Von Techopedia Staff, 29. November 2017
Imbiss: Gastgeber Eric Kavanagh erläutert Daten und Analysen sowie die Rollen des Chief Data Officer (CDO) und des Chief Analytics Officer (CAO) mit Jen Underwood von Impact Analytix und Nick Jewell von Alteryx.
Eric Kavanagh: Sehr geehrte Damen und Herren, hallo und herzlich willkommen zu einer ganz besonderen Ausgabe von Hot Technologies. Leute, das ist Eric Kavanagh, ich bin Ihr Moderator für die heutige Show „Das CxO-Playbook: Die Zukunft von Daten und Analysen“. Ja, das ist ein ziemlich großes Thema, muss ich sagen. Tatsächlich haben wir heute hier eine rekordverdächtige Menge. Wir hatten heute Morgen über 540 Leute, die sich für den Webcast registrierten. Wir machen es zu einer besonderen Zeit, wie viele von Ihnen für unsere regulären Shows wissen, machen wir diese normalerweise um 4:00 Eastern, aber wir wollten den ganz besonderen Gast aufnehmen, der von jenseits des Teiches anruft. Lassen Sie mich noch heute auf die Präsentation eingehen.
Also dieses Jahr ist heiß - es war in vielerlei Hinsicht ein sehr turbulentes Jahr. Ich denke, die Wolke hat viel damit zu tun. Der Zusammenfluss von Technologien, die wir auf dem Markt beobachten, ist der Haupttreiber, und ich gehe natürlich auf SMAC ein, wie sie es nennen. Wir sprechen von SMAC: Social Media, Mobile, Analytics, Cloud - und all das kommt zusammen. Unternehmen können ihre Geschäftsabläufe wirklich verändern. Es gibt mehr Kanäle für die Ausführung Ihrer Geschäftsabläufe, es müssen mehr Daten analysiert werden. Es ist eine wirklich wilde Welt da draußen, und wir werden heute darüber sprechen, wie sich die Dinge in der C-Suite ändern, also die Geschäftsführer, die Top-Leute in diesen Organisationen, nun, die ganze Welt verändert sich gerade und wir sind es werde darüber reden.
Es ist deine wirklich an der Spitze. Wir haben heute Jen Underwood von Impact Analytix und Nick Jewell, den führenden Technologie-Evangelisten von Alteryx, in der Leitung. Es ist sehr aufregendes Zeug. Ich bin gestern Abend auf dieses Konzept gekommen, Leute, und ich finde es wirklich interessant. Natürlich kennen wir alle musikalische Stühle, das Spiel für Kinder, bei dem man all diese Stühle im Kreis hat, die Musik beginnt, alle herumlaufen und ein Stuhl weggezogen wird; Wenn die Musik aufhört, muss jeder klettern, um einen Stuhl zu bekommen, während eine Person in dieser Situation auf ihrem Stuhl verliert. Es ist eine sehr seltsame und zwingende Sache, die sich gerade in der C-Suite abspielt, und wenn Sie hier in diesem Bild bemerken, haben Sie hinten zwei leere Stühle. Normalerweise verschwindet ein Stuhl in musikalischen Stühlen, und was wir heutzutage sehen, sind zwei weitere Stühle auf der C-Ebene: der CAO und der CDO, Chief Analytics Officer und Chief Data Officer.
Beide heben ab. Ehrlich gesagt hebt der Chief Data Officer heutzutage wirklich wie ein Lauffeuer ab, aber was bedeutet das? Es bedeutet etwas sehr Bedeutendes. Dies bedeutet, dass die Leistungsfähigkeit von Daten und Analysen so bedeutend ist, dass sich Sitzungssäle oder Executive Rooms, wie ich sagen sollte, C-Suiten ändern - sie fügen Leute in die C-Suite hinzu, ganz neue Führungskräfte füllen einige dieser neuen Plätze aus. Wenn Sie darüber nachdenken, wie schwierig es ist, die Kultur einer Organisation zu ändern, ist das ein ziemlich ernstes Geschäft. Kultur ist sehr schwer zu verändern, und in der Regel wird eine positive Veränderung durch gutes Management und gute Ideen und dergleichen gefördert. Wenn Sie über die Gelegenheit nachdenken, die wir derzeit haben, indem wir neue Führungskräfte für Analytics und für Daten in die C-Suite aufnehmen, ist das eine wirklich große Sache. Es spricht für die Möglichkeit für Unternehmen, ihren Weg zu ändern, und seien wir ehrlich, die großen, alten Unternehmen müssen sich wirklich ändern, weil sich der Markt verändert.
Ich gebe normalerweise Beispiele für Uber oder Airbnb als Organisationen, die ganze Branchen grundlegend gestört haben, und das passiert überall. Was wir heute besprechen werden, ist, wie sich Ihr Unternehmen anpassen kann, wie Sie diese Informationen und diese Erkenntnisse nutzen können, um Ihren Geschäftsverlauf zu ändern und in der Informationswirtschaft erfolgreich zu sein.
Damit übergebe ich Jen Underwood die Schlüssel des WebEx, und dann wird Nick Jewell auch mitmachen. Er ruft aus Großbritannien an. Ich danke Ihnen beiden und Jen, damit übergebe ich es Ihnen. Nimm es weg.
Jen Underwood: Danke, Eric, hört sich großartig an. Guten Morgen allerseits. Heute werden wir über dieses CxO-Playbook sprechen. Es ist die Zukunft der Daten und der Analytik und ich werde gleich darauf eingehen. Eric hat bereits gute Arbeit geleistet und darüber gesprochen, warum dies so wichtig ist. Unsere heutigen Redner haben wieder eine Folie mit diesen Informationen gesehen, aber Sie haben mich und Nick Jewell heute in dieser Sitzung sehr interaktiv mit Ihnen gesprochen. Wir werden zunächst beschreiben, was diese Rollen sind und welche Arten von Dingen sie auf einer Mission zu tun haben. Wir werden uns die Analytikbranche, die Aussichten im Allgemeinen und einige der Herausforderungen ansehen, denen sich diese Leute gegenübersehen werden. Die Dynamik in Organisationen von heute, während Sie sich auf die Zukunft vorbereiten. Anschließend werden die nächsten Schritte besprochen und Leitlinien für die Planung gegeben, wenn Sie einige dieser Rollen in Ihrer Organisation untersuchen.
Wenn wir über dieses CxO sprechen, das CAO zum Beispiel, das ist der Chief Analytics Officer. Dies ist eine Berufsbezeichnung für Führungskräfte, die für die Analyse von Daten innerhalb des Unternehmens verantwortlich sind. Der CAO berichtet in der Regel an einen CEO, und diese sich schnell entwickelnde Position ist von entscheidender Bedeutung, wenn Sie über die Masse der Transformation und die digitale Transformation nachdenken, die wir derzeit in der Art und Weise haben, wie Unternehmen ihre Geschäftsentscheidungen treffen und treffen.
Wenn Sie denken, dass digitale Transformation und Intelligenz der Kern der digitalen Transformation sind, ist diese CAO eine sehr strategische Rolle innerhalb eines Unternehmens. Sie bringen nicht nur fundierte Datenwissenschaft zu tatsächlichen Erkenntnissen und diesem Wissen zurück, sondern besitzen auch den daraus resultierenden ROI und die daraus resultierenden Auswirkungen. Woran messen sie also? Wie sie diesen ROI mit den Daten, die sie haben, und einigen der wichtigsten Zahlen in einem Unternehmen erzielen, um Daten strategisch zu nutzen. Diese Position hat zusammen mit dem CIO, dem Chief Information Officer, aufgrund des Anstiegs der Technologie und der digitalen Transformation sowie des Werts der Daten an Bedeutung gewonnen.
Seit Jahren sind Daten in dieser speziellen Welt Gold wert, mit Monetarisierung und Aufklärung sowie der Umwandlung dieser Informationen. In der Lage sein, diese proaktiven Maßnahmen zu ergreifen und nicht nur immer per se zurückzublicken. Die beiden Positionen sind insofern ähnlich, als sie sich beide mit Informationen befassen. Der CIO wird sich jedoch per se auf die Infrastruktur konzentrieren, während sich ein CAO auf die Infrastruktur konzentriert, die für die Analyse der Informationen erforderlich ist. Die ähnliche Position ist die CDO, und Sie hören viel mehr, wir hören wahrscheinlich etwas mehr über CDO als Sie heute über CAO. Das CDO konzentriert sich mehr auf die Datenverarbeitung und -pflege sowie auf die Governance-Prozesse während des gesamten Lebenszyklus des Datenmanagements.
Diese Leute werden auch dafür verantwortlich sein, Daten zu monetarisieren, Wert aus Daten zu ziehen und über den gesamten Lebenszyklus der Governance und Sicherheit zu arbeiten. Dies sind Leute, die per se sehr gut informiert sind oder dafür verantwortlich sind, dass die DSGVO - und wir werden ein wenig darüber sprechen - das Europäische Datenschutzgesetz sicherstellt, dass diese Art von Dingen in ihren Organisationen abgedeckt werden. Jetzt bekommen wir die Struktur und die Zukunft für disruptive, dynamische, datenintensive Rollen. Dies sind die Dinge, für die der CDO verantwortlich sein wird und nicht nur für sich selbst. Sie werden ein funktionsübergreifendes Team aufbauen, und ich habe einige Beispiele für einige der Leute, die sich als solche in eine engagieren würden Die Organisationsstruktur der Architekten und leitenden Angestellten sowie der Analysten und der Datenwissenschaftler und -ingenieure in einer Organisation kann sich ihnen anpassen.
Dies ist eine phänomenale - wahrscheinlich zehn Jahre und sogar noch längere - Entwicklung in dieser speziellen Branche. Es ist stetig gewachsen, sehr aufregend, auch während des Marktcrashs vor Jahren war es immer noch sehr gefragt. Es war einfach ein wunderbarer Ort, und wenn Sie sich die CIO-Agenda von Gartner im Jahr 2017 ansehen, befinden sich BI und Analytics immer noch in den Top-3-Rankings der für ein Unternehmen wichtigsten Bereiche. Angesichts des Wachstums der Softwaremärkte sind wir ständig auf dem Laufenden dort Wachstum zu sehen. Solange ich in diesem Bereich bin, war es immer eine wirklich glänzende Karriere.
Wenn wir auf dieses digitale Zeitalter und die Transformation blicken, sind diese Prozesse, die wir haben, für mich sehr, sehr interessant. Oftmals werden Informationen aus Prozessen oder während Geschäftsprozessen abgerufen und Maßnahmen ergriffen. Nach Schätzungen von Gartner werden die von Ihnen verwendeten Informationen bis 2020 neu erfunden, digitalisiert oder sogar beseitigt. Achtzig Prozent der Geschäftsprozesse und Produkte, die wir vor zehn Jahren hatten, und das sehen wir jetzt, oder? Wir beginnen zu sehen, dass mit Amazon Versen vielleicht einige der großen Box Stores, die Ubers, die Airbnbs - diese digitalen Modelle stören den Prozess und jetzt interagieren die Leute. Selbst am Schwarzen Freitag - ich weiß nicht, wie viele Leute wirklich in ein Geschäft gegangen sind - kaufen viele Leute online und wie erreichen Sie diesen Kunden? Es braucht Intelligenz, um das zu tun. Es ist eine ganz andere Art der Interaktion und Personalisierung der Nachricht und der damit verbundenen Intelligenz, ihnen das richtige Angebot zur richtigen Zeit zu präsentieren, und jetzt ist es vielleicht ein Knopfdruck. Es ist so einfach für sie, Ihren Online-Shop zu verlassen. Die Dinge auf dieser Welt ändern sich wirklich, und ich denke, Nick wollte auch darüber reden.
Nick Jewell: Ja, Hallo zusammen, vielen Dank. Ich werde mich im Voraus entschuldigen, wenn der Ton aus London etwas verzögert eingeht. Ich werde mein Bestes tun, um nicht über dich zu reden, Jen.
Sie haben vollkommen Recht, diese Beseitigung von Verschwendung, diese Neuerfindung als Teil der digitalen Transformation, entsteht oft, wenn Unternehmen von maßgeschneiderten Produkten, möglicherweise getrennten Anwendungen, zu offeneren und vernetzten Plattformen wechseln. Wenn Ihr Prozess digital ist, wird es viel einfacher sein, die End-to-End-Reise Ihrer Daten zu sehen. Verfeinern Sie Ihre Schritte wirklich, indem Sie Daten verwenden, um diesen Prozess zu optimieren.
Lassen Sie uns eine Folie nach vorne schieben, wenn wir können. Ich denke, wenn es um die digitale Transformation geht, ist das, was es für Unternehmen bedeutet, entweder aufregend oder einschüchternd, je nachdem, auf welcher Seite des Spektrums Sie sich befinden. Sehen Sie sich hier die Grafik an, in der die Lebensdauer von Unternehmen dargestellt wird und wie sich störende Einflüsse auf das Vermögen eines Unternehmens auswirken. Wenn Sie in den 1920er Jahren ein Unternehmen gegründet haben, haben Sie im Durchschnitt fast 70 Jahre Zeit, bevor Sie von einem anderen Unternehmen gestört wurden. Ein für heutige Verhältnisse recht einfaches Leben, denn heute hat ein Unternehmen kaum 15 Jahre Zeit, bis eine Störung seine Existenz bedroht. Es wird vorausgesagt, dass rund 40 Prozent der heutigen Fortune-500-Unternehmen, also des S & P 500, in zehn Jahren nicht mehr existieren werden. Bis zum Jahr 2027 werden 75 Prozent des S & P 500 ersetzt, sodass die Halbwertszeit, mit der die Unternehmen heute konfrontiert sind, bevor sie sich um Störungen sorgen müssen, erheblich sinkt. Erfolgreiche Unternehmen müssen diesem digitalen Innovationswettlauf einen Schritt voraus sein.
Heute stellt niemand die Analytik wirklich in Frage. Es ist das Kernstück dieser digitalen Geschäftstransformation. Tatsächlich setzen Unternehmen digitale Innovation an die Spitze ihrer Strategie. Diese Unternehmen gehören mit einem Marktwert von zwei Billionen Dollar zu den fünf wertvollsten Unternehmen der Welt, Jen.
Jen Underwood: Ja, es ist unglaublich, es ist wirklich so. Es ändert sich wirklich, und zwar schnell. Die andere Dynamik, die wir haben und über die wir gesprochen haben, jetzt, glaube ich, sehen wir es endlich und Unternehmen spüren dieses exponentielle Wachstum von Datenquellen, und es geht nicht einmal mehr nur darum, Daten auf strukturierten Datenquellen zu analysieren. Wiederum haben Sie bei einigen dieser digitalen Prozesse nur einen Moment Zeit, um eine Entscheidung zu treffen, und diese Dinge kommen in JSONs von REST-APIs. Es handelt sich um unstrukturierte Daten, ob es sich um Protokolldateien handelt, es gibt alle möglichen Arten von verschiedenen Arten von Daten sowie das extrem konstante Wachstum.
Nick Jewell: Ja, Jen, wie Sie bereits betont haben, ertrinken analytische Führungskräfte in einem Meer von Daten. Es ist wirklich das Endziel, einen wertvollen Einblick zu gewinnen, vielleicht unter Verwendung einer Mischung aus vorhandenen oder neuen Analysetechniken, aber es gibt ein einfaches und grundlegendes Problem, mit dem viele Organisationen, mit denen wir arbeiten, wirklich konfrontiert sind. Wir haben Harvard Business Review beauftragt, die Umfrage durchgeführt und mit Datenanalysten und Geschäftsmanagern gesprochen. Sie fragten, wie viele Datenquellen sie in ihrer Organisation verwenden, um eine Entscheidung zu treffen, und es ist ziemlich klar, dass sich in den letzten Jahren eine grundlegende Veränderung vollzogen hat. Früher mischte die IT Daten, schob sie in das Data Warehouse, aber trotz der hervorragenden Arbeit, die IT-Gruppen geleistet haben und die ein zentrales Datenmanagement ermöglichten, stehen Analysten immer noch vor der Aufgabe, diesen spezifischen Analysedatensatz zu erstellen, aber sie müssen es Beantworten Sie eine geschäftliche Frage. Tatsächlich haben nur 6 Prozent alle ihre Daten an einem Ort, und die Mehrheit der Analysten muss Daten aus fünf oder mehr Quellen beziehen - beispielsweise Tabellenkalkulationen, Cloud-Anwendungen, soziale Medien und natürlich das Data Warehouse.
Die meisten Unternehmen erkennen dies, aber die meisten Unternehmen haben es nicht mit der einfachen Tatsache zu tun, dass Datenprofis mehr Zeit mit der Verwaltung und Suche von Daten verbringen, als mit der eigentlichen Wertschöpfung. Dies sind nicht die wichtigsten strategischen Analyseprobleme, von denen die Führungskräfte des Unternehmens erfahren möchten. Wenn das grundlegende Problem jedoch nicht angesprochen wird, können Unternehmen keine wertorientierten Erkenntnisse gewinnen. Jen?
Jen Underwood: Das ist interessant. Ich habe definitiv verschiedene Studien zu diesem Thema gesehen, und es ist dieses Stück hier, egal ob es sich um 80 Prozent der Zeit oder um Billionen von Dollar handelt, die dieselben Daten immer und immer wieder reparieren, sehr ineffizient in einer Organisation. Das summiert sich, diese 37 und diese 23 Prozent sind sehr teure Zeitverschwendung. Es ist erstaunlich für mich, dass dem nicht mehr Aufmerksamkeit geschenkt wird.
Wenn ich mir einige davon ansehe, was ich die Marktkräfte nennen würde, und wenn ich oft über die Trends der Branche spreche, liebe ich es, der Branche zu folgen und ständig auf dem Laufenden zu bleiben. Es ist wichtig zu verstehen, wenn etwas mehr als ein Trend ist, wenn es sich wirklich um eine Kraft handelt, auf die Sie achten müssen, und dies sind die drei wichtigsten Kräfte, denen Sie im Moment Aufmerksamkeit schenken müssen. Es ist dieses schnelle Wachstum, Nummer eins ist das schnelle Wachstum nicht relationaler Datenbanken. Ich habe gerade das ganze Konzept erwähnt, dass man nicht viel Zeit hat, um per se einen JSON abzufragen. Es sind solche nicht relationalen Szenarien, die ziemlich schnell zunehmen - ich glaube, ich habe hier gleich einige Statistiken -.
Die andere Sache ist die ständige Verlagerung in die Cloud. Vor dem Anruf, den ich erwähnt hatte, war ich ein weltweiter Produktmanager bei einem der großen Technologieunternehmen und hatte vor drei Jahren schwierige Gespräche mit Gruppen, die sagten: „Wir werden nichts in die Cloud stellen. Wir werden nicht in die Cloud ziehen. “Und es war ein Jahr später, zwei Jahre später, sehr interessant, Gruppen zu sehen. Jetzt höre ich von denselben Gruppen, dass jeder einen Cloud-Plan hat. Ich denke, jeder ist ein extrem weit gefasstes Statement, aber was ich sagen würde, Leute, die Anti-Cloud waren, sicherlich hat sich die Einstellung innerhalb kürzester Zeit dramatisch geändert, selbst seit ich mit Gruppen weltweit darüber gesprochen habe diese Art von Dingen.
Automatisierung, das ist ein Bereich, der mich fasziniert hat und in dem es sicherlich viel zu tun und viel zu tun gibt. Wir sprechen über einige dieser Dinge, wenn wir diese verschwendete Zeit und ineffiziente Nutzung Ihrer Zeit haben. Automatisierung ist sicherlich einer der Bereiche, auf die ich mich am meisten freue, wenn ich daran denke, einem Unternehmen einen Mehrwert zu verschaffen.
Die nächste Folie, über die ich sprechen werde, ist eine Studie von IDC, die sich mit den Marktsegmenten und dem Wachstum befasst, und es ist wirklich eine wunderbare Möglichkeit, den Puls zu schlagen, was wirklich wächst, was kaufen Ihre Kollegen? Welche Dinge interessieren sie nicht mehr? Diese Art von Dingen und setzen in ihre Strategie.
Der weltweite Markt für Big-Data-Analysesoftware hat laut IDC 16 Segmente, und in diesem Segment sehen wir uns sogar mit einigen Namensänderungen konfrontiert. Es wurden fortlaufende Analysesoftware, kognitive KI-Softwareplattformen und Suchsysteme hinzugefügt, sodass hier sogar einige neue Kategorien hinzugefügt wurden. Diese Marktübersicht umfasst im Wesentlichen horizontale Tools, vorgefertigte Anwendungen sowie einige Entscheidungshilfen und Anwendungsfälle zur Entscheidungsautomatisierung. Auch dies sind die Arten von Lösungen, wenn Sie über CDO nachdenken und den Kontext eines CDO betrachten, dessen Portfolio von der Datenintegration über die Analysevisualisierung bis hin zum maschinellen Lernen und all diesen Arten von Funktionen, die sie benötigen, verwaltet werden kann im digitalen Zeitalter zu haben.
Der weltweite Markt für diese Art von Lösungen wuchs währungsbereinigt um 8, 5 Prozent und der Gesamtmarkt wuchs laut IDC um 9, 8 Prozent. Dies wurde verglichen mit - Sie betrachten Währungsschwankungen über einen Zeitraum von ein paar Jahren und das Ausmaß der Abweichungen ist minimal, aber diese drei wichtigsten Segmente, die ich hervorgehoben habe, um Ihnen ein Gefühl für diese nicht relationalen analytischen Datenquellen zu vermitteln, 58 Prozent Das jährliche Wachstum bei Content-Analyse- und Suchsystemen betrug 15 Prozent, und einige der Kundenbeziehungsanwendungen, CRM-artigen Anwendungen oder Salesforce-Einstein-Anwendungen wachsen derzeit um mehr als 10 Prozent und 12 Prozent. Ich denke, Nick wollte auch einen Kommentar dazu hinzufügen.
Nick Jewell: Danke, Jen. Es ist ein fantastisches Bild. Ich denke, bei Alteryx haben wir immer geglaubt, dass Datenaufbereitung und -mischung immer eine Kernkompetenz jedes Analysesystems sein würden, aber es ist wirklich die Grundlage für fortgeschrittenere Analysen. Lassen Sie uns nun in den letzten Jahren über die Branche sprechen - es hat sich möglicherweise etwas zu sehr auf einige der neuen interaktiven Visualisierungsfunktionen konzentriert. Sie sehen wunderschön aus, weil sie das Engagement steigern, die Einsicht fördern, aber sie haben uns nicht wirklich über die deskriptive Analyse hinaus bewegt.
Aber ich schätze, jetzt, wo die Leute ihre Ziele ein bisschen höher setzen, werden Unternehmen, die beginnen, die Geschäftswerte zu verstehen, von diesen ausgefeilteren Analysen ausgehen, die gerade ihren Weg in den Mainstream finden. Die Frage dort wird, wie oder genauer, wer? Dies führte zu höherwertigen Analysen. Das Problem des Mangels an analytischen Talenten wird wirklich zu einer deutlichen Erleichterung, würden Sie zustimmen?
Jen Underwood: Auf jeden Fall, und ich hatte, glaube ich habe gerade getwittert, gestern Abend einen wirklich faszinierenden Kommentar von Adobe-Vizepräsident gesehen: „Maschinelles Lernen ist zum Spiel geworden“, wo die Leute früher vorsichtig waren, jetzt ist es zu etwas geworden ein Bedürfnis und es ist interessant. Betrachtet man dies und nur einen winzigen anderen Winkel an sich. Viele Leute, wir beginnen dies als einen wachstumsstarken Bereich mit einem nicht relationalen Analysespeicher und der kognitiven KI, diesem maschinellen Lernen, diesen hochwertigen Analysen, zu sehen. Aber letztendlich ist das derzeit größte Segment, in dem heute die meisten Käufe getätigt werden, immer noch in diesem grundlegenden Bereich angesiedelt. Ich würde sagen, in der Abfrageberichterstattung, in einigen Bereichen der visuellen Analyse, und es wächst immer noch, und das ist es Etwas, von dem viele Leute annehmen, dass Sie es bereits haben - nicht unbedingt. Es wächst jedes Jahr immer noch um 6, 6 Prozent.
Als CDO - und ich liebe es, diese Folie zu zeigen - ist es im Grunde genommen ein Chaos, wenn Sie in diese neue Rolle eintreten oder Daten in einer Organisation überblicken, und ich denke, dass diese spezielle Folie wirklich eine Rolle spielt nice job of - das sind all die verschiedenen potenziellen Bereiche, in denen Sie möglicherweise Daten haben. Möglicherweise sind sie vor Ort, befinden sich in der Cloud, sind hybride Systeme, sind überall anzutreffen und überwältigend. Auch hier handelt es sich um eine C-Level-Rolle innerhalb eines Unternehmens, und es ist keine einfache Aufgabe - In dieser besonderen Welt ist es manchmal ziemlich überwältigend. Dies ist die Welt, in der sich dieser CDO bewegen muss, um das, was ich sagen würde, zu meistern und den Wert der Daten zu maximieren.
Die Herausforderung fortsetzen, den Wert all dieser verschiedenen Quellen zu maximieren, und wir haben diese sich schließenden Zeitfenster, mit denen sich die digitalen Prozesse oder der Einblick in das Handeln schließen. Wenn Sie vor vielleicht fünf oder zehn Jahren darüber nachdenken, hätten Sie vielleicht Berichte, die Sie ausführen würden, um Entscheidungen mit Inventar oder Aktionen zu treffen. Diese könnten wöchentlich oder monatlich ausgeführt werden, dann wurden sie täglich oder über Nacht, vielleicht ist es das stündlich.
Was wir jetzt sehen, sind diese intelligenten maschinellen Lernprogramme, die künstliche intelligente Büros einbinden und Entscheidungen und Korrekturen vor Ort treffen. Selbst Dinge wie das Internet der Dinge, eingebettete IoT-Analytik am Rande, diese Systeme sind intelligent und diese Algorithmen können Stimmen Sie sich selbst ab und ändern Sie einige der Entscheidungen, die sie zur richtigen Zeit vor Ort treffen. Es war sehr interessant, diese besondere Dynamik bei den digitalen Revolutionen und diesen Berührungspunkten zu beobachten - obwohl sie sich erhöht haben, verkürzt sich die Zeit zum Handeln immer mehr und die Technologie entwickelt sich für diese Szenarien weiter.
Nick Jewell: Ja, Jen, ich denke, einer der interessantesten Aspekte, wie sich die Bereitstellung von Einsichten ändert, ist, wo die Analyse beim Endbenutzer ankommt. Bitten wir die Benutzer, in ein Dashboard zu springen, wenn sie eine kritische Entscheidung treffen, oder sagen wir, dass die Einsicht, die nächstbeste Aktion, direkt im Prozess verfügbar ist, um diesen Wettbewerbsvorteil zu erzielen? Und das Analysemodell, über das wir sprechen, muss möglicherweise aus einer Vielzahl von Quellen eingespeist werden - herkömmliche Data Warehouses, Geolocations, soziale Medien, Sensoren, Clickstream - all diese Daten haben Einfluss auf die Entscheidung und das umsetzbare Ergebnis .
Jen Underwood: Wenn wir an diesem Thema der Herausforderung und des Wandels festhalten, was wir derzeit haben und welche Herausforderungen der CEO zu bewältigen und zu planen hat, besteht dies im Wesentlichen darin, dass wir zu viele Daten haben, um sie effizient zu verwalten und manuell zu analysieren. Es gibt lange Verzögerungen; Wir müssen diese Verzögerungen verkürzen und einen Weg finden, um den Wert unserer Daten zu maximieren. Es gibt weltweit einen Mangel an datenwissenschaftlichen Fachkräften, um diese Erkenntnisse und das, was wir Ozeane nennen würden, als Daten zu erfassen. Die gute Nachricht ist, dass es heute in allen Bereichen einige wunderbare Neuerungen gibt, und es wird spannend zu sehen, wohin uns die Technologie bei diesen Herausforderungen führen wird.
Während ich weiter darüber nachdachte, gab es ein bisschen Verwirrung, als ich mit Kunden oder Gruppen sprach, die einige dieser Tools verwendeten. Einige der klassischen Herausforderungen existieren noch heute. Der Versuch, zu analysierende Daten zu finden, verschärft sich nur noch ein wenig. Einige der Suchwerkzeuge, einige der Kataloge da draußen sind sicherlich hilfreich - jetzt finden wir heraus, welcher Katalog wann verwendet werden soll. Es gibt ein paar verschiedene Kataloge, also gibt es verschiedene Orte, an denen Sie Daten speichern und freigeben können. Es ist also wichtig, einen herauszufinden, vielleicht den Katalog, in dem wir suchen sollten.
Die andere Sache ist das gemeinsame Teilen. Wir sprachen über eine der Studien aus diesem Harvard Business Review, wie viel Zeit aufgewendet wird, im Grunde genommen nicht wertschöpfende Aufgaben erledigt werden, Zeit verschwendet wird und wie teuer das sein kann. Wenn Sie in der Lage sind, gemeinsame Datenquellen gemeinsam zu nutzen, die Skripte bereits entwickelt wurden und die Logik bereits vorhanden ist, können Sie sie effektiv steuern. Daher ist es genau das, wonach Sie streben, Governance mit analytischer Agilität in Einklang zu bringen und navigieren Sie durch diese Welt von dem, was ich nennen würde, wir haben die Nischen-Tools, wir haben automatisierte Workflow-Tools, wir haben klassisches Excel, die Datenkataloge, Self-Service-BI, Data-Science-Tools. Wie dieses eine Bild gezeigt hat, gibt es viele, viele Werkzeuge und viele Überlappungen zwischen ihnen.
Nick Jewell: Ja, perfekt, Jen, und ich denke, das Fenster der Einsicht wird, wie Sie bereits erwähnt haben, auf jeden Fall kleiner, aber die Zeit, die für die eigentliche Bereitstellung von Modellen benötigt wird, kann nicht mithalten. Die vorausschauende Modellbereitstellung ist für viele Unternehmen weiterhin eine große Herausforderung. Wir haben mit Carl Rexer, dem Präsidenten von Rexer Analytics, gesprochen. In der Data Science-Umfrage 2017 von Carl stellte er fest, dass nur 13 Prozent der Datenwissenschaftler sagen, dass ihre Modelle immer bereitgestellt werden, und diese Bereitstellungsrate verbessert sich einfach nicht gehe mit jeder vorherigen Umfrage zurück. Im Jahr 2009, als die Frage zum ersten Mal gestellt wurde und wir fast identische Ergebnisse sehen, haben wir eine echte Lücke.
Jen Underwood: Wenn wir uns die Analytics-Reife ansehen, schreitet diese rasant voran. Vor zwei, drei Jahren waren wir wieder sehr aufgeregt, eine visuelle Self-Service-Analyse durchzuführen und endlich flexibel zu sein und BI für die Massen per se zu erweitern. Wenn ich Massen sage, dann wahrscheinlich immer noch Poweruser innerhalb einer Organisation. Jetzt sehen wir Optimierung, Predictive Analytics, Deep Learning, natürliche Sprache und viele andere Technologien, die, wie sie in alltägliche Prozesse eingebettet sind, die Analytik endlich wirklich sehr nahtlos für die Massen demokratisieren, damit die wahren Massen sie innerhalb der Welt nutzen können vorhandene Geschäftsprozesse, die sie bereits haben.
Nick Jewell: Ja, Jen, lassen Sie uns eine kurze Geschichte über diese letzte Kategorie erzählen, wenn ich kann. Die meisten Hörer, die heute telefonieren, werden mit der AlphaGo-Software von Google DeepMind vertraut sein, die in den letzten Jahren einige der besten Go-Spieler der Welt besiegt hat. AlphaGo lernte das Spiel, indem es enorme Mengen zuvor aufgezeichneter Matches studierte. So sehr, dass die Kommentatoren des AlphaGo-Turniers behaupteten, die Software spiele im Stil eines japanischen Großmeisters, ob Sie es glauben oder nicht.
Im letzten Monat wurde jedoch ein fast erstaunlicheres Ergebnis gemeldet. Dies war AlphaGo Zero, ein lernintensives, neuronales Netzwerk, das nur mit den einfachen Spielregeln und einer optimierten Funktion ausgestattet war. Es hat sich selbst beigebracht, ohne beaufsichtigtes Training der stärkste Go-Spieler der Welt zu werden, und das alles in rund 40 Tagen. Dieses so genannte Bestärkungslernen, bei dem der Mensch die Herausforderung definiert, das Tiefenlernsystem erforschen und verbessern lässt, könnte tatsächlich den größten Einfluss auf den analytischen Raum haben, den es bisher gab. Also, ich denke, bleib dran.
Jen Underwood: Ja, das ist wirklich interessant, dass Sie das erwähnt haben. Können Sie sich die Ausschlüsse vorstellen? Und das beginne ich zu sehen. Wirklich, wenn ich über Automatisierung spreche, ist es sehr aufregend, dass die Lösungen intelligent genug sind, um Luft zu reinigen, automatisch von Systemen zu lernen, Plug-and-Play zu betreiben und einfach zu wissen, was als nächstes zu tun ist, basierend auf einigen der früheren Entscheidungen, die getroffen wurden oder anderen Entscheidungen Diese wurden in der Organisation erstellt und haben einige dieser Systeme, die ETL-Systeme, verwaltet und gepflegt. Früher haben mich Piepser und Telefone alarmiert, wenn Prozesse nicht ausgeführt wurden. Es ist so aufregend, darüber nachzudenken, "Wow, jetzt ist es klug genug, sich wahrscheinlich selbst zu heilen."
Mein Mann verwaltet ein selbstheilendes Raster, wir werden selbstheilende Daten integrieren, selbstheilende Analysen durchführen und wo es immer besser wird, ist es wirklich aufregend. Wenn Sie als CDO über die Prozesstechnologie der Mitarbeiter nachdenken, werden wir uns zunächst mit der Technologie befassen, dann mit den Mitarbeitern und wie Sie Ihr Team aufbauen und aufbauen die Fähigkeiten. Wenn Sie sich eine moderne Analyseplattform ansehen, sage ich Ihnen gleich, dass nicht jeder hier alles auf Lager hat, obwohl die größten Unternehmen all diese verschiedenen Komponenten haben könnten, an sich haben manche Gruppen vielleicht nur zwei oder drei kleine Kästchen hier, also wollte ich die Leute nicht damit überwältigen. Eine moderne BI-Plattform erfordert jedoch nicht unbedingt eine vordefinierte semantische Ebene für die Berichterstellung.
Die Benutzer und Experten sollten wirklich nur die Befugnis haben, Daten nur für analytische Geschwindigkeit und Beweglichkeit vorzubereiten, und wenn Sie über den Aufstieg der von Benutzern und Experten geleiteten Analytik nachdenken, sollten die Fachexperten die Beweglichkeit haben, die sie benötigen Treffen Sie schnelle Entscheidungen. Wir sehen eine verstärkte Akzeptanz dessen, was wir sagen würden, der Tools zur Aufbereitung personenbezogener Daten, des Daten-Wranglings, der Bereicherung, der Bereinigung, der Arten von Aktivitäten, die Alteryx ausführt, sowie einiger datenwissenschaftlicher Aktivitäten, die sie anbieten Gut. Als moderne Vorbereitungslösung bieten sie intelligente, automatisierte Verknüpfungen, Luftauflösungen und Datenverschiebungen. Wenn Sie über eine Big-Data-Pipeline verfügen, ist dies sehr, sehr cool. Dies ist wahrscheinlich wieder einer der Bereiche, die ich liebe und auch in der Branche sehr gerne teste.
Im Gegensatz zur herkömmlichen IT-gesteuerten BI konzentriert sich die IT heute wirklich darauf, das Geschäft zu ermöglichen, und Sie haben Leute wie die CDOs, die die richtigen Lösungen zusammenstellen oder auswählen, um diese Daten zu orchestrieren, zu organisieren und zu vereinheitlichen und natürlich sicherzustellen, dass dies der Fall ist regiert, richtig? Eine Sache ist sehr interessant für mich und sicherlich denke ich, dass wir darauf geschlossen haben, aber ich glaube nicht, dass wir es gerade gesagt haben, die Tage eines One-Size-Fits-All-Data-Warehouse und das ist das Das Ende aller Dinge ist mit Sicherheit vorbei. Daten sind überall, was Sie machen müssen - Data Lakes sind ins Bild gekommen, es gibt Streaming- und Live-Daten, es gibt jetzt so viele verschiedene Datenquellen, es ist wirklich eher ein Use-Case-basiertes "Was brauchen Sie?" - Vers „Wir müssen alles in ein Data Warehouse bringen.“ Ich bin mir nicht sicher, Nick, wolltest du das kommentieren? Ich erinnere mich nicht.
Nick Jewell: Ich sage nur eins und es ist nur, die Entwicklung der Komponente zu beobachten. Was Experten vor fünf bis zehn Jahren getan haben, liegt nun in den Händen des Benutzers, sodass die Dinge auf der rechten Seite für den Benutzer in einer Drag-and-Drop-Code-freien Form sehr weit verbreitet sein werden. sehr bald. Es wird sich schneller und schneller bewegen, also behalten Sie das im Auge.
Jen Underwood: Ja, das ist wirklich ein guter Punkt. Ich liebe es darüber nachzudenken. Die unterschiedlichen Datenwissenschaften werden endlich Realität und die Tools werden immer besser. Wenn wir über Technologie nachdenken, müssen wir jetzt die Fähigkeiten und die Menschen haben und was müssen wir tun? Zu den derzeit besten Jobs zählen Titel wie Data Scientists, Data Engineers und Business Analysts. Wir stellen jedoch fest, dass es für Arbeitgeber wirklich schwierig ist, eine Übereinstimmung zu erzielen. Sogar im Bereich für die Datenvorbereitung werde ich sagen: „Ist es eine Datenvorbereitung, ist es ein Datenstreit, wie nennen es die Leute?“ Es war sehr interessant zu finden.
Das Unternehmen weiß nicht, was es braucht, und es gibt ein ganz neues aufstrebendes Feld, das viele verschiedene Bereiche abdecken wird. Wenn Sie sich jetzt alle ansehen, die ihre Daten, Geschäftsanalysen, IT-Projektmanager, meinen Mann, der ein Stromnetz und ein Portfolio von Projekten verwaltet, beherrschen müssen, muss er in der Lage sein, dies zu analysieren. Es geht nicht mehr nur um Finanzen und die Datenanalyse, sondern es wird auch auf andere Bereiche der Organisation ausgeweitet. Ich glaube, ich habe eine Studie darüber gesehen, wie viele Datenquellen Marketing verwendet, und sie war überwältigend. Wenn Sie an die Studie denken, die von Harvard Business Review durchgeführt wurde, müssen die Benutzer nicht mehr nur eine Datenquelle zusammenführen und daraus Erkenntnisse gewinnen. Es sind auch viele Datenquellen, und dazu sind Fähigkeiten erforderlich.
Wenn Sie sich hier im Wesentlichen das Gesamtbild anschauen, werden die meisten neuen Mitarbeiter in dieser rosa Blase unten sein, wenn Sie mit den Data-Mining-Analysten, den HR-Managern, in diesem Bereich über diese Geschäftsanalysten sprechen und nur reguläre Rollen in der Leitung haben des Geschäfts mit Daten. Die am schnellsten wachsenden Rollen werden weniger Arbeitsplätze haben, aber was wir heute am meisten auf dem Markt hören, ist der Data Scientist und der Data Engineer. Als CDO blicken sie nach vorne und planen Talente. Sie müssen einen Teil der Automatisierung von Routineaufgaben und der Arten von Fähigkeiten berücksichtigen, die strategischer sind, und für beide wiederum einen Mehrwert für Ihr Unternehmen schaffen Die in Analytics befähigten aber auch für die Data Science und Data Engineer Leute da. Überlegen Sie, wie sich Ihre noch nicht eingestellten Positionen und sogar ein Teil der freiberuflichen Wirtschaft ändern könnten, wenn Sie darüber nachdenken, um um die Besten und Klügsten zu konkurrieren.
Denken Sie immer auch an Ihre Talent-Pipeline, helfen Sie den Kandidaten dabei, sich im Markt zurechtzufinden, oder suchen Sie nach Dingen, die möglicherweise etwas anders und nicht genau Ihren Wünschen entsprechen, und erstellen Sie firmeninterne Analysekurse, die möglicherweise nicht die schnellsten sind kostengünstige Strategie für Sie, um Schritt zu halten. Betrachten Sie Leute, die sich dem Training für diese oder andere Gruppen widmen, und ich glaube, Alteryx hat am Ende der heutigen Sitzung einen empfohlenen Kurs als Handlungsaufforderung, den Sie für einige dieser Dinge nutzen können und der Ihrem Team hilft, sie zu nutzen Einige der vorhandenen Ressourcen, die bereits verfügbar sind.
Nick Jewell: Auf jeden Fall. Es gibt so viele Möglichkeiten, diese Talentlücke zu schließen, ohne in ein Wettrüsten verwickelt zu werden. Ein paar Dias zurück, ich weiß nicht, ob du ein paar dorthin drehen kannst. Kaggle, die Website für Data Science-Wettbewerbe, hat gerade eine Umfrage mit 17.000 Antworten zum Stand der Data Science veröffentlicht. Die Umfrage ergab eine sehr interessante Antwort zu den Fähigkeiten der Menschen, und die Mehrheit der Befragten hatte keinen Doktortitel Es ist einfach keine Voraussetzung mehr.
Die Idee, dass die Analytik-Experten der nächsten Generation, die große Blase, die Sie gerade gezeigt haben, das erforderliche Wissen aus Nano-Studiengängen gewinnen können. Sie können Websites wie Udacity aufsuchen und dieses Wissen sofort direkt im Unternehmen einsetzen. Kurze Lieferzyklen machen sie zu einer unmittelbaren Quelle für Wettbewerbsvorteile für ihre Unternehmen. Also etwas, worauf man achten muss, denke ich.
Jen Underwood: Nein, dem stimme ich zu. Selbst wenn ich darüber nachdenke, ist es sicherlich ein langer Weg, seit ich ein zweijähriges Programm bei UCSD absolviert habe. Ich glaube, das war 2009, 2010, und es gab wirklich vielleicht eine Handvoll im Land, die Ihnen das erlaubt haben. Im Allgemeinen gibt es jetzt viel mehr Optionen sowie spezialisierte Programme, egal ob über die Anbieter, viele Ressourcen, die heute mit Schleifen verfügbar sind, und all diese verschiedenen Online-Ressourcen. Es ist einfach erstaunlich, es ist wirklich die Zeit. Nehmen Sie sich Zeit und budgetieren Sie das und planen Sie sich ein, um mitzuhalten. Was möchten Sie lernen? Und dann folge dem Weg, den du lernen willst.
Wenn Sie darüber sprechen, wie Sie sich das ansehen und Ihren eigenen Kompetenzplan zusammenstellen, und wenn Sie von einem potenziellen CDO ausgehen, stellen Sie sicher, dass er Mitarbeiter in den abgedeckten Bereichen hat, anhand eines Kompetenzrahmens an sich, nach Fähigkeiten suchen oder nach Dingen wie Domänenkenntnissen suchen ist immer noch sehr wichtig, auch wenn diese Lösungen sich selbst trainieren und erlernen können, ist es wirklich ein Experte für Geschäftsgegenstände, der die Ergebnisse leiten und sicherstellen wird, dass sie sinnvoll sind.
Es gibt immer etwas und ich verwende gerne das Beispiel, als ich kritische Analysen für eine Versicherungsgesellschaft durchführte, und eine der Erkenntnisse, die die Algorithmen hatten, war, niemanden aus New York einzustellen. Nein, wir werden niemanden aus New York einstellen - wir mussten herausfinden, warum der Algorithmus uns diese Informationen gab. Dies war darauf zurückzuführen, dass sich eines der Gesetze geändert hatte und wir in diesem bestimmten Segment eine Menge Abwanderung hatten. Ein Experte für Business-Themen musste hinzugezogen werden, um das zu entschlüsseln, und ich sehe, dass sich das nicht ändert. Ich sehe keine solchen Anhaltspunkte dafür, dass die Ergebnisse genau aussehen und etwas nicht stimmt - es ist immer noch so Es gibt etwas, von dem gesagt wird, dass es der menschliche Verstand ist, dessen Schönheit in Kombination mit der Kraft der Maschine das ist, wohin wir gehen.
Die anderen Arten von Dingen, wenn Sie sich Fähigkeiten, Visualisierung, das Erzählen einer effektiven Geschichte in den Daten und das Erzählen einer effektiven Geschichte darüber ansehen, ob es sich überhaupt um maschinelles Lernen handelt. Diese Art von Dingen sind unabhängig von der Technologie von großer Bedeutung, wenn man zusammenfasst und untersucht, welche Auswirkungen sie haben. Governance ist wirklich wichtig, Ethik wird immer wichtiger. Wenn Sozialwissenschaftler involviert sind, verstehen sie und sind darin geschult, zu prüfen, ob es Abweichungen in Ihren Daten gibt, die Sie nicht einmal bemerken oder ob es niemanden in der Organisation gibt, der dies möglicherweise nicht einmal erkennt, und sie sogar zum Experten bringt, diese Art von Dingen zu haben.
Natürlich müssen Sie auch hier über die Infrastruktur für das Engineering und die Hardware verfügen und sicherstellen, dass Sie skalieren und diese entwickeln können. Außerdem müssen Sie sicherstellen, dass Sie den richtigen Cloud-Anbieter verwenden, dass Sie nicht an die Infrastruktur gebunden sind oder dass Sie Optionen zum Verschieben haben Sie verstehen die Preisgestaltung, wie viel diese Sie kosten werden. Es sind diese Arten von Fähigkeiten, und wenn Sie sich das ansehen, würden wir es Fähigkeiten in verschiedenen Bereichen nennen, ganz gleich, ob es sich um datengesteuerte Entscheidungsträger an vorderster Front handelt - wo die meisten dieser Rollen liegen - bis hin zu den Dateningenieuren und Datenwissenschaftlern, die dies tun werden in diesen Ozeanen der Daten massieren und arbeiten. Dies sind die Arten von Dingen, für die Sie einen Rahmen zusammenstellen möchten.
Wenn Sie sich Kompetenzrahmen ansehen, sehen Sie sich eine Organisation im Allgemeinen an und möchten Kompetenz berücksichtigen, nicht nur Kompetenzen. Es gibt eine kleine Nuance in der Formulierung, wie Sie dies betrachten. Ein Kompetenzrahmen für Ihre Organisation ist ein klares Signal. Kriegspolitische Entscheidungsträger, Bildungsanbieter, während Fähigkeiten unter R stehen, denken Sie über diese Art von Dingen nach, Sie haben einen kompetenten Programmierer, aber Sie möchten mehr als nur diese Fähigkeiten haben. Wenn Sie Kompetenz verstehen, was eine Person können und verstehen muss, dann ist das wichtig, da gibt es eine kleine Nuance.
Während Sie dies aufbauen, möchten Sie diagnostizieren, was Sie als Kapazitäten bezeichnen, die sich positiv auf das Geschäft auswirken, und die Bereiche mit hohem Potenzial hervorheben, sodass Sie Prioritäten für die Kompetenzen setzen, die Sie in Ihrem Unternehmen und in Ihrem Unternehmen erweitern möchten Richten Sie diese dann erneut an den Unternehmenszielen aus. Das CDO, das für die Maximierung des Werts von Daten verantwortlich ist, und sein CAO, das die Analyse verwendet, um den Wert von Daten zu maximieren. Sie werden sich mit diesen Kompetenzen und den verschiedenen Bereichen aus der Vergangenheit befassen, die ich dort hatte, aber sie werden sich auch mit dem hohen Potenzial der Mitarbeiter befassen. Sie verweisen darauf, dass Ihre Mitarbeiter für Daten und Analysen arbeiten und in sie investieren, ihnen Lernmöglichkeiten bieten und nicht nur Schulungen, sondern im Wesentlichen reale Gelegenheiten, um an realen Geschäftsproblemen zu arbeiten.
Es gibt nichts Besseres - obwohl ich ein paar Jahre in die Schule gegangen bin, habe ich erst einige dieser Algorithmen angewendet oder etwas über Scheckbetrug gelernt, einige dieser Dinge, über die ich noch nie nachgedacht hatte, und Sie Fangen Sie an, sich in der realen Welt zusammenzusetzen, und dort lernen Sie wirklich. Den Menschen die Möglichkeit geben, Erfahrungen in diesen Bereichen zu sammeln. Die Unternehmen, die am besten in der Lage sind, starke Fähigkeiten aufzubauen, systematisch zu identifizieren, objektive Bewertungen vorzunehmen und herauszufinden, wo innerhalb meiner Organisation Lücken bestehen, um zu lernen und einige Kennzahlen für Ziele für die Mitarbeiter festzulegen, sind diejenigen, die dies können zustellen.
Wenn man daran denkt, Erwachsene zu trainieren, ist es normalerweise ein Zeitmangel - wir sind alle Zeitmangel -, aber es wird geprüft, was für jeden von ihnen funktioniert. Ich persönlich habe Bücher. Wenn Sie also heute in mein Büro kommen würden, würden Sie Unmengen von Büchern sehen, obwohl viele Leute Videos mögen. Es geht also darum, herauszufinden, wie jemand in Ihrer Organisation gerne lernt - um ihn zum Lernen zu motivieren - aber auch um ihm etwas Zeit zu geben, um dies zu erreichen, und in der Regel ist dies das, was effektiv ist, um dies zu erreichen gemischt, es ist nicht nur, diesen Kurs zu nehmen, um diese Markierung auf einer Score-Karte zu überprüfen, per se, es ist die Mischung mit realem Zielprojekt und was haben Sie aus diesem Projekt gelernt und was möchten Sie als nächstes tun? Was ist eine Strecke? Dehnen Sie Ihr Team oder motivieren Sie Ihr Team, es weiterzuentwickeln.
Diese Lernziele wiederum, wenn Sie das tun, sollte es nicht wirklich so sein, es sollte für das Unternehmen einfach sein, im Wesentlichen, weil diese Ziele mit den strategischen Geschäftsinteressen in Einklang gebracht werden sollten. Das sind großartige Projekte. Es sind experimentelle Projekte. Es sind Projekte, die die Nadel nach vorne bewegen.
Nick, wolltest du etwas hinzufügen? Ich bin mir nicht sicher.
Nick Jewell: Nein, ich wollte auf dem nächsten Bildschirm eine Fallstudie starten, wenn das in Ordnung ist. Ein bisschen mehr Details zu einer bestimmten Organisation. Ich denke, sie haben viel von dem, was Sie sagen, in die Praxis umgesetzt, in die Realität. Die Ford Motor Company hat sich wie viele andere Unternehmen jahrzehntelang auf die Datenanalyse verlassen, dies jedoch in den Kammern des Unternehmens, mit wahrscheinlich sehr geringer Kontrolle über das gesamte Unternehmen, um Konsistenz und Koordination zu gewährleisten. Ihre Probleme waren wahrscheinlich recht typisch für eine Organisation ihrer Größenordnung, sodass die Analysekompetenz - wie wir sagen - in den Taschen steckte und die Datenmanagement- und Governance-Praktiken inkonsistent waren, selbst bis zu dem Punkt, an dem einige Geschäftsbereiche keinen Zugang zu grundlegender Analysekompetenz hatten.
Wieder haben wir heute über viele verschiedene Arten von Datenquellen gesprochen, sie hatten über 4.600 Datenquellen. Dies bedeutete, dass selbst der Beginn der Reise und das Finden der benötigten Daten ein echtes Hindernis für analytische Einsichten darstellte. Ich sehe, dass Sie lachen, aber es ist eine schreckliche Sache, nicht wahr?
Jen Underwood: 4.600, oh mein Gott, ja.
Nick Jewell: Also hat Ford die globale Abteilung für Einblicke und Analysen gebildet und diese wurde zentralisiert - man kann es als Kompetenzzentrum bezeichnen -, bestehend aus einem Team von Datenwissenschaftlern und Analysten, die organisiert sind, um diese analytischen Best Practices auszutauschen und dabei zu helfen, optimierte datengetriebene Daten zu verbreiten unternehmensweite Datenerfassung. Das Unternehmen hat die besten Tools seiner Klasse ausgewählt, nicht nur nach ihrer Fähigkeit, sondern auch nach ihrer Fähigkeit, sich gut ineinander zu integrieren. Das ist also ziemlich wichtig. Der Fokus ihrer Demokratisierung lag eigentlich auf Berichten und deskriptiven Analysen, bevor wir die Pyramide der Bedürfnisse, über die wir gesprochen haben, nach oben schoben.
Die Demokratisierung macht nicht über Nacht jemanden zum Datenwissenschaftler. Die Mitarbeiter müssen wissen, wann und wo sie Hilfe erhalten, und es stehen Schulungen, Governance und Methoden zur Verfügung, um bei all dem zu helfen. Außerdem geht es nicht nur um Tool-Training, sondern auch um Data-Science-Training, um diese von uns erwähnte Kompetenzlücke zu schließen. Also, ein realer Anwendungsfall bei Ford, der ein Logistiknetzwerk optimiert. Hat Ford also den richtigen Betrag bezahlt, um Materialien von Punkt A nach Punkt B zu transportieren? Ihre bisherigen Analysen haben nicht wirklich umsetzbare Gelegenheiten hervorgehoben. dies machte sie auf dem Markt sehr reaktionär. Nun war eine Menge Komplexität für diesen Prozess in den Köpfen der Analysten verborgen, und sie erzielten einen großen Durchbruch, als der Self-Service-Workflow tatsächlich mit dem Unternehmen durchlaufen wurde und die Analyseexperten sich zusammensetzten und gemeinsam lokalisierten.
Dies verschob die Analyse von mehrjährig auf vierteljährlich und sogar auf nahezu in Echtzeit, was dem Unternehmen einen enormen Nutzen verschaffte. Aufgrund der Auswirkungen von Self-Service-Analysen auf den Unternehmenswert kann Ford schnell datengesteuerte Strategien für das gesamte Unternehmen planen und festlegen, um auf neue Trends zu reagieren, neue Dienste zu gestalten und Bedrohungen durch die Konkurrenz im Grunde genommen zu vermeiden in diesen Rückspiegel schauen zu müssen.
Wenn wir uns nun einen Moment ansehen, wie ein anderer Kunde Analytics wirklich von einer vertikalen Priorität in einer einzelnen Abteilung des Unternehmens zu einem horizontalen Streifen in allen Abteilungen gemacht hat, werden wir über Shell sprechen. Shell betreibt ein Kompetenzzentrum, das an den Chief Digital Officer berichtet. Daher gibt es ein weiteres D für unser CxO-Playbook, das für die digitale Transformation und Nachhaltigkeit verantwortlich ist. Diese Leute haben verstanden, dass ihre Umgebung mehrere Schichten und den Technologie-Stack, die Speicherung, die Datenverarbeitung und alle Technologien enthielt, mit denen Sie alle vertraut sein werden. Dinge wie SAP HANA, Databricks, Spark und sie nutzten die Public Cloud, um die richtigen Skaleneffekte zu erzielen.
Jetzt haben sie Alteryx als Analyse-Wrapper für einen Großteil ihres R-Codes ausgewählt und Technologien wie Spotfire, Power BI und mehr hinzugefügt. Jetzt sehen sie, dass die Übernahme viel enger mit der Datenverarbeitung und -visualisierung zusammenhängt. Jen, nur um noch einmal auf Ihre Folie mit all diesen Möglichkeiten zurückzukommen, verbreitet sich so etwas, als wir beginnen, mehr Analysten den Zugriff zu ermöglichen. Wissen Sie, sie waren äußerst erfolgreich bei der Bereitstellung dieser Funktion und des COE und versuchten, künftige Funktionen bereitzustellen, einige dieser vertieften Lerninhalte, über die wir gesprochen haben - Bildverarbeitung, Verarbeitung natürlicher Sprachen -, und die Hälfte ihrer Mission besteht in der Bereitstellung, die Hälfte davon Es geht darum, diese Ideen über die Geschäftsbereiche hinweg zu erklären und zu katalysieren. Es ist Teil der Reise; Der COE sucht immer nach verschiedenen Wegen, um mit seinem Geschäftspublikum zu kommunizieren.
Berücksichtigt man auf der einen Seite die Skeptiker, die sagen: "Nun, diese Black Box wird niemals so gut wie mein Analytiker sein", bis hin zum Fanboy oder dem Enthusiasten, der überall Zusammenhänge sieht, vielleicht weniger in kausalen Zusammenhängen, aber Sie müssen auf beiden Seiten vorsichtig sein. Es ist ein faszinierender Mittelweg, wenn Sie diesen horizontalen Streifen über eine gesamte Organisation haben, diese hybriden Fähigkeiten, die erforderlich sind, um beide Seiten des Spektrums zu überzeugen.
Nick Jewell: Okay, Jen, bist du da?
Jen Underwood: Das bin ich.
Nick Jewell: Ich denke, wir versuchen hier mit diesem Zitat von Clayton Christensen zu sagen, dass für viele Unternehmen die Analyse-Agenda vereinheitlicht wird, um die digitale Transformation voranzutreiben, über die wir heute gesprochen haben eine Herausforderung sein. Meistens finden wir Analyseteams, die mit einer schwachen Hand beginnen. Der Versuch, mit alten Überbleibseln von analytischen Prozessen, Technologien, Teamstrukturen und dem Festhalten an diesen Relikten zu innovieren, wird das größte Hindernis für die analytische Ausrichtung und für analytische Innovation sein. Hast du irgendwelche Gedanken dazu, Jen?
Jen Underwood: Ich mag das ausgewählte Bild. Ja, das macht für mich sicherlich sehr viel Sinn. Sie müssen einige dieser neuen Technologien nutzen, zum Beispiel Streaming in Echtzeit. Sie werden nicht unbedingt in der Lage sein, diese Echtzeitergebnisse zu erhalten, wenn Sie JavaScript-Aktualisierungen in einem Browser per se mit einem alten Erbe durchführen müssen - vielleicht handelt es sich um eine Dashboard-App oder solche Dinge. Ja, Sie müssen sich mit einigen dieser neuen Tools auseinandersetzen, und ich finde dieses Bild wirklich niedlich. Ein Bild sagt mehr als tausend Worte. Der Karren und der Buggy, Sie müssen einige dieser alten technischen Ansätze loslassen.
Nick Jewell: Auf jeden Fall. Wenn wir also zur nächsten Folie übergehen, denken wir, dass es einen besseren Weg gibt. Ich vermute, dass Sie zunächst eine Art Google-ähnliche Suche verwenden, um schnell alle Ihre Datenbestände zu finden, die für Sie am relevantesten sind. Verstehen ihres Kontexts, Verstehen von Abhängigkeiten, Berücksichtigen von wirklich einfachen Dingen wie von Experten in Ihren Communities verfassten Geschäftsglossaren, die durch all das Stammeswissen der Köpfe Ihrer Mitarbeiter am Leben erhalten werden.
Intelligente Datenerkennung. Überlegen Sie, ob Sie Gespräche mit Berichtseignern und Experten führen können. Hochladen, ein bisschen Trip Advisor oder Yelp, das Hochladen der nützlichsten Assets, das Zertifizieren derjenigen, die das Unternehmen für am wertvollsten hält, und all dies wird in die Suchergebnisse und letztendlich in die Suchrankings eingespeist und verbessert der nächste Benutzer. Sobald Sie gefunden haben, wonach Sie suchen, können Sie in dieser schnellen, codefreien, benutzerfreundlichen Vorbereitungs- und Analysephase Ihren perfekten Datensatz entwickeln, aus dem sich wiederholbare Prozesse veröffentlichen lassen.
Zurück zu unserem Automatisierungsgespräch: Erstellen Sie benutzerfreundliche Apps. Was auch immer benötigt wird, um analytische Modelle zu erstellen. Apropos Modelle: Seit einigen Jahren unterstützen wir Open-Source-Technologien wie R und ermöglichen es uns, eine wirklich fortschrittliche Analysefunktion aufzubauen, die sowohl deskriptive als auch prädiktive, präskriptive Analysen in einem einfachen Drag-and-Drag-Verfahren abdeckt. Weg fallen lassen.
Nun, auf der rechten Seite, erhalten Sie tatsächlich diesen Einblick in interaktive Visualisierungen, Modelle und Scoring, die auf Datenplattformen übertragen werden, oder zuletzt, um diesen Einblick sofort und direkt in einem Geschäftsprozess verfügbar zu machen. Ich denke, es ist diese Bandbreite an Funktionen auf der gesamten Plattform, die es uns ermöglicht hat, als Gewinner des Gold Awards in der diesjährigen Gartner Peer Insights-Umfrage zur Kundenauswahl anerkannt zu werden, was eine fantastische Leistung ist. Ich empfehle Ihnen nachdrücklich, die Gartner-Website zu besuchen, um mehr zu erfahren und Ihre eigenen Stimmen sowie Ihren eigenen Kommentar hinzuzufügen.
Cool, also, Jen, wenn wir eine weitere Folie überspringen - ich denke, zum Schluss möchte ich Ihnen noch einige weitere Schritte geben. Besuchen Sie zunächst Alteryx.com, um ein kostenloses Exemplar unseres neuesten Research Briefs herunterzuladen, der in Abstimmung mit dem International Institute of Analytics (IIA) zum Abbau analytischer Hindernisse erstellt wurde. Sie können auch udacity.com/alteryx besuchen, um mehr darüber zu erfahren, wie Sie Ihren Teams ermöglichen, den nächsten Schritt auf ihrem Weg mit diesem fortgeschrittenen analytischen Nano-Abschluss zu machen und Alteryx dann selbst zu erleben. Besuchen Sie die Homepage, laden Sie eine umfassende Evaluierungsversion herunter und machen Sie sich mit dem Nervenkitzel des Lösens an die Arbeit.
Jen, rüber zu dir. Wir haben vielleicht etwas Zeit für ein paar Fragen und Antworten.
Eric Kavanagh: Ich melde mich ganz schnell. Wir haben ein paar Fragen. Ich werfe einen, denke ich, zuerst zu Ihnen, Nick, und dann zu Jen, wenn Sie ihn kommentieren möchten, aber er ist auf jeden Fall für die EU besser anwendbar, und das ist die berüchtigte DSGVO, die Global Data Protection Regulations. Wie wirkt sich das auf Alteryx und Ihre Roadmap aus und worauf konzentrieren Sie sich?
Nick Jewell: Es ist sehr ein Boogieman, denke ich, das gibt es gerade. Viele reden darüber, viele sind sehr besorgt, aber es ist wirklich nur das erste einer langen Reihe von Vorschriften, die in die Daten- und Analytikwelt einfließen werden. Aus unserer Sicht geht es wirklich darum, Ihre Daten zu verstehen und zu klassifizieren. Stellen Sie sicher, dass Sie als CxO eines bestimmten Typs wissen, wo sich Ihre Assets befinden, ihren Kontext kennen und dass Sie ihnen vertrauen können, um wirklich nur Daten in einem breiteren Kontext zu verwalten und zu verwalten.
Eric Kavanagh: Ich schätze, ich werde Ihnen noch eine Frage stellen, bevor wir Jen wieder hereinbringen, Nick, und das sind die Trainingsdaten. Wenn jemand verlangt, dass seine Daten aus Ihrem Unternehmen entfernt werden, wirkt sich das nicht nur auf seinen Namen aus. Adresse und so weiter, nicht nur ihre Kontaktinformationen, sondern auch, wenn ein Algorithmus Trainingsdaten verwendet, die Ihre Daten enthalten, sollten Sie den Algorithmus neu trainieren, nicht wahr?
Nick Jewell: Es ist besonders komplex. Ich denke, dass die Idee, dass Datenbanken nicht nur eine Quelle für einige dieser persönlich identifizierbaren Informationen sind, sondern auch die analytischen Workflows, die Apps, die Visualisierungen. Diese Daten kommen in einer Organisation überall an, daher ist dieser Kontext von entscheidender Bedeutung.
Eric Kavanagh: Und Jen, was denkst du? Offensichtlich ist es in den USA keine so große Sache, und wir sehen nicht zu viele Unternehmen, die sich jetzt darüber ärgern, auch wenn es technisch hier zutrifft. Wenn ein US-amerikanisches Unternehmen Daten eines EU-Bürgers hat, welche Bedeutung hat die DSGVO für Sie und wie hoch ist diese?
Jen Underwood: Nun, ich denke, es erfordert einen verantwortungsvollen Umgang mit Daten. Ich habe ein paar Mal darüber geschrieben und habe einige Richtlinien zu einigen dieser Dinge. Ich denke, die Frage, die Sie zu Algorithmen gestellt haben, ist interessant. Einige der Lösungen, die ich heute sehe, und einige ihrer Produktteams haben Funktionen entwickelt, mit denen Sie sehen können, wie sie Entscheidungen treffen und welche persönlichen Daten für die Entscheidung über das Ergebnis dieses Algorithmus verwendet wurden. Wir sehen hier in den USA einige Auswirkungen auf die Produktdesigns.
Viele der Technologieunternehmen haben hier sehr große Büros und Entwicklungsteams sowohl hier in den USA als auch weltweit. Wir sehen dies bei der Produktentwicklung. Ich sehe mehr Datenkataloge, in die investiert wird. Es werden mehr Initiativen von Regierungen ins Leben gerufen, damit die Leute verstehen, und sie verstehen, wo all diese Daten im Chaos sind. Der Versuch, sie wenigstens in die Arme zu schließen, um sie zu organisieren, sie zu finden und etwas damit zu tun.
Eric Kavanagh: Ich schiebe diese Folie, über die wir vorher gesprochen haben, und wirf sie dir zu, Nick. Ich halte dies für eine fantastische Folie, da sie für mich die Unmittelbarkeit eines Bedarfs an Analysen deutlich macht. Was halten Sie von dieser sich verändernden Dynamik? Ich meine, das Fazit ist, dass Unternehmen agil sein müssen, und ich sehe Analytics als die Nummer eins. Was denkst du?
Nick Jewell: Das ist faszinierend. Ich denke, es gibt immer - Unternehmen und Technologien gibt es immer in drei Staaten, also wird es entweder Krieg, Frieden oder Wunder sein. Der Krieg wird von einem so starken Wettbewerb geprägt sein. Wonder ist all das großartige neue Zeug, das Sie auf einer Plattform bauen. Dann beginnt der Friede vor dem Wettkampf und der Krieg von neuem. Ich denke, es ist immer ein Kampf im Gange.
Vor dem heutigen Anruf haben wir über einige der anderen Konferenzen und Key Notes gesprochen, die heute auf der ganzen Welt stattfinden. Einige der großen Cloud-Anbieter haben einen Punkt erreicht, an dem sie diese Plattform aufgebaut haben, und jetzt bauen sie darauf wunderbare neue Dinge. Unternehmen müssen dies sehr genau beobachten und sicherstellen, dass sie etwas wählen, das über eine kohärente Plattform verfügt, die diesen Wert für die Zukunft liefert. Sie werden diejenigen sein, die diese Störung überleben werden.
Eric Kavanagh: Ja, das ist ein guter Punkt, und Sie wissen, Jen, Sie haben bereits vor der Show einen Kommentar zur Cloud-Strategie abgegeben, und wie viele der Leute, die Sie in der Branche kennen, sagen, dass große Unternehmen, sogar Banken, Alle haben jetzt eine Cloud-Strategie. Ich war ein bisschen überrascht, wie lange es gedauert hat, bis dies eintritt, und ich schätze, einige von ihnen sind zur AWS Reinvent-Konferenz gegangen und haben erkannt, wie massiv es ist, und sind zu dem Schluss gekommen, dass die Zeit gekommen ist. Wie beurteilen Sie das Bewusstsein von Führungskräften in großen Unternehmen für den Import von Clouds und wie ändert dies ihre Planung?
Jen Underwood: Wenn ich über diese Welt der massiven Daten nachdenke, denke ich, dass es in gewisser Hinsicht beruhigend ist, wenn eines der sehr großen Unternehmen die Verantwortung für einige Sicherheitsaspekte übernimmt etwas Seelenfrieden dort. Sie wissen, dass Cloud nur in begrenztem Umfang eingesetzt werden kann.
Die andere Sache ist, und ich habe gesehen, dass ich in einem Team war, das ein Produkt in der Cloud neu entwickelt hat, und es war sicherlich ein Underdog-Produkt, und niemand hat sich darum gekümmert, und innerhalb von zwei Jahren, wegen wöchentlicher Veröffentlichungen und sogar, Ich würde sagen, es ist fast so weit, dass es in der Cloud täglich veröffentlicht wird. Ich weiß, dass Amazon sagt, dass sie mehrmals pro Tag veröffentlichen. Wenn Sie diese Bedrohung haben, wenn Ihre Konkurrenten täglich veröffentlichen und sich verbessern können, was auch immer sie tun, zumindest in der Softwareindustrie - und jeder ist wirklich in der Softwareindustrie, wenn Sie sich mit der digitalen Transformation beschäftigen -, ist es eine ganz andere Ballspiel und jeder kann eine Wolke hochdrehen und skalieren und groß werden.
Wieder werden es die Daten sein, die sie nutzen, die den Unterschied und die Intelligenz in ihren Algorithmen ausmachen, und deshalb sprechen die Leute davon, dass Daten das neue Öl sind oder dass Daten Gold sind. Wenn ich mir die Cloud anschaue, ist es der Game Changer, der wirklich eine sehr, sehr schnelle Entwicklung und Skalierung ermöglicht. Es ist wunderbar.
Eric Kavanagh: Ich bringe Sie zurück, Nick, für eine andere Frage - wir werden hier nur eine Minute lang bleiben, wenn wir einige dieser Fragen beantworten können, aber, wie ich mich erinnere, fünf und sechs und vielleicht sogar sieben Vor Jahren war Alteryx wirklich ein Innovator, wenn es darum ging, Daten von Drittanbietern zu nutzen - also Daten aus Quellen wie z. B. Experian oder Geodaten. Ich denke, das ist wahrscheinlich ein strategischer Vorteil, weil so etwas in der DNA von Alteryx steckt, oder? Ich denke, dass Unternehmen auf dem Weg zur Cloud viel Erfahrung damit haben, diese Welten zu überbrücken. Was denken Sie über die Welt der On-Prem Verses mit Daten von Drittanbietern und Cloud-basierten Daten?
Nick Jewell: Ja, absolut. Die ultimative Konnektivität wird für jedes Unternehmen, das in dieser Cloud-basierten Umgebung arbeiten wird, zu einem Powerplay. Aber ich werde sagen, wenn wir über so etwas wie Infonomie sprechen, dass Informationen und Daten als Aktivposten in Ihrem Unternehmen angesehen werden sollten. Der größte Teil des Wertes, den Sie einbringen werden, besteht darin, externe Datenquellen zu verwenden, sie zu mischen und mit Ihren internen Quellen zu bereichern, um dadurch mehr Wert zu schaffen und zu monetarisieren. Es ist absolut wichtig, mit internen und externen Daten gleichermaßen zu arbeiten.
Eric Kavanagh: Ja, das ist ein guter Punkt. Ich denke, diese ganze Welt der Hybridwolke ist da, um zu bleiben. Jen, ich werfe das nur für ein paar abschließende Kommentare zu dir. Wenn ich diese strategische Sichtweise habe und in der Lage bin, zu vereinheitlichen, wie der neue Begriff Daten über die Quellen hinweg beschreibt, wird das für mich in Zukunft ein entscheidender Erfolgsfaktor sein, oder?
Jen Underwood: Nein, absolut, und es ist lustig, ich habe diesen Hybrid, Hybrid, Hybrid gehört. Sie haben davon gehört, und vor vier Jahren haben Sie über Hadoop, Hadoop und Big Data nachgedacht, und dann haben Sie angefangen, Hybrid, Hybrid zu hören, also waren Sie mit Sicherheit dabei. Ich meine, künstliche Intelligenz, das maschinelle Lernen hat dieses Jahr die Bühne betreten, aber um wirklich in einer Organisation zu funktionieren, die heute auf dem Weg zur Cloud ist oder mit all diesen verschiedenen Cloud-Datenquellen umgehen muss, ist es vielleicht Salesforce oder Workday, all diese verschiedenen Arten von Quellen, die in der Cloud vorkommen, können Sie nur mit Hybrid umgehen. Sie können Daten möglicherweise nicht überall kopieren, daher müssen Sie in der Lage sein, eine direkte Verbindung herzustellen, und Sie müssen eine Möglichkeit finden, mit Daten zu arbeiten, die sich überall befinden, und Daten überall zu finden, da dies die Realität ist, in der wir uns befinden jetzt.
Eric Kavanagh: Ich denke, ich würde es mir nicht gefallen lassen, wenn ich das maschinelle Lernen nicht wieder in das Gespräch einfließen lassen würde. Ich weiß, dass Sie sich jetzt darauf konzentrieren - können Sie darüber sprechen, wie sich maschinelles Lernen auf Analysen und auf die Art von Systemen abstimmt, mit denen wir unser Geschäft und unsere Daten verstehen?
Nick Jewell: Ja, sicher. Kommen wir also ganz kurz zu unserer Kompetenzlücke zurück. Die Idee, dass wir Unternehmen haben, die voll von Power-Excel-Benutzern sind. Wir haben Datenwissenschaftler, die durchkommen, aber nicht mit der gleichen Geschwindigkeit wachsen. Es gibt eine massive Lücke zwischen den beiden. Überlegen Sie, wo maschinelles Lernen heute ist. Wie viele Algorithmen haben wir auf unserem Telefon oder unserer Uhr, die Techniken des maschinellen Lernens beinhalten? Es ist eine Ware, es ist überall. Wir müssen diese Hauptbenutzer auf einfachste Weise aktivieren, um sicherzustellen, dass die Maschine im gesamten Unternehmen erfolgreich eingesetzt wird.
Eric Kavanagh: Ich werfe dir vielleicht einen letzten rüber. Wir haben ein paar Fragen, die spät kommen. Jen, ich werde dich das fragen. Ein Teilnehmer kommentiert dieses gesamte Konzept des unbeaufsichtigten Lernens, und die Tatsache ist, dass Sie Trainingsdaten benötigen, um diese Aufgaben zu erledigen, und dass die Trainingsdaten in der Regel unternehmensspezifisch sein müssen. Obwohl es in der Industrie viele Zusammenhänge gibt, gibt es viele Arten, in denen sich Organisationen ähneln. Trotzdem ist jedes Unternehmen einzigartig, sei es sein Geschäftsmodell oder seine Herangehensweise an Marketing oder Vertrieb oder wie auch immer die Produktentwicklung sein mag.
Es stellt sich die Frage, ob diese Algorithmen Daten von Drittanbietern für das Training verwenden können. Mir scheint, Sie müssen immer Ihre eigenen Daten verwenden, um diese Algorithmen zu trainieren, auch wenn diese Zykluszeit von sechs Monaten - was in einigen Fällen der Fall war - auf 40 Tage oder 20 Tage abfällt Fall kann sein. Sie müssen wirklich Ihre eigenen Daten verwenden und sicherstellen, dass die Daten ziemlich sauber sind, oder?
Jen Underwood: Es ist wirklich eine Mischung. Du wirst einen externen Kontext haben wollen. Tatsächlich bin ich heute Rücken an Rücken gebucht und mein nächstes Webinar befasst sich mit der Aufbereitung und Bereinigung von Daten, ironischerweise für maschinelles Lernen. Was wirklich wichtig ist, ist, dass Sie externen Kontext mit Ihrer Organisation zusammenstellen, und ich finde es toll, dass Sie nach der Datenvorbereitung und -bereinigung gefragt haben, denn ehrlich gesagt werden einige der Tools sehr, sehr gut - sie können einige Aspekte davon bewältigen, aber der menschliche Geist, oder in der Lage zu sein, das Problem zu entziffern und zu schauen und sicherzustellen, dass sie nicht ausgelassen haben - sagen Sie, dass wir eine Art von Auslassungsbias haben. Die Art und Weise, wie Sie das Problem betrachten und die Art und Weise, wie Sie das zu automatisierende Problem oder die zu automatisierenden Entscheidungen entwerfen, ist eine Kunst und es muss sichergestellt werden, dass es genau diesen Geschäftsprozess widerspiegelt.
Ich gehe noch einmal auf mein Beispiel mit der Versicherungsgesellschaft zurück, als wir die Abwanderung modellierten und wen wir einstellen sollten, um diese gesponserte Schulung zum Verkauf von Versicherungen zu absolvieren. Im Modell selbst war nicht das gesetzliche Klima, verschiedene Gesetze für verschiedene Staaten. Es wird immer einen Aspekt geben, in dem Sie diese externen Daten mit Ihren internen Daten und wiederum dem menschlichen Verstand haben müssen. Dort wird es verschiedene Komponenten geben.
Eric Kavanagh: Ich denke, Sie haben hier einen wirklich guten Punkt angesprochen. Wir hören immer wieder von Robotern und Maschinen und von der Übernahme des maschinellen Lernens. Für mich ist dies ein sehr disruptiver Trend - daran besteht kein Zweifel -, aber ich sehe keine Notwendigkeit für Menschen in der Mischung, insbesondere bei der Analyse von Daten und Unternehmensdaten.
Nick, eine letzte Frage an dich. Unabhängig davon, wie gut die Algorithmen sind, werden Sie immer Leute brauchen, die überwachen, was passiert, sich zu den festgelegten Zeiten selbst injizieren und das Gesamtbild dessen, was da draußen ist, wirklich zusammenfassen. Ich glaube nicht, dass ein Algorithmus jemals in der Lage sein wird, das Gesamtbild eines Fortune 2000-Unternehmens zusammenzufassen, aber was denken Sie?
Nick Jewell: Nun, nehmen wir ein Beispiel, das kein Alteryx ist. Lassen Sie uns über Uber aus dem letzten Jahr sprechen. Uber, während des Terroranschlags in Australien, setzten die Leute, die versuchten, aus der Region zu fliehen, plötzlich Preissteigerungen auf, denn genau das soll der Algorithmus angerichtet haben. Unmittelbar danach implementierten sie Menschen und Algorithmen, die zusammenarbeiteten. Immer wenn dies geschehen sollte, musste ein Mensch den Prozess überwachen. Diese Partnerschaft von Mensch und Algorithmus, das ist der Weg nach vorne.
Eric Kavanagh: Wow, das ist ein großartiges Beispiel, vielen Dank. Leute, wir haben hier in unserem Webcast mehr als eine Stunde durchgebrannt. Vielen Dank an Jen Underwood von Impact Analytics. Natürlich ein großes Dankeschön an Nick Jewell und das Alteryx-Team für ihre Zeit und Aufmerksamkeit und an Sie alle für Ihre Zeit und Aufmerksamkeit. Wir freuen uns über diese tollen Fragen. Wir archivieren alle diese Webcasts zur späteren Ansicht. Sie können sie gerne mit Ihren Freunden und Kollegen teilen. Damit verabschieden wir uns von Ihnen. Exzellenter Webcast heute. Nochmals vielen Dank, wir sehen uns beim nächsten Mal, Leute. Sich kümmern. Tschüss.
