編集者注：これは過去のWebキャストの1つである。 次のエピソードはすぐにアップします。登録するにはここをクリックしてください。
Eric Kavanagh：ご列席の皆様、こんにちは。TechWiseのエピソード2へようこそ。 はい、確かに、賢明な人々を獲得する時です！ 今日、私たちを支援するために、本当に賢い人たちがたくさんいます。 もちろん、私の名前はエリック・カバナです。 私はこの稲妻セッションのホストであり司会者になります。 ここにはたくさんのコンテンツがあります、皆さん。 私たちのビジネスには、私たちの分野のアナリストであり、4つの最も興味深いベンダーであるビッグネームがいます。 ですから、今日は電話で多くの良い行動をとるつもりです。 そしてもちろん、聴衆の中であなたは質問をする際に重要な役割を果たします。
繰り返しになりますが、今回のショーはTechWiseで、今日のトピックは「分析によってビジネスを改善する方法」です。 明らかに、それはあなたができるさまざまな種類の分析とそれがあなたの業務を改善する方法を理解しようとするホットなトピックです。それは結局のところそれがすべてであるからです。
だから、あなたは自分自身を一番上に見ることができます、それは本当にあなたのものです。 ジョージ・メイソン大学の親友、カーク・ボーン博士。 彼は、膨大な経験、この分野での非常に深い専門知識、データマイニング、ビッグデータなど、あらゆる種類の楽しいデータサイエンティストです。 そして、もちろん、私たちはここBloor GroupのチーフアナリストであるRobin Bloor博士を持っています。 何年も前に、アクチュアリーとして訓練した人。 そして、彼は過去5年間、このビッグデータ空間全体と分析空間に非常に熱心に集中してきました。 Bloor Group自体を立ち上げてからほぼ5年が経ちました。 あなたが楽しんでいるので、時間が飛んでいます。
また、PentahoのチーフアーキテクトであるWill Gormanからもお聞きします。 WebActionのCCOであるSteve Wilkes。 MarkLogicのテクニカルディレクター、フランクサンダース。 トレジャーデータのディレクター、ハンナスモールツリー。 私が言ったように、それは多くのコンテンツです。
では、分析はビジネスにどのように役立つのでしょうか？ さて、率直に言って、それはあなたのビジネスにどのように役立つのでしょうか？ 組織を改善するために分析を使用できるあらゆる種類の方法があります。
運用を合理化します。 これは、マーケティングや収益の増加、さらには機会の特定といったことについてはあまり聞いていないことです。 しかし、業務を合理化することは、たとえば、何かをアウトソースしたり、特定のプロセスにデータを追加したりできる場所を特定できるため、組織にとってできる本当に強力なことです。 そして、それは誰かに電話をかけて電話をかけたり、誰かにメールを送ったりすることを要求しないことで、それを合理化することができます。 操作を合理化できるさまざまな方法があります。 そして、これらすべてが本当にコスト削減に役立ちますよね？ それが鍵であり、コストを削減します。 しかし、それはあなたの顧客により良いサービスを提供することも可能にします。
そして、あなたがイライラする人々がどのようになっているのかを考えてみると、私たちがショーやサービスプロバイダーとオンラインで交流する方法の観点から、これを毎日見ています。 人々が持つ忍耐力、注意力の範囲は、日ごとに短くなります。 そしてそれが意味することは、組織として、顧客を満足させるために、より迅速に対応する必要があるということです。
したがって、たとえば、誰かがあなたのウェブキャストサイトにいるとき、または何かを見つけようとしてブラウジングしているとき、彼らがいらいらして去ると、顧客を失っただけかもしれません。 そして、あなたがあなたの製品またはサービスにいくら請求するかにもよりますが、それは大したことかもしれません。 要するに、合理化されたオペレーションは、分析を適用するための最もホットなスペースの1つであると思います。 そして、あなたは数字を見て、データを計算し、例えば、「ねえ、なぜ私たちのウェブサイトのこのページでこんなに多くの人を失っているのか？」 「なぜ今、これらの電話をいくつか受けているのですか？」
そして、そのようなものにリアルタイムで対応できれば、状況を把握し、手遅れになる前に何かをする可能性が高くなります。 誰かが何かに腹を立てる時間の窓があるので、彼らは不満を抱いているか、何かを見つけようとしているが、イライラしている。 あなたは彼らに手を差し伸べ、彼らをつかみ、その顧客とやり取りする機会の窓を得ました。 そして、適切なデータまたは適切な顧客の写真を使用して適切な方法でこれを行うと、この顧客が誰であるか、収益性が何であるか、好みが何であるかを理解します-それを実際に把握できれば、あなたの顧客をつかみ、新しい顧客を獲得する素晴らしい仕事です。 そして、それがすべてです。
それで、実際に、今日電話をかけているデータサイエンティストの1人であるKirk Borneに引き渡します。 そして最近では、彼らは非常にまれです。 少なくとも通話中に2人がいるので、大したことです。 それで、カーク、アナリティクスとそれがビジネスにどのように役立つかについてお話しします。 頑張れ。
カーク・ボーン博士：ええ、ありがとう、エリック。 私の声が聞こえますか？
エリック：それで結構です。
カーク博士：わかりました。 5分間話すだけで共有したいのですが、人々は私に手を振っています。 あなたがこのトピックに本当に結びついたという最初の発言、エリック、私はこれから数分で簡単に話をするつもりです。ビッグデータと分析のためのデータのためのこのサポートの使用です。 運用の合理化についてのコメントは、この運用分析の概念に分類されます。この概念では、科学アプリケーション、ビジネス、サイバーセキュリティ、法執行機関など、世界中のあらゆるアプリケーションで、政府、医療。 データのストリームがあり、そのデータストリームに見られるイベントやアラート、動作に反応して何らかの応答または決定を行う場所はいくつでもあります。
ですから、今日お話ししたいことの1つは、行動を起こす決定を実際に下すことができるポイントに到達するために、ビッグデータから知識と洞察をどのように抽出するのかということです。 そして、私たちは頻繁にこれについてオートメーションのコンテキストで話します。 そして今日、私は自動化をループ内の人間のアナリストとブレンドしたいと思います。 つまり、ここでは、ビジネスアナリストが、データから抽出した特定のアクションまたは機械学習ルールを賭け、資格を与え、検証するという点で重要な役割を果たしています。 しかし、抽出したビジネスルールとアラートを出すメカニズムが有効であると確信できるようになったら、これを自動化されたプロセスに変えることができます。 実際、エリックが話していた運用の合理化を行います。
ですから、ここで言葉を少し試してみましたが、うまくいくなら、D2Dチャレンジについてお話ししたいと思います。 そして、D2Dは、すべてのコンテキストでの意思決定のデータであるだけでなく、このスライドの最後の部分でこれを見て、分析パイプラインから発見し、収益を上げることを望んでいます。
ですから、この文脈で、私は実際にここでマーケティング担当者の役割を自分自身に持っています。 最初に行うことは、データの特性化、機能の抽出、顧客の特性、または空間で追跡しているエンティティの抽出です。 たぶん、それは健康分析環境の患者です。 ある種のサイバーセキュリティの問題を見ているのであれば、Webユーザーかもしれません。 ただし、特性を特徴付けて抽出し、その個人、そのエンティティに関するコンテキストを抽出します。 そして、作成したばかりのピースを集めて、ある種のコレクションに入れ、そこから機械学習アルゴリズムを適用できます。
このように言う理由は、空港で監視カメラを持っているからです。 ビデオ自体は膨大な大容量であり、非常に構造化されていません。 ただし、ビデオ監視、顔のバイオメトリクスから抽出し、監視カメラで個人を識別できます。 そのため、たとえば空港では、特定の個人を識別できます。複数の監視カメラで同じ個人を相互識別して、空港を介して特定の個人を追跡できます。 そのため、実際にマイニングおよび追跡している抽出された生体認証機能は、実際の詳細なビデオそのものではありません。 ただし、これらの抽出が完了したら、機械学習のルールと分析を適用して、特定のケースでアクションを実行する必要があるか、何かが間違って発生したのか、オファーする機会があるのかを決定できます。 たとえば、空港に店舗があり、その顧客があなたの方法で来ており、その顧客に関する他の情報から知っている場合、彼は免税店で物を買うことに本当に興味を持っているかもしれませんそのような何か、そのオファーをします。
それでは、特性評価と潜在化によってどのようなことを意味するのでしょうか？ 特性評価とは、データの特徴と特性を抽出することです。 そして、これは機械で生成することができ、そのアルゴリズムは、例えば、ビデオまたは感情分析から生体認証署名を実際に抽出できます。 オンラインレビューまたはソーシャルメディアを通じて顧客の感情を抽出できます。 これらのいくつかは人間が生成したものである可能性があるため、ビジネスアナリストである人間は、次のスライドで示す追加機能を抽出できます。
これらのいくつかはクラウドソーシングできます。 また、クラウドソーシングによって、それについて考えることができるさまざまな方法があります。 しかし、非常に簡単に言えば、たとえば、ユーザーがWebサイトにアクセスし、検索語、キーワードを入力すると、特定のページに到達し、そのページで実際に時間を費やします。 少なくとも、実際には、彼らはそのページの内容を表示、閲覧、クリックしていることを理解している。 あなたが言うことは、彼らが最初に入力したキーワードは、そのページの記述子であるということです。なぜなら、それは、彼らが予期していたページに顧客を引き付けたからです。 そのため、追加の情報を追加できます。つまり、このキーワードを使用する顧客は、情報アーキテクチャ内で、このキーワードがコンテンツに一致する場所としてこのWebページを実際に識別します。
クラウドソーシングは、時には忘れられるもう1つの側面です。つまり、顧客のブレッドクラムを追跡するようなものです。 オンラインの不動産であろうと不動産であろうと、彼らはどのように彼らの空間を移動するのか。 そして、顧客が私たちが見ているものについての追加情報として取得するそのようなパスを使用します。
したがって、人間が生成したもの、または機械が生成したものは、特定のデータグラニュルまたはエンティティに注釈を付けたりタグ付けしたりするようなコンテキストを持つことになりました。 それらのエンティティは、病院内の患者、顧客、その他何でも。 そのため、さまざまなタイプのタグ付けと注釈があります。 その一部はデータ自体に関するものです。 それは、情報の種類、情報の種類、特徴、形状、テクスチャとパターン、異常、異常でない動作などの1つです。 そして、いくつかのセマンティクスを抽出します。つまり、これが私が知っている他の事柄とどのように関係しているか、またはこの顧客はエレクトロニクスの顧客です。 この顧客は衣料品の顧客です。 または、この顧客は音楽を購入するのが好きです。
そのため、そのことに関するセマンティクスを特定すると、音楽を好むこれらの顧客はエンターテイメントを好む傾向があります。 他の娯楽施設を提供できるかもしれません。 つまり、セマンティクスといくつかの出所を理解することは、基本的に次のように言っています：これはどこから来たのか、誰がこのアサーションを提供したのか、何時、何日、どのような状況の下で？
したがって、これらのすべての注釈と特性化が完了したら、それに次のステップを追加します。次のステップは、コンテキスト、ソートの種類、対象、対象、時期、場所、理由です。 ユーザーは誰ですか？ 彼らが入ったチャンネルは何でしたか？ 情報源は何ですか？ この特定の情報やデータ製品では、どのような再利用が見られましたか？ そして、それはビジネスプロセスにおける価値とは何か？ そして、それらを収集して管理し、そのように考えたい場合は、実際にデータベースの作成を支援します。 他のビジネスアナリスト、またはこれらの機能セットを次回参照したときにシステムがこの自動アクションを実行できる自動化プロセスによって、検索可能、再利用可能にします。 そのため、この種の運用分析効率に到達しますが、有用で包括的な情報を収集し、これらのユースケースに合わせてキュレートします。
私たちは仕事に取りかかります。 データ分析を行います。 興味深いパターン、驚き、目新しいアウトライアー、異常を探します。 母集団の新しいクラスとセグメントを探します。 さまざまなエンティティ間の関連付けと相関関係およびリンクを探します。 そして、それらすべてを使用して、発見、意思決定、および金makingけプロセスを推進します。
繰り返しになりますが、ビジネスアナリストをループに入れたまま、基本的に要約している最後のデータスライドがあります。繰り返しますが、その人間を抽出するのではなく、その人間をそこに維持することがすべて重要です。
したがって、これらの機能はすべて、機械または人間のアナリスト、さらにはクラウドソーシングによって提供されます。 これらの組み合わせを適用して、モデルのトレーニングセットを改善し、より正確な予測モデル、誤検出と検出の減少、行動の効率化、顧客や誰とのより効率的な介入を実現します。
ですから、結局のところ、機械学習とビッグデータを人間の認知の力と組み合わせているだけです。そこで、その種のタグ付け注釈が登場します。そして、それは視覚化と視覚分析タイプを導きますツールまたは没入型データ環境またはクラウドソーシング。 そして、結局のところ、これが実際に行っていることは、発見、洞察、D2Dを生成することです。 そして、それらは私のコメントですので、聞いてくれてありがとう。
エリック：いいですね、キーをRobin Bloor博士に渡して彼の視点も教えてください。 うん、運用コンセプトの合理化についてのコメントを聞き、運用分析について話しているのを聞きたいです。 それは非常に徹底的に探求する必要がある大きな領域だと思います。 そして、ロビンの前に本当に早く、私はあなたを連れ戻します、カーク。 社内のさまざまなプレーヤー間でかなり重要なコラボレーションを行う必要がありますか？ 運用担当者と話す必要があります。 技術者を獲得する必要があります。 マーケティング担当者やWebインターフェース担当者を獲得することもあります。 これらは通常、異なるグループです。 誰もがゲームにスキンを配置する方法について、ベストプラクティスや提案はありますか？
カーク博士：さて、これはコラボレーションのビジネス文化に伴うものだと思います。 実際、分析文化のような3つのCについて話しています。 1つは創造性です。 もう1つは好奇心で、3つ目はコラボレーションです。 ですから、あなたは創造的で真面目な人たちが欲しいだけでなく、これらの人たちと協力してもらう必要があります。 そして、それは本当にトップから始まります。その種の文化を、ビジネスの共通の目標に向かって率直に共有し、協力すべき人々と構築することです。
エリック：それはすべて理にかなっています。 そして、それを実現するためには、トップで優れたリーダーシップを発揮する必要があります。 それでは、Bloor博士に引き渡しましょう。 ロビン、床はあなたのものです。
ロビン・ブロア博士：わかりました。 その紹介をありがとう、エリック。 アナリストが2人いるからです。 他の人には見られないアナリストのプレゼンテーションを見ることができます。 カークが何を言おうとしているのか知っていたので、オーバーラップしないように完全に異なる角度に移動しました。
したがって、ここで実際に話している、または話したいのは、データアナリストの役割とビジネスアナリストの役割です。 そして、私がそれを特徴づけている方法は、まあ、ある程度は冗談ですが、ジキルとハイドのようなものです。 少なくとも理論的には、特にデータサイエンティストの違いは、彼らが何をしているかを知っていることです。 ビジネスアナリストはそうではありませんが、数学の仕組み、信頼できるものと信頼できないものは大丈夫です。
それでは、実際に非常に大量のデータを分析し、組織の外部からデータを取り込むことができるという事実とは別に、これを行っている理由、つまりデータ分析が突然大事になった理由に取り掛かりましょう。 支払いますか。 私がこれを見る方法-そして、これは単なるケースになっていると思うが、私は間違いなくケースだと思う-データ分析は本当にビジネスR&Dです。 データ分析で何らかの形で実際にやっているのは、ある種のビジネスプロセスを見ているのか、それが顧客とのやり取りなのか、小売業のやり方なのか、展開するのかあなたの店。 問題が何であるかは問題ではありません。 特定のビジネスプロセスを検討しており、それを改善しようとしています。
成功した研究開発の結果は変化のプロセスです。 そして、もし望むなら、これの通常の例として、製造を考えることができます。 製造業では、製造プロセスを改善しようとするすべての情報を収集するからです。 しかし、ビッグデータで何が起こったのか、何が起こっているのかは、これがすべて、あらゆる種類のあらゆるビジネスに、誰でも考えられる方法で適用されていると思います。 そのため、ビジネスプロセスに関するデータを収集できれば、ほとんどすべてのビジネスプロセスを調査することができます。
それが一つのことです。 必要に応じて、データ分析の問題を解決します。 データ分析はビジネスのために何ができますか？ まあ、それはビジネスを完全に変えることができます。
この特定の図は、これ以上詳しく説明しませんが、今年の最初の6か月間で行った研究プロジェクトの集大成として思いついた図です。 これは、ビッグデータアーキテクチャを表す方法です。 そして、次のスライドに進む前に指摘する価値のある多くのこと。 ここには2つのデータフローがあります。 1つはリアルタイムのデータストリームで、図の上部に沿っています。 もう1つは、図の下部に沿った低速のデータストリームです。
図の下部を見てください。 Hadoopをデータリザーバとして持っています。 さまざまなデータベースがあります。 そこには、大量のアクティビティが発生したデータ全体があり、そのほとんどは分析アクティビティです。
ここで私が指摘していること、そして私が本当にここで強調したいのは、技術が難しいということです。 簡単ではありません。 簡単ではない。 ゲームに慣れていない人が実際に組み立てることができるものではありません。 これはかなり複雑です。 そして、これらすべてのプロセスにわたって信頼できる分析を行うためにビジネスを装備しようとする場合、それは特に迅速に起こるものではありません。 ミックスに多くのテクノロジーを追加する必要があります。
はい。 データサイエンティストとは何かという質問ですが、私はデータサイエンティストであると主張することができます。コンピューティングのトレーニングを受ける前に、実際に統計のトレーニングを受けていたからです。 そして、私はしばらくの間保険数理の仕事をしていましたので、私はビジネスが自分自身を実行するために統計分析を組織する方法を知っています。 これは簡単なことではありません。 そして、人間側と技術側の両方で、非常に多くのベストプラクティスがあります。
「データサイエンティストとは何か」という質問をする際に、フランケンシュタインの写真は単純に編まなければならないものの組み合わせだからといって説明しました。 関連するプロジェクト管理があります。 統計には深い理解があります。 ドメインビジネスの専門知識がありますが、これはデータサイエンティストよりもビジネスアナリストの問題です。 データアーキテクチャを理解し、データアーキテクトを構築できる経験または必要性があり、ソフトウェアエンジニアリングが関与しています。 言い換えれば、それはおそらくチームです。 おそらく個人ではありません。 そして、それはおそらく組織化が必要な部門であり、その組織はかなり広範囲に考えられる必要があることを意味します。
機械学習の事実をミックスに投入します。 機械学習は、機械学習で使用される統計的手法のほとんどが数十年にわたって知られているという意味で、新しいものではありません。 いくつか新しいことがあります。つまり、ニューラルネットワークは比較的新しく、20年ほど前のものだと思うので、比較的新しいものもあります。 しかし、機械学習の問題は、実際にそれを実行するコンピューターの能力が実際にはなかったことです。 そして、何が起こったのか、他のことは別として、コンピューターの電源が整ったということです。 そして、それは、データサイエンティストがデータのより深い分析を行うために、状況をモデル化し、データをサンプリングし、それをマーシャリングするという点で、データサイエンティストが以前に行ったことの非常に多くを意味します。 実際、場合によってはコンピューターの能力を発揮することができます。 機械学習アルゴリズムを選択し、それをデータに投げて、結果を確認するだけです。 そして、それはビジネスアナリストができることですよね？ しかし、ビジネスアナリストは彼らが何をしているかを理解する必要があります。 私はそれが本当に問題だと思う、何よりも。
さて、これは他の手段よりもそのデータからビジネスについてより多くを知ることです。 アインシュタインはそれを言わなかった、私は言った。 私は彼の写真を信頼性のために掲載しました。 しかし、状況が実際に発展し始めているのは、テクノロジーが適切に使用されていれば、そして数学が適切に使用されていれば、あらゆる個人としてビジネスを運営できるようになるということです。 これをIBMで見ました。 まず第一に、それはチェスで最高の男を倒すことができ、それからジョパーディで最高の男を倒すことができました。 しかし、最終的には会社を経営する上で最高の人を倒すことができるようになります。 統計が最終的に勝利します。 そして、それがどのように起こらないかを見るのは難しいです、まだ起こっていません。
だから私が言っているのは、これが私のプレゼンテーションの一種の完全なメッセージであり、ビジネスのこれら2つの問題です。 1つ目は、テクノロジーを正しく使用できるかどうかです。 実際にそれを管理し、ビジネスに利益をもたらすことができるチームのために、テクノロジーを機能させることができますか？ そして次に、人々を正しくすることができますか？ そして、これらは両方とも問題です。 そして、これらの問題は、現時点では解決されていないということです。
さて、エリック、それをあなたに返します。 または、おそらくウィルに渡す必要があります。
エリック：実はそうです。 ウィル・ゴーマン、ありがとう。 うん、そこに行きます、ウィル。 見てみましょう。 WebExの鍵を教えてください。 それで、あなたは何が起こったのですか？ Pentaho、明らかに、あなたたちはしばらくの間、あなたが始めたオープンソースBIのようなものです。 しかし、あなたは以前よりもはるかに多くを得たので、分析のために最近得たものを見てみましょう。
ウィル・ゴーマン：もちろんです。 みなさん、こんにちは！ 私の名前はウィル・ゴーマンです。 私はペンタホのチーフアーキテクトです。 私たちのことを聞いたことがない人のために、私はPentahoがビッグデータ統合および分析会社であることを言及しました。 私たちは10年間ビジネスに携わってきました。 当社の製品はビッグデータコミュニティと並んで進化しており、データ統合と分析のためのオープンソースプラットフォームとして始まり、HadoopやNoSQLなどのテクノロジーで商業エンティティが形成される前から革新しています。 そして今、私たちはオープンソースに関する革新の結果として、1500社以上の商業顧客と、より多くの生産の予約をしています。
私たちのアーキテクチャは、特にビッグデータテクノロジーが非常に急速に進化しているため、柔軟性と拡張性に優れた専用のアーキテクチャです。 Pentahoが提供する3つの主要な製品分野は、連携してビッグデータ分析のユースケースに対処することです。
アーキテクチャの範囲で最初の製品は、データ技術者およびデータエンジニア向けのPentaho Data Integrationです。 この製品は、ビッグデータ環境および従来の環境内でデータを調整するためのデータパイプラインおよびプロセスを定義するための視覚的なドラッグアンドドロップエクスペリエンスを提供します。 この製品は、Java上に構築された軽量のメタデータベースのデータ統合プラットフォームであり、MapReduceまたはYARNまたはStormおよび他の多くのバッチおよびリアルタイムプラットフォーム内のプロセスとしてデプロイできます。
2番目の製品領域は、視覚分析に関するものです。 このテクノロジーにより、組織とOEMは、最新のブラウザーとタブレットを使用して、ビジネスアナリストとビジネスユーザーにドラッグアンドドロップの豊富な視覚化と分析のエクスペリエンスを提供し、レポートとダッシュボードをアドホックに作成できます。 ピクセル単位の完璧なダッシュボードとレポートの提示。
3番目の製品領域は、データサイエンティストを対象とした予測分析、機械学習アルゴリズムに焦点を当てています。 前述のように、ニューラルネットワークなどはデータ変換環境に組み込むことができ、データサイエンティストはモデリングから実稼働環境に移行でき、予測へのアクセスが可能になり、ビジネスプロセスにすぐに、非常に迅速に影響を与える可能性があります。
これらの製品はすべて、単一のアジャイルエクスペリエンスに緊密に統合されており、企業顧客がビジネス上の問題に対処するために必要な柔軟性を提供します。 従来のテクノロジーでは、急速に進化するビッグデータのランドスケープが見られます。 ビッグデータ分野のいくつかの企業から、EDWがもうすぐ終了すると聞いています。 実際、企業顧客に見られるのは、ビッグデータを既存のビジネスおよびITプロセスに導入する必要があり、それらのプロセスを置き換える必要がないということです。
この単純な図は、よく見られるアーキテクチャのポイントを示しています。これは、データ統合とBIのユースケースを備えたEDW展開アーキテクチャの一種です。 現在、この図はビッグデータアーキテクチャに関するRobinのスライドに似ており、リアルタイムデータと履歴データが組み込まれています。 新しいデータソースとリアルタイムの要件が出現するにつれて、ビッグデータはITアーキテクチャ全体の追加部分と見なされます。 これらの新しいデータソースには、機械生成データ、非構造化データ、標準のボリュームと速度、およびビッグデータで耳にするさまざまな要件が含まれます。 従来のEDWプロセスには適合しません。 PentahoはHadoopおよびNoSQLと緊密に連携して、このデータの取り込み、データ処理、視覚化を簡素化し、このデータを従来のソースとブレンドして、顧客がデータ環境を完全に把握できるようにします。 ITが完全に分析ソリューションを事業ラインに提供できるように、管理された方法でこれを行います。
最後に、ビッグデータの分析と統合に関する当社の哲学を強調したいと思います。 これらの技術は単一の統合されたアーキテクチャと連携して動作する方が優れていると考えており、そうでなければ多くのユースケースが可能になります。 お客様のデータ環境は、ビッグデータ、Hadoop、NoSQLだけではありません。 データはすべて公平なものです。 そして、ビッグデータソースが利用可能であり、連携してビジネス価値に影響を与える必要があります。
最後に、データを通じて企業のこれらのビジネス上の問題を非常に効果的に解決するために、ITと事業部門は、ビッグデータ分析に対する統制された混合アプローチで協力する必要があると考えています。 話をする時間をくれてありがとう、エリック。
エリック：きっと。 いいえ、それは良いことです。 Q&Aに進むと、アーキテクチャのその側面に戻りたいと思います。 それでは、プレゼンテーションの残りの部分を見ていきましょう。ありがとうございました。 君たちはここ数年、間違いなく素早く動いている。確かにそれを言わなければならない。
それでは、スティーブ、先に進んであなたに手渡してください。 そして、下矢印をクリックしてそこに進みます。 スティーブ、私はあなたに鍵を与えています。 スティーブウィルクス、キーボードの一番下の矢印をクリックしてください。
スティーブ・ウィルクス：さあ行きます。
エリック：どうぞ。
スティーブ：それはあなたが私に与えた素晴らしいイントロです。
エリック：うん。
スティーブ：スティーブウィルクスです。 私はWebActionのCCOです。 私たちはここ数年だけであり、それ以来、間違いなく速く動いています。 WebActionは、リアルタイムのビッグデータ分析プラットフォームです。 エリックは先ほど、リアルタイムがどれほど重要であり、アプリケーションがどれほどリアルタイムになっているのかについて述べました。 当社のプラットフォームは、リアルタイムアプリを構築するように設計されています。 また、インクリメンタルに構築できる次世代のデータ駆動型アプリを有効にし、ユーザーがそれらのアプリから生成されたデータからダッシュボードを構築できるようにしますが、リアルタイムに焦点を合わせます。
私たちのプラットフォームは、実際には完全なエンドツーエンドのプラットフォームであり、データの取得、データ処理、データの視覚化に至るまですべてを行っています。 また、企業内の複数の異なるタイプの人々が協力して真のリアルタイムアプリを作成し、企業内で起きていることを把握できるようにします。
これは、ほとんどの人がビッグデータで見ているものとは少し異なります。そのため、ビッグデータを使用した従来のアプローチは、多くの異なるソースからキャプチャすることでした。それを大きな貯水池や湖、あるいはあなたがそれを呼びたいものに積み上げます。 そして、クエリを実行する必要があるときに処理します。 大規模な履歴分析を実行したり、大量のデータのアドホッククエリを実行することもできます。 これは特定のユースケースで機能します。 しかし、あなたが企業で積極的になりたい場合、何かが一日の終わりまたは週末の終わりに向かってうまくいかなかったときを見つけるのではなく、実際に何が起こっているのかを伝えたい場合、あなたは本当に移動する必要がありますリアルタイムに。
そして、それは少し物事を切り替えます。 処理を中央に移動します。 そのため、企業内で継続的に生成されている大量のデータのストリームを効率的に取得し、取得したデータを処理しています。 また、取得したとおりに処理しているため、すべてを保存する必要はありません。 重要な情報や、実際に発生したことを覚えておく必要があるものだけを保存できます。 そのため、道路を移動する車両のGPS位置を追跡している場合、1秒ごとに位置を気にする必要はなく、1秒ごとに位置を保存する必要はありません。 気をつける必要があるだけです、彼らはこの場所を離れましたか？ 彼らはこの場所に到着しましたか？ 彼らは高速道路を運転したかどうか？
したがって、より多くのデータが生成されると、3つのVを考慮することは非常に重要です。 Velocityは基本的に、毎日生成されるデータ量を決定します。 生成されるデータが多いほど、保存する必要があります。 また、保存する必要があるほど、処理に時間がかかります。 しかし、取得したとおりに処理できれば、非常に大きなメリットが得られ、それに対応できます。 物事は後で検索するのではなく、起こっていると言うことができます。
したがって、当社のプラットフォームは非常にスケーラブルに設計されています。 プラットフォームには、取得部分、処理部分、配信視覚化部分の3つの主要部分があります。 取得側では、生成されている他のすべてのログを保持するWebログやアプリケーションなど、マシンで生成されたログデータだけを見ているわけではありません。 We can also go in and do change data capture from databases. So that basically enables us to, we've seen the ETL side that Will presented and traditional ETL you have to run queries against the databases. We can be told when things happen in the database. We change it and we capture it and receive those events. And then there's obviously the social feeds and live device data that's being pumped to you over TCP or ACDP sockets.
There's tons of different ways of getting data. And talking of volume and velocity, we're seeing volumes that are billions of events per day, right? So it's large, large amounts of data that is coming in and needs to be processed.
That is processed by a cluster of our servers. The servers all have the same architecture and are all capable of doing the same things. But you can configure them to, sort of, do different things. And within the servers we have a high-speed query processing layer that enables you to do some real-time analytics on the data, to do enrichments of the data, to do event correlation, to track things happening within time windows, to do predictive analytics based on patterns that are being seen in the data. And that data can then be stored in a variety places - the traditional RDBMS, enterprise data warehouse, Hadoop, big data infrastructure.
And the same live data can also be used to power real-time data-driven apps. Those apps can have a real-time view of what's going on and people can also be alerted when important things happen. So rather than having to go in at the end of the day and find out that something bad really happened earlier on the day, you could be alerted about it the second we spot it and it goes straight to the page draw down to find out what's going on.
So it changes the paradigm completely from having to analyze data after the fact to being told when interesting things are happening. And our platform can then be used to build data-driven applications. And this is really where we're focusing, is building out these applications. For customers, with customers, with a variety of different partners to show true value in real-time data analysis. So that allows people that, or companies that do site applications, for example, to be able track customer usage over time and ensure that the quality of service is being met, to spot real-time fraud or money laundering, to spot multiple logins or hack attempts and those kind of security events, to manage things like set-top boxes or other devices, ATM machines to monitor them in real time for faults, failures that have happened, could happen, will happen in the future based on predictive analysis. And that goes back to the point of streamlining operations that Eric mentioned earlier, to be able to spot when something's going to happen and organize your business to fix those things rather than having to call someone out to actually do something after the fact, which is a lot more expensive.
Consumer analytics is another piece to be able to know when a customer is doing something while they're still there in your store. Data sent to management to be able to in real time monitor resource usage and change where things are running and to be able to know about when things are going to fail in a much more timely fashion.
So that's our products in a nutshell and I'm sure we'll come back to some of these things in the Q&A session. ありがとうございました。
Eric: Yes, indeed. Great job. Okay good. And now next stop in our lightning round, we've got Frank Sanders calling in from MarkLogic. I've known about these guys for a number of years, a very, very interesting database technology. So Frank, I'm turning it over to you. Just click anywhere in that. Use the down arrow on your keyboard and you're off to the races. 行くぞ
Frank Sanders: Thank you very much, Eric. So as Eric mentioned, I'm with a company called MarkLogic. And what MarkLogic does is we provide an enterprise NoSQL database. And perhaps, the most important capability that we bring to the table with regards to that is the ability to actually bring all of these disparate sources of information together in order to analyze, search and utilize that information in a system similar to what you're used to with traditional relational systems, right?
And some of the key features that we bring to the table in that regard are all of the enterprise features that you'd expect from a traditional database management system, your security, your HA, your DR, your backup are in store, your asset transactions. As well as the design that allows you to scale out either on the cloud or in the commodity hardware so that you can handle the volume and the velocity of the information that you're going to have to handle in order to build and analyze this sort of information.
And perhaps, the most important capability is that fact that we're scheme agnostic. What that means, practically, is that you don't have to decide what your data is going to look like when you start building your applications or when you start pulling those informations together. But over time, you can incorporate new data sources, pull additional information in and then use leverage and query and analyze that information just as you would with anything that was there from the time that you started the design. Okay?
So how do we do that? How do we actually enable you to load different sorts of information, whether it be text, RDF triples, geospatial data, temporal data, structured data and values, or binaries. And the answer is that we've actually built our server from the ground up to incorporate search technology which allows you to put information in and that information self describes and it allows you to query, retrieve and search that information regardless of its source or format.
And what that means practically is that - and why this is important when you're doing analysis - is that analytics and information is most important ones when it's properly contextualized and targeted, right? So a very important key part of any sort of analytics is search, and the key part is search analytics. You can't really have one without the other and successfully achieve what you set out to achieve. Right?
And I'm going to talk briefly about three and a half different use cases of customers that we have at production that are using MarkLogic to power this sort of analytics. はい。 So the first such customer is Fairfax County. And Fairfax County has actually built two separate applications. One is based around permitting and property management. And the other, which is probably a bit more interesting, is the Fairfax County police events application. What the police events application actually does is it pulls information together like police reports, citizen reports and complaints, Tweets, other information they have such as sex offenders and whatever other information that they have access to from other agencies and sources. Then they allow them to visualize that and present this to the citizens so they can do searches and look at various crime activity, police activity, all through one unified geospatial index, right? So you can ask questions like, "what is the crime rate within five miles" or "what crimes occurred within five miles of my location?" はい。
Another user that we've got, another customer that we have is OECD. Why OECD is important to this conversation is because in addition to everything that we've enabled for Fairfax County in terms of pulling together information, right; all the information that you would get from all various countries that are members of the OECD that they report on from an economic perspective. We actually laid a target drill into that, right. So you can see on the left-hand side we're taking the view of Denmark specifically and you can kind of see a flower petal above it that rates it on different axes. Right? And that's all well and good. But what the OECD has done is they've gone a step further.
In addition to these beautiful visualizations and pulling all these information together, they're actually allowing you in real time to create your own better life index, right, which you can see on the right-hand side. So what you have there is you have a set of sliders that actually allow you to do things like rank how important housing is to you or income, jobs, community, education, environment, civic engagement, health, life satisfaction, safety and your work/life balance. And dynamically based on how you are actually inputting that information and weighting those things, MarkLogic's using its real-time indexing capability and query capability to actually then change how each and every one of these countries is ranked to give you an idea of how well your country or your lifestyle maps through a given country. Okay?
And the final example that I'm going to share is MarkMail. And what MarkMail really tries to demonstrate is that we can provide these capabilities and you can do the sort of analysis not only on structured information or information that's coming in that's numerical but actually on more loosely structured, unstructured information, right? Things like emails. And what we've seen here is we're actually pulling information like geolocation, sender, company, stacks and concepts like Hadoop being mentioned within the context of an email and then visualizing it on the map as well as looking at who those individuals and what list across that, a sent and a date. This where you're looking at things that are traditionally not structured, that may be loosely structured, but are still able to derive some structured analysis from that information without having to go to a great length to actually try and structure it or process it at a time. And that's it.
Eric: Hey, okay good. And we got one more. We've got Hannah Smalltree from Treasure Data, a very interesting company. And this is a lot of great content, folks. Thank you so much for all of you for bringing such good slides and such good detail. So Hannah, I just gave the keys to you, click anywhere and use the down arrow on your keyboard. You got it. 奪って
Hannah Smalltree: Thank you so much, Eric. This is Hannah Smalltree from Treasure Data. I'm a director with Treasure Data but I have a past as a tech journalist, which means that I appreciate two things. First of all, these can be long to sit through a lot of different descriptions of technology, and it can all sound like it runs together so I really want to focus on our differentiator. And the real-world applications are really important so I appreciate that all of my peers have been great about providing those.
Treasure Data is a new kind of big data service. We're delivered entirely on the cloud in a software as a service or managed-service model. So to Dr. Bloor's point earlier, this technology can be really hard and it can be very time consuming to get up and running. With Treasure Data, you can get all of these kinds of capabilities that you might get in a Hadoop environment or a complicated on-premise environment in the cloud very quickly, which is really helpful for these new big data initiatives.
Now we talk about our service in a few different phases. We offer some very unique collection capabilities for collecting streaming data so particularly event data, other kinds of real-time data. We'll talk a little bit more about those data types. That is a big differentiator for our service. As you get into big data or if you are already in it then you know that collecting this data is not trivial. When you think about a car with 100 sensors sending data every minute, even those 100 sensors sending data every ten minutes, that adds up really quickly as you start to multiply the amount of products that you have out there with sensors and it quickly becomes very difficult to manage. So we are talking with customers who have millions, we have customers who have billions of rows of data a day that they're sending us. And they're doing that as an alternative to try and to manage that themselves in a complicated Amazon infrastructure or even try to bring it into their own environment.
We have our own cloud storage environment. We manage it. We monitor it. We have a team of people that's doing all that tuning for you. And so the data flows in, it goes into our managed storage environment.
Then we have embedded query engines so that your analyst can go in and run queries and do some initial data discovery and exploration against the data. We have a couple of different query engines for it actually now. You can use SQL syntax, which your analysts probably know and love, to do some basic data discovery, to do some more complex analytics that are user-defined functions or even to do things as simple as aggregate that data and make it smaller so that you can bring it into your existing data warehouse environment.
You can also connect your existing BI tools, your Tableau, is a big partner of ours; but really most BIs, visualization or analytics tools can connect via our industry standard JDBC and ODBC drivers. So it gives you this complete set of big data capabilities. You're allowed to export your queries results or data sets anytime for free, so you can easily integrate that data. Treat this as a data refinery. I like to think of it more as a refinery than a lake because you can actually do stuff with it. You can go through, find the valuable information and then bring it into your enterprise processes.
The next slide, we talk about the three Vs of big data - some people say four or five. Our customers tend to struggle with the volume and velocity of the data coming at them. And so to get specific about the data types - Clickstream, Web access logs, mobile data is a big area for us, mobile application logs, application logs from custom Web apps or other applications, event logs. And increasingly, we have a lot of customers dealing with sensor data, so from wearable devices, from products, from automotive, and other types of machine data. So when I say big data, that's the type of big data that I'm talking about.
Now, a few use cases in perspective for you - we work with a retailer, a large retailer. They are very well known in Asia. They're expanding here in the US. You'll start to see stores; they're often called Asian IKEA, so, simple design. They have a loyalty app and a website. And in fact, using Treasure Data, they were able to deploy that loyalty app very quickly. Our customers get up and running within days or weeks because of our software and our service architecture and because we have all of the people doing all of that hard work behind the scenes to give you all of those capabilities as a service.
So they use our service for mobile application analytics looking at the behavior, what people are clicking on in their mobile loyalty application. They look at the website clicks and they combine that with our e-commerce and POS data to design more efficient promotions. They actually wanted to drive people into stores because they found that people, when they go into stores spend more money and I'm like that; to pick up things, you spend more money.
Another use case that we're seeing in digital video games, incredible agility. They want to see exactly what is happening in their game, and make changes to that game even within hours of its release. So for them, that real-time view is incredibly important. We just released a game but we noticed in the first hour that everyone is dropping off at Level 2; how are we going to change that? They might change that within the same day. So real time is very important. They're sending us billions of event logs per day. But that could be any kind of mobile application where you want some kind of real-time view into how somebody's using that.
And finally, a big area for us is our product behavior and sensor analytics. So with sensor data that's in cars, that's in other kinds of machines, utilities, that's another area for us, in wearable devices. We have research and development teams that want to quickly know what the impact of a change to a product is or people interested in the behavior of how people are interacting with the product. And we have a lot more use cases which, of course, we're happy to share with you.
And then finally, just show you how this can fit into your environment, we offer again the capability to collect that data. We have very unique collection technology. So again, if real-time collection is something that you're struggling with or you anticipate struggling with, please come look at the Treasure Data service. We have really made capabilities for collecting streaming data. You can also bulk load your data, store it, analyze it with our embedded query engines and then, as I mentioned, you can export it right to your data warehouse. I think Will mentioned the need to introduce big data into your existing processes. So not go around or create a new silo, but how do you make that data smaller and then move it into your data warehouse and you can connect to your BI, visualization and advanced analytics tools.
But perhaps, the key points I want to leave you with are that we are managed service, that's software as a service; it's very cost effective. A monthly subscription service starting at a few thousand dollars a month and we'll get you up and running in a matter of days or weeks. So compare that with the cost of months and months of building your own infrastructure and hiring those people and finding it and spending all that time on infrastructure. If you're experimenting or if you need something yesterday, you can get up and running really quickly with Treasure Data.
And I'm just pointing you to our website and to our starter service. If you're a hands-on person who likes to play, please check out our starter service. You can get on, no credit card required, just name and email, and you can play with our sample data, load up your own data and really get a sense of what we're talking about. So thanks so much. Also, check our website. We were named the Gartner Cool Vendor in Big Data this year, very proud of that. And you can also get a copy of that report for free on our website as well as many other analyst white papers. So thanks so much.
Eric: Okay, thank you very much. We've got some time for questions here, folks. We'll go a little bit long too because we've got a bunch of folks still on the line here. And I know I've got some questions myself, so let me go ahead and take back control and then I'm going to ask a couple of questions. Robin and Kirk, feel free to dive in as you see fit.
So let me go ahead and jump right to one of these first slides that I checked out from Pentaho. So here, I love this evolving big data architecture, can you kind of talk about how it is that this kind of fits together at a company? Because obviously, you go into some fairly large organization, even a mid-size company, and you're going to have some people who already have some of this stuff; how do you piece this all together? Like what does the application look like that helps you stitch all this stuff together and then what does the interface look like?
Will: Great question. The interfaces are a variety depending on the personas involved. But as an example, we like to tell the story of - one of the panelists mentioned the data refinery use case - we see that a lot in customers.
One of our customer examples that we talk about is Paytronix, where they have that traditional EDW data mart environment. They are also introducing Hadoop, Cloudera in particular, and with various user experiences in that. So first there's an engineering experience, so how do you wire all these things up together? How do you create the glue between the Hadoop environment and EDW?
And then you have the business user experience which we talked about, a number of BI tools out there, right? Pentaho has a more embeddable OEM BI tool but there are great ones out there like Tableau and Excel, for instance, where folks want to explore the data. But usually, we want to make sure that the data is governed, right? One of the questions in the discussions, what about single-version experience, how do you manage that, and without the technology like Pentaho data integration to blend that data together not on the glass but in the IT environments. So it really protects and governs the data and allows for a single experience for the business analyst and business users.
Eric: Okay, good. That's a good answer to a difficult question, quite frankly. And let me just ask the question to each of the presenters and then maybe Robin and Kirk if you guys want to jump in too. So I'd like to go ahead and push this slide for WebAction which I do think is really a very interesting company. Actually, I know Sami Akbay who is one of the co-founders, as well. I remember talking to him a couple years ago and saying, "Hey man, what are you doing? What are you up to? I know you've got to be working on something." And of course, he was. He was working on WebAction, under the covers here.
A question came in for you, Steve, so I'll throw it over to you, of data cleansing, right? Can you talk about these components of this real-time capability? How do you deal with issues like data cleansing or data quality or how does that even work?
Steve: So it really depends on where you're getting your feeds from. Typically, if you're getting your feeds from a database as you change data capture then, again, it depends there on how the data was entered. Data cleansing really becomes a problem when you're getting your data from multiple sources or people are entering it manually or you kind of have arbitrary texts that you have to try and pull things out of. And that could certainly be part of the process, although that type simply doesn't lend itself to true, kind of, high-speed real-time processing. Data cleansing, typically, is an expensive process.
So it may well be that that could be done after the fact in the store site. But the other thing that the platform is really, really good at is correlation, so in correlation and enrichment of data. You can, in real time, correlate the incoming data and check to see whether it matches a certain pattern or it matches data that's being retrieved from a database or Hadoop or some other store. So you can correlate it with historical data, is one thing you could do.
The other thing that you can do is basically do analysis on that data and see whether it kind of matches certain required patterns. And that's something that you can also do in real time. But the traditional kind of data cleansing, where you're correcting company names or you're correcting addresses and all those types of things, those should probably be done in the source or kind of after the fact, which is very expensive and you pray that they won't do those in real time.
Eric: Yeah. And you guys are really trying to address the, of course, the real-time nature of things but also get the people in time. And we talked about, right, I mentioned at the top of the hour, this whole window of opportunity and you're really targeting specific applications at companies where you can pull together data not going the usual route, going this alternate route and do so in such a low latency that you can keep customers. For example, you can keep people satisfied and it's interesting, when I talked to Sami at length about what you guys are doing, he made a really good point. He said, if you look at a lot of the new Web-based applications; let's look at things like Twitter, Bitly or some of these other apps; they're very different than the old applications that we looked at from, say, Microsoft like Microsoft Word.
I often use Microsoft as sort of a whipping boy and specifically Word to talk about the evolution of software. Because Microsoft Word started out as, of course, a word processing program. I'm one of those people who remember Word Perfect. I loved being able to do the reveal keys or the reveal code, basically, which is where you could see the actual code in there. You could clean something up if your bulleted list was wrong, you can clean it up. Well, Word doesn't let you do that. And I can tell you that Word embeds a mountain of code inside every page that you do. If anyone doesn't believe me, then go to Microsoft Word, type "Hello World" and then do "Export as" or "Save as" .html. Then open that document in a text editor and that will be about four pages long of codes just for two words.
So you guys, I thought it was very interesting and it's time we talked about that. And that's where you guys focus on, right, is identifying what you might call cross-platform or cross-enterprise or cross-domain opportunities to pull data together in such quick time that you can change the game, right?
Steve: Yeah, absolutely. And one of the keys that, I think, you did elude to, anyway, is you really want to know about things happening before your customers do or before they really, really become a problem. As an example are the set-top boxes. Cable boxes, they emit telemetry all the time, loads and loads of telemetry. And not just kind of the health of the box but it's what you're watching and all that kind of stuff, right? The typical pattern is you wait till the box fails and then you call your cable provider and they'll say, "Well, we will get to you sometime between the hours of 6am and 11pm in the entire month of November." That isn't a really good customer experience.
But if they could analyze that telemetry in real time then they could start to do things like that we know these boxes are likely to fail in the next week based historical patterns. Therefore we'll schedule our cable repair guy to turn up at this person's house prior to it failing. And we'll do that in a way that suits us rather than having to send him from Santa Cruz up to Sunnyvale. We'll schedule everything in a nice order, traveling salesman pattern, etc., so that we can optimize our business. And so the customer is happy because they don't have a failing cable box. And the cable provider is happy because they have just streamlined things and they don't have to send people all over the place. That's just a very quick example. But there are tons and tons of examples where knowing about things as they happen, before they happen, can save companies a fortune and really, really improve their customer relations.
Eric: Yeah, right. No doubt about it. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.
So a lot of people who followed the space know that a lot of the NoSQL tools out there are now bolting on search capabilities whether through third parties or they try to do their own. But to have that search already embedded in that, baked-in so to speak, really is a big deal. Because if you think about it, if you don't have SQL, well then how do you go in and search the data? How do you pull from that data resource? And the answer is to typically use search to get to the data that you're looking for, right?
So I think that's one of the key differentiators for you guys aside being able to pull data from all these different sources and store that data and really facilitate this sort of hybrid environment. I'm thinking that search capability is a big deal for you, right?
Frank: Yeah, absolutely. In fact, that's the only way to solve the problem consistently when you don't know what all the data is going to look like, right? If you cannot possibly imagine all the possibilities then the only way to make sure that you can locate all the information that you want, that you can locate it consistently and you can locate it regardless of how you evolve your data model and your data sets is to make sure you give people generic tools that allow them to interrogate that data. And the easiest, most intuitive way to do that is through a search paradigm, right? And through the same approach in search takes where we created an inverted index. You have entries where you can actually look into those and then find records and documents and rows that actually contain the information you're looking for to then return it to the customer and allow them to process it as they see fit.
Eric: Yeah and we talked about this a lot, but you're giving me a really good opportunity to kind of dig into it - the whole search and discovery side of this equation. But first of all, it's a lot of fun. For anyone who likes that stuff, this is the fun part, right? But the other side of the equation or the other side of the coin, I should say, is that it really is an iterative process. And you got to be able to - here I'll be using some of the marketing language - have that conversation with the data, right? In other words, you need to be able to test the hypothesis, play around with it and see how that works. Maybe that's not there, test something else and constantly change things and iterate and search and research and just think about stuff. And that's a process. And if you have big hurdles, meaning long latencies or a difficult user interface or you got to go ask IT; that just kills the whole analytical experience, right?
So it's important to have this kind of flexibility and to be able to use searches. And I like the way that you depicted it here because if we're looking at searching around different, sort of, concepts or keys, if you will, key values and they're different dimensions. You want to be able to mix and match that stuff in order to enable your analyst to find useful stuff, right?
Frank: Yeah, absolutely. I mean, hierarchy is an important thing as well, right? So that when you include something like a title, right, or a specific term or value, that you can actually point to the correct one. So if you're looking for a title of an article, you're not getting titles of books, right? Or you're not getting titles of blog posts. The ability to distinguish between those and through the hierarchy of the information is important as well.
You pointed out earlier the development, absolutely, right? The ability for our customers to actually pull in new data sources in a matter of hours, start to work with them, evaluate whether or not they're useful and then either continue to integrate them or leave them by the wayside is extremely valuable. When you compare it to a more traditional application development approach where what you end up doing is you have to figure out what data you want to ingest, source the data, figure out how you're going to fit it in your existing data model or model that in, change that data model to incorporate it and then actually begin the development, right? Where we kind of turn that on our head and say just bring it to us, allow you to start doing the development with it and then decide later whether or not you want to keep it or almost immediately whether or not it's of value.
Eric: Yeah, it's a really good point. That's a good point. So let me go ahead and bring in our fourth presenter here, Treasure Data. I love these guys. I didn't know much about them so I'm kind of kicking myself. And then Hannah came to us and told us what they were doing. And Hannah mentioned, she was a media person and she went over to the dark side.
Hannah: I did, I defected.
Eric: That's okay, though, because you know what we like in the media world. So it's always nice when a media person goes over to the vendor side because you understand, hey, this stuff is not that easy to articulate and it can be difficult to ascertain from a website exactly what this product does versus what that product does. And what you guys are talking about is really quite interesting. Now, you are a cloud-managed service. So any data that someone wants to use they upload to your cloud, is that right? And then you will ETL or CDC, additional data up to the cloud, is that how that works?
Hannah: Well, yeah. So let me make an important distinction. Most of the data, the big data, that our customers are sending us is already outside the firewall - mobile data, sensor data that's in products. And so we're often used as an interim staging area. So data is not often coming from somebody's enterprise into our service so much as it's flowing from a website, a mobile application, a product with lots of sensors in it - into our cloud environment.
Now if you'd like to enrich that big data in our environment, you can definitely bulk upload some application data or some customer data to enrich that and do more of the analytics directly in the cloud. But a lot of our value is around collecting that data that's already outside the firewall, bringing together into one place. So even if you do intend to bring this up sort of behind your firewall and do more of your advanced analytics or bring it into your existing BI or analytics environment, it's a really good staging point. Because you don't want to bring a billion rows of day into your data warehouse, it's not cost effective. It's even difficult if you're planning to store that somewhere and then batch upload.
So we're often the first point where data is getting collected that's already outside firewall.
Eric: Yeah, that's a really good point, too. Because a lot of companies are going to be nervous about taking their proprietary customer data, putting it up in the cloud and to manage the whole process.
Hannah: Yeah.
Eric: And what you're talking about is really getting people a resource for crunching those heavy duty numbers of, as you suggest, data that's third party like mobile data and the social data and all that kind of fun stuff. That's pretty interesting.
Hannah: Yeah, absolutely. And probably they are nervous about the products because the data are already outside. And so yeah, before bringing it in, and I really like that refinery term, as I mentioned, versus the lake. So can you do some basic refinery? Get the good stuff out and then bring it behind the firewall into your other systems and processes for deeper analysis. So it's really all data scientists can do, real-time data exploration of this new big data that's flowing in.
Eric: Yeah, that's right. Well, let me go ahead and bring in our analysts and we'll kind of go back in reverse order. I'll start with you, Robin, with respect to Treasure Data and then we'll go to Kirk for some of the others. And then back to Robin and back to Kirk just to kind of get some more assessment of this.
And you know the data refinery, Robin, that Hannah is talking about here. I love that concept. I've heard only a few people talking about it that way but I do think that you certainly mentioned that before. And it really does speak to what is actually happening to your data. Because, of course, a refinery, it basically distills stuff down to its root level, if you think about oil refineries. I actually studied this for a while and it's pretty basic, but the engineering that goes into it needs to be exactly correct or you don't get the stuff that you want. So I think it's a great analogy. What do you think about this whole concept of the Treasure Data Cloud Service helping you tackle some of those very specific analytical needs without having to bring stuff in-house?
Robin: Well, I mean, obviously depending on the circumstances to how convenient that is. But anybody that's actually got already made process is already going to put you ahead of the game if you haven't got one yourself. This is the first takeaway for something like that. If somebody assembled something, they've done it, it's proven in the marketplace and therefore there's some kind of value in effect, well, the work is already gone into it. And there's also the very general fact that refining of data is going to be a much bigger issue than it ever was before. I mean, it is not talked about, in my opinion anyway, it's not talked about as much as it should be. Simply apart from the fact that size of the data has grown and the number of sources and the variety of those sources has grown quite considerably. And the reliability of the data in terms of whether it's clean, they need to disambiguate the data, all sorts of issues that rise just in terms of the governance of the data.
So before you actually get around to being able to do reliable analysis on it, you know, if your data's dirty, then your results will be skewed in some way or another. So that is something that has to be addressed, that has to be known about. And the triangulator of providing, as far as I can see, a very viable service to assist in that.
Eric: Yes, indeed. Well, let me go ahead and bring Kirk back into the equation here just real quickly. I wanted to take a look at one of these other slides and just kind of get your impression of things, Kirk. So maybe let's go back to this MarkLogic slide. And by the way, Kirk provided the link, if you didn't see it folks, to some of his class discovery slides because that's a very interesting concept. And I think this is kind of brewing at the back of my mind, Kirk, as I was talking about this a moment ago. This whole question that one of the attendees posed about how do you go about finding new classes. I love this topic because it really does speak to the sort of, the difficult side of categorizing things because I've always had a hard time categorizing stuff. I'm like, "Oh, god, I can fit in five categories, where do I put it?" So I just don't want to categorize anything, right?
And that's why I love search, because you don't have to categorize it, you don't have to put it in the folder. Just search for it and you'll find it if you know how to search. But if you're in that process of trying to segment, because that's basically what categorization is, it's segmenting; finding new classes, that's kind of an interesting thing. Can you kind of speak to the power of search and semantics and hierarchies, for example, as Frank was talking about with respect to MarkLogic and the role that plays in finding new classes, what do you think about that?
Kirk: Well, first of all, I'd say you are reading my mind. Because that was what I was thinking of a question even before you were talking, this whole semantic piece here that MarkLogic presented. And if you come back to my slide, you don't have to do this, but back on the slide five on what I presented this afternoon; I talked about this semantics that the data needs to be captured.
So this whole idea of search, there you go. I firmly believe in that and I've always believed in that with big data, sort of take the analogy of Internet, I mean, just the Web, I mean having the world knowledge and information and data on a Web browser is one thing. But to have it searchable and retrievable efficiently as one of the big search engine companies provide for us, then that's where the real power of discovery is. Because connecting the search terms, sort of the user interests areas to the particular data granule, the particular webpage, if you want to think the Web example or the particular document if you're talking about document library. Or a particular customer type of segment if that's your space.
And semantics gives you that sort of knowledge layering on top of just a word search. If you're searching for a particular type of thing, understanding that a member of a class of such things can have a certain relationship to other things. Even include that sort of relationship information and that's a class hierarchy information to find things that are similar to what you're looking for. Or sometimes even the exact opposite of what you're looking for, because that in a way gives you sort of additional core of understanding. Well, probably something that's opposite of this.
Eric: Yeah.
Kirk: So actually understand this. I can see something that's opposite of this. And so the semantic layer is a valuable component that's frequently missing and it's interesting now that this would come up here in this context. Because I've taught a graduate course in database, data mining, learning from data, data science, whatever you want to call it for over a decade; and one of my units in this semester-long course is on semantics and ontology. And frequently my students would look at me like, what does this have to do with what we're talking about? And of course at the end, I think we do understand that putting that data in some kind of a knowledge framework. So that, just for example, I'm looking for information about a particular customer behavior, understanding that that behavior occurs, that's what the people buy at a sporting event. What kind of products do I offer to my customers when I notice on their social media - on Twitter or Facebook - that they say they're going to a sporting event like football, baseball, hockey, World Cup, whatever it might be.
Okay, so sporting event. So they say they're going to, let's say, a baseball game. Okay, I understand that baseball is a sporting event. I understand that's usually a social and you go with people. I understand that it's usually in an outdoor space. I mean, understanding all those contextual features, it enables sort of, more powerful, sort of, segmentation of the customer involved and your sort of personalization of the experience that you're giving them when, for example, they're interacting with your space through a mobile app while they're sitting in a stadium.
So all that kind of stuff just brings so much more power and discovery potential to the data in that sort of indexing idea of indexing data granules by their semantic place and the knowledge space is really pretty significant. And I was really impressed that came out today. I think it's sort of a fundamental thing to talk.
Eric: Yeah, it sure is. It's very important in the discovery process, it's very important in the classification process. And if you think about it, Java works in classes. It's an object oriented, I guess, more or less, you could say form of programming and Java works in classes. So if you're actually designing software, this whole concept of trying to find new classes is actually pretty important stuff in terms of the functionality you're trying to deliver. Because especially in this new wild, wooly world of big data where you have so much Java out there running so many of these different applications, you know there are 87, 000 ways or more to get anything done with a computer, to get any kind of bit of functionality done.
One of my running jokes when people say, "Oh, you can build a data warehouse using NoSQL." I'm like, "well, you could, yeah, that's true. You could also build a data warehouse using Microsoft Word." It's not the best idea, it's not going to perform very well but you can actually do it. So the key is you have to find the best way to do something.
Go ahead.
Kirk: Let me just respond to that. It's interesting you mentioned the Java class example which didn't come into my mind until you said it. One of the aspects of Java and classes and that sort of object orientation is that there are methods that bind to specific classes. And this is really the sort of a message that I was trying to send in my presentation and that once you understand some of these data granules - these knowledge nuggets, these tags, these annotations and these semantic labels - then you can bind a method to that. They basically have this reaction or this response and have your system provide this sort of automated, proactive response to this thing the next time that we see it in the data stream.
So that concept of binding actions and methods to specific class is really one of the powers of automated real-time analytics. And I think that you sort of hit on something.
Eric: Good, good, good. Well, this is good stuff. So let's see, Will, I want to hand it back to you and actually throw a question to you from the audience. We got a few of those in here too. And folks, we're going long because we want to get some of these great concepts in these good questions.
So let me throw a question over to you from one of the audience numbers who's saying, "I'm not really seeing how business intelligence is distinguishing cause and effect." In other words, as the systems are making decisions based on observable information, how do they develop new models to learn more about the world? It's an interesting point so I'm hearing a cause-and-effect correlation here, root cause analysis, and that's some of that sort of higher-end stuff in the analytics that you guys talk about as opposed to traditional BI, which is really just kind of reporting and kind of understanding what happened. And of course, your whole direction, just looking at your slide here, is moving toward that predictive capability toward making those decisions or at least making those recommendations, right? So the idea is that you guys are trying to service the whole range of what's going on and you're understanding that the key, the real magic, is in the analytical goal component there on the right.
Will: Absolutely. I think that question is somewhat peering into the future, in the sense that data science, as I mentioned before, we saw the slide with the requirements of the data scientist; it's a pretty challenging role for someone to be in. They have to have that rich knowledge of statistics and science. You need to have the domain knowledge to apply your mathematical knowledge to the domains. So what we're seeing today is there aren't these out-of-the-box predictive tools that a business user, like, could pull up in Excel and automatically predict their future, right?
It does require that advanced knowledge in technology at this stage. Now someday in the future, it may be that some of these systems, these scale-out systems become sentient and start doing some wild stuff. But I would say at this stage, you still have to have a data scientist in the middle to continue to build models, not these models. These predictive models around data mining and such are highly tuned in and built by the data scientist. They're not generated on their own, if you know what I mean.
Eric: Yeah, exactly. That's exactly right. And one of my lines is "Machines don't lie, at least not yet."
Will: Not yet, exactly.
Eric: I did read an article - I have to write something about this - about some experiment that was done at a university where they said that these computer programs learned to lie, but I got to tell you, I don't really believe it. We'll do some research on that, folks.
And for the last comment, so Robin I'll bring you back in to take a look at this WebAction platform, because this is very interesting. This is what I love about a whole space is that you get such different perspectives and different angles taken by the various vendors to serve very specific needs. And I love this format for our show because we got four really interesting vendors that are, frankly, not really stepping on each others' toes at all. Because we're all doing different bits and pieces of the same overall need which is to use analytics, to get stuff done.
But I just want to get your perspective on this specific platform and their architecture. How they're going about doing things. I find it pretty compelling. どう思いますか？
Robin: Well, I mean, it's pointed at extremely fast results from streaming data and as search, you have to architect for that. I mean, you're not going to get away with doing anything, amateurish, as we got any of that stuff. I hear this is extremely interesting and I think that one of the things that we witnessed over the past; I mean I think you and I, our jaw has been dropping more and more over the past couple of years as we saw more and more stuff emerge that was just like extraordinarily fast, extraordinarily smart and pretty much unprecedented.
This is obviously, WebAction, this isn't its first rodeo, so to speak. It's actually it's been out there taking names to a certain extent. So I don't see but supposed we should be surprised that the architecture is fairly switched but it surely is.
Eric: Well, I'll tell you what, folks. We burned through a solid 82 minutes here. I mean, thank you to all those folks who have been listening the whole time. If you have any questions that were not answered, don't be shy, send an email to yours truly. We should have an email from me lying around somewhere. And a big, big thank you to both our presenters today, to Dr. Kirk Borne and to Dr. Robin Bloor.
Kirk, I'd like to further explore some of that semantic stuff with you, perhaps in a future webcast. Because I do think that we're at the beginning of a very new and interesting stage now. What we're going to be able to leverage a lot of the ideas that the people have and make them happen much more easily because, guess what, the software is getting less expensive, I should say. It's getting more usable and we're just getting all this data from all these different sources. And I think it's going to be a very interesting and fascinating journey over the next few years as we really dig into what this stuff can do and how can it improve our businesses.
So big thank you to Techopedia as well and, of course, to our sponsors - Pentaho, WebAction, MarkLogic and Treasure Data. And folks, wow, with that we're going to conclude, but thank you so much for your time and attention. We'll catch you in about a month and a half for the next show. And of course, the briefing room keeps on going; radio keeps on going; all our other webcast series keep on rocking and rolling, folks. どうもありがとうございます。 We'll catch you next time. バイバイ。
