosti pre organizácie, aby zmenili trajektóriu, a priznajme si to, veľké, staré spoločnosti sa skutočne musia zmeniť kvôli tomu, ako sa trh mení.
Zvyčajne uvádzam napríklad Uber alebo Airbnb ako organizácie, ktoré zásadne narušili celé priemyselné odvetvia, a to sa deje všade. Dnes budeme hovoriť o tom, ako sa môže vaša organizácia prispôsobiť, ako sa tam ľudia nachádzajú, môžu tieto informácie, tieto informácie využiť, zmeniť svoju obchodnú trajektóriu a byť úspešní v informačnej ekonomike.
S tým idem odovzdať kľúče WebExu Jen Underwoodovej a potom Nick Jewell zaznie tiež; volá z U.K. Vďaka vám obom a Jen, s tým vám ju dám. Vziať to preč.
Jen Underwood: Vďaka, Eric, znie to skvele. Dobré ráno všetkým. Dnes sa chystáme hovoriť o tomto zošite CxO; je to budúcnosť údajov a analytík a ja sa chystám do toho ponoriť. Eric už urobil peknú prácu, keď hovoril o tom, prečo je to také dôležité. Naši rečníci dnes ste opäť videli túto snímku s týmito informáciami, ale vy a ja s Nickom Jewellom budete dnes s vami na tomto stretnutí veľmi interaktívne. Začneme tým, že popíšeme, aké sú tieto úlohy a aké druhy vecí majú na misii. Pozrime sa na analytický priemysel, výhľad všeobecne a na niektoré z výziev, ktorým budú títo ľudia čeliť. Dynamika v organizáciách dnes, keď sa pripravujete na budúcnosť, potom sa chystáme hovoriť o ďalších krokoch a poskytneme vám návod na plánovanie, ak sa chystáte preskúmať niektoré z týchto úloh vo vašej organizácii.
Keď už hovoríme o tomto CxO, napríklad CAO, ktorý je hlavným analytikom, je to pracovné miesto pre vyšších manažérov, ktorí sú zodpovední za analýzu údajov v organizácii. CAO zvyčajne podá správu generálnemu riaditeľovi a táto rýchlo sa rozvíjajúca pozícia bude kľúčová, keď premýšľate o množstve transformácie a jej digitálnej transformácii, ktorú práve teraz máme v ceste, aby spoločnosti prijímali a prijímali obchodné rozhodnutia.
Ak uvažujete o digitálnej transformácii a inteligencii ako o jadre digitálnej transformácie, tento CAO je veľmi strategickou úlohou v rámci organizácie. Prinášajú nielen silnú vedu o údajoch späť k skutočným poznatkom a týmto poznatkom, ale vlastnia aj výslednú návratnosť investícií a vplyv, takže na čom sa merajú? Ako prinášajú túto NI s údajmi, ktoré majú, as niektorými číslami dolného riadku v organizácii na strategické využitie údajov. Táto pozícia sa spolu s CIO, hlavným informačným úradníkom, dostala na popredné miesto v dôsledku nárastu technológie a digitálnej transformácie a hodnoty údajov.
Po celé roky sú údaje v tomto konkrétnom svete zlato so speňažením a inteligenciou a transformáciou týchto informácií. Byť schopný podniknúť tieto proaktívne kroky a nielen sa vždy pozerať dozadu, sám o sebe. Obe pozície sú podobné tým, že sa zaoberajú informáciami, ale CIO sa sám o sebe zameria na infraštruktúru, kde sa CAO zameriava na infraštruktúru potrebnú na analýzu informácií.Podobná pozícia je CDO a vy počujete omnoho viac, pravdepodobne sme o CDO počuli viac ako dnes o CAO. CDO sa viac zameriava na spracovanie a údržbu údajov a na tie procesy riadenia počas celého životného cyklu správy údajov.
Títo ľudia budú tiež zodpovední za speňažovanie údajov a získavanie hodnoty z údajov a prácu po celú dobu životnosti životných cyklov správy a bezpečnosti, povedal by som, po celú dobu životného cyklu. Sú to ľudia, ktorí by boli veľmi vyladení, samy osebe alebo zodpovední za zabezpečenie GDPR - a budeme o tom trochu hovoriť - o európskom zákone o ochrane údajov, pričom sa zabezpečí, aby sa na tieto druhy vecí vzťahovali ich organizácie. Teraz dostávame štruktúru a budúcnosť pre rušivé dynamické úlohy náročné na údaje. Toto sú typy vecí, za ktoré bude CDO zodpovedať, a nielen oni sami - budujú tím s viac funkčnými funkciami a ja mám niekoľko príkladov niektorých ľudí, ktorí by sa sami zhromaždili. organizačná štruktúra, od architektov a riadiacich pracovníkov, a dokonca aj analytici a vedci a pracovníci v oblasti údajov v organizácii sa na ne môžu obrátiť.
V tomto analytickom odvetví to bol fenomenálny - pravdepodobne desaťročný, dokonca aj dlhší - posun vpred k priemyselnému výhľadu. Neustále rastie, je veľmi vzrušujúce, a to dokonca aj pred rokmi, keď došlo k trhovej kríze. Bolo to len úžasné miesto a ak sa pozriete na program CIO od spoločnosti Gartner v roku 2017, BI a analytika sú stále medzi prvými troma hodnotami toho, čo je pre organizáciu najdôležitejšie, a pri pohľade na rast softvérových trhov sme neustále vidieť tam rast. Pokiaľ som bol v tomto priestore, vždy to bola skutočne jasná kariéra.
Keď sa pozrieme na túto digitálnu éru a transformáciu, sú pre mňa veľmi, veľmi zaujímavé tieto procesy a často získavame informácie a prijímame opatrenia z procesov alebo počas obchodných procesov. Teraz spoločnosť Gartner odhadla do roku 2020 informácie, ktoré ste použili, budú objavené, digitalizované alebo dokonca odstránené. Osemdesiat percent obchodných procesov a produktov, ktoré sme mali pred desiatimi rokmi, a to začíname vidieť, však? Začíname vidieť, že s veršmi Amazon možno niektorí z veľkých obchodov s boxami, Ubers, Airbnbs - tieto digitálne modely narušujú proces a ľudia teraz interagujú. Dokonca aj Čierny piatok - neviem, koľko ľudí skutočne navštívilo obchod - veľa ľudí nakupuje online a ako oslovíte tohto zákazníka? Vyžaduje to inteligenciu. Je to veľmi odlišný spôsob interakcie a prispôsobenia a mať túto inteligenciu, aby ste im predstavili tú pravú ponuku v správnom čase, a teraz možno už stačí kliknúť na tlačidlo. Je pre nich také ľahké opustiť váš internetový obchod. V tomto svete sa veci skutočne menia, a myslím si, že Nick o tom chcel tiež hovoriť.
Nick Jewell: Áno, ahoj všetci, ďakujem veľmi pekne. Ospravedlňujem sa vopred, ak sa zvuk prichádzajúci z Londýna mierne oneskorí, budem sa snažiť, aby som o tebe nehovoril, Jen.
Máte úplnú pravdu, že odstránenie odpadu, opätovné objavenie v rámci digitálnej transformácie, sa často objavuje, keď sa organizácie presúvajú od zakázaných produktov, možno k odpojeným aplikáciám a k otvorenejším a prepojeným platformám. Ak je váš proces digitálny, bude oveľa ľahšie vidieť cestu vašich údajov z jedného konca na druhý. Naozaj optimalizujte kroky, ktoré podniknete, pomocou údajov na optimalizáciu tohto procesu.
Poďme ďalej, ak to dokážeme. Čo sa týka digitálnej transformácie, čo to pre organizácie znamená, myslím, že je buď vzrušujúce alebo zastrašujúce v závislosti od toho, na ktorej strane spektra sedíte. Pozrite sa na tabuľku, ktorá ukazuje životnosť spoločností a vplyv rušivých vplyvov na šťastie organizácie. Ak ste založili spoločnosť v dvadsiatych rokoch, máte v priemere takmer 70 rokov, kým vás iná spoločnosť narušila. Dosť ľahký život podľa súčasných štandardov, pretože dnes spoločnosť sotva získala 15 rokov, kým jej narušenie neohrozí jej existenciu. Predpokladá sa, že okolo 40 percent dnešných spoločností z rebríčka Fortune 500, takže na S&P 500, už nebude existovať o 10 rokov. Do roku 2027 bude nahradených 75 percent S&P 500, takže polčas, ktorému dnes organizácie čelia, skôr ako sa budú musieť obávať narušenia, sa skutočne zmenšuje. Úspešné spoločnosti si musia udržať náskok pred týmto závodom v oblasti digitálnych inovácií.
Dnes nikto nespochybňuje analytiku. Je to ústredný bod tejto transformácie digitálneho podnikania. Organizácie v skutočnosti stavajú digitálnu inováciu do popredia svojej stratégie. Tieto spoločnosti sú piatimi najcennejšími spoločnosťami na svete a predstavujú trhovú hodnotu dvoch biliónov dolárov, Jen.
Jen Underwood: Áno, je to úžasné, naozaj je. Naozaj sa to mení a je rýchle. Ďalšou dynamikou, o ktorej sme hovorili a o ktorej sme hovorili, si teraz myslím, že ju konečne vidíme a organizácie cítia tento exponenciálny rast zdrojov údajov a už to nielen analyzuje údaje o štruktúrovaných zdrojoch údajov. Opäť hovoríme o tom, že v niektorých z týchto digitálnych procesov máte len čas na rozhodnutie a tieto veci prichádzajú v JSON z rozhraní REST API, hovoríme o neštruktúrovaných údajoch, či už ide o protokolové súbory, rôznych typov údajov, ako aj extrémneho neustáleho rastu.
Nick Jewell: Áno, Jen, ako ste zdôraznili, analytickí vodcovia sa topia v mori údajov. Konečným cieľom je oboznámiť sa s hodnotami vysokej hodnoty, napríklad pomocou zmesi existujúcich alebo nových analytických techník, ale existuje veľa jednoduchých a základných problémov, s ktorými mnohé organizácie, s ktorými pracujeme, skutočne čelia. Zadali sme zákazku na Harvard Business Review, urobili sme prieskum, hovorili s analytikmi údajov a obchodnými manažérmi. Spýtali sa, koľko zdrojov údajov používajú vo svojej organizácii na rozhodovanie, a je celkom jasné, že v posledných rokoch došlo k zásadnému posunu. IT zvyklo miešať dáta, tlačiť ich do dátového skladu, ale myslím, že napriek všetkej vynikajúcej práci, ktorú IT skupiny vykonali, vytvárajú centralizovanú správu údajov, analytici stále čelia úlohe vytvoriť tento konkrétny súbor analytických údajov, ale musia odpovedať na obchodnú otázku. V skutočnosti iba 6 percent získalo všetky svoje údaje na jednom mieste a väčšina analytikov musí získavať údaje z piatich alebo viacerých zdrojov - napríklad tabuľky, cloudové aplikácie, sociálne médiá a samozrejme tento dátový sklad nezabúda.
Väčšina organizácií to teraz uznáva, ale väčšina organizácií sa nezaoberá jednoduchou skutočnosťou, že odborníci na údaje trávia viac času správou a vyhľadávaním údajov, než v skutočnosti získavajú hodnotu. Nejedná sa o strategické strategické analytické problémy, o ktorých by vedúci firmy chceli počuť. Neriešenie základného problému však skutočne zabráni organizáciám dosiahnuť hodnotovo orientované informácie. Len?
Jen Underwood: To je zaujímavé. Určite som o tom videl rôzne štúdie a je to táto časť, či už ide o 80 percent času alebo bilióny dolárov, ktoré znova a znova opravujú rovnaké údaje, v organizácii veľmi neefektívne. Je to spolu, týchto 37 a 23 percent je veľmi drahá strata času. Je pre mňa úžasné, že sa tomu viac nevenuje pozornosť.
Pri pohľade na niektoré z nich, čo by som nazval trhovými silami, a mnohokrát, keď hovorím o trendoch v tomto odvetví, rád sledujem toto odvetvie a neustále ho sledujem. Je dôležité pochopiť, kedy niečo nie je viac ako trend, keď to bude skutočne sila, ktorej musíte venovať pozornosť, a práve teraz sú to tri najlepšie sily, ktorým treba venovať pozornosť. Je to tento rýchly rast, číslo jedna je rýchly rast ne-relačných databáz. Práve som spomínal celý tento koncept, že nemám veľa času na to, aby som musel sám seba dotazovať, JSON, práve tieto typy nerelačných scenárov rastú - myslím, že tu mám za pár minút nejaké štatistiky - rýchlo.
Druhou vecou je pokračujúci posun do cloudu. Pred hovorom, o ktorom som sa zmienil, som bol globálnym produktovým manažérom v jednej z veľkých technologických firiem a pred tromi rokmi som mal ťažké rozhovory so skupinami, ktoré hovorili: „Do cloudu nič nedávame. Nebudeme sa pohybovať do cloudu. “A o rok neskôr bolo veľmi zaujímavé vidieť skupiny, o dva roky neskôr, teraz počujem od tých istých skupín, že každý má cloudový plán. Myslím si, že každý je extrémne tvrdý výrok, ale povedal by som, že ľudia, ktorí boli proti cloudu, sa určite postoj dramaticky zmenil vo veľmi krátkom čase, aj keď som hovoril so skupinami na celom svete o tieto typy vecí.
Automatizácia, to je oblasť, ktorá ma fascinovala a oblasť, ktorej určite vidíme veľa aktivít a skvelých aktivít. Hovoríme o niektorých z týchto vecí, keď máme tento stratený čas a neefektívne využívanie vášho času. Automatizácia je určite jednou z oblastí, ktoré ma najviac tešia, keď premýšľam o tom, ako priniesť spoločnosti hodnotu.
Ďalšia snímka, o ktorej budem hovoriť, je to štúdia spoločnosti IDC, pozerajú sa na segmenty trhu a rast a je to naozaj úžasný spôsob, ako vziať impulz do toho, čo sa skutočne rozrastá, čo kupujú vaši rovesníci? O aké veci už nemajú záujem? Tieto typy vecí a uvedenie do ich stratégie.
Celosvetový trh so softvérom na analýzu veľkých dát má podľa IDC 16 segmentov av tomto zmysle sa pozeráme aj na niektoré zmeny mien. Pridal sa nepretržitý analytický softvér, kognitívne softvérové platformy AI, vyhľadávacie systémy, takže tu boli dokonca pridané nejaké nové kategórie. Tento prehľad trhu do značnej miery zahŕňa horizontálne nástroje, predbalené aplikácie, ako aj niektoré prípady podpory rozhodnutí a automatizácie použitia rozhodnutí. Opäť to budú druhy riešení, keď premýšľate o CDO, čím dávate ku kontu CDO, ich portfólio, ktoré môže byť spravované od integrácie dát po vizualizáciu analýzy, strojové učenie a všetky tieto typy schopností, ktoré potrebujú. mať v digitálnej ére.
Samotný svetový trh pre tieto typy riešení vzrástol v súčasnom menovom vyjadrení o 8,5 percenta a podľa IDC celkový trh vzrástol o 9,8 percenta. To sa porovnávalo s - pozeráte sa na výkyvy mien v priebehu pár rokov a miera variácie je minimálna, ale tie tri najdôležitejšie segmenty, ktoré som zdôraznil, len aby som vám dal pocit pre tieto nerelačné analytické zdroje údajov, 58 percent medziročný rast, analýza obsahu a vyhľadávacie systémy boli 15 percent a niektoré aplikácie týkajúce sa vzťahov so zákazníkmi, veci typu CRM alebo Salesforce Einstein, napríklad, tie rastú o viac ako 10 percent, teraz sú o 12 percent. Myslím, že Nick chcel pridať aj nejaký komentár k tomuto.
Nick Jewell: Vďaka, Jen. Je to fantastický vizuál. Myslím si, že v spoločnosti Alteryx sme vždy verili, že príprava a kombinovanie údajov bude vždy kľúčovou kompetenciou každého analytického systému, ale v skutočnosti je to základ každej pokročilejšej analýzy. Teraz, za posledných pár rokov, povedzme o priemysle - možno to bolo trochu viac zamerané na niektoré nové interaktívne vizualizačné schopnosti. Vyzerajú krásne, pretože zvyšujú angažovanosť, vedú vhľad, ale v skutočnosti nás nepresunuli za popisnú analýzu.
Myslím si však, že teraz, keď ľudia nastavujú svoje zameranie o niečo vyššie, organizácie, ktoré začínajú chápať obchodné hodnoty, budú pochádzať z tých sofistikovanejších analýz, ktoré sa práve teraz dostávajú do hlavného prúdu. Otázka sa stáva, ako konkrétne, kto? Toto preskočilo na analytiku s vyššou hodnotou; je to fakt, že problém nedostatku analytických talentov vrhá celkom ostrú úľavu, súhlasili by ste?
Jen Underwood: Absolútne a ja som mal, myslím, že som práve tweetoval, včera večer som videl skutočne fascinujúci komentár od viceprezidenta spoločnosti Adobe, ktorý povedal: „Strojové učenie sa stalo stávkami,“ keď ľudia bývali opatrní, teraz je to potrebné a Je to zaujímavé. Pri pohľade na to a len malý malý iný uhol pohľadu, sám o sebe. Mnoho ľudí to začíname vnímať ako oblasť s vysokým rastom s nerelačným analytickým obchodom a kognitívnou inteligenciou, tieto strojové učenia a tieto vysoko hodnotné analýzy. Ale na konci dňa, práve teraz, je najväčší segment, takže tam, kde sa dnes väčšina nákupov deje, stále v tomto základnom, to, čo by som povedal, hlásenie dotazov, niektoré vizuálne analýzy a stále rastie a to je veľa ľudí predpokladá, že už to máte - nie nevyhnutne. Každý rok stále rastie o 6,6 percenta.
Ako CDO - a rád ukazujem tento snímok - v podstate len hovorím, že keď idete do tejto novej role alebo hľadáte údaje v organizácii, je to chaos a myslím si, že tento konkrétny snímok skutočne pekná práca - to sú všetky rôzne potenciálne oblasti, o ktorých môžete mať údaje. Môžu byť on-prem, môžu bývať v cloude, môžu byť hybridné, sú všade a je to veľká ohromujúca vec - opäť je to úloha typu C teraz v rámci organizácie a nie je to jednoduchá úloha ani jednoduchá - v tomto konkrétnom svete je niekedy dosť ohromujúce. Toto je svet, ktorým musí toto CDO navigovať, aby bolo možné zvládnuť to, čo by som povedal, a maximalizovať hodnotu údajov.
Pokračovaním v tejto výzve, maximalizáciou hodnoty všetkých týchto rôznych zdrojov a tým, čo máme, sú tieto uzatváracie okná času, s týmito digitálnymi procesmi alebo sa otvára prehľad o činnosti. Ak si myslíte, že asi pred piatimi rokmi, pred desiatimi rokmi, možno by ste mali správy, že by ste bežali robiť nejaké rozhodnutia pomocou inventára alebo akcií, tie by sa mohli spúšťať týždenne, mesačne, potom sa stali denne alebo cez noc, možno je to každú hodinu.
Teraz vidíme, že tieto inteligentné stroje učia zabudované umelé inteligentné kancelárie, prijímajú rozhodnutia a opravy na mieste, takže aj veci ako internet vecí, analýza vložená na internete, tieto systémy sú inteligentné a tieto algoritmy môžu samoladiť a meniť niektoré rozhodnutia, ktoré robia na mieste v pravý čas. Bolo veľmi zaujímavé vidieť túto konkrétnu dynamiku s digitálnymi revolúciami a týmito kontaktnými bodmi - aj keď sa zvýšili, čas na akciu sa neustále znižuje a technológia sa v týchto scenároch vyvíja.
Nick Jewell: Áno, Jen, myslím, že jedným z tých najzaujímavejších aspektov toho, ako sa mení poskytovanie štatistík, je to, kde analytici prichádzajú ku koncovému používateľovi. Žiadame používateľov, aby skočili na palubnú dosku, keď urobia kritické rozhodnutie, alebo hovoríme, že prehľad, ďalšia najlepšia akcia, je k dispozícii priamo v rámci procesu, v toku, aby sa dosiahla táto konkurenčná výhoda? A analytický model, o ktorom hovoríme, bude možno musieť vziať jeho vstupy z množstva rôznych zdrojov - tradičné dátové sklady, geolokácia, sociálne médiá, senzory, kliknutie - všetky tieto údaje majú vplyv na rozhodnutie a tento vykonateľný výsledok. ,
Jen Underwood: Pokračovaním v tejto téme výziev a zmien, čo máme práve teraz, a výzvami, ktoré musí generálny riaditeľ prijať a naplánovať spôsob, ako ich zvládnuť, je v podstate dostatok údajov na efektívnu správu a manuálnu analýzu. Existujú dlhé meškania; musíme tieto oneskorenia skrátiť a musíme nájsť spôsob, ako maximalizovať hodnotu údajov, ktoré máme. Vo svete je nedostatok talentov v oblasti vedy o údajoch a tieto postrehy a informácie, ktoré by sme nazvali oceánmi, sú údaje. Dobrou správou je, že v súčasnosti sa vo všetkých oblastiach tejto oblasti deje niekoľko úžasných inovácií a je vzrušujúce vidieť, čo, kam nás technológia zavedie, nám pomôže s týmito výzvami.
Keď som sa na to naďalej pozeral, pri rozhovore so zákazníkmi alebo pri používaní niektorých z týchto nástrojov došlo k určitému zmätku. Niektoré z klasických výziev stále existujú, iba sa trochu zhoršujú pri hľadaní údajov na analýzu. Niektoré z vyhľadávacích nástrojov, niektoré z katalógov tam určite pomáhajú. Teraz nájdeme, ktorý katalóg sa má použiť. Existuje niekoľko rôznych katalógov, takže sú tu rôzne miesta, kde môžete ukladať a zdieľať údaje, takže je potrebné sa pokúsiť nájsť jeden, možno katalóg, ktorý by sme mali hľadať.
Druhou vecou je spoločné zdieľanie. Hovorili sme o jednej zo štúdií z tohto prieskumu Harvard Business Review, o tom, koľko času trávia, v podstate robia úlohy bez pridanej hodnoty, strácajú čas a aké drahé to môže byť. Ak dokážete spolupracovať a zdieľať bežné zdroje údajov, skripty už boli vyvinuté, logika už existuje, môžete ich efektívne riadiť, takže vyváženie správy a analytickej agility je skutočne to, o čo sa chcete usilovať. a navigovať tento svet toho, čomu by som hovoril, máme špecializované nástroje, máme automatizované nástroje pracovného toku, máme klasické Excel, dátové katalógy, samoobslužné BI, nástroje na vedu o údajoch. Ako ukazuje tento obrázok, medzi nimi je veľa, veľa nástrojov a veľa prekrývaní.
Nick Jewell: Áno, perfektné, Jen, a myslím si, že okienko nahliadnutia, ako ste už spomenuli, sa to určite zmenšuje, ale čas potrebný na skutočné nasadenie modelov nezachováva krok. Prediktívne zavádzanie modelu je naďalej veľkou výzvou pre mnohé spoločnosti. Hovorili sme s Carlom Rexerom, ktorý je prezidentom spoločnosti Rexer Analytics, av prieskume spoločnosti Carl pre vedu o údajoch z roku 2017 zistil, že iba 13 percent vedcov údajov tvrdí, že ich modely sa vždy nasadia, a tento pomer nasadenia sa len nezlepšuje, takže vrátiť sa ku každému predchádzajúcemu prieskumu. V skutočnosti, keď sa vrátime do roku 2009, keď bola táto otázka prvýkrát položená, a vidíme takmer rovnaké výsledky, takže máme skutočnú medzeru.
Jen Underwood: Keď sa pozrieme na analytickú zrelosť, rýchlo napreduje. Pred dvoma, tromi rokmi sme boli veľmi nadšení, že sme mali vizuálnu samoobslužnú analýzu a nakoniec sme flexibilní a rozširovali BI k masám samé osebe. Keď hovorím masy, pravdepodobne ešte vplývam na používateľov v rámci organizácie. Teraz vidíme optimalizáciu, prediktívnu analýzu, hlboké učenie, prirodzený jazyk a mnoho ďalších technológií, ktoré v skutočnosti, keď sú zabudované do každodenných procesov, konečne skutočne dôkladne demokratizujú analytiku pre masy, pre skutočné masy, ktoré sa majú použiť v rámci existujúce obchodné procesy, ktoré už majú.
Nick Jewell: Áno, Jen, povedzme si krátky príbeh okolo tejto poslednej kategórie, ak môžem. Väčšina poslucháčov, ktorí dnes hovoria, sa zoznámi so softvérom AlphaGo spoločnosti Google DeepMind, ktorý za posledných pár rokov porazil najlepších hráčov Go na svete. AlphaGo sa naučil hrať hru študovaním obrovských objemov predtým zaznamenaných zápasov. Natoľko, že komentátori turnaja AlphaGo tvrdili, že softvér hrá v štýle japonského veľmajstra, tomu verte alebo nie.
Ale za posledný mesiac bol zaznamenaný takmer prekvapivejší výsledok. Bola to AlphaGo Zero, hlboké učenie, neurónová sieť, vyzbrojená nie iba jednoduchými pravidlami hry a optimalizovanou funkciou. Naučila sa stať sa najsilnejším hráčom Go na svete bez školenia pod dohľadom, a to všetko za približne 40 dní. Toto takzvané posilňovacie učenie, kde ľudia definujú výzvu, nechajú hlboký vzdelávací systém skúmať, zlepšovať, by mohlo skutočne priniesť najväčší dopad v analytickom priestore. Takže, zostaňte naladení.
Jen Underwood: Áno, to je skutočne zaujímavé, že ste to spomenuli. Viete si predstaviť vylúčenia? A to je to, čo začínam vidieť. Naozaj, keď hovorím o automatizácii, veľmi vzrušujúce je, aby boli riešenia dosť inteligentné na to, aby čistili vzduch, aby sa učili zo systémov automaticky, zapojili a hrajú a jednoducho vedia, čo robiť ďalej na základe niektorých z minulých rozhodnutí, ktoré boli alebo iných rozhodnutí ktoré boli vyrobené v rámci organizácie a ktoré spravovali niektoré z týchto systémov, systémy ETL a starali sa o ne, a mali späť cestu v deň, keď mi pípnutia a telefóny, ktoré ma volajú s upozornením, keď procesy nebehli, je také vzrušujúce myslieť, "Páni, teraz je dosť chytrý, aby sa pravdepodobne sám uzdravil."
Môj manžel spravuje samoliečebnú mriežku, budeme mať samoliečiteľskú integráciu údajov, samoliečiteľskú analytiku a tam, kde sa to zlepšuje a zlepšuje, je to skutočne vzrušujúce. Ako CDO, keď začnete uvažovať o technológii spracovania ľudí, pozrieme sa na to, práve teraz sa pozeráme na technológiu, potom sa pozrieme na ľudí a ako pristupovať k budovaniu vášho tímu a budovaniu zručnosti. Ak sa pozriete na modernú analytickú platformu, poviem vám to hneď, nie každý tu bude mať všetko, aj keď najväčšie organizácie môžu mať všetky tieto rôzne komponenty ako také, niektoré skupiny môžu mať iba dve alebo tri malé skrinky tu, takže som tým nechcel zahltiť ľudí. Moderná platforma BI však nevyžaduje nevyhnutne preddefinovanú sémantickú vrstvu na zostavenie IT.
Používatelia a odborníci by mali byť skutočne oprávnení len pripravovať údaje na analytickú rýchlosť a obratnosť, a ak uvažujete o vzostupe toho, čo by sme povedali analytici riadení používateľmi a odborníkmi, nechajúc odborníkom v oblasti predmetov, aby boli pohybliví, musia robiť rýchle rozhodnutia. Čoraz častejšie prijímame to, čo by sme povedali, nástroje na prípravu osobných údajov, wrangling údajov, obohacovanie, čistenie, typy činností, ktoré spoločnosť Alteryx vykonáva, ako aj niektoré činnosti typu vedy o údajoch, ktoré ponúkajú ako dobre. Moderné riešenie prípravy ponúkajú inteligentné a automatizované spojenia, letecké rozlíšenia, presúvanie údajov, keď máte veľké dátové potrubie, je to veľmi, veľmi cool. Toto je pravdepodobne opäť jedna z oblastí, ktoré sa mi veľmi páčia a testovanie sa mi veľmi páči.
Na rozdiel od tradičného BI vedeného IT sa IT dnes skutočne zameriava na umožnenie podnikania a máte ľudí ako CDO a dáte dohromady alebo vyberáte správne riešenia na organizovanie, organizovanie a zjednotenie týchto údajov a samozrejme, že je to riadené, však? Jedna vec, ktorá je pre mňa veľmi zaujímavá, a určite si myslím, že sme z toho vyvodili, ale nemyslím si, že sme to hneď povedali, že to boli dni dátového skladu jednej veľkosti a všetko, čo je koniec-všetci sa všetci, určite sú u konca. Údaje sú všade, čo musíte urobiť - dátové jazerá sa dostali do obrazu, sú tu streamy a živé dáta, teraz existuje toľko rôznych zdrojov údajov, je to naozaj skôr prípad od prípadu, „Čo potrebujete?“ "Musíme dostať všetko do dátového skladu." Nie som si istý, Nick, chcel si sa k tomu pridať? Nespomínam si.
Nick Jewell: Poviem len jednu vec a je to len, sledujte vývoj komponentu. To, čo odborníci urobili pred piatimi až desiatimi rokmi, je teraz v rukách používateľa, takže veci na pravej strane budú pre používateľov prevažovať vo forme bez kódovania drag-and-drop, veľmi skoro. Bude sa pohybovať rýchlejšie a rýchlejšie, takže na to dávajte pozor.
Jen Underwood: Áno, to je skutočne dobré. Rád o tom premýšľam. Odlišná veda o údajoch sa konečne stáva realitou a nástroje sa stále zlepšujú. Keď uvažujeme o technológii, musíme mať zručnosti a ľudí a čo musíme urobiť? V súčasnosti sú to najlepšie tituly, medzi ktoré patria vedci v oblasti údajov, dátový inžinier a analytici obchodu. Zistili sme však, že samotným zamestnávateľom je ťažké dosiahnuť zhodu. Dokonca aj v priestore na prípravu údajov poviem: „Je to prepracovanie údajov, jedná sa o údaje, aké výrazy to ľudia nazývajú?“ Bolo veľmi zaujímavé nájsť.
Podnikanie nevie, čo potrebujú, a existuje celá táto nová oblasť, ktorá sa rozprestiera v mnohých rôznych oblastiach. Ak sa teraz pozriete na každého, musí byť majstrom svojich údajov, obchodnej analýzy, projektových manažérov IT, môjho manžela, ktorý riadi energetickú sieť a portfólio projektov, musí byť schopný to analyzovať. Nejde iba o financovanie a analýzu údajov, ale o to viac, že sa rozšírila oveľa ďalej do ďalších oblastí organizácie. Myslím, že som videl štúdiu o tom, koľko zdrojov údajov marketing využíva, a bolo to ohromujúce. Keď znova premýšľate o štúdii, ktorú vykonala spoločnosť Harvard Business Review, nie je to už len jeden zdroj údajov, z ktorého sa ľudia musia navzájom hromadiť a spájať, a nájsť informácie o nich, je to veľa zdrojov údajov a vyžaduje to zručnosti.
Keď sa pozriete na v podstate väčší obrázok, väčšina nových zamestnancov bude v tejto ružovej bubline smerom nadol, keď budete hovoriť o týchto obchodných analytikoch s analytikmi dolovania údajov, personálnymi manažérmi v tejto oblasti, iba pravidelnými úlohami v rade podnikania pomocou údajov. Najrýchlejšie rastúce úlohy budú mať menej pracovných miest, ale určite to, čo dnes počúvame o najviac na súčasnom trhu, vedec údajov a technik údajov. Ako CDO sa pozerajú dopredu a plánujete talent, musíte zohľadniť niektoré z automatizácií rutinných úloh a typov zručností, ktoré budú strategickejšie, a znova, pridajte hodnotu svojej organizácii, a to pre obe tí, ktorí sú v analytike povolení, ale aj pre vedcov údajov a ľudí, ktorí pracujú s údajmi, sú tam. Zvážte, ako by sa vaše nezverejnené pozície a dokonca aj niektoré z nezávislých ekonomík mohli zmeniť, keď o tom premýšľate, aby ste konkurovali tým najlepším a najjasnejším.
A vždy myslite na svoj talent, pomáhajte kandidátom orientovať sa na trhu alebo hľadať veci, ktoré by mohli byť trochu iné a nie presne to, čo chcete, a vytvárať interné analytické kurzy, ktoré nemusia byť v skutočnosti najrýchlejšie, najviac nákladovo efektívna stratégia, ktorú musíte držať krok. Zvážte zváženie ľudí, ktorí sa venujú školeniu v tejto alebo rôznych skupinách, a verím, že Alteryx má dnes na konci zasadnutia odporúčaný kurz ako výzvu na akciu, aby ste mohli využiť niektoré z týchto vecí a pomôcť svojmu tímu využiť pákový efekt. niektoré z už dostupných zdrojov.
Nick Jewell: Absolútne. Existuje mnoho spôsobov, ako zaplniť medzeru v talentoch bez toho, aby vás niekto chytil v pretekoch v zbrojení. Niekoľko snímok späť, neviem, či ste schopní pár prevrátiť. Kaggle, súťaž v oblasti dátovej vedy, práve vydali prieskum so 17 000 odpoveďami okolo stavu vedy o údajoch. Z prieskumu skutočne vyšla zaujímavá odpoveď týkajúca sa zručností, ktoré ľudia mali, a väčšina respondentov nemala titul PhD. , už to nie je len predpoklad.
Myšlienka, že analytici budúcej generácie, ktorá je hlavnou bublinou, ktorú ste práve ukazovali, môžu získať znalosti, ktoré potrebujú z nano-kurzov. Môžu ísť na weby, ako je Udacity, a tieto znalosti môžu okamžite uplatniť, priamo v podnikaní, vďaka krátko zameraným dodacím cyklom z nich okamžite vyplýva konkurenčný pokrok pre ich spoločnosti. Takže niečo, na čo si treba dávať pozor.
Jen Underwood: Nie, súhlasím. Aj keď o tom premýšľam, určite je to dlhá cesta, pretože som absolvoval dvojročný program na UCSD. Domnievam sa, že to bolo späť v časovom rámci 2009, 2010 a v krajine bolo skutočne možno niekoľko, ktoré vám to umožnili. V súčasnosti existuje veľa ďalších možností, ako aj špecializované programy, či už ide o predajcov, veľa zdrojov dostupných dnes so slučkami a všetky tieto rôzne online zdroje, je to úžasné, je skutočne čas. Vyrobte si čas a rozpočet, a naplánujte si, aby ste držali krok. Čo sa chcete naučiť? A potom nasledujú tú cestu, ktorú sa chcete naučiť.
Keď hovoríme o pohľade na to a zostavení vášho vlastného plánu zručností a z perspektívy CDO, uistite sa, že majú ľudí v pokrytých oblastiach, z toho, čo by som povedal, rámec kompetencie ako taký, pozeranie sa na zručnosti alebo pozeranie sa na veci, ako je znalosť domény. je stále kľúčová, aj keď sa tieto riešenia môžu samy trénovať a učiť sa samy, je to skutočne odborník na predmet podnikania, ktorý bude viesť a uistiť sa, že výsledky dávajú zmysel.
Vždy existuje niečo a rád by som použil príklad, keď som robil kritickú analýzu pre poisťovňu a jedným zo zistení, že algoritmy nemali nikoho najať z New Yorku. Nie, nebudeme najímať nikoho z New Yorku - museli sme zistiť, prečo nám algoritmus poskytoval tieto informácie. Bolo to preto, že zákon, jeden zo zákonov sa zmenil, a preto sme v tomto konkrétnom segmente mali veľa sporov. Je potrebné priviesť odborníka na obchodné záležitosti, aby to rozlúštil, a nevidím to tak, že sa to zmení, nevidím taký spôsob vedenia, uistite sa, že výsledky vyzerajú správne, že niečo vyzerá dobre - stále je , je tu niečo, čo sa hovorí ako ľudská myseľ, krása toho, čo je spojené so silou stroja, je skutočne tým, kam ideme.
Ďalšie typy vecí, keď sa pozeráte na zručnosti, vizualizáciu, rozprávanie efektívneho príbehu v údajoch, rozprávanie efektívneho príbehu o tom, či je to dokonca strojový výstup. Zostavujúc sa a pozerajúc sa na to, aký to má vplyv, pochopia ľudskú povahu rozhodovania, tieto typy vecí sú veľmi dôležité bez ohľadu na technológiu. Správa vecí verejných je skutočne dôležitá, etika sa stáva čoraz dôležitejšou. Po zapojení sociálnych vedcov to pochopia a sú vyškolení na to, aby preskúmali, či sú vo vašich údajoch predpojatosti, ktoré si ani neuvedomujete, alebo nemáte v organizácii nikoho, kto by to ani nemusel rozpoznať, dokonca ich priviedli k odborníkovi. , s týmito typmi vecí.
A opäť, samozrejme, že máme infraštruktúru pre inžinierstvo a hardvér a uistite sa, že je možné škálovať a vyvíjať a zabezpečiť, aby ste používali správneho poskytovateľa cloudu, možno že nie ste uzamknutí alebo máte možnosti presunúť sa alebo že rozumiete tomu, koľko vás to bude stáť. Ide o tieto typy zručností a keď sa na to pozriete, nazveme ich zručnosťami v rôznych oblastiach, či už ide o rozhodujúcich riadiacich pracovníkov v prvej línii - kde bude väčšina z týchto rolí - až po tých inžinierov a vedcov údajov, ktorí budú masírovať a pracovať v týchto oceánoch údajov. Toto sú druhy vecí, pre ktoré chcete zostaviť rámec.
Pri pohľade na kompetenčné rámce sa pozeráte na organizáciu všeobecne, chcete zvážiť kompetencie, nielen zručnosti. Keď sa na to pozeráte, v znení je trochu nuansy. Rámec kompetencie pre vašu organizáciu je jasný signál. Tvorcovia vojnovej politiky, poskytovatelia vzdelávania, hoci by sa dalo povedať, že zručnosti sú napísané pod písmenom R, uvažujete o týchto typoch vecí, máte kompetentného programátora, ale chcete mať viac než len tieto zručnosti. Keď pochopíte kompetencie, čo musí človek vedieť a pochopiť rámec, to je dôležité, je tu trochu nuansy.
Pri budovaní tohto cieľa chcete diagnostikovať, čo by ste nazvali kapacity, ktoré majú pozitívny vplyv na podnikanie, a vyzdvihnúť tie oblasti s vysokým potenciálom, takže uprednostňujete, aké kompetencie chcete vo svojej organizácii povýšiť a potom ich znova zladiť s obchodnými cieľmi. CDO, ktoré je zodpovedné za maximalizáciu hodnoty údajov, sa na ne pozrie a ich CAO, ktoré budú používať analytiku na maximalizáciu hodnoty údajov. Pozrú sa na tieto kompetencie a tie rôzne oblasti, na minulej mriežke, ktorú som tam mal, ale potom sa tiež budú zaoberať vysokým potenciálom zamestnancov. Chystáte sa krížovo odkázať na to, že so svojimi zamestnancami pracujú na údajoch a analytike a investujú do nich, poskytujú im príležitosti na vzdelávanie a nielen školenie, v podstate príležitosti v skutočnom svete, ktoré pracujú na skutočných obchodných problémoch.
Nie je nič lepšie - aj keď som chodil do školy niekoľko rokov, nebolo to, kým som nešiel a neaplikoval som niektoré z týchto algoritmov alebo nevedel o podvodoch s kontrolou, nevedel som o niektorých z týchto vecí, o ktorých som nikdy predtým nerozmýšľal, a vy začnite dávať dohromady v reálnom svete a to je miesto, kde sa naozaj učíte. Poskytovanie príležitosti ľuďom získať skúsenosti v týchto oblastiach. Spoločnosti, ktoré sú najlepšie schopné vybudovať silné schopnosti, ktoré systematicky identifikujú, objektívne hodnotenia a skúmajú, v čom sú medzery v mojej organizácii, pokiaľ ide o učenie a zavádzajú určité metriky na dosiahnutie cieľov pre ľudí, to sú tie, ktoré budú schopné dodať.
Keď premýšľate o vzdelávaní dospelých, zvyčajne je to čas hladovania - my všetci sme hladovaní - ale skúmame, čo pre každého funguje. Ja osobne mám knihy, takže keby ste dnes prišli do mojej kancelárie, videli by ste veľa kníh, aj keď veľa ľudí má rád videá. Ide teda o to zistiť, ako sa niekto vo vašej organizácii chce učiť - motivovať ich, aby sa učili - ale zároveň im poskytol nejaký čas na to a cieľ nejakého druhu - čo je efektívne na dosiahnutie tohto cieľa a zvyčajne to je zmiešané, nie je to len to, že si vyberiete tento kurz, aby ste si overili túto známku na bodovacej karte, ako také, je to zmiešanie so skutočným cieľom projektu a čo ste sa z tohto projektu naučili a čo chcete robiť ďalej? Čo je úsek? Roztiahnite svoj tím alebo motivujte svoj tím, aby ho posunul ďalej.
Tieto vzdelávacie ciele opäť, ak to robíte, by to v skutočnosti nemalo byť, pre podnik by to malo byť ľahké, pretože tieto ciele by sa mali zosúladiť so strategickými obchodnými záujmami. Toto sú skvelé projekty. Sú to experimentálne projekty. Sú to projekty, ktoré posúvajú ihlu vpred.
Nick, chcel si niečo pridať? Nie som si istý.
Nick Jewell: Nie, chcel by som skočiť do prípadovej štúdie, ak je to v poriadku, na ďalšej obrazovke. Trochu podrobnejšie o konkrétnej organizácii. Myslím, že do praxe vložili veľa toho, čo hovoríte, do reality. Spoločnosť Ford Motor Company sa spoliehala na analýzu údajov po celé desaťročia, rovnako ako mnoho spoločností, ale urobila to vo vreckách podnikania, s pravdepodobne veľmi malým dohľadom nad celou spoločnosťou, aby sa zaistila konzistentnosť a koordinácia. Ich problémy boli pravdepodobne dosť typické pre organizáciu ich rozsahu, takže analytické odborné znalosti obsahovali - ako hovoríme - medzery, postupy správy údajov a riadenia boli nekonzistentné, a to dokonca do tej miery, že niektoré obchodné jednotky nemali prístup k základným analytickým znalostiam.
Opäť sme dnes hovorili o mnohých rôznych typoch zdrojov údajov, mali viac ako 4 600 zdrojov údajov. To znamenalo, že aj začiatok cesty a nájdenie potrebných údajov bolo skutočnou prekážkou analytického porozumenia. Vidím, že sa smejete, ale je to hrozná vec, však?
Jen Underwood: 4 600, oh môj bože, áno.
Nick Jewell: Preto spoločnosť Ford vytvorila globálnu štatistiku a analytickú jednotku, ktorá bola centralizovaná - môžete to nazývať centrum excelentnosti - pozostávajúce z tímu vedcov a analytikov údajov, ktorí sú organizovaní tak, aby zdieľali túto najlepšiu analytickú prax a pomáhali šíriť optimalizované údaje na základe údajov. podnikanie. Jednotka vybrala tie najlepšie nástroje vo svojej triede, nielen o spôsobilosti, ale aj o ich schopnosti dobre sa integrovať, takže to je celkom dôležité. Demokratizácia sa zamerala na správy a popisnú analýzu skôr, ako sa posunula o pyramídu potrieb, o ktorej sme hovorili.
Demokratizácia dnes nie je z nikoho iba vedcom údajov cez noc; Zamestnanci musia vedieť, kedy a kde získať pomoc, a je k dispozícii školenie, správa vecí verejných, metodiky, ktoré im pri tom pomôžu. Nejde iba o školenie nástrojov, ale aj o školenie v oblasti vedy o údajoch, aby sme preklenuli medzeru v zručnostiach, ktorú sme spomenuli. Takže prípad použitia v skutočnom svete v spoločnosti Ford, ktorý optimalizuje logistickú sieť, platil Ford správne množstvo na presun materiálu z bodu A do bodu B? Ich staršia analytika v skutočnosti nezdôraznila možnosti, ktoré je možné uplatniť; Vďaka tomu boli veľmi reakcionárni na trhu.Teraz bola veľká časť zložitosti tohto procesu zamknutá v hlavách analytikov a urobili obrovský prielom, keď sa samoobslužný pracovný tok skutočne opakoval s podnikaním a analytickí experti sa posadili a boli spolu umiestnení.
To posunulo analýzu z viacročných na štvrťročné, ba dokonca až takmer na reálny čas, čo pre podnik prinieslo obrovské výhody. Tento vplyv samoobslužnej analýzy na obchodnú hodnotu znamenal, že spoločnosť Ford dokáže rýchlo plánovať a zavádzať celofiremné stratégie založené na údajoch, reagovať na vznikajúce trendy, pomáhať formovať nové služby a v podstate čeliť hrozbám konkurencie, a to nielen museli sa pozerať do spätného zrkadla.
Ak sa teraz pozrieme na to, ako iný zákazník skutočne posunul analytiku z možno vertikálnej priority v jednej divízii firmy na horizontálny pruh vo všetkých divíziách, hovoríme o Shell. Spoločnosť Shell prevádzkuje centrum excelentnosti, ktoré zodpovedá hlavnému digitálnemu dôstojníkovi - takže je tu ďalšia kniha D pre náš zoznam kníh CxO - zodpovedná za digitálnu transformáciu a udržateľnosť. Títo chalani pochopili, že ich prostredie obsahuje niekoľko vrstiev a technologický zásobník, ukladanie, spracovanie údajov a všetko predstavovalo technológie, s ktorými ste všetci oboznámení. Veci ako SAP HANA, Databricks, Spark a využívali verejný cloud na dosiahnutie tých správnych úspor z rozsahu.
Teraz si vybrali Alteryx ako analytický obal pre veľa svojich R kódov, dodávajúcich technológie ako Spotfire, Power BI a ďalšie. Teraz však vidia, že adopcia sa viaže oveľa užšie so spracovaním údajov a vizualizáciou. Jen, len sa vraciam späť na vaše stránky všetkých týchto schopností, táto vec sa šíri, keď začíname umožňovať prístup viacerým analytikom. Viete, oni boli nesmierne úspešní pri poskytovaní tejto schopnosti a COE, ktorí sa snažia dodávať budúce schopnosti teraz, niektoré z tých hlbokých učiacich sa vecí, o ktorých sme hovorili - strojové videnie, spracovanie prirodzeného jazyka - a polovica ich poslania je dodanie, polovica z toho je o vysvetľovaní a katalyzovaní týchto nápadov vo všetkých obchodných jednotkách. Je to súčasť cesty; COE vždy hľadá rôzne spôsoby komunikácie so svojím obchodným publikom.
Berúc do úvahy na jednej strane skeptikov, ktorí hovoria: „No, táto čierna skrinka nebude nikdy tak dobrá ako môj analytik,“ až po fanboy alebo nadšenca, ktorý vidí všade korelácie, možno menej v príčinných vzťahoch. , ale musíte byť obojstranne opatrní. Ak máte tento horizontálny pruh naprieč celou organizáciou, je to fascinujúce stredné pásmo, ktoré je potrebné na presvedčenie oboch strán spektra.
Nick Jewell: OK, Jen, si tam?
Jen Underwood: Som.
Nick Jewell: Myslím, že to, čo sa tu snažíme povedať s týmto citátom Claytona Christensena, je to, že pre mnoho organizácií bude zjednotenie analytického programu s cieľom dosiahnuť digitálnu transformáciu, o ktorej dnes hovoríme, výzvou. , Analytické tímy sa často vyskytujú slabšou rukou. Pokúsiť sa inovovať pomocou pôvodných pozdržaní analytických procesov, technológií, tímových štruktúr a držania sa týchto relikvií bude najväčšou bariérou pre analytické vyrovnanie a pre analytické inovácie. Máte na to nejaké myšlienky, Jen?
Jen Underwood: Páči sa mi obrázok, ktorý bol vybraný. Áno, určite mi dáva zmysel. Musíte prijať niektoré z týchto nových technológií, napríklad streamovanie v reálnom čase. Nemusíte mať nevyhnutne možnosť dosiahnuť tieto výsledky v reálnom čase, ak musíte obnoviť jazyk JavaScript v prehliadači, ako takom, so starým odkazom - možno ide o aplikáciu na hlavnom paneli alebo o podobné veci. Áno, musíte prijať niektoré z týchto nových nástrojov a znova si myslím, že tento obrázok je naozaj roztomilý, obrázok hovorí tisíc slov. Košík a buggy, musíte pustiť niektoré z tých starých prístupov.
Nick Jewell: Absolútne. Ak sa teda presunieme na ďalšiu snímku, myslíme si, že existuje lepší spôsob. Myslím, že v prvom rade pomocou niečoho, čo sa podobá vyhľadávaniu podobnému vyhľadávaču Google, aby ste rýchlo našli všetky vaše dáta, ktoré sú najrelevantnejšie. Pochopenie ich kon, pochopenie závislosti, faktoring v skutočne jednoduchých veciach, ako sú obchodné glosáre, ktoré napísali odborníci vo vašich komunitách, udržiavané nažive všetkými kmeňovými znalosťami vedúcich vašich spolupracovníkov.
Inteligentné získavanie údajov. Zamyslite sa nad možnosťou viesť rozhovory s vlastníkmi prehľadov a odborníkmi. Odovzdaním urobíte trochu Trip Advisor alebo Yelp, nahráte najužitočnejšie diela, osvedčíte tie, ktoré organizácia považuje za najcennejšie, a potom to všetko vráti späť do výsledkov vyhľadávania a nakoniec do poradia vyhľadávania, čím je lepšie pre ďalší používateľ. Akonáhle nájdete to, čo hľadáte, prechádzate do tejto rýchlej, bez kódovej, užívateľsky prívetivej, prípravnej a analytickej fázy, aby ste vyvinuli perfektnú množinu údajov, od ktorej môžete publikovať opakovateľné procesy.
Späť na našu automatizačnú konverzáciu, vytváranie užívateľsky prívetivých aplikácií. Čokoľvek je potrebné na vytvorenie analytických modelov. Keď už hovoríme o modeloch, podporujeme technológie s otvoreným zdrojovým kódom, ako je R, už niekoľko rokov, čo nám umožňuje vybudovať skutočne pokročilé analytické schopnosti, ktoré pokrývajú popisnú, ale aj prediktívnu, predpísanú analytiku, jednoduchou metódou drag-and- kvapka cesta.
Teraz, po pravej strane, sa tento náhľad na interaktívne vizualizácie, modely a bodové hodnotenie tlačí dolu do dátových platforiem alebo naposledy, čím sa tento prehľad okamžite a priamo sprístupní v rámci obchodného procesu. Myslím si, že práve táto škála možností v rámci celej platformy nám umožnila, aby sme sa v tohtoročnom prieskume o výbere zákazníkov spoločnosti Gartner Peer Insights, ktorý je fantastickým úspechom, dostali za zlatého ocenenia. Dôrazne odporúčame navštíviť web Gartner, kde sa dozviete viac, pridajte svoje vlastné hlasy a pridajte svoj vlastný komentár.
Cool, takže, Jen, ak preskočíme o jednu snímku vpred, myslím, že keď sme dospeli k záveru, rád by som vám dal všetky ďalšie kroky. Najprv navštívte webovú stránku Alteryx.com a stiahnite si bezplatnú kópiu nášho najnovšieho prieskumu, ktorý bol vypracovaný v spolupráci s Medzinárodným inštitútom pre analýzu (IIA) a ktorý sa týka odstraňovania analytických prekážok. Môžete tiež navštíviť adresu udacity.com/alteryx, kde sa dozviete viac o tom, ako umožniť svojim tímom, podniknúť ďalší krok na ich ceste, s týmto pokročilým analytickým nano-stupňom a nakoniec zažiť Alteryx pre seba. Navštívte domovskú stránku, stiahnite si plne vybavené hodnotenie a získajte na palubu vzrušenie z riešenia.
Jen, k tebe. Možno budeme mať nejaký čas na niektoré otázky a odpovede.
Eric Kavanagh: Budem zvoniť naozaj rýchlo. Máme pár otázok. Myslím, že najprv za vás hodím Nick, a potom Jen, ak sa chcete k tomu vyjadriť, ale určite sa to dá viac uplatniť v EÚ, a to je neslávny GDPR, globálne nariadenia o ochrane údajov. Ako to ovplyvňuje Alteryx a váš plán a na čo sa zameriavate vy?
Nick Jewell: Myslím si, že je to veľmi boogieman, ktorý práve teraz existuje. Veľa ľudí o tom hovorí, veľa ľudí sa celkom obáva, ale je to naozaj prvý z dlhej série nariadení, ktorý príde do sveta údajov a analýz. Z nášho pohľadu ide skutočne o pochopenie a klasifikáciu vašich údajov. Ak máte istotu, že ako CxO máte akúkoľvek konkrétnu príchuť, viete, kde sú vaše aktíva, viete o ich výhodách a viete, že im môžete veriť ako prvý krok k skutočnému spravovaniu a správe údajov v širšom kontexte.
Eric Kavanagh: Myslím, že vám dám ďalšiu otázku, skôr ako privedieme Jen späť, Nick, a to sú údaje o školeniach, ak niekto požaduje odstránenie ich údajov z vášho podniku, nemá to vplyv iba na jeho meno, adresu a tak. ďalej, nielen ich kontaktné informácie, ale tiež, ak algoritmus používa školiace údaje, ktoré zahŕňajú vaše údaje, mali by ste algoritmus preškoliť, nie je to tak?
Nick Jewell: Je to obzvlášť zložité. Myslím si, že myšlienka, že nielen databázy sú zdrojom niektorých týchto osobne identifikovateľných informácií, ale aj analytické pracovné postupy, aplikácie, vizualizácie. Tieto údaje sú všade v organizácii, takže majú tieto podmienky: absolútne nevyhnutné.
Eric Kavanagh: A Jen, čo si myslíš? Je zrejmé, že to nie je také veľké riešenie v USA a nevidíme príliš veľa spoločností, ktoré by sa nad tým teraz trápili, aj keď sa to tu technicky týka. Ak má spoločnosť v USA údaje o občanovi EÚ, aký je váš názor na význam GDPR a aká veľká je dohoda?
Jen Underwood: Určite si myslím, že si to vyžaduje zodpovedné spracovanie údajov. Niekoľkokrát som o tom písal a mám niekoľko usmernení k niektorým z týchto vecí. Myslím si, že otázka, ktorú ste položili na algoritmy, je zaujímavá. Určite niektoré z riešení, na ktoré sa dnes dívam, niektoré z ich produktových tímov navrhli funkcie, aby ste videli, ako sa rozhodujú a aké osobné údaje sa použili pri rozhodovaní o výsledku tohto algoritmu. Tu v Spojených štátoch vidíme určité vplyvy na dizajn výrobkov.
Mnoho technologických spoločností tu má veľmi veľké kancelárie a vývojové tímy tu v USA aj na celom svete, takže to vidíme aj pri vývoji produktu. Vidím, ako sa investuje viac katalógov údajov. Viac iniciatív vlád sa rozvíja tak, aby ľudia pochopili, a chápu, kde sú všetky tieto údaje v chaose. Snažím sa ich prinajmenšom zorganizovať, byť schopný ich nájsť a urobiť s tým niečo.
Eric Kavanagh: Budem tlačiť túto snímku, o ktorej sme hovorili skôr, a odovzdať ju vám, Nick. Myslím si, že je to fantastická snímka, pretože podľa mňa skutočne hovorí o potrebe analytiky. Čo si myslíte o tejto meniacej sa dynamike? Pointa je, že spoločnosti musia byť agilné a analytiky považujem za vedenie tohto poplatku. Co si myslis?
Nick Jewell: To je fascinujúce. Myslím, že vždy existuje - spoločnosti a technológie vždy existujú v troch štátoch, takže to bude buď vojna, mier alebo zázrak. Vojna bude asi tak silnou konkurenciou. Wonder sú všetky skvelé nové veci, ktoré staviate na vrchole platformy. Potom mier pred konkurenciou a vojna začne znova. Myslím, že tu vždy prebieha táto bitka.
Pred dnešným hovorom sme hovorili o niektorých ďalších konferenciách a kľúčových poznámkach, ktoré sa dnes dejú po celom svete. Niektorí z veľkých dodávateľov cloudu dosiahli bod, v ktorom túto platformu vybudovali a teraz na nej stavajú úžasné nové veci. Spoločnosti na to musia dohliadať a ubezpečiť sa, že idú s niečím, čo má súvislú platformu, ktorá prinesie túto hodnotu do budúcnosti. Budú to tí, ktorí prežijú toto prerušenie.
Eric Kavanagh: Áno, to je dobrý bod, a viete, Jen, už ste skôr, v skutočnosti pred prehliadkou, komentovali cloudovú stratégiu a to, ako veľa ľudí, ktorých poznáte, hovoria, že veľké spoločnosti, dokonca aj banky, všetky teraz majú cloudová stratégia. Bol som trochu prekvapený, ako dlho to trvalo, kým sa to naplnilo, a myslím, že možno niektorí z nich išli na konferenciu AWS Reinvent a uvedomili si, aké veľké to je, a vyvodil záver, že nadišiel čas. Čo si myslíte o povedomí manažérov veľkých firiem o dovoze cloudu ao tom, ako sa to mení v ich plánovaní?
Jen Underwood: Keď premýšľam o tomto svete rozsiahlych údajov, ktorý je schopný ho spravovať, myslím si, že na niektorých úrovniach existuje určitá miera pokoja s tým, že jedna z veľmi veľkých firiem prevezme zodpovednosť za niektoré bezpečnostné aspekty, takže existuje určitý mier myseľ tam. Vieš, že v cloude je nejaká obmedzená škála.
Ďalšia vec je, a videl som to, bol som v tíme, ktorý prepracoval produkt v cloude, a určite to bol produkt, ktorý nevyužíval psy, a nikto mu nevenoval žiadnu pozornosť, a to do dvoch rokov kvôli týždenným vydaniam a dokonca, Povedal by som, že je to takmer do bodu denného vydania v cloude. Viem, že Amazon hovorí, že sa uvoľňujú viackrát za deň. Keď máte túto hrozbu, keď vaši konkurenti môžu každý deň vydávať a zlepšovať sa, nech už robia čokoľvek, prinajmenšom v softvérovom priemysle - a všetci sú skutočne v softvérovom priemysle, keď sa začnete zaoberať digitálnou transformáciou - je to úplne iný loptová hra a ktokoľvek môže roztočiť oblak a mierku a stať sa veľkým.
Opäť platí, že to budú dáta, ktoré využívajú, ktoré spôsobia rozdiel a inteligenciu v ich algoritmoch, a preto ľudia hovoria o tom, že ide o nový olej alebo o zlato. Keď sa pozriem na cloud, je to menič hry, ktorý skutočne umožňuje veľmi, veľmi rýchly vývoj a mierku. Je to úžasné.
Eric Kavanagh: Prinesiem ťa späť, Nick, na ďalšiu otázku - pôjdeme tu len minútu, ak sa dokážeme dostať k niektorým z týchto otázok, ale, ako si spomínam, pred piatimi a šiestimi a možno dokonca siedmimi rokmi, Alteryx bol skutočne inovátorom pri využívaní údajov tretích strán - takže prináša údaje zo zdrojov, ako napríklad Experian, alebo geopriestorových údajov. Myslím si, že je to pravdepodobne strategická výhoda, pretože taká vec je v DNA v Alteryxe, však? Keď sa spoločnosti pohybujú smerom k cloudu, myslím, že vy máte veľa skúseností s tým, aby ste mohli premostiť tieto svety. Čo si myslíte o svetoch on-prem veršovaných údajov tretích strán a cloudových údajov?
Nick Jewell: Áno, určite. Konečné pripojenie sa stane takou mocnou hrou pre akúkoľvek spoločnosť, ktorá bude pracovať v tomto prostredí založenom na cloudu. Poviem však, že keď hovoríme o niečom ako infonómia, myšlienka, že informácie a údaje by sa mali považovať za prínos vo vašej spoločnosti. Väčšinu hodnoty, ktorú prinesiete, je využívanie externých zdrojov údajov, ich zmiešanie a obohatenie o vaše interné zdroje, aby sa v procese vytvorila a speňažila väčšia hodnota. Je absolútne dôležité pracovať rovnako s internými aj externými údajmi.
Eric Kavanagh: Áno, to je dobré. Myslím, že celý svet hybridného cloudu má zostať. Jen, jednoducho ti to hodím za pár záverečných komentárov. Podľa môjho názoru, keď mám tento strategický pohľad a dokážeme sa zjednotiť, pretože nový pojem opisuje údaje z rôznych zdrojov, bude to v budúcnosti zásadný faktor úspechu, však?
Jen Underwood: Nie, absolútne a je to smiešne, počul som tento hybrid, hybrid, hybrid. Počuli ste o tom a pred štyrmi rokmi ste mysleli na Hadoop, Hadoop a veľké dáta a potom ste začali počuť hybrid, hybrid, takže určite tam bolo, nie je to nevyhnutne, toto je rok strojového učenia, bar žiadny. Myslím tým umelú inteligenciu, strojové učenie sa tento rok dostalo na scénu, ale aby skutočne fungovalo v dnešnej organizácii, ktorá je na ceste k cloudu alebo ktorá sa musí zaoberať všetkými týmito rôznymi zdrojmi cloudových údajov, možno je to Salesforce alebo Pracovný deň, všetky tieto rôzne typy zdrojov, ktoré žijú v cloude, jediný spôsob, ako s nimi pracovať, je byť hybridný. Údaje nemôžete všade kopírovať, takže sa musíte priamo spojiť a musíte nájsť spôsob, ako pracovať s údajmi nachádzajúcimi sa všade, nájsť údaje všade, pretože to je realita toho, kde máme pravdu teraz.
Eric Kavanagh: Myslím si, že by som sa mýlil, keby som do konverzácie nepriniesol strojové učenie, takže, Nick, jednoducho ti to dám. Viem, že sa na to teraz ľudia zameriavate - viete niečo hovoriť o tom, kde vidíte strojové učenie, ktoré je v súlade s analytikou as druhmi systémov, ktoré používame na pochopenie nášho podnikania a našich údajov?
Nick Jewell: Áno iste. Takže veľmi rýchlo sa teda vráťme k priepasti v našich schopnostiach. Myšlienka, že máme organizácie úplne plné výkonu s výkonnými používateľmi Excelu. Prichádzajú vedci s údajmi, ale nerastú rovnakým tempom. Medzi nimi je obrovská priepasť. Zamyslite sa nad tým, kde je strojové učenie dnes. Koľko algoritmov máme v telefóne alebo na našich hodinkách a ktoré obsahujú techniky strojového učenia? Je to komodita, je všade. Týchto používateľov energie musíme umožniť čo najjednoduchším spôsobom, aby sa zabezpečilo úspešné použitie stroja v celom podniku.
Eric Kavanagh: Asi ti dám poslednú. Neskôr tu máme pár otázok. Jen, spýtam sa vás na tento. Účastník komentuje celý tento koncept učenia bez dozoru a faktom je, že na to musíte potrebovať školiace údaje a zvyčajne musia byť školiace údaje špecifické pre spoločnosť. Aj keď v priemysle existuje veľa korelácií, existuje veľa spôsobov, ako sú organizácie podobné. Každá spoločnosť je však jedinečná, či už ide o jej obchodný model alebo prístup k marketingu alebo predaju alebo o vývoj produktu.
Otázka sa stáva, budú tieto algoritmy schopné použiť údaje tretích strán na školenie? Zdá sa mi, že na trénovanie týchto algoritmov budete vždy potrebovať svoje vlastné údaje, aj keď sa tento čas cyklu skráti zo šiestich mesiacov - čo sa stalo v niektorých prípadoch - až na 40 dní alebo 20 dní, bez ohľadu na to, prípad môže byť. Naozaj musíte použiť svoje vlastné údaje a musíte sa uistiť, že údaje sú dosť čisté, však?
Jen Underwood: Je to naozaj zmes. Budete chcieť mať externý kontakt. V skutočnosti som si dnes rezervovaný zády k sebe a môj ďalší webinár hovorí o príprave a čistení údajov, paradoxne pre strojové učenie. Skutočne kľúčové je, že zostavujete externý kontext so svojou organizáciou a som rád, že ste sa pýtali na prípravu a čistenie údajov, pretože úprimne povedané, niektoré nástroje sú veľmi dobré, veľmi dobré - zvládnu niektoré aspekty, ale ľudská myseľ alebo schopnosť rozlúštiť problém a pozerať sa a uistiť sa, že to nevynechali - povedzme, že máme určitý druh opomenutia.Spôsob, akým sa pozeráte na problém a ako ste sa rozhodli navrhnúť problém, ktorý automatizujete, alebo rozhodnutia, ktoré automatizujete, je v tom umenie a uistite sa, že presne odráža daný obchodný proces.
Vráťme sa k môjmu príkladu s poisťovacou spoločnosťou, keď sme modelovali kanvicu a kto si najal ísť cez toto sponzorované školenie na predaj poistenia; v samotnom modeli nebola právna klíma, rôzne zákony pre rôzne štáty. Vždy bude existovať nejaký aspekt, v ktorom budete musieť mať tieto externé údaje spolu s vašimi vnútornými údajmi a opäť ľudskou mysľou. Tam budú rôzne komponenty.
Eric Kavanagh: Myslím, že si tu vychoval naozaj dobrý bod. Stále počúvame o prevzatí robotov a strojov a strojovom učení. Podľa mňa je to veľmi rušivý trend - o tom niet pochýb - ale nikdy nevidím potrebu, aby ľudia v zmesi odchádzali, najmä s analytickými údajmi, o podnikových údajoch.
Nick, posledná otázka pre teba. Podľa mňa, bez ohľadu na to, ako dobré sú algoritmy, vždy budete potrebovať ľudí, aby sledovali, čo sa deje, vstrekovali sa v určených časoch a skutočne syntetizovali celkový obraz toho, čo sa tam deje. Nemyslím si, že by nejaký algoritmus dokázal syntetizovať celkový obraz spoločnosti Fortune 2000, ale čo si myslíte?
Nick Jewell: Zoberme si úplne iný príklad ako Alteryx, povedzme o Uber z minulého roka. Uber, počas teroristického incidentu v Austrálii, ktorý sa ľudia pokúšali utiecť z tejto oblasti, zrazu nasadili zvýšenie ceny, pretože to spôsobil algoritmus, ktorý spôsobil obrovské poškodenie dobrého mena. Hneď potom implementovali ľudí a algoritmy spolupracovali. Kedykoľvek sa to malo stať, človek musel mať na tento proces dohľad. Toto partnerstvo človeka a algoritmu, to je cesta vpred.
Eric Kavanagh: Páni, to je skvelý príklad, ďakujem veľmi pekne. Ľudia, v našom webovom vysielaní sme prežili viac ako hodinu. Veľmi veľká vďaka Jen Underwood z Impact Analytics. Samozrejme veľké poďakovanie Nickovi Jewellovi a tímu Alteryx za ich čas a pozornosť a všetkým vám za váš čas a pozornosť. Vážime si tieto skvelé otázky. Všetky tieto webové vysielania archivujeme pre neskoršie prezeranie, pokojne ich zdieľajte so svojimi priateľmi a kolegami. Vďaka tomu sa s vami rozlúčime. Vynikajúce webové vysielanie dnes. Ešte raz vám ďakujem, nabudúce vás budeme doháňať, ľudia. Dávaj pozor. Zbohom.