Dengan Staf Techopedia, 29 November 2017
Takeaway: Host Eric Kavanagh membincangkan data dan analisis, serta peranan ketua pegawai data (CDO) dan ketua analisis analytics (CAO) dengan Jen Underwood of Impact Analytix dan Nick Jewell Alteryx.
Eric Kavanagh: Tuan-tuan dan puan-puan, hello dan selamat datang sekali lagi ke edisi Hot Technologies yang sangat istimewa. Orang ramai, ini adalah Eric Kavanagh, saya akan menjadi tuan rumah anda untuk pameran hari ini, "The Playbook CxO: Masa Depan Data dan Analytics." Ya, itu topik yang cukup besar, saya katakan. Sebenarnya, kami mendapat sedikit orang ramai di sini hari ini. Kami mempunyai lebih daripada 540 orang mendaftar untuk siaran web pagi ini. Kami melakukannya pada masa yang istimewa, kerana ramai yang tahu untuk acara biasa kami, biasanya kami lakukan pada jam 4:00 Timur, tetapi kami ingin menampung tetamu istimewa yang memanggil dari seluruh kolam. Biar saya menyelam terus ke persembahan hari ini.
Jadi tahun ini panas - ia telah menjadi tahun yang sangat teruk dalam banyak cara, saya fikir awan mempunyai banyak kaitan dengan itu. Konfigurasi teknologi yang kita saksikan di pasaran adalah pemacu utama, dan saya mengambil kursus tentang SMAC kerana mereka memanggilnya. Kami bercakap SMAC: sosial, mudah alih, analisis, awan - dan semua perkara itu bersatu. Organisasi dapat mengubah cara mereka menjalankan perniagaan. Terdapat lebih banyak saluran untuk melaksanakan operasi perniagaan anda, terdapat lebih banyak data yang akan dianalisis. Ia adalah dunia yang benar-benar liar di luar sana dan kita akan bercakap hari ini tentang bagaimana perkara berubah dalam suite C, jadi ketua eksekutif, orang-orang teratas dalam organisasi ini, bahawa seluruh dunia berubah sekarang dan kita akan membincangkannya.
Ada yang benar-benar di atas. Kami mempunyai Jen Underwood dari Impact Analytix dan Nick Jewell, penginjil teknologi utama dari Alteryx pada hari ini. Ia sangat menarik. Saya datang dengan konsep ini malam tadi, orang-orang, dan saya rasa ia sangat menarik. Sudah tentu, kita semua tahu kerusi muzik, permainan untuk kanak-kanak di mana anda mempunyai semua kerusi ini dalam bulatan, anda memulakan muzik, semua orang mula berjalan dan satu kerusi ditarik; apabila muzik berhenti semua orang perlu bergegas untuk mendapatkan kerusi manakala seorang yang kehilangan kerusi mereka dalam keadaan itu. Ia adalah perkara yang sangat pelik dan menarik yang berlaku sekarang dalam suite C, dan jika anda perhatikan dalam imej ini di sini, anda mempunyai dua kerusi kosong di belakang. Biasanya, kerusi hilang dalam kerusi muzik, dan apa yang kita lihat hari ini, terdapat dua lagi kerusi di peringkat C: CAO dan CDO, ketua pegawai analisis dan ketua pegawai data.
Kedua-duanya sedang berlepas. Terus terang ketua pegawai data benar-benar melepaskan seperti kebakaran hari ini, tetapi apa maksudnya? Ini bermakna sesuatu yang sangat penting. Ini bermakna kuasa data dan analitik sangat bermakna bahawa ruang lembaga, atau bilik eksekutif yang perlu saya katakan, suite C berubah - mereka menambah orang ke dalam suite C, para eksekutif baru mengisi beberapa tempat baru ini. Jika anda berfikir betapa sukarnya untuk mengubah budaya sesebuah organisasi, itulah perjanjian yang sangat serius. Budaya adalah perkara yang sangat sukar untuk berubah, dan biasanya perubahan yang positif dapat dipupuk melalui pengurusan yang baik dan idea-idea yang baik dan perkara seperti itu. Jika anda berfikir tentang peluang yang kami ada sekarang, dengan menambah eksekutif baru dalam suite C untuk analisis dan untuk data, itu satu perjanjian yang sangat besar. Ia bercakap kepada peluang untuk organisasi berubah trajektori, dan mari kita hadapi, syarikat-syarikat besar, lama perlu berubah kerana bagaimana pasaran berubah.
Saya biasanya memberikan contoh Uber, contohnya, atau Airbnb sebagai organisasi yang mengganggu keseluruhan industri, dan itu berlaku di mana-mana. Apa yang akan kita bincangkan mengenai hari ini adalah bagaimana organisasi anda boleh menyesuaikan diri, bagaimana anda boleh menggunakan maklumat ini, wawasan ini, untuk menukar trajektori perniagaan anda dan untuk berjaya dalam ekonomi maklumat.
Dengan itu, saya akan menyerahkan kunci WebEx ke Jen Underwood, dan kemudian Nick Jewell juga akan berbunyi; dia memanggil dari UK Terima kasih kepada anda berdua, dan Jen, dengan itu, saya akan menyerahkannya kepada anda. Mengambilnya.
Jen Underwood: Terima kasih, Eric, bunyi hebat. Selamat Pagi semua. Hari ini kita akan bercakap mengenai buku CxO ini; ia adalah masa depan data dan analisis dan saya akan menyelam masuk. Eric sudah melakukan kerja yang baik untuk bercakap tentang mengapa ini sangat penting. Penceramah kami hari ini, sekali lagi, anda telah melihat slaid lain dengan maklumat ini, tetapi anda akan mempunyai diri saya dan Nick Jewell bercakap dengan anda sangat interaktif dalam sesi ini hari ini. Kami akan membuka dengan menerangkan apa peranan ini dan jenis perkara yang mereka lakukan dalam misi. Kami akan melihat industri analisis, tinjauan secara umum dan beberapa cabaran yang akan dihadapi oleh orang-orang ini. Dinamika dalam organisasi hari ini seperti yang anda sedang bersedia untuk masa depan, dan kemudian kami akan bercakap tentang langkah-langkah seterusnya dan memberikan panduan untuk perancangan, jika anda akan meneroka beberapa peranan dalam organisasi anda.
Bercakap mengenai CxO ini, CAO misalnya, itu adalah pegawai analisis analytics, itu tajuk pekerjaan untuk pengurus kanan yang bertanggungjawab untuk menganalisis data dalam organisasi. CAO biasanya akan melaporkan kepada Ketua Pegawai Eksekutif dan kedudukan yang pesat akan menjadi penting, apabila anda berfikir tentang jisim transformasi dan transformasi digital yang kami ada sekarang dalam cara syarikat membuat dan mengambil keputusan perniagaan mereka.
Jika anda berfikir tentang transformasi digital dan kecerdasan menjadi inti transformasi digital, CAO ini adalah peranan yang sangat strategik dalam sesebuah organisasi. Mereka bukan sahaja membawa sains data yang kuat kembali kepada pandangan sebenar dan pengetahuan itu, tetapi mereka memiliki ROI dan kesan yang terhasil, jadi apa yang mereka diukur? Bagaimana mereka membawa ROI itu dengan data yang mereka ada dan beberapa nombor bawah talian di seluruh organisasi untuk memanfaatkan data secara strategik. Kedudukan itu, bersama dengan CIO, ketua pegawai maklumat, telah meningkat menjadi terkenal karena peningkatan teknologi dan transformasi digital dan nilai data.
Selama bertahun-tahun sekarang, data adalah emas di dunia ini dengan pengewangan dan kecerdasan dan mengubah maklumat ini. Untuk dapat mengambil tindakan proaktif ini dan tidak semata-mata melihat ke belakang, seolah-olah. Kedua-dua jawatan tersebut adalah serupa di mana kedua-duanya menangani maklumat, tetapi CIO, seolah-olah akan memberi tumpuan kepada infrastruktur di mana CAO memfokuskan kepada infrastruktur yang diperlukan untuk menganalisis maklumat tersebut. Kedudukan yang sama adalah CDO dan anda mendengar banyak lagi, kami mungkin mendengar lebih banyak mengenai CDO daripada yang anda lakukan mengenai CAO hari ini. CDO memberi tumpuan lebih kepada pemprosesan data dan penyelenggaraan dan proses pentadbiran sepanjang kitaran keseluruhan pengurusan data.
Orang-orang ini juga akan bertanggungjawab untuk mengewangkan data dan mendapatkan nilai dari data dan bekerja merentasi kematangan tadbir urus dan kitaran hayat keselamatan, sepanjang jangka panjang, saya akan mengatakan, kitaran hayat. Ini adalah orang yang akan menjadi sangat selaras, seolah-olah, atau bertanggungjawab untuk memastikan GDPR - dan kami akan membincangkan sedikit demi sedikit - Akta Perlindungan Data Eropah, memastikan bahawa jenis perkara yang diliputi dalam organisasi mereka. Sekarang, kita mendapat struktur dan masa depan untuk peranan intensif data dinamik yang mengganggu. Ini adalah jenis perkara yang CDO akan bertanggungjawab dan bukan hanya mereka sendiri - mereka akan membina sebuah pasukan bersilang fungsional, dan saya mempunyai beberapa contoh beberapa orang yang akan berpindah ke, seolah-olah struktur organisasi, dari arkitek dan tadbir urus, dan juga para penganalisis dan saintis data dan jurutera dalam sesebuah organisasi boleh beralih kepada mereka.
Bergerak lebih jauh ke dalam prospek industri untuk analisis, ini telah menjadi fenomenal - mungkin sepuluh tahun, lebih lama lagi - menunggang dalam industri tertentu ini. Ia sentiasa berkembang, sangat menarik, walaupun ketika pasaran jatuh tahun lalu, ia masih dalam permintaan tinggi. Ia hanya menjadi tempat yang menarik dan jika anda melihat agenda CIO dari Gartner pada tahun 2017, BI dan analisis masih dalam tiga kedudukan teratas yang paling penting untuk organisasi, dan melihat pertumbuhan pasaran perisian, kami sentiasa melihat pertumbuhan di sana. Selagi saya berada di ruang ini, ia sentiasa menjadi kerjaya yang sangat cerah.
Apabila kita melihat ke era digital dan transformasi ini, apa yang sangat menarik bagi saya, adalah proses-proses yang kita ada, dan selalunya ia mendapat maklumat dan mengambil tindakan dari proses atau semasa proses perniagaan. Sekarang, Gartner telah dianggarkan menjelang tahun 2020, maklumat yang telah anda gunakan akan dicipta semula, digital atau dihapuskan. Lapan puluh peratus proses perniagaan dan produk yang kami ada sejak sepuluh tahun yang lalu, dan kami mula melihatnya, bukan? Kami mula melihat bahawa dengan ayat-ayat Amazon mungkin beberapa kedai kotak besar, Ubers, Airbnbs - model digital ini mengganggu proses dan kini orang-orang berinteraksi. Malah Black Friday - Saya tidak tahu berapa ramai orang yang pergi ke kedai - banyak orang yang membeli dalam talian, dan bagaimana anda sampai kepada pelanggan itu? Ia memerlukan kecerdasan untuk melakukannya. Ia mengambil cara yang sangat berbeza untuk berinteraksi dan mempersonalisasikan mesej dan mempunyai kecerdasan itu untuk membentangkan tawaran yang betul pada masa yang tepat, dan sekarang mungkin pada satu klik butang. Sangat mudah bagi mereka untuk meninggalkan kedai dalam talian anda. Perkara yang benar-benar berubah di dunia ini, dan saya fikir Nick mahu bercakap mengenai perkara ini juga.
Nick Jewell: Ya, semua orang, terima kasih banyak. Saya akan memohon maaf terlebih dahulu jika ada kelewatan sedikit pada audio yang datang dari London, saya akan melakukan yang terbaik untuk tidak bercakap mengenai anda, Jen.
Anda betul-betul betul, penghapusan sisa itu, sebagai penambahbaikan semula sebagai sebahagian daripada transformasi digital, sering kali berlaku apabila organisasi bergerak dari produk terdahulu, mungkin terputus aplikasi dan ke platform yang lebih terbuka dan bersambung. Apabila proses anda digital, ia akan menjadi lebih mudah untuk melihat perjalanan akhir dari hujung data anda. Benarkan langkah-langkah yang anda ambil dengan menggunakan data untuk mengoptimumkan proses itu.
Mari maju ke hadapan, jika kita boleh. Apabila ia datang kepada transformasi digital, apa yang dimaksudkan untuk organisasi, saya rasa sama ada menarik atau menakutkan, bergantung pada sisi spektrum yang anda duduki. Lihatlah carta di sini, menunjukkan jangka hayat syarikat dan bagaimana pengaruh yang mengganggu mempengaruhi nasib organisasi. Jika anda memulakan sebuah syarikat pada tahun 1920-an, anda mempunyai hampir 70 tahun secara purata, sebelum syarikat lain mengganggu anda. Kehidupan yang cukup mudah dengan piawaian hari ini, kerana hari ini, sebuah syarikat hampir tidak sampai 15 tahun sehingga gangguan mengancam kewujudannya. Diperkirakan bahawa sekitar 40 peratus syarikat Fortune 500 hari ini, begitu pula dengan S & P 500, tidak lagi wujud dalam masa 10 tahun. Menjelang 2027, 75 peratus daripada S & P 500 akan diganti, jadi separuh hayat organisasi menghadapi hari ini, sebelum perlu bimbang tentang gangguan, benar-benar mengecut. Syarikat-syarikat yang berjaya perlu terus mendahului bangsa inovasi digital itu.
Hari ini, tiada siapa yang benar-benar menyoal analisis. Ia adalah pusat, bahawa transformasi perniagaan digital. Malah, organisasi meletakkan inovasi digital tepat di kepala strategi mereka. Syarikat-syarikat itu, mereka adalah lima syarikat teratas paling mahal di dunia, yang mewakili nilai dua triliun dolar dalam nilai pasaran, Jen.
Jen Underwood: Ya, it's amazing, itu benar-benar. Ia benar-benar berubah, dan cepat. Dinamik lain yang kita ada dan kita telah bercakap mengenai perkara ini, kini saya fikir kita akhirnya melihatnya dan organisasi merasakan pertumbuhan sumber data yang eksponen ini, dan ia bukan hanya menganalisis data mengenai sumber data berstruktur lagi. Sekali lagi, kami bercakap tentang, anda hanya mempunyai beberapa saat dalam beberapa proses digital untuk membuat keputusan dan perkara-perkara ini akan datang dalam JSON dari API REST, kami bercakap tentang data yang tidak tersusun, sama ada fail log, terdapat pelbagai jenis daripada pelbagai jenis data, serta pertumbuhan malar yang melampau.
Nick Jewell: Yeah, Jen, begitu anda menegaskan, pemimpin analitik yang tenggelam dalam data laut. Mendapatkan pandangan yang bernilai tinggi, mungkin menggunakan gabungan teknik analisis sedia ada atau baru, adalah matlamat akhir, tetapi ada masalah mudah dan mendasar yang banyak organisasi yang kami bekerjasama, mereka benar-benar menghadapi. Kami menugaskan Kajian Perniagaan Harvard, kami membuat tinjauan, bercakap dengan penganalisis data dan pengurus perniagaan. Mereka bertanya berapa banyak sumber data yang mereka gunakan dalam organisasi mereka untuk membuat keputusan, dan ia cukup jelas, telah menjadi peralihan asas dalam beberapa tahun kebelakangan. IT digunakan untuk menggabungkan data, menolaknya ke gudang data, tetapi saya rasa walaupun semua kerja yang sangat baik yang dilakukan oleh kumpulan IT, mewujudkan pengurusan data terpusat, penganalisis masih berhadapan dengan tugas mewujudkan set data analitik tertentu, tetapi mereka perlu jawab soalan perniagaan. Malah, hanya 6 peratus telah mendapat semua data mereka di satu tempat, dan majoriti penganalisis perlu menarik data dari lima atau lebih sumber - perkara seperti spreadsheet, aplikasi awan, media sosial dan tentu saja, tidak lupa bahawa gudang data.
Sekarang, kebanyakan organisasi menyedari ini, tetapi apa yang kebanyakan organisasi tidak berurusan adalah hakikat mudah bahawa profesional data menghabiskan lebih banyak masa mereka mengatur dan mencari data, daripada yang sebenarnya mereka mengekstrak nilai. Ini bukanlah masalah analitik strategik berprofil tinggi yang diajukan oleh para pelaku perniagaan. Tetapi tidak menangani isu asas akan menghalang organisasi, sebenarnya, dari mencapai wawasan yang didorong nilai. Jen?
Jen Underwood: Itu menarik. Saya sudah pasti melihat kajian-kajian yang berlainan mengenai ini dan ia adalah bahagian di sini, sama ada 80 peratus masa atau triliun dolar menetapkan semula data yang sama berulang kali, sangat tidak cekap dalam organisasi. Ini menambah, ini 37 dan ini 23 peratus adalah pembaziran masa yang sangat mahal. Sungguh mengagumkan kepada saya bahawa perhatian lebih tidak dibayar kepada itu.
Melihat beberapa perkara ini, apa yang saya panggil kuasa pasaran, dan banyak kali saya bercakap mengenai trend industri, saya suka mengikuti industri dan menyimpan nadi berterusan. Adalah penting untuk memahami apabila ada sesuatu yang lebih daripada trend, apabila ia benar-benar akan menjadi satu kekuatan yang perlu anda perhatikan, dan ini adalah tiga teratas sekarang, berkuasa untuk memberi perhatian kepada. Ini pertumbuhan pesat, nombor satu adalah pertumbuhan pesat pangkalan data bukan relasi. Saya baru saja menyebutkan konsep ini tidak mempunyai banyak masa untuk membuat pertanyaan, seolah-olah, JSON, ia adalah jenis senario bukan hubungan, yang semakin berkembang - saya fikir saya mempunyai beberapa statistik dalam seketika di sini - dengan cepat.
Perkara lain ialah peralihan berterusan ke awan. Sebelum panggilan yang saya sebut saya adalah pengurus produk di seluruh dunia di salah satu firma teknologi besar dan mempunyai perbualan yang sukar tiga tahun lalu dengan kumpulan berkata, "Kami tidak akan meletakkan apa-apa di awan. Kami tidak akan bergerak ke awan. "Dan, kumpulan yang sangat menarik melihat setahun kemudian, dua tahun kemudian, kini saya mendengar dari kumpulan yang sama, setiap orang mempunyai pelan awan. Saya fikir semua orang mempunyai pernyataan berus yang sangat melampau, tetapi apa yang saya katakan ialah, orang yang anti-awan, pastinya sikapnya telah berubah secara dramatik, dalam masa yang sangat singkat, walaupun sejak saya bercakap dengan kumpulan di seluruh dunia tentang jenis perkara ini.
Automasi, ini adalah kawasan yang saya tertarik dengan dan kawasan yang kami pasti melihat banyak aktiviti dan aktiviti yang hebat. Kami bercakap tentang beberapa perkara ini dengan mempunyai masa yang sia-sia ini dan penggunaan masa anda yang tidak cekap. Otomasi sememangnya salah satu bidang yang paling saya teruja apabila saya berfikir tentang membawa nilai kepada organisasi.
Slide berikutnya saya akan bercakap tentang, ini adalah kajian oleh IDC, mereka melihat segmen pasaran dan pertumbuhan dan ia adalah cara yang sangat baik untuk mengambil nadi pada apa yang benar-benar berkembang, apa yang rakan-rakan anda membeli? Apa jenis perkara yang mereka tidak berminat lagi? Jenis-jenis perkara dan meletakkan strategi mereka.
Pasaran perisian analitik besar di seluruh dunia mempunyai, mengikut IDC, 16 segmen dan dalam segmen itu kita melihat walaupun beberapa perubahan nama. Terdapat tambahan perisian analisis berterusan, platform perisian AI kognitif, sistem carian, jadi ada beberapa kategori baru yang dimasukkan ke sini. Gambaran keseluruhan pasaran ini merangkumi alat yang mendatar, aplikasi terbungkus serta beberapa keputusan keputusan dan kes penggunaan automasi keputusan. Sekali lagi, ini akan menjadi jenis penyelesaian, apabila anda berfikir tentang CDO, meletakkan dalam konteks CDO, portofolio mereka yang mungkin mengurus dari integrasi data ke analisis visualisasi, pembelajaran mesin dan semua jenis kemampuan yang mereka perlukan untuk mempunyai era digital.
Pasaran di seluruh dunia itu sendiri untuk jenis penyelesaian berkembang 8.5 peratus dalam segi mata wang semasa dan pasaran keseluruhan meningkat 9.8 peratus mengikut IDC. Ini berbanding dengan - anda melihat turun naik mata wang dalam tempoh dua tahun dan tahap perubahan adalah minimum, tetapi tiga segmen utama yang saya tegaskan, hanya untuk memberi anda perasaan untuk sumber data analitik bukan hubungan, 58 peratus Pertumbuhan tahun ke tahun, analisis kandungan dan sistem pencarian adalah 15 peratus dan beberapa aplikasi perhubungan pelanggan, perkara-perkara jenis CRM atau Salesforce Einstein, contohnya, mereka berkembang lebih 10 peratus, mereka kini 12 peratus sekarang. Saya fikir Nick mahu menambah beberapa ulasan juga mengenai perkara ini.
Nick Jewell: Terima kasih, Jen. Ia adalah visual yang hebat. Saya fikir di Alteryx kami sentiasa percaya bahawa penyediaan data dan pengadunan akan sentiasa menjadi kecekapan teras, saya rasa, dari mana-mana sistem analitik, tetapi ia benar-benar asas bagi apa-apa analitik yang lebih maju. Sekarang, dalam beberapa tahun kebelakangan ini, mari kita bercakap tentang industri - mungkin sedikit tumpuan pada beberapa keupayaan visualisasi interaktif yang baru. Mereka kelihatan cantik kerana mereka meningkatkan keterlibatan, mereka memacu pemahaman, tetapi mereka tidak benar-benar menggerakkan kita melampaui analisis deskriptif.
Tetapi, saya rasa sekarang bahawa orang-orang menetapkan pemandangan mereka sedikit lebih tinggi, organisasi mula memahami nilai-nilai perniagaan akan datang daripada analisis yang lebih canggih yang kini sedang menuju ke arus perdana. Persoalan di sana menjadi, bagaimana, atau lebih khusus, siapa? Ini melonjak kepada analitik bernilai lebih tinggi; ia benar-benar membuang masalah kekurangan bakat analitik menjadi pelepasan yang tajam, adakah anda setuju?
Jen Underwood: Sudah tentu, dan saya, saya fikir saya hanya menulis tweet, saya nampak komen yang sangat menarik malam tadi dari naib presiden Adobe dengan berkata, "Pembelajaran mesin telah menjadi taruhan meja, " di mana orang biasa waspada, kini ia menjadi keperluan dan menarik. Melihat ini dan hanya sudut kecil lain yang berbeza, seolah-olah. Banyak orang, kita mula melihat ini sebagai kawasan pertumbuhan tinggi dengan kedai analitik yang tidak relational dan AI kognitif, pembelajaran mesin ini, analisis bernilai tinggi ini. Tetapi masih pada penghujung hari, kini segmen terbesar, jadi di mana kebanyakan pembelian sedang berlaku hari ini, masih dalam asas ini, apa yang saya katakan, pelaporan pertanyaan, beberapa analisis visual, dan ia masih berkembang dan itu sesuatu yang banyak orang menganggap anda sudah memilikinya - tidak semestinya. Ia masih berkembang 6.6 peratus setiap tahun.
Sebagai CDO - dan saya suka menunjukkan slaid ini - pada dasarnya hanya untuk mengatakan, apabila anda berjalan dalam peranan baru ini atau anda melihat data di dalam organisasi, itu adalah kekacauan, dan saya fikir bahawa slaid ini benar-benar tidak kerja bagus - ini adalah semua bidang yang berpotensi yang berbeza yang anda mungkin mempunyai data. Mereka mungkin berada di tempat pertama, ia mungkin berada di awan, ia mungkin hibrid, di mana-mana dan ia sangat besar - sekali lagi, ia adalah peranan jenis C peringkat sekarang dalam organisasi, dan bukan tugas mudah atau sederhana - di dunia ini yang tertentu, ia cukup menggembirakan. Ini adalah dunia yang CDO perlu menavigasi, dapat menguasai, apa yang saya katakan, memaksimumkan nilai data.
Meneruskan cabaran, memaksimumkan nilai semua sumber yang berbeza dan apa yang kita ada adalah tingkap-tingkap penutupan masa ini, dengan proses digital ini atau wawasan untuk tindakan sedang ditutup. Jika anda berfikir tentang mungkin lima tahun yang lalu, sepuluh tahun yang lalu, mungkin anda mempunyai laporan yang akan anda jalankan untuk membuat beberapa keputusan dengan inventori atau tindakan, yang mungkin dijalankan mingguan, bulanan, maka mereka menjadi harian atau semalaman, mungkin ia setiap jam.
Sekarang, apa yang kita lihat adalah pembelajaran mesin cerdas yang tertanam di pejabat pintar buatan yang tertanam, membuat keputusan dan pembetulan di tempat, jadi perkara-perkara seperti internet perkara, analisis IoT-tertanam di pinggir, sistem-sistem ini pintar dan algoritma ini boleh menyesuaikan diri dan mengubah beberapa keputusan yang mereka buat pada waktu yang tepat. Sudah sangat menarik untuk melihat dinamik tertentu ini dengan revolusi digital dan titik sentuhan ini - walaupun mereka telah meningkat, masa untuk bertindak terus menurun dan teknologi kemudian berkembang untuk senario ini.
Nick Jewell: Yeah, Jen, saya fikir salah satu daripada aspek-aspek yang paling menarik tentang bagaimana penyampaian wawasan berubah, di mana analisis tiba kepada pengguna akhir. Adakah kami meminta pengguna untuk melompat ke papan pemuka apabila mereka membuat keputusan kritikal, atau adakah kita mengatakan bahawa wawasan, tindakan terbaik yang akan datang, boleh didapati terus dalam proses, dalam aliran, untuk memacu kelebihan daya saing? Dan model analitik yang kita bicarakan mungkin perlu mengambil inputnya dari pelbagai sumber yang berbeza - gudang data tradisional, geolokasi, media sosial, sensor, medan klik - semua data ini mempunyai kesan terhadap keputusan itu dan hasil yang dapat dilaksanakan .
Jen Underwood: Meneruskan tema cabaran dan perubahan ini, apa yang kita ada sekarang, dan cabaran yang diperlukan oleh CEO untuk merangkul dan merancang cara untuk menakluk ini, pada asasnya kita mempunyai terlalu banyak data untuk mengurus secara cekap dan menganalisis secara manual. Terdapat kelewatan yang lama; kita perlu memendekkan kelewatan ini dan kita perlu mencari jalan untuk memaksimumkan nilai data yang kita ada. Terdapat kekurangan bakat sains data di dunia dan untuk menampung pandangan ini dan apa yang kita panggil lautan sebagai data. Berita baiknya adalah, ada beberapa inovasi indah yang sedang berlaku untuk membantu dalam setiap bidang hari ini, dan semakin menarik melihat apa yang mana teknologi akan membawa kita, untuk membantu kita menghadapi cabaran-cabaran ini.
Semasa saya terus melihat ini, terdapat sedikit kekeliruan ketika saya bercakap dengan pelanggan atau saya bercakap dengan kumpulan menggunakan beberapa alat ini. Beberapa cabaran klasik masih wujud hari ini, ia hanya semakin sedikit diburukkan lagi dengan cuba mencari data untuk dianalisis. Beberapa alat carian, beberapa katalog di luar sana pastinya membantu sesuatu - sekarang apa yang kita cari adalah katalog yang digunakan ketika itu. Terdapat beberapa katalog yang berlainan, jadi terdapat tempat yang berbeza yang boleh anda simpan dan kongsi data, jadi masalah untuk mencari tahu, mungkin katalog yang perlu dicari.
Perkara yang lain adalah perkongsian bersama. Kami bercakap mengenai satu kajian dari Harvard Business Review, berapa banyak masa yang dibelanjakan, pada dasarnya melakukan tugas yang tidak bernilai tambah, membazirkan masa dan berapa mahal yang boleh. Sekiranya anda secara bersama dapat berkongsi dan menggunakan sumber data biasa, skrip telah dibangunkan, logik sudah ada di sana, anda boleh mengawalnya dengan berkesan, jadi mengimbangi urus tadbir dengan keterampilan analisis, itu benar-benar apa yang anda mahu lakukan dan menavigasi dunia ini mengenai apa yang saya akan panggil, kami mempunyai alat khusus, kami mempunyai alat alir kerja automatik, kami mempunyai Excel klasik, katalog data, BI layan diri, alat sains data. Seperti yang ditunjukkan oleh satu gambar itu, terdapat banyak alat, banyak pertindihan di antara mereka.
Nick Jewell: Ya, sempurna, Jen, dan saya fikir tetingkap wawasan, seperti yang anda sebutkan, itu pasti mengecil, tetapi masa yang diperlukan untuk menggunakan model sebenarnya tidak dapat dipertahankan. Penggunaan model ramalan terus menjadi cabaran utama bagi banyak syarikat. Kami telah bercakap dengan Carl Rexer yang merupakan Presiden Rexer Analytics, dan dalam kaji selidik sains data Carl 2017, dia mendapati bahawa hanya 13 peratus saintis data mengatakan model mereka akan sentiasa digunakan, dan nisbah penggunaan ini hanya tidak bertambah baik, jadi kami kembali dengan setiap tinjauan sebelumnya. Sebenarnya, akan kembali ke 2009, apabila persoalan itu ditanyakan dahulu, dan kita melihat hasil hampir sama, jadi kita mendapat jurang yang nyata.
Jen Underwood: Apabila kita melihat kematangan analytics, ia berkembang pesat. Sekali lagi, dua, tiga tahun yang lalu, kami sangat teruja untuk mendapatkan analisis diri sendiri dan akhirnya menjadi fleksibel dan memperluas BI kepada rakyat jelata. Apabila saya mengatakan orang ramai, mungkin masih pengguna kuasa dalam organisasi. Sekarang kita melihat pengoptimuman, analisis ramalan, pembelajaran mendalam, bahasa semulajadi, banyak teknologi lain yang benar-benar, kerana mereka terbenam ke dalam proses setiap hari, akhirnya akan benar-benar mendemokritik analisis dengan lancar untuk orang ramai, untuk orang ramai yang benar digunakan dalam proses perniagaan sedia ada yang sudah ada.
Nick Jewell: Yeah, Jen, mari kita cakapkan cerita cepat di sekeliling kategori terakhir, kalau boleh. Kebanyakan pendengar dalam panggilan hari ini akan mengenali perisian AlphaGo Google DeepMind, mengalahkan beberapa pemain Go terbaik di dunia sejak beberapa tahun kebelakangan ini. AlphaGo belajar untuk bermain permainan ini dengan mengkaji jumlah besar rekod yang telah direkodkan sebelumnya. Begitu banyak sehingga pengulas kejohanan AlphaGo mendakwa bahawa perisian itu dimainkan dalam gaya Master Grand Jepun, percaya atau tidak.
Tetapi, sepanjang bulan terakhir, hasil yang lebih menakjubkan telah dilaporkan. Ini adalah AlphaGo Zero, pembelajaran mendalam, rangkaian saraf, bersenjata tanpa peraturan yang lebih mudah daripada permainan dan fungsi yang dioptimumkan. Ia mengajar dirinya untuk menjadi pemain Go paling kuat di dunia, tanpa latihan yang diawasi, dan ia melakukan semua ini dalam masa 40 hari. Kajian konkrit yang dipanggil ini, di mana manusia menentukan cabaran, biarkan sistem pembelajaran yang mendalam meneroka, memperbaiki, benar-benar dapat menghasilkan kesan terbesar dalam ruang analisis. Jadi, saya rasa, tunggu.
Jen Underwood: Ya, itu benar-benar menarik anda menyebutnya. Bolehkah anda membayangkan pengecualian? Dan inilah yang saya lihat. Sebenarnya, apabila saya bercakap tentang automasi, sangat menarik untuk penyelesaian yang cukup pintar untuk membersihkan udara, untuk belajar dari sistem secara automatik, pasang dan main dan hanya tahu apa yang perlu dilakukan seterusnya berdasarkan beberapa keputusan yang lepas yang telah atau keputusan lain yang telah dibuat di dalam organisasi dan telah menguruskan beberapa sistem ini, sistem ETL dan merawat mereka, dan telah kembali pada masa bunyi beepers dan telefon memanggil saya dengan peringatan apabila proses tidak berjalan, ia sangat menarik untuk difikirkan, "Wow, kini sudah cukup bijak untuk sembuh sendiri."
Suami saya menguruskan grid penyembuhan diri, kami akan mempunyai integrasi data penyembuhan diri, analisis penyembuhan diri dan di mana ia menjadi lebih baik dan lebih baik, ia benar-benar menarik. Sebagai CDO, apabila anda mula berfikir tentang teknologi proses orang, kita akan melihat, sekarang kita melihat teknologi, maka kita akan melihat orang dan cara mendekatkan pasukan dan bangunan anda kemahiran. Jika anda melihat platform analitik moden, saya akan memberitahu anda terus, tidak semua orang akan mempunyai segala-galanya di sini, walaupun organisasi terbesar mungkin mempunyai semua komponen yang berbeza, seolah-olah, sesetengah kumpulan mungkin hanya mempunyai dua atau tiga kotak kecil di sini, jadi saya tidak mahu membanjiri rakyat dengan ini. Tetapi platform BI moden tidak memerlukan semestinya IT membina, lapisan semantik pelaporan yang telah ditetapkan.
Pengguna dan pakar hanya perlu diberi kuasa untuk hanya menyediakan data untuk kelajuan analisis dan ketangkasan, dan jika anda berfikir tentang kebangkitan apa yang akan kami katakan pengguna dan analisis pimpinan pakar, membiarkan ahli-ahli subjek mempunyai ketangkasan, mereka perlu membuat keputusan yang cepat. Kami melihat peningkatan penggunaan apa yang akan kita katakan, alat penyediaan data peribadi, data yang bertarung, pengayaan, pembersihan, jenis aktiviti yang dilakukan oleh Alteryx serta beberapa jenis aktiviti sains data yang mereka tawarkan baik. Penyelesaian persediaan moden, mereka menawarkan bahawa cerdas, bergabung automatik, resolusi udara, peralihan data, apabila anda mempunyai saluran data besar, sangat sangat sejuk. Ini mungkin, sekali lagi, salah satu bidang yang saya suka dan benar-benar menikmati ujian juga dalam industri.
Berbeza dengan BI yang diketuai oleh IT, IT hari ini benar-benar memberi tumpuan kepada membolehkan perniagaan dan anda mempunyai orang seperti CDO dan menyusun atau memilih penyelesaian yang tepat untuk mengkoordinasikan, menyusun dan menyatukan data ini dan memastikan, sudah tentu ia ditadbir, kan? Satu perkara yang sangat menarik untuk saya dan sudah tentu saya fikir kita telah menyimpulkan ini, tetapi saya tidak fikir kita baru sahaja mengatakannya, hari-hari satu gudang data satu-saiz-semua-semua dan yang menjadi akhir-semua semua, sudah pasti berakhir. Data di mana-mana, anda perlu membuat - tasik data telah masuk ke dalam gambar, terdapat aliran dan data langsung, ada begitu banyak sumber data yang berbeza sekarang, itu benar-benar lebih daripada penggunaan berasaskan kes, "Apa yang anda perlukan?" Ayat-ayat ini "Kita perlu mendapatkan segala-galanya ke dalam gudang data." Saya tidak pasti, Nick, adakah anda mahu mengulas mengenai perkara ini? Saya tidak ingat.
Nick Jewell: Saya hanya mengatakan satu perkara dan ia hanya, menonton evolusi komponen. Apa yang dilakukan pakar-pakar lima hingga sepuluh tahun yang lalu, kini berada di tangan pengguna, jadi perkara-perkara di sebelah kanan di sana, akan menjadi lebih umum bagi pengguna dalam bentuk bebas-seret dan bebas-tarik sangat, sangat lama. Ia akan bergerak lebih cepat dan lebih cepat, jadi cuma menatapnya.
Jen Underwood: Ya, itu betul-betul bagus. Saya suka memikirkannya. Sains data yang berbeza, akhirnya menjadi realiti dan alat semakin sihat. Berpikir tentang teknologi, kini kita perlu mempunyai kemahiran dan rakyat dan apa yang perlu kita lakukan? Kini pekerjaan terbaik, termasuk tajuk seperti saintis data, jurutera data dan penganalisis perniagaan, namun apa yang kami dapati ialah majikan sendiri merasa sangat sukar untuk membuat perlawanan. Malah dalam ruang persediaan data, saya akan berkata, "Adakah persediaan data, adakah data bertengkar, istilah apa yang dipanggil orang?" Ia sangat menarik untuk dijumpai.
Perniagaan tidak tahu apa yang mereka perlukan dan ada bidang baru yang baru ini yang akan merangkumi banyak bidang yang berbeza. Jika anda melihat setiap orang sekarang perlu menjadi tuan kepada data mereka, analisis perniagaan, pengurus projek IT, suami saya yang menguruskan grid tenaga dan portfolio projek, dia perlu dapat menganalisis perkara ini. Ia bukan hanya kewangan dan analisis data lagi, ia benar-benar berkembang lebih luas, ke kawasan lain organisasi. Saya fikir saya melihat satu kajian mengenai berapa banyak sumber pemasaran data yang digunakan, dan ia amat menggembirakan. Sekali lagi, apabila anda berfikir tentang kajian yang dilakukan oleh Harvard Business Review, ia bukan hanya satu sumber data lagi yang harus dipenuhi orang dan bergabung bersama dan mencari wawasan dari, itu banyak sumber data dan memerlukan kemahiran untuk melakukannya.
Apabila anda melihat pada dasarnya gambar yang lebih besar di sini, kebanyakan pekerja baru akan berada di gelembung merah muda ke arah bawah, apabila anda bercakap tentang penganalisis perniagaan ini kepada penganalisis penambangan data, pengurus HR, kawasan ini, hanya peranan tetap dalam garis perniagaan menggunakan data. Peranan yang paling pesat berkembang akan mempunyai kurang pekerjaan, tetapi pastinya apa yang kita dengar tentang yang paling banyak di pasaran hari ini, saintis data dan jurutera data. Sebagai CDO, mereka memandang ke hadapan dan anda merancang bakat, anda perlu faktor dalam beberapa automasi tugas rutin dan jenis kemahiran yang akan menjadi lebih strategik, dan sekali lagi, menambah nilai dengan organisasi anda, untuk kedua-duanya mereka dalam analitik didayakan tetapi juga untuk orang-orang sains data dan jurutera data di sana. Pertimbangkan bagaimana kedudukan yang tidak diposkan dan bahkan beberapa ekonomi bebas boleh berubah apabila anda berfikir tentang itu untuk bersaing untuk yang terbaik dan paling terang.
Dan, sentiasa berfikir tentang saluran bakat anda juga, membantu calon menavigasi pasaran atau mencari perkara yang mungkin sedikit berbeza dan tidak tepat apa yang anda mahukan dan mewujudkan kursus analisis dalaman, yang mungkin tidak benar-benar menjadi yang paling pantas, paling strategi yang berkesan untuk anda bersaing. Pertimbangkan untuk melihat orang yang berdedikasi untuk melatih kumpulan ini atau yang berlainan, dan saya percaya Alteryx mempunyai kursus yang disyorkan pada akhir sesi hari ini sebagai panggilan untuk bertindak, supaya anda boleh memanfaatkan beberapa perkara ini dan membantu leverage pasukan anda beberapa sumber sedia ada yang sedia ada.
Nick Jewell: Sudah tentu. Terdapat banyak cara untuk mengisi jurang bakat tanpa terjebak dalam perlumbaan senjata. Pasangan slaid kembali, saya tidak tahu sama ada anda dapat membalik pasangan di sana. Kaggle, laman persaingan sains data, mereka hanya mengeluarkan tinjauan dengan 17, 000 respons di sekitar keadaan sains data dan terdapat tindak balas yang sangat menarik dari kaji selidik mengenai kemahiran yang dimiliki orang, dan majoriti responden tidak mempunyai PhD, ia bukan lagi prasyarat lagi.
Idea pakar analisis generasi akan datang, gelembung utama yang anda tunjukkan, mereka dapat memperoleh pengetahuan yang mereka perlukan dari kursus nano-degree. Mereka boleh pergi ke laman-laman seperti Udacity dan mereka boleh menggunakan pengetahuan ini dengan serta-merta, secara langsung dalam perniagaan, kitaran penghantaran yang memberi tumpuan yang pendek menjadikan mereka sebagai sumber utama persaingan yang kompetitif untuk syarikat mereka. Jadi sesuatu yang perlu diperhatikan, saya rasa.
Jen Underwood: Tidak, saya setuju. Walaupun saya berfikir tentang hal itu, ia sudah pasti akan datang sejak saya mengambil program dua tahun di UCSD. Ini semula, saya fikir, pada tahun 2009, 2010 tempoh masa dan ada benar-benar mungkin segelintir di negara yang membolehkan anda melakukan itu. Terdapat lebih banyak lagi pilihan sekarang, serta program khusus, sama ada melalui vendor, banyak sumber yang tersedia hari ini dengan gelung dan semua sumber dalam talian yang berbeza ini, ia hanya menakjubkan, sudah tiba masanya. Membuat masa dan belanjawan itu dan penjadualan diri untuk bersaing. Apa yang anda mahu belajar? Dan kemudian mengikuti jalan yang anda ingin pelajari.
Bercakap tentang melihat ini dan menyusun pelan kemahiran anda sendiri dan dari calon CDO, memastikan bahawa mereka mempunyai orang di kawasan yang dilindungi, dari apa yang saya katakan kerangka kompetensi seolah-olah, melihat kemahiran atau melihat perkara seperti pengetahuan domain masih benar-benar penting, walaupun penyelesaian ini dapat berlatih sendiri dan belajar sendiri, ia benar-benar merupakan ahli perniagaan perkara yang akan membimbing dan memastikan bahawa hasilnya masuk akal.
Sentiasa ada sesuatu dan saya suka menggunakan contoh apabila saya melakukan analitik kritikal untuk sebuah syarikat insurans dan salah satu penemuan bahawa algoritma itu tidak menyewa sesiapa sahaja dari New York. Nah, tidak, kami tidak akan menyewa sesiapa dari New York - kami terpaksa mengetahui mengapa algoritma memberi kami maklumat ini. Ia adalah kerana undang-undang, salah satu undang-undang telah berubah dan jadi kami mempunyai banyak churn dalam segmen tertentu. Pakar mata pelajaran perniagaan perlu dibawa masuk untuk mentakrifkan itu, dan saya tidak melihat perubahan itu, saya tidak nampak semacam itu membimbingnya, memastikan bahawa keputusan kelihatan tepat, apakah sesuatu yang kelihatan - ia masih, ada sesuatu yang dikatakan sebagai minda manusia, keindahan yang digabungkan dengan kuasa mesin, adalah benar-benar di mana kita akan pergi.
Jenis-jenis yang lain apabila anda melihat kemahiran, visualisasi, menceritakan kisah yang berkesan dalam data, menceritakan kisah yang berkesan sama ada ia juga output pembelajaran mesin. Meletakkan bersama dan melihat apa kesannya, memahami sifat manusia dalam membuat keputusan, jenis perkara yang sangat penting tanpa mengira teknologi. Pemerintahan adalah sangat penting, etika menjadi semakin penting. Mempunyai ahli-ahli sains sosial yang terlibat, yang memahami dan mereka dilatih untuk melihat jika ada kecenderungan dalam data anda yang anda tidak menyedari atau tidak ada sesiapa dalam organisasi yang mungkin tidak mengenali itu, bahkan membawa mereka ke pakar, mempunyai beberapa jenis perkara.
Dan sekali lagi, sudah tentu mempunyai infrastruktur untuk kejuruteraan dan perkakasan dan memastikan anda boleh skala dan ia dibangunkan dan memastikan anda menggunakan penyedia awan yang betul, mungkin anda tidak terkunci atau anda mempunyai pilihan untuk bergerak atau itu anda memahami harga pada berapa banyak ini akan menelan belanja anda. Ini jenis kemahiran dan apabila anda melihat ini, kami akan memanggilnya kemahiran dengan bidang yang berlainan, sama ada pembuat keputusan barisan hadapan yang didorong oleh data - di mana kebanyakan peranan ini akan menjadi - semua cara kepada jurutera data dan saintis data yang akan mengurut dan bekerja di lautan data ini. Ini adalah jenis perkara yang anda ingin menyusun rangka kerja untuk.
Melihat kerangka kompetensi, anda melihat organisasi secara umum, anda ingin mempertimbangkan kecekapan, bukan hanya kemahiran. Terdapat sedikit nuansa di dalam kata-kata seperti yang anda lihat pada ini. Rangka kerja kompetensi untuk organisasi anda adalah isyarat yang jelas. Pembuat dasar perang, pembekal pendidikan, manakala kemahiran akan berkata, ditaip di bawah R, anda berfikir tentang jenis perkara itu, anda mempunyai pengkoder yang kompeten, tetapi anda ingin mahu mempunyai lebih daripada sekadar kemahiran tersebut. Apabila anda memahami kecekapan, apa yang seseorang mesti dapat dan memahami rangka kerja, itulah yang penting, terdapat sedikit nuansa di sana.
Semasa anda membina ini, anda ingin mendiagnosis apa yang anda akan memanggil kapasiti yang mempunyai kesan positif terhadap perniagaan dan menyerlahkan bidang yang berpotensi tinggi, jadi anda memprioritaskan apakah kompetensi yang anda ingin angkat dalam organisasi anda dan maka selaraskan lagi, dengan objektif perniagaan. CDO yang bertanggungjawab untuk memaksimumkan nilai data, mereka akan melihat, dan CAO mereka, yang akan menggunakan analisis untuk memaksimumkan nilai data. Mereka akan melihat kecekapan dan kawasan yang berbeza, pada grid masa lalu yang saya ada di sana, tetapi mereka juga akan melihat potensi kakitangan yang tinggi. Anda akan merujuk kepada kakitangan anda untuk kerja-kerja data dan analitik dan melabur dalamnya, memberi mereka peluang pembelajaran dan bukan hanya latihan, pada dasarnya peluang dunia nyata yang bekerja pada masalah perniagaan yang sebenar.
Tidak ada yang lebih baik - walaupun saya pergi ke sekolah selama beberapa tahun, tidak sampai saya pergi dan menerapkan beberapa algoritma ini atau belajar mengenai penipuan cek, mengetahui beberapa hal yang saya tidak pernah fikirkan sebelumnya, dan anda mula menyatukan di dunia nyata dan di sinilah anda benar-benar belajar. Memberi peluang kepada orang untuk mendapatkan pengalaman dalam bidang ini. Syarikat-syarikat yang paling mampu untuk membina keupayaan yang kuat, yang mengenal pasti secara sistematik, penilaian objektif dan melihat di mana jurang dalam organisasi saya untuk belajar dan meletakkan beberapa metrik untuk tujuan untuk orang ramai, mereka adalah yang akan dapat untuk menyampaikan.
Apabila anda berfikir tentang latihan orang dewasa, sekali lagi, biasanya ia adalah kebuluran masa - kita semua kelaparan - tetapi melihat apa yang berfungsi untuk setiap orang. Saya sendiri mempunyai buku, jadi jika anda masuk ke pejabat saya hari ini, anda akan melihat banyak buku, walaupun banyak orang seperti video. Jadi, ia adalah satu perkara untuk mengetahui, bagaimana seseorang dalam organisasi anda suka belajar - untuk mendorong mereka untuk belajar - tetapi juga memberi mereka sedikit masa untuk melakukan itu dan matlamat semacam - apa yang berkesan untuk mencapai itu dan biasanya itu dicampur, tidak semata-mata, mengambil kursus itu untuk memeriksa markah pada kad skor, seolah-olah ia mengadopsi dengan projek matlamat sebenar dan apa yang anda pelajari daripada projek itu dan apa yang anda mahu lakukan seterusnya? Apa peregangan? Meregangkan pasukan anda atau memotivasi pasukan anda untuk mengambilnya lagi.
Matlamat pembelajaran itu, sekali lagi, jika anda melakukannya, tidak semestinya, ia semestinya mudah bagi perniagaan pada asasnya kerana objektif tersebut harus sejajar dengan kepentingan perniagaan strategik. Ini adalah projek yang hebat. Mereka projek percubaan. Mereka adalah projek yang akan menggerakkan jarum ke hadapan.
Nick, adakah anda mahu menambah apa-apa? Saya tidak pasti.
Nick Jewell: Tidak, saya akan melompat ke dalam kajian kes, jika itu OK, pada skrin seterusnya. Sedikit lebih detail dari organisasi tertentu. Saya rasa mereka telah memasukkan banyak perkara yang anda katakan kepada amalan, menjadi realiti. Ford Motor Company bergantung pada analisis data selama beberapa dekad, sama seperti banyak syarikat, tetapi ia melakukannya dalam kantong perniagaan, dengan pengawasan yang sangat sedikit di seluruh syarikat untuk memastikan konsistensi dan koordinasi. Masalah mereka mungkin agak tipikal untuk organisasi skala mereka, jadi kepakaran analisis yang terkandung - seperti yang kita katakan - di dalam poket, pengurusan data dan amalan tadbir urus tidak konsisten, bahkan ke titik di mana beberapa unit perniagaan tidak mempunyai akses kepada kepakaran analisis asas.
Sekali lagi, kami telah berbincang hari ini mengenai banyak jenis sumber data, mereka mempunyai lebih daripada 4, 600 sumber data. Ini bermakna walaupun memulakan perjalanan dan mencari data yang mereka perlukan adalah halangan yang nyata terhadap pandangan analitik. Saya melihat awak ketawa, tapi itu perkara yang dahsyat, bukan?
Jen Underwood: 4, 600, oh my gosh, yeah.
Nick Jewell: Jadi, Ford membentuk pandangan dan analitik global unit dan ini terpusat - anda boleh menyebutnya sebagai pusat kecemerlangan - yang terdiri daripada ahli sains data dan penganalisis, yang dianjurkan untuk berkongsi amalan terbaik analisis dan membantu menyebarkan data yang dioptimumkan membuat data merentasi perniagaan. Unit ini memilih alat terbaik dalam kelas, bukan hanya pada keupayaan tetapi juga keupayaan untuk menyatukan dengan baik, jadi itu penting. Tumpuan pendemokrasian mereka sebenarnya adalah mengenai laporan dan analisis deskriptif, sebelum memajukan piramid keperluan yang telah kami bicarakan.
Sekarang, pendemokrasian bukan sekadar membuat seseorang saintis data semalaman; kakitangan perlu tahu bila dan di mana untuk mendapatkan bantuan, dan ada latihan, tadbir urus, metodologi yang tersedia untuk membantu semua ini. Juga, ia bukan hanya mengenai latihan alat, tetapi juga latihan sains data, untuk merapatkan jurang kemahiran yang telah kami sebutkan. Oleh itu, kes penggunaan dunia sebenar di Ford, mengoptimumkan rangkaian logistik, begitu juga Ford membayar jumlah yang tepat untuk memindahkan bahan dari titik A ke titik B? Analisis warisan mereka benar-benar tidak menyerlahkan peluang yang boleh diambil tindakan; ini menjadikan mereka sangat reaksioner di pasaran. Sekarang, banyak kerumitan untuk proses itu dikunci di dalam kepala penganalisis dan mereka membuat terobosan yang besar apabila aliran kerja layan diri sebenarnya dilelong dengan perniagaan, dan ahli analitik duduk bersama dan berada di tempat yang sama.
Ini memindahkan analisis dari multiyear ke suku tahunan, dan bahkan turun ke masa nyata, begitu besar, sangat besar untuk perniagaan. Dampak analitik layan diri terhadap nilai perniagaan, sudah pasti Ford dengan cepat merancang dan mendirikan strategi yang didorong oleh data korporat, untuk bertindak balas terhadap trend yang muncul, membantu membentuk perkhidmatan baru, dan pada dasarnya mengetepikan ancaman dari persaingan, tanpa hanya perlu melihat dalam cermin spion itu.
Sekarang, jika kita mencari sejenak tentang bagaimana pelanggan lain benar-benar mengalihkan analisis daripada mungkin keutamaan menegak dalam satu bahagian firma menjadi jalur melintang di semua bahagian, kita akan bercakap tentang Shell. Shell menjalankan pusat kecemerlangan yang melapor kepada ketua pegawai digital - jadi terdapat D lain untuk playbook CxO kami - bertanggungjawab untuk transformasi digital dan kemampanan. Orang-orang ini, mereka memahami bahawa persekitaran mereka mengandungi beberapa lapisan dan stack teknologi, penyimpanan, pemprosesan data dan semua ciri teknologi yang anda semua kenal. Perkara seperti SAP HANA, Databricks, Spark, dan mereka memanfaatkan awan awam untuk mencapai skala ekonomi yang betul.
Sekarang, mereka memilih Alteryx sebagai pembungkus analisis untuk banyak kod R mereka, memberi makanan kepada teknologi seperti Spotfire, Power BI dan banyak lagi. Tetapi sekarang mereka melihat penerimaan mengikat jauh lebih dekat dengan pemprosesan dan visualisasi data. Jen, hanya memanggil kembali ke slaid anda semua keupayaan, perkara seperti ini menyebar ketika kita mula membolehkan lebih banyak penganalisis mendapat akses. Anda tahu, mereka sangat berjaya dalam menyampaikan keupayaan ini dan COE, ingin menyampaikan keupayaan masa depan sekarang, beberapa perkara pembelajaran yang mendalam yang kita bicarakan - visi mesin, pemprosesan bahasa semula jadi - dan separuh misi mereka adalah penyampaian, separuh daripadanya adalah mengenai penjelasan dan pemangkin idea-idea ini di seluruh unit perniagaan. Ia adalah sebahagian daripada perjalanan; COE sentiasa mencari cara yang berbeza untuk berkomunikasi dengan penonton perniagaan mereka.
Mengambil kira di satu pihak skeptis yang berkata, "Nah, kotak hitam ini tidak akan sebaik penganalisis saya, " sepanjang jalan ke fanboy atau peminat yang melihat korelasi di mana-mana, mungkin kurang dengan cara hubungan kausal, tetapi anda perlu berhati-hati di kedua-dua belah pihak. Ini adalah kawasan menengah yang menarik, apabila anda mempunyai jalur mendatar ini di seluruh organisasi, set kemahiran hibrid yang diperlukan untuk meyakinkan kedua-dua belah spektrum.
Nick Jewell: OK, Jen, awak ada?
Jen Underwood: Saya.
Nick Jewell: Saya rasa apa yang kita cuba katakan di sini dengan sebut harga Clayton Christensen ini adalah untuk banyak organisasi, saya rasa, menyatukan agenda analisis untuk memacu transformasi digital yang telah kita bincangkan hari ini, akan menjadi cabaran. Lebih sering daripada tidak, kita dapati pasukan analisis bermula dengan tangan yang lemah. Percubaan untuk berinovasi dengan memegang legasi proses analisis, teknologi, struktur pasukan dan memegang kepada peninggalan ini akan menjadi halangan terbesar untuk penyelarasan analitik dan untuk inovasi analitik. Adakah anda mempunyai pemikiran tentang itu, Jen?
Jen Underwood: Saya menikmati gambar yang dipilih. Ya, sudah pasti banyak makna kepada saya. Anda perlu merangkul beberapa teknologi baru ini, contohnya, streaming dalam masa nyata. Anda tidak semestinya akan dapat mendapatkan keputusan masa nyata jika anda perlu melakukan JavaScript refresh dalam pelayar, seolah-olah, dengan warisan lama - mungkin ia adalah aplikasi papan pemuka atau jenis perkara. Ya, anda perlu merangkul beberapa alat baru ini, dan sekali lagi, saya rasa gambar ini benar-benar comel, gambar mengatakan seribu perkataan. Kereta dan buggy, anda perlu melepaskan beberapa pendekatan teknologi lama.
Nick Jewell: Sudah tentu. Jadi, jika kita bergerak ke slaid seterusnya, kita fikir ada cara yang lebih baik. Saya rasa pertama sekali, menggunakan sesuatu yang serupa dengan carian seperti Google, dengan cepat mencari semua aset data anda yang paling relevan. Memahami konteks mereka, memahami pergantungan, pemfaktoran dalam perkara-perkara yang sangat mudah seperti glosari perniagaan yang ditulis oleh pakar-pakar dalam komuniti anda, terus hidup oleh semua pengetahuan puak itu tentang ketua rakan sekerja anda.
Mendapat pintar dengan penemuan data. Fikirkan tentang kemampuan untuk mengadakan perbualan dengan pemilik dan pakar laporan. Memuat naik, lakukan sedikit Penasihat Perjalanan atau Yelp, memuat naik aset yang paling berguna, mengesahkan mereka yang difikirkan organisasi adalah yang paling berharga dan kemudian semua ini memberi makan kembali ke hasil carian dan akhirnya kedudukan carian, menjadikannya lebih baik untuk pengguna seterusnya. Sebaik sahaja anda mencari apa yang anda cari, bergerak ke tahap yang pesat, bebas kod, mesra pengguna, persediaan dan analisis untuk membangunkan set data sempurna anda, dari mana untuk menerbitkan proses berulang.
Kembali ke perbualan automasi kami, membina aplikasi mesra pengguna. Apa yang diperlukan untuk membina model analisis. Bercakap tentang model, kami telah menyokong teknologi sumber terbuka seperti R selama beberapa tahun, membolehkan kami membina keupayaan analitik yang sangat maju yang meliputi deskriptif, tetapi juga ramalan, ramalan preskriptif, dalam mudah, seret dan- jalan keluar.
Sekarang, di sebelah kanan, sebenarnya mendapat wawasan itu dalam visualisasi interaktif, model dan pemarkahan ditolak di dalam platform data, atau yang paling baru-baru ini, menjadikan wawasan itu tersedia serta-merta dan terus dalam proses perniagaan. Saya fikir ia adalah pelbagai keupayaan di seluruh platform yang membolehkan kami diiktiraf sebagai pemenang Anugerah Emas dalam Penyelidikan Pilihan Pelanggan Gartner Peer Insight tahun ini, yang merupakan pencapaian yang hebat. Saya amat mengesyorkan anda melawat laman web Gartner untuk mengetahui lebih lanjut dan menambah undian anda sendiri dan menambah ulasan anda sendiri.
Cool, jadi, Jen, jika kita melompat ke hadapan satu lagi slaid - Saya rasa apabila kita membuat kesimpulan, saya ingin memberikan anda beberapa langkah seterusnya. Pertama-tama, sila lawati Alteryx.com untuk memuat turun satu salinan ringkas ringkas penyelidikan kami yang terkini, yang dilakukan secara koordinasi dengan International Institute of Analytics (IIA), mengelilingi halangan analitik. Anda juga boleh melawat udacity.com/alteryx untuk mengetahui lebih lanjut mengenai cara untuk membolehkan pasukan anda, untuk mengambil langkah seterusnya dalam perjalanan mereka, dengan analisa nano-analytics lanjutan dan akhirnya mengalami Alteryx untuk diri sendiri. Lawati halaman utama, muat turun penilaian penuh dan dapatkan papan atas dengan keseronokan penyelesaian.
Jen, kepada kamu. Kami mungkin mempunyai masa untuk beberapa Q & A.
Eric Kavanagh: Saya hanya akan berbual dengan cepat. Kami mempunyai beberapa soalan. Saya akan membuang satu, saya rasa, kepada anda terlebih dahulu, Nick, dan kemudian Jen, jika anda mahu mengulas mengenainya, tetapi ia pastinya mempunyai lebih banyak kegunaan EU dan itu adalah GDPR yang terkenal, Peraturan Perlindungan Data Global. Bagaimanakah ia mempengaruhi Alteryx dan peta jalan anda dan apa yang anda fokuskan?
Nick Jewell: Ia sangat bodoh, saya rasa, itu di luar sana sekarang. Banyak orang yang bercakap mengenainya, ramai yang agak bimbang, tetapi ia sebenarnya hanya yang pertama dalam satu siri peraturan lama yang akan masuk ke dalam dunia data dan analitik. Sesungguhnya, dari sudut pandangan kami, ia mengenai pemahaman dan pengelasan data anda. Memastikan sebagai CxO, dari mana-mana rasa tertentu, anda tahu di mana aset anda, anda tahu konteksnya dan anda tahu anda boleh mempercayai mereka sebagai langkah pertama untuk benar-benar mentadbir dan menguruskan data dalam konteks yang lebih luas.
Eric Kavanagh: Saya rasa saya akan membuang satu lagi soalan kepada anda sebelum kami membawa Jen kembali, Nick, dan itu, data latihan, jika seseorang meminta data mereka dikeluarkan dari perusahaan anda, kesannya bukan hanya nama mereka, alamat dan sebagainya, bukan hanya maklumat hubungan mereka, tetapi juga, jika algoritma menggunakan data latihan yang merangkumi data anda, anda sepatutnya melatih semula algoritma, bukan?
Nick Jewell: Ia amat rumit. Saya fikir idea bahawa bukan sahaja pangkalan data sebagai sumber beberapa maklumat peribadi ini, tetapi juga aliran kerja analitik, aplikasi, visualisasi. Data ini mendapat di mana-mana di mana-mana organisasi, jadi mempunyai konteks: sangat penting.
Eric Kavanagh: Dan Jen, apa pemikiran kamu? Jelas sekali, itu bukan masalah besar di Amerika Syarikat dan kami tidak nampak terlalu banyak syarikat yang mengecewakannya sekarang, walaupun secara teknikal ia berlaku di sini. Jika sebuah syarikat AS mempunyai data warga EU, apakah yang anda ambil dari kepentingan GDPR dan betapa besar kesepakatan itu?
Jen Underwood: Nah, saya fikir ia memerlukan rawatan yang bertanggungjawab ke atas data. Saya telah menulis tentang ini beberapa kali dan mempunyai beberapa garis panduan mengenai beberapa perkara ini. Saya fikir soalan yang anda tanya mengenai algoritma menarik. Sudah tentu, beberapa penyelesaian yang saya cari hari ini, beberapa pasukan produk mereka mempunyai ciri-ciri yang direka supaya anda dapat melihat bagaimana mereka membuat keputusan dan data peribadi apa yang digunakan untuk menentukan hasil algoritma itu. Kami melihat beberapa kesan dalam reka bentuk produk di sini di Amerika Syarikat.
Banyak syarikat teknologi mempunyai pejabat yang sangat besar di sini dan pasukan pembangunan di sini di Amerika Syarikat dan juga di seluruh dunia, jadi kami melihatnya dalam perkembangan produk. Saya melihat lebih banyak katalog data yang dilaburkan. Lebih banyak inisiatif kerajaan yang diputar supaya orang memahami, dan mereka memahami di mana semua data itu berada dalam keadaan huru-hara. Cuba untuk mendapatkan tangan mereka sekurang-kurangnya menganjurkannya, dapat mencari dan melakukan sesuatu dengannya.
Eric Kavanagh: Saya akan menolak slaid ini yang kami cakap sebelum ini dan membuangnya kepada anda, Nick. Saya fikir ini adalah slaid yang hebat kerana, bagi saya, ia benar-benar bercakap dengan mendesak keperluan analisis. Apa pendapat anda tentang dinamik yang berubah ini? Saya maksudkan, garis bawah adalah bahawa syarikat mestilah tangkas dan saya melihat analitik sebagai peneraju caj tersebut. Apa pendapat kamu?
Nick Jewell: Ini sangat menarik. Saya fikir sentiasa ada - syarikat dan teknologi sentiasa wujud di tiga negeri, jadi sama ada perang, keamanan atau keajaiban. Perang akan menjadi tahap persaingan yang berat. Wonder adalah semua barang baru yang anda bina di atas platform. Kemudian perdamaian sebelum pertandingan dan perang bermula lagi. Saya fikir sentiasa ada pertempuran ini.
Sebelum panggilan hari ini, kami bercakap mengenai beberapa persidangan dan nota utama yang sedang berlaku di seluruh dunia pada hari ini. Beberapa vendor awan besar, mereka telah mencapai titik di mana mereka telah membina platform ini dan kini mereka membina perkara-perkara baru yang indah di atasnya. Syarikat perlu mengawasi hal ini dan memastikan mereka akan melakukan sesuatu yang mempunyai platform yang koheren yang akan memberikan nilai itu untuk masa depan. Mereka akan menjadi orang yang akan bertahan dalam gangguan ini.
Eric Kavanagh: Ya, itu satu perkara yang baik, dan anda tahu, Jen, anda telah mengulas lebih awal, sebenarnya sebelum persembahan, tentang strategi awan dan bagaimana banyak orang yang anda kenal dalam industri mengatakan bahawa syarikat besar, malah bank, semuanya sekarang mempunyai strategi awan. Saya agak terkejut melihat berapa lama ia telah mengambil masa untuk menjadi kenyataan, dan saya rasa mungkin sebahagian daripada mereka pergi ke Persidangan AWS Reinvent dan menyedari betapa besarnya itu dan menarik kesimpulan bahawa masa telah tiba. Apa yang anda fikirkan tentang kesedaran di kalangan eksekutif perniagaan besar mengenai pengimportan awan dan bagaimana perubahan perancangan mereka?
Jen Underwood: Apabila saya berfikir tentang dunia ini secara besar-besaran, dapat mengurusnya, saya rasa pada beberapa tahap ada ketenangan pikiran dengan memiliki salah satu firma yang sangat besar bertanggungjawab terhadap beberapa aspek keselamatan, jadi ada beberapa ketenangan fikiran di sana. Anda tahu terdapat beberapa skala terhad dengan awan.
Perkara yang lain adalah, dan saya melihatnya, saya berada di dalam sebuah pasukan yang membangunkan semula produk di awan dan sudah pasti produk underdog dan tiada siapa yang memberi perhatian kepadanya, dan dalam masa dua tahun, kerana siaran mingguan dan juga, Saya akan mengatakan, ia hampir ke titik pelepasan harian di awan. Saya tahu bahawa Amazon mengatakan bahawa mereka melepaskan beberapa kali sehari. Apabila anda mempunyai ancaman itu, apabila pesaing anda boleh melepaskan dan memperbaiki setiap hari, apa pun yang mereka lakukan, sekurang-kurangnya dalam industri perisian - dan semua orang benar-benar dalam industri perisian apabila anda mula melihat transformasi digital - itu keseluruhan yang lain ballgame dan sesiapa sahaja boleh berputar awan dan skala dan menjadi besar.
Sekali lagi, ia akan menjadi data yang mereka gunakan yang akan membuat perbezaan dan kecerdasan dalam algoritma mereka, dan itulah sebabnya orang bercakap tentang data yang menjadi minyak atau data baru yang emas. Apabila saya melihat awan, ia adalah permainan changer, ia benar-benar membolehkan perkembangan yang sangat pesat dan skala. Ianya hebat.
Eric Kavanagh: Saya akan membawa anda kembali, Nick, untuk soalan lain - kita akan pergi hanya sebentar lagi jika kita boleh mendapatkan beberapa soalan ini, tetapi, seperti yang saya ingat, lima dan enam dan mungkin juga tujuh bertahun-tahun yang lalu, Alteryx benar-benar inovator dalam memanfaatkan data pihak ketiga - jadi membawa data dari sumber seperti Experian, misalnya, atau data geospatial. Saya fikir ini mungkin satu kelebihan strategik kerana perkara seperti itu ada dalam DNA di Alteryx, bukan? Apabila syarikat bergerak ke arah awan, saya fikir anda mempunyai banyak pengalaman untuk dapat menjembatani dunia. Dunia mengenai data berasaskan pihak ketiga dan berasaskan awan di atas, bagaimana pendapat anda?
Nick Jewell: Ya, betul. Sambungan muktamad akan menjadi satu kuasa untuk mana-mana syarikat yang akan bekerja dalam persekitaran berasaskan awan ini. Tetapi saya akan mengatakan, apabila kita bercakap tentang sesuatu seperti infomsi, idea bahawa maklumat dan data harus dianggap sebagai aset dalam syarikat anda. Kebanyakan nilai yang akan anda ambil adalah mengambil sumber data luaran, menggabungkannya dan memperkayakannya dengan sumber dalaman anda, untuk mencipta dan mengewangkan lebih banyak nilai dalam proses itu. Sungguh penting untuk bekerja dengan data dalaman dan luaran sama-sama.
Eric Kavanagh: Ya, itu satu perkara yang baik. Saya rasa seluruh dunia awan hibrid ini berada di sini untuk kekal. Jen, saya hanya akan membuang ini kepada anda untuk beberapa komen penutupan, mungkin. Kepada saya, yang mempunyai pandangan strategik dan dapat disatukan sebagai istilah baru menggambarkan data merentas sumber, itu akan menjadi faktor kejayaan yang kritikal ke depan, bukan?
Jen Underwood: Tidak, sememangnya, dan ia lucu, saya mendengar hibrid, hibrid, hibrid ini. Anda pernah mendengar tentang ini dan empat tahun yang lalu anda berfikir tentang Hadoop, Hadoop dan data besar dan kemudian anda mula mendengar hibrid, hibrid, sudah tentu ada di sana, kita tidak semestinya, ini adalah tahun pembelajaran mesin, tiada bar. Maksud saya, kecerdasan buatan, pembelajaran mesin telah mengambil tahap tahun ini, tetapi untuk benar-benar berfungsi dalam organisasi hari ini yang dalam perjalanan ke awan atau yang harus menangani semua sumber data awan yang berbeza, mungkin ia Salesforce atau Hari kerja, semua jenis sumber yang berbeza yang tinggal di awan, satu-satunya cara anda boleh mengendalikannya ialah menjadi hibrid. Anda tidak boleh menyalin data di mana-mana, jadi anda perlu bersambung terus dan anda perlu mencari cara untuk bekerja dengan data yang terletak di mana-mana, mencari data di mana-mana, kerana itulah realiti di mana kita berada di tempat yang betul sekarang.
Eric Kavanagh: Saya fikir saya akan kecewa jika saya tidak membawa mesin belajar semula ke dalam perbualan, jadi, Nick, saya akan membuangnya kepada anda. Saya tahu bahawa anda berfokus pada perkara itu sekarang - bolehkah anda berbincang tentang di mana anda melihat pembelajaran komputer menjajarkan dengan analisis dan dengan jenis sistem yang kami gunakan untuk memahami perniagaan dan data kami?
Nick Jewell: Ya, pasti. Oleh itu, secara ringkas, mari kita cepat kembali ke jurang kemahiran kita. Idea bahawa kami mempunyai organisasi yang benar-benar penuh dengan pengguna kuasa Excel. Kami mempunyai saintis data yang datang melalui, tetapi tidak berkembang pada kadar yang sama. Terdapat jurang besar antara kedua-dua. Fikirkan tentang pembelajaran mesin hari ini. Berapa banyak algoritma yang ada pada telefon atau jam tangan kami yang menggabungkan teknik pembelajaran mesin? Ia komoditi, ia ada di mana-mana. Kita perlu mendayakan pengguna kuasa ini dengan cara yang paling mudah untuk memastikan mesin diterapkan dengan jayanya merentasi perniagaan.
Eric Kavanagh: Saya akan membuang satu lagi kepada anda, mungkin. Kami mendapat beberapa soalan yang datang lewat, di sini. Jen, saya akan bertanya kepada anda yang ini. Peserta akan mengulas mengenai keseluruhan konsep pembelajaran tanpa pengawasan ini dan hakikatnya anda memerlukan data latihan untuk melakukan perkara itu dan biasanya data latihan perlu khusus kepada syarikat. Walaupun dalam industri terdapat banyak korelasi, terdapat banyak cara di mana organisasi serupa. Walau bagaimanapun, setiap syarikat adalah unik, sama ada itu model perniagaan atau pendekatannya kepada pemasaran atau penjualan, atau apa sahaja yang mungkin, pembangunan produk.
Persoalannya, adakah algoritma ini dapat menggunakan data pihak ketiga untuk latihan? Nampaknya saya sentiasa perlu menggunakan data anda sendiri untuk melatih algoritma ini, walaupun jika kitaran masa itu runtuh dari enam bulan - yang telah berlaku dalam beberapa kes - hingga 40 hari atau 20 hari, apa sahaja kes mungkin. Anda benar-benar perlu menggunakan data anda sendiri dan anda mesti pastikan data itu bersih, bukan?
Jen Underwood: Ia benar-benar campuran. Anda akan mahu mempunyai konteks luar. Malah, saya telah memesan hari ini kembali ke belakang dan webinar saya seterusnya bercakap mengenai penyediaan dan pembersihan data, ironinya untuk pembelajaran mesin. Apa yang penting ialah anda menyusun konteks luaran dengan organisasi anda, dan saya suka bahawa anda bertanya tentang persediaan dan pembersihan data, kerana dengan jujur, beberapa alat semakin bagus, mereka dapat mengendalikan beberapa aspek, tetapi minda manusia, atau mampu menguraikan masalah dan melihat dan memastikan bahawa mereka tidak ditinggalkan - mengatakan bahawa kita mempunyai beberapa jenis kecenderungan peninggalan. Cara anda melihat masalah dan cara anda memilih untuk merancang masalah yang anda automasi atau keputusan yang anda automasi, ada satu seni untuk itu dan memastikan ia secara tepat mencerminkan proses perniagaan itu.
Kembali kepada contoh saya dengan syarikat insurans, ketika kami memodernisasi dan siapa yang akan menyewa untuk menjalani latihan tajaan ini untuk menjual asuransi; dalam model itu sendiri bukanlah iklim undang-undang, undang-undang yang berlainan untuk negeri-negeri yang berlainan. Selalu ada beberapa aspek, di mana anda perlu mempunyai data luaran dengan data dalaman anda dan, sekali lagi, minda manusia. Akan ada komponen yang berbeza di sana.
Eric Kavanagh: Saya fikir anda membawa satu perkara yang sangat baik di sini. Kami terus mendengar tentang robot dan mesin dan pembelajaran komputer mengambil alih. Kepada saya, ini adalah trend yang sangat mengganggu - tidak ada keraguan mengenainya - tetapi saya tidak pernah melihat keperluan untuk manusia dalam campuran akan pergi, terutamanya dengan analisis data, pada data perusahaan.
Nick, satu soalan terakhir untuk awak. Kepada saya, tidak kira betapa baiknya algoritma itu, anda sentiasa perlu orang memantau apa yang berlaku, menyuntik diri mereka pada waktu yang ditetapkan dan benar-benar mensintesis gambaran besar tentang apa yang ada di sana. Saya tidak fikir apa-apa algoritma akan dapat mensintesis gambaran besar untuk syarikat Fortune 2000, tapi apa pendapat anda?
Nick Jewell: Nah, mari kita ambil contoh yang bukan Alisterx, mari bercakap tentang Uber dari tahun lepas. Uber, semasa kejadian pengganas di Australia, orang yang cuba melarikan diri dari kawasan itu, tiba-tiba mereka meletakkan harga lonjakan, kerana itu yang dikatakan oleh algoritma itu, menyebabkan kerosakan reputasi yang besar. Sejurus selepas itu, mereka melaksanakan manusia dan algoritma yang bekerjasama. Bila-bila masa ini berlaku, seorang manusia terpaksa mengawasi proses itu. Perkongsian manusia dan algoritma, itulah cara ke hadapan.
Eric Kavanagh: Wow, itu satu contoh hebat, terima kasih banyak. Nah, orang-orang, kami telah membakar lebih daripada sejam di sini di webcast kami. Sangat besar terima kasih kepada Jen Underwood of Analytics Impact. Sudah tentu besar terima kasih kepada Nick Jewell dan Pasukan Alteryx untuk masa dan perhatian mereka dan kepada anda semua untuk masa dan perhatian anda. Kami menghargai soalan-soalan hebat ini. Kami mengarkibkan semua webcast ini untuk tontonan kemudian, berasa bebas untuk berkongsi dengan rakan-rakan dan rakan sekerja anda. Dengan itu, kami akan membida anda selamat tinggal. Webcast yang sangat baik hari ini. Terima kasih banyak lagi, kami akan mengejar anda masa depan, orang. Jaga diri. Selamat tinggal.
