À emporter: Eric Kavanagh, animateur, discute des données et des analyses, ainsi que des rôles de chef des données (CDO) et de chef des analyses (CAO) avec Jen Underwood d'Impact Analytix et Nick Jewell d'Alteryx.
Eric Kavanagh: Mesdames et Messieurs, bonjour et bienvenue à nouveau dans une édition très spéciale de Hot Technologies. Chers amis, c’est Eric Kavanagh. Je serai votre animateur de l’émission d’aujourd’hui intitulée «Le livre de jeu de CxO: L’avenir des données et de l’analyse». Oui, c’est un sujet très important, je dois le dire. En fait, nous avons un peu une foule record ici aujourd'hui. Plus de 540 personnes se sont inscrites à la diffusion Web ce matin. Nous le faisons à un moment privilégié, comme beaucoup d’entre vous le savent pour nos spectacles réguliers. Nous le faisons habituellement à 4 h 00, heure de l'Est, mais nous voulions pouvoir accueillir l'invité très spécial appelé de l'autre côté de l'étang. Permettez-moi de plonger directement dans la présentation d'aujourd'hui.
Donc, cette année est chaude - c’est une année très tumultueuse à bien des égards, je pense que le cloud a beaucoup à voir avec cela. La confluence des technologies dont nous sommes témoins sur le marché est le principal moteur, et je parle bien sûr de SMAC, comme ils l’appellent. Nous parlons de SMAC: social, mobile, analytique, cloud - et tout ce qui s’intègre. Les organisations peuvent vraiment changer leur façon de faire des affaires. Il existe plus de canaux pour exécuter vos opérations commerciales, plus il y a de données à analyser. C'est un monde vraiment sauvage et nous allons parler aujourd'hui de la façon dont les choses changent dans la suite C, de sorte que les directeurs généraux, les plus hauts responsables de ces organisations, et bien ce monde entier est en train de changer et nous sommes va parler de ça.
Le vôtre est vraiment au sommet. Jen Underwood d'Impact Analytix et Nick Jewell, le principal évangéliste des technologies chez Alteryx, sont sur la ligne aujourd'hui. C’est très excitant. Hier soir, j’ai proposé ce concept, et je pense que c’est vraiment intéressant. Bien sûr, nous connaissons tous les chaises musicales, le jeu pour enfants où vous avez toutes ces chaises en cercle, vous commencez la musique, tout le monde commence à marcher et une chaise est retirée; quand la musique cesse, tout le monde doit se débrouiller pour trouver une chaise alors qu'une personne perd dans cette chaise. C’est une chose très étrange et fascinante qui se passe actuellement dans la suite C, et si vous remarquez sur cette image, vous avez deux chaises vides à l’arrière. En règle générale, une chaise disparaît dans les fauteuils de musique et, comme nous le voyons de nos jours, il existe deux autres chaires au niveau C: le CAO et le CDO, le responsable de l’analyse et le responsable des données.
Les deux sont en train de décoller. 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 de l’analyse est si importante que les salles de réunion, ou plutôt les salles exécutives, devrais-je dire, les suites C changent - elles ajoutent des personnes à la suite C, de tout nouveaux dirigeants remplissant certaines de ces nouvelles places. Si vous pensez à quel point il est difficile de changer la culture d’une organisation, c’est un accord assez sérieux. La culture est une chose très difficile à changer, et le changement positif est généralement favorisé par une bonne gestion, de bonnes idées et ce genre de choses. Si vous réfléchissez à l’opportunité qui se présente à nous actuellement, en ajoutant de nouveaux cadres dans la suite C pour l’analyse et les données, c’est vraiment un gros problème. Cela représente une opportunité pour les organisations de changer de trajectoire. Les grandes et anciennes entreprises doivent réellement 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. Nous allons parler aujourd’hui de la manière dont votre organisation peut s’adapter, comment vous pouvez utiliser cette information, cette information, pour changer la trajectoire de votre entreprise et réussir dans l’économie de l’information.
Sur ce, je vais remettre les clés du WebEx à Jen Underwood, puis Nick Jewell va aussi y jouer; il appelle du Royaume-Uni. Merci à vous deux, et Jen, avec ça, je vais vous le remettre. 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 y revenir. Eric a déjà très bien expliqué pourquoi c’était si important. Nos orateurs d’aujourd’hui, encore une fois, vous avez vu une autre diapositive contenant ces informations, mais Nick Jewell et moi-même converserons de manière très interactive avec vous au cours de cette session. Nous allons commencer par décrire en quoi consistent ces rôles et le type de tâches pour lesquelles ils sont en mission. Nous allons examiner le secteur de l’analyse, les perspectives en général et certains des défis auxquels ces personnes seront confrontées. La dynamique au sein des organisations d’aujourd’hui, alors que vous vous préparez pour l’avenir, puis nous discuterons des prochaines étapes et vous guiderons dans la planification, si vous envisagez d’exploiter certains de ces rôles dans votre organisation.
En parlant de ce CxO, le CAO par exemple, c’est le responsable des analyses, c’est un titre pour les cadres supérieurs responsables de l’analyse des données au sein de l’organisation. Le CAO sera généralement placé sous l’autorité du PDG et cette position émergente rapide sera déterminante lorsque l’on réfléchira à la masse de la transformation et à sa transformation numérique que nous avons actuellement dans la façon dont les entreprises prennent et prennent leurs décisions.
Si vous pensez que la transformation numérique et l'intelligence sont au cœur de la transformation numérique, ce CAO joue un rôle très stratégique au sein d'une organisation. Non seulement ils apportent des données scientifiques solides aux connaissances et connaissances actuelles, mais ils détiennent également le retour sur investissement et l’impact qui en résultent. Sur quoi mesurent-ils donc? Comment ils apportent ce retour sur investissement avec les données dont ils disposent et certains des résultats nets dans une organisation pour exploiter les données de manière stratégique. Cette position, de même que le CIO, responsable des technologies de l'information, a pris de l'importance en raison de la montée en puissance de la transformation technologique et numérique et de la valeur des données.
Depuis des années, les données sont un atout dans ce monde particulier: monétisation, intelligence et transformation de ces informations. Pouvoir prendre ces mesures proactives et ne pas toujours regarder en arrière, en soi. Les deux positions sont similaires en ce sens qu'elles traitent toutes les deux d'informations, mais le CIO, en tant que tel, se concentrera sur l'infrastructure où un CAO se concentrera 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 des données, la maintenance et les processus de gouvernance tout au long du cycle de vie de la gestion des données.
Ces personnes vont également être chargées de la monétisation des données, de la valorisation des données et de leur travail tout au long de la maturité des cycles de vie de la gouvernance et de la sécurité, tout au long du cycle de vie. Ce sont des gens qui seraient très à l’esprit, ou responsables de s’assurer que le GDPR - et nous en parlerons tout à l’heure - de la loi européenne sur la protection des données, s’assurant que ce genre de choses est couvert dans leurs organisations. Nous disposons maintenant de la structure et de l’avenir pour des rôles perturbateurs à forte intensité de données dynamiques. C’est le genre de choses dont l’Ordre sera responsable et pas seulement elles-mêmes. Elles constitueront une équipe multidisciplinaire, et j’ai quelques exemples de personnes qui se présenteraient comme telles dans une la structure organisationnelle, composée d'architectes et de responsables de la gouvernance, et même les analystes, ainsi que les scientifiques et les ingénieurs des données d'une entreprise, peut être adaptée à leurs besoins.
Pour aller plus loin dans les perspectives du secteur en matière d’analyse, cette activité a été phénoménale - probablement dix ans, voire plus longtemps - dans ce secteur particulier. C’est une croissance constante, très excitante, même pendant la crise du marché, il y avait encore une forte demande. C’est un endroit merveilleux. Si vous regardez l’agenda CIO de Gartner en 2017, la BI et l’analyse figurent toujours parmi les trois premiers classements de ce qui est le plus important pour une organisation. Nous examinons en permanence la croissance des marchés du logiciel. voir la croissance là-bas. Depuis que je suis dans cet espace, la carrière a toujours été brillante.
Lorsque nous nous penchons sur 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 au cours de processus commerciaux. Gartner estime maintenant que les informations que vous avez utilisées seront réinventées, numérisées ou même éliminées. Quatre-vingt pour cent des processus et produits d’entreprise que nous avions depuis dix ans, et nous commençons à le constater, non? Nous commençons à voir qu'avec les vers Amazon, certains des magasins à grande surface, les Ubers, les Airbnbs, par exemple, sont en train de perturber le processus et que les gens interagissent maintenant. Même le Black Friday - je ne sais pas combien de personnes sont vraiment allées dans un magasin - beaucoup achètent en ligne, et comment atteignez-vous ce client? Il faut de l'intelligence pour faire ça. Il faut une manière très différente d’interagir et de personnaliser l’information et d’avoir cette intelligence pour leur présenter la bonne offre au bon moment, et maintenant, c’est peut-être d’un simple clic. C’est tellement facile pour eux 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, bonjour tout le monde, merci beaucoup. Je vous prie de m'excuser d'avance s'il y a un léger retard sur l'audio venant de Londres, je ferai de mon mieux pour ne pas vous parler, Jen.
Vous avez absolument raison de dire que l’élimination du gaspillage, cette réinvention dans le cadre de la transformation numérique, survient souvent lorsque les entreprises passent de produits sur mesure, voire d’applications déconnectées, à des plates-formes plus ouvertes et connectées. Lorsque votre processus est numérique, il sera beaucoup plus facile de voir le parcours complet de vos données. Affinez réellement les étapes que vous suivez en utilisant des données pour optimiser ce processus.
Avançons d’une diapositive, si nous le pouvons. Pour ce qui est de la transformation numérique, ce que cela signifie pour les organisations est à la fois passionnant ou intimidant, selon le côté du spectre sur lequel vous êtes assis. Regardez le tableau ci-dessous, qui montre la durée de vie des entreprises et la manière dont les influences perturbatrices affectent le sort 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 par rapport aux normes actuelles, car aujourd’hui, une entreprise a à peine 15 ans que des perturbations menacent son existence. Selon les prévisions, environ 40% des sociétés Fortune 500 d’aujourd’hui, donc du S & P 500, n’existeront plus dans 10 ans. D'ici 2027, 75% de l'indice S & P 500 sera remplacé. La demi-vie à laquelle les organisations sont confrontées aujourd'hui, avant d'avoir à s'inquiéter des perturbations, se rétrécit réellement. Les entreprises qui réussissent doivent rester en avance sur cette course à l'innovation numérique.
Aujourd'hui, personne ne remet vraiment en question les analyses. C’est la pièce maîtresse de cette transformation numérique de l’entreprise. En fait, les entreprises mettent l'innovation numérique au premier plan de leur stratégie. Ces sociétés sont les cinq sociétés les plus rentables au monde, représentant une valeur marchande de deux billions de dollars, Jen.
Jen Underwood: Ouais, c’est incroyable. Cela change vraiment et vite. L’autre dynamique que nous avons et que nous avons évoquée à ce sujet, je pense que nous l’observons enfin et que les entreprises ressentent cette croissance exponentielle des sources de données. C’est même la simple analyse des données sur des sources de données structurées. Encore une fois, nous parlons de, vous avez seulement 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, types de données, ainsi que la croissance extrêmement constante.
Nick Jewell: Ouais, Jen, comme tu l'as fait remarquer, les leaders analytiques se noyent dans un océan de données. L’objectif ultime est vraiment d’atteindre un niveau de connaissances élevé, peut-être d’utiliser un mélange de techniques analytiques existantes ou nouvelles, mais il existe un problème simple et fondamental auquel de nombreuses organisations avec lesquelles nous travaillons sont réellement confrontées. Nous avons commandé le Harvard Business Review, nous avons mené l'enquête avec des analystes de données et des chefs d'entreprise. Ils ont demandé combien de sources de données ils utilisaient dans leur organisation pour prendre une décision. C’est assez clair, il ya eu un changement fondamental au cours des dernières années. Les équipes informatiques mélangeaient les données et les transféraient dans l'entrepôt de données, mais malgré tout le travail remarquable accompli par les groupes informatiques (création d'une gestion centralisée des données), les analystes sont toujours confrontés à la tâche de créer cet ensemble de données analytique spécifique. répondre à une question d'affaires. En fait, seulement 6% ont rassemblé toutes leurs données au même endroit et la majorité des analystes doivent extraire des données d'au moins cinq sources - feuilles de calcul, applications cloud, médias sociaux, sans oublier cet entrepôt de données.
Aujourd'hui, la plupart des entreprises le reconnaissent, mais la plupart des entreprises ne traitent pas avec le simple fait que les professionnels de la gestion des données consacrent plus de temps à la gestion et à la recherche de données qu'à l'extraction de valeur. Ce ne sont pas les problèmes d’analyse stratégique de grande envergure que les dirigeants d’entreprises souhaitent entendre. Mais ne pas aborder le problème fondamental empêchera réellement 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 cet élément, qu’il s’agisse de 80% du temps ou de milliers de milliards de dollars qui redéfinissent sans cesse les mêmes données, ce qui est très inefficace pour une organisation. En somme, ces 37 et ces 23% représentent une perte de temps très coûteuse. C’est incroyable pour moi que plus d’attention n’y soit portée.
En regardant certaines de ces tendances, ce que j’appellerais les forces du marché, et souvent lorsque je parle des tendances de l’industrie, j’aime suivre l’industrie et en garder le pouls constant. Il est important de comprendre quand quelque chose est plus qu'une tendance, quand ce sera vraiment une force à laquelle il faut faire attention, et ce sont les trois premières forces auxquelles il faut prêter attention. C’est cette croissance rapide dont le numéro un est la croissance rapide des bases de données non relationnelles. Je viens de mentionner ce concept de ne pas avoir beaucoup de temps pour interroger, en tant que tel, un JSON, c’est ce type de scénarios non relationnels, qui se développent rapidement - je pense avoir quelques statistiques dans un instant ici - rapidement.
L'autre chose est le passage en cours vers le nuage. Avant l’appel, j’avais mentionné que j’étais chef de produit mondial dans l’une des grandes entreprises de technologie 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 n'allons pas passer au cloud. »Et il a été très intéressant de voir des groupes un an plus tard, deux ans plus tard, maintenant que les mêmes groupes me disent que tout le monde a un plan pour le cloud. Je pense que tout le monde est une affirmation extrême très large, mais ce que je dirais, ce sont des gens anti-cloud, l'attitude a certainement changé radicalement, en très peu de temps, même depuis que je discutais avec des groupes du monde entier ces types de choses.
L’automatisation est un domaine qui me passionne et un domaine dans lequel nous assistons certainement à une activité intense. Nous parlons de certaines de ces choses avec le temps perdu et l'utilisation inefficace de votre temps. L’automatisation est certainement l’un des domaines qui me passionne le plus lorsque je songe à apporter de la valeur à une organisation.
La prochaine diapositive dont je vais parler est une étude réalisée par IDC, qui examine les segments du marché et la croissance. C’est vraiment un moyen formidable de prendre le pouls de ce qui se développe vraiment, ce que vos pairs achètent? Quels types de choses ne les intéressent plus? Ce genre de choses et de mettre dans leur stratégie.
Selon IDC, le marché mondial des logiciels d’analyse de données volumineuses compte 16 segments. Nous envisageons même quelques changements de nom. Un logiciel d'analyse continue, des plates-formes logicielles d'IA cognitive, des systèmes de recherche ont été ajoutés, de sorte que de nouvelles catégories ont même été ajoutées ici. Cet aperçu du marché englobe à peu près les outils horizontaux, les applications préemballées ainsi que certains outils d'aide à la décision et d'automatisation de la décision. Encore une fois, ce sont les types de solutions, quand on pense à CDO, à la configuration d'un CDO, à son portefeuille qui peut gérer de l'intégration des données à la visualisation d'analyse, à l'apprentissage automatique et à tous les types de fonctionnalités dont ils ont besoin. avoir à l'ère numérique.
Le marché mondial lui-même pour ces types de solutions a progressé de 8,5% en dollars courants et le marché global a progressé de 9,8% selon IDC. Ceci a été comparé à - vous examinez les fluctuations des devises sur une période de deux ans et le degré de variation est minime, mais les trois principaux segments que j'ai mis en évidence, juste pour vous donner une idée de ces sources de données analytiques non relationnelles, 58% La croissance sur 12 mois, l'analyse du contenu et les systèmes de recherche représentaient 15%, et certaines applications de relations clients, telles que celles de type CRM ou Salesforce Einstein, par exemple, enregistrent une croissance supérieure à 10% contre 12% à l'heure actuelle. Je pense que Nick voulait aussi ajouter quelques commentaires sur celui-ci.
Nick Jewell: Merci Jen. C’est un visuel fantastique. Chez Alteryx, nous avons toujours pensé que la préparation et le mélange des données constitueraient toujours une compétence essentielle de tout système analytique, mais c’est vraiment le fondement de toute analyse plus avancée. Au cours des dernières années, parlons de l’industrie. Elle était peut-être un peu trop centrée sur certaines des nouvelles fonctionnalités de visualisation interactive. Ils sont beaux parce qu’ils accroissent l’engagement, ils favorisent 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 dirigent un peu plus loin, les entreprises commencent à comprendre les valeurs de l'entreprise grâce à ces analyses plus sophistiquées, qui viennent tout juste de faire leur apparition. La question devient: comment ou plus précisément qui? Cela a conduit à une analyse de valeur supérieure; vous êtes vraiment d’accord pour dire que le problème de la pénurie de talents dans le domaine de l’analyse est tout à fait clair?
Jen Underwood: Absolument, et j’avais, je pense que j’ai tweeté, j’ai vu un commentaire vraiment fascinant de la vice-présidente d’Adobe, hier soir, dire: «L’apprentissage automatique est devenu un enjeu de table», où les gens se méfiaient, c’est devenu c'est intéressant. En regardant cela et juste un tout petit angle différent, en soi. Beaucoup de gens, nous commençons à voir cela comme un domaine en forte croissance avec un magasin d’analyses non relationnelles et l’IA cognitive, ces apprentissage automatique, ces analyses de grande valeur. Cependant, en fin de compte, le segment le plus important, où se trouvent la plupart des achats, se situe toujours dans cette phase de base, ce que je dirais, du rapport de requête, de l’analyse visuelle, et elle continue de croître et c’est quelque chose que beaucoup de gens supposent 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), je dirais simplement que lorsque vous entrez dans ce nouveau rôle ou que vous consultez des données dans une organisation, c'est le chaos, et je pense que cette diapositive fait vraiment bon travail de - ce sont tous les différents domaines potentiels que vous pouvez avoir des données. Ils peuvent être sur site, dans le cloud, hybrides, partout et c'est un énorme problème - encore une fois, c'est un rôle de type C au sein d'une organisation, et ce n'est pas une tâche simple ou simple. - Dans ce monde particulier à affronter, c'est parfois très pénible. C’est le monde dans lequel ce CDO doit naviguer pour maîtriser ce que je dirais, en maximisant la valeur des données.
Poursuivant le défi, maximisant la valeur de toutes ces sources différentes et obtenant ces fenêtres de fermeture, ces processus numériques ou la prise de conscience de l’action se ferment. Si vous pensez il y a peut-être cinq ou dix ans, vous auriez peut-être des rapports qui permettraient de prendre des décisions avec un inventaire ou des actions, celles-ci peuvent être exécutées chaque semaine, tous les mois, puis elles sont devenues quotidiennes ou du jour au lendemain. toutes les heures.
Nous constatons à présent que ces bureaux intelligents artificiels intégrés d'apprentissage automatique prennent des décisions et apportent des corrections sur-le-champ. Ainsi, même dans des domaines comme l'internet des objets, l'analyse intégrée par l'IoT à la périphérie, ces systèmes sont intelligents et ces algorithmes peuvent auto-accord et modifier certaines des décisions qu'ils prennent sur place au bon moment. C’est 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 pour ces scénarios.
Nick Jewell: Oui, Jen, je pense que l’un des aspects les plus intéressants de la façon dont la diffusion de la vision évolue est l’analyse vers l’utilisateur final. Demandons-nous aux utilisateurs de se connecter à un tableau de bord lorsqu'ils prennent une décision critique, ou affirmons-nous que la meilleure solution, la prochaine meilleure action, est disponible directement dans le processus, dans le flux, afin de générer cet avantage concurrentiel? Et le modèle analytique dont nous parlons pourrait avoir besoin de puiser ses données dans une multitude de sources - entrepôts de données traditionnels, géolocalisation, médias sociaux, capteurs, clickstream - toutes ces données ont une incidence sur la décision et sur les résultats exploitables. .
Jen Underwood: En continuant sur ce thème du défi et du changement, ce que nous avons actuellement et les défis que le PDG doit relever et planifier pour les vaincre, nous avons essentiellement trop de données à gérer et à analyser manuellement. Il y a de longs délais; nous devons réduire ces délais et trouver un moyen de maximiser la valeur des données dont nous disposons. Il y a une pénurie de spécialistes en informatique dans le monde et pour couvrir ces informations et ce que nous appellerions les océans en tant que données. La bonne nouvelle, c’est qu’il existe aujourd’hui de merveilleuses innovations qui aident dans tous les domaines, et il est excitant de voir quelle technologie nous mènera pour nous aider à relever ces défis.
Tandis que je continuais à regarder cela, il y avait un peu de confusion alors que je parlais à des clients ou à des groupes utilisant certains de ces outils. Certains des problèmes classiques subsistent encore aujourd’hui, mais il est de plus en plus exacerbé d’essayer de trouver des données à analyser. Certains des outils de recherche, certains catalogues sont certainement utiles - nous cherchons à présent quel catalogue utiliser quand. Il existe deux ou trois catalogues différents. Vous pouvez donc stocker et partager des données à différents endroits. Il vous suffit donc d’essayer d’en trouver un, le catalogue que nous devrions consulter.
L'autre chose est le partage en collaboration. Nous avons évoqué l’une des études de la Harvard Business Review: le temps consacré à la réalisation de tâches sans valeur ajoutée, la perte de temps et le coût élevé que cela peut représenter. Si vous êtes en mesure de partager et d'utiliser en collaboration des sources de données communes, les scripts ont déjà été développés, la logique y est déjà intégrée, vous pouvez les gouverner efficacement. C'est pourquoi vous souhaitez réellement équilibrer gouvernance et agilité analytique. et naviguez dans ce monde de ce que j'appellerais, nous avons les outils de niche, nous avons des outils de flux de travail 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 existe de très nombreux outils et beaucoup de chevauchements entre eux.
Nick Jewell: Ouais, parfait, Jen, et je pense que la fenêtre d’information, comme vous l’avez mentionnée, est en train de rétrécir, mais le temps qu’il faut pour déployer des modèles ne suit pas. Le déploiement de modèles prédictifs continue d’être un défi majeur pour de nombreuses entreprises. Nous avons discuté avec Carl Rexer, président de Rexer Analytics. Dans son enquête sur la science des données réalisée en 2017, Carl a constaté que 13% seulement des scientifiques de données déclarent que leurs modèles sont toujours déployés et que le taux de déploiement ne s'améliore tout simplement pas. revenir à chaque enquête précédente. En fait, en 2009, lorsque la question a été posée pour la première fois, nous obtenons des résultats presque identiques, nous avons donc un réel fossé.
Jen Underwood: Lorsque nous examinons la maturité de l’analyse, elle progresse rapidement. Encore une fois, il y a deux ou trois ans, nous étions très enthousiastes à l'idée d'une analyse visuelle en libre-service et, enfin, d'être flexibles et d'étendre la BI aux masses mêmes. Quand je dis masse, probablement toujours puissant les utilisateurs au sein d'une organisation. Nous voyons maintenant optimisation, analyse prédictive, apprentissage en profondeur, langage naturel, ainsi que de nombreuses autres technologies qui, en raison de leur intégration dans les processus quotidiens, démocratiseront véritablement l’analyse de manière très transparente pour les masses, que les vraies masses pourront utiliser au sein de la société. processus d’entreprise existants qu’ils ont déjà.
Nick Jewell: Oui, Jen, parlons rapidement de cette dernière catégorie, si je peux. La plupart des auditeurs de l’appel d’aujourd’hui vont se familiariser avec le logiciel AlphaGo de Google DeepMind, qui a battu 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 quantités de matchs précédemment enregistrés. Tant et si bien que les commentateurs du tournoi AlphaGo ont prétendu 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 rapporté. C’était AlphaGo Zero, un système d’apprentissage en profondeur, un réseau de neurones, n’ayant rien de plus que des règles simples et une fonction optimisée. Il a appris à devenir le joueur de Go le plus fort au monde, sans entraînement supervisé, et tout cela en 40 jours environ. Cet apprentissage dit du renforcement, où les humains définissent le défi, permettent au système d’apprentissage en profondeur d’explorer, de s’améliorer, pourrait réellement avoir le plus grand impact dans l’espace analytique à ce jour. Donc, je suppose, restez à l'écoute.
Jen Underwood: Ouais, c’est vraiment intéressant que vous l’ayez mentionné. Pouvez-vous imaginer les exclusions? Et c’est ce que je commence à voir. Vraiment, lorsque je parle d’automatisation, c’est très excitant que les solutions soient suffisamment intelligentes pour assainir l’air, pour apprendre automatiquement des systèmes, branchez-les et que vous sachiez quoi faire par la suite en fonction de décisions précédentes ou d’autres décisions. qui ont été créés au sein de l’organisation et qui gèrent certains de ces systèmes, les systèmes ETL et s’en occupent; il y a bien longtemps, des bips sonores et des téléphones m'appelant avec des alertes lorsque les processus ne fonctionnaient pas, il est si excitant de penser, "Wow, maintenant c'est assez intelligent pour probablement guérir soi-même."
Mon mari gère une grille d’auto-guérison, nous aurons l’intégration de données d’auto-guérison, des analyses d’auto-guérison, et 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 à la technologie. À présent, nous examinons la technologie, puis nous allons examiner le personnel et voir comment aborder la construction de votre équipe. les compétences. Si vous regardez la plate-forme d'analyse moderne, je vous dirai d'emblée, tout le monde n'aura pas tout compris, même si les plus grandes organisations peuvent avoir tous ces composants différents, certains groupes peuvent n'avoir que deux ou trois petites cases. ici, donc je ne voulais pas submerger les gens avec cela. Toutefois, une plateforme de BI moderne ne nécessite pas nécessairement une couche sémantique de génération de rapports prédéfinie.
Les utilisateurs et les experts ne devraient être habilités que pour préparer des données pour une rapidité et une 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 de disposer de l'agilité, ils doivent prendre des décisions rapides. Nous assistons à une adoption accrue de ce que nous dirions, des outils de préparation de données personnelles, des conflits de données, de l’enrichissement, du nettoyage, des types d’activités menées par Alteryx ainsi que de certaines des activités de type données scientifiques qu’elles proposent. bien. La solution de préparation moderne offre des jointures intelligentes et automatisées, des résolutions aériennes, le transfert de données. Lorsque vous avez un pipeline de données volumineuses, c’est vraiment 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.
À la différence de la BI traditionnelle axée sur l'informatique, l'informatique se concentre aujourd'hui sur le développement de l'entreprise. Vous rencontrez des personnes comme les CDO et rassemblez ou choisissez les bonnes solutions pour orchestrer, organiser et unifier ces données et vous assurer, bien sûr, que gouverné, non? Une chose est très intéressante pour moi et je pense que nous en avons déduit cela, mais je ne pense pas que nous venons de le dire tout de suite, à l'époque d'un entrepôt de données unique. fin-tout être-tout, sont certainement finis. Les données sont omniprésentes: vous avez besoin de données: des lacs de données sont apparus, il y a des données en continu et en flux continu, il y a tellement de sources de données différentes maintenant, il s'agit en réalité d'un cas d'utilisation, "De quoi avez-vous besoin?" «Nous devons tout mettre dans un entrepôt de données.» Je ne suis pas sûr, Nick, voulez-vous commenter celui-ci? Je ne me 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 ou dix ans est maintenant entre les mains de l'utilisateur. Par conséquent, les éléments figurant du côté droit s’affichent de plus en plus souvent dans une forme sans glisser-déposer sans code, Très prochainement. Il bougera de plus en plus vite, alors gardez un œil dessus.
Jen Underwood: Ouais, c’est vraiment un bon point. J'aime y penser. Les différentes données scientifiques deviennent enfin une réalité et les outils s’améliorent considérablement. En ce qui concerne la technologie, nous devons maintenant avoir les compétences et le personnel nécessaires, et que devons-nous faire? À l’heure actuelle, les meilleurs emplois incluent des titres tels que Data Scientists, Data Engineer et Business Analyst. Pourtant, nous constatons que les employeurs eux-mêmes trouvent qu’il est très difficile de faire correspondre les critères. Même dans le domaine de la préparation des données, je dirai: «S'agit-il de préparation de données, s'agit-il de querelles de données, comment appelle-t-on les gens?» C'est très intéressant à trouver.
L’entreprise ne sait pas ce dont elle a besoin et il ya tout ce nouveau domaine émergent qui couvrira de nombreux domaines différents. Si vous considérez que tout le monde doit maintenant maîtriser ses données, ses analyses analytiques, ses chefs de projets informatiques, mon mari qui gère un réseau électrique et un portefeuille de projets, il doit pouvoir analyser cela. Ce n’est plus seulement la finance et l’analyse des données, c’est vraiment étendu beaucoup plus largement à d’autres secteurs de l’organisation. Je pense avoir vu une étude sur le nombre d'utilisations du marketing de sources de données, et c'était accablant. Encore une fois, lorsque vous pensez à l’étude réalisée par Harvard Business Review, il n’est plus seulement une source de données qui oblige les gens à fusionner et à fusionner pour en tirer un aperçu, c’est beaucoup de sources de données et il faut de la compétence pour le faire.
Lorsque vous regardez essentiellement la situation dans son ensemble, la plupart des nouveaux employés se retrouveront dans cette bulle rose vers le bas, lorsque vous parlerez de ces analystes commerciaux aux analystes de l'exploration de données, aux responsables des ressources humaines, à ce domaine, uniquement 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 c’est certainement ce que nous entendons le plus souvent sur le marché à l’heure actuelle, à savoir le scientifique et l’ingénieur en données. En tant que CDO, ils sont tournés vers l’avenir et vous planifiez des talents. Vous devez donc intégrer une partie de l’automatisation des tâches routinières et des types de compétences plus stratégiques, tout en ajoutant de la valeur à votre organisation. ceux en analytique activés, mais aussi pour les informaticiens et les ingénieurs en informatique. Réfléchissez à la façon dont vos positions non affichées et même une partie de l'économie indépendante pourraient changer si vous y réfléchissez pour rivaliser avec les meilleurs et les plus brillants.
Et réfléchissez toujours à votre réserve de talents, aidez les candidats à naviguer sur le marché ou recherchez des éléments légèrement différents qui ne sont pas exactement ce que vous voulez, et créez des cours d'analyse internes, qui ne sont peut-être pas vraiment les plus rapides. stratégie rentable pour vous de suivre. Envisagez de rechercher des personnes dédiées à la formation sur ce groupe ou sur différents groupes. Je crois qu'Alteryx a recommandé aujourd'hui un cours recommandé à la fin de la session, qui vous permettra de tirer parti de certaines de ces choses et d'aider votre équipe à tirer parti certaines des ressources existantes déjà disponibles.
Nick Jewell: Absolument. Il y a tellement de façons de combler ce manque de talent sans se lancer dans une course aux armements. Quelques diapositives en arrière, je ne sais pas si vous êtes en mesure de retourner un couple là-bas. Kaggle, le site du concours de science des données, vient de publier une enquête avec 17 000 réponses sur l'état de la science des données. L'enquête a donné des réponses très intéressantes concernant les compétences des personnes, et la majorité des répondants n'ont pas obtenu de doctorat. , ce n’est tout simplement plus une condition préalable.
L'idée que les experts en analyse de la prochaine 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 accéder à des sites tels qu'Udacity et déployer ces connaissances immédiatement, directement dans l'entreprise. Des cycles de livraison courts et ciblés en font une source immédiate de progrès concurrentiel pour leurs entreprises. Donc, quelque chose à surveiller, je pense.
Jen Underwood: Non, je suis d'accord Même si j'y pense, le chemin parcouru depuis que j'ai suivi un programme de deux ans à l'UCSD a certainement beaucoup progressé. Je pense que c'était en 2009 et 2010, et il y en a peut-être une poignée au pays qui vous ont permis de le faire. Il ya généralement beaucoup plus d’options à présent, ainsi que des programmes spécialisés, que ce soit par le biais des fournisseurs, de nombreuses ressources disponibles aujourd’hui avec des boucles et toutes ces différentes ressources en ligne, c’est tout simplement incroyable, le moment est venu. Prendre le temps et budgétiser cela et planifier vous-même pour suivre. Qu'est-ce que tu veux apprendre? Et puis suivez ce chemin que vous voulez apprendre.
Parler de cela et d’élaborer votre propre plan de compétences et à partir des perspectives d’un CDO, en s’assurant qu’il a des personnes dans les domaines couverts, à partir de ce que je dirais un cadre de compétences lui-même, en examinant des compétences ou en examinant des domaines tels que la connaissance du domaine. reste essentiel, même si ces solutions peuvent s’auto-former et s’auto-apprendre, c’est vraiment un expert du domaine des affaires qui guide et veille à ce que les résultats aient un sens.
Il y a toujours quelque chose que j'aime bien prendre comme exemple lorsque je faisais de l'analyse critique pour une compagnie d'assurance, et l'une des conclusions de l'algorithme était de ne pas engager de personnel de New York. Eh bien, non, nous n'allons embaucher personne de New York - nous avons dû savoir pourquoi l’algorithme nous donnait ces informations. C'était parce que la loi, l'une des lois avait changé et que nous avions beaucoup de roulement dans ce segment particulier. Il fallait faire appel à un expert en affaires pour le déchiffrer, et je ne vois pas cela changer, je ne vois pas ce genre de choses le guider, en s'assurant que les résultats paraissent exacts, quelque chose a l'air - il est toujours , il y a quelque chose que l'on dit être l'esprit humain, la beauté de cela combinée à la puissance de la machine, est vraiment ce que nous allons faire.
Les autres types de choses lorsque vous examinez les compétences, la visualisation, racontez une histoire efficace dans les données, racontez une histoire efficace pour déterminer s’il s’agit ou non d’une sortie d’apprentissage automatique. En rassemblant et en examinant son impact, en comprenant la nature humaine de la prise de décision, ce genre de choses est très important quelle que soit la technologie. La gouvernance est vraiment importante, l'éthique le devient de plus en plus. Faire appel à des spécialistes des sciences sociales qui comprennent et qui sont formés pour examiner si vos données comportent des biais que vous ne réalisez même pas ou dont personne au sein de l'organisation ne pourrait même pas reconnaître cela, même en les intégrant dans l'expert. , avoir ce genre de choses.
Et encore une fois, bien sûr, disposer de l'infrastructure d'ingénierie et du matériel et vous assurer que vous pouvez faire évoluer votre système et que vous utilisez le bon fournisseur de cloud, peut-être que vous n'êtes pas bloqué ou que vous avez des options de déplacement ou que vous comprenez le prix sur ce que cela va vous coûter. Ce sont ces types de compétences et lorsque vous examinez cela, nous appelons des compétences relevant de différents domaines, qu'il s'agisse de décideurs de première ligne basés sur les données, où se trouveront la plupart de ces rôles, jusqu'aux ingénieurs en informatique et scientifiques de données qui: masser et travailler dans ces océans de données. C’est le genre de choses pour lesquelles 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. La formulation est légèrement nuancée. Un cadre de compétences pour votre organisation est un signal clair. Les décideurs en matière de guerre, les fournisseurs d’éducation, tandis que les compétences seraient classées 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 la compétence, ce qu’une personne doit être capable de comprendre et comprendre le cadre, c’est là l’important, il ya une petite nuance.
Au fur et à mesure que vous vous développez, vous souhaitez diagnostiquer ce que vous appelleriez des capacités qui ont un impact positif sur l'activité et mettre en évidence ces domaines à fort potentiel. Vous définissez par conséquent les compétences que vous souhaitez développer dans votre organisation. puis aligner à nouveau, avec les objectifs de l'entreprise. Les CDO chargés de maximiser la valeur des données, qu’ils examineront, et leur directeur général, utiliseront l’analyse pour maximiser la valeur des données. Ils se pencheront sur ces compétences et ces différents domaines, sur la grille que j’avais auparavant, mais ils examineront également le potentiel élevé du personnel. Vous allez croiser cela avec votre personnel pour le travail analytique et analytique sur les données et y investir, leur fournir des opportunités d'apprentissage et pas seulement de formation, essentiellement des opportunités du monde réel travaillant sur de vrais problèmes métier.
Il n'y a rien de mieux - même si je suis allé à l'école pendant quelques années, ce n'est que lorsque j'ai appliqué certains de ces algorithmes ou appris quelque chose sur la fraude par chèque, que j'ai 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 apprendrez vraiment. Donner aux gens l'occasion d'acquérir de l'expérience dans ces domaines. Les entreprises qui sont le mieux en mesure de créer des capacités solides, qui identifient systématiquement, des évaluations objectives et recherchent les lacunes au sein de mon organisation en matière d’apprentissage et de mise en place de métriques pour les objectifs des employés, ce sont celles qui pourront livrer.
Encore une fois, lorsque vous songez à former des adultes, c’est généralement un temps insuffisant - nous le sommes toujours - mais nous cherchons ce qui fonctionne pour chacun. Personnellement, j'ai des livres, donc si vous veniez dans mon bureau aujourd'hui, vous en verriez des tonnes, même si beaucoup de gens aiment les vidéos. Il s’agit donc de savoir comment un membre de votre organisation aime apprendre - de le motiver - mais aussi de lui donner le temps de le faire et de lui donner un objectif - ce qui est un moyen efficace d’atteindre cet objectif et, en général, Mélangé, ce n’est pas juste, prenez ce cours pour cocher cette case sur une carte de pointage, en soi, c’est ce mélange avec un projet à objectif 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.
Encore une fois, si vous faites cela, ces objectifs d’apprentissage ne devraient pas être simples, mais ils devraient être faciles pour l’entreprise, essentiellement parce que ces objectifs doivent s’aligner sur les intérêts stratégiques de l’entreprise. 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 me lancer dans une étude de cas, si cela vous convient, à l’écran suivant. Un peu plus en détail d'une organisation spécifique. Je suppose qu’ils ont mis en pratique une grande partie de ce que vous dites. La Ford Motor Company s’est appuyée sur l’analyse de données pendant des décennies, à l’instar de nombreuses entreprises, mais elle l’a fait dans des secteurs économiques, avec probablement très peu de supervision dans l’ensemble de la société pour assurer la cohérence et la coordination. Leurs problèmes étaient probablement assez typiques pour une organisation de cette envergure. Par conséquent, l’expertise en analyse contenait - comme on dit - des poches, les pratiques de gestion des données et de gouvernance étant incohérentes, au point que certaines unités commerciales n’avaient pas accès à une expertise analytique de base.
Encore une fois, nous avons parlé aujourd’hui de nombreux types de sources de données, qui comptaient plus de 4 600 sources de données. Cela signifiait même que commencer le voyage et trouver les données dont ils avaient besoin constituait un réel obstacle à la compréhension analytique. Je vois que tu ris, mais c’est une chose terrible, non?
Jen Underwood: 4600, oh mon dieu, oui.
Nick Jewell: Ainsi, Ford a créé l’unité globale d’analyses et d’analyses, qui était centralisée - vous pouvez l’appeler centre d’excellence - constituée d’une équipe de scientifiques et d’analystes des données, organisée pour partager cette meilleure pratique analytique et aider à diffuser des données optimisées basées sur des données. les affaires. L’unité a sélectionné les meilleurs outils, non seulement sur leurs capacités, mais également sur leur capacité à bien s’intégrer, ce qui est très important. Leur démocratisation visait en réalité les rapports et l’analyse descriptive, avant de gravir les échelons de la pyramide des besoins dont nous avons parlé.
Maintenant, la démocratisation ne fait pas de quelqu'un du jour au lendemain un scientifique de données; Le personnel doit savoir quand et où obtenir de l’aide, et il existe une formation, une gouvernance et des méthodologies disponibles pour vous aider dans tous ces domaines. En outre, il ne s’agit pas uniquement de la formation aux outils, mais également de la formation à la science des données, afin de combler le déficit de compétences mentionné précédemment. Donc, un cas d'utilisation concret chez Ford, l'optimisation d'un réseau logistique, Ford payait-il le juste montant pour déplacer les matériaux d'un point A à un point B? Leurs analyses traditionnelles n’ont pas vraiment mis en évidence les opportunités exploitables; cela les a rendus très réactionnaires sur le marché.Désormais, les analystes ont été confrontés à une grande complexité liée à ce processus. Ils ont réalisé une avancée décisive lorsque le flux de travail en libre-service a été itéré avec l'entreprise et que les experts en analyse s'assoyaient ensemble et étaient co-localisés.
Cela a fait passer l'analyse de plusieurs années à une fois par trimestre, voire même à un temps quasi réel, ce qui représente un avantage énorme pour l'entreprise. L’impact de l’analyse en libre-service sur la valeur commerciale a permis à Ford de planifier et d’établir rapidement des stratégies reposant sur les données à l’échelle de l’entreprise, afin de répondre aux tendances émergentes, d’aider à concevoir de nouveaux services et, en gros, de contrer les menaces de la concurrence. avoir à regarder dans ce rétroviseur.
Maintenant, si nous examinons un instant la façon dont un autre client a réellement fait passer l’analyse d’une priorité verticale d’une seule division à une bande horizontale de toutes les divisions, nous parlerons de Shell. Shell gère un centre d’excellence qui relève du Chief Digital Officer - c’est donc un autre D pour notre manuel de jeu CxO - responsable de la transformation numérique et de la durabilité. Ces gars-là, ils ont compris que leur environnement contenait plusieurs couches, la pile technologique, le stockage, le traitement des données et toutes des technologies que vous connaissez bien. Des solutions telles que SAP HANA, Databricks, Spark et ils ont exploité le cloud public pour atteindre ces économies d’échelle.
À présent, ils ont sélectionné Alteryx comme wrapper d'analyse pour une grande partie de leur code R, alimentant des technologies telles que Spotfire, Power BI, etc. Mais maintenant, ils voient que l’adoption est étroitement liée au traitement et à la visualisation des données. Jen, pour revenir à votre diapositive sur toutes ces capacités, ce genre de choses se répand lorsque nous commençons à permettre à plus d'analystes d'avoir accès. Vous savez, ils ont énormément réussi à fournir cette capacité et le Centre d'excellence, cherchant à fournir des capacités futures à présent, certaines des choses d'apprentissage en profondeur dont nous avons parlé - vision par ordinateur, traitement du langage naturel - et la moitié de leur mission est la livraison, la moitié Il s’agit d’expliquer et de catalyser ces idées dans toutes les unités commerciales. Cela fait partie du voyage; le centre d'excellence cherche toujours différentes façons de communiquer avec son public d'entreprises.
En prenant en compte d'un côté les sceptiques qui disent: "Eh bien, cette boîte noire ne sera jamais aussi bon que mon analyste", jusqu'au fanboy ou à l'enthousiaste qui voit partout des corrélations, peut-être moins dans les relations causales. , mais vous devez faire attention des deux côtés. C’est un juste milieu fascinant, lorsque vous avez cette bande horizontale sur toute une organisation, cet ensemble de compétences hybrides qui est nécessaire pour convaincre les deux côtés du spectre.
Nick Jewell: OK, Jen, es-tu là?
Jen Underwood: Je suis.
Nick Jewell: J'imagine que ce que nous essayons de dire avec cette citation de Clayton Christensen est que pour de nombreuses organisations, unifier le programme d'analyse pour mener à bien la transformation numérique dont nous avons parlé aujourd'hui constituera un défi. . Le plus souvent, nous trouvons des équipes analytiques commençant avec une main faible. Tenter d'innover avec les héritages hérités de processus analytiques, de technologies, de structures d'équipe et de conserver ces reliques constituera le principal obstacle à l'alignement analytique et à l'innovation analytique. Avez-vous des idées à ce sujet, Jen?
Jen Underwood: J'apprécie 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, la diffusion en temps réel. Vous ne pourrez pas nécessairement obtenir ces résultats en temps réel si vous devez effectuer des actualisations du code JavaScript dans un navigateur, en tant que tel, avec un ancien héritage - il s’agit peut-être d’une application de tableau de bord ou de 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 vaut mille mots. Le chariot et le buggy, vous devez abandonner certaines de ces vieilles approches technologiques.
Nick Jewell: Absolument. Donc, si nous passons à la diapositive suivante, nous pensons qu’il existe un meilleur moyen. Tout d’abord, je suppose, en utilisant quelque chose qui ressemble à une recherche semblable à celle de Google, pour trouver rapidement tous vos actifs de données les plus pertinents. Comprendre leurs inconvénients, comprendre leur dépendance, prendre en compte des éléments très simples, tels que des glossaires professionnels rédigés par des experts de vos communautés, maintenus en vie par toute cette connaissance tribale de la tête de vos collègues.
Devenir intelligent avec la découverte de données. Pensez à la possibilité de converser avec les propriétaires de rapports et les experts. Téléchargez un peu de Trip Advisor ou de Yelp, téléchargez les actifs les plus utiles, certifiez ceux qui, selon l’organisation, ont le plus de valeur, puis tout cela sera répercuté sur les résultats de la recherche et, finalement, sur le classement de la recherche, ce qui en améliorera la qualité. l'utilisateur suivant. Une fois que vous avez trouvé ce que vous cherchez, passez à cette phase de préparation et d’analyse rapide, sans code, conviviale, pour développer votre ensemble de données parfait, à partir duquel publier des processus reproductibles.
Retour 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 soutenons des technologies à code source libre telles que R depuis plusieurs années, ce qui nous permet de créer une capacité analytique vraiment avancée couvrant à la fois des analyses descriptives, mais aussi prédictives, prescriptives, sous forme de glisser-déplacer. chemin de chute.
À présent, à droite, vous obtenez cette information dans les visualisations interactives, les modèles et les scores, qui est intégrée dans les plates-formes de données, ou, plus récemment, cette information est disponible instantanément et directement dans un processus métier. Je pense que c’est cette gamme de capacités sur toute la plate-forme qui nous a permis d’être reconnus comme le lauréat du Gold Award dans le sondage Gartner sur le choix du client Peer Insights de Gartner, ce qui est une réalisation fantastique. Je vous recommande vivement de visiter le site Gartner pour en savoir plus, pour ajouter vos propres votes et pour ajouter votre propre commentaire.
Cool, alors, Jen, si nous sautons une diapositive supplémentaire - je suppose qu’en conclusion, je voudrais vous indiquer toutes les étapes suivantes. Tout d’abord, veuillez visiter Alteryx.com pour télécharger un exemplaire gratuit de notre dernier mémoire de recherche, réalisé en coordination avec l’Institut international d’analyse (IIA), sur la suppression des obstacles analytiques. Vous pouvez également visiter udacity.com/alteryx pour en savoir plus sur la manière de permettre à vos équipes de franchir la prochaine étape de leur parcours, avec ce nano-degré en analytique avancée, puis de faire l'expérience d'Alteryx pour vous-même. Visitez la page d'accueil, téléchargez une évaluation complète et embarquez-vous avec le frisson de la résolution.
Jen, à toi. Nous pourrions avoir un peu de temps pour quelques questions et réponses.
Eric Kavanagh: Je vais juste ajouter rapidement. Nous avons quelques questions. Je suppose que je vous en donnerai d’abord un, Nick, puis Jen, si vous souhaitez en parler, mais il est certainement plus applicable à l’Union européenne: il s’agit du 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: Je pense que c’est vraiment un boogieman qui est en ce moment. Beaucoup de gens en ont parlé, beaucoup d’inquiétude, 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 tant que CxO, vous savez où se trouvent vos actifs, vous connaissez leurs inconvénients et vous savez que vous pouvez leur faire confiance, ce qui vous permettra de gérer et de gérer les données de manière plus globale.
Eric Kavanagh: Je suppose que je vais vous poser une autre question avant de ramener Jen, Nick, à savoir les données de formation, si quelqu'un demande que leurs données soient supprimées de votre entreprise, cela n'affecte pas uniquement leur nom, leur adresse, etc. non seulement leurs coordonnées, mais aussi, si un algorithme utilise des données d’entraînement qui incluent vos données, vous êtes supposé rééduquer l’algorithme, n’est-ce pas?
Nick Jewell: C’est particulièrement complexe. Je pense que l’idée que non seulement les bases de données soient une source de certaines de ces informations personnellement identifiables, mais également les flux de travail analytiques, les applications, les visualisations. Ces données sont omniprésentes avec une organisation, ce qui la rend absolument vitale.
Eric Kavanagh: Et Jen, quelle est ta pensée? De toute évidence, le marché n’est pas si important aux États-Unis et nous ne voyons pas beaucoup d’entreprises s’inquiéter pour le moment, même si, techniquement, cela s’applique ici. Si une entreprise américaine dispose de données relatives à un citoyen de l’Union européenne, qu’en est-il de l’importance du GDPR et de l’importance de la transaction?
Jen Underwood: Eh bien, je pense certainement que cela nécessite un traitement responsable des données. J’ai écrit à ce sujet à quelques reprises et j’ai quelques directives sur certaines de ces choses. Je pense que la question que vous avez posée sur les algorithmes est intéressante. Parmi les solutions que je recherche actuellement, certaines de leurs équipes de produits ont certainement conçu des fonctionnalités qui vous permettent de voir comment elles prennent les décisions et quelles données personnelles ont été utilisées pour décider du résultat de cet algorithme. Nous constatons certains impacts sur la conception des produits ici aux États-Unis.
Un grand nombre de sociétés de technologie ont des bureaux très importants ici et des équipes de développement aux États-Unis et dans le monde. Nous le constatons donc dans le développement du produit. De plus en plus de catalogues de données sont investis. De plus en plus d'initiatives des gouvernements sont mises en place afin que les gens comprennent et que toutes ces données se trouvent dans le chaos. En essayant au moins d'organiser leurs activités, de pouvoir les trouver et de faire quelque chose avec.
Eric Kavanagh: Je vais pousser la diapositive dont nous avons parlé plus tôt et vous la renvoyer, Nick. Je pense que cette diapositive est fantastique car, à mes yeux, elle témoigne de l’immédiateté d’un besoin d’analyse. Que pensez-vous de cette dynamique en mutation? Je veux dire que le résultat final est que les entreprises doivent être agiles et je considère que l’analyse est à la pointe de cette charge. Qu'est-ce que tu penses?
Nick Jewell: C'est fascinant. Je pense qu’il ya toujours: les entreprises et les technologies existent toujours dans trois États. C’est donc la guerre, la paix ou l’émerveillement. La guerre sera à peu près aussi intense que la concurrence. Wonder est tout ce que vous construisez de nouveau sur une plate-forme. Alors la paix avant la compétition et la guerre recommence. Je pense qu’il ya toujours cette bataille.
Avant l’appel d’aujourd’hui, nous avons parlé de certaines des autres conférences et des notes clés diffusées dans le monde entier. Certains des plus gros éditeurs de cloud computing ont atteint le stade où ils ont construit cette plate-forme et développent maintenant de nouvelles choses formidables. Les entreprises doivent garder un œil attentif sur ce problème et s’assurer qu’elles utilisent une plate-forme cohérente qui offrira cette valeur pour l’avenir. Ce sont eux qui survivront à cette perturbation.
Eric Kavanagh: Ouais, c’est un bon point, et vous savez, Jen, vous aviez déjà commenté, avant le spectacle, sur la stratégie en matière de cloud et sur la façon dont beaucoup de gens de votre secteur disent que les grandes entreprises, même les banques, ont maintenant une stratégie de cloud. J’ai été un peu surpris de voir combien de temps il a fallu pour que cela se matérialise, et je suppose que certains d’entre eux sont allés à la conférence AWS Reinvent et ont réalisé à quel point cela est énorme et ont conclu que le moment était venu. Que pensez-vous de la sensibilisation des dirigeants de grandes entreprises à l’importation du cloud et de la manière dont cela change leur planification?
Jen Underwood: Quand je pense à ce monde de données à grande échelle, capable de le gérer, je pense qu’à certains niveaux, il est plus que tranquille de laisser l’une des très grandes entreprises prendre la responsabilité de certains aspects de la sécurité. l'esprit là-bas. Vous savez que les nuages ont une portée limitée.
L’autre chose est, et j’ai vu, j’étais dans une équipe qui a redéveloppé un produit dans le nuage et c’était certainement un produit négligé et personne n’y prêtait attention, et dans les deux ans, à cause des sorties hebdomadaires et même, Je dirais que c'est presque au point de se libérer quotidiennement dans les nuages. Je sais qu'Amazon dit qu'ils publient plusieurs fois par jour. Lorsque vous avez cette menace, lorsque vos concurrents peuvent publier et améliorer tous les jours, peu importe ce qu'ils font, du moins dans l'industrie du logiciel - et tout le monde est réellement dans l'industrie du logiciel lorsque vous commencez à envisager la transformation numérique - c'est une toute autre chose. Ballgame et tout le monde peut créer un nuage et devenir grand.
Encore une fois, ce sont les données qu’elles exploitent qui vont faire la différence et l’intelligence de leurs algorithmes, et c’est pourquoi les gens parlent de données comme étant le nouveau pétrole ou d’or. Quand je regarde le cloud, c’est le changeur de jeu qui permet vraiment un développement et une évolutivité très, très rapides. C'est incroyable.
Eric Kavanagh: Je vais vous ramener, Nick, pour une autre question - nous allons passer une minute si nous pouvons arriver à certaines de ces questions, mais, si je me souviens bien, il y a cinq, six et peut-être même sept ans, Alteryx était réellement un innovateur en exploitant les données tierces. Il importait donc des données provenant de sources telles que Experian, par exemple, ou de données géospatiales. Je pense que c’est probablement un avantage stratégique, car ce genre de chose est dans l’ADN d’Alteryx, n’est-ce pas? Alors que les entreprises se tournent vers le cloud, je pense que vous avez beaucoup d’expérience pour pouvoir faire le pont entre ces mondes. Que pensez-vous des mondes de données sur site et de données tierces et basées sur le cloud?
Nick Jewell: Oui, absolument. La connectivité ultime sera un tel jeu de pouvoir pour toute entreprise qui travaillera dans cet environnement basé sur le cloud. Mais je dirai que, lorsque nous parlons d’infographie, l’idée que l’information et les données devraient être considérées comme un atout pour votre entreprise. La majeure partie de la valeur que vous allez générer consiste à exploiter des sources de données externes, à les mélanger et à les enrichir avec vos sources internes, afin de créer et de monétiser davantage de valeur dans le processus. Il est absolument essentiel de travailler avec des données internes et externes de manière égale.
Eric Kavanagh: Ouais, c’est un bon point. Je pense que ce monde de cloud hybride est là pour rester. Jen, je vais tout simplement vous laisser la parole pour quelques observations finales, peut-être. Pour moi, avoir cette vision stratégique et être capable de s’unifier alors que le nouveau terme décrit des données à travers les sources, c’est un facteur de réussite crucial, 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 pensiez à Hadoop, Hadoop et Big Data, puis vous avez commencé à entendre hybride, hybride. Vous êtes donc passé par là. Nous ne sommes pas nécessairement, c’est l’année de l’apprentissage automatique, sans exception. Je veux dire, intelligence artificielle, l’apprentissage automatique a pris la scène cette année, mais pour fonctionner réellement dans une organisation aujourd’hui sur le chemin du cloud ou devant traiter toutes ces différentes sources de données en nuage, il s’agit peut-être de Salesforce. Workday, tous ces types de sources qui résident 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 trouver un moyen de travailler avec des données situées partout, de trouver des données partout, car c’est la réalité de notre situation actuelle. maintenant.
Eric Kavanagh: Je pense que je m'en voudrais de ne pas ramener l'apprentissage automatique à la conversation, alors, Nick, je vais tout simplement vous le faire savoir. Je sais que vous êtes concentrés là-dessus à présent. Pouvez-vous nous dire en quelque sorte où l'apprentissage automatique s'aligne sur l'analyse et sur le type de systèmes que nous utilisons pour comprendre notre activité et nos données?
Nick Jewell: Oui bien sûr. Très brièvement, revenons donc rapidement à notre déficit de compétences. L’idée selon laquelle les entreprises sont bourrées d’excellents utilisateurs d’Excel. Nous avons des scientifiques de données qui arrivent mais ne grandissent pas au même rythme. Il y a un fossé énorme entre les deux. Pensez à l’endroit où se trouve 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 l’ensemble de l’entreprise.
Eric Kavanagh: Je vais vous en lancer un dernier, peut-être. Nous avons quelques questions qui arrivent tard, ici. Jen, je vais vous demander celui-ci. Un participant commente l'ensemble de ce concept d'apprentissage non supervisé. Le fait est que vous avez besoin de données de formation pour le faire. De manière générale, les données de formation doivent être spécifiques à l'entreprise. Bien qu'il y ait beaucoup de corrélations dans les industries, il y a beaucoup de similitudes entre les organisations. Néanmoins, chaque entreprise est unique, qu’il s’agisse de son modèle commercial ou de son approche en matière de marketing ou de vente, ou, quel que soit le cas, de développement de produits.
La question est de savoir si ces algorithmes pourront utiliser des données tierces pour la formation. Il me semble que vous devrez toujours utiliser vos propres données pour former ces algorithmes, même si la durée du cycle est réduite à six mois - ce qui a parfois été le cas - jusqu'à 40 jours ou 20 jours, quelle que soit la durée. cas peut être. Vous devez vraiment utiliser vos propres données et vous assurer que ces données sont relativement propres, non?
Jen Underwood: C’est vraiment un mélange. Vous allez avoir besoin de con externe. En fait, je suis réservé aujourd’hui dos à dos et mon prochain webinaire parle de la préparation et du nettoyage des données, paradoxalement pour l’apprentissage automatique. Ce qui est vraiment important, c’est que vous mettez en place des problèmes externes avec votre organisation, et j’aime beaucoup que vous posiez des questions sur la préparation et le nettoyage des données, car honnêtement, certains outils deviennent très très bons - ils peuvent en 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 été omis - dit que nous avons une sorte de biais d'omission.La manière dont vous envisagez le problème et la manière dont vous choisissez de le concevoir ou de prendre des décisions que vous automatisez est un art de faire et de s’assurer qu’il reflète bien ce processus.
Revenons à mon exemple avec la compagnie d’assurance, lorsque nous modélisions le 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 disposer de données externes avec vos données internes et, encore une fois, de l’esprit humain. Il y aura différentes composantes ici.
Eric Kavanagh: Je pense que vous avez soulevé un très bon point ici. Nous continuons d’entendre parler de robots et de machines et de l’apprentissage des machines. Pour moi, c’est une tendance très bouleversante - il n’ya aucun doute à ce sujet - mais je ne vois jamais la nécessité de laisser aller l’être humain, en particulier avec l’analyse de données, de données d’entreprise.
Nick, une dernière question pour vous. Selon moi, quelle que soit la qualité des algorithmes, vous aurez toujours besoin de personnes qui surveillent ce qui se passe, s’injectent elles-mêmes à l’heure convenue et synthétisent réellement l’ensemble de ce qui existe. Je ne pense pas qu’un algorithme puisse jamais synthétiser la situation dans son ensemble pour une entreprise du groupe Fortune 2000, mais vous en pensez quoi?
Nick Jewell: Eh bien, prenons un exemple totalement différent d’Alteryx. Parlons d’Uber de l’année dernière. Uber, lors de l’incident terroriste survenu en Australie, les personnes qui tentaient de fuir la région ont soudainement mis en place une flambée des prix, «car c’est ce que l’algorithme dit faire, a causé d’énormes dommages à la réputation. Immédiatement après cela, ils ont mis en œuvre des humains et des algorithmes travaillant ensemble. Chaque fois que cela était sur le point d'arriver, un humain devait surveiller le processus. Ce partenariat humain et algorithme, c’est la voie à suivre.
Eric Kavanagh: Wow, c’est un bon exemple, merci beaucoup. Eh bien, nous avons passé plus d’une heure sur notre diffusion Web. Un grand merci 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 bonnes questions. Nous archivons toutes ces webémissions pour les visionner plus tard. N'hésitez pas à les partager avec vos amis et collègues. Sur ce, nous vous disons au revoir. Excellent webcast aujourd'hui. Merci encore une fois, nous vous rattraperons la prochaine fois, chers amis. Prends soin de toi. Bye Bye.