Comment l'analyse peut-elle améliorer les affaires? - transcription de l'épisode 2 de techwise

Note de l'éditeur: Ceci est une transcription de l'une de nos précédentes webémissions. Le prochain épisode arrive rapidement, cliquez ici pour vous inscrire.

Eric Kavanagh: Mesdames et messieurs, bonjour et bienvenue à nouveau dans l'épisode 2 de TechWise. Oui, en effet, il est temps de trouver des sages! J'ai un groupe de personnes vraiment intelligentes sur la ligne aujourd'hui pour nous aider dans cette entreprise. Je m'appelle Eric Kavanagh, bien sûr. Je serai votre hôte, votre modérateur, pour cette session éclair. Nous avons beaucoup de contenu ici, les amis. Nous avons quelques grands noms de l'entreprise, qui ont été analystes dans notre espace et quatre des fournisseurs les plus intéressants. Nous allons donc avoir beaucoup de bonnes actions sur l'appel aujourd'hui. Et bien sûr, vous, dans le public, jouez un rôle important en posant des questions.

Donc, encore une fois, l'émission est TechWise et le sujet d'aujourd'hui est "Comment l'analyse peut-elle améliorer les affaires?" Évidemment, c'est un sujet brûlant où il va essayer de comprendre les différents types d'analyses que vous pouvez faire et comment cela peut améliorer vos opérations, car c'est de cela qu'il s'agit en fin de compte.

Vous pouvez donc me voir là-haut en haut, c'est vraiment le vôtre. Dr Kirk Borne, un bon ami de l'Université George Mason. Il est un scientifique des données avec une énorme expérience, une très grande expertise dans cet espace et l'exploration de données et les mégadonnées et tout ce genre de choses amusantes. Et, bien sûr, nous avons notre propre Dr Robin Bloor, analyste en chef ici au Groupe Bloor. Qui a été actuaire il y a de nombreuses années. Et il s'est vraiment concentré sur tout cet espace Big Data et l'espace analytique pendant la dernière moitié de la décennie. Cela fait presque cinq ans que nous avons lancé le groupe Bloor en soi. Alors le temps passe vite quand on s'amuse.

Nous allons également entendre Will Gorman, architecte en chef de Pentaho; Steve Wilkes, CCO de WebAction; Frank Sanders, directeur technique chez MarkLogic; et Hannah Smalltree, directrice de Treasure Data. Donc, comme je l'ai dit, c'est beaucoup de contenu.

Alors, comment l'analyse peut-elle aider votre entreprise? Eh bien, en quoi cela ne peut-il pas aider votre entreprise, très franchement? Il y a toutes sortes de façons dont l'analytique peut être utilisée pour faire des choses qui améliorent votre organisation.

Alors rationalisez les opérations. C'est une question dont vous n'entendez pas autant parler que des choses comme le marketing ou l'augmentation des revenus ou même l'identification des opportunités. Mais rationaliser vos opérations est cette chose vraiment très puissante que vous pouvez faire pour votre organisation, car vous pouvez identifier des endroits où vous pouvez soit externaliser quelque chose, soit ajouter des données à un processus particulier, par exemple. Et cela peut le rationaliser en n'exigeant pas que quelqu'un décroche le téléphone pour appeler ou que quelqu'un envoie un e-mail. Il y a tellement de façons différentes de rationaliser vos opérations. Et tout cela aide vraiment à réduire vos coûts, non? C'est la clé, cela fait baisser le coût. Mais cela vous permet également de mieux servir vos clients.

Et si vous pensez à quel point les gens sont impatients, et je le vois tous les jours en termes d'interaction entre les gens en ligne, même avec nos émissions, les fournisseurs de services que nous utilisons. La patience que les gens ont, la durée d'attention, se raccourcissent de jour en jour. Et cela signifie que vous devez, en tant qu'organisation, réagir de plus en plus rapidement pour pouvoir satisfaire vos clients.

Ainsi, par exemple, si quelqu'un est sur votre site de diffusion sur le Web ou cherche quelque chose, s'il est frustré et qu'il part, eh bien, vous venez peut-être de perdre un client. Et selon le montant que vous facturez pour votre produit ou service, et c'est peut-être un gros problème. Donc, l'essentiel est que la rationalisation des opérations, je pense, est l'un des espaces les plus chauds pour appliquer l'analyse. Et vous le faites en regardant les chiffres, en calculant les données, en découvrant, par exemple, "Hé, pourquoi perdons-nous tant de gens sur cette page de notre site Web?" "Pourquoi recevons-nous certains de ces appels téléphoniques en ce moment?"

Et plus vous pouvez réagir en temps réel à ce genre de choses, plus vous aurez de chances de maîtriser la situation et de faire quelque chose avant qu'il ne soit trop tard. Parce qu'il y a cette fenêtre de temps où quelqu'un se fâche pour quelque chose, il est insatisfait ou il essaie de trouver quelque chose mais il est frustré; vous avez là une fenêtre d'opportunité pour les contacter, les saisir, interagir avec ce client. Et si vous le faites de la bonne manière avec les bonnes données ou une belle image client - comprendre qui est ce client, quelle est sa rentabilité, quelles sont ses préférences - si vous pouvez vraiment comprendre cela, vous allez le faire un excellent travail de conserver vos clients et d'obtenir de nouveaux clients. Et c'est de cela qu'il s'agit.

Donc, avec cela, je vais le remettre, en fait, à Kirk Borne, l'un de nos scientifiques des données sur l'appel aujourd'hui. Et ils sont assez rares de nos jours, les amis. Nous avons au moins deux d'entre eux sur l'appel, c'est donc un gros problème. Sur ce, Kirk, je vais vous donner la parole pour parler de l'analytique et de la façon dont elle aide les entreprises. Fonce.

Dr Kirk Borne: Eh bien, merci beaucoup, Eric. Peux-tu m'entendre?

Eric: Ça va, allez-y.

Dr Kirk: D'accord, bien. Je veux juste partager si je parle pendant cinq minutes, et les gens me font signe de la main. Donc, les remarques liminaires, Eric, que vous avez vraiment liées à ce sujet, je vais en parler brièvement dans les prochaines minutes, à savoir l'utilisation du Big Data et de l'analyse des données pour les décisions à prendre en charge. Le commentaire que vous avez fait sur la rationalisation opérationnelle, pour moi, correspond en quelque sorte à ce concept d'analyse opérationnelle dans lequel vous pouvez voir à peu près dans chaque application à travers le monde que ce soit une application scientifique, une entreprise, une cybersécurité et des forces de l'ordre et gouvernement, soins de santé. N'importe quel nombre d'endroits où nous avons un flux de données et où nous prenons une sorte de réponse ou de décision en réaction aux événements et aux alertes et comportements que nous voyons dans ce flux de données.

Et donc l'une des choses dont j'aimerais parler aujourd'hui est de savoir comment extraire les connaissances et les connaissances des mégadonnées afin d'arriver à un point où nous pouvons réellement prendre des décisions pour prendre des mesures. Et nous en parlons fréquemment dans un contexte d'automatisation. Et aujourd'hui, je veux mélanger l'automatisation avec l'analyste humain dans la boucle. Donc, je veux dire par là que l'analyste d'affaires joue un rôle important ici en termes de paris, de qualification, de validation d'actions spécifiques ou de règles d'apprentissage automatique que nous extrayons des données. Mais si nous arrivons à un point où nous sommes à peu près convaincus que les règles métier que nous avons extraites et les mécanismes pour nous alerter sont valides, nous pouvons à peu près transformer cela en un processus automatisé. Nous procédons en fait à la rationalisation opérationnelle dont parlait Eric.

J'ai donc un petit jeu de mots ici mais j'espère que si ça marche pour vous, j'ai parlé du défi D2D. Et D2D, les données ne concernent pas uniquement les décisions dans tous les contextes, nous les examinons en bas de cette diapositive, nous espérons que vous pourrez les voir, faire des découvertes et augmenter les revenus de nos pipelines d'analyse.

Donc, dans ce contexte, j'ai en fait ce rôle de marketing pour moi-même ici maintenant avec qui je travaille et c'est; la première chose que vous voulez faire est de caractériser vos données, d'extraire les fonctionnalités, d'extraire les caractéristiques de vos clients ou de toute entité que vous suivez dans votre espace. C'est peut-être un patient dans un environnement d'analyse de la santé. C'est peut-être un utilisateur Web si vous regardez une sorte de problème de cybersécurité. Mais caractérisez et extrayez les caractéristiques, puis extrayez du contexte sur cet individu, sur cette entité. Ensuite, vous rassemblez les éléments que vous venez de créer et les placez dans une sorte de collection à partir de laquelle vous pouvez ensuite appliquer des algorithmes d'apprentissage automatique.

La raison pour laquelle je le dis de cette façon est que, disons simplement, vous avez une caméra de surveillance dans un aéroport. La vidéo elle-même est un volume énorme et énorme et elle est également très non structurée. Mais vous pouvez extraire de la vidéosurveillance, de la biométrie faciale et identifier des individus dans les caméras de surveillance. Ainsi, par exemple dans un aéroport, vous pouvez identifier des individus spécifiques, vous pouvez les suivre à travers l'aéroport en croisant le même individu dans plusieurs caméras de surveillance. Dans la mesure où les fonctionnalités biométriques extraites que vous extrayez et suivez vraiment ne sont pas la vidéo détaillée elle-même. Mais une fois que vous avez ces extractions, vous pouvez appliquer des règles d'apprentissage automatique et des analyses pour décider si vous devez prendre une action dans un cas particulier ou si quelque chose s'est mal passé ou quelque chose que vous avez la possibilité de faire une offre. Si vous êtes, par exemple, si vous avez un magasin à l'aéroport et que vous voyez ce client venir à votre rencontre et que vous savez d'après d'autres informations sur ce client, qu'il s'est peut-être vraiment intéressé à acheter des choses dans la boutique hors taxes ou quelque chose comme ça, faites cette offre.

Alors, quel genre de choses pourrais-je dire par caractérisation et potentialisation? Par caractérisation, je veux dire, encore une fois, extraire les caractéristiques et les caractéristiques des données. Et cela peut être généré par une machine, puis ses algorithmes peuvent en fait extraire, par exemple, des signatures biométriques à partir d'une vidéo ou d'une analyse de sentiment. Vous pouvez extraire le sentiment du client via des avis en ligne ou les médias sociaux. Certaines de ces choses peuvent être générées par l'homme, de sorte que l'être humain, l'analyste commercial, peut extraire des fonctionnalités supplémentaires que je montrerai dans la diapositive suivante.

Certains d'entre eux peuvent être externalisés. Et grâce au crowdsourcing, il existe de nombreuses façons de penser à cela. Mais très simplement, par exemple, vos utilisateurs viennent sur votre site Web et ils mettent des mots de recherche, des mots clés, ils se retrouvent sur une certaine page et y passent du temps sur cette page. Qu'ils comprennent au moins qu'ils consultent, parcourent, cliquent sur des éléments de cette page. Ce que cela vous dit, c'est que le mot-clé qu'ils ont tapé au tout début est le descripteur de cette page parce qu'il a atterri le client sur la page qu'il anticipait. Et vous pouvez donc ajouter cette information supplémentaire, c'est-à-dire que les clients qui utilisent ce mot-clé ont réellement identifié cette page Web dans notre architecture d'information comme l'endroit où le contenu correspondant à ce mot-clé.

Et donc le crowdsourcing est un autre aspect que les gens oublient parfois, ce genre de suivi du fil d'Ariane de vos clients, pour ainsi dire; comment se déplacent-ils dans leur espace, qu'il s'agisse d'une propriété en ligne ou d'une propriété immobilière. Et ensuite, utilisez ce type de chemin que le client prend comme informations supplémentaires sur les choses que nous regardons.

Je veux donc dire que les choses générées par l'homme, ou générées par une machine, ont fini par avoir un contexte en quelque sorte d'annotation ou de marquage de granules ou d'entités de données spécifiques. Que ces entités soient des patients en milieu hospitalier, des clients ou autre. Et il existe donc différents types de marquage et d'annotations. Une partie de cela concerne les données elles-mêmes. C'est l'une des choses, quel type d'information, quel type d'information, quelles sont les caractéristiques, les formes, peut-être les textures et les motifs, les comportements anormaux et non anormaux. Et puis extraire un peu de sémantique, c'est-à-dire, comment cela se rapporte-t-il à d'autres choses que je sais, ou ce client est un client de l'électronique. Ce client est un client de vêtements. Ou ce client aime acheter de la musique.

Donc, en identifiant une sémantique à ce sujet, ces clients qui aiment la musique ont tendance à aimer le divertissement. Peut-être que nous pourrions leur offrir un autre établissement de divertissement. Donc, comprendre la sémantique et aussi une certaine provenance, ce qui revient à dire: d'où cela vient-il, qui a fourni cette affirmation, à quelle heure, à quelle date, dans quelles circonstances?

Donc, une fois que vous avez toutes ces annotations et caractérisations, ajoutez-y ensuite l'étape suivante, qui est le contexte, une sorte de qui, quoi, quand, où et pourquoi. Qui est l'utilisateur? Quelle est la chaîne sur laquelle ils sont entrés? Quelle était la source de l'information? Quel type de réutilisation avons-nous vu dans cette information ou produit de données particulier? Et quelle est, en quelque sorte, la valeur du processus opérationnel? Et puis collectez ces choses et gérez-les, et aidez réellement à créer une base de données, si vous voulez y penser de cette façon. Rendez-les consultables, réutilisables, par d'autres analystes commerciaux ou par un processus automatisé qui, la prochaine fois que je verrai ces ensembles de fonctionnalités, le système pourra prendre cette action automatique. Nous obtenons donc ce type d'efficacité analytique opérationnelle, mais plus nous collectons d'informations utiles et complètes, puis les conservons pour ces cas d'utilisation.

Nous nous mettons au travail. Nous effectuons l'analyse des données. Nous recherchons des modèles intéressants, des surprises, des valeurs aberrantes, des anomalies. Nous recherchons les nouvelles classes et segments de la population. Nous recherchons des associations et des corrélations et des liens entre les différentes entités. Et ensuite, nous utilisons tout cela pour piloter notre processus de découverte, de décision et de prise de l'argent.

Donc là encore, nous avons ici la dernière diapositive de données que je résume, en gardant l'analyste d'affaires dans la boucle, encore une fois, vous n'extrayez pas cet humain et il est important de le garder là-dedans.

Ces fonctionnalités sont donc toutes fournies par des machines ou des analystes humains ou même par le crowdsourcing. Nous appliquons cette combinaison de choses pour améliorer nos ensembles de formation pour nos modèles et nous retrouvons avec des modèles prédictifs plus précis, moins de faux positifs et négatifs, un comportement plus efficace, des interventions plus efficaces avec nos clients ou quiconque.

Donc, à la fin de la journée, nous combinons vraiment l'apprentissage automatique et les mégadonnées avec ce pouvoir de la cognition humaine, c'est là que ce type d'annotation d'étiquetage entre en jeu. Et cela peut mener à la visualisation et à l'analyse visuelle de type outils ou environnements de données immersifs ou crowdsourcing. Et, à la fin de la journée, ce que cela fait vraiment, c'est de générer notre découverte, nos idées et notre D2D. Et ce sont mes commentaires, alors merci d'avoir écouté.

Eric: Hé, ça sonne bien et laissez-moi aller de l'avant et remettre les clés au Dr Robin Bloor pour qu'il donne également son point de vue. Oui, j'aime vous entendre commenter ce concept de rationalisation des opérations et vous parlez d'analyse opérationnelle. Je pense que c'est un grand domaine qui doit être exploré de manière assez approfondie. Et je suppose, très vite avant Robin, je vais vous ramener, Kirk. Cela nécessite que vous ayez une collaboration assez importante entre les différents acteurs de l'entreprise, non? Vous devez parler aux gens des opérations; vous devez obtenir vos techniciens. Parfois, vous obtenez vos gens du marketing ou vos gens de l'interface Web. Ce sont généralement des groupes différents. Avez-vous des meilleures pratiques ou des suggestions sur la façon de faire en sorte que tout le monde mette sa peau dans le jeu?

Dr Kirk: Eh bien, je pense que cela vient avec la culture d'entreprise de la collaboration. En fait, je parle des trois C d'une sorte de culture analytique. L'un est la créativité; un autre est la curiosité et le troisième est la collaboration. Vous voulez donc des personnes créatives et sérieuses, mais vous devez aussi faire collaborer ces personnes. Et cela commence vraiment par le haut, ce genre de construction de cette culture avec des gens qui devraient partager ouvertement et travailler ensemble vers les objectifs communs de l'entreprise.

Eric: Tout cela a du sens. Et vous devez vraiment avoir un bon leadership au sommet pour y arriver. Alors allons-y et remettons la parole au Dr Bloor. Robin, la parole est à vous.

Dr Robin Bloor: D'accord. Merci pour cette intro, Eric. D'accord, la façon dont cela se déroule, cela montre, parce que nous avons deux analystes; Je peux voir la présentation de l'analyste que les autres gars ne voient pas. Je savais ce que Kirk allait dire et je prends juste un angle complètement différent pour ne pas trop chevaucher.

Donc, ce dont je parle ou dont j'ai l'intention de parler ici, c'est du rôle de l'analyste de données par rapport au rôle de l'analyste commercial. Et la façon dont je le caractérise, eh bien, ironique dans une certaine mesure, est une sorte de truc de Jekyll et Hyde. La différence étant spécifiquement les scientifiques des données, en théorie du moins, savent ce qu'ils font. Bien que les analystes commerciaux ne le soient pas, d'accord avec le fonctionnement des mathématiques, ce à quoi on peut faire confiance et ce qui ne peut pas être fait confiance.

Donc, passons à la raison pour laquelle nous faisons cela, la raison pour laquelle l'analyse des données est soudainement devenue un gros problème en dehors du fait que nous pouvons réellement analyser de très grandes quantités de données et extraire des données de l'extérieur de l'organisation; est-ce payant. La façon dont je vois les choses - et je pense que cela ne fait que devenir un cas, mais je pense vraiment que c'est un cas - l'analyse des données est vraiment de la R&D d'entreprise. Ce que vous faites en fait d'une manière ou d'une autre avec l'analyse des données, c'est que vous examinez un processus métier sous une forme ou si c'est l'interaction avec un client, que ce soit avec la façon dont votre opération de vente au détail, la façon dont vous déployez vos magasins. Peu importe le problème. Vous regardez un processus métier donné et vous essayez de l'améliorer.

Le résultat d'une recherche et développement réussie est un processus de changement. Et vous pouvez penser à la fabrication, si vous le souhaitez, comme un exemple habituel de cela. Parce que dans la fabrication, les gens rassemblent des informations sur tout pour essayer d'améliorer le processus de fabrication. Mais je pense que ce qui s'est passé ou ce qui se passe dans les mégadonnées, c'est que tout cela est maintenant appliqué à toutes les entreprises de toute sorte, de quelque manière que ce soit. Donc, presque tous les processus métier doivent être examinés si vous pouvez collecter des données à ce sujet.

Voilà donc une chose. Si vous voulez, cela concerne la question de l'analyse des données. Que peut faire l'analyse de données pour l'entreprise? Eh bien, cela peut complètement changer l'entreprise.

Ce diagramme particulier que je ne vais pas décrire en profondeur, mais c'est un diagramme que nous avons créé comme le point culminant du projet de recherche que nous avons fait pour les six premiers mois de cette année. C'est une façon de représenter une architecture Big Data. Et un certain nombre de choses qui méritent d'être soulignées avant de passer à la diapositive suivante. Il y a deux flux de données ici. L'un est un flux de données en temps réel, qui va en haut du diagramme. L'autre est un flux de données plus lent qui longe le bas du diagramme.

Regardez en bas du diagramme. Nous avons Hadoop comme réservoir de données. Nous avons différentes bases de données. Nous avons là toute une série de données avec un tas d'activités qui s'y produisent, dont la plupart sont des activités analytiques.

Le point que je fais ici et le seul point que je veux vraiment faire valoir ici est que la technologie est difficile. Ce n'est pas simple. Ce n'est pas facile. Ce n'est pas quelque chose que quiconque qui est nouveau dans le jeu peut en fait simplement assembler. C'est assez complexe. Et si vous allez instrumenter une entreprise pour effectuer des analyses fiables sur tous ces processus, alors ce n'est pas quelque chose qui va se produire spécifiquement rapidement. Cela va nécessiter beaucoup de technologie pour être ajouté au mix.

D'accord. La question de savoir ce qu'est un data scientist, je pourrais prétendre être un data scientist car j'ai été formé en statistique avant d'être formé en informatique. Et j'ai fait un travail actuariel pendant un certain temps donc je connais la façon dont une entreprise s'organise, l'analyse statistique, aussi pour se gérer. Ce n'est pas une chose banale. Et il y a énormément de meilleures pratiques impliquées à la fois du côté humain et du côté technologique.

Donc, en posant la question "qu'est-ce qu'un scientifique des données", j'ai posé la photo de Frankenstein simplement parce que c'est une combinaison de choses qui doivent être réunies. La gestion de projet est impliquée. Il y a une profonde compréhension des statistiques. Il existe une expertise métier dans le domaine, qui est plus un problème pour un analyste commercial que pour un data scientist, nécessairement. Il y a de l'expérience ou la nécessité de comprendre l'architecture des données et de pouvoir construire un architecte de données et il y a du génie logiciel impliqué. En d'autres termes, c'est probablement une équipe. Ce n'est probablement pas un individu. Et cela signifie que c'est probablement un ministère qui doit être organisé et son organisation doit être réfléchie assez longuement.

Jeter dans le mélange le fait de l'apprentissage automatique. Nous ne pourrions pas faire, je veux dire, l'apprentissage automatique n'est pas nouveau dans le sens où la plupart des techniques statistiques utilisées dans l'apprentissage automatique sont connues depuis des décennies. Il y a quelques nouveautés, je veux dire que les réseaux de neurones sont relativement nouveaux, je pense qu'ils n'ont que 20 ans environ, donc certains sont relativement nouveaux. Mais le problème avec l'apprentissage automatique était que nous n'avions vraiment pas la puissance de l'ordinateur pour le faire. Et ce qui s'est passé, à part quoi que ce soit d'autre, c'est que la puissance de l'ordinateur est maintenant en place. Et cela signifie énormément de ce que, disons, les scientifiques des données ont fait auparavant en termes de modélisation des situations, d'échantillonnage des données, puis de rassembler ces données afin de produire une analyse plus approfondie des données. En fait, nous pouvons simplement lui donner de la puissance dans certains cas. Choisissez simplement des algorithmes d'apprentissage automatique, lancez-les dans les données et voyez ce qui en sort. Et c'est quelque chose qu'un analyste d'entreprise peut faire, non? Mais l'analyste métier doit comprendre ce qu'il fait. Je veux dire, je pense que c'est vraiment le problème, plus que toute autre chose.

Eh bien, c'est simplement pour en savoir plus sur l'entreprise à partir de ses données que par tout autre moyen. Einstein n'a pas dit cela, je l'ai dit. Je viens de mettre sa photo en place pour la crédibilité. Mais la situation qui commence à se développer est celle où la technologie, si elle est correctement utilisée, et les mathématiques, si elles sont correctement utilisées, seront en mesure de gérer une entreprise en tant qu'individu. Nous avons regardé cela avec IBM. Tout d'abord, il pourrait battre les meilleurs gars aux échecs, puis il pourrait battre les meilleurs gars à Jeopardy; mais finalement nous allons pouvoir battre les meilleurs gars à la tête d'une entreprise. Les statistiques finiront par triompher. Et il est difficile de voir comment cela ne se produira pas, ce n'est pas encore arrivé.

Donc ce que je dis, et c'est en quelque sorte un message complet de ma présentation, ce sont ces deux questions de l'entreprise. Le premier est, pouvez-vous obtenir la bonne technologie? Pouvez-vous faire fonctionner la technologie pour l'équipe qui sera en mesure de la présider et d'obtenir des avantages pour l'entreprise? Et puis deuxièmement, pouvez-vous obtenir les bonnes personnes? Et les deux sont des problèmes. Et ce sont des problèmes qui ne sont pas, jusqu'à présent, disent-ils, résolus.

D'accord, Eric, je te le rendrai. Ou je devrais peut-être le passer à Will.

Eric: En fait, oui. Merci, Will Gorman. Ouais, vous y allez, Will. Voyons donc. Permettez-moi de vous donner la clé du WebEx. Alors qu'est-ce que tu fais? Pentaho, évidemment, vous êtes là depuis un certain temps et le type de BI open source d'où vous avez commencé. Mais vous en avez beaucoup plus qu'auparavant, alors voyons ce que vous avez de nos jours pour l'analyse.

Will Gorman: Absolument. Salut tout le monde! Je m'appelle Will Gorman. Je suis l'architecte en chef de Pentaho. Pour ceux d'entre vous qui n'ont pas entendu parler de nous, je viens de mentionner que Pentaho est une société d'intégration et d'analyse de Big Data. Nous travaillons depuis dix ans. Nos produits ont évolué aux côtés de la communauté du Big Data, en commençant par une plate-forme open source pour l'intégration et l'analyse des données, en innovant avec des technologies comme Hadoop et NoSQL avant même que des entités commerciales ne se forment autour de ces technologies. Et maintenant, nous avons plus de 1500 clients commerciaux et beaucoup plus de rendez-vous de production grâce à notre innovation autour de l'open source.

Notre architecture est hautement intégrable et extensible, conçue pour être flexible, car la technologie des mégadonnées en particulier évolue à un rythme très rapide. Pentaho propose trois principaux produits: travailler ensemble pour traiter les cas d'utilisation de l'analyse des mégadonnées.

Le premier produit à la mesure de notre architecture est Pentaho Data Integration, qui s'adresse aux technologues et ingénieurs de données. Ce produit offre une expérience visuelle par glisser-déposer pour définir des pipelines de données et des processus pour orchestrer des données dans des environnements Big Data et des environnements traditionnels. Ce produit est une plate-forme légère d'intégration de données et de métadatabase basée sur Java et peut être déployée en tant que processus dans MapReduce ou YARN ou Storm et de nombreuses autres plates-formes en temps réel et par lots.

Notre deuxième domaine de produits concerne l'analyse visuelle. Grâce à cette technologie, les organisations et les OEM peuvent offrir une riche expérience de visualisation et d'analyse par glisser-déposer aux analystes et utilisateurs professionnels par le biais de navigateurs et de tablettes modernes, permettant la création ad hoc de rapports et de tableaux de bord. Ainsi que la présentation d'un tableau de bord et de rapports parfaits en pixels.

Notre troisième domaine de produits se concentre sur l'analyse prédictive ciblée pour les scientifiques des données et les algorithmes d'apprentissage automatique. Comme mentionné précédemment, comme les réseaux de neurones et autres, ils peuvent être intégrés dans un environnement de transformation des données, permettant aux scientifiques des données de passer de la modélisation à l'environnement de production, donnant accès à la prévision, et cela peut avoir un impact très immédiat, très rapide sur les processus métier.

Tous ces produits sont étroitement intégrés dans une expérience agile unique et donnent à nos clients d'entreprise la flexibilité dont ils ont besoin pour résoudre leurs problèmes commerciaux. Nous assistons à un paysage en évolution rapide des mégadonnées dans les technologies traditionnelles. Tout ce que nous apprennent certaines entreprises du secteur des mégadonnées, c'est que l'EDW touche à sa fin. En fait, ce que nous constatons chez nos clients d'entreprise, c'est qu'ils doivent introduire les mégadonnées dans les processus commerciaux et informatiques existants et non remplacer ces processus.

Ce diagramme simple montre le point de l'architecture que nous voyons souvent, qui est un type d'architecture de déploiement EDW avec intégration de données et cas d'utilisation BI. Maintenant, ce diagramme est similaire à la diapositive de Robin sur l'architecture de Big Data, il intègre des données en temps réel et historiques. À mesure que de nouvelles sources de données et des exigences en temps réel émergent, nous considérons les mégadonnées comme une partie supplémentaire de l'architecture informatique globale. Ces nouvelles sources de données comprennent les données générées par la machine, les données non structurées, le volume et la vitesse standard et la variété des exigences dont nous entendons parler dans les mégadonnées; ils ne rentrent pas dans les processus EDW traditionnels. Pentaho travaille en étroite collaboration avec Hadoop et NoSQL pour simplifier l'ingestion, le traitement des données et la visualisation de ces données ainsi que le mélange de ces données avec des sources traditionnelles pour donner aux clients une vue complète de leur environnement de données. Nous le faisons de manière gouvernée afin que l'informatique puisse offrir une solution d'analyse complète à leur secteur d'activité.

En terminant, je voudrais souligner notre philosophie autour de l'analyse et de l'intégration des mégadonnées; nous pensons que ces technologies fonctionnent mieux ensemble avec une seule architecture unifiée, permettant un certain nombre de cas d'utilisation qui autrement ne seraient pas possibles. Les environnements de données de nos clients sont plus que des mégadonnées, Hadoop et NoSQL. Toutes les données sont équitables. Et les sources de Big Data doivent être disponibles et travailler ensemble pour avoir un impact sur la valeur commerciale.

Enfin, nous pensons que pour résoudre ces problèmes commerciaux dans les entreprises de manière très efficace grâce aux données, l'informatique et les secteurs d'activité doivent travailler ensemble sur une approche gouvernée et mixte de l'analyse des mégadonnées. Merci beaucoup de nous avoir donné le temps de parler, Eric.

Eric: Vous pariez. Non, ce sont de bonnes choses. Je veux revenir sur cet aspect de votre architecture à mesure que nous abordons les questions et réponses. Passons donc au reste de la présentation et merci beaucoup pour cela. Vous avez certainement évolué rapidement au cours des deux dernières années, je dois dire que c'est sûr.

Alors Steve, laissez-moi aller de l'avant et vous le remettre. Et cliquez simplement sur la flèche vers le bas et allez-y. Alors Steve, je te donne les clés. Steve Wilkes, cliquez simplement sur la flèche descendante la plus éloignée de votre clavier.

Steve Wilkes: Voilà.

Eric: Voilà.

Steve: C'est une excellente introduction que vous m'avez donnée.

Eric: Ouais.

Steve: Je suis donc Steve Wilkes. Je suis CCO chez WebAction. Nous ne sommes là que depuis quelques années et nous avons certainement évolué rapidement depuis. WebAction est une plateforme d'analyse de Big Data en temps réel. Eric a mentionné plus tôt, en quelque sorte, l'importance du temps réel et le temps réel que vos applications reçoivent. Notre plateforme est conçue pour créer des applications en temps réel. Et pour permettre la prochaine génération d'applications basées sur les données qui peuvent être construites de manière incrémentielle et pour permettre aux utilisateurs de créer des tableaux de bord à partir des données générées par ces applications, mais en se concentrant sur le temps réel.

Notre plate-forme est en fait une plate-forme complète de bout en bout, faisant tout depuis l'acquisition de données, le traitement des données, jusqu'à la visualisation des données. Et permet à plusieurs types différents de personnes au sein de notre entreprise de travailler ensemble pour créer de véritables applications en temps réel, leur donnant un aperçu des événements qui se produisent dans leur entreprise au fur et à mesure.

Et cela est un peu différent de ce que la plupart des gens ont vu dans les mégadonnées, de sorte que l'approche traditionnelle - enfin, traditionnelle au cours des deux dernières années - l'approche avec les mégadonnées a été de la capturer à partir d'un tas de sources différentes et puis empilez-le dans un grand réservoir ou un lac ou comme vous voulez l'appeler. Et puis traitez-le lorsque vous devez exécuter une requête sur celui-ci; pour exécuter une analyse historique à grande échelle ou même simplement une interrogation ad hoc de grandes quantités de données. Maintenant, cela fonctionne pour certains cas d'utilisation. Mais si vous voulez être proactif dans votre entreprise, si vous voulez réellement être informé de ce qui se passe plutôt que de savoir quand quelque chose s'est mal passé vers la fin de la journée ou la fin de la semaine, alors vous devez vraiment vous déplacer en temps réel.

Et cela change un peu les choses. Il déplace le traitement vers le milieu. Si efficacement, vous prenez ces flux de grandes quantités de données qui sont générées en permanence au sein de l'entreprise et vous les traitez au fur et à mesure que vous les obtenez. Et parce que vous le traitez au fur et à mesure, vous n'avez pas besoin de tout stocker. Vous pouvez simplement stocker les informations importantes ou les choses dont vous avez besoin pour vous souvenir de ce qui s'est réellement passé. Donc, si vous suivez la position GPS des véhicules qui se déplacent sur la route, vous ne vous souciez pas vraiment où ils se trouvent à chaque seconde, vous n'avez pas besoin de stocker où ils se trouvent à chaque seconde. Vous avez juste besoin de vous soucier, ont-ils quitté cet endroit? Sont-ils arrivés à cet endroit? Ont-ils conduit ou non l'autoroute?

Il est donc très important de tenir compte du fait que de plus en plus de données sont générées, les trois Vs. La vitesse détermine essentiellement la quantité de données générée chaque jour. Plus vous générez de données, plus vous devez en stocker. Et plus vous devez stocker, plus le processus prend de temps. Mais si vous pouvez le traiter au fur et à mesure, vous obtenez un avantage très important et vous pouvez réagir à cela. On peut vous dire que les choses se passent plutôt que d'avoir à les rechercher plus tard.

Notre plateforme est donc conçue pour être hautement évolutive. Il comprend trois pièces principales: la pièce d'acquisition, la pièce de traitement, puis les pièces de visualisation de la livraison de la plate-forme. Du côté de l'acquisition, nous ne regardons pas seulement les données de journal générées par la machine, comme les journaux Web ou les applications contenant tous les autres journaux générés. Nous pouvons également entrer et modifier la capture de données à partir de bases de données. So that basically enables us to, we've seen the ETL side that Will presented and traditional ETL you have to run queries against the databases. We can be told when things happen in the database. We change it and we capture it and receive those events. And then there's obviously the social feeds and live device data that's being pumped to you over TCP or ACDP sockets.

There's tons of different ways of getting data. And talking of volume and velocity, we're seeing volumes that are billions of events per day, right? So it's large, large amounts of data that is coming in and needs to be processed.

That is processed by a cluster of our servers. The servers all have the same architecture and are all capable of doing the same things. But you can configure them to, sort of, do different things. And within the servers we have a high-speed query processing layer that enables you to do some real-time analytics on the data, to do enrichments of the data, to do event correlation, to track things happening within time windows, to do predictive analytics based on patterns that are being seen in the data. And that data can then be stored in a variety places - the traditional RDBMS, enterprise data warehouse, Hadoop, big data infrastructure.

And the same live data can also be used to power real-time data-driven apps. Those apps can have a real-time view of what's going on and people can also be alerted when important things happen. So rather than having to go in at the end of the day and find out that something bad really happened earlier on the day, you could be alerted about it the second we spot it and it goes straight to the page draw down to find out what's going on.

So it changes the paradigm completely from having to analyze data after the fact to being told when interesting things are happening. And our platform can then be used to build data-driven applications. And this is really where we're focusing, is building out these applications. For customers, with customers, with a variety of different partners to show true value in real-time data analysis. So that allows people that, or companies that do site applications, for example, to be able track customer usage over time and ensure that the quality of service is being met, to spot real-time fraud or money laundering, to spot multiple logins or hack attempts and those kind of security events, to manage things like set-top boxes or other devices, ATM machines to monitor them in real time for faults, failures that have happened, could happen, will happen in the future based on predictive analysis. And that goes back to the point of streamlining operations that Eric mentioned earlier, to be able to spot when something's going to happen and organize your business to fix those things rather than having to call someone out to actually do something after the fact, which is a lot more expensive.

Consumer analytics is another piece to be able to know when a customer is doing something while they're still there in your store. Data sent to management to be able to in real time monitor resource usage and change where things are running and to be able to know about when things are going to fail in a much more timely fashion.

So that's our products in a nutshell and I'm sure we'll come back to some of these things in the Q&A session. Je vous remercie.

Eric: Yes, indeed. Bon travail. Okay good. And now next stop in our lightning round, we've got Frank Sanders calling in from MarkLogic. I've known about these guys for a number of years, a very, very interesting database technology. So Frank, I'm turning it over to you. Just click anywhere in that. Use the down arrow on your keyboard and you're off to the races. Voilà.

Frank Sanders: Thank you very much, Eric. So as Eric mentioned, I'm with a company called MarkLogic. And what MarkLogic does is we provide an enterprise NoSQL database. And perhaps, the most important capability that we bring to the table with regards to that is the ability to actually bring all of these disparate sources of information together in order to analyze, search and utilize that information in a system similar to what you're used to with traditional relational systems, right?

And some of the key features that we bring to the table in that regard are all of the enterprise features that you'd expect from a traditional database management system, your security, your HA, your DR, your backup are in store, your asset transactions. As well as the design that allows you to scale out either on the cloud or in the commodity hardware so that you can handle the volume and the velocity of the information that you're going to have to handle in order to build and analyze this sort of information.

And perhaps, the most important capability is that fact that we're scheme agnostic. What that means, practically, is that you don't have to decide what your data is going to look like when you start building your applications or when you start pulling those informations together. But over time, you can incorporate new data sources, pull additional information in and then use leverage and query and analyze that information just as you would with anything that was there from the time that you started the design. D'accord?

So how do we do that? How do we actually enable you to load different sorts of information, whether it be text, RDF triples, geospatial data, temporal data, structured data and values, or binaries. And the answer is that we've actually built our server from the ground up to incorporate search technology which allows you to put information in and that information self describes and it allows you to query, retrieve and search that information regardless of its source or format.

And what that means practically is that - and why this is important when you're doing analysis - is that analytics and information is most important ones when it's properly contextualized and targeted, right? So a very important key part of any sort of analytics is search, and the key part is search analytics. You can't really have one without the other and successfully achieve what you set out to achieve. Droite?

And I'm going to talk briefly about three and a half different use cases of customers that we have at production that are using MarkLogic to power this sort of analytics. D'accord. So the first such customer is Fairfax County. And Fairfax County has actually built two separate applications. One is based around permitting and property management. And the other, which is probably a bit more interesting, is the Fairfax County police events application. What the police events application actually does is it pulls information together like police reports, citizen reports and complaints, Tweets, other information they have such as sex offenders and whatever other information that they have access to from other agencies and sources. Then they allow them to visualize that and present this to the citizens so they can do searches and look at various crime activity, police activity, all through one unified geospatial index, right? So you can ask questions like, "what is the crime rate within five miles" or "what crimes occurred within five miles of my location?" D'accord.

Another user that we've got, another customer that we have is OECD. Why OECD is important to this conversation is because in addition to everything that we've enabled for Fairfax County in terms of pulling together information, right; all the information that you would get from all various countries that are members of the OECD that they report on from an economic perspective. We actually laid a target drill into that, right. So you can see on the left-hand side we're taking the view of Denmark specifically and you can kind of see a flower petal above it that rates it on different axes. Droite? And that's all well and good. But what the OECD has done is they've gone a step further.

In addition to these beautiful visualizations and pulling all these information together, they're actually allowing you in real time to create your own better life index, right, which you can see on the right-hand side. So what you have there is you have a set of sliders that actually allow you to do things like rank how important housing is to you or income, jobs, community, education, environment, civic engagement, health, life satisfaction, safety and your work/life balance. And dynamically based on how you are actually inputting that information and weighting those things, MarkLogic's using its real-time indexing capability and query capability to actually then change how each and every one of these countries is ranked to give you an idea of how well your country or your lifestyle maps through a given country. D'accord?

And the final example that I'm going to share is MarkMail. And what MarkMail really tries to demonstrate is that we can provide these capabilities and you can do the sort of analysis not only on structured information or information that's coming in that's numerical but actually on more loosely structured, unstructured information, right? Things like emails. And what we've seen here is we're actually pulling information like geolocation, sender, company, stacks and concepts like Hadoop being mentioned within the context of an email and then visualizing it on the map as well as looking at who those individuals and what list across that, a sent and a date. This where you're looking at things that are traditionally not structured, that may be loosely structured, but are still able to derive some structured analysis from that information without having to go to a great length to actually try and structure it or process it at a time. Et c'est tout.

Eric: Hey, okay good. And we got one more. We've got Hannah Smalltree from Treasure Data, a very interesting company. And this is a lot of great content, folks. Thank you so much for all of you for bringing such good slides and such good detail. So Hannah, I just gave the keys to you, click anywhere and use the down arrow on your keyboard. You got it. Emportez-le.

Hannah Smalltree: Thank you so much, Eric. This is Hannah Smalltree from Treasure Data. I'm a director with Treasure Data but I have a past as a tech journalist, which means that I appreciate two things. First of all, these can be long to sit through a lot of different descriptions of technology, and it can all sound like it runs together so I really want to focus on our differentiator. And the real-world applications are really important so I appreciate that all of my peers have been great about providing those.

Treasure Data is a new kind of big data service. We're delivered entirely on the cloud in a software as a service or managed-service model. So to Dr. Bloor's point earlier, this technology can be really hard and it can be very time consuming to get up and running. With Treasure Data, you can get all of these kinds of capabilities that you might get in a Hadoop environment or a complicated on-premise environment in the cloud very quickly, which is really helpful for these new big data initiatives.

Now we talk about our service in a few different phases. We offer some very unique collection capabilities for collecting streaming data so particularly event data, other kinds of real-time data. We'll talk a little bit more about those data types. That is a big differentiator for our service. As you get into big data or if you are already in it then you know that collecting this data is not trivial. When you think about a car with 100 sensors sending data every minute, even those 100 sensors sending data every ten minutes, that adds up really quickly as you start to multiply the amount of products that you have out there with sensors and it quickly becomes very difficult to manage. So we are talking with customers who have millions, we have customers who have billions of rows of data a day that they're sending us. And they're doing that as an alternative to try and to manage that themselves in a complicated Amazon infrastructure or even try to bring it into their own environment.

We have our own cloud storage environment. We manage it. We monitor it. We have a team of people that's doing all that tuning for you. And so the data flows in, it goes into our managed storage environment.

Then we have embedded query engines so that your analyst can go in and run queries and do some initial data discovery and exploration against the data. We have a couple of different query engines for it actually now. You can use SQL syntax, which your analysts probably know and love, to do some basic data discovery, to do some more complex analytics that are user-defined functions or even to do things as simple as aggregate that data and make it smaller so that you can bring it into your existing data warehouse environment.

You can also connect your existing BI tools, your Tableau, is a big partner of ours; but really most BIs, visualization or analytics tools can connect via our industry standard JDBC and ODBC drivers. So it gives you this complete set of big data capabilities. You're allowed to export your queries results or data sets anytime for free, so you can easily integrate that data. Treat this as a data refinery. I like to think of it more as a refinery than a lake because you can actually do stuff with it. You can go through, find the valuable information and then bring it into your enterprise processes.

The next slide, we talk about the three Vs of big data - some people say four or five. Our customers tend to struggle with the volume and velocity of the data coming at them. And so to get specific about the data types - Clickstream, Web access logs, mobile data is a big area for us, mobile application logs, application logs from custom Web apps or other applications, event logs. And increasingly, we have a lot of customers dealing with sensor data, so from wearable devices, from products, from automotive, and other types of machine data. So when I say big data, that's the type of big data that I'm talking about.

Now, a few use cases in perspective for you - we work with a retailer, a large retailer. They are very well known in Asia. They're expanding here in the US. You'll start to see stores; they're often called Asian IKEA, so, simple design. They have a loyalty app and a website. And in fact, using Treasure Data, they were able to deploy that loyalty app very quickly. Our customers get up and running within days or weeks because of our software and our service architecture and because we have all of the people doing all of that hard work behind the scenes to give you all of those capabilities as a service.

So they use our service for mobile application analytics looking at the behavior, what people are clicking on in their mobile loyalty application. They look at the website clicks and they combine that with our e-commerce and POS data to design more efficient promotions. They actually wanted to drive people into stores because they found that people, when they go into stores spend more money and I'm like that; to pick up things, you spend more money.

Another use case that we're seeing in digital video games, incredible agility. They want to see exactly what is happening in their game, and make changes to that game even within hours of its release. So for them, that real-time view is incredibly important. We just released a game but we noticed in the first hour that everyone is dropping off at Level 2; how are we going to change that? They might change that within the same day. So real time is very important. They're sending us billions of event logs per day. But that could be any kind of mobile application where you want some kind of real-time view into how somebody's using that.

And finally, a big area for us is our product behavior and sensor analytics. So with sensor data that's in cars, that's in other kinds of machines, utilities, that's another area for us, in wearable devices. We have research and development teams that want to quickly know what the impact of a change to a product is or people interested in the behavior of how people are interacting with the product. And we have a lot more use cases which, of course, we're happy to share with you.

And then finally, just show you how this can fit into your environment, we offer again the capability to collect that data. We have very unique collection technology. So again, if real-time collection is something that you're struggling with or you anticipate struggling with, please come look at the Treasure Data service. We have really made capabilities for collecting streaming data. You can also bulk load your data, store it, analyze it with our embedded query engines and then, as I mentioned, you can export it right to your data warehouse. I think Will mentioned the need to introduce big data into your existing processes. So not go around or create a new silo, but how do you make that data smaller and then move it into your data warehouse and you can connect to your BI, visualization and advanced analytics tools.

But perhaps, the key points I want to leave you with are that we are managed service, that's software as a service; it's very cost effective. A monthly subscription service starting at a few thousand dollars a month and we'll get you up and running in a matter of days or weeks. So compare that with the cost of months and months of building your own infrastructure and hiring those people and finding it and spending all that time on infrastructure. If you're experimenting or if you need something yesterday, you can get up and running really quickly with Treasure Data.

And I'm just pointing you to our website and to our starter service. If you're a hands-on person who likes to play, please check out our starter service. You can get on, no credit card required, just name and email, and you can play with our sample data, load up your own data and really get a sense of what we're talking about. So thanks so much. Also, check our website. We were named the Gartner Cool Vendor in Big Data this year, very proud of that. And you can also get a copy of that report for free on our website as well as many other analyst white papers. So thanks so much.

Eric: Okay, thank you very much. We've got some time for questions here, folks. We'll go a little bit long too because we've got a bunch of folks still on the line here. And I know I've got some questions myself, so let me go ahead and take back control and then I'm going to ask a couple of questions. Robin and Kirk, feel free to dive in as you see fit.

So let me go ahead and jump right to one of these first slides that I checked out from Pentaho. So here, I love this evolving big data architecture, can you kind of talk about how it is that this kind of fits together at a company? Because obviously, you go into some fairly large organization, even a mid-size company, and you're going to have some people who already have some of this stuff; how do you piece this all together? Like what does the application look like that helps you stitch all this stuff together and then what does the interface look like?

Will: Great question. The interfaces are a variety depending on the personas involved. But as an example, we like to tell the story of - one of the panelists mentioned the data refinery use case - we see that a lot in customers.

One of our customer examples that we talk about is Paytronix, where they have that traditional EDW data mart environment. They are also introducing Hadoop, Cloudera in particular, and with various user experiences in that. So first there's an engineering experience, so how do you wire all these things up together? How do you create the glue between the Hadoop environment and EDW?

And then you have the business user experience which we talked about, a number of BI tools out there, right? Pentaho has a more embeddable OEM BI tool but there are great ones out there like Tableau and Excel, for instance, where folks want to explore the data. But usually, we want to make sure that the data is governed, right? One of the questions in the discussions, what about single-version experience, how do you manage that, and without the technology like Pentaho data integration to blend that data together not on the glass but in the IT environments. So it really protects and governs the data and allows for a single experience for the business analyst and business users.

Eric: Okay, good. That's a good answer to a difficult question, quite frankly. And let me just ask the question to each of the presenters and then maybe Robin and Kirk if you guys want to jump in too. So I'd like to go ahead and push this slide for WebAction which I do think is really a very interesting company. Actually, I know Sami Akbay who is one of the co-founders, as well. I remember talking to him a couple years ago and saying, "Hey man, what are you doing? What are you up to? I know you've got to be working on something." And of course, he was. He was working on WebAction, under the covers here.

A question came in for you, Steve, so I'll throw it over to you, of data cleansing, right? Can you talk about these components of this real-time capability? How do you deal with issues like data cleansing or data quality or how does that even work?

Steve: So it really depends on where you're getting your feeds from. Typically, if you're getting your feeds from a database as you change data capture then, again, it depends there on how the data was entered. Data cleansing really becomes a problem when you're getting your data from multiple sources or people are entering it manually or you kind of have arbitrary texts that you have to try and pull things out of. And that could certainly be part of the process, although that type simply doesn't lend itself to true, kind of, high-speed real-time processing. Data cleansing, typically, is an expensive process.

So it may well be that that could be done after the fact in the store site. But the other thing that the platform is really, really good at is correlation, so in correlation and enrichment of data. You can, in real time, correlate the incoming data and check to see whether it matches a certain pattern or it matches data that's being retrieved from a database or Hadoop or some other store. So you can correlate it with historical data, is one thing you could do.

The other thing that you can do is basically do analysis on that data and see whether it kind of matches certain required patterns. And that's something that you can also do in real time. But the traditional kind of data cleansing, where you're correcting company names or you're correcting addresses and all those types of things, those should probably be done in the source or kind of after the fact, which is very expensive and you pray that they won't do those in real time.

Eric: Yeah. And you guys are really trying to address the, of course, the real-time nature of things but also get the people in time. And we talked about, right, I mentioned at the top of the hour, this whole window of opportunity and you're really targeting specific applications at companies where you can pull together data not going the usual route, going this alternate route and do so in such a low latency that you can keep customers. For example, you can keep people satisfied and it's interesting, when I talked to Sami at length about what you guys are doing, he made a really good point. He said, if you look at a lot of the new Web-based applications; let's look at things like Twitter, Bitly or some of these other apps; they're very different than the old applications that we looked at from, say, Microsoft like Microsoft Word.

I often use Microsoft as sort of a whipping boy and specifically Word to talk about the evolution of software. Because Microsoft Word started out as, of course, a word processing program. I'm one of those people who remember Word Perfect. I loved being able to do the reveal keys or the reveal code, basically, which is where you could see the actual code in there. You could clean something up if your bulleted list was wrong, you can clean it up. Well, Word doesn't let you do that. And I can tell you that Word embeds a mountain of code inside every page that you do. If anyone doesn't believe me, then go to Microsoft Word, type "Hello World" and then do "Export as" or "Save as" .html. Then open that document in a text editor and that will be about four pages long of codes just for two words.

So you guys, I thought it was very interesting and it's time we talked about that. And that's where you guys focus on, right, is identifying what you might call cross-platform or cross-enterprise or cross-domain opportunities to pull data together in such quick time that you can change the game, right?

Steve: Yeah, absolutely. And one of the keys that, I think, you did elude to, anyway, is you really want to know about things happening before your customers do or before they really, really become a problem. As an example are the set-top boxes. Cable boxes, they emit telemetry all the time, loads and loads of telemetry. And not just kind of the health of the box but it's what you're watching and all that kind of stuff, right? The typical pattern is you wait till the box fails and then you call your cable provider and they'll say, "Well, we will get to you sometime between the hours of 6am and 11pm in the entire month of November." That isn't a really good customer experience.

But if they could analyze that telemetry in real time then they could start to do things like that we know these boxes are likely to fail in the next week based historical patterns. Therefore we'll schedule our cable repair guy to turn up at this person's house prior to it failing. And we'll do that in a way that suits us rather than having to send him from Santa Cruz up to Sunnyvale. We'll schedule everything in a nice order, traveling salesman pattern, etc., so that we can optimize our business. And so the customer is happy because they don't have a failing cable box. And the cable provider is happy because they have just streamlined things and they don't have to send people all over the place. That's just a very quick example. But there are tons and tons of examples where knowing about things as they happen, before they happen, can save companies a fortune and really, really improve their customer relations.

Eric: Yeah, right. Aucun doute là dessus. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.

So a lot of people who followed the space know that a lot of the NoSQL tools out there are now bolting on search capabilities whether through third parties or they try to do their own. But to have that search already embedded in that, baked-in so to speak, really is a big deal. Because if you think about it, if you don't have SQL, well then how do you go in and search the data? How do you pull from that data resource? And the answer is to typically use search to get to the data that you're looking for, right?

So I think that's one of the key differentiators for you guys aside being able to pull data from all these different sources and store that data and really facilitate this sort of hybrid environment. I'm thinking that search capability is a big deal for you, right?

Frank: Yeah, absolutely. In fact, that's the only way to solve the problem consistently when you don't know what all the data is going to look like, right? If you cannot possibly imagine all the possibilities then the only way to make sure that you can locate all the information that you want, that you can locate it consistently and you can locate it regardless of how you evolve your data model and your data sets is to make sure you give people generic tools that allow them to interrogate that data. And the easiest, most intuitive way to do that is through a search paradigm, right? And through the same approach in search takes where we created an inverted index. You have entries where you can actually look into those and then find records and documents and rows that actually contain the information you're looking for to then return it to the customer and allow them to process it as they see fit.

Eric: Yeah and we talked about this a lot, but you're giving me a really good opportunity to kind of dig into it - the whole search and discovery side of this equation. But first of all, it's a lot of fun. For anyone who likes that stuff, this is the fun part, right? But the other side of the equation or the other side of the coin, I should say, is that it really is an iterative process. And you got to be able to - here I'll be using some of the marketing language - have that conversation with the data, right? In other words, you need to be able to test the hypothesis, play around with it and see how that works. Maybe that's not there, test something else and constantly change things and iterate and search and research and just think about stuff. And that's a process. And if you have big hurdles, meaning long latencies or a difficult user interface or you got to go ask IT; that just kills the whole analytical experience, right?

So it's important to have this kind of flexibility and to be able to use searches. And I like the way that you depicted it here because if we're looking at searching around different, sort of, concepts or keys, if you will, key values and they're different dimensions. You want to be able to mix and match that stuff in order to enable your analyst to find useful stuff, right?

Frank: Yeah, absolutely. I mean, hierarchy is an important thing as well, right? So that when you include something like a title, right, or a specific term or value, that you can actually point to the correct one. So if you're looking for a title of an article, you're not getting titles of books, right? Or you're not getting titles of blog posts. The ability to distinguish between those and through the hierarchy of the information is important as well.

You pointed out earlier the development, absolutely, right? The ability for our customers to actually pull in new data sources in a matter of hours, start to work with them, evaluate whether or not they're useful and then either continue to integrate them or leave them by the wayside is extremely valuable. When you compare it to a more traditional application development approach where what you end up doing is you have to figure out what data you want to ingest, source the data, figure out how you're going to fit it in your existing data model or model that in, change that data model to incorporate it and then actually begin the development, right? Where we kind of turn that on our head and say just bring it to us, allow you to start doing the development with it and then decide later whether or not you want to keep it or almost immediately whether or not it's of value.

Eric: Yeah, it's a really good point. C'est un bon point. So let me go ahead and bring in our fourth presenter here, Treasure Data. I love these guys. I didn't know much about them so I'm kind of kicking myself. And then Hannah came to us and told us what they were doing. And Hannah mentioned, she was a media person and she went over to the dark side.

Hannah: I did, I defected.

Eric: That's okay, though, because you know what we like in the media world. So it's always nice when a media person goes over to the vendor side because you understand, hey, this stuff is not that easy to articulate and it can be difficult to ascertain from a website exactly what this product does versus what that product does. And what you guys are talking about is really quite interesting. Now, you are a cloud-managed service. So any data that someone wants to use they upload to your cloud, is that right? And then you will ETL or CDC, additional data up to the cloud, is that how that works?

Hannah: Well, yeah. So let me make an important distinction. Most of the data, the big data, that our customers are sending us is already outside the firewall - mobile data, sensor data that's in products. And so we're often used as an interim staging area. So data is not often coming from somebody's enterprise into our service so much as it's flowing from a website, a mobile application, a product with lots of sensors in it - into our cloud environment.

Now if you'd like to enrich that big data in our environment, you can definitely bulk upload some application data or some customer data to enrich that and do more of the analytics directly in the cloud. But a lot of our value is around collecting that data that's already outside the firewall, bringing together into one place. So even if you do intend to bring this up sort of behind your firewall and do more of your advanced analytics or bring it into your existing BI or analytics environment, it's a really good staging point. Because you don't want to bring a billion rows of day into your data warehouse, it's not cost effective. It's even difficult if you're planning to store that somewhere and then batch upload.

So we're often the first point where data is getting collected that's already outside firewall.

Eric: Yeah, that's a really good point, too. Because a lot of companies are going to be nervous about taking their proprietary customer data, putting it up in the cloud and to manage the whole process.

Hannah: Yeah.

Eric: And what you're talking about is really getting people a resource for crunching those heavy duty numbers of, as you suggest, data that's third party like mobile data and the social data and all that kind of fun stuff. That's pretty interesting.

Hannah: Yeah, absolutely. And probably they are nervous about the products because the data are already outside. And so yeah, before bringing it in, and I really like that refinery term, as I mentioned, versus the lake. So can you do some basic refinery? Get the good stuff out and then bring it behind the firewall into your other systems and processes for deeper analysis. So it's really all data scientists can do, real-time data exploration of this new big data that's flowing in.

Eric: Yeah, that's right. Well, let me go ahead and bring in our analysts and we'll kind of go back in reverse order. I'll start with you, Robin, with respect to Treasure Data and then we'll go to Kirk for some of the others. And then back to Robin and back to Kirk just to kind of get some more assessment of this.

And you know the data refinery, Robin, that Hannah is talking about here. I love that concept. I've heard only a few people talking about it that way but I do think that you certainly mentioned that before. And it really does speak to what is actually happening to your data. Because, of course, a refinery, it basically distills stuff down to its root level, if you think about oil refineries. I actually studied this for a while and it's pretty basic, but the engineering that goes into it needs to be exactly correct or you don't get the stuff that you want. So I think it's a great analogy. What do you think about this whole concept of the Treasure Data Cloud Service helping you tackle some of those very specific analytical needs without having to bring stuff in-house?

Robin: Well, I mean, obviously depending on the circumstances to how convenient that is. But anybody that's actually got already made process is already going to put you ahead of the game if you haven't got one yourself. This is the first takeaway for something like that. If somebody assembled something, they've done it, it's proven in the marketplace and therefore there's some kind of value in effect, well, the work is already gone into it. And there's also the very general fact that refining of data is going to be a much bigger issue than it ever was before. I mean, it is not talked about, in my opinion anyway, it's not talked about as much as it should be. Simply apart from the fact that size of the data has grown and the number of sources and the variety of those sources has grown quite considerably. And the reliability of the data in terms of whether it's clean, they need to disambiguate the data, all sorts of issues that rise just in terms of the governance of the data.

So before you actually get around to being able to do reliable analysis on it, you know, if your data's dirty, then your results will be skewed in some way or another. So that is something that has to be addressed, that has to be known about. And the triangulator of providing, as far as I can see, a very viable service to assist in that.

Eric: Yes, indeed. Well, let me go ahead and bring Kirk back into the equation here just real quickly. I wanted to take a look at one of these other slides and just kind of get your impression of things, Kirk. So maybe let's go back to this MarkLogic slide. And by the way, Kirk provided the link, if you didn't see it folks, to some of his class discovery slides because that's a very interesting concept. And I think this is kind of brewing at the back of my mind, Kirk, as I was talking about this a moment ago. This whole question that one of the attendees posed about how do you go about finding new classes. I love this topic because it really does speak to the sort of, the difficult side of categorizing things because I've always had a hard time categorizing stuff. I'm like, "Oh, god, I can fit in five categories, where do I put it?" So I just don't want to categorize anything, right?

And that's why I love search, because you don't have to categorize it, you don't have to put it in the folder. Just search for it and you'll find it if you know how to search. But if you're in that process of trying to segment, because that's basically what categorization is, it's segmenting; finding new classes, that's kind of an interesting thing. Can you kind of speak to the power of search and semantics and hierarchies, for example, as Frank was talking about with respect to MarkLogic and the role that plays in finding new classes, what do you think about that?

Kirk: Well, first of all, I'd say you are reading my mind. Because that was what I was thinking of a question even before you were talking, this whole semantic piece here that MarkLogic presented. And if you come back to my slide, you don't have to do this, but back on the slide five on what I presented this afternoon; I talked about this semantics that the data needs to be captured.

So this whole idea of search, there you go. I firmly believe in that and I've always believed in that with big data, sort of take the analogy of Internet, I mean, just the Web, I mean having the world knowledge and information and data on a Web browser is one thing. But to have it searchable and retrievable efficiently as one of the big search engine companies provide for us, then that's where the real power of discovery is. Because connecting the search terms, sort of the user interests areas to the particular data granule, the particular webpage, if you want to think the Web example or the particular document if you're talking about document library. Or a particular customer type of segment if that's your space.

And semantics gives you that sort of knowledge layering on top of just a word search. If you're searching for a particular type of thing, understanding that a member of a class of such things can have a certain relationship to other things. Even include that sort of relationship information and that's a class hierarchy information to find things that are similar to what you're looking for. Or sometimes even the exact opposite of what you're looking for, because that in a way gives you sort of additional core of understanding. Well, probably something that's opposite of this.

Eric: Yeah.

Kirk: So actually understand this. I can see something that's opposite of this. And so the semantic layer is a valuable component that's frequently missing and it's interesting now that this would come up here in this context. Because I've taught a graduate course in database, data mining, learning from data, data science, whatever you want to call it for over a decade; and one of my units in this semester-long course is on semantics and ontology. And frequently my students would look at me like, what does this have to do with what we're talking about? And of course at the end, I think we do understand that putting that data in some kind of a knowledge framework. So that, just for example, I'm looking for information about a particular customer behavior, understanding that that behavior occurs, that's what the people buy at a sporting event. What kind of products do I offer to my customers when I notice on their social media - on Twitter or Facebook - that they say they're going to a sporting event like football, baseball, hockey, World Cup, whatever it might be.

Okay, so sporting event. So they say they're going to, let's say, a baseball game. Okay, I understand that baseball is a sporting event. I understand that's usually a social and you go with people. I understand that it's usually in an outdoor space. I mean, understanding all those contextual features, it enables sort of, more powerful, sort of, segmentation of the customer involved and your sort of personalization of the experience that you're giving them when, for example, they're interacting with your space through a mobile app while they're sitting in a stadium.

So all that kind of stuff just brings so much more power and discovery potential to the data in that sort of indexing idea of indexing data granules by their semantic place and the knowledge space is really pretty significant. And I was really impressed that came out today. I think it's sort of a fundamental thing to talk.

Eric: Yeah, it sure is. It's very important in the discovery process, it's very important in the classification process. And if you think about it, Java works in classes. It's an object oriented, I guess, more or less, you could say form of programming and Java works in classes. So if you're actually designing software, this whole concept of trying to find new classes is actually pretty important stuff in terms of the functionality you're trying to deliver. Because especially in this new wild, wooly world of big data where you have so much Java out there running so many of these different applications, you know there are 87, 000 ways or more to get anything done with a computer, to get any kind of bit of functionality done.

One of my running jokes when people say, "Oh, you can build a data warehouse using NoSQL." I'm like, "well, you could, yeah, that's true. You could also build a data warehouse using Microsoft Word." It's not the best idea, it's not going to perform very well but you can actually do it. So the key is you have to find the best way to do something.

Aller de l'avant.

Kirk: Let me just respond to that. It's interesting you mentioned the Java class example which didn't come into my mind until you said it. One of the aspects of Java and classes and that sort of object orientation is that there are methods that bind to specific classes. And this is really the sort of a message that I was trying to send in my presentation and that once you understand some of these data granules - these knowledge nuggets, these tags, these annotations and these semantic labels - then you can bind a method to that. They basically have this reaction or this response and have your system provide this sort of automated, proactive response to this thing the next time that we see it in the data stream.

So that concept of binding actions and methods to specific class is really one of the powers of automated real-time analytics. And I think that you sort of hit on something.

Eric: Good, good, good. Well, this is good stuff. So let's see, Will, I want to hand it back to you and actually throw a question to you from the audience. We got a few of those in here too. And folks, we're going long because we want to get some of these great concepts in these good questions.

So let me throw a question over to you from one of the audience numbers who's saying, "I'm not really seeing how business intelligence is distinguishing cause and effect." In other words, as the systems are making decisions based on observable information, how do they develop new models to learn more about the world? It's an interesting point so I'm hearing a cause-and-effect correlation here, root cause analysis, and that's some of that sort of higher-end stuff in the analytics that you guys talk about as opposed to traditional BI, which is really just kind of reporting and kind of understanding what happened. And of course, your whole direction, just looking at your slide here, is moving toward that predictive capability toward making those decisions or at least making those recommendations, right? So the idea is that you guys are trying to service the whole range of what's going on and you're understanding that the key, the real magic, is in the analytical goal component there on the right.

Will: Absolutely. I think that question is somewhat peering into the future, in the sense that data science, as I mentioned before, we saw the slide with the requirements of the data scientist; it's a pretty challenging role for someone to be in. They have to have that rich knowledge of statistics and science. You need to have the domain knowledge to apply your mathematical knowledge to the domains. So what we're seeing today is there aren't these out-of-the-box predictive tools that a business user, like, could pull up in Excel and automatically predict their future, right?

It does require that advanced knowledge in technology at this stage. Now someday in the future, it may be that some of these systems, these scale-out systems become sentient and start doing some wild stuff. But I would say at this stage, you still have to have a data scientist in the middle to continue to build models, not these models. These predictive models around data mining and such are highly tuned in and built by the data scientist. They're not generated on their own, if you know what I mean.

Eric: Yeah, exactly. That's exactly right. And one of my lines is "Machines don't lie, at least not yet."

Will: Not yet, exactly.

Eric: I did read an article - I have to write something about this - about some experiment that was done at a university where they said that these computer programs learned to lie, but I got to tell you, I don't really believe it. We'll do some research on that, folks.

And for the last comment, so Robin I'll bring you back in to take a look at this WebAction platform, because this is very interesting. This is what I love about a whole space is that you get such different perspectives and different angles taken by the various vendors to serve very specific needs. And I love this format for our show because we got four really interesting vendors that are, frankly, not really stepping on each others' toes at all. Because we're all doing different bits and pieces of the same overall need which is to use analytics, to get stuff done.

But I just want to get your perspective on this specific platform and their architecture. How they're going about doing things. I find it pretty compelling. Qu'est-ce que tu penses?

Robin: Well, I mean, it's pointed at extremely fast results from streaming data and as search, you have to architect for that. I mean, you're not going to get away with doing anything, amateurish, as we got any of that stuff. I hear this is extremely interesting and I think that one of the things that we witnessed over the past; I mean I think you and I, our jaw has been dropping more and more over the past couple of years as we saw more and more stuff emerge that was just like extraordinarily fast, extraordinarily smart and pretty much unprecedented.

This is obviously, WebAction, this isn't its first rodeo, so to speak. It's actually it's been out there taking names to a certain extent. So I don't see but supposed we should be surprised that the architecture is fairly switched but it surely is.

Eric: Well, I'll tell you what, folks. We burned through a solid 82 minutes here. I mean, thank you to all those folks who have been listening the whole time. If you have any questions that were not answered, don't be shy, send an email to yours truly. We should have an email from me lying around somewhere. And a big, big thank you to both our presenters today, to Dr. Kirk Borne and to Dr. Robin Bloor.

Kirk, I'd like to further explore some of that semantic stuff with you, perhaps in a future webcast. Because I do think that we're at the beginning of a very new and interesting stage now. What we're going to be able to leverage a lot of the ideas that the people have and make them happen much more easily because, guess what, the software is getting less expensive, I should say. It's getting more usable and we're just getting all this data from all these different sources. And I think it's going to be a very interesting and fascinating journey over the next few years as we really dig into what this stuff can do and how can it improve our businesses.

So big thank you to Techopedia as well and, of course, to our sponsors - Pentaho, WebAction, MarkLogic and Treasure Data. And folks, wow, with that we're going to conclude, but thank you so much for your time and attention. We'll catch you in about a month and a half for the next show. And of course, the briefing room keeps on going; radio keeps on going; all our other webcast series keep on rocking and rolling, folks. Merci beaucoup. We'll catch you next time. Bye Bye.