Di Techopedia Staff, 29 novembre 2017
Takeaway: l' host Eric Kavanagh discute di dati e analisi, nonché i ruoli di Chief Data Officer (CDO) e Chief Analytics Officer (CAO) con Jen Underwood di Impact Analytix e Nick Jewell di Alteryx.
Eric Kavanagh: signore e signori, ciao e bentornati ancora una volta a un'edizione molto speciale di Hot Technologies. Gente, questo è Eric Kavanagh, sarò il vostro ospite per lo spettacolo di oggi, "The CxO Playbook: The Future of Data and Analytics". Sì, è un argomento piuttosto grande, devo dire. In effetti, oggi abbiamo un po 'di folla da record. Stamattina abbiamo registrato oltre 540 persone per il webcast. Lo stiamo facendo in un momento speciale, come molti di voi sanno per i nostri spettacoli regolari, di solito li facciamo alle 4:00 Est, ma volevamo accogliere l'ospite molto speciale che chiamava dall'altra parte dello stagno. Vorrei immergermi subito nella presentazione oggi.
Quindi quest'anno è caldo - è stato un anno molto tumultuoso in molti modi, penso che la nuvola abbia molto a che fare con questo. La confluenza di tecnologie a cui stiamo assistendo sul mercato è il driver principale, e sto ovviamente prendendo in considerazione SMAC come lo chiamano. Stiamo parlando di SMAC: social, mobile, analytics, cloud - e tutte queste cose si uniscono. Le organizzazioni possono davvero cambiare il modo di fare business. Ci sono più canali per eseguire le tue operazioni aziendali, ci sono più dati da analizzare. È un mondo davvero selvaggio là fuori e parleremo oggi di come stanno cambiando le cose nella suite C, quindi i dirigenti, le persone migliori di queste organizzazioni, beh, quel mondo intero sta cambiando proprio ora e noi ne parlerò.
C'è il tuo veramente in cima. Oggi abbiamo Jen Underwood di Impact Analytix e Nick Jewell, l'evangelista capo della tecnologia di Alteryx. È roba molto eccitante. Ieri sera ho trovato questo concetto, gente, e penso che sia davvero interessante. Certo, conosciamo tutti le sedie musicali, il gioco per bambini in cui hai tutte queste sedie in cerchio, inizi la musica, tutti iniziano a camminare e una sedia viene portata via; quando la musica si ferma, tutti devono arrampicarsi per prendere una sedia mentre una persona perde sulla sedia in quella situazione. È una cosa molto strana e avvincente che sta accadendo proprio ora nella suite C, e se noti in questa immagine proprio qui, hai due sedie vuote nella parte posteriore. In genere, una sedia scompare nelle sedie musicali, e quello che stiamo vedendo in questi giorni, è che ci sono altre due sedie a livello C: il CAO e il CDO, responsabile dell'analisi dei dati e responsabile dei dati.
Entrambi stanno decollando. Francamente il Chief Data Officer sta davvero decollando come un incendio in questi giorni, ma cosa significa? Significa qualcosa di molto significativo. Significa che il potere dei dati e dell'analisi è così significativo che le sale del consiglio, o direzionali, dovrei dire, le suite C stanno cambiando - stanno aggiungendo persone alla suite C, nuovi dirigenti stanno riempiendo alcuni di questi nuovi posti. Se pensi a quanto sia difficile cambiare la cultura di un'organizzazione, è un affare piuttosto serio. La cultura è una cosa molto difficile da cambiare, e in genere il cambiamento positivo è promosso attraverso una buona gestione, buone idee e quel tipo di cose. Se pensi all'opportunità che abbiamo in questo momento, aggiungendo nuovi dirigenti nella suite C per analisi e dati, è davvero un grosso problema. Parla dell'opportunità per le organizzazioni di cambiare traiettoria e ammettiamolo, le grandi e vecchie aziende hanno davvero bisogno di cambiare a causa di come sta cambiando il mercato.
Di solito fornisco esempi di Uber, ad esempio, o Airbnb come organizzazioni che hanno sostanzialmente sconvolto interi settori, e ciò sta accadendo ovunque. Di cosa parleremo oggi è come la tua organizzazione può adattarsi, come la gente là fuori può usare queste informazioni, queste intuizioni, per cambiare la traiettoria aziendale e avere successo nell'economia dell'informazione.
Detto questo, consegnerò le chiavi del WebEx a Jen Underwood, e poi anche Nick Jewell suonerà; sta chiamando dal Regno Unito Grazie a tutti e due, e Jen, con quello, ve lo consegnerò. Portalo via.
Jen Underwood: Grazie, Eric, suona alla grande. Buongiorno a tutti. Oggi parleremo di questo playbook CxO; è il futuro dei dati e dell'analisi e mi immergerò subito. Eric ha già fatto un buon lavoro nel parlare del perché questo è così importante. I nostri relatori oggi, ancora una volta, hanno visto un'altra diapositiva con queste informazioni, ma avremo io e Nick Jewell conversare con te in modo molto interattivo in questa sessione oggi. Ci apriremo descrivendo quali sono questi ruoli e i tipi di cose che sono in missione da fare. Analizzeremo il settore dell'analitica, le prospettive in generale e alcune delle sfide che queste persone dovranno affrontare. Le dinamiche all'interno delle organizzazioni oggi mentre ti stai preparando per il futuro, e poi parleremo dei prossimi passi e ti forniremo una guida per la pianificazione, se stai per esplorare alcuni di questi ruoli nella tua organizzazione.
Parlando di questo CxO, il CAO, ad esempio, è il capo dell'analitica, è un titolo di lavoro per dirigenti che sono responsabili dell'analisi dei dati all'interno dell'organizzazione. Il CAO di solito riferisce a un CEO e quella posizione emergente sarà fondamentale, quando si pensa alla massa di trasformazione e alla sua trasformazione digitale che stiamo avendo in questo momento nel modo in cui le aziende prendono e prendono le loro decisioni aziendali.
Se pensi che la trasformazione e l'intelligenza digitale siano il nucleo della trasformazione digitale, questo CAO ha un ruolo molto strategico all'interno di un'organizzazione. Non solo riportano la solida scienza dei dati alle intuizioni e alle conoscenze reali, ma possiedono il ROI e l'impatto risultanti, quindi su cosa vengono misurati? Come stanno portando quel ROI con i dati che hanno e alcuni dei numeri di fondo in un'organizzazione per sfruttare strategicamente i dati. Tale posizione, insieme al CIO, il responsabile delle informazioni, è diventata famosa grazie all'aumento della tecnologia e della trasformazione digitale e al valore dei dati.
Da anni ormai, i dati sono l'oro in questo particolare mondo con monetizzazione e intelligenza e trasformando queste informazioni. Essere in grado di intraprendere queste azioni proattive e non solo guardare sempre indietro, di per sé. Le due posizioni sono simili in quanto trattano entrambe le informazioni, ma il CIO, di per sé, si concentrerà sull'infrastruttura in cui un CAO si concentra sull'infrastruttura necessaria per l'analisi delle informazioni. La posizione simile è il CDO e si sente molto di più, probabilmente sentiamo un po 'di più sul CDO di quanto tu non faccia oggi sul CAO. Il CDO si concentra maggiormente sull'elaborazione e la manutenzione dei dati e su quei processi di governance durante l'intero ciclo di vita della gestione dei dati.
Queste persone saranno anche responsabili per la monetizzazione dei dati e ottenere valore dai dati e lavorare attraverso la maturità dei cicli di vita della governance e della sicurezza, per tutta la durata, direi, del ciclo di vita. Queste sono persone che sarebbero molto in sintonia, di per sé, o responsabili di assicurarsi che il GDPR - e ne parleremo tra poco - l'European Data Protection Act, assicurando che tali tipi di cose siano coperti nelle loro organizzazioni. Ora stiamo ottenendo la struttura e il futuro per ruoli dinamici ad alta intensità di dati dirompenti. Questi sono i tipi di cose di cui il CDO sarà responsabile e non solo se stessi: costruiranno un team interfunzionale, e ho alcuni esempi di alcune persone che sarebbero arrivate al, di per sé, in un struttura organizzativa, da parte di architetti e persone di governance, e persino gli analisti, i data scientist e gli ingegneri di un'organizzazione possono ricorrere a loro.
Passando ulteriormente alle prospettive del settore per l'analisi, questa è stata una corsa fenomenale - probabilmente di dieci anni, anche più a lungo - in questo particolare settore. È in costante crescita, molto eccitante, anche durante il crollo del mercato anni fa era ancora molto richiesto. È stato semplicemente un posto meraviglioso e se guardi all'agenda CIO di Gartner nel 2017, la BI e l'analisi sono ancora tra le prime tre classifiche di ciò che è più importante per un'organizzazione e osserviamo la crescita dei mercati del software, siamo costantemente vedendo la crescita lì. Finché sono stato in questo spazio, è sempre stata una carriera davvero brillante.
Quando guardiamo a questa era digitale e alla trasformazione, ciò che è molto, molto interessante per me, sono questi processi che abbiamo, e spesso sta ottenendo informazioni e prendendo provvedimenti dai processi o durante i processi aziendali. Ora, Gartner ha stimato entro il 2020, le informazioni che hai usato saranno reinventate, digitalizzate o addirittura eliminate. L'ottanta percento dei processi e dei prodotti aziendali che abbiamo avuto da dieci anni fa, e stiamo iniziando a vederlo, giusto? Stiamo iniziando a vedere che con i versi di Amazon forse alcuni dei grandi negozi di box, gli Ubers, gli Airbnbs - questi modelli digitali stanno interrompendo il processo e ora la gente sta interagendo. Persino il Black Friday - non so quante persone siano andate davvero in un negozio - molte persone acquistano online e come raggiungi quel cliente? Ci vuole intelligenza per farlo. Ci vuole un modo molto diverso di interagire e personalizzare il messaggio e avere quell'intelligenza per presentare loro l'offerta giusta al momento giusto, e ora forse è con un clic di un pulsante. È così facile per loro lasciare il tuo negozio online. Le cose stanno davvero cambiando in questo mondo, e penso che anche Nick abbia voluto parlarne.
Nick Jewell: Sì, ciao a tutti, grazie mille. Mi scuserò in anticipo se c'è un leggero ritardo nell'audio proveniente da Londra, farò del mio meglio per non parlare di te, Jen.
Hai assolutamente ragione, che l'eliminazione dei rifiuti, quella reinvenzione come parte della trasformazione digitale, spesso avviene quando le organizzazioni passano da prodotti su misura, forse applicazioni disconnesse e verso piattaforme più aperte e connesse. Quando il tuo processo è digitale, sarà molto più semplice vedere il percorso end-to-end dei tuoi dati. Affina davvero i passi che fai, usando i dati per ottimizzare quel processo.
Andiamo avanti di una diapositiva, se possibile. Quando si tratta di trasformazione digitale, cosa significa per le organizzazioni, immagino sia eccitante o intimidatorio, a seconda del lato dello spettro su cui ti siedi. Dai un'occhiata al grafico qui, che mostra la durata della vita delle aziende e come influenze dirompenti influenzano le fortune di un'organizzazione. Se hai fondato un'azienda negli anni '20, hai quasi 70 anni in media, prima che un'altra azienda ti distruggesse. Una vita abbastanza facile per gli standard di oggi, perché oggi un'azienda ha a malapena 15 anni prima che l'interruzione minacci la sua esistenza. Si prevede che circa il 40 percento delle odierne società Fortune 500, quindi sull'S & P 500, non esisterà più tra 10 anni. Entro il 2027, il 75 percento dell'S & P 500 verrà sostituito, quindi l'emivita che le organizzazioni affrontano oggi, prima di doversi preoccupare di interruzioni, si sta davvero riducendo. Le aziende di successo devono stare al passo con quella corsa all'innovazione digitale.
Oggi nessuno mette davvero in dubbio l'analisi. È il fulcro, quella trasformazione del business digitale. Di fatto, le organizzazioni stanno mettendo l'innovazione digitale proprio alla base della loro strategia. Quelle aziende, sono le prime cinque società più preziose al mondo, che rappresentano due trilioni di dollari di valore di mercato, Jen.
Jen Underwood: Sì, è fantastico, lo è davvero. Sta davvero cambiando e velocemente. L'altra dinamica che abbiamo e ne abbiamo parlato, ora penso che finalmente lo stiamo vedendo e le organizzazioni stanno avvertendo questa crescita esponenziale delle fonti di dati, e non sta nemmeno più analizzando i dati su fonti di dati strutturati. Ancora una volta, stiamo parlando, hai solo un momento in alcuni di questi processi digitali per prendere una decisione e queste cose arrivano in JSON dalle API REST, stiamo parlando di dati non strutturati, che si tratti di file di registro, ce ne sono di tutti i tipi di diversi tipi di dati, nonché l'estrema crescita costante.
Nick Jewell: Sì, Jen, così come hai sottolineato, i leader analitici affogano in un mare di dati. Arrivare all'intuizione di alto valore, magari utilizzando una miscela di tecniche analitiche esistenti o nuove, è davvero l'obiettivo finale, ma c'è un problema semplice e fondamentale con cui molte organizzazioni con cui lavoriamo si trovano ad affrontare. Abbiamo commissionato la Harvard Business Review, fatto il sondaggio, parlando con analisti di dati e dirigenti aziendali. Hanno chiesto quante fonti di dati usano nella loro organizzazione per prendere una decisione, ed è abbastanza chiaro, c'è stato un cambiamento fondamentale negli ultimi anni. L'IT era solito fondere i dati, trasferirli nel data warehouse, ma immagino che nonostante l'eccellente lavoro svolto dai gruppi IT, creando una gestione centralizzata dei dati, gli analisti debbano ancora affrontare il compito di creare quel set di dati analitici specifico, ma devono rispondere a una domanda commerciale. In effetti, solo il 6 percento ha tutti i suoi dati in un unico posto e la maggior parte degli analisti deve estrarre dati da cinque o più fonti - cose come fogli di calcolo, applicazioni cloud, social media e, naturalmente, senza dimenticare quel data warehouse.
Ora, la maggior parte delle organizzazioni lo riconosce, ma ciò che la maggior parte delle organizzazioni non ha a che fare è il semplice fatto che i professionisti dei dati impiegano più tempo a governare e cercare dati, piuttosto che a estrarre valore. Questi non sono i problemi analitici strategici di alto profilo che i dirigenti aziendali vogliono conoscere. Ma non affrontare la questione fondamentale impedirà alle organizzazioni di ottenere intuizioni basate sul valore. Jen?
Jen Underwood: È interessante. Ho sicuramente visto diversi studi su questo ed è questo pezzo qui, che si tratti dell'80 percento delle volte o di migliaia di miliardi di dollari che correggono gli stessi dati più e più volte, in modo molto inefficiente in un'organizzazione. Questo aggiunge, questi 37 e questo 23 percento è una perdita di tempo molto costosa. È sorprendente per me che più attenzione non sia prestata a questo.
Osservando alcuni di questi, ciò che definirei le forze del mercato, e molte volte quando parlo delle tendenze del settore, adoro seguirlo e tenerlo costantemente sotto controllo. È importante capire quando qualcosa è più di una tendenza, quando sarà davvero una forza a cui devi prestare attenzione, e queste sono le prime tre in questo momento, le forze a cui prestare attenzione. È questa rapida crescita, il numero uno è la rapida crescita di database non relazionali. Ho appena menzionato l'intero concetto di non avere molto tempo nel dover interrogare, di per sé, un JSON, è questo tipo di scenari non relazionali, che stanno crescendo abbastanza - penso di avere alcune statistiche in un momento qui - rapidamente.
L'altra cosa è il passaggio continuo al cloud. Prima della telefonata che avevo citato ero un product manager mondiale in una delle grandi aziende tecnologiche e tre anni fa ho avuto conversazioni difficili con gruppi che dicevano: "Non metteremo nulla nel cloud. Non ci sposteremo sul cloud ”. Ed è stato molto interessante vedere i gruppi un anno dopo, due anni dopo, ora sento gli stessi gruppi, che tutti hanno un piano cloud. Penso che tutti siano un'estrema affermazione molto ampia, ma cosa direi, gente che è stata anti-cloud, certamente l'atteggiamento è cambiato radicalmente, in un periodo di tempo molto breve, anche da quando parlavo con gruppi di tutto il mondo questo tipo di cose.
Automazione, questa è un'area che mi ha affascinato e un'area che stiamo sicuramente vedendo molta attività e grande attività. Parliamo di alcune di queste cose con questo tempo sprecato e un uso inefficiente del tuo tempo. L'automazione è sicuramente una delle aree di cui sono più entusiasta quando penso di apportare valore a un'organizzazione.
La prossima diapositiva di cui parlerò, questo è uno studio di IDC, guardano i segmenti di mercato e la crescita ed è davvero un modo meraviglioso per dare un impulso a ciò che sta davvero crescendo, cosa stanno comprando i tuoi colleghi? A quali tipi di cose non sono più interessati? Quei tipi di cose e mettendo nella loro strategia.
Il mercato mondiale dei software di analisi dei big data ha, secondo IDC, 16 segmenti e in questo senso stiamo osservando anche alcune modifiche al nome. C'era un'aggiunta di software analitico continuo, piattaforme software di intelligenza artificiale cognitiva, sistemi di ricerca, quindi c'erano anche alcune nuove categorie aggiunte qui. Questa panoramica del mercato comprende praticamente gli strumenti orizzontali, le applicazioni preconfezionate, nonché alcuni casi di supporto decisionale e di automazione delle decisioni. Ancora una volta, questi saranno i tipi di soluzioni, quando si pensa al CDO, inserendo un contesto di un CDO, il loro portafoglio che può essere gestito dall'integrazione dei dati alla visualizzazione dell'analisi, all'apprendimento automatico e a tutti questi tipi di capacità di cui hanno bisogno avere nell'era digitale.
Lo stesso mercato mondiale per questo tipo di soluzioni è cresciuto dell'8, 5 percento in termini di valuta corrente e il mercato complessivo è cresciuto del 9, 8 percento secondo IDC. Questo è stato confrontato con - osservi le fluttuazioni valutarie in un periodo di due anni e il grado di variazione è minimo, ma quei tre segmenti principali che ho evidenziato, solo per darti un'idea di quelle fonti di dati analitici non relazionali, il 58 percento crescita su base annua, analisi dei contenuti e sistemi di ricerca sono stati del 15 percento e alcune delle applicazioni di relazione con i clienti, cose di tipo CRM o Salesforce Einstein, ad esempio, stanno crescendo oltre il 10 percento, al momento sono il 12 percento. Penso che Nick abbia voluto aggiungere anche dei commenti su questo.
Nick Jewell: Grazie, Jen. È una vista fantastica. Penso che in Alteryx abbiamo sempre creduto che la preparazione e la miscelazione dei dati sarebbero sempre state una competenza chiave di qualsiasi sistema analitico, ma in realtà è la base per qualsiasi analisi più avanzata. Ora, negli ultimi anni, parliamo del settore: potrebbe essere stato un po 'troppo focalizzato su alcune delle nuove funzionalità di visualizzazione interattiva. Sembrano belli perché aumentano il coinvolgimento, guidano l'intuizione, ma in realtà non ci hanno spostato oltre l'analisi analitica descrittiva.
Ma suppongo che ora la gente stia puntando un po 'più in alto, le organizzazioni che iniziano a capire i valori di business verranno da quelle analisi più sofisticate che si stanno facendo strada nel mainstream. La domanda lì diventa, come o, più precisamente, chi? Ciò è passato all'analisi di valore più elevato; sta davvero gettando il problema della carenza di talenti analitici in un sollievo piuttosto acuto, saresti d'accordo?
Jen Underwood: Assolutamente, e penso di aver appena twittato, ho visto un commento davvero affascinante ieri sera dal vice presidente di Adobe che diceva: "L'apprendimento automatico è diventato una posta in gioco", dove la gente era diffidente, ora è diventata un'esigenza ed è interessante. Guardando questo e solo un altro piccolo angolo diverso, di per sé. Molte persone, stiamo iniziando a vedere questo come un'area ad alta crescita con un negozio analitico non relazionale e l'IA cognitiva, questi apprendimento automatico, queste analisi di alto valore. Ma ancora alla fine della giornata, in questo momento il segmento più grande, quindi dove la maggior parte degli acquisti sta avvenendo oggi, è ancora in questa base, cosa direi, il reporting delle query, alcune delle analisi visive, e sta ancora crescendo e questo è qualcosa che molte persone credono che tu abbia già - non necessariamente. Sta ancora crescendo del 6, 6 per cento ogni anno.
Come CDO - e adoro mostrare questa diapositiva - sostanzialmente per dire, quando stai entrando in questo nuovo ruolo o stai guardando attraverso i dati in un'organizzazione, è il caos e penso che questa particolare diapositiva faccia davvero buon lavoro di - queste sono tutte le diverse aree potenziali che potresti avere dati. Potrebbero essere on-prem, potrebbe risiedere nel cloud, potrebbe essere ibrido, è ovunque ed è un grande travolgente - di nuovo, è un ruolo di tipo C ora all'interno di un'organizzazione e non è un compito semplice o semplice - in questo particolare mondo da affrontare, a volte è abbastanza travolgente. Questo è il mondo di cui questo CDO ha bisogno per navigare, per essere in grado di padroneggiare ciò che direi, massimizzando il valore dei dati.
Continuando la sfida, massimizzando il valore di tutte quelle diverse fonti e quello che stiamo avendo è la chiusura di queste finestre temporali, con questi processi digitali o l'intuizione dell'azione si sta chiudendo. Se pensi a forse cinque anni fa, dieci anni fa, potresti avere rapporti che potresti correre per prendere alcune decisioni con inventario o azioni, che potrebbero essere eseguite settimanalmente, mensilmente, quindi diventano giornaliere o notturne, forse è ogni ora.
Ora, quello che stiamo vedendo sono questi uffici intelligenti artificiali incorporati di machine learning intelligente, che prendono decisioni e correzioni sul posto, quindi anche cose come l'Internet of Things, l'analisi incorporata dell'IoT al limite, questi sistemi sono intelligenti e questi algoritmi possono mettere a punto e modificare alcune delle decisioni che stanno prendendo sul posto al momento giusto. È stato molto interessante vedere questa particolare dinamica con le rivoluzioni digitali e questi punti di contatto - anche se sono aumentati, il tempo di azione continua a diminuire e la tecnologia si sta evolvendo per questi scenari.
Nick Jewell: Sì, Jen, penso che uno di quegli aspetti più interessanti di come sta cambiando la fornitura di informazioni, è dove l'analitica arriva all'utente finale. Stiamo chiedendo agli utenti di saltare in un cruscotto quando prendono una decisione critica, o stiamo dicendo che l'intuizione, la prossima azione migliore, è disponibile direttamente all'interno del processo, nel flusso, al fine di guidare quel vantaggio competitivo? E il modello analitico di cui stiamo parlando potrebbe aver bisogno di prendere i suoi input da una vasta gamma di fonti diverse - tradizionali data warehouse, geolocalizzazione, social media, sensori, clickstream - tutti questi dati hanno un impatto sulla decisione e su quel risultato attuabile .
Jen Underwood: continuando su questo tema di sfida e cambiamento, quello che abbiamo in questo momento e le sfide che il CEO ha bisogno di abbracciare e pianificare un modo per conquistarli, è essenzialmente che abbiamo troppi dati per gestire in modo efficiente e analizzare manualmente. Ci sono lunghi ritardi; dobbiamo abbreviare questi ritardi e dobbiamo trovare un modo per massimizzare il valore dei dati che abbiamo. C'è una carenza di talenti nel campo della scienza dei dati nel mondo e per coprire queste intuizioni e ciò che chiameremmo oceani come dati. La buona notizia è che ci sono alcune meravigliose innovazioni che stanno aiutando in ogni area di questo oggi, e sta diventando eccitante vedere cosa, dove la tecnologia ci porterà, per aiutarci con queste sfide.
Mentre continuavo a guardare a questo, c'è un po 'di confusione quando ho parlato con i clienti o ho parlato con i gruppi usando alcuni di questi strumenti. Alcune delle sfide classiche esistono ancora oggi, sta solo diventando un po 'più aggravata dal tentativo di trovare dati da analizzare. Alcuni degli strumenti di ricerca, alcuni dei cataloghi là fuori stanno sicuramente aiutando le cose - ora quello che stiamo trovando è quale catalogo usare quando. Ci sono un paio di cataloghi diversi, quindi ci sono diversi posti in cui è possibile archiviare e condividere dati, quindi si tratta di cercare di scoprirne uno, forse il catalogo in cui dovremmo cercare.
L'altra cosa è la condivisione collaborativa. Abbiamo parlato di uno degli studi di quella Harvard Business Review, di quanto tempo viene impiegato, fondamentalmente facendo attività senza valore aggiunto, sprecando tempo e quanto può essere costoso. Se sei in grado di condividere e utilizzare in modo collaborativo fonti di dati comuni, gli script sono già stati sviluppati, la logica è già lì, puoi gestirli in modo efficace, quindi bilanciare la governance con l'agilità di analisi, è davvero quello che vuoi sforzarti di fare e navigare in questo mondo di quello che chiamerei, abbiamo gli strumenti di nicchia, abbiamo strumenti di flusso di lavoro automatizzati, abbiamo Excel classico, i cataloghi di dati, la BI self-service, gli strumenti di data science. Come ha mostrato quella foto, ci sono molti, molti strumenti e molte sovrapposizioni tra di loro.
Nick Jewell: Sì, perfetto, Jen, e penso che la finestra di intuizione, come hai detto tu, si stia sicuramente riducendo, ma il tempo impiegato per implementare effettivamente i modelli non sta al passo. L'implementazione del modello predittivo continua a rappresentare una grande sfida per molte aziende. Abbiamo parlato con Carl Rexer, che è il presidente di Rexer Analytics, e nel sondaggio sulla scienza dei dati del 2017 di Carl, ha scoperto che solo il 13 percento dei data scientist afferma che i loro modelli vengono sempre implementati e questo rapporto di distribuzione non sta migliorando, quindi noi tornare indietro con ogni sondaggio precedente. In effetti, risalendo al 2009, quando la domanda è stata posta per la prima volta, e vediamo risultati quasi identici, quindi abbiamo un vero divario.
Jen Underwood: quando osserviamo la maturità dell'analisi, sta rapidamente progredendo. Ancora una volta, due, tre anni fa, eravamo molto entusiasti di avere un'analisi self-service visiva e di essere finalmente flessibili e di espandere la BI alle masse, di per sé. Quando dico masse, probabilmente alimento ancora gli utenti all'interno di un'organizzazione. Ora stiamo vedendo l'ottimizzazione, l'analisi predittiva, l'apprendimento approfondito, il linguaggio naturale, molte altre tecnologie che realmente, poiché sono incorporate nei processi di tutti i giorni, alla fine democratizzeranno davvero l'analisi molto facilmente per le masse, per le vere masse da usare all'interno del processi aziendali esistenti che già hanno.
Nick Jewell: Sì, Jen, parliamo di una breve storia sull'ultima categoria, se posso. La maggior parte degli ascoltatori della chiamata oggi avrà familiarità con il software AlphaGo di Google DeepMind, sconfiggendo alcuni dei migliori giocatori Go al mondo negli ultimi due anni. AlphaGo ha imparato a giocare studiando enormi volumi di partite precedentemente registrate. Tanto che i commentatori del torneo AlphaGo hanno affermato che il software ha giocato nello stile di un Gran Maestro giapponese, che ci crediate o no.
Ma, nell'ultimo mese, è stato riportato un risultato quasi più sorprendente. Questo era AlphaGo Zero, deep learning, rete neurale, armato solo con le semplici regole del gioco e una funzione ottimizzata. Si è insegnato a diventare il giocatore Go più forte del mondo, senza allenamento supervisionato, e lo ha fatto in circa 40 giorni. Questo cosiddetto apprendimento di rinforzo, in cui gli esseri umani definiscono la sfida, consente al sistema di apprendimento profondo di esplorare, migliorare, potrebbe davvero produrre il più grande impatto nello spazio analitico. Quindi, immagino, rimanete sintonizzati.
Jen Underwood: Sì, è davvero interessante che tu l'abbia menzionato. Riesci a immaginare le esclusioni? E questo è quello che sto iniziando a vedere. Davvero, quando parlo di automazione, molto entusiasmante per le soluzioni che siano abbastanza intelligenti da pulire l'aria, per imparare dai sistemi automaticamente, plug-and-play e sapere cosa fare dopo sulla base di alcune delle decisioni passate che sono state o di altre decisioni che sono stati realizzati all'interno dell'organizzazione e che hanno gestito alcuni di questi sistemi, i sistemi ETL e si sono presi cura di loro, e hanno avuto tempi fa bip e telefoni che mi chiamavano con avvisi quando i processi non erano in esecuzione, è così eccitante pensare, "Wow, ora è abbastanza intelligente da probabilmente auto-guarire."
Mio marito gestisce una griglia di auto-guarigione, avremo integrazione di dati di auto-guarigione, analisi di auto-guarigione e dove diventa sempre meglio, è davvero eccitante. Come CDO, quando inizi a pensare alla tecnologia di processo delle persone, daremo un'occhiata, in questo momento stiamo guardando la tecnologia, quindi guarderemo le persone e come affrontare la costruzione del tuo team e la costruzione le abilità. Se guardi la moderna piattaforma di analisi, te lo dico subito, non tutti avranno tutto qui, anche se le organizzazioni più grandi potrebbero avere tutti questi diversi componenti, di per sé, alcuni gruppi potrebbero avere solo due o tre piccole scatole qui, quindi non volevo sopraffare la gente con questo. Ma una moderna piattaforma BI non richiede necessariamente una build IT, un livello semantico di reporting predefinito.
Gli utenti e gli esperti dovrebbero davvero avere il potere di preparare semplicemente i dati per la velocità e l'agilità analitiche, e se si pensa all'aumento di ciò che si direbbe di analisi utente e guidata dagli esperti, lasciando che gli esperti in materia abbiano l'agilità, devono prendere decisioni rapide. Stiamo assistendo a una maggiore adozione di ciò che vorremmo dire, gli strumenti di preparazione dei dati personali, la lotta ai dati, l'arricchimento, la pulizia, i tipi di attività che Alteryx svolge, nonché alcune delle attività di tipo scientifico dei dati che offrono come bene. La moderna soluzione di preparazione offre join intelligenti, automatizzati, risoluzioni aeree, spostamento dei dati, quando si dispone di una pipeline di big data è molto, molto interessante. Questa è probabilmente, ancora una volta, una delle aree che amo e che mi piace molto testare anche nel settore.
A differenza della tradizionale BI guidata dall'IT, oggi l'IT si sta davvero concentrando sull'abilitazione del business e stai avendo persone come i CDO e mettendo insieme o scegliendo le giuste soluzioni per orchestrare, organizzare e unificare questi dati e assicurarsi, ovviamente, che sia governato, vero? Una cosa che è molto interessante per me e certamente penso che ne abbiamo dedotto, ma non credo che l'abbiamo appena detto, i giorni di un data warehouse a misura unica e che essendo il tutto sommato, sono certamente finiti. I dati sono ovunque, è necessario crearli: i laghi di dati sono entrati in scena, ci sono streaming e dati in tempo reale, ci sono così tante diverse fonti di dati ora, è davvero più di un caso basato sull'uso, "Di cosa hai bisogno?" "Dobbiamo portare tutto in un data warehouse." Non sono sicuro, Nick, hai voluto commentare questo? Non ricordo.
Nick Jewell: Dirò solo una cosa ed è solo, guarda l'evoluzione del componente. Ciò che gli esperti hanno fatto da cinque a dieci anni fa, è ora nelle mani dell'utente, quindi le cose sul lato destro lì saranno più prevalenti per l'utente in una forma senza codice trascinabile, molto presto Si muoverà sempre più velocemente, quindi tienilo d'occhio.
Jen Underwood: Sì, è davvero un buon punto. Adoro pensarci. La diversa scienza dei dati, sta finalmente diventando realtà e gli strumenti stanno migliorando molto. Pensando alla tecnologia, ora dobbiamo avere le competenze e le persone e cosa dobbiamo fare? In questo momento i lavori migliori includono titoli come data scientist, data engineer e analisti aziendali, ma ciò che stiamo scoprendo è che i datori di lavoro stessi trovano davvero difficile fare una partita. Anche nello spazio di preparazione dei dati, dirò: "È la preparazione dei dati, è la discussione sui dati, quali termini la chiamano?" È stato molto interessante da trovare.
L'azienda non sa di cosa ha bisogno e c'è questo campo emergente completamente nuovo che si estenderà in molte aree diverse. Se guardi tutti, ora deve essere un maestro dei loro dati, analisi di business, project manager IT, mio marito che gestisce una rete elettrica e un portafoglio di progetti, deve essere in grado di analizzarlo. Non si tratta più solo di finanza e analisi dei dati, ma è davvero molto più esteso, ad altre aree dell'organizzazione. Penso di aver visto uno studio su quante fonti di dati utilizza il marketing ed è stato travolgente. Ancora una volta, quando si pensa allo studio condotto da Harvard Business Review, non è più solo una fonte di dati che le persone devono mescolare e unire insieme e trovare una visione, sono molte fonti di dati e ci vuole abilità per farlo.
Quando guardi essenzialmente il quadro generale qui, la maggior parte dei nuovi assunti si troveranno in questa bolla rosa verso il basso, quando parli di questi analisti aziendali agli analisti del data mining, ai responsabili delle risorse umane, a quest'area, a ruoli regolari all'interno della linea di business utilizzando i dati. I ruoli in più rapida crescita avranno meno posti di lavoro, ma sicuramente quello di cui sentiamo di più oggi sul mercato, lo scienziato dei dati e l'ingegnere dei dati. Come CDO, guardano al futuro e stai pianificando talenti, devi tener conto dell'automazione delle attività di routine e dei tipi di competenze che saranno più strategiche e, di nuovo, aggiungere valore alla tua organizzazione, per entrambi quelli in analisi abilitati, ma anche per la scienza dei dati e le persone ingegnere dei dati lì. Considera come le tue posizioni non pubblicate e persino parte dell'economia indipendente potrebbero cambiare quando pensi a questo per competere per il meglio e il più brillante.
E pensa sempre anche alla tua pipeline di talenti, aiutando i candidati a navigare nel mercato o cercando cose che potrebbero essere leggermente diverse e non esattamente ciò che desideri e creando corsi di analisi interni, che potrebbero non essere i più veloci, la maggior parte strategia economica per tenerti al passo. Considera di considerare le persone che si dedicano all'allenamento su questo o diversi gruppi e credo che Alteryx abbia un corso raccomandato alla fine della sessione oggi come un invito all'azione, che puoi sfruttare alcune di queste cose e aiutare il tuo team a sfruttare alcune delle risorse esistenti che sono già disponibili.
Nick Jewell: Assolutamente. Esistono così tanti modi per colmare il divario di talenti senza essere coinvolti in una corsa agli armamenti. Un paio di diapositive, non so se riesci a capovolgerne un paio. Kaggle, il sito della competizione per la scienza dei dati, ha appena pubblicato un sondaggio con 17.000 risposte sullo stato della scienza dei dati e c'è stata una risposta davvero interessante dal sondaggio sulle abilità che le persone avevano e la maggior parte degli intervistati non aveva un dottorato di ricerca, non è più solo un prerequisito.
L'idea che gli esperti di analisi di prossima generazione, quella grande bolla che stavi solo mostrando, possano acquisire le conoscenze di cui hanno bisogno dai corsi di nano laurea. Possono andare su siti come Udacity e possono implementare queste conoscenze immediatamente, direttamente nell'azienda, i cicli di consegna focalizzati li rendono una fonte immediata di avanzamento competitivo per le loro aziende. Quindi qualcosa a cui fare attenzione, penso.
Jen Underwood: No, sono d'accordo. Anche se ci penso, sicuramente ha fatto molta strada da quando ho preso un programma di due anni all'UCSD. Questo è tornato indietro, credo, nel 2009, nel 2010 e forse ce n'era davvero una manciata nel paese che ti ha permesso di farlo. Di solito ora ci sono molte più opzioni, oltre a programmi specializzati, sia attraverso i fornitori, molte risorse disponibili oggi con i loop e tutte queste diverse risorse online, è semplicemente fantastico, è davvero il momento. Guadagnare tempo e budget e programmare te stesso per stare al passo. Che cosa vuoi imparare? E poi seguendo quel percorso che vuoi imparare.
Parlare di guardare a questo e mettere insieme il proprio piano di competenze e dalla prospettiva di un CDO, assicurandosi che abbiano persone in aree coperte, da quello che direi un quadro di competenze in sé, guardare le abilità o guardare cose come la conoscenza del dominio è ancora fondamentale, anche se queste soluzioni possono auto-addestrarsi e autoapprendere, è davvero un esperto in materia di affari che guiderà e farà in modo che i risultati abbiano un senso.
C'è sempre qualcosa e mi piace usare l'esempio di quando stavo facendo analisi critiche per una compagnia di assicurazioni e una delle scoperte che gli algoritmi avevano era di non assumere nessuno da New York. Bene, no, non assumeremo nessuno da New York - abbiamo dovuto scoprire perché l'algoritmo ci forniva queste informazioni. Era perché la legge, una delle leggi era cambiata e quindi avevamo un sacco di agitazione in quel particolare segmento. Un esperto in materia di affari doveva essere coinvolto per decifrarlo, e non vedo quel cambiamento, non vedo quel tipo di guida, assicurandomi che i risultati appaiano accurati, qualcosa sembra fuori posto - è ancora, c'è qualcosa che si dice essere la mente umana, la bellezza di quella combinata con il potere della macchina, è davvero dove stiamo andando.
Gli altri tipi di cose quando si guardano le competenze, la visualizzazione, raccontando una storia efficace nei dati, raccontando una storia efficace al fatto che sia persino un output di apprendimento automatico. Mettendo insieme e guardando qual è l'impatto che ha, comprendendo la natura umana del processo decisionale, questi tipi di cose sono molto importanti indipendentemente dalla tecnologia. La governance è davvero importante, l'etica sta diventando sempre più importante. Coinvolgere scienziati sociali, che capiscono e sono addestrati a esaminare se ci sono pregiudizi nei tuoi dati che non ti rendi nemmeno conto o non hai qualcuno nell'organizzazione che potrebbe nemmeno riconoscerlo, anche portandoli nell'esperto, avendo quel tipo di cose.
E ancora, ovviamente avendo l'infrastruttura per l'ingegneria e l'hardware e assicurandoti di poterlo ridimensionare e che sia sviluppato e assicurato di utilizzare il giusto fornitore di cloud, forse che non sei bloccato o che hai opzioni per spostarti o che capisci i prezzi su quanto ti costeranno. Sono questi tipi di competenze e quando guardi a questo, le chiameremmo abilità da diverse aree, sia che si tratti di responsabili delle decisioni in prima linea basati sui dati - dove si troveranno la maggior parte di questi ruoli - fino a quei data engineer e data scientist che lo faranno massaggiare e lavorare in questi oceani di dati. Questi sono i tipi di cose per le quali vorrai mettere insieme un framework.
Guardando i quadri delle competenze, guardi un'organizzazione in generale, vuoi considerare la competenza, non solo le abilità. C'è una piccola sfumatura lì nella formulazione mentre stai guardando questo. Un quadro di competenze per la tua organizzazione è un segnale chiaro. I responsabili delle politiche di guerra, i fornitori di istruzione, mentre si direbbe abilità, digitati sotto R, pensi a questi tipi di cose, hai un programmatore competente, ma vuoi avere più di quelle abilità. Quando capisci la competenza, ciò che una persona deve essere in grado di comprendere e comprendere il quadro, questo è importante, c'è un po 'di sfumatura lì.
Mentre lo stai costruendo, vuoi diagnosticare quelle che chiameresti capacità che hanno un impatto positivo sul business ed evidenziare quelle aree ad alto potenziale, quindi stai dando la priorità a quali sono le competenze che vuoi elevare nella tua organizzazione e quindi allineare nuovamente quelli, con gli obiettivi aziendali. Il CDO che è responsabile della massimizzazione del valore dei dati, guarderanno, e il loro CAO, che utilizzerà l'analisi per massimizzare il valore dei dati. Guarderanno quelle competenze e quelle diverse aree, sulla griglia passata che avevo lì, ma poi guarderanno anche all'alto potenziale del personale. Farai riferimento incrociato con il tuo personale per il lavoro di dati e analisi e investi su di loro, fornendogli opportunità di apprendimento e non solo formazione, essenzialmente opportunità del mondo reale che lavorano su problemi aziendali reali.
Non c'è niente di meglio - anche se sono andato a scuola per un paio d'anni, non è stato fino a quando non sono andato e ho applicato alcuni di questi algoritmi o imparato a conoscere le frodi di controllo, a conoscere alcune di queste cose a cui non avevo mai pensato prima, e tu inizia a metterti insieme nel mondo reale ed è lì che impari davvero. Offrire alle persone l'opportunità di acquisire esperienza in queste aree. Le aziende che sono maggiormente in grado di costruire forti capacità, che identificano sistematicamente, valutazioni oggettive e osservando dove sono le lacune all'interno della mia organizzazione per l'apprendimento e la messa in atto di alcune metriche per gli obiettivi per la gente, quelle sono quelle che saranno in grado consegnare.
Quando pensi all'addestramento degli adulti, di nuovo, di solito è un periodo di fame - siamo sempre affamati - ma guarda cosa funziona per ognuno. Personalmente ho dei libri, quindi se tu venissi nel mio ufficio oggi, vedresti tonnellate di libri, anche se a molte persone piacciono i video. Quindi è una questione di scoprire, come piace a qualcuno nella tua organizzazione imparare - motivarli ad imparare - ma anche fornire loro un po 'di tempo per farlo e l'obiettivo di una sorta di - che cosa è efficace per raggiungere questo e di solito è miscelato, non è solo, segui quel corso per controllare quel segno di spunta su una carta punteggio, di per sé, lo sta fondendo con il vero progetto obiettivo e cosa hai imparato da quel progetto e cosa vuoi fare dopo? Che cos'è un tratto? Allungando la tua squadra o motivando la tua squadra a spingerla oltre.
Quegli obiettivi di apprendimento, ancora una volta, se lo stai facendo, non dovrebbe essere così, dovrebbe essere facile per l'azienda essenzialmente perché tali obiettivi dovrebbero allinearsi con gli interessi aziendali strategici. Questi sono grandi progetti. Sono progetti sperimentali. Sono progetti che faranno avanzare l'ago.
Nick, volevi aggiungere qualcosa? Non ne sono sicuro.
Nick Jewell: No, stavo per entrare in un case study, se va bene, nella schermata successiva. Un po 'più di dettaglio di un'organizzazione specifica. Immagino che abbiano messo in pratica molto, in realtà, ciò che stai dicendo. La Ford Motor Company ha fatto affidamento sull'analisi dei dati per decenni, proprio come molte aziende, ma lo ha fatto in tasche del settore, con probabilmente poca supervisione in tutta l'azienda per garantire coerenza e coordinamento. I loro problemi erano probabilmente abbastanza tipici per un'organizzazione della loro portata, quindi le competenze analitiche contenevano - come diciamo - in tasca, le pratiche di gestione e governance dei dati erano incoerenti, fino al punto in cui alcune unità aziendali non avevano accesso alle competenze analitiche di base.
Ancora una volta, abbiamo parlato oggi di molti tipi diversi di origini dati, con oltre 4.600 origini dati. Ciò significava anche iniziare il viaggio e trovare i dati di cui avevano bisogno era un vero ostacolo alla comprensione analitica. Vedo che stai ridendo, ma è una cosa terribile, vero?
Jen Underwood: 4.600, oh mio Dio, sì.
Nick Jewell: Quindi, Ford ha costituito l'unità di analisi e analisi globali e questo è stato centralizzato - puoi chiamarlo un centro di eccellenza - composto da un team di data scientist e analisti, organizzato per condividere le migliori pratiche analitiche e aiutare a diffondere dati ottimizzati guidati produzione di dati in tutta l'azienda. L'unità ha selezionato gli strumenti migliori della categoria, non solo per capacità ma anche per la loro capacità di integrarsi bene insieme, quindi è abbastanza importante. Il focus della loro democratizzazione era in realtà basato su report e analisi descrittive, prima di salire su quella piramide di bisogni di cui abbiamo parlato.
Ora, la democratizzazione non solo rende qualcuno uno scienziato di dati durante la notte; il personale deve sapere quando e dove ottenere assistenza e sono disponibili formazione, governance, metodologie per aiutare in tutto ciò. Inoltre, non si tratta solo della formazione degli strumenti, ma anche della formazione sulla scienza dei dati, per colmare il divario di competenze che abbiamo menzionato. Quindi, un caso d'uso reale in Ford, che ottimizza una rete logistica, quindi Ford stava pagando la giusta quantità per spostare materiali dal punto A al punto B? La loro analisi legacy in realtà non ha evidenziato le opportunità fruibili; questo li ha resi molto reazionari sul mercato. Ora, molta complessità per quel processo è stata rinchiusa nelle teste degli analisti e hanno fatto un enorme passo avanti quando il flusso di lavoro self-service è stato effettivamente iterato con il business e gli esperti di analisi seduti insieme e collocati insieme.
Ciò ha spostato l'analisi dal pluriannuale al trimestrale e persino fino al quasi-tempo reale, così enorme, enorme vantaggio per l'azienda. Quell'impatto dell'analisi self-service sul valore aziendale, Ford ha potuto pianificare e stabilire rapidamente strategie basate sui dati a livello aziendale, per rispondere alle tendenze emergenti, contribuire a modellare nuovi servizi e sostanzialmente contrastare le minacce della concorrenza, senza dover guardare in quello specchietto retrovisore.
Ora, se diamo un'occhiata per un momento a come un altro cliente abbia davvero spostato l'analisi da forse una priorità verticale in una singola divisione dell'azienda a essere una striscia orizzontale in tutte le divisioni, parleremo di Shell. Shell gestisce un centro di eccellenza che fa capo al Chief Digital Officer - quindi c'è un'altra D per il nostro playbook CxO - responsabile della trasformazione digitale e della sostenibilità. Questi ragazzi, hanno capito che il loro ambiente conteneva diversi livelli e lo stack tecnologico, l'archiviazione, l'elaborazione dei dati e tutte le tecnologie in primo piano che avrete tutti familiarità. Cose come SAP HANA, Databricks, Spark e hanno sfruttato il cloud pubblico per raggiungere quelle giuste economie di scala.
Ora, hanno selezionato Alteryx come wrapper analitico per gran parte del loro codice R, alimentando tecnologie come Spotfire, Power BI e altro. Ma ora vedono l'adozione legarsi molto più da vicino con l'elaborazione e la visualizzazione dei dati. Jen, sto solo richiamando la tua diapositiva di tutte quelle capacità, questo tipo di cose si diffonde mentre iniziamo a consentire a più analisti di avere accesso. Sai, hanno avuto un enorme successo nel fornire questa capacità e il COE, cercando di offrire capacità future ora, alcune di quelle cose di deep learning di cui abbiamo parlato - visione artificiale, elaborazione del linguaggio naturale - e metà della loro missione è la consegna, metà di essa si tratta di spiegare e catalizzare queste idee tra le business unit. Fa parte del viaggio; il COE è sempre alla ricerca di modi diversi di comunicare con il proprio pubblico aziendale.
Prendendo in considerazione da un lato gli scettici che dicono: "Bene, questa scatola nera non sarà mai buona come il mio analista", fino al fanboy o all'entusiasta che vede correlazioni ovunque, forse meno in termini di relazioni causali, ma devi stare attento da entrambi i lati. È un'affascinante via di mezzo, quando hai questa striscia orizzontale su un'intera organizzazione, quel set di abilità ibrido necessario per persuadere entrambi i lati dello spettro.
Nick Jewell: OK, Jen, ci sei?
Jen Underwood: lo sono.
Nick Jewell: Immagino che ciò che stiamo cercando di dire qui con questa citazione di Clayton Christensen sia che per molte organizzazioni, immagino, unificare il programma di analisi per guidare la trasformazione digitale di cui stiamo parlando oggi, sta per essere una sfida. Il più delle volte, troviamo team analitici che iniziano con una mano debole. Tentare di innovare con legami ereditati di processi analitici, tecnologie, strutture di gruppo e aggrapparsi a queste reliquie costituirà la più grande barriera per l'allineamento analitico e l'innovazione analitica. Ci pensi, Jen?
Jen Underwood: mi piace l'immagine scelta. Sì, certamente ha molto senso per me. Devi abbracciare alcune di queste nuove tecnologie, ad esempio lo streaming in tempo reale. Non sarai necessariamente in grado di ottenere quei risultati in tempo reale se devi fare degli aggiornamenti JavaScript in un browser, di per sé, con una vecchia eredità - forse è un'app dashboard o quel tipo di cose. Sì, devi abbracciare alcuni di questi nuovi strumenti e, di nuovo, penso che questa immagine sia davvero carina, un'immagine dice più di mille parole. Il carrello e il passeggino, devi lasciar andare alcuni di quei vecchi approcci tecnologici.
Nick Jewell: Assolutamente. Quindi, se passiamo alla diapositiva successiva, pensiamo che ci sia un modo migliore. Immagino prima di tutto, usando qualcosa di simile alla ricerca simile a Google, per trovare rapidamente tutti i tuoi asset di dati che sono più pertinenti. Comprensione del loro contesto, comprensione della dipendenza, factoring in cose davvero semplici come i glossari aziendali creati da esperti nelle vostre comunità, mantenuti vivi da tutta quella conoscenza tribale dei capi dei vostri colleghi.
Diventa intelligente con il rilevamento dei dati. Pensa alla capacità di intrattenere conversazioni con i proprietari dei rapporti e gli esperti. Caricare, fare un po 'di Trip Advisor o di Yelp, caricare le risorse che sono più utili, certificare quelle che l'organizzazione ritiene più preziose e quindi tutto questo riconducendo nei risultati di ricerca e, infine, nelle classifiche di ricerca, rendendolo migliore per il prossimo utente. Una volta trovato quello che stai cercando, passa a quella fase rapida, priva di codice, intuitiva, di preparazione e analisi per sviluppare il tuo set di dati perfetto, da cui pubblicare processi ripetibili.
Torna alla nostra conversazione sull'automazione, creando app facili da usare. Tutto ciò che è necessario per costruire modelli analitici. Parlando di modelli, abbiamo supportato tecnologie open source come R per un certo numero di anni, ci consente di sviluppare una capacità analitica davvero avanzata che copre analisi descrittive, ma anche predittive, prescrittive, in modo semplice, trascina e goccia.
Ora, sul lato destro, si ottiene effettivamente quella visione delle visualizzazioni interattive, dei modelli e dei punteggi che vengono spinti verso il basso all'interno delle piattaforme di dati o, più recentemente, rendendoli disponibili istantaneamente e direttamente all'interno di un processo aziendale. Penso che sia questa gamma di funzionalità su tutta la piattaforma che ci ha permesso di essere riconosciuti come il vincitore del Gold Award nel Gartner Peer Insights Customer Choice Survey di quest'anno, che è un risultato fantastico. Ti consiglio vivamente di visitare il sito Gartner per saperne di più e aggiungere i tuoi voti e aggiungere il tuo commento.
Fantastico, quindi, Jen, se saltiamo in avanti di un'altra diapositiva - immagino che alla conclusione, vorrei darti tutti i prossimi passi. Prima di tutto, visita Alteryx.com per scaricare una copia gratuita del nostro più recente brief di ricerca, realizzato in coordinamento con l'Istituto internazionale di analisi (IIA), per abbattere gli ostacoli analitici. Puoi anche visitare udacity.com/alteryx per saperne di più su come abilitare i tuoi team, fare il passo successivo nel loro viaggio, con quella nano laurea analitica avanzata e infine sperimentare Alteryx per te stesso. Visita l'homepage, scarica una valutazione completa e sali a bordo con l'ebbrezza della risoluzione.
Jen, oltre a te. Potremmo avere del tempo per alcune domande e risposte.
Eric Kavanagh: mi limiterò a suonare molto velocemente. Abbiamo un paio di domande. Ne proverò uno, immagino, prima tu, Nick, e poi Jen, se vuoi commentarlo, ma ha sicuramente più applicabilità all'UE e questo è il famigerato GDPR, il Global Data Protection Regulations. In che modo influisce su Alteryx e sulla tua tabella di marcia e su cosa siete focalizzati?
Nick Jewell: Immagino sia un vero e proprio boogieman, che è lì fuori adesso. Molte persone ne parlano, molte persone sono piuttosto preoccupate, ma è davvero solo il primo di una lunga serie di regolamenti che entreranno nel mondo dei dati e dell'analisi. In realtà, dal nostro punto di vista, si tratta di comprendere e classificare i tuoi dati. Assicurandoti come CxO, di qualsiasi particolare sapore, sai dove sono le tue risorse, conosci il loro contesto e sai che puoi fidarti di loro come primo passo per governare e gestire davvero i dati in un contesto più ampio.
Eric Kavanagh: Immagino che ti farò un'altra domanda prima di riportare Jen, Nick, e cioè i dati di addestramento, se qualcuno richiede che i loro dati vengano rimossi dalla tua azienda, ciò influisce non solo sul loro nome, indirizzo e così via, non solo le loro informazioni di contatto, ma anche, se un algoritmo utilizza dati di addestramento che includono i tuoi dati, dovresti riqualificare l'algoritmo, non è vero?
Nick Jewell: È particolarmente complesso. Penso che l'idea che non solo i database siano una fonte di alcune di queste informazioni di identificazione personale, ma anche i flussi di lavoro analitici, le app, le visualizzazioni. Questi dati arrivano ovunque con un'organizzazione, quindi con quel contesto: assolutamente vitale.
Eric Kavanagh: E Jen, che ne pensi? Ovviamente, non è un grosso problema negli Stati Uniti e non vediamo troppe aziende preoccuparsene ora, anche se tecnicamente si applica qui. Se un'azienda americana ha dati di un cittadino dell'UE, qual è la tua opinione sul significato del GDPR e quanto è grande un affare?
Jen Underwood: Beh, certamente penso che richieda un trattamento responsabile dei dati. Ne ho scritto alcune volte e ho alcune linee guida su alcune di queste cose. Penso che la domanda che hai posto sugli algoritmi sia interessante. Certamente, alcune delle soluzioni che sto esaminando oggi, alcuni dei loro team di prodotti hanno progettato funzionalità in modo da poter vedere come stanno prendendo le decisioni e quali dati personali sono stati utilizzati per decidere il risultato di tale algoritmo. Stiamo vedendo alcuni impatti nella progettazione dei prodotti qui negli Stati Uniti.
Molte aziende tecnologiche hanno uffici molto grandi qui e team di sviluppo qui negli Stati Uniti e in tutto il mondo, quindi lo stiamo vedendo nello sviluppo del prodotto. Vedo che vengono investiti più cataloghi di dati. Altre iniziative dei governi vengono sviluppate in modo che la gente capisca e capiscano dove si trovano tutti quei dati nel caos. Cercare di radunare le braccia almeno organizzandolo, riuscire a trovarlo e farci qualcosa.
Eric Kavanagh: Ho intenzione di spingere questa diapositiva di cui abbiamo parlato in precedenza e di consegnartelo, Nick. Penso che questa sia una diapositiva fantastica perché, per me, parla davvero dell'immediatezza di un bisogno di analisi. Cosa ne pensi di questa dinamica mutevole? Voglio dire, la linea di fondo è che le aziende devono essere agili e vedo l'analitica come il principale responsabile. Cosa pensi?
Nick Jewell: Questo è affascinante. Penso che ci sia sempre - le aziende e le tecnologie esistono sempre in tre stati, quindi sarà guerra, pace o meraviglia. La guerra riguarderà quel pesante livello di competizione. Wonder è tutto il fantastico nuovo materiale che costruisci su una piattaforma. Quindi la pace prima della competizione e la guerra ricomincia. Penso che ci sia sempre questa battaglia in corso.
Prima della chiamata di oggi, abbiamo parlato di alcune altre conferenze e note chiave che stanno accadendo oggi in tutto il mondo. Alcuni dei grandi fornitori di cloud, hanno raggiunto un punto in cui hanno costruito questa piattaforma e ora stanno costruendo meravigliose novità su di essa. Le aziende devono tenere d'occhio questo aspetto e assicurarsi che stiano andando con qualcosa che ha una piattaforma coerente che offrirà quel valore per il futuro. Saranno quelli che sopravviveranno a questa perturbazione.
Eric Kavanagh: Sì, è un buon punto, e sai, Jen, hai commentato prima, in effetti prima dello show, sulla strategia del cloud e su quante persone che conosci nel settore stanno dicendo che le grandi aziende, persino le banche, tutti ora hanno una strategia cloud. Sono stato un po 'sorpreso da quanto tempo ci è voluto per materializzarsi, e immagino che forse alcuni di loro siano andati alla AWS Reinvent Conference e si siano resi conto di quanto sia grande e ha tratto la conclusione che è giunto il momento. Cosa ne pensi della consapevolezza tra i dirigenti delle grandi aziende sull'importazione del cloud e su come ciò sta cambiando la loro pianificazione?
Jen Underwood: Quando penso a questo mondo di dati su larga scala, potendo gestirli, penso che su alcuni livelli ci sia un po 'di tranquillità nel far sì che una delle aziende molto grandi si assuma la responsabilità di alcuni aspetti della sicurezza, quindi c'è un po 'di tranquillità lì. Sai che c'è una scala limitata con il cloud.
L'altra cosa è, e l'ho visto, ero in una squadra che ha riqualificato un prodotto nel cloud ed era certamente un prodotto sfavorito e nessuno ci ha prestato attenzione, e in due anni, a causa di rilasci settimanali e persino, Direi che è quasi al punto di rilascio quotidiano nel cloud. So che Amazon afferma che vengono rilasciate più volte al giorno. Quando hai quella minaccia, quando i tuoi concorrenti possono rilasciare e migliorare quotidianamente, qualunque cosa stiano facendo, almeno nel settore del software - e tutti sono davvero nel settore del software quando inizi a guardare alla trasformazione digitale - è tutto un altro ballgame e chiunque può far ruotare una nuvola e ridimensionare e diventare grande.
Ancora una volta, saranno i dati che stanno sfruttando a fare la differenza e l'intelligenza nei loro algoritmi, ed è per questo che la gente parla del fatto che i dati sono il nuovo petrolio o che sono oro. Quando guardo il cloud, è il punto di svolta, consente davvero uno sviluppo e una scalabilità molto, molto rapidi. È fantastico.
Eric Kavanagh: Ti riporterò indietro, Nick, per un'altra domanda: faremo un minuto qui se riusciamo ad arrivare ad alcune di queste domande, ma, come ricordo, cinque e sei e forse anche sette anni fa, Alteryx è stato davvero un innovatore nello sfruttamento di dati di terze parti, quindi ha portato dati da fonti come Experian, ad esempio, o dati geospaziali. Sto pensando che probabilmente è un vantaggio strategico perché quel genere di cose è nel DNA di Alteryx, giusto? Mentre le aziende si muovono verso il cloud, penso che voi ragazzi abbiate molta esperienza nel riuscire a colmare quei mondi. I mondi dei dati on-prem di terze parti e basati su cloud, cosa ne pensi?
Nick Jewell: Sì, assolutamente. La massima connettività sarà un gioco così potente per qualsiasi azienda che lavorerà in questo ambiente basato su cloud. Ma quando parleremo di qualcosa di simile all'infonomia, dirò che le informazioni e i dati dovrebbero essere considerati una risorsa nella vostra azienda. La maggior parte del valore che si intende apportare consiste nel prendere fonti di dati esterne, mescolarle e arricchirle con le fonti interne, per creare e monetizzare più valore nel processo. È assolutamente fondamentale lavorare allo stesso modo con dati interni ed esterni.
Eric Kavanagh: Sì, è un buon punto. Penso che l'intero mondo del cloud ibrido sia qui per restare. Jen, ti darò questo per alcuni commenti di chiusura, forse. Per me, avere quella visione strategica e essere in grado di unificarsi mentre il nuovo termine sta descrivendo i dati attraverso le fonti, sarà un fattore critico di successo in futuro, giusto?
Jen Underwood: No, assolutamente, ed è divertente, stavo ascoltando questo ibrido, ibrido, ibrido. Ne hai sentito parlare e quattro anni fa pensi a Hadoop, Hadoop e ai big data e poi hai iniziato a sentire ibrido, ibrido, quindi sicuramente ci siamo stati, non siamo necessariamente, questo è l'anno dell'apprendimento automatico, nessuno escluso. Voglio dire, l'intelligenza artificiale, l'apprendimento automatico è salito sul palco quest'anno, ma per funzionare davvero in un'organizzazione oggi sulla strada del cloud o che ha a che fare con tutte queste diverse fonti di dati cloud, forse è Salesforce o Workday, tutti questi diversi tipi di fonti che vivono nel cloud, l'unico modo per gestirlo è essere ibridi. Non puoi assolutamente copiare i dati ovunque, quindi devi essere in grado di connetterti direttamente e devi trovare un modo per lavorare con i dati situati ovunque, trovare i dati ovunque, perché questa è la realtà di dove siamo a destra adesso.
Eric Kavanagh: Penso che sarei remissivo se non avessi riportato l'apprendimento automatico nella conversazione, quindi, Nick, te lo lancerò. So che voi ragazzi siete concentrati su questo adesso - potete parlare di dove vedete l'apprendimento automatico in linea con l'analisi e con il tipo di sistemi che usiamo per comprendere la nostra attività e i nostri dati?
Nick Jewell: Sì, certo. Quindi, molto brevemente, torniamo rapidamente al nostro gap di competenze. L'idea che abbiamo organizzazioni assolutamente zeppe di potenti utenti di Excel. Abbiamo scienziati dei dati che arrivano, ma non crescono alla stessa velocità. C'è un enorme divario tra i due. Pensa a dove si trova l'apprendimento automatico oggi. Quanti algoritmi abbiamo sul nostro telefono o sul nostro orologio che incorporano tecniche di apprendimento automatico? È un prodotto, è ovunque. Dobbiamo abilitare questi utenti esperti nel modo più semplice possibile per garantire che la macchina sia applicata con successo in tutta l'azienda.
Eric Kavanagh: Ne proverò un ultimo, forse. Abbiamo un paio di domande che arrivano tardi, qui. Jen, ti chiederò questo. Un partecipante sta commentando l'intero concetto di apprendimento non supervisionato e il fatto è che hai bisogno di dati di formazione per fare quelle cose e in genere che i dati di formazione devono essere specifici per l'azienda. Anche se nelle industrie ci sono molte correlazioni, ci sono molti modi in cui le organizzazioni sono simili. Tuttavia, ogni azienda è unica, sia esso il suo modello di business o il suo approccio al marketing o alle vendite, o qualunque sia il caso, lo sviluppo del prodotto.
La domanda diventa: questi algoritmi saranno in grado di utilizzare dati di terze parti per la formazione? Mi sembra che dovrai sempre utilizzare i tuoi dati per addestrare questi algoritmi, anche se il tempo di ciclo crolla da sei mesi - come è avvenuto in alcuni casi - fino a 40 giorni o 20 giorni, qualunque sia il il caso potrebbe essere. Devi davvero usare i tuoi dati e assicurarti che i dati siano piuttosto puliti, giusto?
Jen Underwood: è davvero una miscela. Avrai voglia di avere un contesto esterno. In effetti, oggi sono prenotato back to back e il mio prossimo webinar parla della preparazione e della pulizia dei dati, ironicamente per l'apprendimento automatico. La cosa veramente importante è che stai mettendo insieme un contesto esterno con la tua organizzazione, e adoro che tu abbia chiesto informazioni sulla preparazione e la pulizia dei dati, perché onestamente, alcuni degli strumenti stanno diventando molto, molto buoni - possono gestirne alcuni aspetti, ma la mente umana, o essere in grado di decifrare il problema, guardare e assicurarsi che non abbiano omesso - diciamo che abbiamo una sorta di distorsione da omissione. Il modo in cui stai osservando il problema e il modo in cui scegli di progettare il problema che stai automatizzando o le decisioni che stai automatizzando, c'è un'arte in questo e assicurandoti che rifletta accuratamente quel processo aziendale.
Tornando al mio esempio con la compagnia assicurativa, quando stavamo modellando la zangola e chi assumere per seguire questa formazione sponsorizzata per vendere l'assicurazione; nel modello stesso non era il clima legale, leggi diverse per stati diversi. Ci sarà sempre qualche aspetto, in cui dovrai avere quei dati esterni con i tuoi dati interni e, di nuovo, con la mente umana. Ci saranno componenti diversi lì.
Eric Kavanagh: Penso che tu abbia sollevato un ottimo punto qui. Continuiamo a conoscere robot e macchine e l'apprendimento automatico sta subentrando. Per me, questa è una tendenza molto dirompente - non ci sono dubbi - ma non vedo mai la necessità che gli esseri umani nel mix vadano via, specialmente con l'analisi dei dati, dei dati aziendali.
Nick, un'ultima domanda per te. Per me, non importa quanto siano efficaci gli algoritmi, avrai sempre bisogno che le persone monitorino ciò che sta accadendo, si iniettano nei tempi stabiliti e sintetizzano davvero il quadro generale di ciò che è là fuori. Non credo che nessun algoritmo sarà mai in grado di sintetizzare il quadro generale di un'azienda di Fortune 2000, ma cosa ne pensi?
Nick Jewell: Bene, facciamo un esempio completamente non Alteryx, parliamo di Uber dell'anno scorso. Uber, durante l'incidente terroristico in Australia, le persone che cercavano di fuggire dalla zona, improvvisamente aumentarono i prezzi, perché questo è ciò che l'algoritmo diceva di fare, causando enormi danni alla reputazione. Immediatamente dopo, hanno implementato umani e algoritmi che lavorano insieme. Ogni volta che stava per accadere, un essere umano doveva avere il controllo del processo. Quella collaborazione tra umano e algoritmo, questa è la strada da percorrere.
Eric Kavanagh: Wow, è un ottimo esempio, grazie mille. Bene, gente, abbiamo passato più di un'ora qui sul nostro webcast. Un grande grazie a Jen Underwood di Impact Analytics. Ovviamente grazie mille a Nick Jewell e al team Alteryx per il loro tempo e la loro attenzione e a tutti voi per il vostro tempo e la vostra attenzione. Apprezziamo queste grandi domande. Archiviamo tutti questi webcast per una visualizzazione successiva, sentiti libero di condividerli con i tuoi amici e colleghi. Detto questo, ti saluteremo. Eccellente webcast oggi. Grazie ancora, ci sentiamo la prossima volta, gente. Stai attento. Ciao ciao.
