Playbook cxo: tương lai của dữ liệu và phân tích

Bởi nhân viên Techopedia, ngày 29 tháng 11 năm 2017

Takeaway: Người dẫn chương trình Eric Kavanagh thảo luận về dữ liệu và phân tích, cũng như vai trò của giám đốc dữ liệu (CDO) và giám đốc phân tích (CAO) với Jen Underwood của Impact Analytix và Nick Jewell của Alterx.

Eric Kavanagh: Thưa quý vị và các bạn, xin chào và một lần nữa chào mừng trở lại với phiên bản rất đặc biệt của Hot Technologies. Thưa các bạn, đây là Eric Kavanagh, tôi sẽ là người dẫn chương trình của bạn cho chương trình hôm nay, Sách The CxO Playbook: Tương lai của dữ liệu và phân tích. Có, đó là một chủ đề khá lớn, tôi phải nói. Trên thực tế, chúng ta đã có một chút đám đông phá kỷ lục ở đây ngày hôm nay. Chúng tôi đã có hơn 540 người đăng ký cho webcast sáng nay. Chúng tôi đang làm điều đó vào một thời điểm đặc biệt, như nhiều bạn biết cho các chương trình thường xuyên của chúng tôi, chúng tôi thường làm những việc này vào lúc 4:00 Đông, nhưng chúng tôi muốn đáp ứng vị khách rất đặc biệt gọi từ bên kia ao. Hãy để tôi lặn ngay vào bài thuyết trình hôm nay.

Vì vậy, năm nay rất nóng - đó là một năm rất hỗn loạn theo nhiều cách, tôi nghĩ rằng đám mây có rất nhiều điều phải làm với điều đó. Sự hợp lưu của các công nghệ mà chúng ta đang chứng kiến ​​trên thị trường là động lực chính và tất nhiên tôi đang dùng SMAC khi họ gọi nó. Chúng ta đang nói về SMAC: xã hội, di động, phân tích, đám mây - và tất cả những thứ đó kết hợp với nhau. Các tổ chức thực sự có thể thay đổi cách họ làm kinh doanh. Có nhiều kênh hơn để thực hiện các hoạt động kinh doanh của bạn, có nhiều dữ liệu được phân tích hơn. Đó là một thế giới thực sự hoang dã ngoài kia và chúng ta sẽ nói chuyện hôm nay về cách mọi thứ thay đổi trong bộ C, vì vậy các giám đốc điều hành, những người hàng đầu trong các tổ chức này, rằng cả thế giới đang thay đổi ngay bây giờ và chúng ta sẽ nói về điều đó

Có bạn thực sự ở trên đỉnh. Chúng ta có Jen Underwood từ Impact Analytix và Nick Jewell, nhà truyền giáo công nghệ hàng đầu từ Alterx trên đường dây ngày hôm nay. Đó là thứ rất thú vị. Tôi đã đưa ra khái niệm này tối qua, thưa các bạn, và tôi nghĩ nó thực sự thú vị. Tất nhiên, tất cả chúng ta đều biết ghế âm nhạc, trò chơi dành cho trẻ em nơi bạn có tất cả những chiếc ghế này trong một vòng tròn, bạn bắt đầu âm nhạc, mọi người bắt đầu đi lại và một chiếc ghế bị kéo đi; Khi âm nhạc dừng lại, mọi người phải tranh giành lấy một chiếc ghế trong khi một người bị mất trên ghế trong tình huống đó. Đó là một điều rất kỳ lạ và hấp dẫn xảy ra ngay bây giờ trong bộ C và nếu bạn nhận thấy trong hình ảnh này ngay tại đây, bạn đã có hai chiếc ghế trống ở phía sau. Thông thường, một chiếc ghế biến mất trong những chiếc ghế âm nhạc, và những gì chúng ta đang thấy ngày nay, có thêm hai chiếc ghế ở cấp độ C: CAO và CDO, giám đốc phân tích và giám đốc dữ liệu.

Cả hai đang cất cánh. Thành thật mà nói, giám đốc dữ liệu đang thực sự cất cánh như cháy rừng những ngày này, nhưng điều đó có nghĩa là gì? Nó có nghĩa là một cái gì đó rất có ý nghĩa. Điều đó có nghĩa là sức mạnh của dữ liệu và phân tích quan trọng đến mức các phòng họp hoặc phòng điều hành mà tôi nên nói, các bộ C đang thay đổi - họ đang thêm người vào bộ C, toàn bộ giám đốc điều hành mới đang điền vào một số ghế mới này. Nếu bạn nghĩ về việc thay đổi văn hóa của một tổ chức khó như thế nào, thì đó là một vấn đề khá nghiêm trọng. Văn hóa là một thứ rất khó thay đổi, và điển hình là sự thay đổi tích cực được thúc đẩy thông qua quản lý tốt và những ý tưởng tốt và những thứ đó. Nếu bạn nghĩ về cơ hội mà chúng ta có ngay bây giờ, bằng cách thêm các giám đốc điều hành mới trong bộ C để phân tích và cho dữ liệu, đó thực sự là một vấn đề lớn. Nó nói lên cơ hội cho các tổ chức thay đổi quỹ đạo, và hãy đối mặt với nó, các công ty lớn, cũ thực sự cần phải thay đổi vì thị trường đang thay đổi như thế nào.

Tôi thường đưa ra các ví dụ về Uber, ví dụ, hoặc Airbnb là các tổ chức đã phá vỡ cơ bản toàn bộ các ngành công nghiệp và điều đó xảy ra ở mọi nơi. Những gì chúng ta sẽ nói hôm nay là cách tổ chức của bạn có thể thích nghi, cách bạn có thể sử dụng thông tin này, cái nhìn sâu sắc này, để thay đổi quỹ đạo kinh doanh của bạn và thành công trong nền kinh tế thông tin.

Với điều đó, tôi sẽ trao các khóa của WebEx cho Jen Underwood, và sau đó Nick Jewell cũng sẽ đồng ý; Anh ấy gọi từ Vương quốc Anh Cảm ơn cả hai bạn, và Jen, với điều đó, tôi sẽ trao nó cho bạn. Mang nó đi.

Jen Underwood: Cảm ơn, Eric, nghe thật tuyệt. Chào buổi sáng mọi người. Hôm nay chúng ta sẽ nói về cuốn sách CxO này; đó là tương lai của dữ liệu và phân tích và tôi sẽ đi sâu vào. Eric đã làm rất tốt khi nói về lý do tại sao điều này lại quan trọng như vậy. Diễn giả của chúng tôi hôm nay, một lần nữa, bạn đã thấy một slide khác với thông tin này, nhưng bạn sẽ có tôi và Nick Jewell trò chuyện với bạn rất tương tác trong phiên này ngày hôm nay. Chúng ta sẽ mở ra với việc mô tả những vai trò này là gì và các loại công việc mà họ đang thực hiện. Chúng ta sẽ xem xét ngành công nghiệp phân tích, triển vọng nói chung và một số thách thức mà những người này sẽ phải đối mặt. Sự năng động trong các tổ chức hôm nay khi bạn đang chuẩn bị cho tương lai, và sau đó chúng ta sẽ nói về các bước tiếp theo và hướng dẫn cho bạn lập kế hoạch, nếu bạn sẽ khám phá một số vai trò này trong tổ chức của mình.

Nói về CxO này, ví dụ CAO, đó là giám đốc phân tích, đó là một chức danh cho các nhà quản lý cấp cao chịu trách nhiệm phân tích dữ liệu trong tổ chức. CAO thường sẽ báo cáo cho CEO và vị trí đang nổi lên nhanh chóng này sẽ là mấu chốt, khi bạn nghĩ về khối lượng chuyển đổi và chuyển đổi kỹ thuật số của nó mà chúng ta đang có ngay trong cách các công ty đưa ra và đưa ra quyết định kinh doanh của họ.

Nếu bạn nghĩ về chuyển đổi kỹ thuật số và trí thông minh là cốt lõi của chuyển đổi kỹ thuật số, thì CAO này là một vai trò rất chiến lược trong một tổ chức. Họ không chỉ đưa khoa học dữ liệu mạnh mẽ trở lại những hiểu biết thực tế và kiến ​​thức đó, mà họ còn sở hữu ROI và tác động đó, vậy họ đo lường cái gì? Làm thế nào họ mang ROI đó với dữ liệu họ có và một số số dòng dưới cùng trong một tổ chức để tận dụng chiến lược dữ liệu. Vị trí đó, cùng với CIO, giám đốc thông tin, đã nổi lên nhờ sự phát triển của công nghệ và chuyển đổi kỹ thuật số và giá trị của dữ liệu.

Trong nhiều năm nay, dữ liệu là vàng trong thế giới đặc biệt này với khả năng kiếm tiền và trí thông minh và biến đổi thông tin này. Để có thể thực hiện những hành động chủ động này và không chỉ luôn luôn nhìn về phía sau, mỗi người. Hai vị trí tương tự nhau, cả hai đều xử lý thông tin, nhưng CIO, sẽ tập trung vào cơ sở hạ tầng, nơi CAO tập trung vào cơ sở hạ tầng cần thiết để phân tích thông tin. Vị trí tương tự là CDO và bạn nghe nhiều hơn, có lẽ chúng ta nghe nhiều hơn về CDO so với bạn làm về CAO ngày nay. CDO tập trung nhiều hơn vào việc xử lý dữ liệu và bảo trì và các quy trình quản trị đó trong toàn bộ vòng đời quản lý dữ liệu.

Những người này cũng sẽ chịu trách nhiệm kiếm tiền từ dữ liệu và nhận giá trị từ dữ liệu và làm việc trong suốt quá trình trưởng thành của vòng đời quản trị và bảo mật, trong toàn bộ giai đoạn, tôi có thể nói, về vòng đời. Đây là những người rất đồng điệu, chịu trách nhiệm hoặc đảm bảo GDPR - và chúng ta sẽ nói về một chút - Đạo luật bảo vệ dữ liệu châu Âu, đảm bảo rằng những loại điều đó được đề cập trong các tổ chức của họ. Bây giờ, chúng ta sẽ có được cấu trúc và tương lai cho các vai trò thâm dụng dữ liệu động đột phá. Đây là những điều mà CDO sẽ chịu trách nhiệm chứ không chỉ riêng họ - họ sẽ xây dựng một nhóm đa chức năng và tôi có một số ví dụ về một số người sẽ tham gia, mỗi người, trong một cơ cấu tổ chức, từ các kiến ​​trúc sư và quản trị viên, và thậm chí các nhà phân tích và các nhà khoa học và kỹ sư dữ liệu trong một tổ chức có thể hợp tác với họ.

Tiến xa hơn vào triển vọng ngành phân tích, đây là một hiện tượng - có thể là mười năm, thậm chí lâu hơn - trong ngành công nghiệp đặc biệt này. Nó không ngừng phát triển, rất thú vị, ngay cả trong sự sụp đổ của thị trường nhiều năm trước, nó vẫn có nhu cầu cao. Đây chỉ là một nơi tuyệt vời và nếu bạn xem chương trình nghị sự CIO từ Gartner năm 2017, BI và phân tích vẫn nằm trong ba bảng xếp hạng hàng đầu về những gì quan trọng nhất đối với một tổ chức và nhìn vào sự phát triển của thị trường phần mềm, chúng tôi liên tục nhìn thấy sự tăng trưởng ở đó. Từ lâu tôi đã ở trong không gian này, đó luôn là một sự nghiệp thực sự tươi sáng.

Khi chúng ta nhìn vào kỷ nguyên số và sự biến đổi này, điều rất, rất thú vị đối với tôi, là những quy trình mà chúng ta có, và thường là nhận thông tin và thực hiện hành động từ các quy trình hoặc trong quá trình kinh doanh. Bây giờ, Gartner đã ước tính vào năm 2020, thông tin mà bạn đã sử dụng sẽ được phát minh lại, số hóa hoặc thậm chí loại bỏ. 80% quy trình kinh doanh và sản phẩm mà chúng tôi có từ mười năm trước và chúng tôi bắt đầu thấy điều đó, phải không? Chúng ta bắt đầu thấy rằng với những câu thơ của Amazon có thể một số cửa hàng hộp lớn, Ubers, Airbnbs - những mô hình kỹ thuật số này đang phá vỡ quy trình và bây giờ mọi người đang tương tác. Ngay cả Thứ Sáu Đen - Tôi không biết có bao nhiêu người thực sự đã đến một cửa hàng - rất nhiều người đang mua hàng trực tuyến và làm thế nào để bạn tiếp cận với khách hàng đó? Nó cần sự thông minh để làm điều đó. Nó có một cách tương tác và cá nhân hóa thông điệp rất khác nhau và có trí thông minh đó để cung cấp cho họ lời đề nghị phù hợp vào đúng thời điểm và bây giờ có thể chỉ bằng một nút bấm. Thật dễ dàng để họ rời khỏi cửa hàng trực tuyến của bạn. Mọi thứ đang thực sự thay đổi trong thế giới này và tôi nghĩ Nick cũng muốn trò chuyện về điều này.

Nick Jewell: Vâng, xin chào mọi người, cảm ơn rất nhiều. Tôi sẽ xin lỗi trước nếu có một chút chậm trễ về âm thanh phát ra từ London, tôi sẽ cố hết sức để không nói chuyện với bạn, Jen.

Bạn hoàn toàn đúng, việc loại bỏ chất thải, đó là một phần của chuyển đổi kỹ thuật số, thường xuất hiện khi các tổ chức chuyển từ các sản phẩm bespoke, có thể ngắt kết nối các ứng dụng và sang các nền tảng mở và kết nối hơn. Khi quy trình của bạn là kỹ thuật số, sẽ dễ dàng hơn rất nhiều để xem hành trình từ đầu đến cuối của dữ liệu của bạn. Thực sự tinh chỉnh các bước bạn thực hiện, bằng cách sử dụng dữ liệu để tối ưu hóa quá trình đó.

Hãy tiến về phía trước một slide, nếu chúng ta có thể. Khi nói đến chuyển đổi kỹ thuật số, ý nghĩa của nó đối với các tổ chức, tôi đoán là thú vị hoặc đáng sợ, tùy thuộc vào phía nào của quang phổ mà bạn đang ngồi. Hãy xem biểu đồ ở đây, cho thấy tuổi thọ của các công ty và mức độ ảnh hưởng đột phá ảnh hưởng đến vận may của một tổ chức. Nếu bạn thành lập một công ty vào những năm 1920, trung bình bạn có gần 70 năm, trước khi một công ty khác làm phiền bạn. Một cuộc sống khá dễ dàng theo tiêu chuẩn ngày nay, bởi vì ngày nay, một công ty hầu như không có 15 năm cho đến khi sự gián đoạn đe dọa sự tồn tại của nó. Người ta dự đoán rằng khoảng 40% các công ty Fortune 500 ngày nay, do đó, trên S & P 500, sẽ không còn tồn tại trong thời gian 10 năm nữa. Đến năm 2027, 75 phần trăm của S & P 500 sẽ được thay thế, vì vậy thời gian bán hủy mà các tổ chức phải đối mặt ngày nay, trước khi phải lo lắng về sự gián đoạn, thực sự bị thu hẹp. Các công ty thành công cần đi trước cuộc đua đổi mới kỹ thuật số đó.

Ngày nay, không ai thực sự đặt câu hỏi về phân tích. Đó là trung tâm, sự chuyển đổi kinh doanh kỹ thuật số. Trên thực tế, các tổ chức đang đặt sự đổi mới kỹ thuật số ngay vào đầu chiến lược của họ. Những công ty đó, họ là năm công ty có giá trị nhất trên thế giới, đại diện cho hai nghìn tỷ đô la giá trị thị trường, Jen.

Jen Underwood: Vâng, thật tuyệt vời, nó thực sự là. Nó thực sự đang thay đổi, và nhanh chóng. Động lực khác mà chúng ta có và chúng ta đã nói về điều này, bây giờ tôi nghĩ rằng cuối cùng chúng ta cũng thấy nó và các tổ chức đang cảm thấy sự tăng trưởng theo cấp số nhân này và thậm chí không chỉ phân tích dữ liệu trên các nguồn dữ liệu có cấu trúc nữa. Một lần nữa, chúng ta đang nói về, bạn chỉ có một chút thời gian trong một số quy trình kỹ thuật số này để đưa ra quyết định và những điều này sẽ xuất hiện trong JSON từ API REST, chúng ta đang nói về dữ liệu phi cấu trúc, cho dù các tệp nhật ký, có đủ loại của các loại dữ liệu khác nhau, cũng như sự tăng trưởng liên tục.

Nick Jewell: Vâng, Jen, như bạn đã chỉ ra, các nhà lãnh đạo phân tích chìm trong một biển dữ liệu. Tìm hiểu sâu sắc giá trị cao, có thể sử dụng hỗn hợp các kỹ thuật phân tích hiện có hoặc mới, thực sự là mục tiêu cuối cùng, nhưng có một vấn đề đơn giản và cơ bản mà nhiều tổ chức chúng tôi làm việc cùng, họ thực sự phải đối mặt. Chúng tôi ủy thác Harvard Business Review, chúng tôi đã làm khảo sát, nói chuyện với các nhà phân tích dữ liệu và quản lý doanh nghiệp. Họ hỏi có bao nhiêu nguồn dữ liệu họ sử dụng trong tổ chức của mình để đưa ra quyết định và điều đó khá rõ ràng, đã có một sự thay đổi cơ bản chỉ trong vài năm qua. CNTT dùng để trộn dữ liệu, đẩy nó vào kho dữ liệu, nhưng tôi đoán mặc dù tất cả các công việc tuyệt vời mà các nhóm CNTT đã làm, tạo ra quản lý dữ liệu tập trung, các nhà phân tích vẫn phải đối mặt với nhiệm vụ tạo ra tập dữ liệu phân tích cụ thể đó, nhưng họ cần phải trả lời một câu hỏi kinh doanh Trên thực tế, chỉ có 6 phần trăm có tất cả dữ liệu của họ ở một nơi và phần lớn các nhà phân tích phải lấy dữ liệu từ năm nguồn trở lên - những thứ như bảng tính, ứng dụng đám mây, phương tiện truyền thông xã hội và tất nhiên, không quên kho dữ liệu đó.

Bây giờ, hầu hết các tổ chức đều nhận ra điều này, nhưng điều mà hầu hết các tổ chức không giải quyết là thực tế đơn giản là các chuyên gia dữ liệu đang dành nhiều thời gian hơn để quản lý và tìm kiếm dữ liệu, hơn là họ thực sự trích xuất giá trị. Đây không phải là những vấn đề phân tích chiến lược cao cấp mà các nhà điều hành doanh nghiệp muốn nghe. Nhưng không giải quyết vấn đề cơ bản sẽ ngăn cản các tổ chức, thực sự, đạt được những hiểu biết định hướng giá trị. Jen?

Jen Underwood: Điều đó thật thú vị. Tôi chắc chắn đã thấy các nghiên cứu khác nhau về vấn đề này và nó là phần này ở đây, cho dù đó là 80% thời gian hay hàng nghìn tỷ đô la để sửa chữa cùng một dữ liệu nhiều lần, rất không hiệu quả trong một tổ chức. Điều này không cộng lại, 37 và 23 phần trăm này là rất lãng phí thời gian. Thật đáng kinh ngạc với tôi rằng sự chú ý nhiều hơn không được trả cho điều đó.

Nhìn vào một vài trong số này, cái mà tôi sẽ gọi là lực lượng thị trường, và rất nhiều lần khi tôi nói về xu hướng của ngành, tôi thích theo ngành và giữ nhịp đập liên tục cho nó. Điều quan trọng là phải hiểu khi nào đó hơn một xu hướng, khi đó thực sự sẽ là một lực lượng mà bạn cần chú ý và đây là ba yếu tố hàng đầu hiện nay, buộc phải chú ý đến. Đây là sự tăng trưởng nhanh chóng, số một là sự tăng trưởng nhanh chóng của các cơ sở dữ liệu phi quan hệ. Tôi vừa đề cập đến toàn bộ khái niệm này về việc không có nhiều thời gian để truy vấn, mỗi lần, một JSON, đây là loại kịch bản không liên quan, đang phát triển khá nhanh - tôi nghĩ rằng tôi có một số thống kê trong giây lát - nhanh chóng.

Một điều khác là sự dịch chuyển liên tục sang đám mây. Trước cuộc gọi tôi đã đề cập, tôi là người quản lý sản phẩm trên toàn thế giới tại một trong những công ty công nghệ lớn và đã có những cuộc trò chuyện khó khăn ba năm trước với các nhóm nói rằng, chúng tôi sẽ không đưa bất cứ điều gì lên đám mây. Chúng tôi sẽ không chuyển sang đám mây. Và, thật thú vị khi thấy các nhóm một năm sau đó, hai năm sau, bây giờ tôi nghe từ cùng một nhóm, rằng mọi người đều có kế hoạch đám mây. Tôi nghĩ rằng tất cả mọi người đều là một tuyên bố rất rộng, nhưng điều tôi muốn nói là, những người chống mây, chắc chắn thái độ đã thay đổi đáng kể, trong một khoảng thời gian rất ngắn, ngay cả khi tôi đã nói chuyện với các nhóm trên toàn thế giới về những loại điều.

Tự động hóa, đây là một lĩnh vực mà tôi đã say mê và một lĩnh vực mà chúng tôi chắc chắn đang thấy rất nhiều hoạt động và hoạt động tuyệt vời. Chúng tôi nói về một số trong những điều này với việc lãng phí thời gian và sử dụng không hiệu quả thời gian của bạn. Tự động hóa chắc chắn là một trong những lĩnh vực mà tôi hào hứng nhất khi tôi nghĩ về việc mang lại giá trị cho một tổ chức.

Slide tiếp theo tôi sẽ nói, đây là một nghiên cứu của IDC, họ xem xét các phân khúc thị trường và sự tăng trưởng và đó thực sự là một cách tuyệt vời để bắt nhịp với những gì thực sự phát triển, bạn bè của bạn mua gì? Những loại điều họ không quan tâm nữa? Những loại điều và đưa vào chiến lược của họ.

Thị trường phần mềm phân tích dữ liệu lớn trên toàn thế giới, theo IDC, 16 phân khúc và theo nghĩa phân khúc đó, chúng tôi đang xem xét một số thay đổi về tên. Có sự bổ sung của phần mềm phân tích liên tục, nền tảng phần mềm AI nhận thức, hệ thống tìm kiếm, do đó, có một số danh mục mới thậm chí được thêm vào đây. Tổng quan thị trường này bao gồm khá nhiều công cụ ngang, ứng dụng đóng gói sẵn cũng như một số hỗ trợ quyết định và tự động hóa các trường hợp sử dụng. Một lần nữa, đây sẽ là loại giải pháp, khi bạn nghĩ về CDO, đặt trong bối cảnh của CDO, danh mục đầu tư của họ có thể quản lý từ tích hợp dữ liệu đến phân tích trực quan, học máy và tất cả các loại khả năng mà họ cần để có trong kỷ nguyên kỹ thuật số.

Bản thân thị trường trên toàn thế giới cho các loại giải pháp này đã tăng 8, 5% theo các loại tiền tệ hiện tại và thị trường chung đã tăng 9, 8% theo IDC. Điều này được so sánh với - bạn nhìn vào biến động tiền tệ trong khoảng thời gian vài năm và mức độ biến động là tối thiểu, nhưng ba phân đoạn hàng đầu mà tôi nhấn mạnh, chỉ để cho bạn cảm giác về những nguồn dữ liệu phân tích không liên quan đó, 58% Tăng trưởng hàng năm, hệ thống phân tích và tìm kiếm nội dung là 15% và một số ứng dụng quan hệ khách hàng, những thứ thuộc loại CRM hoặc Salesforce Einstein, chẳng hạn, những thứ này đang tăng hơn 10%, hiện tại là 12%. Tôi nghĩ Nick muốn thêm một số bình luận về điều này.

Nick Jewell: Cảm ơn, Jen. Đó là một hình ảnh tuyệt vời. Tôi nghĩ tại Alterx chúng tôi luôn tin rằng việc chuẩn bị và pha trộn dữ liệu sẽ luôn là một năng lực cốt lõi, tôi đoán, trong bất kỳ hệ thống phân tích nào, nhưng nó thực sự là nền tảng cho bất kỳ phân tích nâng cao nào. Bây giờ, trong vài năm qua, hãy nói về ngành công nghiệp - nó có thể đã quá tập trung vào một số khả năng hình dung tương tác mới. Chúng trông đẹp bởi vì chúng làm tăng sự tham gia, chúng thúc đẩy sự sáng suốt, nhưng chúng không thực sự đưa chúng ta vượt ra ngoài các phân tích mô tả.

Nhưng, tôi đoán bây giờ mọi người đang đặt mục tiêu của họ cao hơn một chút, các tổ chức bắt đầu hiểu các giá trị kinh doanh sẽ đến từ những phân tích tinh vi hơn hiện đang tiến vào dòng chính. Câu hỏi ở đó trở thành, làm thế nào, hay cụ thể hơn là ai? Điều này đã nhảy lên phân tích giá trị cao hơn; bạn thực sự đang ném vấn đề thiếu hụt tài năng phân tích vào sự giải tỏa khá sắc nét, bạn có đồng ý không?

Jen Underwood: Hoàn toàn, và tôi đã có, tôi nghĩ rằng tôi vừa tweet, tôi đã thấy một bình luận thực sự hấp dẫn đêm qua từ phó chủ tịch của Adobe nói, Học máy Machine đã trở thành cổ phần, bàn mà mọi người thường cảnh giác, bây giờ nó đã trở thành một nhu cầu và nó là thú vị. Nhìn vào điều này và chỉ là một góc nhỏ khác nhau nhỏ, mỗi người. Rất nhiều người, chúng ta bắt đầu coi đây là một khu vực tăng trưởng cao với một cửa hàng phân tích không liên quan và AI nhận thức, những máy học, những phân tích giá trị cao này. Nhưng vẫn là vào cuối ngày, ngay bây giờ là phân khúc lớn nhất, vì vậy hầu hết các giao dịch mua hàng đang diễn ra ngày hôm nay, vẫn ở cơ bản này, tôi sẽ nói, báo cáo truy vấn, một số phân tích trực quan, và nó vẫn đang phát triển và đó là một cái gì đó rất nhiều người cho rằng bạn đã có nó - không nhất thiết phải như vậy. Nó vẫn tăng 6, 6 phần trăm mỗi năm.

Là một CDO - và tôi thích thể hiện slide này - về cơ bản chỉ để nói, khi bạn bước vào vai trò mới này hoặc bạn đang xem dữ liệu trong một tổ chức, thì thật là hỗn loạn, và tôi nghĩ rằng slide đặc biệt này thực sự công việc tuyệt vời - đây là tất cả các lĩnh vực tiềm năng khác nhau mà bạn có thể có dữ liệu. Chúng có thể ở tại chỗ, nó có thể tồn tại trong đám mây, nó có thể là lai, nó ở khắp mọi nơi và nó là một sự áp đảo lớn - một lần nữa, đây là vai trò cấp độ C trong một tổ chức và nó không phải là một nhiệm vụ đơn giản hay đơn giản - trong thế giới đặc biệt này, đôi khi nó khá áp đảo. Đây là thế giới mà CDO này cần điều hướng, để có thể làm chủ, những gì tôi muốn nói, tối đa hóa giá trị của dữ liệu.

Tiếp tục thử thách, tối đa hóa giá trị của tất cả các nguồn khác nhau và những gì chúng ta đang có là những cửa sổ đóng thời gian này, với các quy trình kỹ thuật số này hoặc sự thấu hiểu hành động đang đóng lại. Nếu bạn nghĩ về có thể năm năm trước, mười năm trước, có thể bạn sẽ có báo cáo rằng bạn sẽ chạy để đưa ra một số quyết định với hàng tồn kho hoặc hành động, chúng có thể chạy hàng tuần, hàng tháng, sau đó chúng trở thành hàng ngày hoặc qua đêm, có thể đó là hàng giờ

Bây giờ, những gì chúng ta đang thấy là những máy học thông minh nhúng các văn phòng thông minh nhân tạo, đưa ra quyết định và sửa lỗi ngay tại chỗ, do đó, ngay cả những thứ như internet của mọi thứ, phân tích nhúng IoT ở rìa, các hệ thống này đều thông minh và các thuật toán này có thể tự điều chỉnh và thay đổi một số quyết định mà họ đưa ra tại chỗ vào đúng thời điểm. Thật thú vị khi thấy động lực đặc biệt này với các vòng quay kỹ thuật số và các điểm tiếp xúc này - mặc dù chúng đã tăng lên, thời gian hành động tiếp tục giảm và công nghệ sau đó đang phát triển cho các kịch bản này.

Nick Jewell: Vâng, Jen, tôi nghĩ một trong những khía cạnh thú vị nhất về cách phân phối cái nhìn sâu sắc đang thay đổi, là nơi các phân tích đến với người dùng cuối. Chúng tôi có yêu cầu người dùng nhảy vào bảng điều khiển khi họ đưa ra quyết định quan trọng hay chúng tôi đang nói rằng cái nhìn sâu sắc, hành động tốt nhất tiếp theo, có sẵn trực tiếp trong quy trình, để thúc đẩy lợi thế cạnh tranh đó? Và mô hình phân tích mà chúng ta đang nói đến có thể cần lấy đầu vào từ nhiều nguồn khác nhau - kho dữ liệu truyền thống, định vị địa lý, phương tiện truyền thông xã hội, cảm biến, nhấp chuột - tất cả các dữ liệu này đều quyết định và kết quả có thể hành động đó .

Jen Underwood: Tiếp tục chủ đề thách thức và thay đổi này, những gì chúng ta có ngay bây giờ và những thách thức mà CEO cần nắm lấy và lên kế hoạch để chinh phục những điều này, về cơ bản là chúng ta có quá nhiều dữ liệu để quản lý và phân tích hiệu quả. Có sự chậm trễ kéo dài; chúng ta cần rút ngắn những sự chậm trễ này và chúng ta cần tìm cách tối đa hóa giá trị của dữ liệu mà chúng ta có. Có một sự thiếu hụt tài năng khoa học dữ liệu trên thế giới và để bao quát những hiểu biết này và cái mà chúng ta gọi là đại dương là dữ liệu. Tin tốt là, có một số cải tiến tuyệt vời đang diễn ra để giúp đỡ trong mọi lĩnh vực của ngày hôm nay, và thật thú vị khi thấy những gì, nơi công nghệ sẽ đưa chúng ta, để giúp chúng ta với những thách thức này.

Khi tôi tiếp tục xem xét điều này, có một chút nhầm lẫn khi tôi nói chuyện với khách hàng hoặc tôi đã nói chuyện với các nhóm sử dụng một số công cụ này. Một số thách thức kinh điển vẫn còn tồn tại cho đến ngày nay, nó chỉ trở nên trầm trọng hơn với việc cố gắng tìm dữ liệu để phân tích. Một số công cụ tìm kiếm, một số danh mục hiện có chắc chắn sẽ giúp ích cho mọi thứ - bây giờ thứ chúng tôi đang tìm là sử dụng danh mục nào khi nào. Có một vài danh mục khác nhau, vì vậy có những nơi khác nhau mà bạn có thể lưu trữ và chia sẻ dữ liệu, vì vậy vấn đề là cố gắng tìm ra một danh mục, có thể là danh mục chúng ta nên tìm kiếm.

Điều khác là hợp tác chia sẻ. Chúng tôi đã nói về một trong những nghiên cứu từ Harvard Business Review, bao nhiêu thời gian được sử dụng, về cơ bản thực hiện các nhiệm vụ phi giá trị gia tăng, lãng phí thời gian và chi phí có thể tốn kém như thế nào. Nếu bạn có thể cộng tác để chia sẻ và sử dụng các nguồn dữ liệu phổ biến, các tập lệnh đã được phát triển, logic đã có sẵn, bạn có thể điều chỉnh chúng một cách hiệu quả, vì vậy cân bằng quản trị với sự nhanh nhẹn phân tích, đó thực sự là điều bạn muốn phấn đấu để làm và điều hướng thế giới này của những gì tôi sẽ gọi, chúng tôi có các công cụ thích hợp, chúng tôi có các công cụ quy trình làm việc tự động, chúng tôi có Excel cổ điển, các danh mục dữ liệu, BI tự phục vụ, các công cụ khoa học dữ liệu. Như một bức ảnh cho thấy, có rất nhiều, rất nhiều công cụ và rất nhiều sự chồng chéo giữa chúng.

Nick Jewell: Vâng, hoàn hảo, Jen và tôi nghĩ rằng cửa sổ của cái nhìn sâu sắc, như bạn đã đề cập, nó chắc chắn bị thu hẹp, nhưng thời gian cần thiết để triển khai các mô hình thực sự không theo kịp. Triển khai mô hình dự đoán tiếp tục là một thách thức lớn đối với nhiều công ty. Chúng tôi đã nói chuyện với Carl Rexer, Chủ tịch của Rexer Analytics, và trong cuộc khảo sát khoa học dữ liệu năm 2017 của Carl, ông thấy rằng chỉ có 13% các nhà khoa học dữ liệu nói rằng các mô hình của họ luôn được triển khai và tỷ lệ triển khai này không cải thiện, vì vậy chúng tôi không cải thiện quay lại với mỗi khảo sát trước đó Trên thực tế, trở lại năm 2009, khi câu hỏi được đặt ra lần đầu tiên và chúng tôi thấy kết quả gần như giống hệt nhau, vì vậy chúng tôi đã có một khoảng cách thực sự.

Jen Underwood: Khi chúng tôi xem xét sự trưởng thành của phân tích, nó đang tiến triển nhanh chóng. Một lần nữa, hai, ba năm trước, chúng tôi đã rất vui mừng khi có phân tích tự phục vụ trực quan và cuối cùng là linh hoạt và mở rộng BI đến với công chúng. Khi tôi nói đại chúng, có lẽ vẫn còn quyền lực người dùng trong một tổ chức. Bây giờ chúng ta đang thấy tối ưu hóa, phân tích dự đoán, học sâu, ngôn ngữ tự nhiên, nhiều công nghệ khác thực sự, khi chúng được nhúng vào các quy trình hàng ngày, cuối cùng sẽ thực sự dân chủ hóa các phân tích cho đại chúng, cho số đông thực sự sử dụng trong quy trình kinh doanh hiện có mà họ đã có.

Nick Jewell: Vâng, Jen, hãy nói một câu chuyện nhanh xung quanh danh mục cuối cùng đó, nếu tôi có thể. Hầu hết những người nghe cuộc gọi ngày hôm nay sẽ quen thuộc với phần mềm AlphaGo của Google DeepMind, đã đánh bại một số người chơi cờ vây giỏi nhất thế giới trong vài năm qua. AlphaGo đã học cách chơi trò chơi bằng cách nghiên cứu khối lượng lớn các trận đấu được ghi lại trước đó. Đến nỗi các nhà bình luận của giải đấu AlphaGo đã tuyên bố rằng phần mềm chơi theo phong cách của một Grand Master Nhật Bản, tin hay không.

Nhưng, trong tháng cuối cùng, một kết quả gần như đáng kinh ngạc hơn đã được báo cáo. Đây là AlphaGo Zero, học sâu, mạng lưới thần kinh, được trang bị không quá các quy tắc đơn giản của trò chơi và một chức năng được tối ưu hóa. Nó tự dạy mình trở thành người chơi cờ vây mạnh nhất trên thế giới, không được đào tạo có giám sát và nó đã làm tất cả những điều này trong khoảng 40 ngày. Cái gọi là học tăng cường này, nơi con người xác định thách thức, để hệ thống học sâu khám phá, cải thiện, thực sự có thể mang lại tác động lớn nhất trong không gian phân tích. Vì vậy, tôi đoán, hãy theo dõi.

Jen Underwood: Vâng, điều đó thực sự thú vị mà bạn đề cập đến. Bạn có thể tưởng tượng các loại trừ? Và đây là những gì tôi bắt đầu thấy. Thực sự, khi tôi nói về tự động hóa, rất thú vị về các giải pháp đủ thông minh để làm sạch không khí, tự động học hỏi từ các hệ thống, cắm và chơi và chỉ cần biết phải làm gì tiếp theo dựa trên một số quyết định trong quá khứ đã hoặc các quyết định khác đã được tạo ra trong tổ chức và đã quản lý một số hệ thống này, các hệ thống ETL và chăm sóc chúng, và đã quay trở lại những tiếng bíp và điện thoại gọi cho tôi bằng cảnh báo khi các quá trình không chạy, thật thú vị khi nghĩ, Hay, bây giờ nó đủ thông minh để có thể tự chữa lành.

Chồng tôi quản lý một mạng lưới tự phục hồi, chúng tôi sẽ tích hợp dữ liệu tự phục hồi, phân tích tự phục hồi và nơi nó ngày càng tốt hơn, điều đó thực sự thú vị. Là một CDO, khi bạn bắt đầu nghĩ về việc mọi người xử lý công nghệ, chúng ta sẽ xem xét, ngay bây giờ chúng ta đang xem xét công nghệ, sau đó chúng ta sẽ xem xét mọi người và cách tiếp cận xây dựng nhóm và xây dựng của bạn các kỹ năng. Nếu bạn nhìn vào nền tảng phân tích hiện đại, tôi sẽ nói ngay với bạn, không phải ai cũng sẽ có mọi thứ ở đây, mặc dù các tổ chức lớn nhất có thể có tất cả các thành phần khác nhau này, một số nhóm có thể chỉ có hai hoặc ba hộp nhỏ ở đây, vì vậy tôi không muốn áp đảo mọi người với điều này. Nhưng một nền tảng BI hiện đại không nhất thiết phải xây dựng CNTT, lớp ngữ nghĩa báo cáo được xác định trước.

Người dùng và chuyên gia thực sự nên được trao quyền chỉ cần chuẩn bị dữ liệu cho tốc độ phân tích và sự nhanh nhẹn và nếu bạn nghĩ về sự gia tăng của những gì chúng tôi sẽ nói về phân tích do người dùng và chuyên gia dẫn đầu, hãy để các chuyên gia về vấn đề này nhanh nhẹn, họ cần phải đưa ra quyết định nhanh chóng. Chúng ta đang chứng kiến ​​sự gia tăng của những gì chúng ta sẽ nói, các công cụ chuẩn bị dữ liệu cá nhân, sắp xếp dữ liệu, làm giàu, làm sạch, các loại hoạt động mà Alterx thực hiện cũng như một số hoạt động thuộc loại khoa học dữ liệu mà chúng cung cấp tốt. Giải pháp chuẩn bị hiện đại, họ cung cấp rằng tham gia tự động, thông minh, độ phân giải không khí, dịch chuyển dữ liệu, khi bạn có đường truyền dữ liệu lớn, nó rất, rất tuyệt. Đây có lẽ là một trong những lĩnh vực mà tôi yêu thích và thực sự thích thử nghiệm cũng như trong ngành.

Không giống như BI dẫn đầu về CNTT truyền thống, CNTT ngày nay thực sự tập trung vào việc cho phép doanh nghiệp và bạn có những người như CDO và kết hợp hoặc chọn giải pháp phù hợp để sắp xếp, sắp xếp và thống nhất dữ liệu này và tất nhiên, đó là cai quản, phải không? Một điều rất thú vị đối với tôi và chắc chắn tôi nghĩ rằng chúng tôi đã suy luận ra điều này, nhưng tôi không nghĩ rằng chúng tôi đã nói thẳng ra rằng, những ngày của một kho dữ liệu phù hợp với một kích thước và đó là cuối cùng là tất cả, chắc chắn đã qua. Dữ liệu ở khắp mọi nơi, bạn cần phải tạo ra - các hồ dữ liệu đã được đưa vào hình ảnh, có dữ liệu trực tuyến và dữ liệu trực tiếp, hiện có rất nhiều nguồn dữ liệu khác nhau, thực sự là nhiều hơn dựa trên trường hợp sử dụng, Bạn cần gì? Chúng tôi phải đưa mọi thứ vào một kho dữ liệu. Tôi không chắc lắm, Nick, bạn có muốn bình luận về cái này không? Tôi không nhớ lại.

Nick Jewell: Tôi sẽ chỉ nói một điều và chỉ là, xem sự phát triển của thành phần. Những gì các chuyên gia đã làm từ năm đến mười năm trước, giờ đã nằm trong tay người dùng, vì vậy những thứ ở phía bên tay phải, sẽ phổ biến hơn cho người dùng ở dạng không có mã kéo và thả. rất ngắn Nó sẽ di chuyển nhanh hơn và nhanh hơn, vì vậy chỉ cần để mắt đến điều đó.

Jen Underwood: Vâng, đó thực sự là điểm tốt. Tôi thích nghĩ về điều đó. Khoa học dữ liệu khác nhau, cuối cùng nó đã trở thành hiện thực và các công cụ đang trở nên tốt hơn rất nhiều. Suy nghĩ về công nghệ, bây giờ chúng ta cần phải có kỹ năng và con người và chúng ta cần phải làm gì? Ngay bây giờ, những công việc tốt nhất, họ bao gồm các chức danh như nhà khoa học dữ liệu, kỹ sư dữ liệu và nhà phân tích kinh doanh, nhưng điều chúng tôi tìm thấy là chính các nhà tuyển dụng thấy rất khó khăn để tạo ra một trận đấu. Ngay cả trong không gian chuẩn bị dữ liệu, tôi sẽ nói, Đây có phải là dữ liệu chuẩn bị không, nó có phải là dữ liệu hay không, mọi người gọi nó là gì?

Doanh nghiệp không biết họ cần gì và có toàn bộ lĩnh vực mới nổi này sẽ mở rộng ra nhiều lĩnh vực khác nhau. Nếu bạn nhìn vào mọi người bây giờ cần phải là một bậc thầy về dữ liệu, phân tích kinh doanh, quản lý dự án CNTT, chồng tôi đang quản lý một mạng lưới điện và một danh mục các dự án, anh ta cần có khả năng phân tích điều này. Không chỉ là tài chính và phân tích dữ liệu nữa, nó thực sự đã mở rộng hơn nhiều, sang các lĩnh vực khác trong tổ chức. Tôi nghĩ rằng tôi đã thấy một nghiên cứu về việc sử dụng bao nhiêu nguồn dữ liệu tiếp thị và nó quá sức. Một lần nữa, khi bạn nghĩ về nghiên cứu được thực hiện bởi Harvard Business Review, không chỉ là một nguồn dữ liệu mà mọi người phải kết hợp và hợp nhất với nhau và tìm hiểu sâu sắc, đó là nhiều nguồn dữ liệu và cần có kỹ năng để làm điều đó.

Khi bạn nhìn vào bức tranh lớn hơn ở đây, hầu hết các nhân viên mới sẽ ở trong bong bóng màu hồng này ở phía dưới, khi bạn nói về các nhà phân tích kinh doanh này với các nhà phân tích khai thác dữ liệu, các nhà quản lý nhân sự, khu vực này, chỉ là những vai trò thường xuyên trong dòng của doanh nghiệp sử dụng dữ liệu. Các vai trò phát triển nhanh nhất sẽ có ít việc làm hơn, nhưng chắc chắn những gì chúng ta nghe về nhiều nhất trên thị trường hiện nay, nhà khoa học dữ liệu và kỹ sư dữ liệu. Là một CDO, họ đang nhìn về phía trước và bạn đang lên kế hoạch cho tài năng, bạn cần tham gia vào một số tự động hóa của các nhiệm vụ thông thường và các loại kỹ năng sẽ mang tính chiến lược hơn, và một lần nữa, tăng giá trị cho tổ chức của bạn, cho cả hai những người trong phân tích kích hoạt mà còn cho khoa học dữ liệu và kỹ sư dữ liệu ở đó. Xem xét cách các vị trí chưa được đăng của bạn và thậm chí một số nền kinh tế tự do có thể thay đổi khi bạn nghĩ về điều đó để cạnh tranh cho thứ tốt nhất và sáng nhất.

Và, luôn luôn suy nghĩ về đường ống tài năng của bạn, giúp các ứng viên điều hướng thị trường hoặc tìm kiếm những thứ có thể hơi khác một chút và không chính xác những gì bạn muốn và tạo các khóa học phân tích nội bộ, có thể không thực sự nhanh nhất, nhanh nhất chiến lược hiệu quả chi phí để bạn theo kịp. Hãy xem xét việc xem xét những người được dành riêng để đào tạo về nhóm này hoặc các nhóm khác nhau và tôi tin rằng Alterx có một khóa học được đề xuất vào cuối phiên hôm nay như một lời kêu gọi hành động, rằng bạn có thể tận dụng một số điều này và giúp nhóm của bạn tận dụng một số tài nguyên hiện có đã có sẵn.

Nick Jewell: Hoàn toàn đúng. Có rất nhiều cách để lấp đầy khoảng trống tài năng mà không bị cuốn vào một cuộc chạy đua vũ trang. Vài slide trở lại, tôi không biết liệu bạn có thể lật một cặp ở đó không. Kaggle, trang web cạnh tranh khoa học dữ liệu, họ vừa công bố một cuộc khảo sát với 17.000 phản hồi xung quanh tình trạng khoa học dữ liệu và đã có một phản hồi thực sự thú vị từ cuộc khảo sát xung quanh các kỹ năng mà mọi người có, và phần lớn những người được hỏi không có bằng tiến sĩ, nó không còn là điều kiện tiên quyết nữa.

Ý tưởng mà các chuyên gia phân tích thế hệ tiếp theo, bong bóng lớn mà bạn vừa thể hiện, họ có thể có được kiến ​​thức họ cần từ các khóa học cấp độ nano. Họ có thể đến các trang web như Udacity và họ có thể triển khai kiến ​​thức này ngay lập tức, trực tiếp trong kinh doanh, chu kỳ giao hàng tập trung ngắn làm cho họ trở thành một nguồn tiến bộ cạnh tranh ngay lập tức cho các công ty của họ. Vì vậy, một cái gì đó để coi chừng, tôi nghĩ.

Jen Underwood: Không, tôi đồng ý. Ngay cả khi tôi nghĩ về nó, nó chắc chắn sẽ đi một chặng đường dài kể từ khi tôi tham gia chương trình hai năm tại UCSD. Điều này đã trở lại, tôi nghĩ, trong khung thời gian năm 2009, 2010 và thực sự có thể có một số ít ở quốc gia cho phép bạn làm điều đó. Hiện tại có nhiều lựa chọn hơn, cũng như các chương trình chuyên biệt, cho dù đó là thông qua các nhà cung cấp, rất nhiều tài nguyên hiện có với các vòng lặp và tất cả các tài nguyên trực tuyến khác nhau này, thật tuyệt vời, đó là thời gian. Dành thời gian và ngân sách đó và lên lịch trình để theo kịp. Bạn muốn học cái gì? Và sau đó đi theo con đường mà bạn muốn tìm hiểu.

Nói về việc xem xét vấn đề này và kết hợp kế hoạch kỹ năng của riêng bạn và từ triển vọng của CDO, đảm bảo rằng họ có những người trong các lĩnh vực được bảo vệ, từ những gì tôi sẽ nói về khung năng lực, nhìn vào các kỹ năng hoặc nhìn vào những thứ như kiến ​​thức về miền vẫn thực sự quan trọng, mặc dù các giải pháp này có thể tự đào tạo và tự học, nó thực sự là một chuyên gia về vấn đề kinh doanh sẽ hướng dẫn và đảm bảo rằng kết quả có ý nghĩa.

Luôn luôn có một cái gì đó và tôi muốn sử dụng ví dụ khi tôi đang làm phân tích quan trọng cho một công ty bảo hiểm và một trong những phát hiện rằng các thuật toán đã không thuê bất cứ ai từ New York. Chà, không, chúng tôi sẽ không thuê bất cứ ai từ New York - chúng tôi phải tìm hiểu tại sao thuật toán cung cấp cho chúng tôi thông tin này. Đó là bởi vì luật pháp, một trong những luật đã thay đổi và vì vậy chúng tôi đã có nhiều thay đổi trong phân khúc cụ thể đó. Một chuyên gia về vấn đề kinh doanh cần được đưa vào để giải mã điều đó, và tôi không thấy sự thay đổi đó, tôi không thấy cách hướng dẫn đó, đảm bảo rằng kết quả trông chính xác, có gì đó không ổn - vẫn còn, có một thứ được cho là trí tuệ của con người, vẻ đẹp của thứ đó kết hợp với sức mạnh của máy móc, thực sự là nơi chúng ta sẽ đến.

Các loại điều khác khi bạn nhìn vào các kỹ năng, trực quan hóa, kể một câu chuyện hiệu quả trong dữ liệu, kể một câu chuyện hiệu quả cho dù đó là đầu ra của máy học. Kết hợp lại và xem xét tác động của nó là gì, hiểu bản chất của con người trong việc ra quyết định, những loại điều đó rất quan trọng bất kể công nghệ. Quản trị là thực sự quan trọng, đạo đức ngày càng trở nên quan trọng. Có các nhà khoa học xã hội tham gia, hiểu và họ được đào tạo để xem xét nếu có sự thiên vị trong dữ liệu của bạn mà bạn thậm chí không nhận ra hoặc không có ai trong tổ chức có thể không nhận ra điều đó, thậm chí đưa họ vào chuyên gia, có những loại điều đó.

Và một lần nữa, tất nhiên là có cơ sở hạ tầng cho kỹ thuật và phần cứng và đảm bảo bạn có thể mở rộng quy mô và nó được phát triển và đảm bảo bạn đang sử dụng đúng nhà cung cấp đám mây, có thể bạn không bị khóa hoặc bạn có tùy chọn để di chuyển hoặc điều đó bạn hiểu giá cả của những thứ này sẽ khiến bạn phải trả giá bao nhiêu. Đó là những loại kỹ năng này và khi bạn xem xét điều này, chúng tôi sẽ gọi nó là các kỹ năng theo các lĩnh vực khác nhau, cho dù đó là những người ra quyết định dựa trên dữ liệu - nơi mà hầu hết các vai trò này sẽ - tất cả các kỹ sư dữ liệu và nhà khoa học dữ liệu sẽ được mát xa và làm việc trong các đại dương dữ liệu này. Đây là những loại điều bạn sẽ muốn kết hợp một khung cho.

Nhìn vào khung năng lực, bạn nhìn vào một tổ chức nói chung, bạn muốn xem xét năng lực, không chỉ là kỹ năng. Có một chút sắc thái trong từ ngữ khi bạn nhìn vào điều này. Một khung năng lực cho tổ chức của bạn là một tín hiệu rõ ràng. Các nhà hoạch định chính sách chiến tranh, các nhà cung cấp giáo dục, trong khi các kỹ năng sẽ được nói, được gõ theo R, bạn nghĩ về những loại điều đó, bạn có một lập trình viên có năng lực, nhưng bạn muốn có nhiều hơn những kỹ năng đó. Khi bạn hiểu về năng lực, những gì một người phải có khả năng và hiểu được khuôn khổ, đó là điều quan trọng, có một chút sắc thái ở đó.

Khi bạn đang xây dựng điều này, bạn muốn chẩn đoán những gì bạn sẽ gọi là năng lực có tác động tích cực đến doanh nghiệp và làm nổi bật những lĩnh vực tiềm năng cao đó, vì vậy bạn đang ưu tiên những năng lực mà bạn muốn nâng cao trong tổ chức của mình và sau đó sắp xếp lại chúng, với các mục tiêu kinh doanh. CDO chịu trách nhiệm tối đa hóa giá trị của dữ liệu, họ sẽ xem xét và CAO của họ, sẽ sử dụng phân tích để tối đa hóa giá trị của dữ liệu. Họ sẽ xem xét những năng lực đó và những lĩnh vực khác nhau, trên mạng lưới quá khứ mà tôi đã có, nhưng sau đó họ cũng sẽ xem xét tiềm năng cao của nhân viên. Bạn sẽ tham khảo chéo rằng với đội ngũ nhân viên của bạn cho dữ liệu và phân tích làm việc và đầu tư vào chúng, cung cấp cho họ cơ hội học tập và không chỉ đào tạo, về cơ bản là các cơ hội trong thế giới thực làm việc với các vấn đề kinh doanh thực sự.

Không có gì tốt hơn - mặc dù tôi đã đi học một vài năm, nhưng cho đến khi tôi đi và áp dụng một số thuật toán này hoặc học về gian lận kiểm tra, đã học về một số trong những điều tôi chưa từng nghĩ đến trước đây, và bạn bắt đầu kết hợp với nhau trong thế giới thực và đó là nơi bạn thực sự học hỏi. Cung cấp cho mọi người cơ hội để có được kinh nghiệm trong các lĩnh vực này. Các công ty có khả năng tốt nhất để xây dựng các khả năng mạnh mẽ, xác định một cách có hệ thống, đánh giá khách quan và xem xét đâu là lỗ hổng trong tổ chức của tôi để tìm hiểu và đưa ra một số số liệu cho mục tiêu cho mọi người, đó là những mục tiêu sẽ có thể giao hàng.

Khi bạn nghĩ về việc đào tạo người lớn, một lần nữa, thường thì đó là thời gian bị bỏ đói - tất cả chúng ta đều bị bỏ đói - nhưng nhìn vào những gì hiệu quả cho mỗi người. Cá nhân tôi có sách, vì vậy nếu bạn đến văn phòng của tôi hôm nay, bạn sẽ thấy hàng tấn sách, mặc dù rất nhiều người thích video. Vì vậy, đó là vấn đề tìm hiểu, làm thế nào một người trong tổ chức của bạn thích học - để thúc đẩy họ học - nhưng cũng cung cấp cho họ một chút thời gian để làm điều đó và mục tiêu của một số - điều gì đó hiệu quả để đạt được điều đó và thường là như vậy pha trộn, không chỉ là, hãy tham gia khóa học đó để kiểm tra đánh dấu trên thẻ điểm, vì nó sẽ hòa trộn với dự án mục tiêu thực sự và bạn đã học được gì từ dự án đó và bạn muốn làm gì tiếp theo? Cái gì là một căng? Kéo dài nhóm của bạn hoặc thúc đẩy nhóm của bạn để đưa nó đi xa hơn.

Những mục tiêu học tập đó, một lần nữa, nếu bạn đang làm điều đó, thực sự không nên, nó sẽ dễ dàng cho doanh nghiệp về cơ bản vì những mục tiêu đó phải phù hợp với lợi ích kinh doanh chiến lược. Đây là những dự án tuyệt vời. Chúng là những dự án thử nghiệm. Chúng là những dự án sẽ đưa kim về phía trước.

Nick, bạn có muốn thêm gì không? Tôi không chắc.

Nick Jewell: Không, tôi sẽ nhảy vào nghiên cứu trường hợp, nếu điều đó ổn, trên màn hình tiếp theo. Một chút chi tiết của một tổ chức cụ thể. Tôi đoán họ đã đưa rất nhiều điều bạn đang nói vào thực tế, vào thực tế. Công ty Ford Motor đã dựa vào phân tích dữ liệu trong nhiều thập kỷ, giống như nhiều công ty, nhưng họ đã làm như vậy trong túi của doanh nghiệp, với rất ít sự giám sát trên toàn bộ tập đoàn để đảm bảo sự thống nhất và phối hợp. Các vấn đề của họ có lẽ khá điển hình đối với một tổ chức có quy mô của họ, do đó chuyên môn phân tích bao gồm - như chúng tôi nói - trong túi, thực tiễn quản lý dữ liệu và quản trị không nhất quán, thậm chí đến mức một số đơn vị kinh doanh thiếu quyền truy cập vào chuyên môn phân tích cơ bản.

Một lần nữa, chúng ta đã nói về rất nhiều loại nguồn dữ liệu khác nhau, họ có hơn 4.600 nguồn dữ liệu. Điều đó có nghĩa là thậm chí bắt đầu cuộc hành trình và tìm kiếm dữ liệu mà họ cần là một trở ngại thực sự cho cái nhìn sâu sắc phân tích. Tôi thấy bạn đang cười, nhưng đó là một điều khủng khiếp, phải không?

Jen Underwood: 4.600, trời ơi, ừ.

Nick Jewell: Vì vậy, Ford đã thành lập đơn vị phân tích và hiểu biết toàn cầu và điều này được tập trung - bạn có thể gọi nó là một trung tâm xuất sắc - bao gồm nhóm các nhà khoa học và phân tích dữ liệu, được tổ chức để chia sẻ thực tiễn tốt nhất về phân tích và giúp truyền bá dữ liệu được tối ưu hóa làm dữ liệu trên toàn doanh nghiệp. Đơn vị đã chọn các công cụ tốt nhất trong lớp, không chỉ về khả năng mà còn về khả năng tích hợp tốt với nhau, vì vậy điều đó khá quan trọng. Trọng tâm của quá trình dân chủ hóa của họ thực sự xoay quanh các báo cáo và phân tích mô tả, trước khi chuyển lên kim tự tháp nhu cầu mà chúng ta đã nói đến.

Bây giờ, dân chủ hóa không chỉ khiến ai đó trở thành nhà khoa học dữ liệu chỉ sau một đêm; nhân viên cần biết khi nào và ở đâu để được giúp đỡ, và có đào tạo, quản trị, phương pháp có sẵn để giúp tất cả những điều này. Ngoài ra, nó không chỉ là về đào tạo công cụ, mà còn là đào tạo khoa học dữ liệu, để thu hẹp khoảng cách kỹ năng mà chúng tôi đã đề cập. Vì vậy, một trường hợp sử dụng trong thế giới thực tại Ford, tối ưu hóa mạng lưới hậu cần, vậy Ford có trả đúng số tiền để chuyển nguyên liệu từ điểm A sang điểm B không? Phân tích di sản của họ thực sự không làm nổi bật các cơ hội hành động; điều này làm cho họ rất phản động trên thị trường. Bây giờ, rất nhiều sự phức tạp cho quá trình đó đã bị khóa trong đầu các nhà phân tích và họ đã tạo ra một bước đột phá lớn khi quy trình tự phục vụ thực sự được lặp lại với doanh nghiệp, và các chuyên gia phân tích ngồi lại với nhau và được đặt cùng vị trí.

Điều này đã chuyển phân tích từ nhiều năm sang hàng quý, và thậm chí xuống gần thời gian thực, rất lớn, mang lại lợi ích to lớn cho doanh nghiệp. Tác động của phân tích tự phục vụ đến giá trị doanh nghiệp, Ford đã có thể nhanh chóng lên kế hoạch và thiết lập các chiến lược dựa trên dữ liệu toàn công ty, để đáp ứng các xu hướng mới nổi, giúp định hình các dịch vụ mới và về cơ bản chống lại các mối đe dọa từ đối thủ, mà không cần phải nhìn vào gương chiếu hậu đó.

Bây giờ, nếu chúng ta xem một chút về cách một khách hàng khác thực sự chuyển phân tích từ có thể là ưu tiên theo chiều dọc trong một bộ phận của công ty sang một dải ngang trên tất cả các bộ phận, chúng ta sẽ nói về Shell. Shell điều hành một trung tâm xuất sắc báo cáo cho giám đốc kỹ thuật số - vì vậy có một D khác cho vở kịch CxO của chúng tôi - chịu trách nhiệm về chuyển đổi kỹ thuật số và tính bền vững. Những người này, họ hiểu rằng môi trường của họ chứa một số lớp và ngăn xếp công nghệ, lưu trữ, xử lý dữ liệu và tất cả các công nghệ đặc trưng mà tất cả bạn sẽ quen thuộc. Những thứ như SAP HANA, Databricks, Spark và họ đã tận dụng đám mây công cộng để đạt được những nền kinh tế đúng đắn về quy mô.

Bây giờ, họ đã chọn Alterx làm trình bao bọc phân tích cho rất nhiều mã R của họ, cung cấp các công nghệ như Spotfire, Power BI và hơn thế nữa. Nhưng bây giờ họ thấy việc áp dụng buộc chặt chẽ hơn nhiều với xử lý dữ liệu và trực quan hóa. Jen, chỉ cần gọi lại cho slide của bạn tất cả những khả năng đó, loại điều này lan rộng khi chúng tôi bắt đầu cho phép nhiều nhà phân tích có quyền truy cập. Bạn biết đấy, họ đã rất thành công trong việc cung cấp khả năng này và COE, mong muốn cung cấp các khả năng trong tương lai ngay bây giờ, một số điều học hỏi sâu sắc mà chúng ta đã nói về - tầm nhìn máy móc, xử lý ngôn ngữ tự nhiên - và một nửa nhiệm vụ của họ là giao hàng, một nửa trong số đó là về việc giải thích và xúc tác cho những ý tưởng này trên khắp các đơn vị kinh doanh. Đó là một phần của cuộc hành trình; COE luôn tìm cách khác nhau để giao tiếp với đối tượng kinh doanh của họ.

Nếu tính đến một bên, những người hoài nghi nói rằng, thì ừ, hộp đen này sẽ không bao giờ tốt như nhà phân tích của tôi, đối với người hâm mộ hay người đam mê nhìn thấy mối tương quan ở khắp mọi nơi, có thể ít hơn trong cách quan hệ nhân quả, nhưng bạn cần cẩn thận ở cả hai phía. Đó là một nền tảng hấp dẫn, khi bạn có dải ngang này trên toàn bộ tổ chức, bộ kỹ năng lai đó cần thiết để thuyết phục cả hai mặt của quang phổ.

Nick Jewell: OK, Jen, bạn có ở đó không?

Jen Underwood: Tôi.

Nick Jewell: Tôi đoán những gì chúng tôi đang cố gắng nói ở đây với trích dẫn này của Clayton Christensen là đối với nhiều tổ chức, tôi đoán, thống nhất chương trình phân tích để thúc đẩy chuyển đổi kỹ thuật số mà chúng ta đang nói đến ngày hôm nay, sẽ diễn ra là một thách thức Thường xuyên hơn không, chúng tôi tìm thấy các nhóm phân tích bắt đầu với một bàn tay yếu. Cố gắng đổi mới với sự nắm giữ di sản của các quy trình phân tích, công nghệ, cấu trúc đội và giữ các di tích này sẽ là rào cản lớn nhất cho sự liên kết phân tích và đổi mới phân tích. Bạn có suy nghĩ gì về điều đó không, Jen?

Jen Underwood: Tôi thích hình ảnh được chọn. Vâng, chắc chắn có rất nhiều ý nghĩa với tôi. Bạn phải nắm lấy một số công nghệ mới này, ví dụ, phát trực tuyến trong thời gian thực. Bạn không nhất thiết sẽ có thể nhận được các kết quả theo thời gian thực đó nếu bạn phải làm mới JavaScript trên trình duyệt, với một di sản cũ - có thể là ứng dụng bảng điều khiển hoặc các loại điều đó. Vâng, bạn cần phải nắm lấy một số công cụ mới này, và một lần nữa, tôi nghĩ rằng bức tranh này thực sự dễ thương, một bức tranh nói lên hàng ngàn từ. Các xe đẩy và lỗi, bạn phải từ bỏ một số phương pháp công nghệ cũ.

Nick Jewell: Hoàn toàn đúng. Vì vậy, nếu chúng ta chuyển sang slide tiếp theo, chúng tôi nghĩ rằng có một cách tốt hơn. Tôi đoán trước hết, bằng cách sử dụng thứ gì đó giống với tìm kiếm giống như Google, để nhanh chóng tìm thấy tất cả các tài sản dữ liệu của bạn có liên quan nhất. Hiểu ngữ cảnh của họ, hiểu sự phụ thuộc, bao thanh toán trong những điều thực sự đơn giản như thuật ngữ kinh doanh do các chuyên gia trong cộng đồng của bạn tạo ra, được duy trì bởi tất cả những kiến ​​thức bộ lạc về những người đứng đầu đồng nghiệp của bạn.

Nhận thông minh với khám phá dữ liệu. Hãy suy nghĩ về khả năng tổ chức các cuộc trò chuyện với chủ sở hữu báo cáo và các chuyên gia. Tải lên, làm một chút về Trip Advisor hoặc Yelp, tải lên các tài sản hữu ích nhất, xác nhận những tài sản mà tổ chức cho là có giá trị nhất và sau đó tất cả những điều này phản hồi lại kết quả tìm kiếm và cuối cùng là xếp hạng tìm kiếm, giúp nó tốt hơn người dùng tiếp theo Khi bạn tìm thấy những gì bạn đang tìm kiếm, chuyển sang giai đoạn phân tích, chuẩn bị và phân tích nhanh chóng, không có mã, thân thiện với người dùng để phát triển bộ dữ liệu hoàn hảo của bạn, từ đó xuất bản các quy trình lặp lại.

Quay lại cuộc trò chuyện tự động hóa của chúng tôi, xây dựng các ứng dụng thân thiện với người dùng. Bất cứ điều gì là cần thiết để xây dựng các mô hình phân tích. Nói về các mô hình, chúng tôi đã hỗ trợ các công nghệ nguồn mở như R trong một số năm, cho phép chúng tôi xây dựng một khả năng phân tích thực sự tiên tiến bao gồm các phân tích mô tả, nhưng cũng có thể dự đoán, theo cách đơn giản, kéo và cách thả

Bây giờ, ở phía bên tay phải, thực sự hiểu rõ hơn về trực quan hóa tương tác, mô hình và ghi điểm được đẩy xuống bên trong các nền tảng dữ liệu, hoặc gần đây nhất, làm cho cái nhìn sâu sắc đó có sẵn ngay lập tức và trực tiếp trong một quy trình kinh doanh. Tôi nghĩ rằng phạm vi khả năng này trên toàn bộ nền tảng cho phép chúng tôi được công nhận là người chiến thắng Giải thưởng Vàng trong Cuộc khảo sát lựa chọn khách hàng của Gartner Peer Insights năm nay, đó là một thành tựu tuyệt vời. Tôi thực sự khuyên bạn nên truy cập trang Gartner để tìm hiểu thêm và thêm phiếu bầu của riêng bạn và thêm bình luận của riêng bạn.

Thật tuyệt, vì vậy, Jen, nếu chúng ta bỏ qua một slide nữa - tôi đoán khi chúng ta kết luận, tôi muốn cung cấp cho bạn một số bước tiếp theo. Trước hết, vui lòng truy cập Alteryx.com để tải xuống bản sao miễn phí của bản tóm tắt nghiên cứu gần đây nhất của chúng tôi, được thực hiện phối hợp với Viện phân tích quốc tế (IIA), xung quanh phá vỡ các trở ngại phân tích. Bạn cũng có thể truy cập udacity.com/alteryx để tìm hiểu thêm về cách kích hoạt các nhóm của mình, thực hiện bước tiếp theo trong hành trình của họ, với mức độ nano phân tích nâng cao đó và cuối cùng là tự mình trải nghiệm Alterx. Truy cập trang chủ, tải về một đánh giá đầy đủ tính năng và nhận được trên tàu với sự hồi hộp của việc giải quyết.

Jen, qua cho bạn. Chúng tôi có thể có một số thời gian cho một số câu hỏi và trả lời.

Eric Kavanagh: Tôi sẽ chỉ kêu vang rất nhanh. Chúng tôi có một vài câu hỏi. Tôi đoán là tôi sẽ gửi cho bạn trước, Nick, và sau đó là Jen, nếu bạn muốn bình luận về nó, nhưng chắc chắn nó có nhiều khả năng áp dụng hơn đối với EU và đó là GDPR khét tiếng, Quy định bảo vệ dữ liệu toàn cầu. Điều đó ảnh hưởng đến Alterx và lộ trình của bạn như thế nào và các bạn đang tập trung vào điều gì?

Nick Jewell: Tôi đoán nó rất giống một boogieman, tôi đoán, đó là ở ngoài đó ngay bây giờ. Rất nhiều người nói về nó, rất nhiều người khá lo lắng, nhưng đó thực sự chỉ là lần đầu tiên trong một loạt các quy định dài sẽ đi vào thế giới dữ liệu và phân tích. Thực sự, theo quan điểm của chúng tôi, đó là về sự hiểu biết và phân loại dữ liệu của bạn. Đảm bảo là một CxO, với bất kỳ hương vị cụ thể nào, bạn biết tài sản của mình ở đâu, bạn biết bối cảnh của chúng và bạn biết bạn có thể tin tưởng chúng như bước đầu tiên để thực sự chỉ quản lý và quản lý dữ liệu trong bối cảnh rộng hơn.

Eric Kavanagh: Tôi đoán tôi sẽ gửi một câu hỏi khác cho bạn trước khi chúng tôi đưa Jen trở lại, Nick, và đó là dữ liệu đào tạo, nếu ai đó yêu cầu xóa dữ liệu của họ khỏi doanh nghiệp của bạn, đó không chỉ là tên của họ, địa chỉ và vv, không chỉ thông tin liên lạc của họ, mà còn, nếu một thuật toán sử dụng dữ liệu đào tạo bao gồm dữ liệu của bạn, bạn có nghĩa vụ phải đào tạo lại thuật toán, điều đó có đúng không?

Nick Jewell: Nó đặc biệt phức tạp. Tôi nghĩ rằng ý tưởng không chỉ là cơ sở dữ liệu như là một nguồn của một số thông tin nhận dạng cá nhân này, mà còn là các quy trình công việc phân tích, các ứng dụng, trực quan hóa. Dữ liệu này có ở mọi nơi với một tổ chức, do đó có bối cảnh đó: hoàn toàn quan trọng.

Eric Kavanagh: Và Jen, bạn nghĩ gì? Rõ ràng, đó không phải là một thỏa thuận lớn ở Mỹ và chúng ta không thấy có quá nhiều công ty băn khoăn về vấn đề này, mặc dù về mặt kỹ thuật nó được áp dụng ở đây. Nếu một công ty Mỹ có dữ liệu của một công dân EU, bạn nghĩ gì về tầm quan trọng của GDPR và mức độ lớn của nó?

Jen Underwood: Chà, tôi chắc chắn nghĩ rằng nó đòi hỏi phải xử lý dữ liệu có trách nhiệm. Tôi đã viết về điều này một vài lần và có một số hướng dẫn về một số trong những điều này. Tôi nghĩ rằng câu hỏi mà bạn hỏi về thuật toán là thú vị. Chắc chắn, một số giải pháp mà tôi đang xem ngày hôm nay, một số nhóm sản phẩm của họ đã thiết kế các tính năng để bạn có thể thấy cách họ đưa ra quyết định và dữ liệu cá nhân nào được sử dụng để quyết định kết quả của thuật toán đó. Chúng tôi đang thấy một số tác động trong các thiết kế sản phẩm ở đây tại Hoa Kỳ.

Rất nhiều công ty công nghệ có văn phòng rất lớn ở đây và các nhóm phát triển ở Hoa Kỳ cũng như trên toàn thế giới, vì vậy chúng tôi đang thấy điều đó về sự phát triển sản phẩm. Tôi đang thấy nhiều danh mục dữ liệu đang được đầu tư vào. Nhiều sáng kiến ​​của chính phủ được đưa ra để mọi người hiểu và họ hiểu tất cả dữ liệu đó đang ở đâu trong hỗn loạn. Cố gắng để có được vòng tay của họ ít nhất là tổ chức nó, có thể tìm thấy nó và làm một cái gì đó với nó.

Eric Kavanagh: Tôi sẽ đẩy slide này mà chúng ta đã nói trước đó và ném nó cho bạn, Nick. Tôi nghĩ rằng đây là một slide tuyệt vời bởi vì, đối với tôi, nó thực sự nói lên tính trực tiếp của nhu cầu phân tích. Bạn nghĩ gì về sự thay đổi năng động này? Ý tôi là, điểm mấu chốt là các công ty phải nhanh nhẹn và tôi thấy phân tích là dẫn đầu khoản phí đó. Bạn nghĩ sao?

Nick Jewell: Điều này thật hấp dẫn. Tôi nghĩ rằng luôn luôn có - các công ty và công nghệ luôn tồn tại ở ba tiểu bang, vì vậy nó sẽ là chiến tranh, hòa bình hoặc kỳ diệu. Cuộc chiến sẽ diễn ra ở mức độ cạnh tranh nặng nề đó. Wonder là tất cả những thứ mới tuyệt vời mà bạn xây dựng trên nền tảng. Sau đó hòa bình trước khi cạnh tranh và chiến tranh lại bắt đầu. Tôi nghĩ luôn có trận chiến này diễn ra.

Trước cuộc gọi ngày hôm nay, chúng tôi đã nói về một số hội nghị và ghi chú quan trọng khác đang diễn ra trên khắp thế giới ngày nay. Một số nhà cung cấp điện toán đám mây lớn, họ đã đạt đến điểm họ đã xây dựng nền tảng này và bây giờ họ đang xây dựng những điều mới tuyệt vời trên đỉnh của nó. Các công ty phải theo dõi chặt chẽ về vấn đề này và đảm bảo rằng họ sẽ làm điều gì đó có một nền tảng mạch lạc sẽ mang lại giá trị đó cho tương lai. Họ sẽ là những người sẽ sống sót sau sự gián đoạn này.

Eric Kavanagh: Vâng, đó là một điểm tốt, và bạn biết đấy, Jen, bạn đã nhận xét trước đó, trên thực tế trước buổi trình diễn, về chiến lược đám mây và rất nhiều người bạn biết trong ngành đang nói rằng các công ty lớn, thậm chí cả ngân hàng, tất cả bây giờ có một chiến lược đám mây. Tôi đã rất ngạc nhiên về việc phải mất bao lâu để điều đó trở thành hiện thực và tôi đoán có lẽ một vài người trong số họ đã đến Hội nghị Tái tạo AWS và nhận ra rằng nó đã lớn đến mức nào và rút ra kết luận rằng thời gian đã đến. Bạn nghĩ gì về nhận thức của các nhà điều hành doanh nghiệp lớn về việc nhập khẩu đám mây và cách điều đó thay đổi kế hoạch của họ?

Jen Underwood: Khi tôi nghĩ về thế giới dữ liệu quy mô lớn này, có thể quản lý nó, tôi nghĩ ở một số cấp độ có một sự an tâm khi có một trong những công ty rất lớn chịu trách nhiệm về một số khía cạnh bảo mật, vì vậy có Một chút yên tâm đấy. Bạn biết có một số quy mô hạn chế với đám mây.

Một điều nữa là, và tôi đã thấy nó, tôi đã ở trong một nhóm phát triển lại một sản phẩm trên đám mây và nó chắc chắn là một sản phẩm kém và không ai chú ý đến nó, và trong vòng hai năm, vì phát hành hàng tuần và thậm chí, Tôi có thể nói, nó gần đến mức phát hành hàng ngày trên đám mây. Tôi biết rằng Amazon nói rằng họ phát hành nhiều lần mỗi ngày. Khi bạn có mối đe dọa đó, khi các đối thủ của bạn có thể phát hành và cải thiện hàng ngày, bất kể họ đang làm gì, ít nhất là trong ngành công nghiệp phần mềm - và mọi người thực sự trong ngành công nghiệp phần mềm khi bạn bắt đầu xem xét chuyển đổi kỹ thuật số - đó là một thứ hoàn toàn khác ballgame và bất cứ ai cũng có thể quay lên một đám mây và quy mô và trở nên lớn.

Một lần nữa, đó sẽ là dữ liệu mà họ tận dụng sẽ tạo ra sự khác biệt và trí thông minh trong thuật toán của họ, và đó là lý do tại sao mọi người đang nói về dữ liệu là dầu mới hoặc dữ liệu là vàng. Khi tôi nhìn vào đám mây, đó là công cụ thay đổi trò chơi, nó thực sự cho phép phát triển và mở rộng rất, rất nhanh. Ngạc nhiên.

Eric Kavanagh: Tôi sẽ đưa bạn trở lại, Nick, cho một câu hỏi khác - chúng ta sẽ đi một phút nữa ở đây nếu chúng ta có thể có được một số câu hỏi này, nhưng, khi tôi nhớ lại, năm và sáu và thậm chí bảy Cách đây nhiều năm, Alteryx thực sự là một nhà cải tiến trong việc tận dụng dữ liệu của bên thứ ba - vì vậy, đưa dữ liệu từ các nguồn như Experian, ví dụ, hoặc dữ liệu không gian địa lý. Tôi nghĩ đó có lẽ là một lợi thế chiến lược bởi vì thứ đó có trong DNA ở Alterx, phải không? Khi các công ty tiến tới đám mây, tôi nghĩ các bạn có nhiều kinh nghiệm trong việc có thể kết nối những thế giới đó. Thế giới của dữ liệu bên thứ ba và dữ liệu dựa trên đám mây, bạn nghĩ gì?

Nick Jewell: Vâng, hoàn toàn. Kết nối tối thượng sẽ là một trò chơi quyền lực như vậy đối với bất kỳ công ty nào sẽ làm việc trong môi trường dựa trên đám mây này. Nhưng tôi sẽ nói, khi chúng ta nói về một cái gì đó như kinh tế học, ý tưởng rằng thông tin và dữ liệu nên được coi là một tài sản trong công ty của bạn. Hầu hết giá trị mà bạn sẽ mang lại là lấy các nguồn dữ liệu ngoài, pha trộn chúng và làm phong phú chúng với các nguồn bên trong của bạn, để tạo và kiếm tiền từ nhiều giá trị hơn trong quy trình. Nó hoàn toàn quan trọng để làm việc với dữ liệu bên trong và bên ngoài như nhau.

Eric Kavanagh: Vâng, đó là một điểm tốt. Tôi nghĩ rằng toàn bộ thế giới của đám mây lai đang ở đây. Jen, có lẽ tôi sẽ gửi nó cho bạn để nhận xét. Đối với tôi, có quan điểm chiến lược và có thể thống nhất như thuật ngữ mới đang mô tả dữ liệu trên các nguồn, đó sẽ là một yếu tố thành công quan trọng trong tương lai, phải không?

Jen Underwood: Không, hoàn toàn, và thật buồn cười, tôi đã nghe thấy con lai, con lai này. Bạn đã nghe về điều này và bốn năm trước bạn nghĩ về Hadoop, Hadoop và dữ liệu lớn và sau đó bạn bắt đầu nghe hybrid, hybrid, vì vậy chắc chắn là ở đó, chúng tôi không nhất thiết, đây là năm học máy, không có gì. Ý tôi là, trí tuệ nhân tạo, học máy đã phát triển trong năm nay, nhưng để thực sự hoạt động trong một tổ chức ngày nay đang trên đường tới đám mây hoặc phải xử lý tất cả các nguồn dữ liệu đám mây khác nhau này, có thể là Salesforce hoặc Ngày làm việc, tất cả các loại nguồn khác nhau sống trong đám mây, cách duy nhất bạn có thể xử lý nó là kết hợp. Bạn không thể sao chép dữ liệu ở mọi nơi, vì vậy bạn cần có khả năng kết nối trực tiếp và bạn cần tìm cách làm việc với dữ liệu ở mọi nơi, tìm dữ liệu ở mọi nơi, vì đó là thực tế của việc chúng ta ở bên phải hiện nay.

Eric Kavanagh: Tôi nghĩ tôi sẽ cảm thấy hối hận nếu tôi không mang máy học trở lại cuộc trò chuyện, vì vậy, Nick, tôi sẽ ném nó cho bạn. Tôi biết rằng bây giờ mọi người đang tập trung vào điều đó - bạn có thể nói về nơi bạn thấy máy học phù hợp với phân tích và với loại hệ thống mà chúng tôi sử dụng để hiểu doanh nghiệp và dữ liệu của chúng tôi không?

Nick Jewell: Vâng, chắc chắn rồi. Vì vậy, rất ngắn gọn, sau đó, hãy nhanh chóng quay trở lại khoảng cách kỹ năng của chúng tôi. Ý tưởng rằng chúng tôi có các tổ chức hoàn toàn đầy ắp người dùng Excel. Chúng tôi đã có các nhà khoa học dữ liệu đi qua, nhưng không tăng trưởng với tốc độ tương tự. Có một khoảng cách lớn giữa hai người. Hãy suy nghĩ về nơi học máy ngày nay. Chúng ta có bao nhiêu thuật toán trên điện thoại hoặc đồng hồ kết hợp các kỹ thuật học máy? Đó là một mặt hàng, nó ở khắp mọi nơi. Chúng tôi cần kích hoạt những người dùng quyền lực này theo cách đơn giản nhất có thể để đảm bảo máy được áp dụng thành công trên toàn doanh nghiệp.

Eric Kavanagh: Có lẽ tôi sẽ ném một cái cuối cùng cho bạn. Chúng tôi có một vài câu hỏi đến muộn, ở đây. Jen, tôi sẽ hỏi bạn cái này Một người tham dự đang bình luận về toàn bộ khái niệm học tập không giám sát này và thực tế là bạn cần dữ liệu đào tạo để thực hiện công việc đó và thông thường dữ liệu đào tạo cần phải cụ thể cho công ty. Mặc dù trong các ngành công nghiệp có rất nhiều mối tương quan, có rất nhiều cách mà các tổ chức tương tự nhau. Tuy nhiên, mỗi công ty là duy nhất, cho dù đó là mô hình kinh doanh hay cách tiếp cận tiếp thị hoặc bán hàng, hoặc bất kỳ trường hợp nào có thể, phát triển sản phẩm.

Câu hỏi trở thành, liệu các thuật toán này có thể sử dụng dữ liệu của bên thứ ba để đào tạo không? Dường như với tôi, bạn sẽ luôn cần sử dụng dữ liệu của riêng mình để huấn luyện các thuật toán này, ngay cả khi thời gian chu kỳ đó sụp đổ từ sáu tháng - điều này đã xảy ra trong một số trường hợp - xuống tới 40 ngày hoặc 20 ngày, bất kể trường hợp có thể. Bạn thực sự phải sử dụng dữ liệu của riêng bạn và bạn phải chắc chắn rằng dữ liệu đó khá sạch sẽ, phải không?

Jen Underwood: Nó thực sự là một sự pha trộn. Bạn sẽ muốn có bối cảnh bên ngoài. Trên thực tế, tôi đã đặt trước ngày hôm nay để quay lại và hội thảo trên web tiếp theo của tôi đang nói về việc chuẩn bị và làm sạch dữ liệu, trớ trêu thay cho việc học máy. Điều thực sự quan trọng là bạn đang kết hợp bối cảnh bên ngoài với tổ chức của mình và tôi thích rằng bạn đã hỏi về việc chuẩn bị và làm sạch dữ liệu, bởi vì thành thật mà nói, một số công cụ đang trở nên rất, rất tốt - chúng có thể xử lý một số khía cạnh của nó, nhưng tâm trí con người, hoặc có thể giải mã vấn đề và xem xét và đảm bảo rằng họ không bỏ sót - nói rằng chúng ta có một số sai lệch. Cách bạn nhìn nhận vấn đề và cách bạn chọn để thiết kế vấn đề mà bạn đang tự động hóa hoặc quyết định mà bạn đang tự động hóa, có một nghệ thuật cho điều đó và đảm bảo rằng nó phản ánh chính xác quy trình kinh doanh đó.

Quay trở lại ví dụ của tôi với công ty bảo hiểm, khi chúng tôi đang làm người mẫu và thuê ai để trải qua khóa đào tạo được tài trợ này để bán bảo hiểm; trong mô hình chính nó không phải là môi trường pháp lý, luật khác nhau cho các quốc gia khác nhau. Luôn luôn có một số khía cạnh, trong đó bạn sẽ phải có dữ liệu bên ngoài đó với dữ liệu nội bộ của bạn và, một lần nữa, tâm trí con người. Sẽ có những thành phần khác nhau ở đó.

Eric Kavanagh: Tôi nghĩ rằng bạn đã đưa ra một điểm thực sự tốt ở đây. Chúng tôi tiếp tục nghe về robot và máy móc và học máy tiếp quản. Đối với tôi, đây là một xu hướng rất đột phá - không còn nghi ngờ gì nữa - nhưng tôi chưa bao giờ thấy sự cần thiết của con người trong hỗn hợp sẽ biến mất, đặc biệt là với các phân tích về dữ liệu, trên dữ liệu doanh nghiệp.

Nick, một câu hỏi cuối cùng cho bạn. Đối với tôi, cho dù thuật toán có tốt đến đâu, bạn sẽ luôn cần mọi người theo dõi những gì đang xảy ra, tự tiêm vào thời điểm được chỉ định và thực sự tổng hợp bức tranh lớn về những gì ngoài kia. Tôi không nghĩ rằng bất kỳ thuật toán nào sẽ có thể tổng hợp được bức tranh lớn cho một công ty Fortune 2000, nhưng bạn nghĩ sao?

Nick Jewell: Chà, hãy lấy một ví dụ hoàn toàn không phải là Alterx, hãy nói về Uber từ năm ngoái. Uber, trong sự kiện khủng bố ở Úc, những người cố gắng chạy trốn khỏi khu vực, họ đột nhiên đưa ra giá tăng vọt, vì đó là những gì thuật toán nói, gây ra thiệt hại lớn về mặt uy tín. Ngay sau đó, họ đã triển khai con người và các thuật toán làm việc cùng nhau. Bất cứ khi nào điều này sắp xảy ra, một con người phải có sự giám sát của quá trình. Sự hợp tác của con người và thuật toán, đó là con đường phía trước.

Eric Kavanagh: Wow, đó là một ví dụ tuyệt vời, cảm ơn bạn rất nhiều. Chà, mọi người, chúng ta đã đốt cháy hơn một giờ ở đây trên webcast của mình. Rất lớn nhờ Jen Underwood của Impact Analytics. Tất nhiên là rất cảm ơn Nick Jewell và Nhóm Alterx vì đã dành thời gian và sự chú ý của họ và cho tất cả các bạn vì đã dành thời gian và sự chú ý của bạn. Chúng tôi đánh giá cao những câu hỏi tuyệt vời. Chúng tôi lưu trữ tất cả các webcast này để xem sau, hãy chia sẻ chúng với bạn bè và đồng nghiệp của bạn. Cùng với đó, chúng tôi sẽ chào tạm biệt bạn. Webcast tuyệt vời ngày hôm nay. Cảm ơn bạn rất nhiều lần nữa, chúng tôi sẽ bắt kịp với bạn vào lần tới, thưa các bạn. Bảo trọng. Tạm biệt.