In che modo l'analisi può migliorare il business? - trascrizione dell'episodio 2 di Techwise

Nota del redattore: questa è una trascrizione di uno dei nostri webcast passati. Il prossimo episodio è in arrivo, fai clic qui per registrarti.

Eric Kavanagh: signore e signori, ciao e bentornati ancora una volta all'episodio 2 di TechWise. Sì, davvero, è tempo di ottenere persone sagge! Oggi ho un sacco di persone davvero in gamba per aiutarci in questo sforzo. Mi chiamo Eric Kavanagh, ovviamente. Sarò il tuo ospite, il tuo moderatore, per questa sessione lampo. Abbiamo un sacco di contenuti qui, gente. Abbiamo alcuni grandi nomi nel settore, che sono stati analisti nel nostro spazio e quattro dei fornitori più interessanti. Quindi avremo un sacco di buone azioni sulla chiamata oggi. E, naturalmente, il pubblico là fuori svolge un ruolo significativo nel porre domande.

Quindi, ancora una volta, lo spettacolo è TechWise e l'argomento oggi è "In che modo Analytics può migliorare il business?" Ovviamente, è un argomento caldo in cui cercherà di capire i diversi tipi di analisi che puoi fare e come ciò può migliorare le tue operazioni perché è tutto a fine giornata.

Quindi puoi vedermi lassù in alto, è davvero tuo. Dr. Kirk Borne, un buon amico della George Mason University. È uno scienziato di dati con una straordinaria esperienza, una profonda esperienza in questo spazio, il data mining, i big data e tutto quel tipo di cose divertenti. E, naturalmente, abbiamo il nostro dottor Robin Bloor, Chief Analyst del Bloor Group. Che si è formato come attuario molti, molti anni fa. Ed è stato davvero concentrato su tutto questo grande spazio di dati e lo spazio di analisi abbastanza intensamente nell'ultimo decennio. Sono passati cinque anni da quando abbiamo lanciato il Bloor Group in sé. Quindi il tempo vola quando ti diverti.

Avremo anche notizie di Will Gorman, Chief Architect di Pentaho; Steve Wilkes, CCO di WebAction; Frank Sanders, direttore tecnico di MarkLogic; e Hannah Smalltree, direttore di Treasure Data. Quindi, come ho detto, ci sono molti contenuti.

In che modo l'analitica può aiutare la tua azienda? Bene, come può aiutare la tua attività, francamente? Esistono diversi modi in cui l'analisi può essere utilizzata per fare cose che migliorano la tua organizzazione.

Quindi ottimizza le operazioni. Questo è uno di cui non senti tanto parlare di cose come il marketing o aumentare le entrate o persino identificare le opportunità. Ma razionalizzare le tue operazioni è questa cosa davvero molto potente che puoi fare per la tua organizzazione perché puoi identificare luoghi in cui puoi esternalizzare qualcosa o puoi aggiungere dati a un particolare processo, ad esempio. E questo può semplificarlo non richiedendo a qualcuno di alzare il telefono per chiamare o qualcuno per e-mail. Ci sono così tanti modi diversi che puoi semplificare le tue operazioni. E tutto ciò aiuta davvero a ridurre i costi, giusto? Questa è la chiave, riduce i costi. Ma ti consente anche di servire meglio i tuoi clienti.

E se pensi a come sono diventate le persone impazienti, e lo vedo ogni giorno in termini di come le persone interagiscono online, anche con i nostri spettacoli, i fornitori di servizi che utilizziamo. La pazienza delle persone, la capacità di attenzione, diventa sempre più corta di giorno in giorno. Ciò significa che, come organizzazione, è necessario rispondere in periodi sempre più rapidi per poter soddisfare i propri clienti.

Quindi, ad esempio, se qualcuno si trova sul tuo sito webcast o sta navigando per cercare qualcosa, se si sente frustrato e se ne va, beh, potresti aver perso un cliente. E a seconda di quanto addebiti per il tuo prodotto o servizio, e forse è un grosso problema. Quindi la linea di fondo è che le operazioni di razionalizzazione, penso, sono uno degli spazi più caldi per l'applicazione dell'analisi. E lo fai guardando i numeri, sgranocchiando i dati, capendo, per esempio, "Ehi, perché stiamo perdendo così tante persone su questa pagina del nostro sito web?" "Perché stiamo ricevendo alcune di queste telefonate proprio ora?"

E più tempo reale puoi rispondere a quel tipo di cose, maggiori sono le possibilità che avrai di affrontare la situazione e fare qualcosa al riguardo prima che sia troppo tardi. Perché c'è quella finestra del tempo in cui qualcuno si arrabbia per qualcosa, non è soddisfatto o sta cercando di trovare qualcosa ma è frustrato; hai una finestra di opportunità lì per raggiungerli, per afferrarli, per interagire con quel cliente. E se lo fai nel modo giusto con i dati giusti o la bella immagine del cliente - capire chi è questo cliente, qual è la sua redditività, quali sono le sue preferenze - se riesci davvero a gestirlo, lo farai un ottimo lavoro di trattenere i tuoi clienti e ottenere nuovi clienti. Ed è di questo che si tratta.

Quindi, con ciò, lo consegnerò, in realtà, a Kirk Borne, uno dei nostri data scientist al telefono oggi. E sono piuttosto rari in questi giorni, gente. Ne abbiamo almeno due in chiamata, quindi è un grosso problema. Detto questo, Kirk, te lo consegnerò per parlare di analisi e di come aiuta gli affari. Fallo.

Dr. Kirk Borne: Bene, grazie mille, Eric. Riesci a sentirmi?

Eric: Va bene, vai avanti.

Dr. Kirk: Okay, bene. Voglio solo condividere se parlo per cinque minuti e le persone mi agitano le mani. Quindi, le osservazioni di apertura, Eric, che hai preso in considerazione da questo argomento, parlerò brevemente nei prossimi minuti, che è l'uso di big data e analisi dei dati per le decisioni da supportare, lì. Il commento che hai fatto sulla razionalizzazione operativa, per me, rientra in questo concetto di analisi operativa in cui puoi vedere praticamente in ogni applicazione nel mondo che si tratti di un'applicazione scientifica, di un'azienda, di una sicurezza informatica e delle forze dell'ordine e governo, assistenza sanitaria. Qualsiasi numero di luoghi in cui disponiamo di un flusso di dati e stiamo prendendo una sorta di risposta o decisione in risposta a eventi, avvisi e comportamenti che vediamo in quel flusso di dati.

E quindi una delle cose di cui vorrei parlare oggi è una sorta di come stai estraendo le conoscenze e le intuizioni dai big data per arrivare a quel punto in cui possiamo effettivamente prendere decisioni per intraprendere azioni. E spesso ne parliamo in un contesto di automazione. E oggi voglio mescolare l'automazione con l'analista umano nel ciclo. Con questo intendo, mentre l'analista aziendale svolge qui un ruolo importante in termini di scommesse, qualifiche, convalida di azioni specifiche o regole di apprendimento automatico che estraiamo dai dati. Ma se arriviamo al punto in cui siamo quasi convinti che le regole aziendali che abbiamo estratto e i meccanismi per avvisarci siano validi, allora possiamo praticamente trasformarlo in un processo automatizzato. In realtà, facciamo lo snellimento operativo di cui parlava Eric.

Quindi ho un po 'di gioco sulle parole qui, ma spero che, se funziona per te, ho parlato della sfida D2D. E D2D, non solo i dati delle decisioni in tutti i contesti, stiamo guardando questo al tipo di fondo di questa diapositiva speriamo che tu possa vederlo, facendo scoperte e aumentando i dollari delle entrate dalle nostre pipeline di analisi.

Quindi, in questo contesto, ho effettivamente questo ruolo di marketer qui per me, ora con cui lavoro e cioè; la prima cosa che vuoi fare è caratterizzare i tuoi dati, estrarre le caratteristiche, estrarre le caratteristiche dei tuoi clienti o qualunque entità tu stia monitorando nel tuo spazio. Forse è un paziente in un ambiente di analisi della salute. Forse è un utente Web se stai osservando una sorta di problema di sicurezza informatica. Ma caratterizza ed estrai le caratteristiche e quindi estrai un po 'di contesto su quell'individuo, su quell'entità. E poi raccogli quei pezzi che hai appena creato e li metti in una sorta di raccolta da cui puoi quindi applicare algoritmi di apprendimento automatico.

Il motivo per cui lo dico in questo modo è che, diciamo solo, hai una telecamera di sorveglianza in un aeroporto. Il video stesso è un volume enorme e di grandi dimensioni ed è anche molto non strutturato. Ma puoi estrarre dalla videosorveglianza, dalla biometria facciale e identificare le persone nelle telecamere di sorveglianza. Quindi, ad esempio, in un aeroporto, puoi identificare individui specifici, puoi seguirli attraverso l'aeroporto identificando la stessa persona in più telecamere di sorveglianza. In tal modo le caratteristiche biometriche estratte che stai realmente estraendo e monitorando non sono il video dettagliato vero e proprio. Ma una volta che hai queste estrazioni, puoi applicare le regole di apprendimento automatico e le analisi per prendere decisioni sull'opportunità di intraprendere un'azione in un caso particolare o se qualcosa è accaduto in modo errato o qualcosa che hai l'opportunità di fare un'offerta. Se, ad esempio, hai un negozio in aeroporto e vedi quel cliente che arriva a modo tuo e sai da altre informazioni su quel cliente, che forse si è davvero interessato all'acquisto di cose nel negozio duty-free o qualcosa del genere, fai quell'offerta.

Quindi, che tipo di cose intenderei per caratterizzazione e potenzializzazione? Per caratterizzazione intendo, ancora una volta, estrarre le caratteristiche e le caratteristiche nei dati. E questo può essere generato automaticamente dalla macchina, quindi i suoi algoritmi possono effettivamente estrarre, ad esempio, firme biometriche dall'analisi di video o di sentimenti. È possibile estrarre il sentimento del cliente attraverso recensioni online o social media. Alcune di queste cose possono essere generate dall'uomo, in modo che l'essere umano, l'analista aziendale, possa estrarre funzionalità aggiuntive che mostrerò nella diapositiva successiva.

Alcuni di questi possono essere crowdsourcing. E dal crowdsourcing, ci sono molti modi diversi in cui puoi pensarci. Ma molto semplicemente, ad esempio, i tuoi utenti accedono al tuo sito Web e inseriscono parole di ricerca, parole chiave e finiscono in una determinata pagina e in realtà trascorrono del tempo lì su quella pagina. Che almeno in realtà capiscono che stanno visualizzando, navigando, facendo clic sulle cose in quella pagina. Ciò che ti dice è che la parola chiave che hanno digitato all'inizio è il descrittore di quella pagina perché ha portato il cliente sulla pagina che stavano anticipando. E così puoi aggiungere quell'ulteriore informazione, cioè i clienti che usano questa parola chiave hanno identificato questa pagina web all'interno della nostra architettura di informazioni come il luogo in cui quel contenuto corrisponde a quella parola chiave.

E così il crowdsourcing è un altro aspetto che a volte le persone dimenticano, quel tipo di tracciamento del pangrattato dei tuoi clienti, per così dire; come si muovono nel loro spazio, che si tratti di una proprietà online o di una proprietà reale. Quindi usa quel tipo di percorso che il cliente prende come informazioni aggiuntive sulle cose che stiamo osservando.

Quindi voglio dire che le cose generate dall'uomo, o generate dalla macchina, hanno finito per avere un contesto in una sorta di annotazione o etichettatura di specifici granuli o entità di dati. Se tali entità sono pazienti in ambito ospedaliero, clienti o altro. E quindi ci sono diversi tipi di tag e annotazioni. Parte di ciò riguarda i dati stessi. Questa è una delle cose, che tipo di informazioni, che tipo di informazioni, quali sono le caratteristiche, le forme, forse le trame e i modelli, l'anomalia, i comportamenti non anomali. E quindi estrarre un po 'di semantica, cioè come si collega ad altre cose che conosco, o questo cliente è un cliente di elettronica. Questo cliente è un cliente di abbigliamento. O a questo cliente piace acquistare musica.

Quindi identificando alcune semantiche al riguardo, questi clienti che amano la musica tendono a preferire l'intrattenimento. Forse potremmo offrire loro qualche altra proprietà di intrattenimento. Quindi capire la semantica e anche qualche provenienza, che in sostanza sta dicendo: da dove viene, chi ha fornito questa affermazione, a che ora, a che data, in quale circostanza?

Quindi, una volta che hai tutte quelle annotazioni e caratterizzazioni, aggiungi a quello quindi il passaggio successivo, che è il contesto, il tipo di chi, cosa, quando, dove e perché di esso. Chi è l'utente? Qual è stato il canale su cui sono entrati? Qual era la fonte delle informazioni? Che tipo di riutilizzo abbiamo visto in questo particolare prodotto informativo o di dati? E qual è, in un certo senso, valore nel processo aziendale? Quindi raccogli quelle cose e gestiscile, e in realtà aiuta a creare un database, se vuoi pensarlo in quel modo. Renderli ricercabili, riutilizzabili, da altri analisti aziendali o da un processo automatizzato che, la prossima volta che vedrò questi insiemi di funzionalità, il sistema può eseguire questa azione automatica. E così arriviamo a quel tipo di efficienza analitica operativa, ma più raccogliamo informazioni utili e complete e quindi le curiamo per questi casi d'uso.

Ci mettiamo al lavoro. Facciamo l'analisi dei dati. Cerchiamo modelli interessanti, sorprese, valori anomali delle novità, anomalie. Cerchiamo le nuove classi e segmenti nella popolazione. Cerchiamo associazioni, correlazioni e collegamenti tra le varie entità. E poi usiamo tutto ciò per guidare la nostra scoperta, decisione e processo decisionale in dollari.

Quindi di nuovo qui, qui abbiamo l'ultima diapositiva di dati che ho in sostanza riassumendo, mantenendo l'analista di business nel ciclo, di nuovo, non stai estraendo quell'umano ed è tutto importante tenerlo dentro.

Quindi queste caratteristiche, sono tutte fornite da macchine o analisti umani o persino crowdsourcing. Applichiamo quella combinazione di cose per migliorare i nostri set di formazione per i nostri modelli e finiamo con modelli predittivi più accurati, meno falsi positivi e negativi, comportamento più efficiente, interventi più efficienti con i nostri clienti o chiunque.

Quindi, alla fine della giornata, stiamo davvero combinando l'apprendimento automatico e i big data con questo potere della cognizione umana, che è qui che entra in gioco quel tipo di annotazione di tagging. Che può condurre attraverso la visualizzazione e il tipo di analisi visiva strumenti o ambienti di dati immersivi o crowdsourcing. E, alla fine, ciò che sta realmente facendo è generare la nostra scoperta, intuizioni e D2D. E quelli sono i miei commenti, quindi grazie per l'ascolto.

Eric: Ehi, sembra fantastico e lasciami andare avanti e consegnare le chiavi al dottor Robin Bloor per dare anche la sua prospettiva. Sì, mi piace sentirti commentare quel concetto di ottimizzazione delle operazioni e stai parlando di analisi operative. Penso che sia una grande area che deve essere esplorata abbastanza approfonditamente. E credo, molto prima di Robin, ti riporterò indietro, Kirk. Richiede una collaborazione piuttosto significativa tra i vari attori dell'azienda, giusto? Devi parlare con le persone operative; devi ottenere il tuo personale tecnico. A volte ottieni i tuoi addetti al marketing o le persone dell'interfaccia Web. Si tratta in genere di gruppi diversi. Hai delle migliori pratiche o suggerimenti su come convincere tutti a mettere la pelle in gioco?

Dr. Kirk: Beh, penso che questo provenga dalla cultura aziendale della collaborazione. In effetti, parlo delle tre C di una sorta di cultura analitica. Uno è la creatività; un altro è la curiosità e il terzo è la collaborazione. Quindi vuoi persone creative e serie, ma devi anche far collaborare queste persone. E inizia davvero dall'alto, quel tipo di costruzione di quella cultura con persone che dovrebbero apertamente condividere e lavorare insieme verso gli obiettivi comuni dell'azienda.

Eric: Tutto ha un senso. E devi davvero ottenere una buona leadership ai vertici per farlo accadere. Quindi andiamo avanti e consegniamolo al dottor Bloor. Robin, il pavimento è tuo.

Dr. Robin Bloor: Ok. Grazie per questa introduzione, Eric. Va bene, il modo in cui questi escono fuori, questi spettacoli, perché abbiamo due analisti; Vedo la presentazione dell'analista che gli altri non fanno. Sapevo cosa stava per dire Kirk e ho solo un'angolazione completamente diversa in modo che non ci sovrapponiamo troppo.

Quindi di cosa sto parlando o intendo parlare qui è il ruolo dell'analista di dati rispetto al ruolo dell'analista di business. E il modo in cui lo sto caratterizzando, beh, ironico in una certa misura, è una specie di cosa di Jekyll e Hyde. La differenza è nello specifico che i data scientist, almeno in teoria, sanno cosa stanno facendo. Mentre gli analisti aziendali non sono così, va bene il modo in cui funziona la matematica, cosa si può fidare e cosa non si può fidare.

Quindi passiamo al motivo per cui lo stiamo facendo, il motivo per cui l'analisi dei dati è diventata improvvisamente un grosso problema a parte il fatto che possiamo effettivamente analizzare grandi quantità di dati e estrarre i dati dall'esterno dell'organizzazione; paga? Il modo in cui lo guardo - e penso che questo stia solo diventando un caso, ma sicuramente penso che sia un caso - l'analisi dei dati è davvero ricerca e sviluppo aziendale. Quello che stai effettivamente facendo in un modo o nell'altro con l'analisi dei dati è che stai osservando un processo aziendale in un modo o se questa è l'interazione con un cliente, se è con il modo in cui le tue operazioni di vendita al dettaglio, il modo in cui distribuisci i tuoi negozi. Non importa quale sia il problema. Stai guardando un determinato processo aziendale e stai cercando di migliorarlo.

Il risultato di una ricerca e sviluppo di successo è un processo di cambiamento. E puoi pensare alla produzione, se vuoi, come al solito esempio di questo. Perché nella produzione, le persone raccolgono informazioni su tutto per cercare di migliorare il processo di produzione. Ma penso che ciò che è successo o ciò che sta accadendo ai big data sia tutto ciò che ora viene applicato a tutte le aziende di qualsiasi tipo in qualsiasi modo a cui chiunque possa pensare. Praticamente tutti i processi aziendali possono essere esaminati se è possibile raccogliere dati al riguardo.

Quindi questa è una cosa. Se ti piace, si tratta della questione dell'analisi dei dati. Cosa può fare l'analisi dei dati per l'azienda? Bene, può cambiare completamente il business.

Questo particolare diagramma che non ho intenzione di descrivere in modo approfondito, ma questo è un diagramma che abbiamo escogitato come il culmine del progetto di ricerca che abbiamo realizzato per i primi sei mesi di quest'anno. Questo è un modo di rappresentare un'architettura di big data. E una serie di cose che vale la pena sottolineare prima di passare alla diapositiva successiva. Ci sono due flussi di dati qui. Uno è un flusso di dati in tempo reale, che si estende lungo la parte superiore del diagramma. L'altro è un flusso di dati più lento che corre lungo la parte inferiore del diagramma.

Guarda in fondo al diagramma. Abbiamo Hadoop come serbatoio di dati. Abbiamo vari database. Abbiamo un intero dato lì con un sacco di attività in corso su di esso, la maggior parte delle quali è attività analitica.

Il punto che sto sottolineando qui e l'unico punto che voglio davvero sottolineare qui è che la tecnologia è difficile. Non è semplice Non è facile. Non è qualcosa che chiunque sia nuovo nel gioco può effettivamente mettere insieme. Questo è abbastanza complesso. E se hai intenzione di strumentare un'azienda per fare analisi affidabili in tutti questi processi, non è qualcosa che accadrà in modo specifico rapidamente. Richiederà molta tecnologia da aggiungere al mix.

Va bene. La domanda su cosa sia uno scienziato di dati, potrei affermare di essere uno scienziato di dati perché sono stato addestrato in realtà in statistica prima di essere mai stato addestrato in informatica. E ho svolto un lavoro attuariale per un periodo di tempo, quindi conosco il modo in cui un'azienda organizza, analisi statistiche, anche al fine di eseguire se stessa. Questa non è una cosa da poco. E ci sono moltissime best practice coinvolte sia dal lato umano che da quello tecnologico.

Quindi, ponendo la domanda "che cos'è uno scienziato di dati", ho messo la foto di Frankenstein semplicemente perché è una combinazione di cose che devono essere messe insieme. È coinvolta la gestione del progetto. C'è una profonda comprensione nelle statistiche. Esiste una competenza nel settore dei domini, che è più un problema di un analista aziendale che lo scienziato dei dati, necessariamente. C'è esperienza o necessità di comprendere l'architettura dei dati e di essere in grado di costruire l'architetto dei dati e coinvolge l'ingegneria del software. In altre parole, è probabilmente una squadra. Probabilmente non è un individuo. Ciò significa che probabilmente è un dipartimento che deve essere organizzato e la sua organizzazione deve essere pensata abbastanza ampiamente.

Gettare nel mix il fatto dell'apprendimento automatico. Non potremmo fare, intendo, l'apprendimento automatico non è una novità, nel senso che la maggior parte delle tecniche statistiche utilizzate nell'apprendimento automatico sono note da decenni. Ci sono alcune cose nuove, intendo che le reti neurali sono relativamente nuove, penso che abbiano solo circa 20 anni, quindi alcune sono relativamente nuove. Ma il problema con l'apprendimento automatico era che in realtà non avevamo il potere del computer per farlo. E quello che è successo, a parte qualsiasi altra cosa, è che la potenza del computer è ora al suo posto. E ciò significa moltissimo quello che, diciamo, i data scientist hanno fatto prima in termini di modellizzazione delle situazioni, campionamento dei dati e poi smistamento per produrre un'analisi più approfondita dei dati. In realtà, in alcuni casi possiamo semplicemente lanciarlo all'alimentazione del computer. Basta scegliere gli algoritmi di apprendimento automatico, lanciarli sui dati e vedere cosa viene fuori. E questo è qualcosa che un analista aziendale può fare, giusto? Ma l'analista aziendale deve capire cosa stanno facendo. Voglio dire, penso che questo sia davvero il problema, più di ogni altra cosa.

Bene, questo è solo per sapere di più sul business dai suoi dati che con qualsiasi altro mezzo. Einstein non l'ha detto, l'ho detto. Ho appena messo la sua foto per credibilità. Ma la situazione che sta effettivamente iniziando a svilupparsi è quella in cui la tecnologia, se utilizzata correttamente, e la matematica, se utilizzata correttamente, saranno in grado di gestire un'azienda come qualsiasi individuo. L'abbiamo visto con IBM. Prima di tutto, potrebbe battere i migliori ragazzi a scacchi, e poi potrebbe battere i migliori ragazzi a Jeopardy; ma alla fine riusciremo a battere i migliori ragazzi nella gestione di un'azienda. Le statistiche alla fine trionferanno. Ed è difficile vedere come ciò non accadrà, semplicemente non è ancora successo.

Quindi quello che sto dicendo, e questo è un po 'un messaggio completo della mia presentazione, sono questi due problemi del business. Il primo è: riesci a ottenere la tecnologia giusta? Riesci a far funzionare la tecnologia per il team che sarà effettivamente in grado di presiederlo e ottenere vantaggi per l'azienda? E in secondo luogo, riesci a ottenere le persone giuste? E entrambi questi sono problemi. E sono problemi che non sono stati risolti fino ad ora.

Ok Eric, te lo restituirò. O forse dovrei passarlo a Will.

Eric: In realtà, sì. Grazie, Will Gorman. Sì, eccoti, Will. Quindi vediamo. Lascia che ti dia la chiave di WebEx. Allora, cosa stai succedendo? Pentaho, ovviamente, voi ragazzi siete stati in giro per un po 'e il tipo di BI open source da dove avete iniziato. Ma hai molto di più di quello che avevi, quindi vediamo cosa hai in questi giorni per l'analisi.

Will Gorman: Assolutamente. Ciao a tutti! Mi chiamo Will Gorman. Sono il Chief Architect di Pentaho. Per quelli di voi che non hanno sentito parlare di noi, ho appena menzionato Pentaho è una società di integrazione e analisi dei big data. Siamo nel settore da dieci anni. I nostri prodotti si sono evoluti parallelamente alla comunità dei big data, iniziando come piattaforma open source per l'integrazione e l'analisi dei dati, innovando con tecnologia come Hadoop e NoSQL ancor prima che si formassero entità commerciali attorno a quella tecnologia. E ora abbiamo oltre 1500 clienti commerciali e molti altri appuntamenti di produzione come risultato della nostra innovazione attorno all'open source.

La nostra architettura è altamente integrabile ed estensibile, costruita appositamente per essere flessibile poiché la tecnologia dei big data in particolare si sta evolvendo a un ritmo molto rapido. Pentaho offre tre aree di prodotto principali che collaborano per affrontare i casi d'uso dell'analisi dei big data.

Il primo prodotto nella misura della nostra architettura è Pentaho Data Integration, che si rivolge a tecnologo e ingegneri di dati. Questo prodotto offre un'esperienza visiva di trascinamento della selezione per la definizione di pipeline di dati e processi per l'orchestrazione dei dati all'interno di ambienti di big data e ambienti tradizionali. Questo prodotto è una piattaforma di integrazione dati leggera, metadatabase, costruita su Java e può essere implementata come processo all'interno di MapReduce o YARN o Storm e molte altre piattaforme batch e in tempo reale.

La nostra seconda area di prodotti riguarda l'analisi visiva. Con questa tecnologia, le organizzazioni e gli OEM possono offrire una ricca esperienza di visualizzazione e analisi drag-and-drop per analisti e utenti aziendali da moderni browser e tablet, consentendo la creazione ad hoc di report e dashboard. Oltre alla presentazione di dashboard e report pixel-perfect.

La nostra terza area di prodotti si concentra su analisi predittive mirate per data scientist, algoritmi di apprendimento automatico. Come accennato in precedenza, come le reti neurali e simili, possono essere incorporati in un ambiente di trasformazione dei dati, consentendo ai data scientist di passare dalla modellistica all'ambiente di produzione, dando accesso a previsioni e ciò può avere un impatto sui processi aziendali molto immediatamente, molto rapidamente.

Tutti questi prodotti sono strettamente integrati in un'unica esperienza agile e offrono ai nostri clienti aziendali la flessibilità di cui hanno bisogno per affrontare i loro problemi di business. Stiamo assistendo a un panorama in rapida evoluzione dei big data nelle tecnologie tradizionali. Tutto ciò che sentiamo da alcune aziende nel big data è che la EDW sta per finire. In effetti, ciò che vediamo nei nostri clienti aziendali è che devono introdurre i big data nei processi aziendali e IT esistenti e non sostituirli.

Questo semplice diagramma mostra il punto in architettura che vediamo spesso, che è un tipo di architettura di distribuzione EDW con integrazione di dati e casi d'uso di BI. Ora questo diagramma è simile alla diapositiva di Robin sull'architettura dei big data, incorpora dati storici e in tempo reale. Man mano che emergono nuove fonti di dati e requisiti in tempo reale, vediamo i big data come parte aggiuntiva dell'architettura IT complessiva. Queste nuove fonti di dati includono dati generati dalla macchina, dati non strutturati, il volume e la velocità standard e la varietà di requisiti di cui sentiamo parlare nei big data; non rientrano nei tradizionali processi EDW. Pentaho lavora a stretto contatto con Hadoop e NoSQL per semplificare l'ingestione, l'elaborazione dei dati e la visualizzazione di questi dati, nonché la fusione di questi dati con fonti tradizionali per offrire ai clienti una visione completa del loro ambiente di dati. Lo facciamo in modo regolato in modo che l'IT possa offrire una soluzione di analisi completa alla loro linea di business.

In conclusione, vorrei evidenziare la nostra filosofia sull'analisi e l'integrazione dei big data; crediamo che queste tecnologie funzionino meglio insieme a un'unica architettura unificata, consentendo una serie di casi d'uso che altrimenti non sarebbero possibili. Gli ambienti di dati dei nostri clienti non sono solo big data, Hadoop e NoSQL. Qualsiasi dato è un gioco leale. E le fonti di big data devono essere disponibili e lavorare insieme per influire sul valore aziendale.

Infine, riteniamo che, al fine di risolvere in modo molto efficace questi problemi aziendali nelle imprese attraverso i dati, l'IT e le linee di business debbano collaborare su un approccio regolato e combinato all'analisi dei big data. Bene, grazie mille per averci concesso il tempo di parlare, Eric.

Eric: Puoi scommettere. No, è roba buona. Voglio tornare da quel lato della tua architettura mentre arriviamo alle domande e risposte. Passiamo attraverso il resto della presentazione e grazie mille per quello. Ragazzi, sicuramente vi siete trasferiti rapidamente negli ultimi due anni, devo dirlo con certezza.

Quindi Steve, lasciami andare avanti e consegnartelo. E basta fare clic lì sulla freccia giù e procedi. Quindi Steve, ti do le chiavi. Steve Wilkes, fai clic sulla freccia più in basso sulla tastiera.

Steve Wilkes: Eccoci.

Eric: Ecco qua.

Steve: Questa è una grande introduzione che mi hai dato, comunque.

Eric: Sì.

Steve: Quindi sono Steve Wilkes. Sono il CCO di WebAction. Siamo stati in giro solo negli ultimi due anni e da allora ci siamo decisamente spostati rapidamente. WebAction è una piattaforma di analisi dei big data in tempo reale. Eric ha menzionato in precedenza, in un certo senso, quanto sia importante il tempo reale e quanto tempo reale stanno ottenendo le applicazioni. La nostra piattaforma è progettata per creare app in tempo reale. E per consentire alla prossima generazione di app basate sui dati che possono essere sviluppate in modo incrementale e per consentire alle persone di creare dashboard dai dati generati da tali app, ma concentrandosi sul tempo reale.

La nostra piattaforma è in realtà una piattaforma end-to-end completa, che fa di tutto, dall'acquisizione, elaborazione dei dati, fino alla visualizzazione dei dati. E consente a più tipi diversi di persone all'interno della nostra azienda di lavorare insieme per creare vere app in tempo reale, fornendo loro informazioni su ciò che accade nella loro azienda mentre si verificano.

E questo è un po 'diverso da quello che la maggior parte delle persone ha visto nei big data, quindi l'approccio tradizionale - beh, tradizionale negli ultimi due anni - l'approccio con i big data è stato quello di catturarlo da un sacco di fonti diverse e poi accatastalo in un grande serbatoio o lago o come vuoi chiamarlo. E quindi elaborarlo quando è necessario eseguire una query su di esso; per eseguire analisi storiche su larga scala o anche solo interrogazioni ad hoc di grandi quantità di dati. Ora funziona per alcuni casi d'uso. Ma se vuoi essere proattivo nella tua impresa, se vuoi davvero sapere cosa sta succedendo piuttosto che scoprire quando qualcosa è andato storto verso la fine della giornata o alla fine della settimana, allora devi davvero muoverti in tempo reale.

E questo cambia le cose un po '. Sposta l'elaborazione al centro. Così efficacemente stai prendendo quei flussi di grandi quantità di dati che vengono generati continuamente all'interno dell'azienda e li stai elaborando man mano che li ottieni. E poiché lo stai elaborando man mano che lo ottieni, non devi archiviare tutto. Puoi semplicemente memorizzare le informazioni importanti o le cose che devi ricordare che sono realmente accadute. Quindi, se stai monitorando la posizione GPS dei veicoli che si muovono lungo la strada, non ti interessa davvero dove si trovano ogni secondo, non è necessario memorizzare dove sono ogni secondo. Devi solo preoccuparti, hanno lasciato questo posto? Sono arrivati ​​in questo posto? Hanno guidato o no l'autostrada?

Quindi è davvero importante considerare che man mano che vengono generati sempre più dati, quindi le tre vs. La velocità determina fondamentalmente la quantità di dati generati ogni giorno. Più dati vengono generati, più devi archiviare. E più devi conservare, più tempo ci vorrà per elaborare. Ma se riesci a elaborarlo mentre lo ottieni, allora ottieni un grande vantaggio e puoi reagire a questo. Si può dire che stanno accadendo cose piuttosto che doverle cercare in seguito.

Quindi la nostra piattaforma è progettata per essere altamente scalabile. Ha tre pezzi principali: il pezzo di acquisizione, il pezzo di elaborazione e quindi i pezzi di visualizzazione della consegna della piattaforma. Dal punto di vista dell'acquisizione, non stiamo solo esaminando i dati di registro generati dalla macchina come i registri Web o le applicazioni che hanno tutti gli altri registri che vengono generati. Possiamo anche accedere e modificare l'acquisizione dei dati dai database. So that basically enables us to, we've seen the ETL side that Will presented and traditional ETL you have to run queries against the databases. We can be told when things happen in the database. We change it and we capture it and receive those events. And then there's obviously the social feeds and live device data that's being pumped to you over TCP or ACDP sockets.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Eric: Yeah, right. Nessun dubbio su questo. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.

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

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

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

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

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

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

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

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

Hannah: I did, I defected.

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

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

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

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

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

Hannah: Yeah.

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

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

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

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

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

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

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

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

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

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

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

Eric: Yeah.

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

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

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

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

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

Vai avanti.

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

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

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

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

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

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

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

Will: Not yet, exactly.

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

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

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

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

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

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

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

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