Por el personal de Techopedia, 29 de noviembre de 2017
Para llevar: El presentador Eric Kavanagh habla sobre datos y análisis, así como los roles de director de datos (CDO) y director de análisis (CAO) con Jen Underwood de Impact Analytix y Nick Jewell de Alteryx.
Eric Kavanagh: Damas y caballeros, hola y bienvenidos nuevamente a una edición muy especial de Hot Technologies. Amigos, este es Eric Kavanagh, seré su anfitrión para el programa de hoy, "The CxO Playbook: The Future of Data and Analytics". Sí, debo decir que es un tema bastante importante. De hecho, hoy tenemos una multitud de récords. Tuvimos más de 540 personas registradas para la transmisión por Internet esta mañana. Lo estamos haciendo en un momento especial, como muchos de ustedes saben para nuestros shows regulares, generalmente lo hacemos a las 4:00 del este, pero queríamos acomodar a los invitados muy especiales que llaman desde el otro lado del estanque. Permítanme sumergirme en la presentación de hoy.
Así que este año es caluroso, ha sido un año muy tumultuoso en muchos sentidos, creo que la nube tiene mucho que ver con eso. La confluencia de tecnologías que estamos presenciando en el mercado es el principal impulsor, y por supuesto estoy tomando SMAC como lo llaman. Estamos hablando de SMAC: social, móvil, análisis, nube, y todo eso se une. Las organizaciones realmente pueden cambiar la forma en que hacen negocios. Hay más canales para ejecutar sus operaciones comerciales, hay más datos para analizar. Es un mundo realmente salvaje y vamos a hablar hoy sobre cómo están cambiando las cosas en la suite C, por lo que los directores ejecutivos, las principales personas en estas organizaciones, bueno, todo el mundo está cambiando en este momento y estamos voy a hablar de eso
Ahí está el tuyo en la cima. Tenemos a Jen Underwood de Impact Analytix y Nick Jewell, el evangelista líder en tecnología de Alteryx en la línea de hoy. Es algo muy emocionante. Anoche se me ocurrió este concepto, amigos, y creo que es realmente interesante. Por supuesto, todos conocemos sillas musicales, el juego para niños donde tienes todas estas sillas en círculo, comienzas la música, todos comienzan a caminar y una silla se retira; cuando la música se detiene, todos tienen que luchar para conseguir una silla, mientras que una persona pierde en su silla en esa situación. Es algo muy extraño y convincente que está sucediendo en este momento en la suite C, y si te das cuenta en esta imagen aquí, tienes dos sillas vacías en la parte posterior. Por lo general, una silla desaparece en las sillas musicales, y lo que estamos viendo en estos días es que hay dos sillas más en el nivel C: la CAO y la CDO, director de análisis y director de datos.
Ambos están despegando. Francamente, el jefe de datos realmente está despegando como un incendio forestal en estos días, pero ¿qué significa eso? Significa algo muy significativo. Significa que el poder de los datos y el análisis es tan significativo que las salas de juntas, o salas ejecutivas, debería decir, las suites C están cambiando: están agregando personas a la suite C, ejecutivos completamente nuevos están llenando algunos de estos nuevos asientos. Si piensa en lo difícil que es cambiar la cultura de una organización, bueno, es un trato bastante serio. La cultura es algo muy difícil de cambiar y, por lo general, se fomenta un cambio positivo mediante una buena gestión y buenas ideas y ese tipo de cosas. Si piensa en la oportunidad que tenemos en este momento, al agregar nuevos ejecutivos en la suite C para análisis y datos, eso es realmente un gran problema. Habla de la oportunidad para que las organizaciones cambien su trayectoria, y seamos sinceros, las grandes y viejas compañías realmente necesitan cambiar debido a cómo está cambiando el mercado.
Por lo general, doy ejemplos de Uber, por ejemplo, o Airbnb como organizaciones que han alterado fundamentalmente industrias enteras, y eso está sucediendo en todas partes. De lo que hablaremos hoy es de cómo su organización puede adaptarse, cómo pueden utilizar esta información, esta información, para cambiar su trayectoria comercial y tener éxito en la economía de la información.
Con eso, le entregaré las llaves de WebEx a Jen Underwood, y luego Nick Jewell también intervendrá; está llamando desde el Reino Unido. Gracias a los dos, y a Jen, con eso, te lo voy a entregar. Llevatelo.
Jen Underwood: Gracias Eric, suena genial. Buenos días a todos. Hoy vamos a hablar sobre este libro de jugadas de CxO; es el futuro de los datos y la analítica y voy a sumergirme en eso. Eric ya hizo un buen trabajo al hablar sobre por qué esto es tan importante. Nuestros oradores de hoy, nuevamente, han visto otra diapositiva con esta información, pero nos tendremos a mí y a Nick Jewell conversando con ustedes de manera muy interactiva en esta sesión de hoy. Vamos a abrir con la descripción de cuáles son estos roles y los tipos de cosas que están en una misión para hacer. Vamos a ver la industria analítica, las perspectivas en general y algunos de los desafíos que estas personas enfrentarán. La dinámica dentro de las organizaciones hoy, mientras se prepara para el futuro, y luego vamos a hablar sobre los próximos pasos y le daremos orientación para la planificación, si va a explorar algunos de estos roles en su organización.
Hablando de este CxO, la CAO, por ejemplo, es el director de análisis, es un título de trabajo para los gerentes superiores que son responsables del análisis de datos dentro de la organización. La CAO generalmente informará a un CEO y esa posición emergente será fundamental cuando piense en la masa de transformación y su transformación digital que estamos teniendo en este momento en la forma en que las empresas toman y toman sus decisiones comerciales.
Si piensa que la transformación digital y la inteligencia son ese núcleo de la transformación digital, esta CAO es un papel muy estratégico dentro de una organización. No solo devuelven una sólida ciencia de datos a las percepciones reales y ese conocimiento, sino que también poseen el ROI y el impacto resultantes, entonces, ¿en qué se miden? Cómo están aportando ese ROI con los datos que tienen y algunos de los números finales de una organización para aprovechar los datos estratégicamente. Esa posición, junto con el CIO, el director de información, ha adquirido importancia debido al aumento de la tecnología y la transformación digital y el valor de los datos.
Durante años, los datos son oro en este mundo en particular con monetización e inteligencia y transformando esta información. Para poder tomar estas acciones proactivas y no solo siempre mirar hacia atrás, per se. Las dos posiciones son similares en que ambas tratan la información, pero el CIO, per se, se enfocará en la infraestructura donde una CAO se enfoca en la infraestructura necesaria para el análisis de la información. La posición similar es el CDO y usted escucha mucho más, probablemente escuchamos un poco más sobre CDO que sobre CAO hoy. El CDO se centra más en el procesamiento de datos y el mantenimiento y los procesos de gobernanza a lo largo de todo el ciclo de vida de la gestión de datos.
Estas personas también serán responsables de monetizar los datos y obtener valor de los datos y trabajar a lo largo de la madurez de los ciclos de vida de gobernanza y seguridad, en todo el período, diría, del ciclo de vida. Estas son personas que estarían muy en sintonía, per se, o responsables de garantizar el GDPR, y hablaremos en un momento, de la Ley Europea de Protección de Datos, asegurándose de que ese tipo de cosas estén cubiertas en sus organizaciones. Ahora, estamos obteniendo la estructura y el futuro para roles disruptivos dinámicos intensivos en datos. Estos son los tipos de cosas de las que el CDO será responsable y no solo ellos mismos: construirán un equipo interfuncional, y tengo algunos ejemplos de algunas de las personas que se convertirían en, per se, en un estructura organizativa, de arquitectos y personas de gobierno, e incluso los analistas y los científicos e ingenieros de datos en una organización pueden acumularse a ellos.
Avanzando hacia las perspectivas de la industria para el análisis, este ha sido un viaje fenomenal, probablemente de diez años, incluso más, en esta industria en particular. Ha estado en constante crecimiento, muy emocionante, incluso durante el colapso del mercado hace años todavía tenía una gran demanda. Simplemente ha sido un lugar maravilloso y si observa la agenda de CIO de Gartner en 2017, BI y análisis todavía se encuentran dentro de los tres primeros rankings de lo que es más importante para una organización, y observando el crecimiento de los mercados de software, estamos constantemente viendo crecimiento allí. Durante el tiempo que he estado en este espacio, siempre ha sido una carrera realmente brillante.
Cuando observamos esta era digital y la transformación, lo que es muy, muy interesante para mí, son estos procesos que tenemos, y a menudo es obtener información y tomar medidas de los procesos o durante los procesos comerciales. Ahora, Gartner ha estimado para 2020, la información que ha utilizado será reinventada, digitalizada o incluso eliminada. El ochenta por ciento de los procesos y productos comerciales que teníamos desde hace diez años, y estamos empezando a ver eso, ¿verdad? Estamos empezando a ver que, con los versos de Amazon, tal vez algunas de las grandes tiendas, los Ubers, los Airbnbs, estos modelos digitales están interrumpiendo el proceso y ahora la gente está interactuando. Incluso el Viernes Negro, no sé cuántas personas realmente fueron a una tienda, mucha gente está comprando en línea, y ¿cómo llegar a ese cliente? Se necesita inteligencia para hacer eso. Se necesita una forma muy diferente de interactuar y personalizar el mensaje y tener esa inteligencia para presentarles la oferta correcta en el momento adecuado, y ahora tal vez sea con solo hacer clic en un botón. Para ellos es muy fácil abandonar su tienda en línea. Las cosas realmente están cambiando en este mundo, y creo que Nick también quería hablar sobre esto.
Nick Jewell: Sí, hola a todos, muchas gracias. Me disculparé de antemano si hay un ligero retraso en el audio que llega desde Londres, haré todo lo posible para no hablar sobre ti, Jen.
Tiene toda la razón, esa eliminación del desperdicio, esa reinvención como parte de la transformación digital, a menudo se produce cuando las organizaciones se mueven de productos a medida, tal vez aplicaciones desconectadas y plataformas más abiertas y conectadas. Cuando su proceso es digital, será mucho más fácil ver el viaje de extremo a extremo de sus datos. Realmente refine los pasos que toma, utilizando datos para optimizar ese proceso.
Avancemos una diapositiva, si podemos. Cuando se trata de la transformación digital, lo que significa para las organizaciones, supongo que es emocionante o intimidante, dependiendo de qué lado del espectro se encuentre. Eche un vistazo a la tabla aquí, que muestra la vida útil de las empresas y cómo las influencias disruptivas afectan la fortuna de una organización. Si comenzó una empresa en la década de 1920, tiene casi 70 años en promedio, antes de que otra empresa lo interrumpiera. Una vida bastante fácil para los estándares actuales, porque hoy en día, una empresa apenas tiene 15 años hasta que la interrupción amenaza su existencia. Se pronostica que alrededor del 40 por ciento de las compañías actuales de Fortune 500, por lo que en el S&P 500, ya no existirán dentro de 10 años. Para 2027, el 75 por ciento del S&P 500 será reemplazado, por lo que la vida media que enfrentan las organizaciones hoy, antes de tener que preocuparse por la interrupción, realmente se está reduciendo. Las empresas exitosas necesitan adelantarse a esa carrera de innovación digital.
Hoy, nadie realmente cuestiona la analítica. Es la pieza central, esa transformación del negocio digital. De hecho, las organizaciones están colocando la innovación digital al frente de su estrategia. Esas compañías son las cinco compañías más valiosas del mundo, y representan dos billones de dólares en valor de mercado, Jen.
Jen Underwood: Sí, es increíble, realmente lo es. Realmente está cambiando y rápido. La otra dinámica que tenemos y hemos estado hablando de esto, ahora creo que finalmente lo estamos viendo y las organizaciones están sintiendo este crecimiento exponencial de las fuentes de datos, y ya ni siquiera es solo analizar datos en fuentes de datos estructurados. Nuevamente, estamos hablando de que solo tiene un momento en algunos de estos procesos digitales para tomar una decisión y estas cosas vienen en JSON de las API REST, estamos hablando de datos no estructurados, ya sean archivos de registro, hay todo tipo de diferentes tipos de datos, así como el crecimiento constante extremo.
Nick Jewell: Sí, Jen, así como lo señalaste, los líderes analíticos se ahogan en un mar de datos. Llegar a la perspectiva de alto valor, tal vez utilizando una combinación de técnicas analíticas existentes o nuevas, es realmente el objetivo final, pero hay un problema simple y fundamental con el que muchas organizaciones con las que trabajamos se enfrentan realmente. Comisionamos Harvard Business Review, hicimos la encuesta, hablando con analistas de datos y gerentes de negocios. Preguntaron cuántas fuentes de datos usan en su organización para tomar una decisión, y está bastante claro que ha habido un cambio fundamental en los últimos años. TI solía combinar datos, empujarlos al almacén de datos, pero supongo que a pesar del excelente trabajo que han realizado los grupos de TI, creando una gestión de datos centralizada, los analistas aún se enfrentan a la tarea de crear ese conjunto de datos analíticos específicos, pero necesitan Responde una pregunta de negocios. De hecho, solo el 6 por ciento tiene todos sus datos en un solo lugar, y la mayoría de los analistas tienen que extraer datos de cinco o más fuentes, como hojas de cálculo, aplicaciones en la nube, redes sociales y, por supuesto, sin olvidar ese almacén de datos.
Ahora, la mayoría de las organizaciones reconocen esto, pero con lo que la mayoría de las organizaciones no están lidiando es con el simple hecho de que los profesionales de los datos pasan más tiempo gobernando y buscando datos, de lo que realmente están extrayendo valor. Estos no son los problemas analíticos estratégicos de alto perfil que los ejecutivos de negocios quieren escuchar. Pero no abordar el problema fundamental va a evitar que las organizaciones, realmente, logren ideas basadas en el valor. Jen?
Jen Underwood: Eso es interesante. Definitivamente he visto diferentes estudios sobre esto y es esta pieza aquí, ya sea el 80 por ciento de las veces o billones de dólares reestableciendo los mismos datos una y otra vez, de manera muy ineficiente en una organización. Esto suma, estos 37 y este 23 por ciento es una pérdida de tiempo muy costosa. Es sorprendente para mí que no se preste más atención a eso.
Mirando algunos de estos, lo que llamaría las fuerzas del mercado, y muchas veces cuando hablo de las tendencias de la industria, me encanta seguir a la industria y mantener un pulso constante. Es importante comprender cuándo algo es más que una tendencia, cuándo realmente será una fuerza a la que debe prestar atención, y estos son los tres principales en este momento, fuerzas a las que debe prestar atención. Es este rápido crecimiento, el número uno es el rápido crecimiento de las bases de datos no relacionales. Acabo de mencionar todo este concepto de no tener mucho tiempo para tener que consultar, per se, un JSON, es este tipo de escenarios no relacionales, que están creciendo bastante, creo que tengo algunas estadísticas en un momento aquí, rápidamente.
La otra cosa es el cambio continuo a la nube. Antes de la llamada que mencioné, era gerente de producto mundial en una de las grandes empresas tecnológicas y tuve conversaciones difíciles hace tres años con grupos que decían: “No pondremos nada en la nube. No nos moveremos a la nube ”. Y, ha sido muy interesante ver grupos un año después, dos años después, ahora escucho de los mismos grupos que todos tienen un plan de nube. Creo que todo el mundo es extremadamente extremo, pero lo que diría es que, las personas que han estado en contra de la nube, ciertamente la actitud ha cambiado drásticamente, en un período de tiempo muy corto, incluso desde que estaba hablando con grupos de todo el mundo sobre Este tipo de cosas.
Automatización, esta es un área que me ha fascinado y un área que sin duda estamos viendo mucha actividad y gran actividad. Hablamos de algunas de estas cosas con tener este tiempo perdido y el uso ineficiente de su tiempo. La automatización es sin duda una de las áreas que más me entusiasman cuando pienso en aportar valor a una organización.
En la próxima diapositiva de la que hablaré, este es un estudio de IDC, analizan los segmentos del mercado y el crecimiento, y es realmente una forma maravillosa de saber qué está creciendo realmente, ¿qué están comprando sus pares? ¿En qué tipo de cosas ya no están interesados? Ese tipo de cosas y poner en su estrategia.
Según IDC, el mercado mundial de software analítico de big data tiene 16 segmentos y, en ese sentido, estamos viendo incluso algunos cambios de nombre. Se agregó un software analítico continuo, plataformas de software de inteligencia cognitiva, sistemas de búsqueda, por lo que incluso se agregaron algunas categorías nuevas aquí. Esta descripción general del mercado abarca prácticamente las herramientas horizontales, las aplicaciones preempaquetadas, así como algunos casos de uso de soporte de decisiones y automatización de decisiones. Una vez más, este será el tipo de soluciones, cuando piense en CDO, en el contexto de un CDO, su cartera que puede administrar desde la integración de datos hasta la visualización de análisis, el aprendizaje automático y todos estos tipos de capacidades que necesitan tener en la era digital.
El propio mercado mundial para este tipo de soluciones creció un 8, 5 por ciento en términos monetarios actuales y el mercado general creció un 9, 8 por ciento según IDC. Esto se comparó con: se observan las fluctuaciones monetarias durante un período de dos años y el grado de variación es mínimo, pero esos tres segmentos principales que destaqué, solo para darle una idea de esas fuentes de datos analíticos no relacionales, 58 por ciento El crecimiento año tras año, el análisis de contenido y los sistemas de búsqueda fueron del 15 por ciento y algunas de las aplicaciones de relación con el cliente, cosas de tipo CRM o Salesforce Einstein, por ejemplo, están creciendo más del 10 por ciento, ahora son el 12 por ciento. Creo que Nick también quería agregar algunos comentarios sobre este.
Nick Jewell: Gracias Jen. Es un visual fantástico. Creo que en Alteryx siempre hemos creído que la preparación y combinación de datos siempre sería una competencia central, supongo, de cualquier sistema analítico, pero es realmente la base de cualquier análisis más avanzado. Ahora, en los últimos años, hablemos de la industria: podría haber estado un poco centrado en algunas de las nuevas capacidades de visualización interactiva. Se ven hermosos porque aumentan el compromiso, generan información, pero realmente no nos trasladaron más allá del análisis descriptivo.
Pero, supongo que ahora que la gente está poniendo sus miras un poco más altas, las organizaciones que comienzan a comprender los valores comerciales vendrán de esos análisis más sofisticados que recién ahora están llegando a la corriente principal. La pregunta allí es, ¿cómo, o más específicamente, quién? Esto saltó a análisis de mayor valor; realmente está poniendo el tema de la escasez de talento analítico en un alivio bastante agudo, ¿estaría de acuerdo?
Jen Underwood: Absolutamente, y creo que acabo de twittear, vi un comentario realmente fascinante anoche del vicepresidente de Adobe que decía: "El aprendizaje automático se ha convertido en algo en juego", donde la gente solía ser cautelosa, ahora se ha vuelto una necesidad y es interesante Mirando esto y solo un pequeño ángulo diferente, per se. Mucha gente, estamos empezando a ver esto como un área de alto crecimiento con una tienda analítica no relacional y la IA cognitiva, este aprendizaje automático, estas analíticas de alto valor. Pero aún al final del día, en este momento el segmento más grande, por lo que la mayoría de las compras están sucediendo hoy, sigue siendo lo básico, lo que diría, el informe de consultas, parte del análisis visual, y sigue creciendo y eso es algo que mucha gente supone que ya lo tienes, no necesariamente. Todavía está creciendo 6.6 por ciento cada año.
Como CDO, y me encanta mostrar esta diapositiva, básicamente solo para decir, cuando estás entrando en este nuevo rol o estás buscando datos en una organización, es un caos, y creo que esta diapositiva en particular realmente buen trabajo de: estas son todas las diferentes áreas potenciales de las que puede tener datos. Pueden ser locales, pueden residir en la nube, pueden ser híbridos, están en todas partes y son muy abrumadores; de nuevo, es un rol de tipo C ahora dentro de una organización, y no es una tarea simple o simple - En este mundo en particular, es bastante abrumador a veces. Este es el mundo que este CDO necesita para navegar, para poder dominar lo que yo diría, maximizando el valor de los datos.
Continuando con el desafío, maximizando el valor de todas esas fuentes diferentes y lo que estamos teniendo son estas ventanas de tiempo de cierre, con estos procesos digitales o la visión de la acción se está cerrando. Si piensa en quizás hace cinco años, hace diez años, es posible que tenga informes de que correría para tomar algunas decisiones con el inventario o las acciones, que podrían ejecutarse semanalmente, mensualmente, luego se volvieron diarias o de la noche a la mañana, tal vez sea cada hora.
Ahora, lo que estamos viendo son estas oficinas inteligentes artificiales integradas de aprendizaje automático inteligente, que toman decisiones y corrigen en el acto, por lo que incluso cosas como Internet de las cosas, análisis integrados de IoT en el borde, estos sistemas son inteligentes y estos algoritmos pueden autoajuste y altere algunas de las decisiones que están tomando en el momento adecuado. Ha sido muy interesante ver esta dinámica particular con las revoluciones digitales y estos puntos de contacto: a pesar de que han aumentado, el tiempo de acción sigue disminuyendo y la tecnología está evolucionando para estos escenarios.
Nick Jewell: Sí, Jen, creo que uno de esos aspectos más interesantes de cómo está cambiando la entrega de información es donde llega la analítica al usuario final. ¿Estamos pidiendo a los usuarios que salten a un tablero cuando toman una decisión crítica, o estamos diciendo que la información, la siguiente mejor acción, está disponible directamente dentro del proceso, en el flujo, para impulsar esa ventaja competitiva? Y el modelo analítico del que estamos hablando podría necesitar tomar sus aportes de una gran cantidad de fuentes diferentes: almacenes de datos tradicionales, geolocalizaciones, redes sociales, sensores, flujo de clics, todos estos datos influyen en la decisión y en ese resultado procesable. .
Jen Underwood: Continuando con este tema de desafío y cambio, lo que tenemos en este momento y los desafíos que el CEO necesita para adoptar y planificar una forma de conquistarlos, es esencialmente que tenemos demasiados datos para administrar y analizar de manera eficiente de manera manual. Hay largas demoras; necesitamos acortar estos retrasos y necesitamos encontrar una manera de maximizar el valor de los datos que tenemos. Hay una escasez de talento en ciencia de datos en el mundo y para cubrir estos conocimientos y lo que llamaríamos océanos como datos. La buena noticia es que hay algunas innovaciones maravillosas que están sucediendo para ayudar en todas las áreas de esto hoy en día, y es emocionante ver qué, a dónde nos llevará la tecnología, para ayudarnos con estos desafíos.
A medida que seguía mirando esto, había un poco de confusión al hablar con los clientes o con grupos que usaban algunas de estas herramientas. Algunos de los desafíos clásicos aún existen hoy en día, cada vez se exacerban más al tratar de encontrar datos para analizar. Algunas de las herramientas de búsqueda, algunos de los catálogos que existen ciertamente ayudan, ahora lo que estamos encontrando es qué catálogo usar cuando. Hay un par de catálogos diferentes, por lo que hay diferentes lugares donde puede almacenar y compartir datos, por lo que es cuestión de tratar de encontrar uno, tal vez el catálogo en el que deberíamos estar buscando.
La otra cosa es compartir en colaboración. Hablamos sobre uno de los estudios de esa Harvard Business Review, cuánto tiempo se gasta, básicamente haciendo tareas sin valor agregado, perdiendo tiempo y lo costoso que puede ser. Si puede colaborar para compartir y usar fuentes de datos comunes, los scripts ya se han desarrollado, la lógica ya está ahí, puede gobernarlos de manera efectiva, por lo que equilibrar la gobernanza con la agilidad analítica, eso es realmente lo que desea hacer. y navegue por este mundo de lo que yo llamaría, tenemos las herramientas de nicho, tenemos herramientas de flujo de trabajo automatizadas, tenemos Excel clásico, los catálogos de datos, BI de autoservicio, herramientas de ciencia de datos. Como mostró esa imagen, hay muchas, muchas herramientas y muchas superposiciones entre ellas.
Nick Jewell: Sí, perfecto, Jen, y creo que la ventana de conocimiento, como mencionaste, definitivamente se está reduciendo, pero el tiempo que lleva desplegar los modelos no se mantiene. El despliegue de modelos predictivos sigue siendo un gran desafío para muchas empresas. Hemos estado hablando con Carl Rexer, quien es el presidente de Rexer Analytics, y en la encuesta de ciencia de datos de Carl de 2017, descubrió que solo el 13 por ciento de los científicos de datos dicen que sus modelos siempre se implementan, y esta relación de implementación simplemente no mejora, por lo que regrese con cada encuesta previa. De hecho, desde 2009, cuando se hizo la pregunta por primera vez, y vemos resultados casi idénticos, tenemos una brecha real.
Jen Underwood: Cuando observamos la madurez analítica, está progresando rápidamente. Nuevamente, hace dos o tres años, estábamos muy emocionados de tener un análisis visual de autoservicio y, finalmente, ser flexibles y expandir el BI a las masas, per se. Cuando digo masas, probablemente todavía sean usuarios avanzados dentro de una organización. Ahora estamos viendo optimización, análisis predictivo, aprendizaje profundo, lenguaje natural, muchas otras tecnologías que realmente, como están integradas en los procesos cotidianos, finalmente democratizarán realmente el análisis de manera muy perfecta para las masas, para que las masas verdaderas las utilicen dentro del procesos comerciales existentes que ya tienen.
Nick Jewell: Sí, Jen, hablemos una historia rápida sobre esa última categoría, si puedo. La mayoría de los oyentes en la llamada de hoy estarán familiarizados con el software AlphaGo de Google DeepMind, que derrotó a algunos de los mejores jugadores de Go del mundo en los últimos años. AlphaGo aprendió a jugar el juego estudiando enormes volúmenes de partidos previamente grabados. Tanto es así que los comentaristas del torneo AlphaGo afirmaron que el software se jugó al estilo de un Gran Maestro japonés, lo creas o no.
Pero, durante el último mes, se informó un resultado casi más sorprendente. Esto era AlphaGo Zero, aprendizaje profundo, red neuronal, armado con nada más que las simples reglas del juego y una función optimizada. Se enseñó a sí mismo a convertirse en el jugador Go más fuerte del mundo, sin entrenamiento supervisado, e hizo todo esto en alrededor de 40 días. Este llamado aprendizaje de refuerzo, donde los humanos definen el desafío, permite que el sistema de aprendizaje profundo explore, mejore, realmente podría producir el mayor impacto en el espacio analítico hasta el momento. Entonces, supongo, estad atentos.
Jen Underwood: Sí, es realmente interesante que hayas mencionado eso. ¿Te imaginas las exclusiones? Y esto es lo que estoy empezando a ver. Realmente, cuando hablo de automatización, es muy emocionante que las soluciones sean lo suficientemente inteligentes como para limpiar el aire, aprender de los sistemas automáticamente, enchufar y jugar y simplemente saber qué hacer a continuación en función de algunas decisiones pasadas u otras decisiones que se han realizado dentro de la organización y que han administrado algunos de estos sistemas, los sistemas ETL y los cuidan, y que en el pasado tenían pitidos y teléfonos que me llamaban con alertas cuando los procesos no se estaban ejecutando, es muy emocionante pensar, "Wow, ahora es lo suficientemente inteligente como para probablemente curarse a sí mismo".
Mi esposo maneja una grilla de autocuración, tendremos integración de datos de autocuración, análisis de autocuración y, cuando mejora y mejora, es realmente emocionante. Como CDO, cuando empiezas a pensar en la tecnología de proceso de las personas, vamos a echar un vistazo, ahora estamos viendo la tecnología, luego vamos a ver a las personas y cómo abordar la creación de tu equipo y la construcción. las habilidades. Si nos fijamos en la plataforma de análisis moderna, les diré enseguida, no todos van a tener todo aquí, aunque las organizaciones más grandes pueden tener todos estos componentes diferentes, per se, algunos grupos pueden tener solo dos o tres cajas pequeñas. aquí, así que no quería abrumar a la gente con esto. Pero una plataforma de BI moderna no requiere necesariamente una construcción de TI, una capa semántica de informes predefinida.
Los usuarios y expertos realmente deberían estar capacitados para preparar los datos para la velocidad y agilidad analíticas, y si piensan en el aumento de lo que diríamos analítica dirigida por usuarios y expertos, para que los expertos en la materia tengan la agilidad, necesitan tomar decisiones rápidas Estamos viendo una mayor adopción de lo que diríamos, las herramientas de preparación de datos personales, la discusión de datos, el enriquecimiento, la limpieza, los tipos de actividades que Alteryx realiza, así como algunas de las actividades de tipo ciencia de datos que ofrecen como bien. La solución de preparación moderna, que ofrece uniones inteligentes y automatizadas, resoluciones aéreas, cambio de datos, cuando tiene una gran cantidad de datos, es muy, muy bueno. Esta es probablemente, una vez más, una de las áreas que amo y realmente disfruto probando también en la industria.
A diferencia del BI tradicional liderado por TI, TI se está centrando realmente en habilitar el negocio y tiene personas como los CDO y reunir o elegir las soluciones adecuadas para orquestar, organizar y unificar estos datos y asegurarse, por supuesto, de que sean gobernado, ¿verdad? Una cosa que es muy interesante para mí y ciertamente creo que hemos inferido esto, pero no creo que lo hayamos dicho directamente, los días de un almacén de datos único para todos y ese es el fin de todo, todo ha terminado. Los datos están en todas partes, debe crearlos: los lagos de datos han entrado en escena, hay transmisión y datos en vivo, hay tantas fuentes de datos diferentes ahora, es realmente más un caso de uso basado en "¿Qué necesita?" "Tenemos que llevar todo a un almacén de datos". No estoy seguro, Nick, ¿quisiste comentar sobre esto? No recuerdo
Nick Jewell: Solo diré una cosa y es solo, mira la evolución del componente. Lo que los expertos hicieron hace cinco o diez años, ahora está en manos del usuario, por lo que las cosas en el lado derecho allí serán más frecuentes para el usuario en una forma libre de código de arrastrar y soltar. muy corto. Se moverá cada vez más rápido, así que solo vigílelo.
Jen Underwood: Sí, ese es realmente un buen punto. Me encanta pensar en eso. La ciencia de los datos diferentes, finalmente se está convirtiendo en una realidad y las herramientas están mejorando mucho. Pensando en la tecnología, ahora necesitamos tener las habilidades y las personas y ¿qué debemos hacer? En este momento, los mejores trabajos incluyen títulos como científicos de datos, ingenieros de datos y analistas de negocios, sin embargo, lo que encontramos es que a los empleadores les resulta realmente difícil hacer una coincidencia. Incluso en el espacio de preparación de datos, diré: "¿Es la preparación de datos, es una disputa de datos, qué términos llaman las personas?" Ha sido muy interesante de encontrar.
El negocio no sabe lo que necesita y existe un nuevo campo emergente que abarcará muchas áreas diferentes. Si nos fijamos en todo el mundo ahora necesita ser un maestro de sus datos, análisis de negocios, gerentes de proyectos de TI, mi esposo que administra una red eléctrica y una cartera de proyectos, debe poder analizar esto. Ya no son solo las finanzas y el análisis de datos, sino que se han expandido mucho más a otras áreas de la organización. Creo que vi un estudio sobre cuántas fuentes de datos utiliza el marketing, y fue abrumador. Una vez más, cuando piensas en el estudio realizado por Harvard Business Review, ya no es solo una fuente de datos de la que las personas tienen que fusionarse y fusionarse para encontrar una idea, son muchas fuentes de datos y se necesita habilidad para hacerlo.
Cuando miras esencialmente la imagen más grande aquí, la mayoría de los nuevos empleados estarán en esta burbuja rosa hacia abajo, cuando hables de estos analistas de negocios con los analistas de minería de datos, los gerentes de recursos humanos, esta área, solo roles regulares dentro de la línea de negocios utilizando datos. Los roles de más rápido crecimiento tendrán menos empleos, pero ciertamente lo que más escuchamos hoy en el mercado, el científico de datos y el ingeniero de datos. Como CDO, miran hacia el futuro y usted está planeando talento, debe tener en cuenta la automatización de las tareas rutinarias y los tipos de habilidades que serán más estratégicas y, de nuevo, agregar valor con su organización, tanto para aquellos en análisis habilitados pero también para la ciencia de datos y la gente de ingenieros de datos allí. Considere cómo pueden cambiar sus posiciones no publicadas e incluso parte de la economía independiente cuando piensa en eso para competir por los mejores y más brillantes.
Y siempre piense también en su cartera de talentos, ayudando a los candidatos a navegar por el mercado o buscando cosas que pueden ser un poco diferentes y no exactamente lo que quiere, y creando cursos de análisis internos, que pueden no ser realmente los más rápidos, estrategia rentable para que pueda mantenerse al día. Considere mirar a las personas que se dedican a la capacitación en este u otros grupos, y creo que Alteryx tiene un curso recomendado al final de la sesión hoy como un llamado a la acción, que puede aprovechar algunas de estas cosas y ayudar a su equipo a aprovechar Algunos de los recursos existentes que ya están disponibles.
Nick Jewell: Absolutamente Hay tantas formas de llenar ese vacío de talento sin quedar atrapado en una carrera armamentista. Un par de diapositivas hacia atrás, no sé si puedes voltear un par allí. Kaggle, el sitio de competencia de ciencia de datos, acaba de lanzar una encuesta con 17, 000 respuestas sobre el estado de la ciencia de datos y hubo una respuesta realmente interesante de la encuesta sobre las habilidades que tenían las personas, y la mayoría de los encuestados no tenían un doctorado, ya no es un requisito previo.
La idea de que los expertos en análisis de la próxima generación, esa burbuja importante que acaba de mostrar, pueden obtener el conocimiento que necesitan de los cursos de nanogrado. Pueden ir a sitios como Udacity y pueden implementar este conocimiento de inmediato, directamente en el negocio, los ciclos de entrega cortos y centrados los convierten en una fuente inmediata de avance competitivo para sus empresas. Así que algo a tener en cuenta, creo.
Jen Underwood: No, estoy de acuerdo. Incluso si lo pienso, ciertamente ha recorrido un largo camino desde que tomé un programa de dos años en UCSD. Creo que esto sucedió en 2009, 2010 y en realidad hubo un puñado en el país que te permitió hacer eso. En general, ahora hay muchas más opciones, así como programas especializados, ya sea a través de los proveedores, muchos recursos disponibles hoy en día con bucles y todos estos diferentes recursos en línea, es simplemente increíble, es realmente el momento. Hacer tiempo y presupuestar eso y programar para mantenerse al día. ¿Qué es lo que quieres aprender? Y luego siguiendo ese camino que quieres aprender.
Hablando de analizar esto y elaborar su propio plan de habilidades y de la perspectiva de un CDO, asegurándose de que tengan personas en áreas cubiertas, desde lo que yo diría un marco de competencia per se, mirando habilidades o mirando cosas como el conocimiento del dominio sigue siendo realmente clave, a pesar de que estas soluciones pueden auto-entrenarse y auto-aprender, es realmente un experto en el tema de negocios que guiará y asegurará que los resultados tengan sentido.
Siempre hay algo y me gusta usar el ejemplo de cuando hacía análisis críticos para una compañía de seguros y uno de los hallazgos que tenían los algoritmos era no contratar a nadie de Nueva York. Bueno, no, no vamos a contratar a nadie de Nueva York, tuvimos que descubrir por qué el algoritmo nos estaba dando esta información. Fue porque lo legal, una de las leyes había cambiado, por lo que estábamos teniendo mucha rotación en ese segmento en particular. Se necesitaba contratar a un experto en temas de negocios para descifrar eso, y no veo ese cambio, no veo ese tipo de guía, asegurándome de que los resultados se vean exactos, algo se vea mal, todavía, hay algo que se dice que es la mente humana, la belleza de eso combinada con el poder de la máquina, es realmente a dónde vamos.
Los otros tipos de cosas cuando se miran las habilidades, la visualización, contar una historia efectiva en los datos, contar una historia efectiva sobre si es incluso una salida de aprendizaje automático. Reuniendo y mirando cuál es el impacto que tiene, entendiendo la naturaleza humana de la toma de decisiones, ese tipo de cosas son muy importantes independientemente de la tecnología. La gobernanza es realmente importante, la ética se está volviendo cada vez más importante. Con la participación de científicos sociales, que entienden y están capacitados para ver si hay sesgos en sus datos que ni siquiera se dan cuenta o no tienen a nadie en la organización que ni siquiera lo reconozca, ni siquiera los incorpore al experto., teniendo ese tipo de cosas.
Y de nuevo, por supuesto, tener la infraestructura para la ingeniería y el hardware y asegurarse de que pueda escalar y desarrollarlo y asegurarse de que está utilizando el proveedor de nube correcto, tal vez que no esté bloqueado o que tenga opciones para moverse o eso entiendes el precio de cuánto te van a costar. Son estos tipos de habilidades y, si se observa esto, lo llamaríamos habilidades por diferentes áreas, ya sean tomadores de decisiones de primera línea basados en datos, donde estarán la mayoría de estos roles, hasta aquellos ingenieros de datos y científicos de datos que lo harán estar masajeando y trabajando en estos océanos de datos. Estos son los tipos de cosas para las que querrás armar un marco.
Al observar los marcos de competencia, se mira a una organización en general, se desea considerar la competencia, no solo las habilidades. Hay un pequeño matiz en la redacción mientras observa esto. Un marco de competencias para su organización es una señal clara. Los encargados de formular políticas de guerra, los proveedores de educación, si bien las habilidades se dirían, escritas bajo R, piensan en ese tipo de cosas, tienen un codificador competente, pero quieren tener más que esas habilidades. Cuando entiendes la competencia, lo que una persona debe ser capaz de entender y el marco, eso es lo importante, hay un poco de matiz allí.
A medida que construye esto, desea diagnosticar lo que llamaría capacidades que tienen un impacto positivo en el negocio y resaltar esas áreas de alto potencial, por lo que está priorizando cuáles son las competencias que desea elevar en su organización y luego alinearlos nuevamente, con los objetivos del negocio. El CDO que es responsable de maximizar el valor de los datos, lo verán, y su CAO, que usará análisis para maximizar el valor de los datos. Analizarán esas competencias y esas diferentes áreas, en la cuadrícula anterior que tenía allí, pero luego también analizarán el alto potencial del personal. Hará una referencia cruzada de eso con su personal para el trabajo de datos y análisis e invertirá en ellos, les brindará oportunidades de aprendizaje y no solo capacitación, esencialmente oportunidades del mundo real para trabajar en problemas comerciales reales.
No hay nada mejor: aunque fui a la escuela durante un par de años, no fue hasta que fui y apliqué algunos de estos algoritmos o aprendí sobre el fraude con cheques, aprendí sobre algunas de estas cosas en las que nunca había pensado antes, y tú empieza a armar en el mundo real y ahí es donde realmente aprendes. Brindar a las personas la oportunidad de adquirir experiencia en estas áreas. Las empresas que están en mejores condiciones para desarrollar capacidades sólidas, que identifican sistemáticamente, evaluaciones objetivas y observan dónde están las brechas dentro de mi organización para aprender y establecer algunas métricas para establecer metas para la gente, esas son las que podrán para entregar.
Cuando piensas en entrenar a adultos, una vez más, por lo general es un tiempo de hambre, todos estamos hambrientos de tiempo, pero observamos qué funciona para cada uno. Yo personalmente tengo libros, así que si vienes a mi oficina hoy, verías toneladas de libros, aunque a mucha gente le gustan los videos. Entonces, es cuestión de averiguar cómo le gusta aprender a alguien en su organización, motivarlo para que aprenda, pero también brindarle algo de tiempo para hacerlo y algún tipo de objetivo: lo que es efectivo para alcanzar eso y, por lo general, eso es mezclado, no es solo, tomar ese curso para marcar esa marca en una tarjeta de puntaje, per se, está combinando eso con un proyecto de meta real y qué aprendiste de ese proyecto y qué quieres hacer a continuación. ¿Qué es un tramo? Estirar a su equipo o motivarlo para que lo lleve más lejos.
Esos objetivos de aprendizaje, una vez más, si está haciendo eso, no debería serlo, debería ser fácil para el negocio esencialmente porque esos objetivos deberían alinearse con los intereses comerciales estratégicos. Estos son grandes proyectos. Son proyectos experimentales. Son proyectos que moverán la aguja hacia adelante.
Nick, ¿quieres agregar algo? No estoy seguro.
Nick Jewell: No, iba a saltar a un estudio de caso, si está bien, en la siguiente pantalla. Un poco más de detalle de una organización específica. Supongo que han puesto mucho de lo que dices en práctica, en realidad. Ford Motor Company confió en el análisis de datos durante décadas, al igual que muchas compañías, pero lo hizo en los bolsillos del negocio, con muy poca supervisión en toda la corporación para garantizar la coherencia y la coordinación. Sus problemas probablemente fueron bastante típicos para una organización de su escala, por lo que la experiencia en análisis contenía, como decimos, dentro de los bolsillos, la gestión de datos y las prácticas de gobernanza son inconsistentes, incluso hasta el punto en que algunas unidades de negocios carecían de acceso a la experiencia básica en análisis.
Nuevamente, hemos hablado hoy sobre muchos tipos diferentes de fuentes de datos, tenían más de 4, 600 fuentes de datos. Eso significaba que incluso comenzar el viaje y encontrar los datos que necesitaban era un impedimento real para la comprensión analítica. Veo que te estás riendo, pero es algo terrible, ¿verdad?
Jen Underwood: 4, 600, oh Dios mío, sí.
Nick Jewell: Entonces, Ford formó la unidad de análisis e información global y esta se centralizó, puede llamarlo un centro de excelencia, que consiste en un equipo de científicos y analistas de datos, organizados para compartir esa mejor práctica analítica y ayudar a difundir datos optimizados creación de datos en toda la empresa. La unidad seleccionó las mejores herramientas de su clase, no solo por su capacidad, sino también por su capacidad para integrarse bien, por lo que es bastante importante. El enfoque de su democratización fue en realidad alrededor de informes y análisis descriptivos, antes de avanzar en esa pirámide de necesidades de las que hemos hablado.
Ahora, la democratización no solo convierte a alguien en un científico de datos de la noche a la mañana; el personal necesita saber cuándo y dónde obtener ayuda, y hay capacitación, gobernanza y metodologías disponibles para ayudar con todo esto. Además, no se trata solo de capacitación en herramientas, sino también capacitación en ciencia de datos, para cerrar esa brecha de habilidades que hemos mencionado. Entonces, un caso de uso del mundo real en Ford, que optimiza una red de logística, ¿estaba Ford pagando la cantidad correcta para mover materiales del punto A al punto B? Sus análisis heredados realmente no resaltaron las oportunidades procesables; Esto los hizo muy reaccionarios en el mercado. Ahora, mucha complejidad para ese proceso quedó encerrada dentro de las cabezas de los analistas e hicieron un gran avance cuando el flujo de trabajo de autoservicio en realidad se repitió con el negocio, y los expertos analíticos se sentaron juntos y se ubicaron juntos.
Esto movió el análisis de varios años a trimestralmente, e incluso a casi en tiempo real, un beneficio enorme para el negocio. Debido al impacto del análisis de autoservicio en el valor comercial, Ford puede planificar y establecer rápidamente estrategias basadas en datos para toda la empresa, para responder a las tendencias emergentes, ayudar a dar forma a los nuevos servicios y, básicamente, evitar las amenazas de la competencia, sin solo tener que mirar en ese espejo retrovisor.
Ahora, si miramos por un momento cómo otro cliente realmente ha movido la analítica de quizás una prioridad vertical en una sola división de la empresa a ser una franja horizontal en todas las divisiones, hablaremos de Shell. Shell dirige un centro de excelencia que informa al director digital, por lo que hay otra D para nuestro libro de jugadas CxO, responsable de la transformación digital y la sostenibilidad. Estos chicos, entendieron que su entorno contenía varias capas y la pila de tecnología, almacenamiento, procesamiento de datos y todas las tecnologías con las que todos estarán familiarizados. Cosas como SAP HANA, Databricks, Spark, y aprovecharon la nube pública para alcanzar esas economías de escala correctas.
Ahora, seleccionaron Alteryx como un contenedor de análisis para gran parte de su código R, alimentando tecnologías como Spotfire, Power BI y más. Pero ahora ven que la adopción se vincula mucho más estrechamente con el procesamiento y la visualización de datos. Jen, solo llamando a tu diapositiva de todas esas capacidades, este tipo de cosas se propaga a medida que comenzamos a permitir que más analistas tengan acceso. Sabes, tuvieron un gran éxito en la entrega de esta capacidad y el COE, buscando entregar capacidades futuras ahora, algunas de esas cosas de aprendizaje profundo de las que hablamos: visión artificial, procesamiento del lenguaje natural, y la mitad de su misión es la entrega, la mitad. se trata de explicar y catalizar estas ideas en las unidades de negocios. Es parte del viaje; el COE siempre busca diferentes formas de comunicarse con su audiencia comercial.
Teniendo en cuenta por un lado a los escépticos que dicen: "Bueno, esta caja negra nunca será tan buena como mi analista", hasta el fanboy o el entusiasta que ve correlaciones en todas partes, tal vez menos en el camino de las relaciones causales., pero debes tener cuidado en ambos lados. Es un término medio fascinante, cuando tienes esta franja horizontal en toda una organización, ese conjunto de habilidades híbridas que se necesita para persuadir a ambos lados del espectro.
Nick Jewell: OK, Jen, ¿estás ahí?
Jen Underwood: lo estoy.
Nick Jewell: Supongo que lo que estamos tratando de decir aquí con esta cita de Clayton Christensen es que para muchas organizaciones, supongo, unificar la agenda analítica para impulsar la transformación digital de la que hemos estado hablando hoy, va a ser un reto La mayoría de las veces, encontramos equipos analíticos que comienzan con una mano débil. Intentar innovar con los restos heredados de procesos analíticos, tecnologías, estructuras de equipo y aferrarse a estas reliquias será la mayor barrera para la alineación analítica y la innovación analítica. ¿Tienes alguna idea sobre eso, Jen?
Jen Underwood: Disfruto la imagen que se eligió. Sí, ciertamente tiene mucho sentido para mí. Debe adoptar algunas de estas nuevas tecnologías, por ejemplo, la transmisión en tiempo real. No necesariamente podrá obtener esos resultados en tiempo real si tiene que hacer actualizaciones de JavaScript en un navegador, per se, con un antiguo legado, tal vez sea una aplicación de tablero o ese tipo de cosas. Sí, debe estar adoptando algunas de estas nuevas herramientas, y nuevamente, creo que esta imagen es realmente linda, una imagen dice más que mil palabras. El carrito y el buggy, tienes que dejar de lado algunos de esos viejos enfoques tecnológicos.
Nick Jewell: Absolutamente Entonces, si pasamos a la siguiente diapositiva, creemos que hay una mejor manera. Supongo que, en primer lugar, usar algo similar a la búsqueda similar a Google, para encontrar rápidamente todos sus activos de datos que sean más relevantes. Comprender su contexto, comprender la dependencia, tener en cuenta cosas realmente simples como glosarios de negocios escritos por expertos en sus comunidades, mantenidos vivos por todo ese conocimiento tribal de los jefes de sus compañeros de trabajo.
Volviéndose inteligente con el descubrimiento de datos. Piense en la capacidad de mantener conversaciones con propietarios de informes y expertos. Cargue, haga un poco de Trip Advisor o Yelp, cargue los activos que sean más útiles, certifique aquellos que la organización considere más valiosos y luego todo esto retroalimente los resultados de búsqueda y, en última instancia, las clasificaciones de búsqueda, lo que lo hace mejor para El próximo usuario. Una vez que encuentre lo que está buscando, pase a esa fase rápida, sin código, fácil de usar, preparación y análisis para desarrollar su conjunto de datos perfecto, desde el cual publicar procesos repetibles.
Volviendo a nuestra conversación de automatización, creando aplicaciones fáciles de usar. Lo que sea necesario para construir modelos analíticos. Hablando de modelos, hemos apoyado tecnologías de código abierto como R durante varios años, nos permite construir una capacidad analítica realmente avanzada que cubre el análisis descriptivo, pero también predictivo, prescriptivo, en un simple arrastrar y … camino de caída.
Ahora, hacia el lado derecho, obteniendo esa información sobre visualizaciones interactivas, modelos y puntajes que se empujan hacia abajo dentro de las plataformas de datos, o más recientemente, haciendo que esa información esté disponible al instante y directamente dentro de un proceso comercial. Creo que es esta gama de capacidades en toda la plataforma lo que nos permitió ser reconocidos como el ganador del Premio de Oro en la Encuesta de Elección del Cliente de Gartner Peer Insights de este año, que es un logro fantástico. Le recomiendo que visite el sitio de Gartner para obtener más información y agregar sus propios votos y agregar sus propios comentarios.
Genial, Jen, si saltamos una diapositiva más, supongo que al concluir, me gustaría darles algunos pasos a continuación. En primer lugar, visite Alteryx.com para descargar una copia gratuita de nuestro informe de investigación más reciente, realizado en coordinación con el Instituto Internacional de Análisis (IIA), en torno a romper los obstáculos analíticos. También puede visitar udacity.com/alteryx para obtener más información sobre cómo habilitar a sus equipos, dar el siguiente paso en su viaje, con ese avanzado nanoanálisis analítico y finalmente experimentar Alteryx por sí mismo. Visite la página de inicio, descargue una evaluación con todas las funciones y suba a bordo con la emoción de resolver.
Jen, hacia ti. Es posible que tengamos tiempo para algunas preguntas y respuestas.
Eric Kavanagh: Voy a intervenir muy rápido. Tenemos un par de preguntas. Supongo que te lanzaré uno, Nick, y luego Jen, si quieres comentarlo, pero ciertamente tiene más aplicabilidad en la UE y ese es el infame GDPR, el Reglamento Global de Protección de Datos. ¿Cómo afecta eso a Alteryx y su hoja de ruta y en qué se enfocan ustedes?
Nick Jewell: Supongo que es un boogieman, eso está ahí afuera en este momento. Mucha gente habla al respecto, mucha gente bastante preocupada, pero en realidad es solo la primera de una larga serie de regulaciones que entrarán en el mundo de los datos y el análisis. Realmente, desde nuestro punto de vista, se trata de comprender y clasificar sus datos. Asegurándose como CxO, de cualquier sabor particular, sabe dónde están sus activos, conoce su contexto y sabe que puede confiar en ellos como un primer paso para realmente gobernar y administrar los datos en un contexto más amplio.
Eric Kavanagh: Supongo que te enviaré otra pregunta antes de traer de vuelta a Jen, Nick, y es decir, los datos de entrenamiento, si alguien solicita que se eliminen sus datos de tu empresa, eso afecta no solo su nombre, dirección y demás, no solo su información de contacto, sino también, si un algoritmo usa datos de entrenamiento que incluyen sus datos, se supone que debe volver a entrenar el algoritmo, ¿no es así?
Nick Jewell: Es particularmente complejo. Creo que la idea de que las bases de datos no solo son una fuente de parte de esta información de identificación personal, sino también los flujos de trabajo analíticos, las aplicaciones y las visualizaciones. Estos datos llegan a todas partes con una organización, por lo que tener ese contexto: absolutamente vital.
Eric Kavanagh: Y Jen, ¿qué piensas? Obviamente, no es un gran problema en los Estados Unidos y no vemos demasiadas empresas preocupadas por eso ahora, aunque técnicamente se aplica aquí. Si una empresa de EE. UU. Tiene datos de un ciudadano de la UE, ¿cuál es su opinión sobre el GDPR y qué tan importante es?
Jen Underwood: Bueno, ciertamente creo que requiere un tratamiento responsable de los datos. He escrito sobre esto algunas veces y tengo algunas pautas sobre algunas de estas cosas. Creo que la pregunta que hizo sobre algoritmos es interesante. Ciertamente, algunas de las soluciones que estoy viendo hoy, algunos de sus equipos de productos han diseñado características para que pueda ver cómo toman las decisiones y qué datos personales se usaron para decidir el resultado de ese algoritmo. Estamos viendo algunos impactos en los diseños de productos aquí en los Estados Unidos.
Muchas de las compañías de tecnología tienen oficinas muy grandes aquí y equipos de desarrollo aquí en los Estados Unidos y en todo el mundo, por lo que lo vemos en el desarrollo de productos. Veo que se invierten más catálogos de datos. Se implementan más iniciativas gubernamentales para que la gente entienda, y entiendan dónde se encuentran todos esos datos en el caos. Intentando abrazarlo al menos organizándolo, pudiendo encontrarlo y hacer algo con él.
Eric Kavanagh: Voy a empujar esta diapositiva de la que hablamos antes y te la entregaré, Nick. Creo que esta es una diapositiva fantástica porque, para mí, realmente habla de la inmediatez de la necesidad de análisis. ¿Qué opinas sobre esta dinámica cambiante? Quiero decir, la conclusión es que las empresas deben ser ágiles y veo que los análisis son los principales responsables. ¿Qué piensas?
Nick Jewell: Esto es fascinante. Creo que siempre hay: las empresas y las tecnologías siempre existen en tres estados, por lo que será guerra, paz o maravilla. La guerra va a ser sobre ese fuerte nivel de competencia. Wonder es todo lo nuevo y genial que creas sobre una plataforma. Luego la paz antes de la competencia y la guerra comienza de nuevo. Creo que siempre está ocurriendo esta batalla.
Antes de la llamada de hoy, hablamos sobre algunas de las otras conferencias y notas clave que están sucediendo en todo el mundo hoy. Algunos de los grandes proveedores de la nube han llegado a un punto en el que han creado esta plataforma y ahora están construyendo cosas nuevas maravillosas sobre ella. Las empresas tienen que estar muy atentas a esto y asegurarse de ir con algo que tenga una plataforma coherente que brinde ese valor para el futuro. Ellos serán los que sobrevivirán a esta interrupción.
Eric Kavanagh: Sí, ese es un buen punto, y ya sabes, Jen, comentaste antes, de hecho, antes del show, sobre la estrategia en la nube y cómo muchas de las personas que conoces en la industria dicen que las grandes empresas, incluso los bancos, Todos ahora tienen una estrategia en la nube. Me sorprendió un poco el tiempo que tardó en materializarse, y creo que algunos de ellos fueron a la Conferencia de Reinvención de AWS y se dieron cuenta de lo enorme que es y llegaron a la conclusión de que ha llegado el momento. ¿Qué piensa sobre la conciencia entre los ejecutivos de las grandes empresas sobre la importación de la nube y cómo eso está cambiando su planificación?
Jen Underwood: Cuando pienso en este mundo de datos a gran escala, poder administrarlo, creo que, en algunos niveles, hay cierta tranquilidad de que una de las empresas más grandes se responsabilice de algunos de los aspectos de seguridad, por lo que hay un poco de tranquilidad allí. Sabes que hay una escala limitada con la nube.
La otra cosa es, y lo vi, estaba en un equipo que reconstruyó un producto en la nube y ciertamente era un producto desvalido y nadie le prestó atención, y en dos años, debido a lanzamientos semanales e incluso, Yo diría que es casi hasta el punto de publicación diaria en la nube. Sé que Amazon dice que se lanzan varias veces al día. Cuando tienes esa amenaza, cuando tus competidores pueden lanzar y mejorar diariamente, sea lo que sea que estén haciendo, al menos en la industria del software, y todos realmente están en la industria del software cuando comienzas a mirar la transformación digital, es otra cosa. juego de pelota y cualquiera puede girar una nube y escalar y hacerse grande.
Una vez más, serán los datos que estén aprovechando los que marcarán la diferencia y la inteligencia en sus algoritmos, y es por eso que la gente habla de que los datos son el nuevo petróleo o que los datos son oro. Cuando miro la nube, es el cambio de juego, realmente permite un desarrollo y una escala muy, muy rápidos. Es asombroso.
Eric Kavanagh: Te traeré de vuelta, Nick, para otra pregunta. Pasaremos un minuto aquí si podemos llegar a algunas de estas preguntas, pero, según recuerdo, cinco y seis y tal vez incluso siete Hace años, Alteryx fue realmente un innovador en el aprovechamiento de datos de terceros, por lo que trajo datos de fuentes como Experian, por ejemplo, o datos geoespaciales. Creo que probablemente sea una ventaja estratégica porque ese tipo de cosas está en el ADN de Alteryx, ¿verdad? A medida que las empresas se mueven hacia la nube, creo que ustedes tienen mucha experiencia en poder unir esos mundos. El mundo de los versos en premisa de terceros y datos basados en la nube, ¿qué te parece?
Nick Jewell: Sí, absolutamente. La conectividad definitiva será un juego de gran potencia para cualquier empresa que trabaje en este entorno basado en la nube. Pero diré, cuando hablamos de algo como la infonomía, la idea de que la información y los datos deben considerarse un activo en su empresa. La mayor parte del valor que va a aportar es tomar fuentes de datos externas, combinarlas y enriquecerlas con sus fuentes internas, para crear y monetizar más valor en el proceso. Es absolutamente crítico trabajar con datos internos y externos por igual.
Eric Kavanagh: Sí, ese es un buen punto. Creo que todo este mundo de nube híbrida está aquí para quedarse. Jen, te voy a entregar esto para algunos comentarios finales, tal vez. Para mí, tener esa visión estratégica y poder unificarnos a medida que el nuevo término describe datos a través de las fuentes, será un factor crítico de éxito en el futuro, ¿verdad?
Jen Underwood: No, absolutamente, y es gracioso, estaba escuchando este híbrido, híbrido, híbrido. Se enteró de esto y hace cuatro años pensó en Hadoop, Hadoop y big data, y luego comenzó a escuchar híbrido, híbrido, así que ciertamente hemos estado allí, no estamos necesariamente, este es el año del aprendizaje automático, sin duda. Quiero decir, inteligencia artificial, el aprendizaje automático ha subido al escenario este año, pero para funcionar realmente en una organización hoy que está en camino a la nube o que tiene que lidiar con todas estas diferentes fuentes de datos en la nube, tal vez sea Salesforce o Workday, todos estos diferentes tipos de fuentes que viven en la nube, la única forma de manejarlo es ser híbrido. No es posible copiar datos en todas partes, por lo que necesita poder conectarse directamente y necesita encontrar una manera de trabajar con datos ubicados en todas partes, encontrar datos en todas partes, porque esa es la realidad de dónde estamos ahora.
Eric Kavanagh: Creo que sería negligente si no trajera el aprendizaje automático a la conversación, así que, Nick, simplemente te lo entregaré. Sé que ustedes están centrados en eso ahora, ¿pueden hablar sobre dónde ve el aprendizaje automático alineado con el análisis y con el tipo de sistemas que utilizamos para comprender nuestro negocio y nuestros datos?
Nick Jewell: Sí, claro. Entonces, muy brevemente, regresemos rápidamente a nuestra brecha de habilidades. La idea de que tenemos organizaciones absolutamente llenas de poderosos usuarios de Excel. Tenemos científicos de datos entrando, pero no creciendo al mismo ritmo. Hay una brecha masiva entre los dos. Piense dónde está el aprendizaje automático hoy. ¿Cuántos algoritmos tenemos en nuestro teléfono o reloj que incorporan técnicas de aprendizaje automático? Es una mercancía, está en todas partes. Necesitamos habilitar a estos usuarios avanzados de la manera más simple posible para asegurarnos de que la máquina se aplique con éxito en toda la empresa.
Eric Kavanagh: Te lanzaré una última, quizás. Tenemos un par de preguntas llegando tarde, aquí. Jen, te preguntaré esto. Un asistente está comentando todo este concepto de aprendizaje no supervisado y el hecho es que necesita datos de capacitación para hacer esas cosas y, por lo general, esos datos de capacitación deben ser específicos de la empresa. Aunque en las industrias hay muchas correlaciones, hay muchas maneras en que las organizaciones son similares. Sin embargo, cada empresa es única, ya sea su modelo de negocio o su enfoque de marketing o ventas, o cualquiera que sea el caso, el desarrollo de productos.
La pregunta es: ¿podrán estos algoritmos utilizar datos de terceros para la capacitación? Me parece que siempre necesitará usar sus propios datos para entrenar estos algoritmos, incluso si ese tiempo de ciclo colapsa desde seis meses, que ha sido el caso en algunos casos, hasta 40 días o 20 días, cualquiera que sea caso puede ser. Realmente tiene que usar sus propios datos y debe asegurarse de que los datos estén bastante limpios, ¿verdad?
Jen Underwood: Realmente es una mezcla. Vas a querer tener un contexto externo. De hecho, he reservado hoy de forma consecutiva y mi próximo seminario web está hablando sobre la preparación y limpieza de datos, irónicamente para el aprendizaje automático. Lo que es realmente clave es que está preparando el contexto externo con su organización, y me encanta que haya preguntado sobre la preparación y limpieza de datos, porque honestamente, algunas de las herramientas se están volviendo muy, muy buenas, pueden manejar algunos aspectos, pero la mente humana, o poder descifrar el problema y mirar y asegurarse de que no se hayan omitido, digamos que tenemos algún tipo de sesgo de omisión. La forma en que está viendo el problema y la forma en que elige diseñar el problema que está automatizando o las decisiones que está automatizando, hay un arte en eso y asegurarse de que refleje con precisión ese proceso comercial.
Volviendo a mi ejemplo con la compañía de seguros, cuando estábamos modelando el abandono y a quién contratar para realizar esta capacitación patrocinada para vender seguros; en el modelo en sí no era el clima legal, diferentes leyes para diferentes estados. Siempre habrá algún aspecto, donde tendrás que tener esos datos externos con tus datos internos y, nuevamente, la mente humana. Habrá diferentes componentes allí.
Eric Kavanagh: Creo que trajiste un muy buen punto aquí. Seguimos escuchando sobre robots y máquinas y el aprendizaje automático. Para mí, esta es una tendencia muy disruptiva, no hay duda al respecto, pero nunca veo la necesidad de que los seres humanos en la mezcla desaparezcan, especialmente con análisis de datos, datos empresariales.
Nick, una última pregunta para ti. Para mí, no importa cuán buenos sean los algoritmos, siempre necesitarás que las personas monitoreen lo que está sucediendo, se inyecten en los momentos señalados y realmente sinteticen el panorama general de lo que está ahí afuera. No creo que ningún algoritmo pueda sintetizar el panorama general para una compañía Fortune 2000, pero ¿qué piensas?
Nick Jewell: Bueno, tomemos un ejemplo completamente diferente a Alteryx, hablemos de Uber del año pasado. Uber, durante el incidente terrorista en Australia, las personas que intentaban huir del área, repentinamente aumentaron los precios, porque eso es lo que dijo el algoritmo, causó un gran daño a la reputación. Inmediatamente después de eso, implementaron humanos y algoritmos trabajando juntos. Cada vez que esto iba a suceder, un humano tenía que supervisar el proceso. Esa asociación de humanos y algoritmos, ese es el camino a seguir.
Eric Kavanagh: Wow, ese es un gran ejemplo, muchas gracias. Bueno, amigos, hemos quemado más de una hora aquí en nuestro webcast. Muchas gracias a Jen Underwood de Impact Analytics. Por supuesto, muchas gracias a Nick Jewell y al equipo de Alteryx por su tiempo y atención, y a todos ustedes por su tiempo y atención. Agradecemos estas excelentes preguntas. Archivamos todos estos webcasts para verlos más tarde, no dude en compartirlos con sus amigos y colegas. Con eso, nos despediremos. Excelente webcast hoy. Muchas gracias de nuevo, nos pondremos en contacto la próxima vez, amigos. Cuídate. Adiós.
