cxoプレイブック：データと分析の未来

2024

Techopediaスタッフ、2017年11月29日

まとめ：ホストEric Kavanaghが、Impact AnalytixのJen UnderwoodとAlteryxのNick Jewellとともに、データと分析、および最高データ責任者（CDO）と最高分析責任者（CAO）の役割について説明します。

Eric Kavanagh：ご列席の皆様 、こんにちは。HotTechnologiesの非常に特別なエディションへようこそ。皆さん、エリック・カバナです。今日のショー「The CxO Playbook：データと分析の未来」のホストになります。はい、それはかなり大きなトピックです。実際、今日ここには記録破りの群衆が少しいます。今朝、ウェブキャストに540人以上が登録しました。通常のショーで多くの人が知っているように、私たちは特別な時間にそれをやっています。通常は東部標準時の4:00に行いますが、池の向こうからの非常に特別なゲストの呼び出しに対応したかったのです。今日のプレゼンテーションに飛び込みましょう。

今年は暑いです。多くの点で非常に騒がしい年でした。クラウドはそれと多くの関係があると思います。私たちが市場で目撃しているテクノロジーの合流が主な推進力であり、私はもちろんSMACがそれを呼んでいることを取り上げています。ソーシャル、モバイル、分析、クラウドなど、SMACについて語っています。すべてが揃っています。組織は、ビジネスのやり方を本当に変えることができます。ビジネスオペレーションを実行するためのチャネルが増え、分析するデータが増えました。それは本当にワイルドな世界であり、Cスイートで物事がどのように変化するかについて今日話しているので、最高経営責任者、これらの組織のトップの人々、そして今、全世界が変化しています。それについて話すつもりです。

真上にあなたのものがあります。 Impact AnalytixのJen Underwoodと、AlteryxのリードテクノロジーエバンジェリストであるNick Jewellが今日ラインにいます。とてもエキサイティングなものです。昨夜、このコンセプトを思いついたのですが、本当に面白いと思います。もちろん、私たちは皆、音楽椅子を知っています。これらの椅子をすべて輪にした子供向けのゲームです。音楽を始め、誰もが歩き回り、椅子が1つ引き離されます。音楽が止まると、誰もが椅子を手に入れるために急いでいる必要がありますが、そのような状況では1人が椅子で負けてしまいます。 Cスイートで今起こっている非常に奇妙で説得力のあることです。この画像でこのことに気がつくと、後ろに2つの空の椅子があります。通常、椅子はミュージカルチェアから姿を消しますが、最近見ているのは、Cレベルにさらに2つのチェアがあります：CAOとCDO、最高分析責任者、最高データ責任者です。

両方とも離陸しています。率直に言って、最高データ責任者は最近山火事のように実際に離陸していますが、それはどういう意味ですか？それは非常に重要なことを意味します。これは、データと分析の力が非常に重要であるため、役員室、または言うべきエグゼクティブルームはCスイートに変化していることを意味します。Cスイートに人が追加され、新しいエグゼクティブがこれらの新しい席を埋めています。組織の文化を変えることがどれほど難しいかを考えると、それはかなり深刻な問題です。文化は変えるのが非常に難しいものであり、通常、良い管理と良いアイデア、そしてそのようなことを通して、前向きな変化が促進されます。分析とデータのCスイートに新しいエグゼクティブを追加することで、私たちが今持っている機会について考えると、それは非常に大きなことです。これは、組織が軌道を変更する機会を示しており、それに直面してみましょう。大規模で古い企業は、市場がどのように変化しているかによって、本当に変更する必要があります。

私は通常、たとえばUberの例や、業界全体を根本的に混乱させた組織としてのAirbnbを例として挙げています。今日お話しするのは、組織がどのように適応するか、この情報をどのように活用してビジネスの軌道を変え、情報経済で成功するかです。

それで、WebExのキーをJen Underwoodに引き渡します。次に、Nick Jewellがチャイムを鳴らします。彼は英国から電話をかけていますあなたとジェンの両方に感謝します、それで、私はあなたにそれを渡すつもりです。奪って

ジェンアンダーウッド：ありがとう、エリック、いいね。皆さんおはようございます。今日はこのCxOプレイブックについてお話します。それはデータと分析の未来であり、私はすぐに飛び込むつもりです。エリックはすでに、これがなぜそんなに重要なのかについて話し合っていました。今日のスピーカーは、この情報を含む別のスライドを見ましたが、今日のセッションでは、私とニックジェウェルが非常にインタラクティブに会話します。私たちは、これらの役割が何であるか、そして彼らが行う使命にあることの種類を説明することから始めます。分析業界、一般的な見通し、およびこれらの人々が直面するいくつかの課題を見ていきます。現在の組織内のダイナミクスは、将来に向けて準備を進めており、組織内でこれらの役割の一部を調査する場合は、次のステップについて説明し、計画のガイダンスを提供します。

このCxO、たとえばCAOについて話すと、それは最高分析責任者であり、組織内のデータの分析を担当する上級管理職の役職です。 CAOは通常、CEOに報告します。企業がビジネス上の意思決定を下す方法で現在私たちが持っている変革の質量とそのデジタル変革について考えるとき、その急成長の位置は極めて重要になります。

デジタルトランスフォーメーションとインテリジェンスをデジタルトランスフォーメーションの中核と考える場合、このCAOは組織内で非常に戦略的な役割を果たします。彼らは、強力なデータサイエンスを実際の洞察とその知識に戻すだけでなく、その結果生じるROIと影響を所有しています。データを戦略的に活用するために、組織が保有するデータといくつかの最終的な数値でROIをどのように実現しているか。その位置は、最高情報責任者であるCIOとともに、技術とデジタル変換の増加とデータの価値のために目立つようになりました。

ここ数年、データは収益化とインテリジェンスを持ち、この情報を変換するこの特定の世界のゴールドです。これらの先を見越した行動をとることができ、それ自体が常に後方を向いているだけではない 2つのポジションは両方とも情報を扱うという点で似ていますが、CIO自体はインフラストラクチャに焦点を当て、CAOは情報の分析に必要なインフラストラクチャに焦点を合わせます。同様の立場はCDOであり、あなたはもっと多くを聞きます。おそらく、今日のCAOについてあなたが聞くよりも、CDOについてもう少し聞きます。 CDOは、データ管理のライフサイクル全体を通じて、データ処理と保守、およびガバナンスのプロセスに重点を置いています。

これらの人々は、データを収益化し、データから価値を獲得し、ガバナンスとセキュリティのライフサイクルの全期間、つまりライフサイクル全体にわたって作業する責任を負います。これらは、GDPRを確実に調整すること自体、またはGDPRを確認することに責任を負う人々です。これについては、欧州データ保護法について説明します。現在、破壊的で動的なデータ集約型の役割の構造と未来を手にしています。これらは、CDOだけでなく、CDOが担当するものです。機能横断型チームを構築します。私は、それ自体にロールアップする人々のいくつかの例を持っていますアーキテクトやガバナンスの人々、さらには組織のアナリストやデータサイエンティストやエンジニアでさえも、組織構造をロールアップできます。

分析の業界展望にさらに進むと、これはこの特定の業界で驚異的な、おそらく10年、さらに長い期間でした。数年前の市場の暴落の中でも、非常に刺激的であり、常に需要が高まっていました。 2017年にガートナーのCIOアジェンダを見ると、BIと分析は組織にとって最も重要なものの上位3位以内にあり、ソフトウェア市場の成長を見ると、私たちは常にそこに成長を見ています。私がこのスペースにいる限り、それは常に本当に輝かしいキャリアでした。

このデジタル時代と変革に目を向けるとき、私にとって非常に興味深いのは、私たちが持っているこれらのプロセスであり、多くの場合、プロセスからまたはビジネスプロセス中に情報を取得し、アクションを実行しています。現在、Gartnerは2020年までに見積もっており、使用した情報は再発明、デジタル化、または削除されることさえあります。 10年前のビジネスプロセスと製品の80％が、それを見始めていますよね？アマゾンの詩では、いくつかの大きなボックスストア、Uber、Airbnbsが見られるようになりました。これらのデジタルモデルはプロセスを混乱させ、今では人々が交流しています。ブラックフライデーでさえ、実際に何人の人が店に行ったかわかりません。多くの人がオンラインで購入していますが、どのようにしてその顧客にアプローチしますか？それを行うには知性が必要です。メッセージをやり取りしてパーソナライズし、適切なタイミングで適切なオファーを提示するインテリジェンスを得るには、非常に異なる方法が必要です。今ではボタンをクリックするだけの場合があります。彼らがあなたのオンラインストアを離れるのはとても簡単です。この世界では物事が本当に変化しており、ニックもこれについてお話ししたかったと思います。

Nick Jewell：ええ、皆さん、こんにちは。どうもありがとう。ロンドンからの音声が少し遅れる場合は事前におaび申し上げます。ジェンさん、話さないように最善を尽くします。

間違いなく、無駄の排除、デジタル変革の一環としての再発明は、組織がオーダーメイド製品から、場合によっては切断されたアプリケーションから、よりオープンで接続されたプラットフォームへと移行する際に生じることがよくあります。プロセスがデジタルの場合、データのエンドツーエンドの道のりを簡単に確認できます。データを使用してそのプロセスを最適化することにより、実行する手順を本当に改善します。

可能であれば、スライドを進めましょう。デジタルトランスフォーメーションに関しては、組織にとって何を意味するかといえば、あなたが座っているスペクトルのどちらの側に応じて、エキサイティングであるか恐ろしいことだと思います。ここでチャートを見て、企業の寿命と破壊的な影響が組織の運命にどのように影響するかを示してください。 1920年代に会社を始めた場合、別の会社があなたを混乱させるまでに平均して70年近くあります。今日の企業は、混乱がその存在を脅かすまで15年しかかからなかったため、今日の基準ではかなり楽な生活を送っています。現在のフォーチュン500企業の約40パーセント、つまりS&P 500企業は10年後にはもう存在しないと予測されています。 2027年までにS&P 500の75％が交換されるため、今日の組織が直面する半減期は、混乱を心配する前に、実際に縮小しています。成功する企業は、そのデジタルイノベーションレースの先を行く必要があります。

今日、誰も分析に疑問を投げかけていません。それが目玉、つまりデジタルビジネスの変革です。実際、組織はデジタルイノベーションを戦略の先頭に置いています。これらの企業は、世界で最も価値のある上位5社であり、市場価値は2兆ドルです。

ジェンアンダーウッド：ええ、それはすごいことです。本当に変化していて、速いです。私たちが持っているもう1つのダイナミクスはこれについて話していましたが、ついにそれを見て、組織はデータソースのこの指数関数的な成長を感じており、構造化されたデータソースのデータを分析するだけではありません。繰り返しになりますが、これらのデジタルプロセスの一部で決定を行うのはほんの一瞬であり、これらのことはREST APIからのJSONで行われます。ログファイル、あらゆる種類の非構造化データについて話します。さまざまな種類のデータのほか、極端に一定の成長を続けています。

Nick Jewell：ええ、ジェン、あなたが指摘したように、分析のリーダーはデータの海にinれています。既存の分析手法または新しい分析手法を組み合わせて、価値の高い洞察を得ることは最終的な目標ですが、私たちが取り組む多くの組織が直面している単純で根本的な問題があります。ハーバードビジネスレビューを委託し、調査を行い、データアナリストやビジネスマネージャーと話をしました。彼らは、意思決定を行うために組織で使用するデータソースの数を尋ねましたが、ここ数年で根本的な変化があったことは明らかです。 ITはデータをブレンドしてデータウェアハウスにプッシュしていましたが、ITグループが一元化されたデータ管理を作成してきたすべての優れた作業にもかかわらず、アナリストはまだ特定の分析データセットを作成するタスクに直面していると思いますが、ビジネス上の質問に答えます。実際、すべてのデータを1か所に集めているのはわずか6％であり、アナリストの大半は、スプレッドシート、クラウドアプリケーション、ソーシャルメディアなどの5つ以上のソースからデータを取得する必要があります。

現在、ほとんどの組織はこれを認識していますが、ほとんどの組織が扱っていないのは、データの専門家が実際に価値を抽出するよりも、データの管理と検索に多くの時間を費やしているという単純な事実です。これらは、ビジネス幹部が聞きたい注目度の高い戦略的分析の問題ではありません。しかし、根本的な問題に対処しないことは、組織が実際に価値駆動型の洞察を達成することを妨げます。ジェン？

ジェン・アンダーウッド：それは面白い。これについてはさまざまな研究を見たことがあるのは間違いありません。80％の時間であれ、同じデータを何度も何度も何度も修正したり、組織内では非常に非効率的です。これは合計すると、これらの37とこの23パーセントは非常に高価な時間の無駄です。それにもっと注意が払われていないことは私にとって驚くべきことです。

これらのいくつか、私が市場の力と呼ぶもの、そして業界のトレンドについて何度も話すとき、私は業界をフォローし、それについて一定のパルスを保つことが大好きです。何かがトレンド以上のものである場合、それが本当に注意を払う必要のある力になる場合、そしてこれらが現在注意を払うべきトップ3の力である場合を理解することが重要です。それはこの急速な成長であり、一番は非リレーショナルデータベースの急速な成長です。 JSON自体をクエリする時間があまりないというこの概念全体について言及しましたが、この種の非リレーショナルシナリオであり、急速に成長しているのです。

もう1つは、クラウドへの継続的な移行です。私が言及した電話の前に、私は大手ハイテク企業の1つの世界的なプロダクトマネージャーであり、3年前に「クラウドには何も入れません。そして、1年後、2年後、グループを見るのは非常に興味深く、同じグループから、誰もがクラウドプランを持っていると聞いています。誰もが非常に大まかな表現だと思いますが、私が言うことは、アンチクラウドであった人々は、確かに態度が劇的に変わったということです。これらのタイプのもの。

自動化、これは私が魅了されてきた分野であり、私たちは確かに多くの活動と素晴らしい活動を見ています。これらのことのいくつかについて、この無駄な時間と時間の非効率的な使用について話します。オートメーションは、確かに、組織に価値をもたらすことを考えるとき、私が最も興奮している分野の1つです。

次のスライドは、IDCによる調査です。IDCによる調査です。彼らは市場セグメントと成長を調査し、本当に成長しているもの、仲間が何を買っているのかを知る素晴らしい方法です。彼らが興味を持たなくなったのはどのようなものですか？これらの種類のものとその戦略に入れます。

IDCによると、世界のビッグデータ分析ソフトウェア市場には16のセグメントがあり、そのセグメントの意味では、いくつかの名前の変更さえ検討しています。継続的な分析ソフトウェア、コグニティブAIソフトウェアプラットフォーム、検索システムが追加されたため、ここにいくつかの新しいカテゴリが追加されました。この市場の概要には、水平ツール、プリパッケージアプリケーション、および意思決定支援と意思決定自動化のユースケースがほとんど含まれています。繰り返しになりますが、これはCDOについて考えるときのタイプのソリューションになります。CDOのコンテキスト、データ統合から分析の視覚化、機械学習、および必要なこれらすべての機能までを管理するポートフォリオデジタル時代に。

IDCによると、これらのタイプのソリューションの世界市場自体は現在の通貨で8.5％成長し、市場全体は9.8％成長しました。これを比較しました。数年間の通貨の変動を見て、変動の度合いは最小限ですが、私が強調した上位3つのセグメントは、これらの非リレーショナル分析データソースの感覚を与えるために、58％前年比での成長、コンテンツ分析、検索システムは15％でした。たとえば、顧客関係アプリケーション、CRMタイプのもの、Salesforce Einsteinの一部は、10％を超えて成長しており、現在は12％です。ニックはこれについてもコメントを追加したかったと思います。

ニック・ジュウェル：ありがとう、ジェン。それは素晴らしいビジュアルです。 Alteryxでは、データの準備とブレンディングが常にあらゆる分析システムのコアコンピテンシーであると信じてきたと思いますが、それは実際には、より高度な分析の基盤です。さて、ここ数年、業界について話しましょう。新しいインタラクティブな視覚化機能のいくつかに少し焦点を合わせすぎていたかもしれません。彼らはエンゲージメントを高め、洞察力を高めるために美しく見えますが、説明的な分析を超えて私たちを動かしたわけではありません。

しかし、今や人々は少しだけ視野を広げており、ビジネス価値を理解し始めている組織は、現在主流になっているこれらのより洗練された分析からもたらされるでしょう。そこでの質問は、どのように、具体的には誰になりますか？これは、より価値の高い分析にジャンプしました。分析的人材不足の問題を非常に鋭い救済に実際に投げ込んでいます、あなたは同意しますか？

ジェンアンダーウッド：もちろん、昨日、Adobeの副社長から「機械学習はテーブルステークになった」と言っていた興味深いコメントがありました。必要とそれは興味深いです。これと、それ以外のほんの小さな角度を見てみましょう。多くの人々は、これを非リレーショナル分析ストアと認知AI、これらの機械学習、これらの高価値分析を備えた高成長分野と見なし始めています。しかし、今日でもほとんどの購入が行われている最大のセグメントである1日の終わりには、クエリのレポート、一部の視覚的分析など、まだこの基本的な部分にあります。多くの人が既に持っていると思っているもの-必ずしもそうではありません。毎年6.6％成長しています。

CDOとして-そしてこのスライドを表示するのが大好きです-基本的に言うと、この新しい役割に踏み込んでいるとき、または組織内のデータを調べているとき、それは混乱であり、この特定のスライドは本当に良い仕事–これらはすべて、データがある可能性のあるさまざまな潜在的な領域です。彼らはオンプレミスであるかもしれません、それはクラウドにあるかもしれません、それはハイブリッドであるかもしれません、それはどこにでもあり、それは大きな圧倒的です–再び、それは今組織内のCレベルタイプの役割であり、それは単純なタスクでも単純でもありません–この特定の世界では、時々圧倒されます。これは、このCDOがナビゲートし、マスターできるようにするために、データの価値を最大化するために必要な世界です。

これらのさまざまなソースの価値を最大化し、これらのデジタルプロセスまたはアクションへの洞察が閉じていることで、これらの時間の窓が閉じています。おそらく5年前、10年前を考えてみると、インベントリまたはアクションでいくつかの決定を下すために実行するレポートがあるかもしれません。それらは毎週、毎月実行され、その後、毎日または一晩になります。毎時。

今、私たちが見ているのは、これらのインテリジェントな機械学習が埋め込まれた人工知能オフィスであり、その場で意思決定と修正を行うため、モノのインターネット、エッジでのIoT組み込み分析など、これらのシステムはスマートであり、これらのアルゴリズムは適切なタイミングでその場で行っている決定の一部を自己調整して変更します。デジタル革命とこれらの接点でこの特定のダイナミクスを見るのは非常に興味深いです。たとえそれらが増加したとしても、アクションまでの時間は減少し続け、テクノロジーはこれらのシナリオで進化します。

Nick Jewell：ええ、ジェン、私は洞察の提供がどのように変化しているかの最も興味深い側面の1つは、分析がエンドユーザーに届くところだと思います。ユーザーが重要な決定を下したときにダッシュボードにジャンプするように求めていますか？それとも、競争上の優位性を促進するために、フロー内でプロセス内で直接得られる洞察、つまり次善のアクションを利用できると言っていますか？そして、私たちが話している分析モデルは、従来のデータウェアハウス、ジオロケーション、ソーシャルメディア、センサー、クリックストリームなどのさまざまなソースから入力を取得する必要があるかもしれません。これらのデータはすべて、決定とその実行可能な結果に影響を与えます。

Jen Underwood：この課題と変化のテーマ、現在の課題、CEOがこれらを克服する方法を採用して計画するために必要な課題を続けると、基本的に効率的に管理して手動で分析するにはデータが多すぎます。長い遅延があります。これらの遅延を短縮する必要があり、保有するデータの価値を最大化する方法を見つける必要があります。世界にはデータサイエンスの人材が不足しており、これらの洞察と、データとして海洋と呼ぶものをカバーしています。良いニュースは、今日のあらゆる分野で役立つ素晴らしいイノベーションがいくつかあり、テクノロジーが私たちをどこに連れて行くのか、これらの課題を私たちが助けるのを見るのはエキサイティングになっています。

私がこれを見続けていると、顧客と話したり、これらのツールのいくつかを使用してグループと話したりしたときに少し混乱が生じます。古典的な課題のいくつかは今日でも存在し、分析するデータを見つけようとすることで少しばかり悪化しています。いくつかの検索ツール、いくつかのカタログは確かに役立ちます。今、私たちが見つけているのはどのカタログをいつ使うかです。いくつかの異なるカタログがあるため、データを保存および共有できるさまざまな場所があるので、1つ、おそらく私たちが探しているカタログを見つけようとすることは問題です。

もう1つは、共同で共有することです。そのハーバードビジネスレビューの調査の1つ、時間の長さ、基本的に非付加価値のタスクの実行、時間の浪費、そしてどれくらいの費用がかかるかについて話しました。共通のデータソースを共同で共有して使用できる場合、スクリプトは既に開発されており、ロジックは既にそこにあり、それらを効果的に管理できるので、ガバナンスと分析の俊敏性のバランスをとることができます。この世界をナビゲートします。ニッチツール、自動化されたワークフローツール、従来のExcel、データカタログ、セルフサービスBI、データサイエンスツールがあります。ある写真が示したように、非常に多くのツールがあり、それらの間には多くの重複があります。

Nick Jewell：ええ、パーフェクト、ジェン、そしてあなたが言ったように、洞察の窓は最も確実に縮小していると思いますが、モデルを実際に展開するのにかかる時間は追いついていません。予測モデルの展開は、多くの企業にとって引き続き大きな課題です。 Rexer Analyticsの社長であるCarl Rexerと話をしてきましたが、Carlの2017年のデータサイエンス調査では、データサイエンティストの13％だけがモデルが常に展開されていると答えており、この展開率は改善されていません。前回の各調査に戻ります。実際、質問が最初に尋ねられた2009年に戻ると、ほぼ同じ結果が見られるため、実際のギャップがあります。

Jen Underwood：分析の成熟度を見ると、急速に進歩しています。繰り返しになりますが、2、3年前、視覚的なセルフサービス分析を行い、最終的に柔軟でBIを大衆に拡大できることに非常に興奮していました。私が大衆と言うとき、おそらく組織内のパワーユーザーはまだです。現在、最適化、予測分析、ディープラーニング、自然言語、その他の多くのテクノロジーが実際に日常のプロセスに組み込まれているため、最終的に大衆、真の大衆が使用する真の大衆のために分析を非常にシームレスに民主化します既に持っている既存のビジネスプロセス。

Nick Jewell：ええ、ジェン、できれば最後のカテゴリーについて簡単に話しましょう。今日の電話でのほとんどのリスナーは、Google DeepMindのAlphaGoソフトウェアに精通しており、過去数年間で世界最高のGoプレイヤーのいくつかを破りました。 AlphaGoは、以前に記録された膨大な量の試合を研究することで、ゲームをプレイすることを学びました。 AlphaGoトーナメントのコメンテーターが、ソフトウェアが日本のグランドマスターのスタイルでプレイされたと主張したほど、信じられないかもしれません。

しかし、この1か月間、驚くほどの結果が報告されました。これは、AlphaGo Zero、ディープラーニング、ニューラルネットワークであり、ゲームの単純なルールと最適化された機能を備えています。監督下のトレーニングを受けずに、世界最強の囲playerプレイヤーになることを学び、約40日間でこれをすべて実行しました。このいわゆる強化学習は、人間が課題を定義し、ディープラーニングシステムに探索、改善を行わせ、分析空間に最大の影響を与える可能性があります。だから、私は推測し続けてください。

ジェン・アンダーウッド：ええ、それはあなたがそれについて言及したのは本当に面白いです。除外を想像できますか？そして、これは私が見始めているものです。本当に、自動化について話すとき、ソリューションが空気をきれいにし、システムから自動的に学び、プラグアンドプレイし、過去の決定または他の決定に基づいて次に何をすべきかを知るのに非常に刺激的です組織内で作成され、これらのシステムの一部、ETLシステムを管理し、それらを管理し、プロセスが実行されていないときに警告音を鳴らしてビープ音と電話に戻る方法がありました。「うわー、今はおそらく自己回復するのに十分スマートです。」

私の夫は自己修復グリッドを管理し、自己修復データ統合、自己修復分析を行い、それがどんどん良くなる場所で、本当にエキサイティングです。 CDOとして、人々がテクノロジーを処理することについて考え始めるとき、私たちは見ていきます、今私たちはテクノロジーを見て、それから私たちは人々を見て、あなたのチームの構築と構築にアプローチする方法を見ていきますスキル。最新の分析プラットフォームを見ると、すぐに言っておきますが、すべての人がここにすべてを持っているわけではありませんが、最大の組織はこれらのさまざまなコンポーネントをすべて持っているかもしれませんが、いくつかのグループは2つまたは3つの小さなボックスしか持っていないかもしれませんここで、私はこれで人々を圧倒したくありませんでした。しかし、最新のBIプラットフォームでは、必ずしもITビルド、事前定義されたレポートセマンティックレイヤーは必要ありません。

ユーザーと専門家は、分析速度と俊敏性のためにデータを準備するだけの権限を実際に与えられるべきであり、ユーザーと専門家主導の分析の上昇を考えて、主題の専門家に俊敏性を持たせるには、迅速な決定を下します。私たちが言うこと、個人データ準備ツール、データの格闘、強化、クレンジング、Alteryxが行う活動の種類、および彼らが提供するデータサイエンス型の活動の採用が増加していることがわかります上手。最新の準備ソリューションでは、ビッグデータパイプラインがあれば非常にクールな、インテリジェントで自動化された結合、エア解像度、データのシフトを提供します。これもおそらく、私が大好きで、業界でもテストを楽しんでいる分野の1つです。

従来のIT主導のBIとは異なり、今日のITは、ビジネスの実現に真剣に取り組んでおり、CDOのような人々が集まって、このデータを調整、整理、統合するための適切なソリューションをまとめたり選択したりしていることを確認しています。統治されていますよね？私にとって非常に興味深いことの1つは、私たちがこれを推測していることは確かだと思いますが、私たちがただそれを言ったとは思いません。万能のデータウェアハウスの時代であり、結局すべて、確かに終わりました。データはどこにでも作成する必要があります。データレイクが登場し、ストリーミングデータとライブデータがあり、非常に多くの異なるデータソースがあります。これは、ユースケースベースの「何が必要ですか？」「すべてをデータウェアハウスに取り込む必要があります。」ニック、よくわかりませんが、これについてコメントしたいですか。思い出せません。

Nick Jewell：ひとつだけ言っておきますが、コンポーネントの進化を監視するだけです。 5〜10年前に専門家が行ったことは、ユーザーの手に委ねられています。そのため、右側にあるものは、ドラッグアンドドロップのコードなしの形式でユーザーに普及するでしょう。すぐに。動きはどんどん速くなるので、注意してください。

Jen Underwood：ええ、それは本当に良い点です。私はそれについて考えるのが大好きです。さまざまなデータサイエンス、それがついに現実のものとなり、ツールは非常に良くなっています。技術について考えると、今、私たちにはスキルと人材が必要であり、何をする必要がありますか？現在、最高の仕事には、データサイエンティスト、データエンジニア、ビジネスアナリストなどの肩書きが含まれていますが、私たちが見つけているのは、雇用主自身が試合をするのが本当に難しいことです。データ準備のスペースでさえ、「データ準備ですか、それはデータ論争ですか、人々はそれをどのような用語で呼んでいますか？」と言います。見つけるのは非常に興味深いことです。

ビジネスには必要なものがわからず、多くの異なる分野にまたがるこのまったく新しい新興分野があります。データ、ビジネス分析、ITプロジェクトマネージャー、送電網とプロジェクトのポートフォリオを管理している夫のマスターになる必要があるすべての人を見ると、彼はこれを分析できる必要があります。財務とデータ分析にとどまらず、組織の他の分野にまでさらに拡大しています。マーケティングが使用するデータソースの数に関する調査を見たと思いますが、それは圧倒的でした。繰り返しになりますが、ハーバードビジネスレビューによって行われた調査について考えると、人々は1つのデータソースだけではなく、人々がマッシュアンドマージして洞察を見つける必要があります。多くのデータソースであり、それを行うにはスキルが必要です。

ここでの基本的な全体像を見ると、ほとんどの新規採用者は、下の方にあるこのピンク色のバブルにいます。これらのビジネスアナリストについて、データマイニングアナリスト、HRマネージャー、このエリア、ライン内の通常の役割データを使用するビジネスの。最も急速に成長している役割の方が仕事は少なくなりますが、確かに今日の市場で最も多く聞かれるのは、データサイエンティストとデータエンジニアです。 CDOとして、彼らは将来を見据えており、人材を計画しているため、ルーチンタスクの自動化と、より戦略的なスキルの種類を考慮に入れる必要があります。アナリティクスのそれらが有効になりましたが、そこにいるデータサイエンスおよびデータエンジニアの人たちにとっても有効です。最高の輝かしい競争を勝ち抜くためにそれを考えるとき、あなたのポストされていないポジションやフリーランスの経済の一部がどのように変化するかを考えてください。

そして、常に人材のパイプラインについても考え、候補者が市場をナビゲートしたり、少し違うかもしれないものを探したり、実際には最速ではないかもしれない社内分析コースを作成したりするのを助けますあなたが維持するための費用対効果の高い戦略。このグループまたは異なるグループのトレーニングに専念している人々を検討することを検討してください。Alteryxは、今日のセッションの終わりに行動を促すための推奨コースを持っていると思います。すでに利用可能な既存のリソースの一部。

Nick Jewell：もちろんです。軍拡競争に巻き込まれることなく、才能のギャップを埋める方法はたくさんあります。数枚のスライドを戻しますが、ここでカップルをフリップできるかどうかはわかりません。データサイエンスコンペティションサイトであるKaggleは、データサイエンスの状態に関する17, 000の回答を含む調査をリリースしたばかりで、人々が持っているスキルに関する調査から非常に興味深い回答があり、回答者の大半は博士号を持っていませんでした、それはもはや前提条件ではありません。

次世代アナリティクスの専門家、あなたがちょうど見せていた大きなバブルは、ナノディグリーコースから必要な知識を得ることができるという考え。彼らはUdacityのようなサイトにアクセスでき、この知識をすぐにビジネスに直接展開できます。短期間での配信サイクルは、企業にとって競争力のある前進の直接のソースとなります。気をつけるべきことだと思う。

ジェン・アンダーウッド：いいえ、同意します。私はそれについて考えても、私はUCSDで2年間のプログラムを取ったので、確かに長い道のりを歩んできました。これは2009年、2010年に戻ったと思いますが、それを可能にした国はほんの一握りでした。現在、一般的に多くのオプションがありますが、専門のプログラムもあります。ベンダーを経由するか、ループで今日利用できるリソースがたくさんあるか、これらすべての異なるオンラインリソース、驚くべきことです、まさにその時です。時間をかけて予算を立て、遅れないように自分でスケジュールを立てます。何を学びたいですか？そして、あなたが学びたい道をたどります。

これを見て、自分のスキルの計画とCDOの将来の計画をまとめることについて話し、私がコンピテンシーフレームワークと言っているものから、スキルを見て、またはドメイン知識のようなものを見て、彼らがカバーされているエリアに人々がいることを確認するこれらのソリューションは自己学習と自己学習が可能ですが、結果が理にかなっていることを導き、確認するのはビジネスの専門家です。

常に何かがあり、私は保険会社の重要な分析を行っていたときの例を使用し、アルゴリズムがニューヨークから誰も雇わないという発見の1つを使用したいです。いいえ、ニューヨークから誰も雇わないつもりはありません。アルゴリズムがこの情報を提供した理由を見つけなければなりませんでした。これは、法律の1つである法律が変更されたため、その特定のセグメントで多くの混乱が生じていたためです。それを解読するためにビジネス分野の専門家を連れて行く必要がありました。そして、私はその変化を見ることができません。、人間の心と言われるものがあり、その美しさが機械の力と組み合わされて、本当に私たちが行くところです。

スキル、視覚化、データ内の効果的なストーリー、機械学習の出力であるかどうかの効果的なストーリーを見ているときの他のタイプのこと。まとめて、それがもたらす影響を見て、意思決定の人間の性質を理解し、これらのタイプのことはテクノロジーに関係なく非常に重要です。ガバナンスは本当に重要であり、倫理はますます重要になっています。社会科学者が関与していることを理解し、あなたのデータに偏りがあるかどうかを確認する訓練を受けています。あなたが気付いていないか、それを認識していないかもしれない組織の誰も持っていません、それらのタイプのものを持っています。

繰り返しになりますが、もちろん、エンジニアリングとハードウェアのためのインフラストラクチャを備え、スケーリングと開発が可能であることを確認し、適切なクラウドプロバイダーを使用していることを確認します。ロックされていないか、移動するオプションがあるか、これらがどれくらいの費用がかかるかについての価格を理解しています。この種のスキルであり、これを見ると、データ駆動型の最前線の意思決定者であるかどうか、これらの役割のほとんどがどこにあるか、データエンジニアやデータサイエンティストに至るまで、さまざまな分野のスキルと呼びます。これらの大量のデータでマッサージと作業を行います。これらは、フレームワークを組み立てたいもののタイプです。

コンピテンシーフレームワークを見て、組織全体を見て、スキルだけでなくコンピテンシーを検討します。あなたがこれを見ているとき、文言には少しニュアンスがあります。組織の能力フレームワークは明確なシグナルです。戦争政策立案者、教育提供者、スキルはRの下に入力されますが、それらのタイプのことを考え、有能なコーダーがいますが、それらのスキル以上のものを持ちたいです。コンピテンシー、つまり人がフレームワークを理解できる必要があることを理解するとき、それが重要です。そこには少しニュアンスがあります。

これを構築する際に、ビジネスにプラスの影響を与える能力と呼ばれるものを診断し、それらの高ポテンシャル分野を強調したいので、組織で高めたいコンピテンシーを優先し、その後、ビジネス目標に合わせて再度調整します。データの価値の最大化を担当するCDO、および彼らが検討するCAOは、分析を使用してデータの価値を最大化します。彼らは、私が持っていた過去のグリッドで、それらの能力とさまざまな分野を調べますが、その後、スタッフの高い可能性も調べます。データと分析の作業のためにスタッフと相互参照し、それらに投資し、トレーニングだけでなく、本質的に実際のビジネス上の問題に取り組む現実的な機会を彼らに提供します。

何も良いことはありません。たとえ私が数年間学校に通ったとしても、これらのアルゴリズムのいくつかを適用したり、小切手詐欺について学んだり、今まで考えたことのなかったこれらのことについて学んだりして、現実の世界で一緒に始めて、それはあなたが本当に学ぶところです。これらの分野で経験を積む機会を人々に与えます。強力な機能を構築するのに最も適している企業、組織的に識別し、客観的な評価を行い、人々の目標のためにいくつかのメトリックを学習および配置するための組織内のギャップはどこにあるのか配信する。

大人のトレーニングについて考えてみると、通常は飢えた時間です。私たちはいつも飢えていますが、それぞれの効果を調べています。私は個人的に本を持っているので、もし今日あなたが私のオフィスに来たら、多くの人がビデオを好んでも、たくさんの本を見るでしょう。ですから、組織内の誰かがどのように学習するのか、学習の動機付けをするのが好きなのか、それを行うための時間と何らかの目標を見つけるのは問題です。ブレンド、それだけでなく、スコアカードでそのマークをチェックするためにそのコースを取る、それはそれを実際の目標プロジェクトとブレンドし、そのプロジェクトから何を学び、次に何をしたいですか？ストレッチとは何ですか？チームを引き伸ばすか、チームをさらに動機付けます。

繰り返しますが、これらの学習目標は、実際にそうするべきではありません。本質的にそれらの目標は戦略的なビジネスの利益と一致する必要があるため、ビジネスにとって簡単なはずです。これらは素晴らしいプロジェクトです。それらは実験的なプロジェクトです。それらは、針を前進させるプロジェクトです。

ニック、何か追加したいの？よく分かりません。

Nick Jewell：いいえ、次の画面でケーススタディにジャンプします。特定の組織のもう少し詳細。彼らはあなたが言っていることの多くを実践し、現実にしたと思います。フォードモーターカンパニーは、多くの企業と同様に数十年にわたってデータ分析に依存していましたが、ビジネスのポケットでそれを行いました。おそらく、一貫性と調整を確保するために企業全体をほとんど監視していません。それらの問題はおそらくその規模の組織ではかなり典型的なものであったため、分析の専門知識は、私たちが言うように、一部のビジネスユニットが基本的な分析の専門知識へのアクセスを欠くまで、ポケット内に一貫性のないデータ管理とガバナンスの慣行を含んでいました。

繰り返しになりますが、今日は4, 600を超えるデータソースがあり、さまざまな種類のデータソースについて多く話しました。それは、旅を始めて、彼らが必要とするデータを見つけることでさえ、分析的洞察の本当の障害になることを意味していました。笑っていますが、それは恐ろしいことですよね？

ジェンアンダーウッド： 4, 600、ああ、まあまあ。

Nick Jewell：それで、Fordはグローバルな洞察と分析ユニットを形成しました。これは一元化されたものです。それを優秀なセンターと呼ぶことができます。ビジネス全体のデータ作成。ユニットは、機能だけでなく、それらをうまく統合する能力も含めて、クラス最高のツールを選択したため、これは非常に重要です。彼らの民主化の焦点は、私たちが話してきたニーズのピラミッドを上に移動する前に、実際にはレポートと記述分析にありました。

現在、民主化は誰かを一晩でデータサイエンティストにするだけではありません。スタッフはいつ、どこで支援を受けるべきかを知る必要があり、これらすべてを支援するためのトレーニング、ガバナンス、方法論があります。また、ツールトレーニングだけでなく、データサイエンストレーニングも、前述のスキルギャップを埋めることです。それでは、物流ネットワークを最適化するFordの実際のユースケースでは、Fordは材料をポイントAからポイントBに移動するのに適切な金額を支払っていましたか？彼らのレガシー分析は実際に実行可能な機会を強調していませんでした。これにより、彼らは市場で非常に反動的になりました。現在、そのプロセスの複雑さはアナリストの頭の中に閉じ込められており、セルフサービスワークフローが実際にビジネスで繰り返され、分析の専門家が一緒に座って同じ場所にいるときに大きなブレークスルーをもたらしました。

これにより、分析は複数年から四半期ごとに、さらにはほぼリアルタイムで、ビジネスにとって非常に大きな、大きな利益にまで下がりました。セルフサービス分析がビジネス価値に与える影響として、Fordは企業全体のデータ駆動型戦略を迅速に計画および確立し、新しいトレンドに対応し、新しいサービスを形成し、基本的に競争からの脅威を回避することができますバックミラーを見る必要があります。

ここで、別の顧客が分析を実際に企業の単一部門の垂直優先からすべての部門にまたがる水平ストライプに移行した方法を少し見てみましょう。シェルについて説明します。シェルは、最高のデジタルオフィサーに報告するセンターを運営しています。CxOプレイブックには、デジタルトランスフォーメーションと持続可能性を担当する別のDがいます。これらの人たちは、彼らの環境にはいくつかの層と技術スタック、ストレージ、データ処理が含まれ、それはすべてあなたがよく知っているすべての機能を備えていることを理解していました。 SAP HANA、Databricks、Spark、およびそれらのようなものは、パブリッククラウドを活用して適切な規模の経済に到達しました。

現在、彼らは多くのRコードの分析ラッパーとしてAlteryxを選択し、Spotfire、Power BIなどのテクノロジーにフィードしています。しかし今では、データ処理と視覚化との採用がより密接に結びついていることがわかります。 Jen、これらすべての機能のスライドを呼び出すだけで、この種のことが広がり、より多くのアナリストがアクセスできるようになります。ご存知のように、彼らはこの機能とCOEの提供に大成功を収め、将来の機能を提供しようと考えていました。マシンビジョン、自然言語処理など、私たちが話し合った深層学習の一部ビジネスユニット全体でこれらのアイデアを説明し、触媒することです。それは旅の一部です。 COEは常に、ビジネスオーディエンスと通信するさまざまな方法を探しています。

「まあ、このブラックボックスは私のアナリストほど良いものではない」と言う懐疑論者を考慮に入れて、至る所で相関関係を見るファンボーイや愛好家に至るまで、おそらく因果関係の方法ではありません、しかし、あなたは両側に注意する必要があります。組織全体にこの水平ストライプがある場合、スペクトルの両側を説得するために必要なハイブリッドスキルセットは魅力的な中間点です。

ニック・ジュウェル：はい、ジェン、そこにいますか？

ジェン・アンダーウッド：私はそうです。

Nick Jewell：このクレイトン・クリステンセンの引用でここで言いたいことは、多くの組織にとって、今日話しているデジタル変革を推進するために分析課題を統一することだと思います挑戦してください。多くの場合、分析チームは弱い手から始めます。分析プロセス、テクノロジー、チーム構造のレガシーなホールドオーバーで革新を試み、これらの遺物を保持することは、分析の調整と分析のイノベーションにとって最大の障壁になるでしょう。それについて何か考えはありますか、ジェン？

Jen Underwood：私は選ばれた写真を楽しんでいます。はい、確かに私には非常に理にかなっています。たとえば、リアルタイムのストリーミングなど、これらの新しいテクノロジーの一部を採用する必要があります。ブラウザー自体で古いレガシーを使用してJavaScriptの更新を行う必要がある場合、必ずしもリアルタイムの結果を得ることができるとは限りません。ダッシュボードアプリまたはこれらの種類のものである可能性があります。はい、これらの新しいツールのいくつかを採用する必要があります。繰り返しますが、この写真は本当にかわいいと思います。カートとバギー、あなたはそれらの古い技術アプローチのいくつかを手放さなければなりません。

Nick Jewell：もちろんです。したがって、次のスライドに進むと、もっと良い方法があると思います。まず、Googleのような検索に似たものを使用して、最も関連性の高いすべてのデータ資産をすばやく見つけます。彼らの文脈を理解し、依存関係を理解し、あなたのコミュニティの専門家によって書かれたビジネス用語集のような本当に単純なことを考慮に入れ、同僚の頭のすべての部族の知識によって生き続けました。

データ検出でスマートに。レポートの所有者や専門家と会話する能力について考えてください。アップロード、Trip AdvisorまたはYelpを少し実行し、最も有用なアセットをアップロードし、組織が最も価値があると考えるアセットを認証し、このすべてを検索結果と最終的に検索ランキングにフィードバックして、次のユーザー。探しているものが見つかったら、その迅速でコードフリーで使いやすい準備および分析フェーズに進み、反復可能なプロセスを公開するための完璧なデータセットを開発します。

自動化の会話に戻り、ユーザーフレンドリーなアプリを構築します。分析モデルを構築するために必要なものは何でも。モデルといえば、Rなどのオープンソーステクノロジーを長年サポートしており、単純なドラッグアンドドラッグで、記述的であるが予測的で規範的な分析をカバーする非常に高度な分析機能を構築することができます。ドロップ方法。

さて、右側に目を向けると、データプラットフォーム内でプッシュされているインタラクティブな視覚化、モデル、スコアリングへの洞察が実際に得られます。最近では、ビジネスプロセス内でその洞察を即座に直接利用できるようになりました。今年のGartner Peer Insights Customer Choice Surveyで金賞受賞者として認められたのは、プラットフォーム全体のこのような機能のおかげだと思います。これは素晴らしい成果です。 Gartnerのサイトにアクセスして詳細を確認し、独自の投票を追加し、独自のコメントを追加することを強くお勧めします。

よし、ジェン、もう1つスライドをスキップしてください。結論として、次のステップをすべて紹介したいと思います。まず、Alteryx.comにアクセスして、分析の障害を打破することに関して、International Institute of Analytics（IIA）と連携して行われた最新の研究概要の無料コピーをダウンロードしてください。また、udacity.com / alteryxにアクセスして、チームを有効にし、その高度な分析ナノレベルで次の一歩を踏み出し、最終的に自分自身でAlteryxを体験する方法について学ぶことができます。ホームページにアクセスして、フル機能の評価版をダウンロードし、解決のスリルを味わってください。

ジェン、あなたに。質疑応答の時間があるかもしれません。

エリック・カバナ：すぐにチャイムします。いくつか質問があります。コメントしたい場合は、まずニックに、次にジェンに投げてみますが、それは間違いなくEUに適用可能であり、それは悪名高いGDPRであるグローバルデータ保護規則です。これは、Alteryxとロードマップにどのような影響を与えていますか？

Nick Jewell：それはブギーマンだ、たぶん今そこにあると思う。多くの人々がそれについて話し、多くの人々は非常に心配しているが、それは本当にデータと分析の世界に入ってくる長い一連の規制の最初のものに過ぎない。本当に、私たちの観点から、それはあなたのデータを理解して分類することです。特定のフレーバーのCxOとして、資産がどこにあるか、そのコンテキストを知っていること、そしてより広いコンテキストでデータを実際に管理および管理するための最初のステップとしてそれらを信頼できることを確認します。

エリック・カバナ：ジェンを連れ戻す前に別の質問を投げます。ニック、つまり、誰かが自分のデータを企業から削除するように要求した場合、名前だけでなく、アドレスなど、連絡先情報だけでなく、アルゴリズムがデータを含むトレーニングデータを使用している場合は、アルゴリズムを再トレーニングすることになりますよね？

Nick Jewell：特に複雑です。データベースは、この個人を特定できる情報のソースであるだけでなく、分析ワークフロー、アプリ、視覚化のソースでもあると考えています。このデータは組織内のどこにでも届くので、そのコンテキストは絶対に不可欠です。

エリック・カバナ：ジェン、あなたの考えは？明らかに、米国ではそれほど大したことではなく、技術的にはここで当てはまりますが、多くの企業がこれを気にかけているとは思われません。米国の企業がEU市民のデータを持っている場合、GDPRの重要性とそれがどれだけ大きいかについてあなたはどう思いますか？

Jen Underwood：確かに、データの責任ある取り扱いが必要だと思います。私はこれについて何度か書きましたが、これらのいくつかのガイドラインがあります。アルゴリズムについて尋ねた質問は興味深いと思います。確かに、私が今日見ているソリューションの一部、製品チームの一部は、そのアルゴリズムの結果を決定するためにどのように意思決定を行っているのか、どの個人データが使用されたのかを確認できるように機能を設計しています。ここ米国では、製品設計にいくつかの影響が見られます。

多くのテクノロジー企業はここに非常に大規模なオフィスを構え、米国だけでなく世界中に開発チームを持っているので、製品開発でそれを見ています。投資されるデータカタログが増えています。政府が率先して取り組みを始め、人々がすべてのデータが混乱状態にあることを理解し、理解できるようにしています。少なくともそれを整理し、それを見つけてそれで何かをすることができるように、彼らの腕を取り回そうとする。

エリック・カバナフ：先ほどお話ししたこのスライドをプッシュして、これをあなたに投げます、ニック。これは素晴らしいスライドだと思います。なぜなら、私にとって、分析の必要性の即時性を本当に物語っているからです。この変化するダイナミクスについてどう思いますか？要するに、企業はアジャイルでなければならないということです。そして、私は分析がその責任をリードしていると考えています。どう思いますか？

Nick Jewell：これは魅力的です。常に3つの州に企業と技術が存在するので、戦争、平和、不思議のいずれかになると思います。戦争は、その激しいレベルの競争についてのものになるでしょう。ワンダーは、プラットフォームの上に構築する新しい素晴らしいものです。その後、競争と戦争の前に平和が再び始まります。この戦いは常に続いていると思います。

今日の電話の前に、私たちは今日世界中で行われている他の会議とキーノートについて話しました。一部の大手クラウドベンダーは、このプラットフォームを構築し、その上に素晴らしい新しいものを構築している段階に達しました。企業はこれに非常に目を光らせ、将来にその価値を提供する一貫したプラットフォームを備えたものを使用するようにしなければなりません。彼らはこの混乱を乗り切るだろう。

エリック・カバナ：ええ、それは良い点です、そして、ジェン、あなたはショーの前に、実際にクラウド戦略について、そしてあなたが業界で知っている多くの人々がどのように大企業、銀行、すべてにクラウド戦略があります。私はそれが実現するのにどれくらい時間がかかったかにちょっと驚きましたが、そのうちの何人かはAWS Reinvent Conferenceに行って、それがどれほど巨大かを認識し、時が来たという結論を引き出したと思います。クラウドのインポートに関する大企業の幹部の間の認識と、それが彼らの計画をどのように変えているかについてどう思いますか？

Jen Underwood：この大規模データの世界を考えて、それを管理できると、あるレベルでは、非常に大きな企業の1つがセキュリティの側面のいくつかに責任を負わせることにある程度の安心があると思います。そこにいくつかの安心。クラウドにはある程度の規模があります。

もう1つは、それを見て、クラウドで製品を再開発したチームにいて、それは確かに負け犬の製品であり、誰もそれに注意を払っていませんでした。2年以内に、毎週リリースされ、私は、クラウドでの毎日のリリースのポイントに近いと言うでしょう。 Amazonは、1日に複数回リリースすると言っていることを知っています。その脅威があるとき、競合他社が毎日ソフトウェアをリリースして改善できるとき、少なくともソフトウェア業界で、そしてデジタルトランスフォーメーションを検討し始めたときに誰もが本当にソフトウェア業界で、それが何であれ、それはまったく別のものです。球技と誰でも雲を回転させて拡大し、大きくすることができます。

繰り返しますが、それは彼らが活用しているデータになり、アルゴリズムに違いと知性をもたらします。だからこそ、人々はデータが新しい石油であるか、データが金であると話しているのです。クラウドを見ると、それはゲームチェンジャーであり、本当に非常に迅速な開発とスケールを可能にします。すごい。

エリック・カバナ：別の質問で、ニックを呼び戻します。これらの質問のいくつかにたどり着くことができるなら、ここで少しだけ行きますが、思い出すと、5、6、そしておそらく7何年も前、Alteryxはサードパーティのデータを活用する革新者でした。そのため、たとえばExperianなどのソースからのデータや地理空間データを取り込むことができました。そのようなことはAlteryxのDNAにあるので、おそらく戦略的な利点だと思いますよね？企業がクラウドに移行するにつれて、皆さんはこれらの世界をつなぐことができる多くの経験を持っていると思います。オンプレミスとサードパーティおよびクラウドベースのデータの世界、あなたはどう思いますか？

Nick Jewell：ええ、絶対です。究極の接続性は、このクラウドベースの環境で仕事をする企業にとって非常に強力な役割を果たすでしょう。しかし、情報学のようなものについて話すとき、情報とデータはあなたの会社の資産と見なされるべきだという考えを言います。もたらす価値のほとんどは、外部データソースを取得し、それらを内部ソースとブレンドして強化し、プロセスでより多くの価値を生み出して収益化することです。内部データと外部データを等しく扱うことが絶対に重要です。

エリック・カバナ：ええ、それは良い点です。ハイブリッドクラウドのこの世界はすべてここにあると思います。ジェン、私はちょうどいくつかの最後のコメントのためにあなたにこれを投げるつもりです。私にとって、その戦略的見解を持ち、新しい用語として統一できることは、ソース全体のデータを説明することであり、これは今後の重要な成功要因になるでしょう？

ジェンアンダーウッド：いいえ、絶対に、面白いです。このハイブリッド、ハイブリッド、ハイブリッドを聞いていました。あなたはこれについて聞いて、4年前にHadoop、Hadoop、ビッグデータについて考え、そしてハイブリッド、ハイブリッドを聞き始めたので、確かにそこにいたので、私たちは必ずしも機械学習の年であり、何もありません。人工知能、今年は機械学習が舞台になっていますが、今日の組織で実際に機能するためには、クラウドに向かう途中であるか、これらすべての異なるクラウドデータソースを処理する必要があります。 Workday、クラウドに存在するこれらすべての種類のソース、それを処理できる唯一の方法は、ハイブリッドにすることです。どこにでもデータをコピーすることはできないので、直接接続できる必要があります。また、どこにでもあるデータを操作する方法を見つけ、どこにでもデータを見つける必要があります。今。

エリック・カバナ：機械学習を会話に持ち帰らなかったなら、私は失望するだろうと思うので、ニック、私はあなたにそれを投げるだけです。皆さんは今、それに集中していることを知っています。ビジネスとデータを理解するために使用する分析とシステムの種類に合わせて機械学習を見る場所について話していただけますか？

Nick Jewell：ええ、もちろん。それでは、ごく簡単に、すぐにスキルのギャップに戻りましょう。 Excelのパワーユーザーで組織が完全にぎっしり詰まっているという考え。データサイエンティストがやって来ましたが、同じ速度で成長していません。 2つの間に大きなギャップがあります。機械学習が今日どこにあるかを考えてください。機械学習技術を組み込んだ電話または時計には、いくつのアルゴリズムがありますか？それは商品であり、どこにでもあります。これらのパワーユーザーを可能な限り簡単な方法で有効にして、ビジネス全体でマシンが正常に適用されるようにする必要があります。

エリック・カバナフ：最後の一点をあなたに投げます。ここで、後半にいくつか質問があります。ジェン、私はあなたにこれを尋ねます。出席者は、教師なし学習のこの概念全体についてコメントしています。実際、そのようなことを行うにはトレーニングデータが必要であり、通常、トレーニングデータは会社固有のものである必要があります。業界では多くの相関関係がありますが、組織が似ている方法はたくさんあります。それにもかかわらず、すべての企業は、それがそのビジネスモデルであろうと、マーケティングや販売へのアプローチであろうと、あるいは製品開発であろうとなかろうと、ユニークです。

問題は、これらのアルゴリズムがサードパーティのデータをトレーニングに使用できるようになるかどうかです。サイクルタイムが6か月（場合によってはそうだった）から40日間または20日間に短縮されたとしても、これらのアルゴリズムをトレーニングするには、常に独自のデータを使用する必要があるようです。場合があります。あなたは本当にあなた自身のデータを使用しなければなりません、そして、あなたはそのデータがかなりきれいであることを確認しなければなりませんよね？

Jen Underwood：それは本当にブレンドです。外部コンテキストが必要になります。実際、今日はバックツーバックで予約されており、次回のウェビナーでは、皮肉なことに機械学習のためのデータの準備とクレンジングについて話しています。本当に重要なのは、組織と外部コンテキストをまとめることです。正直、いくつかのツールは非常に優れているので、データの準備とクレンジングについて尋ねたことが大好きです。人間の心、または問題を解読して、それらが省略されていないことを確認し、確認できるようにすることができます。つまり、ある種の省略バイアスがあると言います。問題を見ている方法と、自動化する問題または自動化する決定を設計するために選択する方法には、それに対する技術があり、それがそのビジネスプロセスを正確に反映していることを確認します。

保険会社での私の例に戻ります。私たちが解約をモデル化していて、保険を販売するためにこのスポンサー付きトレーニングを誰に雇うか、モデル自体は法的風土ではなく、州ごとに異なる法律でした。常に何らかの側面があり、その外部データと内部データ、そして再び人間の心を持たなければなりません。そこにはさまざまなコンポーネントがあります。

エリック・カバナ：ここで本当に良い点を挙げたと思います。私たちは、ロボットと機械、そして機械学習の引き継ぎについて耳を傾けています。私にとってこれは非常に破壊的な傾向です。疑う余地はありませんが、特にデータの分析やエンタープライズデータの場合、ミックス内の人間の必要性がなくなることはありません。

ニック、最後の質問です。私にとって、アルゴリズムがどれほど優れていても、何が起こっているのかを監視し、指定された時間に自分自身を注入し、そこにあるものの全体像を実際に合成する人が常に必要になります。フォーチュン2000企業の全体像を合成できるアルゴリズムはこれまでにないと思いますが、どう思いますか？

Nick Jewell：それでは、Alteryx以外の完全な例を見てみましょう。昨年のUberについて話しましょう。 Uberは、オーストラリアでのテロ事件の際に、この地域から逃げようとする人々が、急騰した価格設定を急にかけました。その後すぐに、人間とアルゴリズムが連携して実装されました。これが起こりそうになったときはいつでも、人間はプロセスを監督しなければなりませんでした。人間とアルゴリズムのそのパートナーシップ、それが前進です。

エリック・カバナ：うわー、それは素晴らしい例です、どうもありがとう。皆さん、私たちのWebキャストでは1時間以上燃え尽きました。 Impact AnalyticsのJen Underwoodに感謝します。もちろん、時間と注意力についてNick JewellとAlteryxチームに、そして時間と注意力についてすべての人に感謝します。これらのすばらしい質問に感謝します。これらのWebキャストはすべて、後で見るためにアーカイブしています。お気軽にご友人や同僚と共有してください。それで、私たちはあなたに別れを告げるでしょう。今日のすばらしいウェブキャスト。どうもありがとうございました。次回はまたお会いしましょう。気を付けて。バイバイ。