Par Techopedia Staff, 29 novembre 2017
À retenir: l' hôte Eric Kavanagh discute des données et des analyses, ainsi que des rôles de directeur des données (CDO) et de directeur des analyses (CAO) avec Jen Underwood d'Impact Analytix et Nick Jewell d'Alteryx.
Eric Kavanagh: Mesdames et messieurs, bonjour et bienvenue encore une fois à une édition très spéciale de Hot Technologies. Les gens, c'est Eric Kavanagh, je serai votre hôte pour l'émission d'aujourd'hui, "The CxO Playbook: The Future of Data and Analytics". Oui, c'est un sujet assez important, je dois dire. En fait, nous avons un peu de foule record aujourd'hui. Plus de 540 personnes se sont inscrites à la diffusion Web ce matin. Nous le faisons à un moment spécial, comme beaucoup d'entre vous le savent pour nos spectacles réguliers, nous le faisons généralement à 16 h 00, heure de l'Est, mais nous voulions accueillir l'invité très spécial appelant de l'autre côté de l'étang. Permettez-moi de plonger directement dans la présentation d'aujourd'hui.
Cette année est donc chaude - ce fut une année très tumultueuse à bien des égards, je pense que le cloud a beaucoup à voir avec cela. La confluence des technologies que nous assistons sur le marché est le principal moteur, et je prends bien sûr sur SMAC comme ils l'appellent. Nous parlons de SMAC: social, mobile, analytique, cloud - et tout cela se combine. Les organisations peuvent vraiment changer leur façon de faire des affaires. Il y a plus de canaux pour exécuter vos opérations commerciales, il y a plus de données à analyser. C'est un monde vraiment sauvage et nous allons parler aujourd'hui de la façon dont les choses évoluent dans la suite C, donc les chefs de direction, les personnes les plus influentes de ces organisations, eh bien, le monde entier change en ce moment et nous sommes va en parler.
Il y a vraiment le vôtre au sommet. Nous accueillons aujourd'hui Jen Underwood d'Impact Analytix et Nick Jewell, le principal évangéliste technologique d'Alteryx. Ce sont des choses très excitantes. J'ai trouvé ce concept hier soir, les amis, et je pense que c'est vraiment assez intéressant. Bien sûr, nous connaissons tous des chaises musicales, le jeu pour les enfants où vous avez toutes ces chaises en cercle, vous démarrez la musique, tout le monde commence à marcher et une chaise est retirée; quand la musique s'arrête, tout le monde doit se démener pour obtenir une chaise tandis qu'une personne perd dans son fauteuil dans cette situation. C'est une chose très étrange et convaincante qui se passe en ce moment dans la suite C, et si vous remarquez sur cette image ici, vous avez deux chaises vides à l'arrière. En règle générale, une chaise disparaît dans les chaises musicales, et ce que nous voyons ces jours-ci, c'est qu'il y a deux autres chaises au niveau C: le CAO et le CDO, directeur de l'analyse et directeur des données.
Les deux décollent. Franchement, le responsable des données décolle vraiment comme une traînée de poudre ces jours-ci, mais qu'est-ce que cela signifie? Cela signifie quelque chose de très important. Cela signifie que la puissance des données et des analyses est si importante que les salles de conférence ou les salles exécutives, je devrais dire, les suites C évoluent - elles ajoutent des gens à la suite C, de nouveaux cadres entiers remplissent certains de ces nouveaux sièges. Si vous pensez à quel point il est difficile de changer la culture d'une organisation, eh bien c'est une affaire assez sérieuse. La culture est une chose très difficile à changer, et un changement généralement positif est favorisé par une bonne gestion et de bonnes idées et ce genre de choses. Si vous pensez à l'opportunité que nous avons en ce moment, en ajoutant de nouveaux cadres dans la suite C pour l'analyse et les données, c'est vraiment un gros problème. Cela montre l'opportunité pour les organisations de changer de trajectoire, et avouons-le, les grandes et vieilles entreprises doivent vraiment changer en raison de l'évolution du marché.
Je donne généralement des exemples d'Uber, par exemple, ou d'Airbnb en tant qu'organisations qui ont fondamentalement perturbé des industries entières, et cela se produit partout. Ce dont nous allons parler aujourd'hui, c'est de savoir comment votre organisation peut s'adapter, comment vos gens peuvent utiliser ces informations, ces informations, pour changer votre trajectoire commerciale et réussir dans l'économie de l'information.
Sur ce, je vais remettre les clés du WebEx à Jen Underwood, puis Nick Jewell va également sonner; il appelle du Royaume-Uni Merci à vous deux, et Jen, avec ça, je vais vous la donner. Emportez-le.
Jen Underwood: Merci, Eric, ça sonne bien. Bonjour à tous. Aujourd'hui, nous allons parler de ce livre de jeu CxO; c'est l'avenir des données et de l'analyse et je vais plonger dedans. Eric a déjà fait un bon travail pour expliquer pourquoi c'est si important. Nos conférenciers d'aujourd'hui, encore une fois, vous avez vu une autre diapositive contenant ces informations, mais vous et moi-même, Nick Jewell, converserons avec vous de manière très interactive dans cette session d'aujourd'hui. Nous allons commencer par décrire ce que sont ces rôles et les types de choses qu'ils ont pour mission de faire. Nous allons examiner l'industrie de l'analytique, les perspectives en général et certains des défis auxquels ces gens seront confrontés. La dynamique au sein des organisations aujourd'hui alors que vous vous préparez pour l'avenir, puis nous allons parler des prochaines étapes et vous donner des conseils pour la planification, si vous envisagez d'explorer certains de ces rôles dans votre organisation.
Parler de ce CxO, le CAO par exemple, c'est le directeur de l'analyse, c'est un titre de poste pour les cadres supérieurs qui sont responsables de l'analyse des données au sein de l'organisation. Le CAO relèvera généralement d'un PDG et cette position à évolution rapide sera cruciale, lorsque vous pensez à la masse de transformation et à sa transformation numérique que nous avons en ce moment dans la façon dont les entreprises prennent et prennent leurs décisions commerciales.
Si vous pensez que la transformation numérique et l'intelligence sont au cœur de la transformation numérique, ce CAO est un rôle très stratégique au sein d'une organisation. Non seulement ils ramènent une science des données solide à des informations réelles et à ces connaissances, mais ils possèdent le retour sur investissement et l'impact qui en résultent, alors sur quoi sont-ils mesurés? Comment ils apportent ce retour sur investissement avec les données dont ils disposent et certains des résultats nets d'une entreprise pour tirer parti des données de manière stratégique. Ce poste, avec le DSI, le directeur de l'information, a pris de l'importance en raison de l'augmentation de la technologie et de la transformation numérique et de la valeur des données.
Depuis des années, les données sont d'or dans ce monde particulier avec la monétisation et l'intelligence et la transformation de ces informations. Être capable de prendre ces mesures proactives et pas seulement de regarder en arrière, en soi. Les deux postes sont similaires dans la mesure où ils traitent tous les deux de l'information, mais le DPI, en soi, se concentrera sur l'infrastructure, où un directeur général se concentre sur l'infrastructure nécessaire à l'analyse de l'information. La position similaire est celle du CDO et vous en entendez beaucoup plus, nous en entendons probablement un peu plus sur le CDO que sur le CAO aujourd'hui. Le CDO se concentre davantage sur le traitement et la maintenance des données et les processus de gouvernance tout au long du cycle de vie de la gestion des données.
Ces personnes vont également être responsables de la monétisation des données et de la valorisation des données et de travailler à travers la maturité des cycles de vie de gouvernance et de sécurité, sur toute la durée, je dirais, du cycle de vie. Ce sont des gens qui seraient très en phase, en soi, ou chargés de s'assurer que le RGPD - et nous en parlerons un peu - la Loi européenne sur la protection des données, en veillant à ce que ce type de choses soit couvert dans leurs organisations. Maintenant, nous obtenons la structure et l'avenir de rôles perturbateurs dynamiques à forte intensité de données. Ce sont les types de choses dont le CDO sera responsable et pas seulement eux-mêmes - ils constitueront une équipe interfonctionnelle, et j'ai quelques exemples de certaines des personnes qui se retrouveraient en soi dans un la structure organisationnelle, des architectes et des responsables de la gouvernance, et même les analystes et les scientifiques et ingénieurs de données d'une organisation peuvent s'y rattacher.
En allant plus loin dans les perspectives de l'industrie pour l'analyse, cela a été un tour phénoménal - probablement dix ans, voire plus - dans cette industrie particulière. Il n'a cessé de croître, très excitant, même lors de l'effondrement du marché il y a des années, il était toujours très demandé. C'est juste un endroit merveilleux et si vous regardez l'agenda CIO de Gartner en 2017, la BI et l'analytique figurent toujours dans les trois premiers classements de ce qui est le plus important pour une organisation, et en regardant la croissance des marchés des logiciels, nous sommes constamment voir la croissance là-bas. Depuis que je suis dans cet espace, ma carrière a toujours été très brillante.
Lorsque nous regardons cette ère numérique et la transformation, ce qui est très, très intéressant pour moi, ce sont ces processus que nous avons, et souvent ils obtiennent des informations et agissent à partir de processus ou pendant des processus métier. Maintenant, selon Gartner, d'ici 2020, les informations que vous avez utilisées seront réinventées, numérisées ou même supprimées. Quatre-vingt pour cent des processus commerciaux et des produits que nous avions il y a dix ans, et nous commençons à le voir, non? Nous commençons à voir qu'avec les vers Amazon, certains des magasins à grande surface, les Ubers, les Airbnbs - ces modèles numériques perturbent le processus et maintenant les gens interagissent. Même le Black Friday - je ne sais pas combien de personnes sont vraiment allées dans un magasin - beaucoup de gens achètent en ligne, et comment pouvez-vous atteindre ce client? Pour cela, il faut de l'intelligence. Il faut une manière très différente d'interagir et de personnaliser le message et d'avoir cette intelligence pour leur présenter la bonne offre au bon moment, et maintenant c'est peut-être en un clic de bouton. Il leur est si facile de quitter votre boutique en ligne. Les choses changent vraiment dans ce monde, et je pense que Nick voulait aussi en parler.
Nick Jewell: Oui, salut tout le monde, merci beaucoup. Je m'excuserai à l'avance s'il y a un léger retard sur l'audio en provenance de Londres, je ferai de mon mieux pour ne pas parler de vous, Jen.
Vous avez tout à fait raison, cette élimination des déchets, cette réinvention dans le cadre de la transformation numérique, survient souvent lorsque les organisations passent de produits sur mesure, peut-être des applications déconnectées à des plates-formes plus ouvertes et connectées. Lorsque votre processus est numérique, il sera beaucoup plus facile de voir le parcours de bout en bout de vos données. Affinez vraiment les étapes que vous prenez, en utilisant les données pour optimiser ce processus.
Avançons une diapositive, si possible. En ce qui concerne la transformation numérique, ce que cela signifie pour les organisations, je suppose que c'est excitant ou intimidant, selon le côté du spectre sur lequel vous vous situez. Jetez un œil au tableau ici, montrant la durée de vie des entreprises et comment les influences perturbatrices affectent la fortune d'une organisation. Si vous avez démarré une entreprise dans les années 1920, vous avez en moyenne près de 70 ans, avant qu'une autre entreprise ne vous perturbe. Une vie assez facile selon les normes d'aujourd'hui, car aujourd'hui, une entreprise a à peine 15 ans jusqu'à ce que la perturbation menace son existence. Il est prévu qu'environ 40% des entreprises du Fortune 500 d'aujourd'hui, donc le S&P 500, n'existeront plus dans 10 ans. D'ici 2027, 75% du S&P 500 sera remplacé, de sorte que la demi-vie à laquelle les organisations sont confrontées aujourd'hui, avant de devoir s'inquiéter des perturbations, diminue vraiment. Les entreprises qui réussissent doivent garder une longueur d'avance sur cette course à l'innovation numérique.
Aujourd'hui, personne ne remet vraiment en question l'analyse. C'est la pièce maîtresse, cette transformation commerciale numérique. En fait, les organisations placent l'innovation numérique en tête de leur stratégie. Ces sociétés, ce sont les cinq sociétés les plus importantes au monde, représentant deux billions de dollars en valeur de marché, Jen.
Jen Underwood: Oui, c'est incroyable, ça l'est vraiment. Ça change vraiment et vite. L'autre dynamique que nous avons et dont nous avons parlé, maintenant je pense que nous le voyons enfin et les organisations ressentent cette croissance exponentielle des sources de données, et il ne s'agit plus seulement d'analyser des données sur des sources de données structurées. Encore une fois, nous parlons, vous n'avez qu'un moment dans certains de ces processus numériques pour prendre une décision et ces choses arrivent dans les JSON des API REST, nous parlons de données non structurées, que ce soit les fichiers journaux, il y a toutes sortes de différents types de données, ainsi que la croissance constante extrême.
Nick Jewell: Oui, Jen, alors comme vous l'avez souligné, les leaders analytiques se noient dans une mer de données. Obtenir un aperçu de grande valeur, peut-être en utilisant un mélange de techniques analytiques existantes ou nouvelles, est vraiment l'objectif final, mais il y a un problème simple et fondamental auquel de nombreuses organisations avec lesquelles nous travaillons sont confrontées. Nous avons commandé Harvard Business Review, nous avons mené l'enquête, en discutant avec des analystes de données et des chefs d'entreprise. Ils ont demandé combien de sources de données ils utilisent dans leur organisation pour prendre une décision, et il est assez clair qu'il y a eu un changement fondamental au cours des dernières années seulement. L'informatique avait l'habitude de mélanger les données, de les pousser vers l'entrepôt de données, mais je suppose que malgré tout l'excellent travail que les groupes informatiques ont fait, créant une gestion centralisée des données, les analystes sont toujours confrontés à la tâche de créer cet ensemble de données analytiques spécifiques, mais ils doivent répondre à une question commerciale. En fait, seulement 6% ont toutes leurs données en un seul endroit, et la majorité des analystes doivent extraire des données de cinq sources ou plus - des choses comme des feuilles de calcul, des applications cloud, les médias sociaux et bien sûr, sans oublier cet entrepôt de données.
Maintenant, la plupart des organisations le reconnaissent, mais ce que la plupart des organisations ne traitent pas, c'est le simple fait que les professionnels des données passent plus de temps à gouverner et à rechercher des données qu'à en extraire de la valeur. Ce ne sont pas les problèmes analytiques stratégiques de premier plan dont les dirigeants d'entreprise veulent entendre parler. Mais ne pas s'attaquer au problème fondamental va vraiment empêcher les organisations d'obtenir des informations fondées sur la valeur. Jen?
Jen Underwood: C'est intéressant. J'ai certainement vu différentes études à ce sujet et c'est ce morceau ici, que ce soit 80 pour cent du temps ou des milliards de dollars re-fixant les mêmes données encore et encore, très inefficacement dans une organisation. Cela s'additionne, ces 37 et ces 23 pour cent représentent une perte de temps très coûteuse. C'est étonnant pour moi qu'on n'y accorde pas plus d'attention.
En regardant certains d'entre eux, ce que j'appellerais les forces du marché, et souvent lorsque je parle des tendances de l'industrie, j'aime suivre l'industrie et garder une impulsion constante. Il est important de comprendre quand quelque chose est plus qu'une tendance, quand ce sera vraiment une force à laquelle vous devez faire attention, et ce sont les trois premiers en ce moment, des forces auxquelles vous devez prêter attention. C'est cette croissance rapide, le numéro un est la croissance rapide des bases de données non relationnelles. Je viens de mentionner tout ce concept de ne pas avoir beaucoup de temps pour interroger, en soi, un JSON, ce sont ces types de scénarios non relationnels, qui se développent assez - je pense que j'ai quelques statistiques dans un instant ici - rapidement.
L'autre chose est le passage en cours vers le cloud. Avant l'appel, j'avais mentionné que j'étais chef de produit mondial dans l'une des grandes entreprises technologiques et que j'avais eu des conversations difficiles il y a trois ans avec des groupes disant: «Nous ne mettrons rien dans le cloud. Nous ne passerons pas au cloud. »Et, il a été très intéressant de voir des groupes un an plus tard, deux ans plus tard, maintenant j'entends des mêmes groupes, que tout le monde a un plan cloud. Je pense que tout le monde est une déclaration extrêmement large, mais je dirais que les gens qui ont été anti-cloud, l'attitude a certainement changé de façon spectaculaire, en très peu de temps, même depuis que je parlais à des groupes du monde entier de ce genre de choses.
L'automatisation, c'est un domaine qui m'a fasciné et un domaine que nous voyons certainement beaucoup d'activité et une grande activité. Nous parlons de certaines de ces choses avec ce temps perdu et une utilisation inefficace de votre temps. L'automatisation est certainement l'un des domaines qui me passionnent le plus lorsque je pense à apporter de la valeur à une organisation.
La diapositive suivante dont je vais vous parler, c'est une étude réalisée par IDC, ils examinent les segments de marché et la croissance et c'est vraiment une merveilleuse façon de prendre le pouls de ce qui est vraiment en croissance, qu'achètent vos pairs? Quels types de choses ne les intéressent plus? Ce genre de choses et mettre dans leur stratégie.
Selon IDC, le marché mondial des logiciels d'analyse des mégadonnées comprend 16 segments et, dans ce sens, nous envisageons même certains changements de nom. Il y avait un ajout de logiciels d'analyse continue, de plates-formes logicielles d'IA cognitive, de systèmes de recherche, donc il y avait même de nouvelles catégories ajoutées ici. Cette présentation du marché englobe à peu près les outils horizontaux, les applications préemballées ainsi que certains cas d'aide à la décision et d'automatisation des décisions. Encore une fois, ce seront les types de solutions, lorsque vous pensez à CDO, en mettant dans un contexte de CDO, leur portefeuille qui peut gérer de l'intégration des données à la visualisation d'analyse, l'apprentissage automatique et tous ces types de capacités dont ils ont besoin avoir à l'ère numérique.
Le marché mondial lui-même pour ces types de solutions a augmenté de 8, 5% en devises actuelles et le marché global a augmenté de 9, 8% selon IDC. Cela a été comparé à - vous regardez les fluctuations monétaires sur une période de deux ans et le degré de variation est minime, mais ces trois principaux segments que j'ai mis en évidence, juste pour vous donner une idée de ces sources de données analytiques non relationnelles, 58 pour cent la croissance d'une année à l'autre, l'analyse de contenu et les systèmes de recherche étaient de 15% et certaines des applications de relation client, des choses de type CRM ou Salesforce Einstein, par exemple, celles-ci augmentent de plus de 10%, elles sont de 12% en ce moment. Je pense que Nick voulait également ajouter quelques commentaires sur celui-ci.
Nick Jewell: Merci, Jen. C'est un visuel fantastique. Je pense qu'Alteryx a toujours cru que la préparation et la fusion des données seraient toujours une compétence de base, je suppose, de tout système analytique, mais c'est vraiment le fondement de toute analyse plus avancée. Maintenant, au cours des dernières années, parlons de l'industrie - elle aurait peut-être été un peu trop concentrée sur certaines des nouvelles capacités de visualisation interactive. Ils sont beaux parce qu'ils augmentent l'engagement, ils stimulent la compréhension, mais ils ne nous ont pas vraiment poussés au-delà de l'analyse descriptive.
Mais, je suppose que maintenant que les gens se tournent un peu plus vers le haut, les organisations qui commencent à comprendre les valeurs de l'entreprise proviendront de ces analyses plus sophistiquées qui font tout juste leur entrée dans le courant dominant. La question devient alors, comment, ou plus précisément, qui? Cela est passé à des analyses de plus grande valeur; cela met vraiment en relief la question de la pénurie de talents analytiques, êtes-vous d'accord?
Jen Underwood: Absolument, et j'ai eu, je pense que je viens de tweeter, j'ai vu hier soir un commentaire vraiment fascinant du vice-président d'Adobe, «L'apprentissage automatique est devenu un enjeu de table», où les gens se méfiaient, maintenant c'est devenu un besoin et c'est intéressant. En regardant cela et juste un petit autre petit angle différent, en soi. Beaucoup de gens, nous commençons à voir cela comme un domaine à forte croissance avec un magasin analytique non relationnel et l'IA cognitive, ce machine learning, ces analyses à haute valeur ajoutée. Mais toujours à la fin de la journée, actuellement le segment le plus important, donc là où la plupart des achats ont lieu aujourd'hui, se trouve toujours dans cette base, ce que je dirais, le rapport de requête, une partie de l'analyse visuelle, et il continue de croître et c'est quelque chose que beaucoup pensent que vous l'avez déjà - pas nécessairement. Il continue de croître de 6, 6% chaque année.
En tant que CDO - et j'adore montrer cette diapositive - simplement pour dire, lorsque vous entrez dans ce nouveau rôle ou que vous recherchez des données dans une organisation, c'est le chaos, et je pense que cette diapositive particulière fait vraiment un bon travail de - ce sont tous les différents domaines potentiels que vous pouvez avoir des données. Ils peuvent être sur site, ils peuvent résider dans le cloud, ils peuvent être hybrides, ils sont partout et c'est un gros problème - encore une fois, c'est un rôle de type C maintenant au sein d'une organisation, et ce n'est pas une tâche simple ou simple - dans ce monde particulier à affronter, c'est parfois assez écrasant. C'est le monde dans lequel ce CDO doit naviguer, pour pouvoir maîtriser ce que je dirais, maximiser la valeur des données.
Poursuivre le défi, maximiser la valeur de toutes ces différentes sources et ce que nous avons, c'est la fermeture de ces fenêtres temporelles, avec ces processus numériques ou la perspicacité de l'action se ferme. Si vous pensez il y a peut-être cinq ans, il y a dix ans, il se peut que vous ayez des rapports que vous exécuteriez pour prendre des décisions concernant l'inventaire ou les actions, celles-ci pourraient s'exécuter chaque semaine, chaque mois, puis elles deviendraient quotidiennes ou du jour au lendemain, peut-être toutes les heures.
Maintenant, ce que nous voyons, ce sont ces bureaux intelligents artificiels intégrés et intelligents d'apprentissage automatique, qui prennent des décisions et des corrections sur place, donc même des choses comme l'Internet des objets, des analyses intégrées à l'IoT à la périphérie, ces systèmes sont intelligents et ces algorithmes peuvent auto-régler et modifier certaines des décisions qu'ils prennent sur place au bon moment. Il a été très intéressant de voir cette dynamique particulière avec les révolutions numériques et ces points de contact - même s'ils ont augmenté, le temps d'action continue de diminuer et la technologie évolue alors pour ces scénarios.
Nick Jewell: Oui, Jen, je pense que l'un des aspects les plus intéressants de la façon dont la diffusion des informations évolue est l'endroit où les analyses parviennent à l'utilisateur final. Demandons-nous aux utilisateurs de sauter dans un tableau de bord lorsqu'ils prennent une décision critique, ou disons-nous que les informations, la meilleure action suivante, sont disponibles directement dans le processus, dans le flux, afin de générer cet avantage concurrentiel? Et le modèle analytique dont nous parlons pourrait avoir besoin de prendre ses entrées à partir d'une multitude de sources différentes - entrepôts de données traditionnels, géolocalisations, médias sociaux, capteurs, flux de clics - toutes ces données ont une incidence sur la décision et ce résultat réalisable .
Jen Underwood: Poursuivant sur ce thème du défi et du changement, ce que nous avons en ce moment et les défis que le PDG doit relever et planifier un moyen de les vaincre, c'est essentiellement que nous avons trop de données pour gérer efficacement et analyser manuellement. Il y a de longs retards; nous devons raccourcir ces délais et nous devons trouver un moyen de maximiser la valeur des données dont nous disposons. Il y a une pénurie de talents en science des données dans le monde et pour couvrir ces connaissances et ce que nous appellerions les océans en tant que données. La bonne nouvelle, c'est qu'il y a de merveilleuses innovations qui nous aident dans tous les domaines aujourd'hui, et il devient passionnant de voir ce que, où la technologie va nous emmener, pour nous aider à relever ces défis.
Alors que je continuais à regarder cela, il y a un peu de confusion lorsque j'ai parlé à des clients ou à des groupes à l'aide de certains de ces outils. Certains des défis classiques existent toujours aujourd'hui, c'est juste un peu plus exacerbé en essayant de trouver des données à analyser. Certains des outils de recherche, certains des catalogues disponibles sont certainement utiles - maintenant, ce que nous trouvons, c'est quel catalogue utiliser quand. Il y a quelques catalogues différents, il y a donc différents endroits où vous pouvez stocker et partager des données, il est donc important d'essayer d'en trouver un, peut-être le catalogue dans lequel nous devrions chercher.
L'autre chose est le partage collaboratif. Nous avons parlé de l'une des études de cette Harvard Business Review, du temps passé, essentiellement à effectuer des tâches sans valeur ajoutée, à perdre du temps et à quel point cela peut être coûteux. Si vous êtes en mesure de partager et d'utiliser des sources de données communes, les scripts ont déjà été développés, la logique est déjà là, vous pouvez les gouverner efficacement, donc équilibrer la gouvernance avec l'agilité analytique, c'est vraiment ce que vous voulez vous efforcer de faire et naviguer dans ce monde de ce que j'appellerais, nous avons les outils de niche, nous avons des outils de workflow automatisés, nous avons Excel classique, les catalogues de données, la BI en libre-service, les outils de science des données. Comme l'a montré cette image, il y a beaucoup, beaucoup d'outils et beaucoup de chevauchements entre eux.
Nick Jewell: Oui, parfait, Jen, et je pense que la fenêtre de compréhension, comme vous l'avez mentionné, se rétrécit très certainement, mais le temps qu'il faut pour déployer des modèles ne suit pas. Le déploiement de modèles prédictifs reste un défi majeur pour de nombreuses entreprises. Nous avons parlé à Carl Rexer qui est le président de Rexer Analytics, et dans l'enquête de science des données de Carl en 2017, il a constaté que seulement 13% des scientifiques des données disent que leurs modèles sont toujours déployés, et que ce taux de déploiement ne s'améliore tout simplement pas, nous revenir avec chaque enquête précédente. En fait, remontant à 2009, lorsque la question a été posée pour la première fois, et que nous constatons des résultats presque identiques, nous avons donc un réel écart.
Jen Underwood: Quand on regarde la maturité de l'analyse, elle progresse rapidement. Encore une fois, il y a deux ou trois ans, nous étions très heureux d'avoir une analyse visuelle en libre-service et enfin d'être flexible et d'étendre la BI aux masses, en soi. Quand je dis des masses, probablement encore des utilisateurs puissants au sein d'une organisation. Maintenant, nous assistons à l'optimisation, à l'analyse prédictive, à l'apprentissage en profondeur, au langage naturel, à de nombreuses autres technologies qui, véritablement intégrées dans les processus quotidiens, vont enfin démocratiser véritablement l'analyse de manière très transparente pour les masses, pour les vraies masses à utiliser au sein du processus métier existants dont ils disposent déjà.
Nick Jewell: Oui, Jen, parlons une petite histoire autour de cette dernière catégorie, si je peux. La plupart des auditeurs présents aujourd'hui connaissent bien le logiciel AlphaGo de Google DeepMind, qui a vaincu certains des meilleurs joueurs de Go au monde au cours des deux dernières années. AlphaGo a appris à jouer au jeu en étudiant d'énormes volumes de matchs enregistrés précédemment. À tel point que les commentateurs du tournoi AlphaGo ont affirmé que le logiciel jouait à la manière d'un grand maître japonais, croyez-le ou non.
Mais, au cours du dernier mois, un résultat presque plus étonnant a été signalé. C'était AlphaGo Zero, un apprentissage en profondeur, un réseau de neurones, armé de rien de plus que les simples règles du jeu et d'une fonction optimisée. Il s'est appris à devenir le joueur de Go le plus fort du monde, sans formation supervisée, et il a fait tout cela en environ 40 jours. Ce soi-disant apprentissage par renforcement, où les humains définissent le défi, permettent au système d'apprentissage profond d'explorer, d'améliorer, pourrait vraiment produire le plus grand impact dans l'espace analytique à ce jour. Alors, je suppose, restez à l'écoute.
Jen Underwood: Oui, c'est vraiment intéressant que vous en parliez. Pouvez-vous imaginer les exclusions? Et c'est ce que je commence à voir. Vraiment, quand je parle d'automatisation, très excitant pour que les solutions soient assez intelligentes pour purifier l'air, pour apprendre automatiquement des systèmes, brancher et jouer et juste savoir quoi faire ensuite en fonction de certaines des décisions passées qui ont été ou d'autres décisions qui ont été créés au sein de l'organisation et qui ont géré certains de ces systèmes, les systèmes ETL et qui ont pris soin d'eux, et qui remontaient dans la journée des bips et des téléphones qui m'appelaient avec des alertes lorsque les processus n'étaient pas en cours d'exécution, c'est tellement excitant de penser, "Wow, maintenant il est assez intelligent pour se soigner probablement."
Mon mari gère une grille d'auto-guérison, nous aurons une intégration des données d'auto-guérison, des analyses d'auto-guérison et là où ça va de mieux en mieux, c'est vraiment excitant. En tant que CDO, lorsque vous commencez à penser à la technologie de traitement des personnes, nous allons jeter un coup d'œil, en ce moment nous regardons la technologie, puis nous allons regarder les gens et comment aborder la construction de votre équipe et la construction les compétences. Si vous regardez la plate-forme d'analyse moderne, je vais vous le dire tout de suite, tout le monde ne va pas tout avoir ici, bien que les plus grandes organisations puissent avoir tous ces différents composants, en soi, certains groupes peuvent avoir seulement deux ou trois petites cases ici, donc je ne voulais pas submerger les gens avec ça. Mais une plateforme de BI moderne ne nécessite pas nécessairement une génération informatique, une couche sémantique de reporting prédéfinie.
Les utilisateurs et les experts devraient vraiment être autorisés à simplement préparer des données pour la vitesse et l'agilité analytiques, et si vous pensez à la montée de ce que nous dirions des analyses dirigées par des utilisateurs et des experts, permettant aux experts en la matière d'avoir l'agilité, ils doivent prendre des décisions rapides. Nous assistons à une adoption accrue de ce que nous dirions, des outils de préparation des données personnelles, de la gestion des données, de l'enrichissement, du nettoyage, des types d'activités qu'Alteryx effectue ainsi que de certaines des activités de type science des données qu'ils proposent en tant que bien. La solution de préparation moderne, ils offrent des jointures intelligentes et automatisées, des résolutions d'air, le déplacement des données, quand vous avez un pipeline de Big Data, c'est très, très cool. C'est probablement, encore une fois, l'un des domaines que j'aime et que j'aime aussi beaucoup tester dans l'industrie.
Contrairement à la BI dirigée par l'informatique traditionnelle, l'informatique se concentre aujourd'hui sur l'activation de l'entreprise et vous avez des gens comme les CDO et vous préparez ou choisissez les bonnes solutions pour orchestrer, organiser et unifier ces données et vous assurer, bien sûr, qu'elles sont gouverné, non? Une chose qui est très intéressante pour moi et je pense que nous en avons déduit, mais je ne pense pas que nous l'avons dit tout simplement, à l'époque d'un entrepôt de données à taille unique et qu'être le En fin de compte, tout est fini. Les données sont partout, vous devez en faire - des lacs de données sont apparus, il y a du streaming et des données en direct, il y a tellement de sources de données différentes maintenant, c'est vraiment plus basé sur un cas d'utilisation, "De quoi avez-vous besoin?" «Nous devons tout mettre dans un entrepôt de données.» Je ne suis pas sûr, Nick, vouliez-vous commenter celui-ci? Je ne m'en souviens pas.
Nick Jewell: Je vais juste dire une chose et c'est juste, regarder l'évolution du composant. Ce que les experts ont fait il y a cinq à dix ans est maintenant entre les mains de l'utilisateur, donc les choses à droite là-bas vont être plus courantes pour l'utilisateur sous une forme sans code par glisser-déposer. Très prochainement. Il se déplacera de plus en plus vite, alors gardez simplement un œil sur cela.
Jen Underwood: Oui, c'est vraiment un bon point. J'adore y penser. Les différentes data science, ça devient enfin une réalité et les outils s'améliorent tellement. En pensant à la technologie, nous devons maintenant avoir les compétences et les personnes et que devons-nous faire? En ce moment, ce sont les meilleurs emplois, ils incluent des titres comme des scientifiques des données, des ingénieurs de données et des analystes commerciaux, mais ce que nous constatons, c'est que les employeurs eux-mêmes ont vraiment du mal à faire un match. Même dans l'espace de préparation des données, je dirai: "S'agit-il de la préparation des données, s'agit-il de la querelle de données, quels termes les gens appellent cela?" Cela a été très intéressant à trouver.
L'entreprise ne sait pas ce dont elle a besoin et il y a ce tout nouveau domaine émergent qui couvrira de nombreux domaines différents. Si vous regardez maintenant, tout le monde doit être maître de ses données, de l'analyse commerciale, des chefs de projets informatiques, mon mari qui gère un réseau électrique et un portefeuille de projets, il doit être en mesure d'analyser cela. Ce n'est plus seulement la finance et l'analyse des données, c'est vraiment beaucoup plus étendu, à d'autres domaines de l'organisation. Je pense avoir vu une étude sur le nombre de sources de données utilisées par le marketing, et c'était écrasant. Encore une fois, lorsque vous pensez à l'étude réalisée par Harvard Business Review, ce n'est plus seulement une source de données que les gens doivent fusionner et fusionner et trouver un aperçu, ce sont de nombreuses sources de données et il faut des compétences pour le faire.
Lorsque vous regardez essentiellement la situation dans son ensemble, la plupart des nouvelles embauches seront dans cette bulle rose vers le bas, lorsque vous parlez de ces analystes commerciaux aux analystes de l'exploration de données, aux gestionnaires des ressources humaines, ce domaine, juste des rôles réguliers au sein de la ligne des entreprises utilisant des données. Les postes à la croissance la plus rapide auront moins d'emplois, mais certainement ce que nous entendons le plus sur le marché aujourd'hui, le data scientist et le data engineer. En tant que CDO, ils regardent vers l'avenir et vous planifiez des talents, vous devez prendre en compte une partie de l'automatisation des tâches de routine et des types de compétences qui seront plus stratégiques, et encore une fois, ajouter de la valeur à votre organisation, pour les deux ceux en analytique ont permis mais aussi pour la science des données et les ingénieurs de données là-bas. Considérez comment vos postes non affichés et même une partie de l'économie indépendante peuvent changer lorsque vous pensez à cela pour rivaliser pour les meilleurs et les plus brillants.
Et, pensez toujours à votre portefeuille de talents, aidez les candidats à naviguer sur le marché ou recherchez des choses qui pourraient être un peu différentes et pas exactement ce que vous voulez et créez des cours d'analyse en interne, qui ne sont peut-être pas vraiment les plus rapides, les plus stratégie rentable pour vous de suivre. Pensez à regarder les gens qui se consacrent à la formation sur ce groupe ou sur différents groupes, et je crois qu'Alteryx a un cours recommandé à la fin de la session aujourd'hui comme appel à l'action, que vous pouvez exploiter pour certaines de ces choses et aider votre équipe à tirer parti certaines des ressources existantes qui sont déjà disponibles.
Nick Jewell: Absolument. Il y a tellement de façons de combler ce manque de talents sans se laisser entraîner dans une course aux armements. Quelques diapositives en arrière, je ne sais pas si vous pouvez en retourner un couple là-bas. Kaggle, le site du concours de science des données, vient de publier un sondage avec 17 000 réponses sur l'état de la science des données et il y a eu une réponse très intéressante du sondage sur les compétences des gens, et la majorité des répondants n'avaient pas de doctorat, ce n'est tout simplement plus une condition préalable.
L'idée que les experts en analyse de nouvelle génération, cette bulle majeure que vous venez de montrer, peuvent acquérir les connaissances dont ils ont besoin grâce aux cours de nano-diplôme. Ils peuvent se rendre sur des sites comme Udacity et ils peuvent déployer ces connaissances immédiatement, directement dans l'entreprise, des cycles de livraison courts et ciblés en font une source immédiate d'avance concurrentielle pour leurs entreprises. Donc, quelque chose à surveiller, je pense.
Jen Underwood: Non, je suis d'accord. Même si j'y pense, c'est certainement un long chemin depuis que j'ai suivi un programme de deux ans à l'UCSD. Je pense que cela remonte à 2009, 2010 et il y en avait vraiment une poignée dans le pays qui vous permettait de le faire. Il y a généralement beaucoup plus d'options maintenant, ainsi que des programmes spécialisés, que ce soit via les fournisseurs, de nombreuses ressources disponibles aujourd'hui avec des boucles et toutes ces différentes ressources en ligne, c'est tout simplement incroyable, c'est vraiment le moment. Prendre le temps et le budget et planifier vous-même pour suivre. Qu'est-ce que tu veux apprendre? Et puis en suivant ce chemin que vous voulez apprendre.
Parler de cela et élaborer votre propre plan de compétences et de la perspective d'un CDO, en s'assurant qu'ils ont des gens dans les domaines couverts, de ce que je dirais un cadre de compétences en soi, en regardant les compétences ou en regardant des choses comme la connaissance du domaine est toujours vraiment clé, même si ces solutions peuvent se former et s'auto-apprendre, c'est vraiment un expert en la matière qui guidera et s'assurera que les résultats ont du sens.
Il y a toujours quelque chose et j'aime utiliser l'exemple du moment où je faisais des analyses critiques pour une compagnie d'assurance et l'une des constatations que les algorithmes avaient était de n'embaucher personne de New York. Eh bien, non, nous n'embaucherons personne de New York - nous avons dû découvrir pourquoi l'algorithme nous donnait ces informations. C'était parce que la loi, l'une des lois avait changé et nous avions donc beaucoup de désabonnement dans ce segment particulier. Un expert en affaires devait être amené à déchiffrer cela, et je ne vois pas cela changer, je ne vois pas ce genre de guide, en s'assurant que les résultats semblent exacts, fait quelque chose de faux - c'est toujours, il y a quelque chose qui est dit que l'esprit humain, la beauté de cela combiné avec la puissance de la machine, est vraiment là où nous allons.
Les autres types de choses lorsque vous regardez les compétences, la visualisation, racontez une histoire efficace dans les données, racontez une histoire efficace pour savoir si c'est même une sortie d'apprentissage automatique. Rassembler et regarder quel est son impact, comprendre la nature humaine de la prise de décision, ces types de choses sont très importants quelle que soit la technologie. La gouvernance est vraiment importante, l'éthique devient de plus en plus importante. Faire participer les spécialistes des sciences sociales, qui comprennent et sont formés pour voir s'il y a des biais dans vos données que vous ne réalisez même pas ou si personne dans l'organisation ne pourrait même pas le reconnaître, même en les faisant entrer dans l'expert, avoir ce genre de choses.
Et encore une fois, bien sûr, avoir l'infrastructure pour l'ingénierie et le matériel et vous assurer que vous pouvez évoluer et qu'il est développé et vous assurer que vous utilisez le bon fournisseur de cloud, peut-être que vous n'êtes pas verrouillé ou que vous avez des options pour déplacer ou que vous comprenez le prix sur combien cela va vous coûter. Ce sont ces types de compétences et lorsque vous regardez cela, nous l'appellerions des compétences par différents domaines, qu'il s'agisse de décideurs de première ligne axés sur les données - où la plupart de ces rôles seront - jusqu'à ces ingénieurs de données et scientifiques des données qui masser et travailler dans ces océans de données. Ce sont les types de choses que vous voudrez mettre en place un cadre.
En regardant les cadres de compétences, vous regardez une organisation en général, vous voulez considérer les compétences, pas seulement les compétences. Il y a une petite nuance dans le libellé lorsque vous regardez cela. Un cadre de compétences pour votre organisation est un signal clair. Les décideurs politiques en matière de guerre, les prestataires de services éducatifs, alors que les compétences seraient, par exemple, tapées sous R, vous pensez à ce genre de choses, vous avez un codeur compétent, mais vous voulez avoir plus que ces compétences. Lorsque vous comprenez les compétences, ce qu'une personne doit pouvoir comprendre et comprendre le cadre, c'est ce qui est important, il y a un peu de nuance là-dedans.
Au fur et à mesure que vous construisez cela, vous souhaitez diagnostiquer ce que vous appelleriez des capacités qui ont un impact positif sur l'entreprise et mettre en évidence ces domaines à fort potentiel, de sorte que vous priorisez les compétences que vous souhaitez élever dans votre organisation et puis les aligner à nouveau, avec les objectifs commerciaux. Le CDO qui est chargé de maximiser la valeur des données, qu'ils examineront, et leur CAO, qui utilisera l'analyse pour maximiser la valeur des données. Ils examineront ces compétences et ces différents domaines, sur la grille précédente que j'avais là-bas, mais ils examineront également le potentiel élevé du personnel. Vous allez faire une référence croisée avec votre personnel pour le travail de données et d'analyse et y investir, leur fournir des opportunités d'apprentissage et pas seulement de la formation, essentiellement des opportunités du monde réel travaillant sur de vrais problèmes commerciaux.
Il n'y a rien de mieux - même si je suis allé à l'école pendant quelques années, ce n'est que lorsque j'y suis allé et que j'ai appliqué certains de ces algorithmes ou appris la fraude par chèque, appris certaines de ces choses auxquelles je n'avais jamais pensé auparavant, et vous commencez à vous rassembler dans le monde réel et c'est là que vous apprenez vraiment. Donner aux gens la possibilité d'acquérir de l'expérience dans ces domaines. Les entreprises qui sont les mieux à même de développer de solides capacités, qui identifient systématiquement, des évaluations objectives et qui cherchent où sont les lacunes au sein de mon organisation pour l'apprentissage et la mise en place de certaines mesures pour les objectifs des gens, ce sont celles qui vont pouvoir livrer.
Quand vous pensez à la formation d'adultes, encore une fois, c'est généralement un temps affamé - nous sommes toujours affamés - mais en regardant ce qui fonctionne pour chacun. J'ai personnellement des livres, donc si vous veniez dans mon bureau aujourd'hui, vous verriez des tonnes de livres, même si beaucoup de gens aiment les vidéos. Il s'agit donc de découvrir comment un membre de votre organisation aime apprendre - pour le motiver à apprendre - mais aussi pour lui donner le temps de le faire et l'objectif d'une sorte de - ce qui est efficace pour y parvenir et généralement c'est mélangé, ce n'est pas seulement, suivez ce cours pour vérifier cette marque sur une carte de score, en soi, c'est mélanger cela avec un projet de but réel et qu'avez-vous appris de ce projet et que voulez-vous faire ensuite? Qu'est-ce qu'un tronçon? Étirer votre équipe ou motiver votre équipe à aller plus loin.
Ces objectifs d'apprentissage, encore une fois, si vous faites cela, cela ne devrait pas être vraiment, cela devrait être facile pour l'entreprise, essentiellement parce que ces objectifs devraient s'aligner sur les intérêts commerciaux stratégiques. Ce sont de grands projets. Ce sont des projets expérimentaux. Ce sont des projets qui feront avancer l'aiguille.
Nick, tu voulais ajouter quelque chose? Je ne suis pas sûr.
Nick Jewell: Non, j'allais sauter dans une étude de cas, si ça va, sur l'écran suivant. Un peu plus de détails sur une organisation spécifique. Je suppose qu'ils ont mis beaucoup de ce que vous dites en pratique, en réalité. La Ford Motor Company s'est appuyée sur l'analyse des données pendant des décennies, tout comme de nombreuses entreprises, mais elle l'a fait dans des poches de l'entreprise, avec probablement très peu de surveillance dans l'ensemble de la société pour assurer la cohérence et la coordination. Leurs problèmes étaient probablement assez typiques pour une organisation de leur envergure, de sorte que l'expertise analytique contenait - comme nous le disons - des poches, les pratiques de gestion des données et de gouvernance étant incohérentes, même au point où certaines unités commerciales n'avaient pas accès à l'expertise analytique de base.
Encore une fois, nous avons parlé aujourd'hui de nombreux types de sources de données, ils comptaient plus de 4 600 sources de données. Cela signifiait même que commencer le voyage et trouver les données dont ils avaient besoin était un véritable obstacle à la compréhension analytique. Je vois que tu ris, mais c'est une chose terrible, non?
Jen Underwood: 4 600, oh mon Dieu, ouais.
Nick Jewell: Donc, Ford a formé l'unité mondiale des analyses et des analyses et cela a été centralisé - vous pouvez l'appeler un centre d'excellence - composé d'une équipe de scientifiques et d'analystes de données, organisée pour partager ces meilleures pratiques analytiques et aider à diffuser des données optimisées axées sur les données. création de données dans toute l'entreprise. L'unité a sélectionné les meilleurs outils de sa catégorie, non seulement en termes de capacité, mais également en fonction de leur capacité à bien s'intégrer, c'est donc très important. Leur démocratisation s'est concentrée en fait sur les rapports et l'analyse descriptive, avant de remonter cette pyramide de besoins dont nous avons parlé.
Maintenant, la démocratisation ne fait pas seulement de quelqu'un un data scientist du jour au lendemain; le personnel doit savoir quand et où obtenir de l'aide, et il y a de la formation, de la gouvernance, des méthodologies disponibles pour vous aider dans tout cela. En outre, il ne s'agit pas uniquement de formation aux outils, mais également de formation en science des données, pour combler le déficit de compétences que nous avons mentionné. Donc, un cas d'utilisation réel chez Ford, optimisant un réseau logistique, Ford payait-il donc la bonne quantité pour déplacer les matériaux du point A au point B? Leurs anciennes analyses n'ont vraiment pas mis en évidence les opportunités exploitables; cela les a rendus très réactionnaires sur le marché. Maintenant, une grande partie de la complexité de ce processus était enfermée dans la tête des analystes et ils ont fait une énorme percée lorsque le flux de travail en libre-service a été en fait itéré avec l'entreprise, et les experts analytiques assis ensemble et colocalisés.
Cela a fait passer l'analyse de plusieurs années à une analyse trimestrielle, et même presque en temps réel, ce qui représente un avantage énorme, énorme pour l'entreprise. Cet impact de l'analytique en libre-service sur la valeur commerciale, Ford a pu planifier et établir rapidement des stratégies basées sur les données à l'échelle de l'entreprise, pour répondre aux tendances émergentes, aider à façonner de nouveaux services et essentiellement à conjurer les menaces de la concurrence, sans avoir à regarder dans ce rétroviseur.
Maintenant, si nous examinons un instant comment un autre client a vraiment fait passer l'analyse d'une priorité verticale dans une seule division de l'entreprise à une bande horizontale dans toutes les divisions, nous parlerons de Shell. Shell gère un centre d'excellence qui relève du directeur numérique - il y a donc un autre D pour notre livre de jeu CxO - responsable de la transformation numérique et de la durabilité. Ces gars-là, ils ont compris que leur environnement contenait plusieurs couches et la pile technologique, le stockage, le traitement des données et toutes les technologies en vedette que vous connaissez tous. Des choses comme SAP HANA, Databricks, Spark, et ils ont tiré parti du cloud public pour réaliser les bonnes économies d'échelle.
Maintenant, ils ont sélectionné Alteryx comme wrapper analytique pour une grande partie de leur code R, alimentant des technologies telles que Spotfire, Power BI et plus encore. Mais maintenant, ils voient l'adoption liée beaucoup plus étroitement au traitement et à la visualisation des données. Jen, rappelant simplement votre diapositive de toutes ces capacités, ce genre de chose se propage alors que nous commençons à permettre à plus d'analystes d'avoir accès. Vous savez, ils ont énormément réussi à fournir cette capacité et le COE, cherchant à fournir des capacités futures maintenant, certaines de ces choses d'apprentissage en profondeur dont nous avons parlé - vision industrielle, traitement du langage naturel - et la moitié de leur mission est la livraison, la moitié est d'expliquer et de catalyser ces idées à travers les unités commerciales. Cela fait partie du voyage; le COE recherche toujours différentes façons de communiquer avec son public.
En tenant compte d'un côté des sceptiques qui disent: «Eh bien, cette boîte noire ne sera jamais aussi bonne que mon analyste», jusqu'au fanboy ou à l'amateur qui voit des corrélations partout, peut-être moins dans la voie des relations causales, mais vous devez être prudent des deux côtés. C'est un terrain d'entente fascinant, lorsque vous avez cette bande horizontale dans toute une organisation, cet ensemble de compétences hybrides qui est nécessaire pour convaincre les deux côtés du spectre.
Nick Jewell: OK, Jen, tu es là?
Jen Underwood: Je le suis.
Nick Jewell: Je suppose que ce que nous essayons de dire ici avec cette citation de Clayton Christensen, c'est que pour de nombreuses organisations, je suppose que l'unification du programme d'analyse afin de conduire la transformation numérique dont nous avons parlé aujourd'hui va être un défi. Plus souvent qu'autrement, nous trouvons des équipes analytiques commençant avec une main faible. Tenter d'innover avec les héritages de processus analytiques, de technologies, de structures d'équipe et de conserver ces reliques sera le plus grand obstacle à l'alignement analytique et à l'innovation analytique. Avez-vous des réflexions à ce sujet, Jen?
Jen Underwood: J'aime la photo qui a été choisie. Oui, cela a certainement beaucoup de sens pour moi. Vous devez adopter certaines de ces nouvelles technologies, par exemple le streaming en temps réel. Vous ne pourrez pas nécessairement obtenir ces résultats en temps réel si vous devez effectuer des actualisations JavaScript dans un navigateur, en soi, avec un ancien héritage - c'est peut-être une application de tableau de bord ou ce genre de choses. Oui, vous devez adopter certains de ces nouveaux outils, et encore une fois, je pense que cette image est vraiment mignonne, une image dit mille mots. Le chariot et le buggy, vous devez abandonner certaines de ces anciennes approches technologiques.
Nick Jewell: Absolument. Donc, si nous passons à la diapositive suivante, nous pensons qu'il y a une meilleure façon. Je suppose tout d'abord, en utilisant quelque chose qui s'apparente à la recherche de type Google, pour trouver rapidement tous vos actifs de données les plus pertinents. Comprendre leur contexte, comprendre la dépendance, prendre en compte des choses vraiment simples comme des glossaires commerciaux rédigés par des experts de vos communautés, entretenus par toutes ces connaissances tribales des chefs de vos collègues.
Être intelligent avec la découverte de données. Pensez à la possibilité de tenir des conversations avec les propriétaires de rapports et les experts. Téléchargez, faites un peu de Trip Advisor ou Yelp, téléchargez les actifs les plus utiles, certifiez ceux que l'organisation considère comme les plus précieux, puis tout cela en retour dans les résultats de la recherche et, finalement, le classement de la recherche, ce qui le rend meilleur pour l'utilisateur suivant. Une fois que vous avez trouvé ce que vous cherchez, passez à cette phase rapide, sans code, conviviale, de préparation et d'analyse pour développer votre ensemble de données parfait, à partir duquel publier des processus reproductibles.
Revenons à notre conversation sur l'automatisation, en créant des applications conviviales. Tout ce qui est nécessaire pour construire des modèles analytiques. En parlant de modèles, nous avons pris en charge les technologies open source telles que R pendant un certain nombre d'années, ce qui nous permet de construire une capacité analytique vraiment avancée qui couvre les analyses descriptives, mais aussi prédictives et prescriptives, dans un simple glisser-déposer. déposer de manière.
Maintenant, sur le côté droit, obtenez réellement ces informations sur les visualisations interactives, les modèles et les scores qui sont poussés vers le bas dans les plateformes de données, ou plus récemment, rendant ces informations disponibles instantanément et directement dans un processus métier. Je pense que c'est cette gamme de capacités sur l'ensemble de la plate-forme qui nous a permis d'être reconnu comme le gagnant du Gold Award dans le Gartner Peer Insights Customer Choice Survey de cette année, ce qui est une réalisation fantastique. Je vous recommande fortement de visiter le site Gartner pour en savoir plus et ajouter vos propres votes et ajouter votre propre commentaire.
Cool, donc, Jen, si nous sautons une diapositive de plus - je suppose que nous concluons, je voudrais vous donner toutes les prochaines étapes. Tout d'abord, veuillez visiter Alteryx.com pour télécharger une copie gratuite de notre mémoire de recherche le plus récent, réalisé en coordination avec l'International Institute of Analytics (IIA), autour de la suppression des obstacles analytiques. Vous pouvez également visiter udacity.com/alteryx pour en savoir plus sur la façon de permettre à vos équipes, de franchir la prochaine étape de leur voyage, avec ce nano-degré analytique avancé et enfin de découvrir Alteryx par vous-même. Visitez la page d'accueil, téléchargez une évaluation complète et embarquez avec le plaisir de résoudre.
Jen, à toi. Nous aurons peut-être un peu de temps pour quelques questions et réponses.
Eric Kavanagh: Je vais juste sonner très rapidement. Nous avons quelques questions. Je vais en jeter un, je suppose, sur vous d'abord, Nick, puis Jen, si vous voulez commenter, mais il est certainement plus applicable à l'UE et c'est le tristement célèbre GDPR, le Global Data Protection Regulations. Comment cela affecte-t-il Alteryx et votre feuille de route et sur quoi vous vous concentrez?
Nick Jewell: C'est vraiment un boogieman, je suppose, c'est là-bas en ce moment. Beaucoup de gens en parlent, beaucoup de gens très inquiets, mais ce n'est vraiment que le premier d'une longue série de réglementations qui vont entrer dans le monde des données et de l'analyse. En réalité, de notre point de vue, il s'agit de comprendre et de classer vos données. En vous assurant en tant que CxO, d'une saveur particulière, vous savez où se trouvent vos actifs, vous connaissez leur contexte et vous savez que vous pouvez leur faire confiance comme première étape pour vraiment gouverner et gérer les données dans un contexte plus large.
Eric Kavanagh: Je suppose que je vais vous poser une autre question avant de ramener Jen, Nick, et c'est-à-dire les données de formation, si quelqu'un demande que leurs données soient supprimées de votre entreprise, cela affecte non seulement leur nom, adresse et ainsi de suite, non seulement leurs coordonnées, mais aussi, si un algorithme utilise des données de formation qui incluent vos données, vous êtes censé recycler l'algorithme, n'est-ce pas?
Nick Jewell: C'est particulièrement complexe. Je pense que l'idée que non seulement les bases de données sont une source de certaines de ces informations personnellement identifiables, mais aussi les workflows analytiques, les applications, les visualisations. Ces données vont partout avec une organisation, donc avoir ce contexte: absolument vital.
Eric Kavanagh: Et Jen, qu'en pensez-vous? De toute évidence, ce n'est pas un gros problème aux États-Unis et nous ne voyons pas trop d'entreprises s'inquiéter pour le moment, même si cela s'applique techniquement ici. Si une entreprise américaine possède des données sur un citoyen de l'UE, quelle est votre opinion sur l'importance du RGPD et quelle importance cela représente-t-il?
Jen Underwood: Eh bien, je pense certainement que cela nécessite un traitement responsable des données. J'ai écrit à ce sujet à plusieurs reprises et j'ai quelques lignes directrices sur certaines de ces choses. Je pense que la question que vous avez posée sur les algorithmes est intéressante. Certes, certaines des solutions que j'examine aujourd'hui, certaines de leurs équipes de produits ont conçu des fonctionnalités pour que vous puissiez voir comment elles prennent les décisions et quelles données personnelles ont été utilisées pour décider du résultat de cet algorithme. Aux États-Unis, nous constatons certains impacts dans la conception des produits.
Beaucoup de sociétés technologiques ont de très grands bureaux ici et des équipes de développement ici aux États-Unis ainsi que dans le monde entier, nous le voyons donc dans le développement de produits. Je constate que davantage de catalogues de données sont investis. Plus d'initiatives des gouvernements sont lancées pour que les gens comprennent, et ils comprennent où toutes ces données se trouvent dans le chaos. Essayer de se déplacer au moins pour l'organiser, pouvoir le trouver et faire quelque chose avec.
Eric Kavanagh: Je vais pousser cette diapositive dont nous avons parlé plus tôt et vous la remettre, Nick. Je pense que c'est une diapositive fantastique car, pour moi, cela parle vraiment de l'immédiateté d'un besoin d'analyse. Que pensez-vous de cette dynamique changeante? Je veux dire, l'essentiel est que les entreprises doivent être agiles et je considère que les analyses mènent cette charge. Qu'est-ce que tu penses?
Nick Jewell: C'est fascinant. Je pense qu'il y en a toujours - les entreprises et les technologies existent toujours dans trois États, donc ce sera soit la guerre, la paix ou l'émerveillement. La guerre va concerner ce niveau élevé de compétition. Wonder est tout ce que vous construisez de nouveau sur une plateforme. Puis la paix avant la compétition et la guerre recommence. Je pense qu'il y a toujours cette bataille en cours.
Avant l'appel d'aujourd'hui, nous avons parlé de certaines des autres conférences et notes clés qui se déroulent dans le monde aujourd'hui. Certains des grands fournisseurs de cloud ont atteint un point où ils ont construit cette plate-forme et maintenant ils construisent de nouvelles choses merveilleuses en plus. Les entreprises doivent garder un œil très attentif sur ce point et s'assurer qu'elles optent pour quelque chose qui a une plate-forme cohérente qui fournira cette valeur pour l'avenir. Ce sont eux qui vont survivre à cette perturbation.
Eric Kavanagh: Oui, c'est un bon point, et vous savez, Jen, vous avez commenté plus tôt, en fait avant le spectacle, à propos de la stratégie cloud et comment beaucoup de gens que vous connaissez dans l'industrie disent que les grandes entreprises, même les banques, tous ont désormais une stratégie cloud. J'ai été un peu surpris du temps qu'il a fallu pour que cela se concrétise, et je suppose que certains d'entre eux sont allés à la conférence AWS Reinvent et ont réalisé à quel point c'est massif et ont tiré la conclusion que le moment était venu. Que pensez-vous de la sensibilisation des dirigeants de grandes entreprises à l'importation de cloud et comment cela modifie-t-il leur planification?
Jen Underwood: Quand je pense à ce monde de données à grande échelle, capable de les gérer, je pense qu'à certains niveaux, il y a une certaine tranquillité d'esprit avec le fait qu'une des très grandes entreprises assume la responsabilité de certains aspects de la sécurité, donc il y a une certaine tranquillité d'esprit là-bas. Vous savez qu'il y a une échelle limitée avec le cloud.
L'autre chose est, et je l'ai vu, je faisais partie d'une équipe qui a redéveloppé un produit dans le cloud et c'était certainement un produit négligée et personne n'y a prêté attention, et dans les deux ans, à cause des versions hebdomadaires et même, Je dirais que c'est presque au point de sortir quotidiennement dans le cloud. Je sais qu'Amazon dit qu'ils sortent plusieurs fois par jour. Lorsque vous avez cette menace, lorsque vos concurrents peuvent publier et s'améliorer quotidiennement, quoi qu'ils fassent, au moins dans l'industrie du logiciel - et tout le monde est vraiment dans l'industrie du logiciel lorsque vous commencez à regarder la transformation numérique - c'est un tout autre jeu de balle et n'importe qui peut faire tourner un nuage et évoluer et devenir grand.
Encore une fois, ce seront les données sur lesquelles ils s'appuieront qui feront la différence et l'intelligence dans leurs algorithmes, et c'est pourquoi les gens parlent des données comme du nouveau pétrole ou des données comme de l'or. Quand je regarde le cloud, il change la donne, il permet un développement et une évolutivité très, très rapides. C'est incroyable.
Eric Kavanagh: Je vais vous ramener, Nick, pour une autre question - nous irons juste une minute ici si nous pouvons passer à certaines de ces questions, mais, si je me souviens bien, cinq et six et peut-être même sept il y a quelques années, Alteryx était vraiment un innovateur dans la mise à profit des données tierces - apportant ainsi des données provenant de sources comme Experian, par exemple, ou des données géospatiales. Je pense que c'est probablement un avantage stratégique parce que ce genre de chose est dans l'ADN chez Alteryx, non? Alors que les entreprises évoluent vers le cloud, je pense que vous avez beaucoup d'expérience pour être en mesure de jeter un pont sur ces mondes. Que pensez-vous des mondes des données sur site tierces et basées sur le cloud?
Nick Jewell: Oui, absolument. La connectivité ultime va être un tel avantage pour toute entreprise qui va travailler dans cet environnement cloud. Mais je dirai, lorsque nous parlons de quelque chose comme l'infonomie, l'idée que les informations et les données devraient être considérées comme un atout dans votre entreprise. La majeure partie de la valeur que vous allez apporter consiste à prendre des sources de données externes, à les mélanger et à les enrichir avec vos sources internes, pour créer et monétiser plus de valeur dans le processus. Il est absolument essentiel de travailler de manière égale avec les données internes et externes.
Eric Kavanagh: Oui, c'est un bon point. Je pense que tout ce monde de cloud hybride est là pour rester. Jen, je vais juste vous en parler pour quelques observations finales, peut-être. Pour moi, avoir cette vision stratégique et pouvoir s'unifier alors que le nouveau terme décrit les données à travers les sources, ce sera un facteur critique de succès à l'avenir, non?
Jen Underwood: Non, absolument, et c'est drôle, j'entendais cet hybride, hybride, hybride. Vous en avez entendu parler et il y a quatre ans, vous pensez à Hadoop, Hadoop et au Big Data, puis vous avez commencé à entendre l'hybride, l'hybride, donc certainement là, nous ne sommes pas nécessairement, c'est l'année du machine learning, sans exception. Je veux dire, l'intelligence artificielle, le machine learning a pris le pas cette année, mais pour vraiment fonctionner dans une organisation aujourd'hui qui est sur le chemin du cloud ou qui doit gérer toutes ces différentes sources de données cloud, c'est peut-être Salesforce ou Workday, tous ces différents types de sources qui vivent dans le cloud, la seule façon de le gérer est d'être hybride. Vous ne pouvez pas copier des données partout, vous devez donc pouvoir vous connecter directement et vous devez trouver un moyen de travailler avec des données situées partout, trouver des données partout, car c'est la réalité de l'endroit où nous nous trouvons maintenant.
Eric Kavanagh: Je pense que je serais négligent si je ne réintroduisais pas l'apprentissage automatique dans la conversation, alors, Nick, je vais simplement vous en parler. Je sais que vous vous concentrez sur cela maintenant - pouvez-vous nous dire où vous voyez l'apprentissage automatique s'aligner sur l'analyse et sur le type de systèmes que nous utilisons pour comprendre notre entreprise et nos données?
Nick Jewell: Oui, bien sûr. Donc, très brièvement, revenons rapidement à notre déficit de compétences. L'idée que nous avons des organisations absolument pleines à craquer de puissants utilisateurs d'Excel. Nous avons des scientifiques des données qui arrivent, mais qui n'augmentent pas au même rythme. Il y a un écart énorme entre les deux. Pensez à la situation actuelle de l'apprentissage automatique. Combien d'algorithmes avons-nous sur notre téléphone ou notre montre qui intègrent des techniques d'apprentissage automatique? C'est une marchandise, c'est partout. Nous devons permettre à ces utilisateurs expérimentés de la manière la plus simple possible de s'assurer que la machine est appliquée avec succès dans toute l'entreprise.
Eric Kavanagh: Je vais peut-être vous en envoyer un dernier. Nous avons eu quelques questions en retard, ici. Jen, je vais te demander celle-ci. Un participant commente tout ce concept d'apprentissage non supervisé et le fait est que vous avez besoin de données de formation pour faire ce genre de choses et généralement que les données de formation doivent être spécifiques à l'entreprise. Même si dans les industries il existe de nombreuses corrélations, il existe de nombreuses façons dont les organisations sont similaires. Néanmoins, chaque entreprise est unique, que ce soit son modèle économique ou son approche marketing ou commerciale, ou quoi qu'il en soit, le développement de produits.
La question devient alors: ces algorithmes pourront-ils utiliser des données tierces pour la formation? Il me semble que vous aurez toujours besoin d'utiliser vos propres données pour former ces algorithmes, même si ce temps de cycle s'effondre de six mois - ce qui a été le cas dans certains cas - à 40 ou 20 jours, quel que soit le le cas échéant. Vous devez vraiment utiliser vos propres données et vous devez vous assurer que les données sont assez propres, non?
Jen Underwood: C'est vraiment un mélange. Vous allez vouloir avoir un contexte externe. En fait, je suis réservé aujourd'hui dos à dos et mon prochain webinaire parle de la préparation et du nettoyage des données, ironiquement pour l'apprentissage automatique. Ce qui est vraiment essentiel, c'est que vous mettez en place un contexte externe avec votre organisation, et j'aime que vous posiez des questions sur la préparation et le nettoyage des données, car honnêtement, certains des outils deviennent très, très bons - ils peuvent gérer certains aspects, mais l'esprit humain, ou être capable de déchiffrer le problème et de regarder et de s'assurer qu'il n'a pas omis - disons que nous avons une sorte de biais d'omission. La façon dont vous examinez le problème et la façon dont vous choisissez de concevoir le problème que vous automatisez ou les décisions que vous automatisez, il y a un art à cela et s'assurer qu'il reflète fidèlement ce processus métier.
Pour revenir à mon exemple avec la compagnie d'assurance, lorsque nous modélisions le taux de désabonnement et qui embaucher pour suivre cette formation parrainée pour vendre de l'assurance; dans le modèle lui-même n'était pas le climat juridique, des lois différentes pour différents États. Il y aura toujours un aspect, où vous devrez avoir ces données externes avec vos données internes et, encore une fois, l'esprit humain. Il va y avoir différents composants.
Eric Kavanagh: Je pense que vous avez soulevé un très bon point ici. Nous entendons constamment parler de robots et de machines et de l'apprentissage automatique qui prend le relais. Pour moi, c'est une tendance très perturbatrice - cela ne fait aucun doute - mais je ne vois jamais le besoin d'êtres humains dans le mélange disparaître, en particulier avec l'analyse des données, des données d'entreprise.
Nick, une dernière question pour toi. Pour moi, peu importe la qualité des algorithmes, vous aurez toujours besoin de personnes qui surveillent ce qui se passe, s'injectent aux heures prévues et synthétisent vraiment la vue d'ensemble de ce qui existe. Je ne pense pas qu'un algorithme puisse jamais synthétiser la situation dans son ensemble pour une entreprise Fortune 2000, mais qu'en pensez-vous?
Nick Jewell: Eh bien, prenons un exemple complètement non Alteryx, parlons d'Uber de l'année dernière. Uber, lors de l'incident terroriste en Australie, des gens qui tentaient de fuir la région, ils ont soudainement imposé une hausse des prix, car c'est ce que l'algorithme a dit de faire, a causé d'énormes dommages à la réputation. Immédiatement après cela, ils ont implémenté des humains et des algorithmes travaillant ensemble. Chaque fois que cela allait se produire, un être humain devait superviser le processus. Ce partenariat entre l'homme et l'algorithme, c'est la voie à suivre.
Eric Kavanagh: Wow, c'est un excellent exemple, merci beaucoup. Eh bien, les amis, nous avons passé plus d'une heure ici sur notre webémission. Merci beaucoup à Jen Underwood d'Impact Analytics. Bien sûr, un grand merci à Nick Jewell et à l'équipe Alteryx pour leur temps et leur attention et à vous tous pour votre temps et votre attention. Nous apprécions ces grandes questions. Nous archivons toutes ces webémissions pour une visualisation ultérieure, n'hésitez pas à les partager avec vos amis et collègues. Sur ce, nous vous disons adieu. Excellente webdiffusion aujourd'hui. Merci encore, nous vous rattraperons la prochaine fois, les amis. Prends soin de toi. Bye Bye.
