Paket servisi: Ev sahibi Rebecca Jozwiak, gömülü analitik ve vatandaş veri bilimcileri fenomenini Dr. Robin Bloor, Dez Blanchfield ve David Sweenor ile tartışıyor.
Videoyu izleyebilmek için bu etkinliğe kaydolmalısınız. Videoyu görmek için kayıt olun.
Rebecca Jozwiak: Bayanlar baylar, merhaba ve Hot Technologies'e hoş geldiniz. “Her Yere Göm: Citizen Data Scientist'i Etkinleştirmek” bugün konumuzdur. Her zamanki sunucunuz için dolduruyorum, bu Rebecca Jozwiak, Eric Kavanagh için dolduruyor. Evet, bu yıl sıcak. Özellikle “veri bilimcisi” terimi, “istatistikçi” veya “analitik uzmanı” gibi sıkıcı isimler olarak adlandırmamıza rağmen, çok fazla dikkat çekmeye başlamıştı, ancak yeni ve seksi bir isim aldı. çok dikkat çekti. İşyerinde olması, organizasyona faydası olması çok arzu edilir ve herkes bir tane ister. Ancak bunlar: 1) pahalı, 2) bulmak zor. Biliyorsunuz, veri bilimci yetenek yetersizliği ile ilgili tüm haberlerde yer aldı, evet, ama yine de organizasyona muazzam değer sunuyorlar ve insanlar, kuruşları düşürmek zorunda kalmadan bu değeri nasıl elde edeceklerini bulmak için bir nebze caydırıyorlar. BT.
Fakat iyi haber şu ki, bu kıtlığı telafi edecek araç ve yazılımların ortaya çıktığını görüyoruz. Otomasyon, makine öğrenmesi, gömülü analitik konularımız var, bu da bugün hakkında ne öğreneceğimiz ve bu yeni terim, “vatandaş veri bilimcisi” anlamına geliyor ve bu ne anlama geliyor? Hayır, sizin eğitilmiş veri bilimciniz değil, sizin iş kullanıcınız, iş zekası uzmanınız, bilişim uzmanlarından biri, geçmişi olan ama belki de uzmanlık gerektiren biri olmayabilir.Ancak ne yaptığı, bu araçlar ve yazılım, derin kodlamayı bilmese bile, bu akıllı çözümlere daha fazla insana erişim sağlamasıdır. Ancak, herkese bu analitik düşünceye biraz daha erişim izni verdiğinizde, genel olarak performansı iyileştirmeye yardımcı olur. Şirketiniz için iyi bir kavrayışa neden olabilecek bir merak türüne sahip olmak için mutlaka eğitime sahip olmanız gerekmez.
Bugün bizimle tartışmak, kendi başımıza açık veri bilimcilerinden biri olan Bloor Group'un baş analisti olan kendi Robin Bloor'umuz, Dez Blanchfield'ın çağırdığı ve daha sonra Dell Statistica'dan David Sweenor'un bize sunacağı bir sunum olacak. Ve bununla onu Robin Bloor'a vereceğim.
Robin Boor: Tamam, bu giriş için teşekkürler. Bunun hakkında tarihsel bir aleyhte düşündüm. Burada aslında baktığımız şey, Leonardo da Vinci’nin bir adamın sırtına koyabileceği bir planör için tasarladığı tasarımlardan biri. İşe yarayıp yaramadığını bilmiyorum. Söylemem gerek, içine giremezdim. Ancak, ne Vinci, ne Vinci'yi düşündüğümde, onu var olan en meraklı ve analitik insanlardan biri olarak düşünüyorum. Ve sadece bir kuşun kanadı temelinde tasarlandığı planörüne bakarsanız ve bir şekilde ya da bir başkasını kuşların uçuşu için kuşların uçuşlarını inceledi.
Tarihsel perspektifi ele alırsak - aslında buna baktım - analitik belki de matematiğin en eski uygulamasıdır. En azından Babil dönemine dayanan sayımlar var. Bunu biliyoruz çünkü temelde üzerlerinde bu gibi veriler bulunan bazı çivi yazısı tabletler var. Daha önce geri dönen bir şey olup olmadığı bilinmiyor. Ancak, bariz olan şey, kendinize geniş bir insan topluluğuna sahip bir medeniyete sahip olmanız, aslında planlama yapmayı gerektiriyor ve bu kişilerin ne için olduğunu ve gerçekte onların gereksinimlerinin ne olduğunu bilmeye değer.
Ve bu, bunun başladığı yerdi ve bilgisayarların başladığı yerdi, çünkü ilk bilgisayarlar, ilk mekanik bilgisayarlar aslında, sanırım ilki, IBM olan Hollerith tarafından oluşturulan nüfus sayımıydı, sanırım IBM. Bunların hepsi ileriye taşındı. Belki 1970'lerle bugün arasında, çok sayıda başka uygulamanın ve analitikin olduğu, arka koltukta yer alabildiğine dair bir tür bağlantı olmuştur. Evet, analitikler devam ediyordu - büyük bankalarda, özellikle bankalarda ve sigorta şirketlerinde, ve aslında General Electric ve telkoda ve bunun gibi şeylerde oluyordu - ama genel olarak iş dünyasında kullanılmadı ve şimdi genel olarak kullanmaya başladı. iş. Ve oyun gerçekten değişti. Dikkat çekeceğimi düşündüğüm ilk şey, özellikle sevdiğim veri piramidi. Bu, yani, en azından 20 yıl önce, 20 yıl önce bunlardan birini çizdim, denemek ve anlamak için, gerçekten, o zaman, BI ve yapılan ilk veri madenciliğinin bazılarını anlamaya çalışıyordum. Burada tanımladığım şey veri fikri ve örnekler; sinyaller, ölçümler, kayıtlar, olaylar, işlemler, hesaplamalar, toplamalar, bireysel bilgi noktalarıdır. Onları bilgi molekülleri olarak düşünebilirsiniz, ancak bireysel noktalarıdır. Con olduğu anda bilgi olur. Bağlantılı veriler, yapılandırılmış veriler, veritabanları, verilerin görselleştirilmesi, çiziciler, şemalar ve ontolojiler - hepsi benim aklımda bilgi olarak nitelendirir, çünkü yaptığınız şey bir çok çeşitliliği bir araya getirir ve bir veri noktasından çok daha fazlasını yaratır, aslında bir şekle, matematiksel bir şekle sahip olan bir şey.
Bunun üzerinde bilgimiz var. Bilgileri inceleyerek çeşitli kalıpların olduğunu öğrenebiliriz ve kuralları, politikaları, yönergeleri, prosedürleri formüle ederek bu kalıpları kaldırabiliriz ve sonra bilgi biçimini alır. Ve hemen hemen bütün bilgisayar programları, ne yapıyorlarsa yapsınlar, bir tür bilgidir çünkü verilere karşı çalışıyorlar ve onlara kurallar uyguluyorlar. Bu üç katmana sahibiz ve katmanlar arasında devam eden bir ayrıntılandırma var. Ve bu şemanın sol tarafında size yeni veriler girerken gösteriliyor, bu yüzden bunların çoğu statik. Veri toplanıyor, bilgi birikiyor ve bilgi potansiyel olarak büyüyor. En tepede “Anlayış” var ve felsefi bir argüman olmasına rağmen, anlayışın sadece insanda var olduğunu savunurum. Bu konuda yanılmıyorsam, o zaman hepimiz bir zamanlar bilgisayarlarla değiştireceğiz. Ancak tartışma yerine, bir sonraki slayda geçeceğim.
Buna baktığımda, ilginç olan şey, bu yeni bir şey, ilginç olan şey, analitiklerin gerçekte ne olduğunu bulmaya çalışmaktı. Ve sonunda çeşitli diyagramlar çizip buna benzeyen bir şeye son vererek, sonuçlara vardım, aslında, analitik geliştirme gerçekten çok fazla matematiksel formül içeren yazılım geliştirmedir. Analitik keşif, aslında birçok, birçok farklı modeli alıp, veriler hakkında yeni bilgiler üretmek için bunları araştırmanız açısından yazılım geliştirmeden biraz farklıdır. Ancak, bir kere yarattığınızda, ya bir kullanıcı için yeni beslenen bir bilgi olan pasif karar desteği olarak düşündüğüm şeye uygulandı; Kullanıcıya, mevcut çeşitli araçları kullanarak kendileri için araştırma yapabilecekleri ve çıkarabilecekleri yapılandırılmış bir veri kümesi verildiği OLAP gibi şeyler olan etkileşimli karar desteği. Çok fazla görselleştirme böyle. Ve sonra otomasyona geçip, uygulayabileceğiniz bir dizi kurala dahil ettiğiniz analitik bir kavrayışa dönüştürebilirseniz, mutlaka bir insana dahil olmak zorunda değilsiniz. Tüm bunları yaptığımda ona bakma tarzım buydu. Ve başıma çeşitli şeyler gelmeye başladı. Bir faaliyet alanı, bir veri alanı gerçekte mayınlı, iyice mayınlı, mümkün olan her yöne iyice incelendikten sonra, sonuçta sadece kristalize olmuş BI diyelim. İcat edilen bilgi, çeşitli kullanıcıları çeşitli şekillerde bilgilendiren ve aslında yaptıkları işi yapma yeteneklerini arttıran bilgi olmaya başlar.
Dikkatimi çektiğim şeylerden biri ve yaklaşık beş yıldır tahmine dayalı analitiklere baktım, ancak tahmine dayalı analitik, insanlara beslenmenin ve daha önce de belirttiğim gibi, faydalı bilgilere dönüştüğü anlamında BI olmaya başlıyor. otomatik BI raporlama, BI araştırma, BI, çok farklı derecelendirmeler var ve tahmine dayalı analitik aslında her üç yöne de gidiyor. Ve belirttiğim gibi analitik süreç, sadece biraz farklı becerilere sahip farklı insanlar tarafından yapılan, yazılım geliştirmeden farklı değildir. Sanırım gerçekten iyi bir veri bilimcisi olmak için gereken becerilerin kazanılmasının yıllar sürdüğünü vurgulamalıyım. Kolayca elde edilemezler ve çok sayıda insan bunu yapabilir, ancak bunun nedeni, neyin geçerli olduğunu ve neyin geçerli olmadığını bilmek için matematiği çok karmaşık bir düzeyde anlamayı gerektirmesidir. Analytics gelişmeleri, yeni bilgilerin keşfi, analitik implantasyonu, bilgiyi operasyonel kılmakla ilgilidir. Analitiklerin tümü için gördüğüm türden bir fon bu. Çok büyük bir alan ve bunun için birçok boyut var, ancak genellemenin her şey için geçerli olduğunu düşünüyorum.
Ardından iş kesintisi var, bahsettiğim gibi çok sayıda kuruluş var, ilaç şirketleri DNA'sında analitik olan başka bir şirket. Ancak, DNA'larında gerçekten bulunmayan birçok kuruluş var ve şimdi yetenekleri var, şimdi yazılım ve donanım eskisinden çok daha ucuz, şimdi de bunu kullanma yeteneğine sahipler. Birkaç şey söyleyebilirim. İlk olarak, analitik, birçok durumda Ar-Ge olduğu şeklindedir. Analitiği yalnızca kuruluşun belirli bir bölgesine uygulıyor olabilirsiniz ve bir bakıma veya başka bir şekilde müşteri siparişlerini yine de farklı açılardan analiz edip diğer verilerle bir araya getirmeniz normal görünebilir. Ancak analitikler aslında organizasyona bir bütün olarak bakma ve organizasyon içinde devam eden herhangi bir faaliyeti ve tüm faaliyet zincirlerini analiz etme imkanı yaratır. Ancak bir kez o alana girdiğinizde, bunun araştırma ve geliştirme olduğunu savunurum. Ve birkaç kez bana sorulan bir soru var: “Bir şirket analitik için ne kadar harcama yapmalı?” Ve bence cevap vermeyi düşünmenin en iyi yolu, analitiği Ar-Ge olarak düşünmektir. “Sadece işin verimliliği alanında Ar-Ge'ye ne kadar harcarsınız?” diye sormanız yeterli.
Ve analitik olmayan işletmeler, bilmedikleri birçok şey var. Her şeyden önce, nasıl yapılacağını bilmiyorlar. Normalde, aslında bir yoluna ya da başkalarına organizasyon içinde analitiği benimsemeleri durumunda - gerçekten de hemen hemen hiçbir seçeneğe sahip değiller, bunu yaparken onlara yardım edebilecek bir danışmanlığa gitmekten başka seçenekleri yok, çünkü çoğu zaman imkansız ya da gerçekten çok zor olurdu. işletmeler aslında bir veri bilimcisini işe almak, bir tane bulmak, bir tane için ödeme yapmak ve onların yapmalarını istediğiniz şeyi yapmalarına güvenmelerini sağlamaktır. Çok zor. Çoğu işletme, bu işi gerçekten yapmak için personelin nasıl işe alınacağını veya eğitileceğini bilmiyor ve bunun nedeni, henüz DNA'larında olmadığı için doğal iş süreçlerinin bir parçası değil. Bu bir sonraki noktaya beslenir. Nasıl bir iş süreci yapılacağını bilmiyorlar. Bunu yapmanın en iyi yolu, bu arada, hangi ilaç şirketlerinin ve sigorta şirketlerinin, sadece baktıklarının ve sağlık merkezindeki bazı şirketlerin kopyalarını analiz etmenin ve kopyalamanın yollarına bakmaktır. Çünkü bu bir iş sürecidir. Nasıl polislik yapılacağını veya denetleneceğini bilmiyoruz. Bu gerçekten, özellikle de çok fazla sayıda yazılım şirketi, çok fazla analitiği otomatikleştiren ürünler yarattı. Denetim konusundaki nokta önemlidir; herhangi bir analitik hesaplamanın sonuçlarının ne olduğunu anlamak için güvenilir bir sitede veya danışmanınız varsa, yapmanız gereken bir seçimdir, ancak gerçekten güçlü analitik araçlar koyarsanız analitiği tam olarak anlamayan insanların elleri, doğru olmayan sonuçlara ulaşma ihtimalleri yüksektir. Ve dediğim gibi, şirketler bunun için nasıl bütçelendiğini bilmiyor.
Bunlar analitiklerin lezzetleri, ben sadece onların üzerinden geçeceğim. İstatistiksel analitik ve istatistiksel modelleme, çoğu zaman eğriye uydurma olan tahmine dayalı analitikten önemli ölçüde farklıdır. Makine öğrenmesi bu şeylerden farklıdır, temel olarak durum akışları üzerinde yapılan yol analizi ve zaman serileri yine farklıdır. Grafik analitik tekrar farklıdır ve analitik ve anlamsal analitik tekrar farklıdır. Bu sadece bunun çok türlü bir şey olduğuna işaret ediyor. Öyle değil, analitik yapmaya başlamazsınız, sahip olduğunuz problemleri aramaya başlarsınız ve bunlara uygun çeşitli araç ve analitik lezzetlerini ararsınız. Ve nihayet, net net. Donanım ve yazılım evrimi nedeniyle bence analitik henüz başlangıç aşamasında. Gelecek daha çok şey var ve önümüzdeki yıllarda da ortaya çıkacağını göreceğiz. Sanırım şimdi topu Dez'e aktarabilirim.
Dez Blanchfield: Evet, takip etmesi zor bir davranış hakkında konuş, Robin. Bu konuyu kısaca, insanın açısı olan en sevdiğim açılardan birinden ziyaret edeceğim. Günlük yaşamımızda çok fazla değişiklik var. Gündelik hayatımızın en büyük aksaklıklarından biri, şu an benim görüşüme göre, sadece günlük iş. İşe başlamak ve işe alındığınız işi yapmaya çalışmak ve gündelik bir kişiden süper kahramana gitme beklentiniz ve kuruluşlar arasında akan ve çok, çok hızlı bir şekilde yayılan bilgi miktarı, bu önemli bir zorluktur ve daha da fazlası insanlara bilgi ve bilgi akışını denemek ve üstesinden gelmek için daha iyi ve daha iyi araçlar sağlamak zorundayız ve bu yüzden biraz eğlenceli bir açıdan deneyip gelmeye çalışacağımı düşündüm. . Ancak, bu yüksek zihni veya flaşlı çeteleri ve benzeri şeyleri nasıl elde ettiğimizi bana her zaman vuruyor, bu da bizi analitik olarak konuştuğumuz şeye doğru itiyor, fakat gerçekten konuştuğumuz şey insanlara bilgi sağlamak ve Onlarla etkileşime girmelerini ve bunu doğal ve normal hissettirecek şekilde yapmalarını sağlamak.
Ve aslında, bana küçük bir bebeğin, yerde otururken bir YouTube videosunu hatırlatıyor, orada oturuyor ve orada bir iPad ile oynuyor ve etrafı sallıyor, görüntüleri sıkıştırarak sıkıyor ve ekranla oynuyor, Oradaki veriler. Ve sonra ebeveyn iPad'i uzaklaştırır ve çocuğun kucağına bir dergi, bir dergi koyar. Ve bu çocuk muhtemelen iki yaşından büyük değildir. Çocuk derginin ekranı ile denemeye ve kaydırmaya başlar, çimdikle ve sık, dergisi cevap vermez. Çocuk parmağını yukarı kaldırır ve bakar ve “Hmm, parmağımın çalıştığını sanmıyorum” diye düşünür ve kendini koluna dürter ve “Ah hayır, parmağımın çalıştığını kolumu hissedebildiğimi düşünür” iyi görünüyor, ”ve parmağını kıvrıyor ve parmak kıvrılıyor ve cevap veriyor. Evet. Sonra dergi ile tekrar etkileşime girmeye çalışır ve alçaktan gelir ve çimdiklemez, sıkmaz ve kaydırmaz. Sonra dergiyi alıp iPad'i kucağına geri koyarlar ve aniden bir şey çalışır. Ve işte, buraya gelip eğlence için analitik bir araç ya da canlı bir akış aracı kullanmak için eğitilmiş bir bebek var ve bir derginin nasıl çalışması gerektiği ve sayfaların nasıl çevrileceği üzerinde çalışamayan bir bebek.
Ve bu başlı başına ilginç bir kavram. Ancak örgütler arasında dolaşmayı ve verilerin akış şeklini ve insanların davranış şeklini düşündüğümde, çoğu zaman insanların ne çılgınca bir mafya olmayı öğrendiği, hangi olayın gerçekleştiği ve hangi sosyal medyanın yarattığı hakkında bir fikrim var. bunu yapmak daha da kolay, şu anda bu yere ve tarih ve harekete gidilecek bir fikir, ya da bu videoyu izleyip bu dansları öğrenmek ya da bu renkli şapkayı takıp kuzeye bir noktaya getir. Ve bunu ağınız üzerinden zorluyorsunuz ve kaçınılmaz olarak bir sürü insan, yüzlerce kişi aynı yerde aynı anda ortaya çıkıyor, aynı şeyi yapıyor ve bu vay faktör var, “Kutsal İnek, gerçekten etkileyici! ”Ama aslında bu gerçekten basit bir fikir ve basit bir kavram sadece ağlarımız üzerinden yayılıyor ve görsel olarak çarpıcı ve duyulabilir bir etkileyici olan bu sonucu alıyoruz. Bir organizasyon, insanlar gibi davranma isteğimiz ve onların bilgi sistemleri ve müşterilerle ilgilenmelerini istediğimiz gibi düşündüğünüzde, genellikle bu kadar basit, bir fikir ya da bir kavram ya da geçmeye çalıştığımız kültürel ya da davranışsal bir özellik araçlar ve bilgilerle güçlendirin ve güçlendirin.
Ve bunların hepsinin altı buçuk yıldan beri sahip olduğum bu mantranın temelini oluşturuyor ve çalışanlarınız işlerini yapmak için neye ihtiyaçları olduğunu bulamazlarsa, araç ya da bilgi olsun, tekerleği yeniden icat edecekler. Ve bu, şimdi gittikçe artan bir zorluktur, burada çok fazla bilgiye sahip olduk ve çok hızlı bir şekilde hareket eden ve çok hızlı hareket eden insanlar, tekerleği yeniden icat etmeyi durdurmak istiyoruz. Ve çalışma ortamımızı düşündüğümüzde, favorilerimden insan açısına geri döndüğümde, hücrelerin iyi sonuçlar için elverişli bir ortam olmadığına şaşırdığımızda şaşırdım ya da bu korkunç şeyleri sıraya dizdik. Buradaki resimler çok değişmedi, sadece duvarları indirdi ve açık çalışma alanları olarak adlandırdı. Ancak ortalarında, etraflarında sarı renkli halka bulunan, bilgi alışverişinde bulunan iki kişi var. Ve yine de, eğer odanın geri kalanına bakarsanız, orada birileri güzelce sersemlemişler, bir ekrana bilgi veriyorlar. Ve çoğu zaman değil, gerçekten bilgi ve veri alış verişi yapmamak ve bunun çeşitli nedenleri var. Ancak soldaki zeminin ortasındaki etkileşim orada sarı dairede, orada iki kişi uzak sohbet ediyor, bilgiyi değiştiriyor ve muhtemelen bir şeyler bulmaya çalışıyor, “Bu raporun nerede olduğunu biliyor musun? bu verileri bulabilirim, bu şeyi yapmak için hangi aracı kullanırım? ”Muhtemelen işe yaramadı, bu yüzden hiçbir şey alamadılar ve zeminde dolaşıp kabinler ofis alanı kuralını çiğnediler ve şahsen yaptılar.
Ve şaka olarak eğlendiğimiz, ofis çevresinde benzer ortamlar yaşadık, ama gerçek şu ki onlar oldukça güçlü ve etkili. Ve benim favorilerimden biri, insanların suya kalktıkları, sohbet edip sohbet ettikleri, bilgi takas ettiği, su soğutucuda dururken, fikir takas ettiği, fikirleri karşılaştırdığı ve analizleri gerçekleştirdiği, su soğutucusu adı verilen mobil veya sabit analitik platformudur. Onlar hakkında düşündüklerinde çok güçlü kavramlar. Ve onları sistemlerinize ve araçlarınıza çevirirseniz, inanılmaz bir sonuç elde edersiniz. Ve esasen ofisin en güçlü veri dağıtım merkezi olan, aksi halde resepsiyon masası olarak bilinen, tüm zamanların en çok sevdiği şeylerden biri olduk. Ve bir şey bulamazsanız nereye gidersiniz? Ofisin ön tarafına yürüdünüz ve resepsiyona gidip “x, y, z'nin nerede olduğunu biliyor musunuz?” Diyorsunuz ve kimsenin bana bunu en az bir kere yapmadıklarını söylemeye cüret ediyorum iş ya da bir zamanda, bir şey bulamadıkları zamanlar. Ve kendine sormalısın, neden böyle? İntranette bir yerde veya bir araçta ya da her neyse olmalı. Bulması kolay olmalı.
Ve böylece veriler ve analitikler ile çalışanlarımıza işlerini yapmalarını ve insanların işlerle etkileşim kurmalarını sağladığımız araçlara gelince, analitik araçlarının ve büyük veri platformlarının yeni ortaya çıkmasından önce şunu gördüm. ya da “veri işleme”, eski okulda da diyor, raporlama ve bilgi paylaşımı dinamik ya da işbirlikçi ya da açık değildi ve insanların işlerini yapmalarını beklediğimiz sistemlerin türünü düşündüğünüzde, klasik olanı vardı. insanlar şimdi mirası diyorlar, ama gerçek şu ki, bunun gerçekleştiği sadece miras ve bugün hala burada, bu yüzden de gerçekten miras değil. Ancak geleneksel İK sistemleri ve ERP sistemleri - insan kaynakları yönetimi, kurumsal kaynak planlaması, kurumsal veri yönetimi ve bir şirketi yönetmek için bilgileri yönetmek için kullandığımız sistemler. Her zaman sustu.Ve en baştan, departman intranetleri gibi basit platformlar, şeylerin nerede olduklarını ve onları nasıl elde edeceklerini ve yerin etrafındaki bilgilerle nasıl etkileşime gireceklerini iletmeye çalışmak. Bunu intranetimizde açıyoruz. Sadece bunu koymak için zaman ve çaba harcayan insanlar kadar iyidir, aksi halde sadece kafanızda kalır. Veya gıda zincirinin altında, şirket SAN'larında ve aralarındaki herşeyin içinde oturan veriler var, bu nedenle, depolama alanı ağları dosya ve verilerle dolu, ama nerede bulacağını bilen var.
Çoğunlukla, bu kapalı veri platformlarını veya kapalı sistemleri inşa ettik ve böylece insanlar etrafta bilgi iletmek için elektronik tablolar ve PowerPoints beğenilerine geri döndüler. Ancak son zamanlarda meydana gelen ilginç bir şey vardı, aklımda ve genel olarak mobil cihazlar ve genel olarak internet, işlerin gerçekten daha iyi olabileceği düşüncesiyle çalışıyordu. Ve ağırlıklı olarak tüketici alanında. Ve ilginç bir şey, günlük yaşamda internet bankacılığı gibi şeyler yapmaya başladık. Onlarla etkileşimde bulunmak için fiziksel olarak bir bankaya gitmek zorunda değildik, bunu telefonla yapabilirdik. Başlangıçta bu clunky oldu ama sonra internet geldi ve bir web sitesi vardı. Biliyor musun, ve son zamanlarda kaç kez bankana gittin? Aslında yapamam, geçen gün bu konuda konuşmuştum ve bankama en son ne zaman şok olduğumu hatırlamıyorum, bunu çok şaşırdım, bunu hatırlayabilmem gerektiğini düşündüm, ama çok uzun sürdü. önce oraya ne zaman gittiğimi hatırlayamıyorum. Ve şimdi elimizde bu aygıtları cep telefonları, telefonlar, tabletler ve dizüstü bilgisayarlar şeklinde elimizde tutuyoruz, ağlara ve araçlara ve sistemlere erişime sahibiz, ve bunların daha iyi olabileceğini öğrendiğimiz tüketici alanlarına sahibiz, çünkü İşletmelerde ve çevrelerde daha uyuşuk ve buzullu bir değişim olan tüketici alanındaki hızlı değişimin, bu değişimi her zaman günlük çalışma hayatına almadık.
Ayrıca, canlı yayın verilerini basılı kopyaya gönderememeniz gerçeğiyle dalga geçmeyi seviyorum. Buradaki resimde, bazı analitiklere bakarak oturan bir kişi var ve muhtemelen bir istatistikçi ya da aktör olarak çok fazla para ödenmiş biri tarafından üretilmiş güzel bir grafik var ve orada oturmaya çalışıyorlar. basılı kopya üzerinde analitik ve ona alay. Ancak benim için korkutucu şey şu: Bu toplantı odasındaki insanlar, örneğin, ve bunu örnek olarak kullanacağım, şimdi geçmiş olan verilerle etkileşime giriyorlar. Ve o şeyin üretildiği ve daha sonra üretildiği kadar eski, bu yüzden belki de bir haftalık rapor. Artık çok kötü olmayan verilerle ilgili kararlar alıyorlar, ancak her zaman kötü veriler olabilen eski veriler. Bugün tarihi olan ve olması gereken çok kötü bir yer olan bir karara göre karar veriyorlar. Bu basılı kopyayı tablet ve telefonların beğenisiyle değiştirmeyi başardık çünkü tüketici alanında çok hızlı çalıştık ve şimdi kurumsal alanda çalıştık, gerçek zamanın içgörünün gerçek zaman değeri olduğu.
Ve biz daha iyi ve daha iyi oluyoruz. Ve beni Robin'in daha önce büyüttüğü noktaya getiriyor, vatandaş veri bilimcisi kavramı ve bu kavramın itici gücü. Bana göre, bir vatandaş veri bilimcisi sadece iPad gibi araçlarla ilgili doğru araçlara ve bilgilere sahip olan düzenli insanlardır. Matematiği yapmak zorunda değiller, algoritmaları bilmek zorunda değiller, algoritmaları nasıl uygulayacaklarını ve veriyi nasıl uygulayacaklarını bilmek zorunda değiller, sadece arayüzü nasıl kullanacaklarını bilmeleri gerekiyor. Bu da beni bir tanıtıma ve bir iPad'e karşı bir dergi yerine bir iPad'e oturmuş yürümeye başlayan çocuk kavramına geri getiriyor. Yeni yürümeye başlayan çocuk, bir iPad'in arayüzünü bilginin içine dalmak ve onunla etkileşimde bulunmak için, belki de bir oyun, ya da medya ya da video akışı olsa bile, sezgisel olarak nasıl kullanabileceğini çok hızlı bir şekilde öğrenebilir. Ancak, bir dergi çubuğundan ve sayfadan sonra yanıp sönen sayfadan aynı yanıtı veya etkileşimi alamadı; bu özellikle ilgi çekici olmayan, özellikle iPad'lerle büyütülmüş bir yürümeye başlayan çocuğunuzsanız. Değişmez bir şekilde, insanlar araçları ve araçların nasıl kullanılacağını çok daha hızlı bir şekilde görebilir ve öğrenebilirler; eğer biz bunları sağlarsak ve onlara mobil cihazlar ve özellikle de yeterince büyük ekranlara sahip tabletler ve akıllı telefonlar gibi bir arayüz sağlıyorsak, özellikle de etkileşim kurabiliyorsanız dokunuşta onları, parmak hareketleriyle, aniden bir vatandaş veri bilimcisi kavramı olsun.
Veri bilimini doğru araçlarla uygulayabilen, ancak gerçekte nasıl yapılacağını bilmek zorunda olmayan biri. Ve aklımda söylediğim gibi, bunun çoğu tüketici etkisi tarafından yönlendirildi, bu da talebe ve işletmeye dönüşmeye başladı. Birkaç hızlı örnek. Biz, birçoğumuz bloglarımız ve web sitelerimizle, küçük reklamlar koymak veya izleme ve harekete bakmak gibi şeyler yapmaya başlardık, Google Analytics gibi araçlar kullandık ve bloglarımızda ve küçük web sitelerimizde uyandık oraya biraz kod koyabiliriz ve Google bize web sitesini kimin, ne zaman ve nerede ve nasıl ziyaret ettiği hakkında gerçek zamanlı bilgiler verir. Ve gerçek zamanlı olarak, insanların web sitesine çarptıklarını, sayfaları görüp kaybolup gittiğini görebiliyorduk. Ve oldukça şaşırtıcıydı. Bunu yapmayı seviyorum, insanlara gerçek zamanlı analitik açıklamaya çalıştığımda, Google Analytics’e bağlı bir web sitesi göstermeleri ve web sitelerine vuran insanlarla canlı etkileşimi görmeleri ve onlara sormaları, “Hayal et işinizle ilgili gerçek zamanlı olarak bu tür görüşler edindiniz. ”
Perakende bir örnek ve belki bir ilaç alın, sanırım Amerika'da bir eczane, içeri girip baş ağrısı tabletlerinden güneş kremi ve şapkalara kadar her şeyi satın aldığınız bir eczane diyorsunuz. Bu organizasyonu gerçek zamanlı bilgi olmadan yürütmeye çalışmak, şimdi ne bildiğimizi bildiğimiz korkutucu bir kavramdır. Örneğin, yaya trafiğini ölçebilir, ekranın bir tarafına gülen bir yüzü olan mağaza etrafındaki cihazları koyabilirsiniz, çünkü mutlusunuzdur ve sağ taraftaki mutsuz bir kırmızı ve ortadaki farklı tonları. Ve bugünlerde “Mutlu veya Değil” adında bir platform var, burada bir mağazaya girersiniz ve canlı müşteri duyarlılığınıza bağlı olarak mutlu bir yüze ya da üzgün bir yüze dokunabilirsiniz. Ve bu gerçek zamanlı olarak etkileşimli olabilir. Talep odaklı fiyatlandırma canlı alabilirsiniz. İçeride çok sayıda insan varsa, fiyatları biraz yukarı çekebilir ve hisse senedi mevcudiyetini yapabilir ve insanlara söyleyebilirsiniz, örneğin - havayolları, örneğin, web sitesinde ne kadar koltuk bulunduğunu söyleyecektir. Bir uçuş için rezervasyon yaptırıyorsunuz, sadece rastgele aramıyorsunuz ve bir uçuş gerçekleştirebileceğinizi umuyorsunuz. Canlı İK verilerini, insanların ne zaman ne zaman ne zaman çalıştığını anlayabilirsiniz. Satın alma, satın alma işlemindeyseniz ve canlı verileriniz varsa, bir sonraki hisse senedi miktarınızı satın almak ve bir kamyon dolusu eşya satın almak için ABD doları fiyatına karşı bir saat bekleyin ve korunma gibi şeyler yapabilirsiniz.
İnsanlara Google Analytics’i gösterdiğimde ve bu tür fıkraları, bu eureka anını, bu “a-ha!” Anını aktardığımda, bu ampul “Hmm, bunu yapabileceğim bir sürü yer görebilirim” . Keşke araçlarım olsaydı ve keşke bu bilgiye erişebilseydim. ”Bunu şimdi sosyal medyada görüyoruz. Kahvaltılarının resimlerini göstermekten başka anlayışlı bir sosyal medya kullanıcısı olan herkes, kaç tane beğeni kazandıklarını ve ne kadar trafik aldıklarını ve kaç tane arkadaş edindiklerini görme eğilimindedir. bir analitik aracı olarak beğenir. Aracı kullanmak için .com’a gidebilirsiniz, ancak Google Analytics dot com’a yazabilir veya sağ üstteki düğmeyi tıklayıp menüyü aşağı çekip, size kaç tweet attığını gösteren bu canlı grafiklere sahip olursunuz. Kendinizi ve onlarla ne kadar etkileşim kurduğunuzu Ve sadece kişisel sosyal medyanızda gerçek zamanlı analitik. Google Analytics ve ve LinkedIn'in beğenilerini ve eBay istatistiklerinin size geldiğini, ancak çalışma ortamınızda olup olmadığını hayal edin.
Şimdi parmak uçlarımızda canlı bir tür web ve mobil cihaz var, bu bir güç kavramı haline geliyor. Bu da beni sonuçlandırmam için çekiyor ve bu, kaçınılmaz olarak, araçları ve teknolojiyi erken kaldıran organizasyonların rakiplerinin karşısında asla yakalayamayacakları kadar önemli bir avantaj kazandıklarını buldum. Bunu şimdi vatandaş veri bilimci çatışmasıyla görüyoruz. İnsanları becerilerle, onları işe aldığımız bilgilerle alabilir ve onlara doğru araçları verebiliriz, özellikle de gerçek zamanlı verileri görme ve verileri keşfetme ve hücrelerin içinde dolaşmadan nerede olduğunu bilme yeteneği ve yüksek sesle sorular sorun, insanlarla karşılaştırmalı analizler yapmak için su soğutucusuna gidip durmak ya da endeksteki resepsiyona sormak zorunda kalın. Bunu parmaklarının ucunda yapabilirlerse ve onlarla toplantılarına götürebilirler ve basılı kopya yerine gerçek zamanlı olarak ekranlar arasında bir tahtada oturabilirlerse, aniden gerçek olmayan ihtiyacı olan personelimizi güçlendirdik veri bilimcileri, ancak veri bilimini kullanmak ve organizasyonlar için şaşırtıcı sonuçlar doğurmak. Ve sanırım şu anda tüketicinin işletmeye girdiği noktadan gerçekten geçtiğimiz nokta, zorluk o işletmeyi nasıl sağladığımız ve bugünkü tartışmanın teması budur. Ve bununla, parçamı saracağım ve bunu nasıl çözeceğimizi duymak için teslim edeceğim. David, sana doğru.
David Sweenor: Tamam, çok teşekkürler çocuklar, ve teşekkür ederim Robin. Biliyorsun Robin, asıl değerlendirmenle aynı fikirdeyim. Analitik süreç, gerçekten yazılım geliştirmeden farklı değildir. Bence bir organizasyon içindeki zorluklar gerçekten, bilirsin, belki de işler iyi tanımlanmadı, belki de keşfedici bir bileşen ve yaratıcı bir bileşen var. Ve Dez, bilirsin, sana katılıyorum, tekerleği yeniden icat eden bir sürü şey var ve biliyorsun, bugün girdiğim bir organizasyon yok, sen soruyorsun, peki, neden bu şekilde yapıyorsun? İşler neden bu şekilde çalışıyor? Ve soru sormak kolaydır ve bir organizasyon içerisindeyken defalarca değiştirmek zordur. Analojiyi, şeylerin tüketicileşmesini seviyorum. Ve artık havaalanına gidip yerimi değiştirmek istediğimde artık - cep telefonumla yapıyorum. Standdaki ajanımı değiştirmek için standdaki acenteye gidip 15 dakika boyunca monokrom monitörü bu ajanda yazıp bir şeyler izlemem gerekmiyor. Sadece telefonumda yapmayı tercih ediyorum ve bu ilginç bir gelişme.
Bugün, kolektif zeka hakkında biraz konuşacağız. Farkında olmayanlar için, Statistica, 30 yılı aşkın bir süredir var olan öncü bir analitik platformudur. Analist endüstrisindeki yayınlardan herhangi birine bakarsanız, her zaman en gelişmiş ve kullanımı kolay gelişmiş analitik yazılım paketlerinden biri olarak karşımıza çıkar. Bu yüzden son birkaç yılı kolektif zeka denilen bir kavram üzerinde çalışarak geçirdik ve bir sonraki seviyeye taşıyoruz. Bu sohbete başlamak istedim: kuruluşunuzda işler nasıl yapılır?
Ve burada iki görüntü var. Soldaki, 1960'lardan kalma bir resim ve 1960'larda kariyerime başlamadım, ama sağdaki görüntü, çalışmaya başladığım yarı iletken bir fabrika. Ve o siyah binada çalıştım, sol üstte siyah çatıda. Ama yarı iletken şeyler yapmışlar. Bu, Google Görseller’den gelen son bir resim. Fakat soldaki 1960'lı yılların resmine döndüğünde, bu çok ilginç. Bu insanlar bir sıraya oturmuş durumdalar, ve biliyorsunuz, entegre devreler ve yarı iletkenler yapıyorlar. Fakat bir standardizasyon var, işleri yapmanın standart bir yolu var ve iyi tanımlanmış bir süreç vardı. Bilirsiniz, belki de bu insanlar açık bir ortamda oturdukları için, belki bir miktar işbirliği vardı. Sanırım bilgi işgücünde bunun bir kısmını kaybettik.
Sol üstteki o binada oturduğumda, biriyle işbirliği yapmak isteseydim, açık değildi. Bu ofisler vardı, belki de ekibin bir kısmı uzaktaydı, ya da belki kampüste gezmek zorunda kaldım; 25 dakikalık bir yürüyüşdü ve en sağdaki binadaki biriyle konuşmam gerekiyordu. Bence yol boyunca bir şey kaybettik. Ve bilirsin, aynı düşünceye sahiptim, neden insanlar - kaç kişi kuruluşunuzdaki tekerleği yeniden icat etmeye devam ediyor? Bence, bir bütün olarak kuruluşlar 1990'larda ve 2000'lerde CRM ve veri depolama ve bir ölçüde BI ile iyi bir iş çıkardılar. Bazı nedenlerden dolayı, analitik biraz gecikti. Veri depolama ve verilerinizin standartlaştırılması ve normalleştirilmesi ve normalleştirilmesi ve bunların hepsi CRM için önemli yatırımlar vardı, ancak analitik bir nedenden dolayı gecikti. Ve nedenini merak ediyorum. Belki bir yaratıcı var - belki de süreciniz iyi tanımlanmamış, belki de bir şeyleri değiştirmek için işinizde hangi kararı veya kolu çevirmeye çalıştığınızı bilmiyorsunuz. Bugün örgütlere girdiğimizde, elektronik tablolarda işleri çok el ile yapan birçok insan var.
Ve biliyorsunuz, bu sabah bir istatistikime baktım, elektronik tabloların yüzde 80, 90'ında hata olduğunu ve bunların bir kısmının çok önemli olabileceğini düşünüyorum. JPMorgan Chase'in elektronik tablo hataları nedeniyle milyarlarca ve milyarlarca dolar kaybettiği Balina'daki gibi. Bu yüzden, benim fikrim var, işleri halletmek için daha iyi bir yol olması gerektiğini düşünüyorum. Ve dediğimiz gibi, bu veri bilimcilerimiz var. Bu adamlar pahalı ve bulmak zor. Bazen de tuhaf bir ördek olurlar. Ama bence, bilirsin, bir veri bilimcisinin ne olduğunu özetlemem gerekirse, muhtemelen verileri anlayan biri. Bence matematiği anlayan biri, sorunu anlayan biri. Ve gerçekten, sonuçları iletebilen biri. Ve eğer bir veri bilimcisi iseniz, bugünlerde çok şanslısınız, çünkü maaşınız son birkaç yılda iki katına çıktı.
Fakat gerçek şu ki, birçok kuruluş bu veri bilimcilerine sahip değiller ama kuruluşunuzda akıllı insanlar var. Bir kuruluşunuz var, çok sayıda akıllı insan var ve elektronik tablolar kullanıyorlar. Bilirsin, istatistik ve matematik birincil işi değil, işi ilerletmek için veri kullanırlar. Gerçekte, ele aldığımız zorluk şu, nasıl alırsınız, bir veri bilimcisine veya istatistikçiye sahip olduğunuz için şanslıysanız, bunları nasıl kabul edersiniz ve bu insanlarla insanlar arasındaki işbirliğini nasıl geliştirirsiniz? kuruluşunuzdaki diğer bireyler? Kuruluşumuzun nasıl yapılandırıldığına bakarsak başlayacağım ve sağdan sola gidiyorum. Ve bunun geriye doğru olduğunu biliyorum, ama biz bu iş kullanıcıları grubuna sahibiz.
Bu, bilgi çalışanı popülasyonunuzun büyük bir kısmıdır ve bu kişiler için, analitiği iş uygulamalarınıza dahil etmeniz gerekir. Belki de bir çağrı merkezi ekranında analitik çıktı görüyorlar ya da bir şey, ve onlara bir müşteriye sunacak bir sonraki en iyi teklifi söylüyor. Belki bir web portalı üzerinden bir tüketici veya tedarikçidir ve anında onlara kredi veya benzeri şeyler verir. Ancak fikir şu ki, analitik tüketiyorlar. Ortaya gidersek, bunlar bilgi işçileri. Bunlar bugün elektronik tablolarla bir şeyler yapan insanlar, ancak elektronik tablolar hataya açık ve bir noktada gazları bitiyor. Bu vatandaş veri bilimcileri, bizim dediğimiz gibi, biliyorsunuz, onlar için yapmaya çalıştığımız şey aslında otomasyon seviyesini arttırmak.
Ayrıca, analitikle, çalışmanın yüzde 80 ila 90'ının veri hazırlama parçasında olduğunu ve gerçek matematik olmadığını, ancak veri hazırlığı olduğunu duydunuz. Bunu yapıp yapmadığınızı otomatikleştirmeye çalışıyoruz, sihirbazlarımız, şablonlarımız ve yeniden kullanabileceğiniz şeyler var ve ortamınızdaki alt yapı hakkında bilgi sahibi olmanız gerekmiyor. Ve sonra en solda bakarsak, bu veri bilimcileri var. Bahsettiğim gibi, yetersiz kalıyorlar. Onları daha üretken kılmak için yapmaya çalıştığımız şey, bu vatandaş veri bilim adamlarının yapabileceği şeyler yaratmalarına izin vermektir. Bunu bir Lego bloğu gibi düşünün, böylece bu veri bilim insanları bir vatandaş veri bilimcisinin kullanabileceği yeniden kullanılabilir bir varlık yaratabilirler. Bir kez yap, tekerleği yeniden icat etmemize gerek yok.
Ve sonra, veritabanında bir şeyler yapabilir ve şirketinizin yapmış olduğu mevcut teknoloji yatırımlarından yararlanıp faydalanmadığımız konusunda endişelenebilirler. Biliyorsunuz, bu gün ve yaşta, tüm dünyadaki verileri karıştırıp veriyi karıştırmanın bir anlamı yok. Yani eğer Statistica’ya bakarsak, bahsettiğim gibi, bu oldukça uzun zamandır var olan bir platform. Ve çok yenilikçi bir ürün. Veri karıştırma, erişemediğimiz bir veri kaynağı olmadı. Beklediğiniz tüm veri keşif ve görselleştirme şeylerine sahibiz; Gerçek zamanlı olarak yapabiliriz. Muhtemelen vardır - Yazılım aracında 16.000'den fazla analitik fonksiyon olduğunu düşünüyorum, bu yüzden kullanabileceğimden veya anlayabileceğimden daha fazla matematik var, ama ihtiyacınız olursa orada.
Gerçekten bir iş kararı vermek için hem iş kurallarını hem de analitik iş akışlarını birleştirme yeteneğine sahibiz. Sadece ötesine geçiyorsunuz, işte bir algoritma, işte bir iş akışı, ancak her zaman uğraşmanız gereken iş kurallarınız var. Yönetişim konusunda çok güvendeyiz. FDA'nın bize güvenmesi için birçok farmasötik müşteride kullanılıyor. Bilirsiniz, sadece pudingte, onlar tarafından kabul edilebilecek kontrol ve denetleme yeteneğine sahip olduğumuzu kanıtlayın. Ve son olarak, biliyoruz ki, açık ve esnek ve genişletilebiliriz, bu nedenle, veri bilimcilerinizin üretken olmasını istediğiniz, vatandaş veri bilimcilerinizin üretken olmasını istediğiniz, yetenekli olmasını istediğiniz bir platform oluşturmanız gerekir. Bu analitik çıktıları kuruluşunuzdaki işçilere dağıtmak için.
Şuna bir bakarsak, işte bazı görselleştirmelere bir örnek. Ancak, analitik çıktınızı iş kolu kullanıcılarına dağıtabilirsiniz, bu nedenle soldaki ilk örnek, bu bir ağ analitik diyagramıdır. Belki de dolandırıcılık müfettişisiniz ve bu bağlantıların nasıl yapıldığını bilmiyorsunuz ve bu insanlar olabilir, bunlar varlık olabilir, bunlar sözleşmeli olabilir, gerçekten herhangi bir şey olabilir. Ancak bunu farenizle değiştirebilir ve gerçekten anlamak için onunla etkileşime girebilirsiniz - sahtekar bir araştırmacıysanız, araştırmaya gidilecek kişilerin öncelikli bir listesini anlamak için, doğru, çünkü herkesle konuşamazsınız, böylece Önceliklendirme.
Sağ taraftaki resme bakarsak, öngörülü bir bakım panosu için bu gerçekten ilginç bir sorundur. Belki de bir havaalanının sahibisiniz ve bu vücut tarayıcıları orada. Bu vücut tarayıcıları, bir havaalanına giderseniz, yaklaşık dokuz aylık raf ömrüne sahip bazı bileşenler var. Ve bu şeyler gerçekten çok pahalı. Birden fazla giriş noktam varsa, havaalanımda birden fazla tarayıcı varsa, bir numaralı kapıların her birine uygun şekilde yerleştirildiğinden emin olmak istiyorum ve tarayıcılardaki parçalar için onları da sipariş etmek istemiyorum erken ve bozulmadan önce onları istiyorum. Belki bir havaalanına sahipseniz, bu şeylerin ne zaman kırılacağını tahmin edebilme ve personel seviyelerini öngörme yeteneğine sahibiz.
Sağ alt tarafa bakarsak, bu bir üretim ortamındaysanız, bu sadece üretim akışının grafiksel bir gösterimidir. Ve görmesi biraz zor, ama bu çeşitli işlem sektörlerinde kırmızı ve yeşil trafik ışıkları var ve bu yüzden bir mühendis olursam, içeride çok karmaşık bir matematik var, ancak o belirli işlem sektörünü inceleyip bakabilirim. parametreleri ve girdi, belki de kontrol dışı olmasına neden olur. Vatandaş veri bilimcimize bakarsak, hedefimiz vatandaş veri bilimcisinin işini kolaylaştırmaktır. Sihirbazlarımız ve şablonlarımız var ve gerçekten ilginç olduğunu düşündüğüm bir şey, bu otomatik veri sağlığı kontrol düğümüne sahibiz. Ve gerçekten bu ne yapar, yerleşik akıllılar vardır.
Veri hazırlığından bahsettim - bu hem veri toplanmasında hem de hazırlanmasında önemli bir zaman alıyor. Fakat benim verilere sahip olduğumu varsayalım, bu veri sağlık kontrolü düğümü üzerinden çalıştırabilirim, değişmezliği, seyrekliği ve aykırılıkları kontrol eder ve tüm bunları, eksik değerleri doldurur ve benim yaptığım çok fazla matematik yapar. Anlamadım, bu yüzden varsayılanları kabul edebilirim veya biraz daha zekiysem değiştirebilirim. Fakat mesele şu ki, bu süreci otomatikleştirmek istiyoruz. Bu, temizlenmiş bir veri setinde yaklaşık 15 farklı kontrol ve sonuç yapar. Yaptığımız şey, insanların bu iş akışlarını oluşturmasını kolaylaştırmak.
Veri bilimcileri ve vatandaş veri bilimcileri arasındaki işbirliğinden bahsettiğimiz yer burasıdır. Sağdaki bu resimlere bakarsak, bu veri hazırlık iş akışını görürüz. Belki bu çok karmaşıktır, belki de bu sizin şirketinizin gizli sosudur, bilmiyorum, ancak kuruluşunuzdaki birisinin sahip olduğumuz bu veri silolarından birine veya daha fazlasına erişebileceğini biliyoruz. Onlardan birini alıp bir araya getirip bir araya getirmeye ve iki numaraya, belki de yapmak istediğimiz özel işlemlere, veri sağlık kontrolümüzün ötesine geçtiğine ve şirketinizin gizli sosuna ihtiyacımız var. Bu iş akışını organizasyonumuzda oluşturabilirim ve bir düğüm olarak çöküyor. Okun aşağıya doğru baktığını görüyorsunuz, bu sadece bir düğüm ve bir organizasyon içinde bunlardan yüzünü alabiliriz. Fikir şu ki, belli bir alan hakkında bir şeyler bilen insanlarımız var, bir iş akışı yaratabiliyorlar ve bir başkası bunu tekrar kullanabilir. Tekerleğin yeniden icat edilmesini en aza indirmeye çalışıyoruz.
Ve aynı şeyi analitik modelleme iş akışlarıyla da yapabiliriz. Bu durumda sağdaki, bu iş akışı, belki de 15 farklı algoritma var ve görev için en iyisini seçmek istiyorum. Ve oradaki örümcek ağı karmaşasında neler olup bittiğini vatandaş veri bilimcisi olarak anlamak zorunda değilim, ama sadece bir düğüme çöküyor ve belki de bu düğüm basitçe “kredi riski puanını hesapla” diyor. cerrahi bölge enfeksiyonu, ”ne var. “Bir şeyin sahte bir işlem olma olasılığını hesaplayın.” Bir vatandaş veri bilimcisi olarak, başka birisinin oluşturduğu bu çok karmaşık matematiği, belki de bu veri bilimcilerinden birinin benim kuruluşumda oluşturduğu kullanımı kullanabilirim.
Veri bilimi perspektifinden, kod yazmayı seven veri bilimcilerle konuştum ve kod yazmayı sevmeyen veri bilimcilerle konuştum. Ve bu iyi, bu yüzden görsel, grafiksel bir kullanıcı arayüzümüz var. Verilerimizi alabiliriz, otomatik veri sağlık kontrolümüzü yapabiliriz ve belki kod yazmak istiyorum. Python'u severim, R'yi severim, ama fikir şu ki, bu veri bilimciler, yetersiz teminattalar ve kodu belirli bir dilde seviyorlar. Hangi dili kodlamak istediğinizi özellikle tercih edemiyoruz, bu nedenle R yapmak istiyorsanız, R; Python yapmak istiyorsanız, Python'u kullanın. Bu harika. Analitiklerinizi Azure'a göndermek istiyorsanız, analitiklerinizi buluta patlatın. Ve buradaki amaç, veri bilimcilerinizi olabildiğince verimli hale getirmek için esneklik ve seçenekler sunmak.
Şimdi veri bilimcileri oldukça zeki insanlar, ama belki de her konuda uzman değiller ve belki de yapabilecekleri bazı boşluklar var. Ve sektörün içine bakarsanız, orada var olan birçok farklı analitik pazar var. Bu bir örnek, belki de görüntü tanıma yapmam gerekiyor ve o yeteneğe sahip değilim, belki de Algoritma'ya gidip görüntü tanıma algoritması alıyorum. Belki Apervita'ya gidip çok özel bir sağlık algoritması alıyorum. Belki Azure makine öğrenme kütüphanesinde bir şeyler kullanmak istiyorum. Belki de yerel Statistica platformunda bir şeyler kullanmak istiyorum.
Yine, buradaki fikir, küresel analitik topluluğundan yararlanmak istiyoruz. Çünkü dört duvarınızdaki tüm becerilere sahip olmayacaksınız, bu yüzden veri bilimcilerinizin çeşitli pazarlardaki algoritmaları kullanmalarına izin veren yazılımı nasıl oluşturabiliriz - ve ne yapıyoruz? Bunu uzun zamandır R ve Python ile yapıyoruz, ancak bu, orada bulunan bu uygulama pazarlarına yayılıyor. Ve bunun üzerinde de gördüğünüz gibi, Spark üzerinde H2O kullanıyoruz, bu yüzden orada birçok analitik algoritma var. Bunları sıfırdan oluşturmaya odaklanmanıza gerek yok, açık kaynak topluluğunda yaşayanları tekrar kullanalım ve bu kişilerin mümkün olduğunca üretken olmalarını istiyoruz.
Bir sonraki adım, vatandaş veri bilimcileri ve veri bilimcileri olduktan sonra, bu en iyi uygulamaları nasıl tanıtıyor ve dağıtıyorsunuz? Yazılımımız içinde, analitiği herhangi bir yere dağıtmanıza izin veren bir teknolojiye sahibiz. Ve bu daha çok bir model yönetimi görüşüne sahip, ancak artık dört duvar veya Tulsa veya Tayvan veya Kaliforniya'daki belirli bir kurulumla sınırlandırılmıyorum. Bu küresel bir platform ve kullanımında birden fazla site tarafından dağıtıldığı çok sayıda müşterimiz var.
Ve gerçekte, kilit şeyler, Tayvan'da bir şey yapıyorsanız ve Brezilya'da çoğaltmak istiyorsanız, bu harika. İçeri gir, yeniden kullanılabilir şablonları al, istediğin iş akışlarını al. Bu, bu standartları ve ortak şeyler yapmanın ortak yolunu oluşturmaya çalışıyor, bu yüzden her yerde tamamen farklı şeyler yapmıyoruz. Ve bunun bir diğer önemli bileşeni, matematiği, verilerin yaşadığı yere götürmek istiyoruz. California ve Tulsa ile Tayvan ve Brezilya arasındaki verileri karıştırmanız gerekmez. Matematiği verilere götürmemize izin veren teknolojimiz var ve bu konuda başka bir Hot Technology web yayını yapacağız.
Ancak biz bu mimariyi diyoruz ve işte yerel bir Doğal Analitik Mimarisi. Bunun arkasındaki ana fikir, bir platformumuz var, Statistica ve analitik bir iş akışını bir atom olarak dışa aktarabilirim. Ve bir manken ya da bütün bir iş akışını yapabilirdim, o yüzden önemli değil. Ancak bunu yaratabilir ve hedef platforma uygun bir dilde dışa aktarabilirim. Bunun sol tarafında, birçok insan bunu yapıyor ama kaynak sistemde puanlama yapıyorlar. Sorun değil, puanlama yapabiliriz ve veritabanında model oluşturma yapabiliriz, bu yüzden ilginç.
Ve sonra sağ tarafta, Boomi'ye sahibiz. Bu bir yardımcı teknolojidir, biz bunlarla çalışıyoruz. Ancak bu iş akışlarını da alabilir ve temelde dünyanın herhangi bir yerine taşıyabiliriz. IP adresi olan herhangi bir şey. Ve genel bulutta veya özel bulutta bir Statistica yüklü olması gerekmez. Bir JVM çalıştırabilecek herhangi bir şey varsa, bu analitik iş akışlarını, veri hazırlama iş akışlarını veya sadece bu hedef platformların herhangi birindeki modelleri çalıştırabiliriz. Kamuya açık veya özel bulutumda olsun, traktörümde, arabamda, evimde, ampulümde, eşyalarımda internette, bu iş akışlarını dünyanın herhangi bir yerine taşımanıza izin veren teknolojiye sahibiz.
Hadi gözden geçirelim. Biliyorsunuz, bir dizi iş kullanıcımız var, bu yüzden insanlar, teknolojinin çıktılarını rahat kullanabilecekleri bir biçimde kullanmalarına izin veriyor. Vatandaş veri bilimcilerimiz var ve yapmaya çalıştığımız şey işbirliğini geliştirmek, onları bir ekibin parçası haline getirmek, değil mi? Ve böylece insanların tekerleği yeniden icat etmekten vazgeçmelerini istiyoruz. Ve biz bu veri bilimcilerine sahibiz, orada bir beceri açığı olabilir, ancak istedikleri bir dili kodlayabilirler, analitik pazarlara gidebilir ve orada algoritmalar kullanabilirler. Ve bununla, bununla her şeyin harika olduğunu nasıl düşünemezsin? Bu mükemmel, yaptığımız şey bu. Yeniden kullanılabilir iş akışları inşa ediyoruz, insanlara talimatlar veriyoruz, onlara Lego blokları veriyoruz, böylece bu güçlü kaleleri ve ne yapmak istiyorlarsa yapsınlar. Özetlemek gerekirse, iş kullanıcıları, vatandaş veri bilimciler, programcı veri bilimcilerine güç katan bir platformumuz var, biz her türlü IoT edge analitik kullanım vakasını ele alabiliriz ve bu kolektif zeka kavramını mümkün kılıyoruz. Bununla, muhtemelen sorular için açacağımızı düşünüyorum.
Robin Bloor: İyi tamam. Sanırım ilk - yani, dürüst olmak gerekirse, daha önce Dell Statistica tarafından bilgilendirildim ve dürüst olmak gerekirse sunumda ortaya koyduğunuzu bilmediğim şeylere oldukça şaşırdım . Ve şunu söylemeliyim ki, analitiklerin benimsenmesi için benim için üşütük olan bir şey var, biliyorsunuz, araçları almak değil mi? Dışarıda çok fazla araç var, açık kaynak araçları var, vb. Ve aradığım çeşitli platformlar, yarı platformlar var. Ama bence sahip olduğunuz fark, özellikle bazı iş akışlarından etkilendim.
Ama fark şu ki, baştan sona sağlıyor gibisin. Analitik, veri toplama ile başlayan sofistike bir iş süreci gibidir ve daha sonra verilerin ne kadar lapa lapa olduğuna bağlı olarak bir dizi adımdan geçer ve daha sonra bir dizi farklı matematiksel saldırı dizisine girebilir. veri. Ve sonra sonuçlar bir şekilde veya başka bir şekilde ortaya çıkar ve bunların eylem olması gerekir. Çok fazla harika işin yapıldığı, karşılaştığım çok büyük miktarda analitik var ancak bunu eyleme geçirecek bir şey yok. Ve ihtiyaç duyulan şeylerden çok fazlasına sahipsin. Ne kadar kapsamlı olduğunu bilmiyorum, ancak beklediğimden daha kapsamlı. Bundan inanılmaz derecede etkilendim.
E-tablolar hakkında yorum yapmanızı istiyorum. Sen zaten bir şey söyledin, ama kaydettiğim şeylerden biri ve yıllar boyunca not aldım, ama bu daha belirgin hale geldi, gölge sistemleri olan çok fazla e-tablo var ve gerçekten düşünüyorum. E-tablo, yani, tanıtıldığı zaman harika bir araçtı ve o zamandan beri çok farklı şekillerde harikaydı, ancak genel bir araç, amaç için uygun değil. Kesinlikle BI con'da pek iyi değil ve analitik con'da da korkunç olduğunu düşünüyorum. Ve ben de söyleyeyim, Statistica’nın kızardığı, aşırı elektronik çizelge kullanımı veya bunun hakkında yorum yapmak istediğiniz herhangi bir yorumun yapıldığı örnekler hakkında bir yorum yapıp yapmadığınızı merak ediyorum.
David Sweenor: Evet, sanırım, bilirsin, ünlü elektronik çizelge hatalarına bakabilirsin. Google ya da hangi arama motorunu kullanıyorsanız, sonuçların geleceği ile geri dönecektir. Bilmiyorum, bilirsin, elektronik tabloların yerini hiçbir zaman değiştiremeyiz. Bu bizim niyetimiz değil, ama benim gitmem gereken bir sürü organizasyon var, bu elektronik tablo sihirbazları veya ninjaları ya da ne demek istediğinize dair bir kaç tane var. insanlar lotoyu kazanıyor ve geri gelmiyorlar mı? Ve yapmaya çalıştığımız şey şu, elektronik tabloların var olacağını biliyoruz, böylece bunları yutabiliriz, ama bence yapmaya çalıştığımız iş akışınızın görsel bir sunumunu geliştirmek, böylece diğer insanlarla anlaşılması ve paylaşılması. . E-tablolar oldukça zor, paylaşması çok zor. E-tablonuzu bana ilettiğiniz anda, onu değiştirdim ve şimdi senkronizasyon dışındayız ve farklı yanıtlar alıyoruz. Yapmaya çalıştığımız şey, etrafına bazı korkuluklar koymak ve işleri biraz daha verimli hale getirmek. Elektronik tablolar da birden fazla veri setini bir araya getirme konusunda çok korkunç. Oraya düşüyorlar. Fakat onları değiştirmeyeceğiz, onları yutuyoruz ve değişmeye başlayan insanlara sahibiz çünkü elektronik tabloyu kullanan kişinin yapmaya çalıştığı “risk hesapla” diyen bir düğüm varsa. Böylece onlar gitti.
Robin Bloor: Evet, demek istediğim, bilirsin ki, şeylere baktığım perspektiflerden birinden, elektronik tabloların bilgi oluşturmak için harika olduğunu söyleyebilirim. Bilgi adaları oluşturmak için bile mükemmeller, ancak bilgi paylaşımı için gerçekten de kötüler. Bunu yapmak için hiçbir mekanizmaları yoktur ve birine bir e-tablo iletirseniz, tam olarak ne yaptıklarını açıklayan bir makale gibi okuyabilirsiniz. Sadece orada değil. Bence, sunum ve beni Statistica’nın yetenekleri hakkında en çok etkileyen şey inanılmaz derecede agnostik görünüyor. Fakat bu iş parçacığını iş akışından geçiriyor. Veri toplamadan, özellikle iş zekası uygulamalarına ve hatta uygulamaları çalıştıran sonuçlara gömme işlemlerine kadar baştan sona bir iş akışına bakabileceğinizi varsayıyor muyum?
David Sweenor: Evet kesinlikle. Üstelik bu baştan sona kabiliyetine sahip ve bazı kuruluşlar bunu tamamen kullanıyor ve hiçbir yanılsamam yok, bugünlerde hiçbir şirket bir satıcıdan her şeyi satın almıyor. Bir karışımımız var. Bazı insanlar Statistica'yı her şey için, bazıları ise bunu modelleme iş akışları için kullanır, bazıları da bunu veri hazırlama iş akışları için kullanır. Bazı insanlar yüzlerce mühendislik raporunu mühendislere dağıtmak için kullanırlar. Ve böylece aramızda her şey var. Ve gerçekten uçtan uca ve bildiğiniz gibi, R ya da Python, Azure, Apervita'da kullanmak istediğiniz algoritmalar varsa, bildiğiniz her şeyi kullandığınız bir agnostik platform. Bu harika, üretken olun, bildiklerinizi kullanın, rahat hissettiğiniz şeyleri kullanın ve kontrol edilebilir ve denetlenebilir olduklarından ve bu gibi şeylerden emin olma mekanizmalarımız var.
Robin Bloor: Ben özellikle onun bu yönünü seviyorum. Demek istediğim, orada söylediklerinin zenginliklerine söylediklerinin ötesinde konuşabilir misin bilmiyorum. Demek istediğim, buna baktım ama kapsamlı bir şekilde bakmadım ve kütüphanelerimizde kesinlikle çok miktarda Python kütüphanesi var ama bu resme ekleyebileceğiniz herhangi bir şey var mı? Çünkü bunun çok ilginç bir şey olduğunu biliyorsunuz, güvenilir bileşenlere sahip olacağınız fikrini biliyorsunuz çünkü onları yaratan çeşitli insanları ve bunları kullanabileceğiniz çeşitli insanları tanıyabiliyordunuz. Biliyor musun, bunun hakkında söylediklerini zenginleştirebilir misin?
David Sweenor: Evet, bence bazı uygulama pazarları, orada bulunan algoritma pazarları. Örneğin, Iowa Üniversitesi’nden Dr. John Cromwell, ameliyat sırasında gerçek zamanlı olarak kullanılan ve ameliyat sırasında kullanacağınız bir puan vereceğini tahmin edeceği bir model geliştirdi. cerrahi alan enfeksiyonu. Ve eğer bu puan yeterince yüksekse, ameliyathaneye müdahale edecekler. Bu çok ilginç. Belki de o kadar büyük olmayan başka bir hastane var. Peki, Apervita analitik için bir sağlık uygulaması pazar yeridir. Bu uygulama pazarlarının çoğunda bir tanesini bulabilirsin, bir tanesini bulabilirsin ve tekrar kullanabilirsin, ve işlem seninle onun arasında kim varsa, ama bir tanesini bulabilirsin ya da diyebilirsin. İhtiyacım olan şey. ”Sanırım bu küresel topluluğa zarar veriyor çünkü bugünlerde herkes uzman ve her şeyi bilemiyorsunuz. R ve Python'un tek bir şey olduğunu düşünüyorum, “Bu işlevi yapmak, bu uygulama pazarlarının yerlerinden birine belirtmek ve birisinin sizin için geliştirmesini istemek” fikrini düşünüyorum. bu çok ilginç ve tamamen açık kaynaklı modelden çok farklı.
Robin Bloor: Tamam. Neyse, topu Dez'e vereceğim. Dalış yapmak ister misin, Dez?
Dez Blanchfield: Kesinlikle ve elektronik çizelge meselesinde bir an kalmak istiyorum çünkü burada konuştuğumuz şeyin çoğunun doğru özünü yakaladığını düşünüyorum. Ve eski elektronik tablolardan fiziksel formlarına geçerek elektronik formlara geçiş konusunda Robin'i yorumladınız. E-tabloların başlangıçta bir satır olduğu ve satırları ve sütunları olan bir sayfa kağıdını oluşturdukları ve el ile bir şeyler yazdığınız, ya da bunu yaparak bunları hesaplayıp hesaplayacağınız ilginç bir şey oldu. başınızın üstünden veya başka bir cihazla kapatın. Fakat yine de, el yazısı hataları veya disleksi ile ilgili yanlışlıkları girme şansına sahibiz ve şimdi bunun yerine yazım hataları kullandık. Risk, elektronik tablolarda risk profilinin daha hızlı ve daha büyük olması, ancak Statistica gibi araçların risk piramidini tersine çevirdiğini düşünüyorum.
Sık sık bu resmi insan figürünün tepesinde, bir kişinin tahta yapışan bir tahtasına çizerim ve sonra dibinden aşağıya doğru bir koleksiyonunu diyelim, onlardan birinin bu tahtanın altında olduğunu hayal edin ve piramidin tek bir kişide olduğu ve piramidin eteğinde insanların toplandığı piramit. Ve bunu, en üstteki bir kişinin bir e-tabloda hata yaptığı ve on kişiyle paylaştığı ve şimdi on hatanın on kopyasının olduğu fikrini görselleştirmek için kullanıyorum. Makrolarınızla çok dikkatli olun ve buna geçecekseniz Visual Basic'inize çok dikkat edin. Çünkü elektronik tablolar gibi elektronik araçlar yaptığımız zaman çok güçlüdür, ama aynı zamanda iyi ve kötü bir şekilde de güçlüdür.
Bence Statistica gibi araçlar, bu risk profilini tersine çevirme yeteneğini beraberinde getiriyor ve artık bireysel şahıslar tarafından kullanılabilecek birçok aracın olduğu noktaya ulaşabiliyorsunuz. piramit ve daha sonra, piramitin şu an ters çevrildiği noktanın en altına, bu araçları ve bu algoritmaları inşa eden bir insan ekibimiz varsa, gerçek araç olur. Ve veri bilimcisinin, verileri üzerinde regresyonel analitik konusunda uzman olması gerekmez. Aracı kullanabilirler, ancak bu araç üzerinde çalışan beş veya altı istatistikçiye ve bir aktüere, veri bilimcisine ve bazı matematikçilere sahip olabilirsiniz, o araç, o modül, bu algoritma, bu eklenti vb. Kullanabileceğiniz yayınlanmış her elektronik tablonun aslında makroları test eden, Visual Basic'i test eden, algoritmaların çalıştığından emin olan uzmanlar tarafından yazıldığını hayal edin, böylece elde ettiğinizde veriyi girebildiniz, ancak gerçekten kıramadınız. ve bu nedenle kontrol etmek daha iyi oldu.
Bence çoğu analitik araç bunu yapıyor. Sanırım bu noktaya gelmek, şu anda bunu sahada mı görüyorsunuz, potansiyel olarak hataları ve hataları ve riskleri zorlayabilecek elektronik tablolardan, araçlarınızı oluşturduğunuz noktaya geçişi mi görüyorsunuz? Şimdi, veri keşfi gerçek zamanlı olarak doğru olduğunda ve modülleri ve algoritmaları oluşturan insanlar bu risk profilini kaldırıyor veya azaltıyor mu? Müşteri hizmetleri bunu gerçek anlamda görüyor mu, yoksa bunun sadece gerçekleştiğini ve bunun farkında olmadığını mı düşünüyorsunuz?
David Sweenor: Biliyor musun, bence cevaplamanın birkaç yolu var. Ancak gördüğümüz şey, biliyorsunuz, herhangi bir organizasyonda ve bence bu analitikten, veri depolama ve CRM ile yaptığımıza benzer bir şekilde kurumsal yatırım perspektifinden saptığından bahsettim. Fakat gördüğümüz şey, bu yüzden, örgütsel ataletten kurtulmak için bir organizasyonu değiştirmek çok fazla zaman alır. Fakat gördüğümüz şey insanların elektronik tablolarını aldıklarını, iş akışlarını aldıklarını ve güvenlik ve yönetişimden bahsettim, “Eh, belki de bir elektronik tablom var”, “Bunu kilitleyebilirim ve onu kontrol edebilirim.” birçok organizasyon görüyoruz, belki de oradan başlıyorlar. Ve eğer değiştiyse, bir iş akışı var ve sonunda bir numara olan kim değişti? Neden değiştirdiler? Onlar değiştiğinde. Ayrıca, iş akışınızda tanımlamak istediğiniz bir, iki, üç, ancak birçok tarafça doğrulanmadığı ve doğrulanmadığı sürece bu yeni elektronik tabloyu üretime sokmayacağım bir iş akışı da oluşturabilirim. İnsanların atmaya başladığını ve organizasyonların oraya bebek adım atmaya başladığını düşünüyorum, ama muhtemelen daha çok yolumuz olduğunu söyleyebilirim.
Dez Blanchfield: Gerçekten de, size hem güvenlik kontrollerinde hem de oradaki yönetişimde inşa ettiğinizi düşünürsek, o zaman iş yükü otomatik olarak bunu ve her şeyi baştan sona riskli yöneticiye kadar her şeyi haritalandırabilir. Bu araçlara ve sistemlere nasıl erişildiğini ve kiminle ne yaptığını kontrol etmeye başlayabilirsiniz, bu yüzden çok güçlü. Sanırım buna giren diğer şeyler, benim için sağladığınız araç türlerinin, insan davranışına, bahsettiğimiz geleneksel elektronik tablolardan daha fazla, insanlarla dolu bir odam varsa, ödünç vermesidir. aynı gösterge panosu ve aslında farklı bir bakış açısı alabilecekleri aynı verilere erişme ve sonuç olarak, aynı bilgilerden işbirliği yapmaları için gereksinimlerine uygun farklı bilgiler edinmeleri. Daha sonra, aynı PowerPoint ile aynı toplantıya ve aynı elektronik tablolarda yayımlanan aynı elektronik tabloların aksine, iş ve karar alma süreçleri ile daha insani bir görüşe ve etkileşime sahibiz.
Aletlerini şu anda gördükleri yerlere götüren örgütlerde davranış ve kültürde bir geçiş görüyor musunuz, odadaki beş kişinin aynı söz tablosuna bakıp sadece sözlü hale getirmeye çalıştığını düşünmüyor. ama şimdi gerçek zamanlı olarak gösterge panoları ve araçlarla gerçek zamanlı olarak etkileşime giriyorlar, parmak uçlarında görselleştirme ve analizler yapıyorlar ve konuşma ve etkileşim üzerinde tamamen farklı bir akış elde ediyorlar, sadece toplantılarda değil, organizasyonun genel işbirliğinde mi? Çünkü bunu gerçek zamanlı yapabilirler, çünkü soruları sorabilir ve gerçek bir cevap alabilirler. Şu an gördüğünüz bir eğilim mi, yoksa henüz tam olarak gerçekleşmedi mi?
David Sweenor: Hayır, bence kesinlikle o yoldan başladım ve bence çok ilginç olan şey, örneğin bir fabrika örneğini alırsak. Belki de bu fabrika içerisinde belirli bir süreç sektörüne sahip olan bir kişi bu verilere belirli bir şekilde bakmak ve etkileşimde bulunmak ister. Ve belki de ben, bütün süreçlere bakarken, belki altındaki bu, belki de her şeye bakmak istiyorum. Sanırım gördüğümüz şey, birincisi, insanlar örgütlerinde ortak bir dizi görselleştirme veya standart görselleştirme kullanmaya başlıyorlar, ancak aynı zamanda içinde bulundukları rol için de uyarlanmışlar. bu, tedarik zinciri perspektifinden bakmakta olan birinden çok farklı bir bakış açısı ve bence harika çünkü özel olarak hazırlanmalı ve işinizi yapmak için ihtiyacınız olan mercekten bakılmalıdır.
Dez Blanchfield: Sanırım karar süreci hızlı, akıllı ve doğru kararlar almak için hızla artıyor, hızlanıyor ve hızlanıyor, değil mi? Çünkü gerçek zamanlı analitikleriniz varsa, gerçek zamanlı panolar, Statistica araçlarını parmaklarınızın ucunda kullanıyorsanız, bir yere sormak ve birinden bir şey istemek için zeminde koşmak zorunda değilsiniz. basılı kopyada İşbirliği yapabilir, etkileşime girebilir ve anında kararlar alabilir ve bu sonucu hemen alabilirsiniz. Bazı firmaların henüz kavramadıklarını düşünüyorum, ancak bunu yaptıkları zaman bu eureka anı olacak, evet, hala odalarımızda kalabilir ve evde çalışabiliriz, ancak etkileşimde bulunabilir ve işbirliği yapabiliriz ve kararları alabiliriz. İşbirliği yaparken anında sonuçlara dönüşüyoruz. Bak, şu ana kadar söyleyeceklerini duymanın harika olduğunu düşünüyorum ve nereye gittiğini görmek için sabırsızlanıyorum. Ve soru-cevap bölümünde bir sürü sorumuz olduğunu biliyorum, bu yüzden bazılarına ulaşmak için Rebecca'ya geri döneceğim, böylece onlara olabildiğince çabuk ulaşabiliriz. Çok teşekkür ederim.
Rebecca Jozwiak: Teşekkürler Dez ve evet Dave, izleyicilerden epeyce sorumuz var. Ve Dez'e ve Robin'e anlayışınız için teşekkürler. Bu katılımcının bir saatin başında bırakması gerektiğini biliyorum, ama soruyor, bilgi sistemleri departmanlarının, araçların kullanımında rahat olmak yerine, sofistike veri kontrollerine daha fazla öncelik verdiğini görüyor musunuz? bilgi çalışanları? Yani, bu - devam et.
David Sweenor: Evet, organizasyona bağlı olduğunu düşünüyorum. Bir bankanın, bir sigorta şirketinin, belki de bir pazarlama organizasyonuna karşı farklı öncelikleri ve işleri yapmanın yolları olduğunu düşünüyorum. Sanırım, sadece bakmakta olduğunuz sektöre ve işleve bağlı. Farklı endüstrilerin farklı odakları ve vurgusu vardır.
Rebecca Jozwiak: Tamam, iyi, bu mantıklı. Ve sonra başka bir katılımcı bilmek istedi, Statistica'nın arkasındaki motor nedir? C ++ veya kendi eşyaların mı?
David Sweenor: Şey, bunun 30 yıl civarında sürdüğü ve benim zamanımdan önce geliştirilen bir şey olup olmadığını anlayamadığımı bilmiyorum ama çalışan Statistica algoritmaları olan bir analitik algoritma kütüphanesi var. Burada R'yi çalıştırabiliriz, Python'u çalıştırabiliriz, Azure'a patlayabiliriz, H2O'da Spark'ı çalıştırabiliriz, bu yüzden bu soruyu çeşitli motorlar olarak cevaplamak zorunda kalacağım. Hangi algoritmayı seçeceğinize bağlı olarak, eğer bir Statistica ise, böyle çalışır, H2O ve Spark'da bir tane seçerseniz, onu kullanır ve bu yüzden bunların çeşitliliği.
Rebecca Jozwiak: Tamam iyi. Başka bir katılımcı türü, bu veriye özellikle işaret etmeyi istedi, bilmek istiyor, vatandaş veri bilimcisi hangi yeniden kullanılabilir şablonları kullanacağını nasıl biliyor? Ve sanırım bundan daha geniş bir soru soracağım. Yani, iş kolu kullanıcıları veya iş analistleri geldiğinde ve bu araçları kullanmak istediklerinde ne görüyorsunuz, onları alıp koşmaları ne kadar kolay?
David Sweenor: Sanırım cevap verirdim ve eğer kullanabilirsinizsa, eğer Windows ile aşina iseniz, bu Windows tabanlı bir platformdur, bu yüzden bu ekran görüntülerinin üstünü kestim, ancak Windows şeridi var. Fakat hangi iş akışını kullanacaklarını nasıl biliyorlar? Windows Gezgini'ne benziyor, bu yüzden bir ağaç yapısı var ve onu yapılandırabilir ve ayarlayabilirsiniz, ancak kuruluşunuz ayarlamak ister. Ancak, bu klasörlere sahip olabilirsiniz ve bu yeniden kullanılabilir şablonları bu klasörlere koyarsınız. Ve bence şirketinizin benimseyebileceği bir isimlendirme olabilir, burada “risk profilini hesapla” deyin, burada “bu kaynaklardan veri al” ve ne istersen onu adlandır. Bu sadece ücretsiz bir klasördür, notları doğrudan tuvalinize sürüklersiniz. Yani, oldukça kolay.
Rebecca Jozwiak: Tamam iyi. Belki bir dahaki sefere bir demo. Sonra başka bir katılımcı ortaya çıktı ve Robin ve Dez'in bilhassa elektronik tablodaki yanlışlıklardan bahsettiği konu buydu, fakat ortaya çıkan / çıkan çöpler ve konu geldiğinde daha da kritik görünüyor. analitik. Verilerin yanlış kullanılması, bazı talihsiz kararlara yol açabileceğini belirtiyor. Ve daha güvenli olmayan algoritmaların geliştirilmesi konusundaki görüşlerinizin ne olduğunu merak ediyor, sanırım, “aşırı derecede” analitik kullanımı kelimesini kullanıyor. Birileri içeri giriyor, gerçekten heyecanlanıyorlar, bu gelişmiş analizleri yapmak istiyorlar, bu gelişmiş algoritmaları çalıştırmak istiyorlar, ancak tam olarak emin değiller. Peki, buna karşı korunmak için ne yapıyorsunuz?
David Sweenor: Evet, sanırım buna elimden geldiğince cevap vereceğim, ama sanırım her şey insanlara, süreçlere ve teknolojiye bağlı. Kuruluşunuza koymak istediğiniz her insanı mümkün kılan ve her türlü işlemi mümkün kılan teknolojiye sahibiz. Birine kupon verilmesi örneğinde, belki de bu kadar kritik değildir ve eğer dijitalse gerçekten maliyeti yoktur, belki bir seviye güvenlik kontrolü vardır ve belki de umursamıyoruz. Cerrahi alan enfeksiyonlarını tahmin ediyorsam belki biraz daha dikkatli olmak isterim. Ya da ilaç kalitesini ve güvenliğini ve bunun gibi şeyleri öngörüyorsam, belki biraz daha dikkatli olmak isterim. Haklısınız, çöp içeri / çöp dışarı, bu yüzden yapmaya çalıştığımız şey, kuruluşunuzun benimsemek istediği işleme göre uyarlamanızı sağlayan bir platform sağlamaktır.
Rebecca Jozwiak: Tamam iyi. Birkaç sorum daha var, ama bir saatten biraz fazla geçmiş olduğumuzu biliyorum ve sadece sunucularımıza bunun harika olduğunu söylemek istiyorum. Dell Statistica'dan Dave Sweenor'a çok teşekkür etmek istiyoruz. Tabii ki, Dr. Robin Bloor ve Dez Blanchfield, bugün analistler olduğunuz için teşekkür ederiz. Gelecek ay Dell Statistica ile başka bir web yayını yapacağız. Dave'in konu hakkında ima ettiğini biliyorum. En baştan analitik ile ilgili olacak, bir başka büyüleyici konu ve o çok zorlayıcı kullanım durumlarının bu web yayını üzerinde tartışılacağını biliyorum. Bugün gördüklerini sevdiysen, bir sonraki ay daha gel. Ve bununla millet, size veda ediyorum. Çok teşekkürler. Güle güle.