टेकोपेडिया स्टाफ द्वारा, 29 नवंबर, 2017
Takeaway: होस्ट एरिक कवनघ डेटा और एनालिटिक्स पर चर्चा करता है, साथ ही इम्पैक्ट एनालिटिक्स के जेन अंडरवुड और एलर्टेक्स के निक ज्वेल के साथ मुख्य डेटा अधिकारी (सीडीओ) और मुख्य एनालिटिक्स अधिकारी (सीएओ) की भूमिकाएं करता है।
एरिक कवनघ: देवियों और सज्जनों, नमस्ते और एक बार फिर से आपका स्वागत है हॉट टेक्नोलॉजीज के एक बहुत ही विशेष संस्करण में। दोस्तों, यह एरिक कवनघ है, मैं आज के शो के लिए आपका मेजबान बनूंगा, "द सिक्सो प्लेबुक: डेटा और एनालिटिक्स का भविष्य।" हां, यह एक बहुत बड़ा विषय है, मुझे कहना होगा। वास्तव में, हमें आज यहां रिकॉर्ड तोड़ भीड़ मिली है। आज सुबह वेबकास्ट के लिए हमारे पास 540 से अधिक लोग पंजीकृत थे। हम इसे एक विशेष समय पर कर रहे हैं, जैसा कि आप में से कई लोग हमारे नियमित शो के लिए जानते हैं, हम आम तौर पर 4:00 पूर्वी में करते हैं, लेकिन हम तालाब के पार से आने वाले विशेष अतिथि को समायोजित करना चाहते थे। आज मुझे प्रस्तुति के लिए गोता लगाने दो।
इसलिए यह वर्ष गर्म है - यह कई मायनों में एक बहुत ही कठिन वर्ष रहा है, मुझे लगता है कि बादल का इससे बहुत लेना-देना है। प्रौद्योगिकियों का संगम जो हम बाजार में देख रहे हैं, मुख्य चालक है, और मैं एसएमएसी के बारे में निश्चित रूप से ले रहा हूं क्योंकि वे इसे कहते हैं। हम बात कर रहे हैं SMAC: सामाजिक, मोबाइल, एनालिटिक्स, क्लाउड - और यह सब सामान एक साथ आता है। संगठन वास्तव में उनके व्यवसाय करने के तरीके को बदल सकते हैं। आपके व्यवसाय संचालन को निष्पादित करने के लिए अधिक चैनल हैं, विश्लेषण करने के लिए अधिक डेटा है। यह वास्तव में जंगली दुनिया है और हम आज बात करने जा रहे हैं कि सी सूट में चीजें कैसे बदल रही हैं, इसलिए मुख्य अधिकारी, इन संगठनों के शीर्ष लोग, अच्छी तरह से पूरी दुनिया अभी बदल रही है और हम उस बारे में बात करने जा रहा हूं।
वहाँ वास्तव में तुम्हारा सबसे ऊपर है। हमारे पास जेन एनालवुड इम्पैक्ट एनेलेटिक्स और निक ज्वेलल, लीड टेक्नोलॉजी के प्रचारक, एलर्टेक्स से आज लाइन पर हैं। यह बहुत ही रोमांचक चीज है। मैं कल रात इस अवधारणा के साथ आया था, दोस्तों, और मुझे लगता है कि यह वास्तव में दिलचस्प है। बेशक, हम सभी म्यूजिकल चेयर जानते हैं, बच्चों के लिए खेल जहां आपके पास एक सर्कल में ये सभी कुर्सियां हैं, आप संगीत शुरू करते हैं, हर कोई घूमना शुरू कर देता है और एक कुर्सी खींच ली जाती है; जब संगीत बंद हो जाता है तो सभी को एक कुर्सी पाने के लिए हाथापाई करनी पड़ती है जबकि एक व्यक्ति उस स्थिति में अपनी कुर्सी खो देता है। यह एक बहुत ही अजीब और सम्मोहक चीज है जो अभी सी सूट में हो रही है, और यदि आप इस चित्र को यहीं नोटिस करते हैं, तो आपको पीठ में दो खाली कुर्सियां मिली हैं। आमतौर पर, एक कुर्सी संगीत कुर्सियों में गायब हो जाती है, और जो हम इन दिनों देख रहे हैं, क्या सी स्तर पर दो और कुर्सियां हैं: सीएओ और सीडीओ, मुख्य विश्लेषिकी अधिकारी और मुख्य डेटा अधिकारी।
दोनों को उतार रहे हैं। सच कहूँ तो मुख्य डेटा अधिकारी वास्तव में इन दिनों जंगल की आग की तरह उतार रहा है, लेकिन इसका क्या मतलब है? इसका मतलब बहुत महत्वपूर्ण है। इसका मतलब है कि डेटा और एनालिटिक्स की शक्ति इतनी महत्वपूर्ण है कि बोर्डरूम, या कार्यकारी कमरे मुझे कहना चाहिए, सी सूट बदल रहे हैं - वे सी सूट में लोगों को जोड़ रहे हैं, पूरे नए अधिकारी इनमें से कुछ नई सीटें भर रहे हैं। यदि आप सोचते हैं कि किसी संगठन की संस्कृति को बदलना कितना कठिन है, तो यह बहुत ही गंभीर बात है। संस्कृति को बदलना बहुत कठिन काम है, और आमतौर पर सकारात्मक बदलाव को अच्छे प्रबंधन और अच्छे विचारों और इस तरह की चीजों के माध्यम से बढ़ावा दिया जाता है। यदि आप उस अवसर के बारे में सोचते हैं जो हमारे पास अभी है, तो एनालिटिक्स और डेटा के लिए सी सूट में नए अधिकारियों को जोड़कर, यह वास्तव में बड़ी बात है। यह संगठनों के लिए प्रक्षेपवक्र को बदलने के अवसर के लिए बोलता है, और चलो इसका सामना करते हैं, बड़ी, पुरानी कंपनियों को वास्तव में बदलने की आवश्यकता है क्योंकि बाजार कैसे बदल रहा है।
मैं आमतौर पर उबेर का उदाहरण देता हूं, उदाहरण के लिए, या एयरबीएनबी संगठनों के रूप में, जिन्होंने मौलिक रूप से पूरे उद्योगों को बाधित किया है, और यह हर जगह हो रहा है। आज हम जिस बारे में बात करने जा रहे हैं वह यह है कि आपका संगठन कैसे अनुकूलित कर सकता है, आप कैसे बाहर के लोग इस जानकारी, इस अंतर्दृष्टि का उपयोग कर सकते हैं, अपने व्यापार प्रक्षेपवक्र को बदल सकते हैं और सूचना अर्थव्यवस्था में सफल हो सकते हैं।
इसके साथ, मैं जेनएक्स अंडरवुड को वेबएक्स की चाबियाँ सौंपने जा रहा हूं, और फिर निक ज्वेल को भी झंकार करने जा रहा हूं; वह यूके से आपको दोनों के लिए धन्यवाद कह रहा है, और जेन, इसके साथ, मैं इसे आपको सौंपने जा रहा हूं। इसे दूर ले जाओ।
जेन अंडरवुड: धन्यवाद, एरिक, बहुत अच्छा लगता है। सबको सुप्रभात। आज हम इस CxO प्लेबुक के बारे में बात करने जा रहे हैं; यह डेटा और एनालिटिक्स का भविष्य है और मैं सही में गोता लगाने जा रहा हूं। एरिक ने पहले से ही इस बारे में बात करने का एक अच्छा काम किया कि यह इतना महत्वपूर्ण क्यों है। आज के हमारे स्पीकर, फिर से, आपने इस जानकारी के साथ एक और स्लाइड देखी है, लेकिन आज के इस सत्र में आप और निक ज्वेल आपके साथ बहुत ही सहजता से बातचीत करेंगे। हम यह बताने के लिए खुल रहे हैं कि ये भूमिकाएं क्या हैं और वे किस प्रकार की चीजें हैं जो वे करने के लिए एक मिशन पर हैं। हम विश्लेषिकी उद्योग को देखने जा रहे हैं, सामान्य रूप से दृष्टिकोण और इन लोगों को कुछ चुनौतियों का सामना करना पड़ रहा है। संगठनों के भीतर की गतिशीलता आज के रूप में आप भविष्य की तैयारी कर रहे हैं, और फिर हम अगले चरणों के बारे में बात करने जा रहे हैं और आपको योजना बनाने के लिए मार्गदर्शन दे रहे हैं, यदि आप अपने संगठन में इनमें से कुछ भूमिकाओं की खोज करने जा रहे हैं।
उदाहरण के लिए, सीएओओ, इस सीएएक्सओ के बारे में बात करते हुए, यह मुख्य विश्लेषिकी अधिकारी है, यह वरिष्ठ प्रबंधकों के लिए एक नौकरी का शीर्षक है जो संगठन के भीतर डेटा के विश्लेषण के लिए जिम्मेदार हैं। सीएओ आमतौर पर एक सीईओ को रिपोर्ट करेगा और उस तेजी से उभरती स्थिति को निर्णायक माना जाएगा, जब आप परिवर्तन के द्रव्यमान और इसके डिजिटल परिवर्तन के बारे में सोचते हैं कि हम अभी उसी तरह से चल रहे हैं जिस तरह से कंपनियां अपने व्यापार के फैसले करती हैं और लेती हैं।
यदि आप डिजिटल परिवर्तन और बुद्धिमत्ता के बारे में सोचते हैं कि यह डिजिटल परिवर्तन है, तो यह CAO एक संगठन के भीतर एक बहुत ही रणनीतिक भूमिका है। वे न केवल मजबूत डेटा विज्ञान को वास्तविक अंतर्दृष्टि और उस ज्ञान में वापस लाते हैं, बल्कि वे आरओआई और प्रभाव के परिणामस्वरूप होते हैं, इसलिए उन्हें किस पर मापा जाता है? कैसे वे उस ROI को उस डेटा के साथ ला रहे हैं जो उनके पास है और रणनीतिक रूप से डेटा का लाभ उठाने के लिए किसी संगठन में नीचे-पंक्ति संख्या में से कुछ हैं। मुख्य सूचना अधिकारी सीआईओ के साथ उस स्थिति में, प्रौद्योगिकी और डिजिटल परिवर्तन और डेटा के मूल्य में वृद्धि के कारण प्रमुखता में वृद्धि हुई है।
अब वर्षों से, डेटा इस विशेष दुनिया में मुद्रीकरण और बुद्धिमत्ता के साथ और इस जानकारी को बदलने के लिए सोना है। इन सक्रिय क्रियाओं को करने में सक्षम होने के लिए और न केवल हमेशा पीछे की ओर देखने के लिए, प्रति से। दोनों स्थिति समान हैं कि वे दोनों जानकारी के साथ सौदा करते हैं, लेकिन सीआईओ, प्रति से, बुनियादी ढांचे पर ध्यान केंद्रित करेगा जहां एक सीएओ जानकारी के विश्लेषण के लिए आवश्यक बुनियादी ढांचे पर ध्यान केंद्रित करता है। इसी तरह की स्थिति सीडीओ है और आप बहुत अधिक सुनते हैं, हम शायद सीडीओ के बारे में थोड़ा अधिक सुनते हैं, जैसा कि आप आज सीएओ के बारे में करते हैं। सीडीओ डाटा प्रोसेसिंग और रखरखाव और शासन की उन प्रक्रियाओं पर डेटा प्रबंधन के पूरे जीवन चक्र पर अधिक ध्यान केंद्रित करता है।
ये लोग डेटा का मुद्रीकरण करने और डेटा से मूल्य प्राप्त करने और शासन और सुरक्षा जीवन चक्रों की परिपक्वता के साथ काम करने के लिए ज़िम्मेदार होंगे, पूरे समय में, मैं कहूंगा कि जीवन चक्र। ये ऐसे लोग हैं जो GDPR को सुनिश्चित करने के लिए धुन में, प्रति se, या ज़िम्मेदार होंगे - और हम थोड़ी बात करेंगे - यूरोपीय डेटा संरक्षण अधिनियम, यह सुनिश्चित करते हुए कि उन प्रकार की चीज़ें उनके संगठनों में शामिल हैं। अब, हम विघटनकारी गतिशील डेटा-गहन भूमिकाओं के लिए संरचना और भविष्य प्राप्त कर रहे हैं। ये उन चीज़ों के प्रकार हैं जिनके लिए सीडीओ स्वयं जिम्मेदार होंगे - न कि वे एक क्रॉस-फंक्शनल टीम का निर्माण करेंगे, और मेरे पास कुछ लोगों के कुछ उदाहरण हैं जो प्रति में से, प्रति में रोल करेंगे संगठनात्मक संरचना, आर्किटेक्ट और शासन के लोगों से, और यहां तक कि एक संगठन में विश्लेषकों और डेटा वैज्ञानिकों और इंजीनियरों को रोल कर सकते हैं।
एनालिटिक्स के लिए उद्योग के दृष्टिकोण में आगे बढ़ते हुए, यह एक अभूतपूर्व घटना है - शायद दस साल, यहां तक कि लंबे समय तक - इस विशेष उद्योग में सवारी। यह लगातार बढ़ रहा है, बहुत रोमांचक है, यहां तक कि बाजार दुर्घटना के दौरान वर्षों पहले भी यह उच्च मांग में था। यह सिर्फ एक अद्भुत जगह है और यदि आप 2017 में गार्टनर के सीआईओ एजेंडे को देखें, तो बीआई और एनालिटिक्स अभी भी शीर्ष तीन रैंकिंग में है जो किसी संगठन के लिए सबसे महत्वपूर्ण है, और सॉफ्टवेयर बाजारों की वृद्धि को देखते हुए, हम लगातार कर रहे हैं। वहां विकास देख रहे हैं। जब तक मैं इस अंतरिक्ष में रहा हूं, यह हमेशा एक बहुत ही उज्ज्वल कैरियर रहा है।
जब हम इस डिजिटल युग और परिवर्तन को देखते हैं, जो मेरे लिए बहुत दिलचस्प है, ये प्रक्रियाएं हैं जो हमारे पास हैं, और अक्सर यह जानकारी प्राप्त कर रही है और प्रक्रियाओं से या व्यावसायिक प्रक्रियाओं के दौरान कार्रवाई कर रही है। अब, गार्टनर ने 2020 तक अनुमान लगाया है, आपके द्वारा उपयोग की जाने वाली जानकारी को फिर से संगठित, डिजिटल या फिर समाप्त कर दिया जाएगा। अस्सी प्रतिशत व्यावसायिक प्रक्रियाएं और उत्पाद जो हमारे पास दस साल पहले से थे, और हम उसे देखना शुरू कर रहे हैं, है ना? हम यह देखना शुरू कर रहे हैं कि अमेज़ॅन के छंदों के साथ शायद कुछ बड़े बॉक्स स्टोर, Ubers, Airbnbs - ये डिजिटल मॉडल प्रक्रिया को बाधित कर रहे हैं और अब लोग बातचीत कर रहे हैं। यहां तक कि ब्लैक फ्राइडे - मुझे नहीं पता कि कितने लोग वास्तव में एक स्टोर में गए - बहुत सारे लोग ऑनलाइन खरीद रहे हैं, और आप उस ग्राहक तक कैसे पहुंचे? ऐसा करने में बुद्धिमत्ता लगती है। यह संदेश को बातचीत करने और वैयक्तिकृत करने और उस बुद्धिमत्ता को सही समय पर सही प्रस्ताव पेश करने का एक बहुत अलग तरीका है, और अब शायद यह एक बटन के एक क्लिक पर है। आपके लिए अपना ऑनलाइन स्टोर छोड़ना इतना आसान है। इस दुनिया में चीजें वास्तव में बदल रही हैं, और मुझे लगता है कि निक इस बारे में भी बात करना चाहते थे।
निक ज्वेल: हाँ, हाय सब लोग, बहुत बहुत धन्यवाद। अगर लंदन से आ रहे ऑडियो पर थोड़ी देरी हुई तो मैं पहले ही माफी मांग लूंगा, मैं पूरी कोशिश करूंगा कि आप, जेन से बात न करें।
आप बिल्कुल सही कह रहे हैं, कचरे के उस उन्मूलन, जो कि डिजिटल परिवर्तन के हिस्से के रूप में सुदृढीकरण है, अक्सर संगठनों के बारे में आता है क्योंकि संगठन bespoke उत्पादों, शायद डिस्कनेक्ट किए गए अनुप्रयोगों और अधिक खुले और जुड़े प्लेटफार्मों में चलते हैं। जब आपकी प्रक्रिया डिजिटल होती है, तो आपके डेटा की एंड-टू-एंड यात्रा को देखना बहुत आसान हो जाता है। उस प्रक्रिया को अनुकूलित करने के लिए डेटा का उपयोग करके वास्तव में आपके द्वारा उठाए गए चरणों को परिष्कृत करें।
यदि हम कर सकते हैं तो एक स्लाइड को आगे बढ़ाएं। जब यह डिजिटल परिवर्तन की बात आती है, तो संगठनों के लिए इसका क्या मतलब है, मुझे लगता है कि या तो रोमांचक है या डराना है, इस आधार पर कि आप किस स्पेक्ट्रम पर बैठे हैं। यहाँ चार्ट पर एक नज़र डालें, कंपनियों के जीवन काल और कैसे विघटनकारी प्रभाव एक संगठन की किस्मत को प्रभावित करते हैं। यदि आपने 1920 के दशक में एक कंपनी शुरू की, तो आपके पास औसतन लगभग 70 साल हैं, इससे पहले कि कोई दूसरी कंपनी आपको बाधित करे। आज के मानकों से बहुत आसान जीवन, क्योंकि आज, एक कंपनी मुश्किल से 15 साल तक मिल गई जब तक कि विघटन ने अपने अस्तित्व को खतरा नहीं दिया। यह अनुमान लगाया गया है कि आज की फॉर्च्यून 500 कंपनियों में से लगभग 40 प्रतिशत, इसलिए एसएंडपी 500 पर, 10 वर्षों के समय में मौजूद नहीं रहेगा। 2027 तक, S & P 500 का 75 प्रतिशत प्रतिस्थापित होने जा रहा है, इसलिए आधा जीवन आज संगठनों का सामना करना पड़ता है, जो कि व्यवधान के बारे में चिंता करने से पहले, वास्तव में सिकुड़ रहा है। सफल कंपनियों को उस डिजिटल नवाचार दौड़ से आगे रहने की जरूरत है।
आज, कोई भी वास्तव में विश्लेषिकी पर सवाल नहीं उठाता है। यह केंद्रबिंदु है, जो डिजिटल व्यापार परिवर्तन है। वास्तव में, संगठन अपनी रणनीति के प्रमुख पर डिजिटल नवाचार डाल रहे हैं। वे कंपनियां, वे दुनिया की शीर्ष पांच सबसे मूल्यवान कंपनियां हैं, जो बाजार मूल्य में दो ट्रिलियन डॉलर का प्रतिनिधित्व करती हैं, जेन।
जेन अंडरवुड: हाँ, यह आश्चर्यजनक है, यह वास्तव में है। यह वास्तव में बदल रहा है, और तेज है। दूसरे गतिशील जो हमारे पास हैं और हम इस बारे में बात कर रहे हैं, अब मुझे लगता है कि हम अंततः इसे देख रहे हैं और संगठन डेटा स्रोतों की इस घातीय वृद्धि को महसूस कर रहे हैं, और यह अभी संरचित डेटा स्रोतों पर डेटा का विश्लेषण भी नहीं कर रहा है। फिर, हम बात कर रहे हैं, आपके पास निर्णय लेने के लिए इन कुछ डिजिटल प्रक्रियाओं में केवल एक पल है और ये चीजें REST API से JSONs में आ रही हैं, हम असंरचित डेटा के बारे में बात कर रहे हैं, चाहे लॉग फाइलें हों, सभी प्रकार हैं विभिन्न प्रकार के डेटा के साथ-साथ अत्यधिक निरंतर विकास।
निक ज्वेल: हाँ, जेन, जैसा कि आपने बताया, विश्लेषणात्मक नेता डेटा के समुद्र में डूबते हैं। उच्च-मूल्य की जानकारी प्राप्त करना, शायद मौजूदा या नई विश्लेषणात्मक तकनीकों के मिश्रण का उपयोग करना, वास्तव में अंतिम लक्ष्य है, लेकिन एक सरल और मौलिक समस्या है जो हम कई संगठनों के साथ काम करते हैं, वे वास्तव में सामना कर रहे हैं। हमने हार्वर्ड बिजनेस रिव्यू को कमीशन किया, हमने डेटा विश्लेषकों और व्यापार प्रबंधकों से बात करते हुए सर्वेक्षण किया। उन्होंने पूछा कि एक निर्णय लेने के लिए वे अपने संगठन में कितने डेटा स्रोतों का उपयोग करते हैं, और यह बहुत स्पष्ट है, पिछले कुछ वर्षों में एक मौलिक बदलाव आया है। IT डेटा का उपयोग करता है, इसे डेटा वेयरहाउस में धकेलता है, लेकिन मुझे लगता है कि आईटी समूहों ने सभी उत्कृष्ट कार्य के बावजूद, केंद्रीकृत डेटा प्रबंधन का निर्माण किया है, विश्लेषकों को अभी भी उस विशिष्ट विश्लेषणात्मक डेटा सेट को बनाने के कार्य का सामना करना पड़ रहा है, लेकिन उन्हें जरूरत है एक व्यावसायिक प्रश्न का उत्तर दें। वास्तव में, केवल 6 प्रतिशत ने अपने सभी डेटा एक ही स्थान पर प्राप्त किए हैं, और अधिकांश विश्लेषकों को पांच या अधिक स्रोतों से डेटा खींचना है - स्प्रेडशीट, क्लाउड एप्लिकेशन, सोशल मीडिया और निश्चित रूप से, उस डेटा वेयरहाउस को नहीं भूलना।
अब, अधिकांश संगठन इसे पहचानते हैं, लेकिन अधिकांश संगठन जो व्यवहार नहीं कर रहे हैं, वह यह है कि डेटा पेशेवर अपना अधिक समय शासन करने और डेटा की खोज करने में बिता रहे हैं, जबकि वे वास्तव में मूल्य निकाल रहे हैं। ये हाई-प्रोफाइल रणनीतिक विश्लेषणात्मक समस्याएं नहीं हैं, जिनके बारे में व्यापार करना चाहता है। लेकिन मूल मुद्दे को संबोधित नहीं करना संगठनों को रोकने के लिए जा रहा है, वास्तव में, मूल्य-चालित अंतर्दृष्टि प्राप्त करने से। जेन?
जेन अंडरवुड: यह दिलचस्प है। मैंने निश्चित रूप से इस पर अलग-अलग अध्ययनों को देखा है और यह यहाँ यह टुकड़ा है, चाहे वह समय का 80 प्रतिशत या खरबों डॉलर फिर से एक ही डेटा को फिर से ठीक कर रहा हो, बहुत अक्षम रूप से एक संगठन में। इससे जुड़ते हैं, ये 37 और यह 23 प्रतिशत समय की बहुत महंगी बर्बादी है। यह मेरे लिए आश्चर्यजनक है कि उस पर अधिक ध्यान नहीं दिया जाता है।
इनमें से कुछ को देखते हुए, मैं बाजार की ताकतों को क्या कहूंगा, और बहुत बार जब मैं उद्योग के रुझानों के बारे में बात करता हूं, तो मुझे उद्योग का पालन करना और उस पर निरंतर पल्स रखना पसंद है। यह समझना महत्वपूर्ण है कि किसी चीज़ के चलन से अधिक होने पर, जब यह वास्तव में एक ताकत बनने वाली है, जिस पर आपको ध्यान देने की आवश्यकता है, और ये अभी शीर्ष तीन हैं, जिन पर ध्यान देने के लिए बल चाहिए। यह तेजी से विकास है, नंबर एक गैर-संबंधपरक डेटाबेस का तेजी से विकास है। मैंने अभी इस पूरी अवधारणा का उल्लेख क्वेरी, प्रति एसई, एक JSON के होने में ज्यादा समय नहीं होने के रूप में किया है, यह इस प्रकार के गैर-संबंधपरक परिदृश्य हैं, जो काफी बढ़ रहे हैं - मुझे लगता है कि मेरे पास कुछ क्षण यहां - तेजी से हैं।
दूसरी बात बादल के लिए चल रही पारी है। कॉल करने से पहले मैंने उल्लेख किया था कि मैं एक बड़ी टेक फर्मों में से एक में दुनिया भर में उत्पाद प्रबंधक था और तीन साल पहले समूह के साथ कठिन बातचीत में कहा था, “हम बादल में कुछ भी नहीं डालेंगे। हम क्लाउड पर नहीं जाएंगे। ”और, एक साल बाद समूहों को देखना बहुत दिलचस्प है, दो साल बाद, अब मैं उन्हीं समूहों से सुन रहा हूं, कि सभी के पास क्लाउड प्लान है। मुझे लगता है कि हर कोई एक बहुत व्यापक ब्रश स्टेटमेंट चरम है, लेकिन मैं क्या कहूंगा, लोग जो बादल विरोधी रहे हैं, निश्चित रूप से रवैया नाटकीय रूप से बदल गया है, बहुत कम समय के भीतर, यहां तक कि जब मैं दुनिया भर के समूहों से बात कर रहा था इस प्रकार की बातें।
स्वचालन, यह एक ऐसा क्षेत्र है जिसके साथ मैं मोहित हो गया हूं और एक ऐसा क्षेत्र है जिसे हम निश्चित रूप से बहुत सारी गतिविधि और महान गतिविधि देख रहे हैं। हम इनमें से कुछ चीजों के बारे में बात करते हैं जिनके साथ यह समय बर्बाद होता है और आपके समय का अक्षम उपयोग होता है। स्वचालन निश्चित रूप से उन क्षेत्रों में से एक है, जिनके बारे में मैं सबसे अधिक उत्साहित हूं जब मैं किसी संगठन के लिए मूल्य लाने के बारे में सोचता हूं।
अगली स्लाइड मैं बात करने जा रहा हूं, यह आईडीसी का एक अध्ययन है, वे बाजार खंडों और विकास को देखते हैं और यह वास्तव में एक शानदार तरीका है जो वास्तव में बढ़ रहा है, आपकी सहकर्मी क्या खरीद रहे हैं? वे किस प्रकार की चीजों में रुचि नहीं रखते हैं? उन प्रकार की चीजें और अपनी रणनीति में डालते हुए।
IDC, 16 सेगमेंट और उस सेग्मेंट के हिसाब से दुनिया भर में बड़े डेटा एनालिटिक सॉफ्टवेयर मार्केट में हैं, यहां तक कि हम कुछ नाम परिवर्तन भी देख रहे हैं। निरंतर विश्लेषणात्मक सॉफ़्टवेयर, संज्ञानात्मक AI सॉफ़्टवेयर प्लेटफ़ॉर्म, खोज सिस्टम का एक जोड़ था, इसलिए यहां कुछ नई श्रेणियां भी जोड़ी गईं। इस बाजार अवलोकन में बहुत अधिक क्षैतिज उपकरण शामिल हैं, पहले से मौजूद अनुप्रयोगों के साथ-साथ कुछ निर्णय समर्थन और उपयोग मामलों को स्वचालित करने का निर्णय लिया गया है। फिर से, यह समाधान के प्रकार होने जा रहे हैं, जब आप सीडीओ के बारे में सोचते हैं, सीडीओ के संदर्भ में डालते हैं, तो उनके पोर्टफोलियो जो डेटा एकीकरण से लेकर विश्लेषण विज़ुअलाइज़ेशन, मशीन लर्निंग और इन सभी प्रकार की क्षमताओं का प्रबंधन कर सकते हैं जिनकी उन्हें आवश्यकता होती है डिजिटल युग में है
इस प्रकार के समाधानों के लिए दुनिया भर के बाजार में वर्तमान मुद्रा की शर्तों में 8.5 प्रतिशत की वृद्धि हुई और समग्र बाजार आईडीसी के अनुसार 9.8 प्रतिशत बढ़ गया। इसकी तुलना की गई - आप एक-दो साल की अवधि में मुद्रा में उतार-चढ़ाव को देखते हैं और भिन्नता की डिग्री न्यूनतम है, लेकिन उन तीन खंडों पर प्रकाश डाला गया है, जो आपको केवल उन गैर-संबंधपरक विश्लेषणात्मक डेटा स्रोतों के लिए एक भावना देने के लिए हैं, 58 प्रतिशत साल-दर-साल विकास, सामग्री विश्लेषण और खोज प्रणाली 15 प्रतिशत थे और कुछ ग्राहक संबंध अनुप्रयोग, सीआरएम-टाइप चीजें या सेल्सफोर्स आइंस्टीन, उदाहरण के लिए, जो 10 प्रतिशत से अधिक बढ़ रहे हैं, वे अभी 12 प्रतिशत हैं। मुझे लगता है कि निक इस पर कुछ टिप्पणी भी जोड़ना चाहते थे।
निक ज्वेल: धन्यवाद, जेन। यह एक शानदार दृश्य है। मुझे लगता है कि एलर्टेक्स में हमने हमेशा माना है कि डेटा तैयार करना और सम्मिश्रण करना हमेशा एक मुख्य योग्यता होगी, मुझे लगता है, किसी भी विश्लेषणात्मक प्रणाली की, लेकिन यह वास्तव में किसी भी अधिक उन्नत विश्लेषिकी की नींव है। अब, पिछले कुछ वर्षों से, आइए उद्योग के बारे में बात करते हैं - यह कुछ नए इंटरैक्टिव विज़ुअलाइज़ेशन क्षमताओं पर थोड़ा अधिक केंद्रित हो सकता है। वे सुंदर दिखते हैं क्योंकि वे सगाई बढ़ाते हैं, वे अंतर्दृष्टि चलाते हैं, लेकिन वे वास्तव में वर्णनात्मक विश्लेषण से आगे नहीं बढ़े।
लेकिन, अब मुझे लगता है कि लोग अपने स्थलों को थोड़ा ऊंचा कर रहे हैं, व्यापारिक मूल्यों को समझने के लिए शुरू करने वाले संगठन उन अधिक परिष्कृत विश्लेषिकी से आने वाले हैं जो अभी मुख्यधारा में अपना रास्ता बना रहे हैं। वहाँ सवाल यह है कि कैसे, विशेष रूप से, कौन, या अधिक? यह उच्च-मूल्य के विश्लेषिकी में कूद गया; यह वास्तव में विश्लेषणात्मक प्रतिभा की कमी के मुद्दे को बहुत तेज राहत में फेंक रहा है, क्या आप सहमत होंगे?
जेन अंडरवुड: बिल्कुल, और मेरे पास था, मुझे लगता है कि मैंने अभी ट्वीट किया, मैंने कल रात एडोब के उपाध्यक्ष से एक बहुत ही आकर्षक टिप्पणी देखी, "मशीन लर्निंग टेबल स्टेक बन गया है, " जहां लोग सावधान रहते थे, अब यह हो गया है एक जरूरत है और यह दिलचस्प है। यह देख रहे हैं और बस एक छोटे से दूसरे छोटे कोण अलग, प्रति से। बहुत से लोग, हम इसे गैर-संबंधपरक विश्लेषणात्मक स्टोर और संज्ञानात्मक AI, इन मशीन लर्निंग, इन उच्च-मूल्य विश्लेषण के साथ उच्च-विकास क्षेत्र के रूप में देखना शुरू कर रहे हैं। लेकिन अभी भी दिन के अंत में, अभी सबसे बड़ा खंड है, इसलिए जहां आज सबसे अधिक खरीदारी हो रही है, अभी भी इस मूल में है, मैं क्या कहूंगा, क्वेरी रिपोर्टिंग, कुछ दृश्य विश्लेषण, और यह अभी भी बढ़ रहा है और कुछ लोग बहुत मानते हैं कि आपके पास पहले से ही है - जरूरी नहीं। यह अभी भी प्रत्येक वर्ष 6.6 प्रतिशत बढ़ रहा है।
एक सीडीओ के रूप में - और मुझे यह स्लाइड दिखाना पसंद है - मूल रूप से सिर्फ यह कहने के लिए, जब आप इस नई भूमिका में चल रहे हैं या आप किसी संगठन में डेटा देख रहे हैं, यह अराजकता है, और मुझे लगता है कि यह विशेष स्लाइड वास्तव में करता है अच्छा काम - ये सभी अलग-अलग संभावित क्षेत्र हैं जिनका आपके पास डेटा हो सकता है। वे समय पर हो सकते हैं, यह क्लाउड में निवास कर सकता है, यह हाइब्रिड हो सकता है, यह हर जगह है और यह बहुत बड़ा है - फिर से, यह एक संगठन के भीतर अब एक सी-स्तरीय प्रकार की भूमिका है, और यह एक सरल कार्य या सरल नहीं है - इस विशेष दुनिया में लेने के लिए, यह कई बार भारी है। यह दुनिया है कि इस सीडीओ को नेविगेट करने की आवश्यकता है, जो कि मैं क्या कह सकता हूं, डेटा के मूल्य को अधिकतम करने में सक्षम होने के लिए।
चुनौती पर जारी रखते हुए, उन सभी विभिन्न स्रोतों के मूल्य को अधिकतम करना और जो हम कर रहे हैं, ये समय की समापन खिड़कियां हैं, इन डिजिटल प्रक्रियाओं के साथ या कार्रवाई के लिए अंतर्दृष्टि बंद हो रही है। यदि आप पांच साल पहले के बारे में सोचते हैं, तो यह हो सकता है कि आपके पास ऐसी रिपोर्टें हों जिन्हें आप सूची या कार्यों के साथ कुछ निर्णय लेने के लिए चलाएंगे, जो साप्ताहिक, मासिक रूप से चल सकते हैं, फिर वे दैनिक या रात भर हो सकते हैं, शायद प्रति घंटा।
अब, हम जो देख रहे हैं, ये इंटेलिजेंट मशीन इंटेलिजेंट इंटेलिजेंट ऑफिस सीख रहे हैं, मौके पर निर्णय और सुधार कर रहे हैं, इसलिए यहां तक कि चीजों की इंटरनेट जैसी चीजें, किनारे पर IoT- एम्बेडेड एनालिटिक्स, ये सिस्टम स्मार्ट हैं और ये एल्गोरिदम हो सकते हैं स्व-धुन और कुछ ऐसे फ़ैसलों में फेरबदल, जो वे सही समय पर कर रहे हैं। डिजिटल क्रांतियों और इन स्पर्श बिंदुओं के साथ इस विशेष गतिशील को देखना बहुत दिलचस्प है - भले ही वे बढ़ गए हों, कार्रवाई का समय कम हो रहा है और फिर इन परिदृश्यों के लिए तकनीक विकसित हो रही है।
निक ज्वेल: हाँ, जेन, मुझे लगता है कि अंतर्दृष्टि का वितरण कैसे बदल रहा है, उन सबसे दिलचस्प पहलुओं में से एक है, जहां एनालिटिक्स अंतिम उपयोगकर्ता तक पहुंचता है। क्या हम उपयोगकर्ताओं को एक महत्वपूर्ण निर्णय लेने पर डैशबोर्ड में कूदने के लिए कह रहे हैं, या क्या हम कह रहे हैं कि अगली प्रतिस्पर्धी कार्रवाई, अंतर्दृष्टि, प्रवाह के क्रम में, उस प्रतिस्पर्धात्मक लाभ को चलाने के लिए सीधे प्रक्रिया के भीतर उपलब्ध है? और हम जिस विश्लेषणात्मक मॉडल के बारे में बात कर रहे हैं, उसे विभिन्न स्रोतों के धन से अपने इनपुट लेने की आवश्यकता हो सकती है - पारंपरिक डेटा वेयरहाउस, जियोलोकेशन, सोशल मीडिया, सेंसर, क्लिकस्ट्रीम - इस डेटा के सभी निर्णय पर असर पड़ता है और कार्रवाई के परिणाम ।
जेन अंडरवुड: चुनौती और परिवर्तन के इस विषय पर जारी, हमारे पास अभी क्या है, और सीईओ को इन पर विजय प्राप्त करने के लिए गले लगाने और योजना बनाने की आवश्यकता है, अनिवार्य रूप से हमें कुशलतापूर्वक प्रबंधन और मैन्युअल रूप से विश्लेषण करने के लिए बहुत अधिक डेटा मिला है। लंबी देरी है; हमें इन देरी को कम करने की आवश्यकता है और हमें अपने पास मौजूद डेटा के मूल्य को अधिकतम करने के लिए एक रास्ता खोजने की आवश्यकता है। दुनिया में डेटा साइंस टैलेंट की कमी है और इन जानकारियों को कवर करने के लिए हम महासागरों को डेटा कहते हैं। अच्छी खबर यह है कि आज के हर क्षेत्र में मदद करने के लिए कुछ अद्भुत नवाचार हो रहे हैं, और यह देखने में रोमांचक हो रहा है कि इन चुनौतियों से निपटने के लिए हमें क्या, कहां प्रौद्योगिकी लेनी है।
जैसा कि मैंने यह देखना जारी रखा है, वहाँ थोड़ा भ्रम की स्थिति है क्योंकि मैंने ग्राहकों से बात की या मैंने इनमें से कुछ टूल का उपयोग करने वाले समूहों से बात की। क्लासिक चुनौतियों में से कुछ आज भी मौजूद हैं, यह विश्लेषण करने के लिए डेटा खोजने की कोशिश करने के साथ बस थोड़ा अधिक तेज हो रहा है। कुछ खोज उपकरण, कुछ कैटलॉग बाहर निश्चित रूप से चीजों की मदद कर रहे हैं - अब हम क्या खोज रहे हैं कि किस कैटलॉग का उपयोग कब करना है। कुछ अलग-अलग कैटलॉग हैं, इसलिए अलग-अलग जगह हैं जहाँ आप डेटा स्टोर कर सकते हैं और साझा कर सकते हैं, इसलिए यह पता लगाने की कोशिश करने की बात है, हो सकता है कि कैटलॉग हम देख रहे हों।
दूसरी बात सहयोगी रूप से साझा करना है। हमने उस हार्वर्ड बिजनेस रिव्यू में से एक अध्ययन के बारे में बात की, कितना समय व्यतीत होता है, मूल रूप से नॉन-वैल्यू-ऐड कार्य करना, समय बर्बाद करना और कितना महंगा हो सकता है। यदि आप सामान्य डेटा स्रोतों को साझा करने और उनका उपयोग करने में सहयोग कर रहे हैं, तो स्क्रिप्ट पहले से ही विकसित हो चुकी हैं, तर्क पहले से ही वहां मौजूद हैं, आप उन्हें प्रभावी ढंग से नियंत्रित कर सकते हैं, इसलिए विश्लेषणात्मक चपलता के साथ शासन को संतुलित करना, यह वास्तव में आप क्या करना चाहते हैं। और इस दुनिया को नेविगेट करूंगा कि मैं क्या कहूंगा, हमारे पास आला उपकरण हैं, हमारे पास स्वचालित वर्कफ़्लो टूल हैं, हमारे पास क्लासिक एक्सेल, डेटा कैटलॉग, स्वयं सेवा बीआई, डेटा विज्ञान उपकरण हैं। जैसा कि एक तस्वीर से पता चला है, उनके बीच कई, कई उपकरण और बहुत सारे ओवरलैप हैं।
निक ज्वेल: हाँ, सही, जेन, और मुझे लगता है कि अंतर्दृष्टि की खिड़की, जैसा कि आपने उल्लेख किया है, यह सबसे निश्चित रूप से सिकुड़ रहा है, लेकिन वास्तव में मॉडल को तैनात करने में लगने वाला समय नहीं है। प्रेडिक्टिव मॉडल की तैनाती कई कंपनियों के लिए एक बड़ी चुनौती बनी हुई है। हम कार्ल रेक्सर से बात कर रहे हैं, जो रेक्सार एनालिटिक्स के अध्यक्ष हैं, और कार्ल के 2017 के डेटा विज्ञान सर्वेक्षण में, उन्होंने पाया कि केवल 13 प्रतिशत डेटा वैज्ञानिकों का कहना है कि उनके मॉडल हमेशा तैनात होते हैं, और यह तैनाती अनुपात सिर्फ सुधार नहीं कर रहा है, इसलिए हम प्रत्येक पिछले सर्वेक्षण के साथ वापस जाएं। वास्तव में, 2009 में वापस जाना, जब पहली बार सवाल पूछा गया था, और हम लगभग समान परिणाम देखते हैं, इसलिए हमें एक वास्तविक अंतर मिला है।
जेन अंडरवुड: जब हम विश्लेषिकी परिपक्वता को देखते हैं, तो यह तेजी से प्रगति कर रहा है। फिर से, दो, तीन साल पहले, हम दृश्य स्व-सेवा विश्लेषण करने के लिए बहुत उत्साहित थे और अंत में प्रति व्यक्ति के लिए लचीला और बीआई का विस्तार किया जा रहा था। जब मैं जनता का कहना है, शायद अभी भी एक संगठन के भीतर उपयोगकर्ताओं को शक्ति। अब हम ऑप्टिमाइज़ेशन, प्रेडिक्टिव एनालिटिक्स, डीप लर्निंग, नेचुरल लैंग्वेज, कई अन्य टेक्नॉलॉजी देख रहे हैं, जो वास्तव में रोजमर्रा की प्रक्रियाओं में अंतर्निहित हैं, आखिरकार सही मायने में जनता के लिए बहुत ही सहजता से एनालिटिक्स को सही मायने में जनता के भीतर इस्तेमाल करने के लिए लोकतांत्रिक बनाना होगा। मौजूदा व्यावसायिक प्रक्रियाएँ जो उनके पास पहले से हैं।
निक ज्वेल: हाँ, जेन, आइए उस अंतिम श्रेणी के आसपास एक त्वरित कहानी पर बात करते हैं, अगर मैं कर सकता हूं। आज कॉल पर अधिकांश श्रोताओं को Google DeepMind के AlphaGo सॉफ़्टवेयर से परिचित होना है, पिछले कुछ वर्षों में दुनिया के कुछ सर्वश्रेष्ठ गो खिलाड़ियों को हराया। पहले रिकॉर्ड किए गए मैचों में भारी मात्रा में अध्ययन करके अल्फा ने गेम खेलना सीखा। इतना कि अल्फा गो टूर्नामेंट के कमेंटेटरों ने दावा किया कि सॉफ्टवेयर एक जापानी ग्रैंड मास्टर की शैली में खेला गया है, यह विश्वास है या नहीं।
लेकिन, पिछले एक महीने में, लगभग एक और आश्चर्यजनक परिणाम सामने आया। यह अल्फ़ागो ज़ीरो था, गहन शिक्षण, तंत्रिका नेटवर्क, जो गेम के सरल नियमों और एक अनुकूलित फ़ंक्शन से अधिक नहीं था। इसने खुद को दुनिया में सबसे मजबूत गो खिलाड़ी बनने के लिए सिखाया, जिसमें कोई प्रशिक्षित प्रशिक्षण नहीं था, और इसने लगभग 40 दिनों में यह सब किया। यह तथाकथित सुदृढीकरण सीखने, जहां मनुष्य चुनौती को परिभाषित करते हैं, गहरी सीखने की प्रणाली का पता लगाने, सुधार करने देते हैं, वास्तव में विश्लेषणात्मक अंतरिक्ष में सबसे बड़ा प्रभाव पैदा कर सकते हैं। तो, मुझे लगता है, देखते रहें।
जेन अंडरवुड: हाँ, यह वास्तव में दिलचस्प है जिसका आपने उल्लेख किया है। क्या आप बहिष्करण की कल्पना कर सकते हैं? और यही मैं देखना शुरू कर रहा हूं। वास्तव में, जब मैं स्वचालन के बारे में बात करता हूं, तो हवा को साफ करने के लिए पर्याप्त स्मार्ट होने के लिए बहुत रोमांचक है, सिस्टम से स्वचालित रूप से सीखने के लिए, प्लग एंड प्ले करें और बस यह जान लें कि अतीत के कुछ निर्णयों या अन्य फैसलों के आधार पर आगे क्या करना है। संगठन के भीतर बनाए गए हैं और इनमें से कुछ सिस्टम, ETL सिस्टम और उनकी देखभाल करने में कामयाब रहे हैं, और जिस तरह से प्रक्रियाएं नहीं चल रही थीं, तब अलर्ट के साथ मुझे बीपर्स और फोन पर वापस जाना पड़ा, यह सोचना कितना रोमांचक है, "वाह, अब यह शायद स्वयं चंगा करने के लिए पर्याप्त स्मार्ट है।"
मेरे पति एक स्व-चिकित्सा ग्रिड का प्रबंधन करते हैं, हमारे पास स्वयं-चिकित्सा डेटा एकीकरण, आत्म-चिकित्सा विश्लेषण और जहां यह बेहतर और बेहतर हो जाता है, यह वास्तव में रोमांचक है। एक सीडीओ के रूप में, जब आप लोगों को प्रौद्योगिकी प्रक्रिया के बारे में सोचना शुरू करते हैं, तो हम एक नज़र डालने जा रहे हैं, अभी हम प्रौद्योगिकी देख रहे हैं, फिर हम लोगों को देखने जा रहे हैं और अपनी टीम और इमारत का निर्माण कैसे करें कौशल। यदि आप आधुनिक एनालिटिक्स प्लेटफ़ॉर्म को देखते हैं, तो मैं आपको तुरंत बता दूंगा, यहां हर किसी के पास सब कुछ नहीं है, हालांकि सबसे बड़े संगठनों में ये सभी अलग-अलग घटक हो सकते हैं, प्रति समूह, कुछ समूहों में केवल दो या तीन छोटे बक्से हो सकते हैं यहाँ पर, इसलिए मैं लोगों को इस से अभिभूत नहीं करना चाहता था। लेकिन एक आधुनिक बीआई प्लेटफॉर्म के लिए आईटी बिल्ड, पूर्वनिर्धारित रिपोर्टिंग सिमेंटिक लेयर की आवश्यकता नहीं है।
उपयोगकर्ताओं और विशेषज्ञों को वास्तव में सिर्फ विश्लेषणात्मक गति और चपलता के लिए डेटा तैयार करने के लिए सशक्त होना चाहिए, और यदि आप इस बात के उदय के बारे में सोचते हैं कि हम उपयोगकर्ता और विशेषज्ञ के नेतृत्व वाले विश्लेषिकी को क्या कहेंगे, तो विषय विशेषज्ञों को चपलता देने की आवश्यकता है, शीघ्र निर्णय लें। हम जो कुछ भी कहेंगे उसे बढ़ा-चढ़ा कर देख रहे हैं, व्यक्तिगत डेटा तैयार करने के उपकरण, डेटा की तकरार, संवर्धन, सफ़ाई, गतिविधियों के प्रकार जो Alteryx के साथ-साथ कुछ डेटा विज्ञान-प्रकार की गतिविधियाँ जो वे पेश करते हैं कुंआ। आधुनिक तैयारी समाधान, वे उस बुद्धिमान, स्वचालित जुड़ाव, वायु संकल्प, डेटा की शिफ्टिंग की पेशकश करते हैं, जब आपके पास बड़ा डेटा पाइपलाइन होता है तो यह बहुत अच्छा होता है। यह शायद, फिर से, उन क्षेत्रों में से एक है जिसे मैं प्यार करता हूं और वास्तव में उद्योग में परीक्षण का आनंद लेता हूं।
परंपरागत आईटी के नेतृत्व वाले BI के विपरीत, IT आज वास्तव में व्यवसाय को सक्षम करने पर ध्यान केंद्रित कर रहा है और आप सीडीओ जैसे लोगों को शामिल कर रहे हैं और एक साथ डाल रहे हैं या ऑर्केस्ट्रेट करने के लिए सही समाधान चुन रहे हैं, इस डेटा को व्यवस्थित और एकीकृत कर सकते हैं और निश्चित रूप से, यह सुनिश्चित करें शासित, सही? एक बात जो मेरे लिए बहुत दिलचस्प है और निश्चित रूप से मुझे लगता है कि हम इसके बारे में अनुमान लगा चुके हैं, लेकिन मुझे नहीं लगता कि हमने इसे सीधे कहा है, यह एक दिन के आकार-फिट-सभी डेटा वेयरहाउस का दिन है और यह होने के नाते अंत-सब होना, निश्चित रूप से खत्म हो गए हैं। डेटा हर जगह है, आपको बनाने की ज़रूरत है - डेटा झीलें तस्वीर में आ गई हैं, स्ट्रीमिंग और लाइव डेटा है, अब बहुत सारे अलग-अलग डेटा स्रोत हैं, यह वास्तव में उपयोग के मामले पर आधारित है, "आपको क्या चाहिए?" छंद? "हमें एक डेटा वेयरहाउस में सब कुछ प्राप्त करना है।" मुझे यकीन नहीं है, निक, क्या आप इस पर टिप्पणी करना चाहते हैं? मुझे याद नहीं है।
निक ज्वेल: मैं सिर्फ एक बात कहूंगा और यह सिर्फ है, घटक के विकास को देखें। विशेषज्ञों ने पांच से दस साल पहले क्या किया था, अब उपयोगकर्ता के हाथों में है, इसलिए दाहिने हाथ की ओर की चीजें, ड्रैग-एंड-ड्रॉप कोड-फ्री फॉर्म में उपयोगकर्ता के लिए बहुत अधिक प्रचलित होने वाली हैं, काफी जल्दी। यह तेजी से और तेजी से आगे बढ़ेगा, इसलिए बस उस पर नजर रखें।
जेन अंडरवुड: हाँ, यह वास्तव में अच्छी बात है। मुझे उसके बारे में सोचना बहुत पसंद है। विभिन्न डेटा विज्ञान, यह अंततः एक वास्तविकता बन रहा है और उपकरण बहुत बेहतर हो रहे हैं। तकनीक के बारे में सोचकर, अब हमें कौशल और लोगों की आवश्यकता है और हमें क्या करने की आवश्यकता है? अभी सबसे अच्छी नौकरियां हैं, उनमें डेटा वैज्ञानिक, डेटा इंजीनियर और व्यापार विश्लेषकों जैसे शीर्षक शामिल हैं, फिर भी हम जो खोज रहे हैं वह यह है कि नियोक्ता खुद एक मैच बनाने के लिए वास्तव में कठिन पाते हैं। यहां तक कि डेटा प्रस्तुत करने के स्थान में, मैं कहूंगा, "क्या यह डेटा प्रस्तुत करने का है, क्या यह डेटा तकरार है, जिसे लोग इसे कहते हैं?" यह खोजने के लिए बहुत दिलचस्प है।
व्यवसाय को पता नहीं है कि उन्हें क्या चाहिए और यह पूरा नया उभरता हुआ क्षेत्र है जो कई अलग-अलग क्षेत्रों को फैलाएगा। अगर आप हर किसी को देखते हैं तो उन्हें अपने डेटा, बिजनेस एनालिटिक्स, आईटी प्रोजेक्ट मैनेजर, मेरे पति को पावर ग्रिड और परियोजनाओं के पोर्टफोलियो का प्रबंधन करने की आवश्यकता है, उन्हें इसका विश्लेषण करने में सक्षम होना चाहिए। यह अब केवल वित्त और डेटा विश्लेषण नहीं है, यह वास्तव में संगठन के अन्य क्षेत्रों में बहुत व्यापक रूप से विस्तारित है। मुझे लगता है कि मैंने एक अध्ययन में देखा कि कितने डेटा स्रोत विपणन का उपयोग करते हैं, और यह भारी था। फिर, जब आप हार्वर्ड बिजनेस रिव्यू द्वारा किए गए अध्ययन के बारे में सोचते हैं, तो यह अब केवल एक डेटा स्रोत नहीं है कि लोगों को एक साथ मैश करना और विलय करना है और एक अंतर्दृष्टि प्राप्त करना है, यह कई डेटा स्रोत हैं और ऐसा करने के लिए कौशल लेता है।
जब आप अनिवार्य रूप से बड़ी तस्वीर को यहां देखते हैं, तो सबसे नए काम इस गुलाबी बुलबुले में नीचे की ओर होंगे, जब आप डेटा खनन विश्लेषकों, एचआर प्रबंधकों, इस क्षेत्र, लाइन में केवल नियमित भूमिकाओं के बारे में इन व्यापार विश्लेषकों के बारे में बात करते हैं। डेटा का उपयोग कर के व्यापार। सबसे तेजी से बढ़ती भूमिकाओं में कम नौकरियां होंगी, लेकिन निश्चित रूप से आज हम बाजार में सबसे ज्यादा सुनते हैं, डेटा वैज्ञानिक और डेटा इंजीनियर। एक सीडीओ के रूप में, वे आगे देख रहे हैं और आप प्रतिभा की योजना बना रहे हैं, आपको कुछ नियमित कार्यों के स्वचालन में कारक की आवश्यकता है और कौशल के प्रकार जो अधिक रणनीतिक होंगे, और फिर, दोनों के लिए अपने संगठन के साथ मूल्य जोड़ें जो एनालिटिक्स में सक्षम हैं, लेकिन डेटा साइंस और डेटा इंजीनियर लोगों के लिए भी। इस बात पर विचार करें कि जब आप सोचते हैं कि सबसे अच्छी और उज्ज्वल प्रतिस्पर्धा करने के लिए आपकी अनपोस्टेड स्थिति और यहां तक कि कुछ फ्रीलांस अर्थव्यवस्था भी बदल सकती है।
और, हमेशा अपनी प्रतिभा पाइपलाइन के बारे में सोच रहे हैं, उम्मीदवारों को बाजार को नेविगेट करने या उन चीजों की तलाश करने में मदद कर रहे हैं जो थोड़ा अलग हो सकते हैं और वास्तव में आप जो चाहते हैं और इन-हाउस एनालिटिक्स पाठ्यक्रम नहीं बना रहे हैं, वह वास्तव में सबसे तेज़ नहीं हो सकता है, सबसे आप को बनाए रखने के लिए लागत प्रभावी रणनीति। उन लोगों को देखने पर विचार करें जो इस या अलग-अलग समूहों में प्रशिक्षण के लिए समर्पित हैं, और मेरा मानना है कि एलेर्टेक्स के पास सत्र के अंत में आज कार्रवाई के लिए एक कॉल के रूप में एक अनुशंसित पाठ्यक्रम है, जिसमें आप इनमें से कुछ चीजों का लाभ उठा सकते हैं और अपनी टीम का लाभ उठाने में मदद कर सकते हैं। कुछ मौजूदा संसाधन जो पहले से उपलब्ध हैं।
निक ज्वेल: बिल्कुल। हथियारों की दौड़ में पकड़े बिना प्रतिभा की खाई को भरने के बहुत सारे तरीके हैं। स्लाइड के कुछ जोड़े, मुझे नहीं पता कि क्या आप वहाँ एक जोड़े को फ्लिप करने में सक्षम हैं। कागले, डेटा विज्ञान प्रतियोगिता स्थल, उन्होंने सिर्फ डेटा विज्ञान की स्थिति के आसपास 17, 000 प्रतिक्रियाओं के साथ एक सर्वेक्षण जारी किया और लोगों के पास मौजूद कौशल के आसपास के सर्वेक्षण से वास्तव में एक दिलचस्प प्रतिक्रिया थी और अधिकांश उत्तरदाताओं के पास पीएचडी नहीं थी।, यह सिर्फ एक शर्त नहीं है।
यह विचार कि अगली पीढ़ी के एनालिटिक्स विशेषज्ञ, जो प्रमुख बुलबुला आप सिर्फ दिखा रहे थे, वे नैनो-डिग्री पाठ्यक्रमों से आवश्यक ज्ञान प्राप्त कर सकते हैं। वे उडेसिटी जैसी साइटों पर जा सकते हैं और वे इस ज्ञान को तुरंत व्यापार में सीधे तैनात कर सकते हैं, लघु-केंद्रित वितरण चक्र उन्हें अपनी कंपनियों के लिए प्रतिस्पर्धात्मक अग्रिम का एक तत्काल स्रोत बनाते हैं। तो कुछ के लिए बाहर देखने के लिए, मुझे लगता है।
जेन अंडरवुड: नहीं, मैं सहमत हूं। यहां तक कि अगर मैं इसके बारे में सोचता हूं, तो यह निश्चित रूप से एक लंबा सफर तय करना है क्योंकि मैंने यूसीएसडी में दो साल का कार्यक्रम लिया है। मुझे लगता है कि 2009 में, 2010 के समय सीमा में वापस आ गया था और देश में शायद कुछ मुट्ठी भर थे जो आपको ऐसा करने की अनुमति देते थे। अब आम तौर पर कई और विकल्प हैं, साथ ही विशेष कार्यक्रम, चाहे वह विक्रेताओं के माध्यम से हों, बहुत सारे संसाधन आज लूप और इन सभी अलग-अलग ऑनलाइन संसाधनों के साथ उपलब्ध हैं, यह सिर्फ आश्चर्यजनक है, यह वास्तव में समय है। समय बनाना और बजट बनाना और खुद को बनाए रखने के लिए शेड्यूल करना। यह क्या है जो आप सीखना चाहते हैं? और फिर उस रास्ते पर चलना जो आप सीखना चाहते हैं।
यह देखने के बारे में बोलने और अपने स्वयं के कौशल की एक योजना और एक सीडीओ की संभावना से, यह सुनिश्चित करने के लिए कि उनके पास कवर क्षेत्रों में लोग हैं, मैं प्रति से एक सक्षमता रूपरेखा क्या कहूंगा, कौशल को देख रहा हूं या डोमेन ज्ञान जैसी चीजों को देख रहा हूं। अभी भी वास्तव में महत्वपूर्ण है, भले ही ये समाधान स्वयं-प्रशिक्षण और स्वयं-सीख सकते हैं, यह वास्तव में एक व्यावसायिक विषय विशेषज्ञ है जो मार्गदर्शन करेगा और सुनिश्चित करेगा कि परिणाम समझ में आए।
हमेशा कुछ होता है और जब मैं किसी इंश्योरेंस कंपनी के लिए महत्वपूर्ण एनालिटिक्स कर रहा था और उदाहरणों में से एक था कि एल्गोरिदम न्यू यॉर्क से किसी को नौकरी पर नहीं रखना चाहता था, तो मैं इसका उपयोग करना पसंद करता हूं। खैर, नहीं, हम न्यूयॉर्क से किसी को नहीं लेने जा रहे हैं - हमें यह पता लगाना था कि एल्गोरिथम हमें यह जानकारी क्यों दे रहा था। ऐसा इसलिए था क्योंकि कानूनी, कानूनों में से एक बदल गया था और इसलिए हम उस विशेष खंड में बहुत मंथन कर रहे थे। एक व्यावसायिक विषय वस्तु विशेषज्ञ को उसे समझने के लिए लाया जाना चाहिए, और मुझे वह परिवर्तन दिखाई नहीं दे रहा है, मैं उस तरह का मार्गदर्शन नहीं करता, यह सुनिश्चित करता हूं कि परिणाम सटीक दिखें, क्या कुछ बंद दिखता है - यह अभी भी है, मानव मन होने के लिए कुछ कहा जाता है, मशीन की शक्ति के साथ संयुक्त की सुंदरता, वास्तव में हम कहाँ जा रहे हैं।
दूसरे प्रकार की चीजें जब आप कौशल, दृश्य, डेटा में एक प्रभावी कहानी बता रहे हैं, एक प्रभावी कहानी बता रहे हैं कि क्या यह सीखने का आउटपुट भी है। एक साथ रखना और यह देखना कि यह क्या प्रभाव पड़ता है, निर्णय लेने की मानव प्रकृति को समझना, उन प्रकार की चीजें प्रौद्योगिकी की परवाह किए बिना बहुत महत्वपूर्ण हैं। शासन वास्तव में महत्वपूर्ण है, नैतिकता अधिक से अधिक महत्वपूर्ण होती जा रही है। सामाजिक वैज्ञानिक शामिल होने के बाद, यह समझते हैं और उन्हें यह देखने के लिए प्रशिक्षित किया जाता है कि क्या आपके डेटा में ऐसे पक्षपात हैं जिनका आपको एहसास भी नहीं है या संगठन में कोई ऐसा व्यक्ति भी नहीं है जो शायद इसे पहचान भी नहीं सकता है, यहाँ तक कि उन्हें विशेषज्ञ में लाना, उन चीजों के प्रकार।
और फिर, निश्चित रूप से इंजीनियरिंग और हार्डवेयर के लिए बुनियादी ढांचे का होना और यह सुनिश्चित करना कि आप बड़े पैमाने पर विकसित कर सकते हैं और यह सुनिश्चित कर सकते हैं कि आप सही क्लाउड प्रदाता का उपयोग कर रहे हैं, हो सकता है कि आप लॉक नहीं हैं या आपके पास स्थानांतरित करने के लिए विकल्प हैं या वह आप मूल्य निर्धारण को समझते हैं कि ये आपके लिए कितना खर्च करने वाले हैं। यह इस प्रकार के कौशल हैं और जब आप इसे देखते हैं, तो हम इसे विभिन्न क्षेत्रों द्वारा कौशल कहेंगे, चाहे यह डेटा-संचालित फ्रंटलाइन निर्णय निर्माता हों - जहां इन भूमिकाओं में से अधिकांश होंगे - उन डेटा इंजीनियरों और डेटा वैज्ञानिकों के लिए सभी तरह से डेटा के इन महासागरों में मालिश और काम करना। ये ऐसी चीजें हैं, जिनके लिए आप एक रूपरेखा तैयार करना चाहते हैं।
योग्यता के ढांचे को देखते हुए, आप सामान्य रूप से एक संगठन को देखते हैं, आप दक्षता पर विचार करना चाहते हैं, न कि केवल कौशल पर। जैसा कि आप इसे देख रहे हैं, शब्दांकन में थोड़ी बारीकियाँ हैं। आपके संगठन के लिए एक सक्षम ढांचा एक स्पष्ट संकेत है। युद्ध नीति निर्माता, शिक्षा प्रदाता, जबकि कौशल कहेंगे, आर के तहत टाइप किया गया है, आप उन प्रकारों के बारे में सोचते हैं, आपके पास एक सक्षम कोडर है, लेकिन आप केवल उन कौशल से अधिक चाहते हैं। जब आप योग्यता को समझते हैं, तो किसी व्यक्ति को रूपरेखा को समझने और समझने में क्या सक्षम होना चाहिए, यह महत्वपूर्ण है, वहाँ एक छोटी सी बारीकियों की आवश्यकता है।
जैसा कि आप इसका निर्माण कर रहे हैं, आप निदान करना चाहते हैं कि आप उन क्षमताओं को क्या कहेंगे जो व्यवसाय पर सकारात्मक प्रभाव डालती हैं और उन उच्च क्षमता वाले क्षेत्रों को उजागर करती हैं, इसलिए आप प्राथमिकता दे रहे हैं कि आप उन क्षमताओं को क्या कहते हैं जिन्हें आप अपने संगठन में बढ़ाना चाहते हैं और फिर उन उद्देश्यों के साथ फिर से संरेखित करें। सीडीओ जो डेटा के मूल्य को अधिकतम करने के लिए जिम्मेदार हैं, वे देखेंगे और उनके सीएओ, जो डेटा के मूल्य को अधिकतम करने के लिए एनालिटिक्स का उपयोग करने जा रहे हैं। वे उन दक्षताओं और उन विभिन्न क्षेत्रों को देखेंगे, जो पिछले ग्रिड पर थे जो मेरे पास थे, लेकिन फिर वे कर्मचारियों की उच्च क्षमता को भी देखने जा रहे हैं। आप क्रॉस-रेफरेंस के लिए जा रहे हैं कि डेटा और एनालिटिक्स के लिए आपके कर्मचारी काम करते हैं और उनमें निवेश करते हैं, उन्हें सीखने के अवसर प्रदान करते हैं, न कि केवल प्रशिक्षण, अनिवार्य रूप से वास्तविक दुनिया के अवसरों पर वास्तविक व्यावसायिक समस्याओं पर काम करते हैं।
वहाँ कुछ भी बेहतर नहीं है - भले ही मैं एक दो साल के लिए स्कूल गया था, यह तब तक नहीं था जब तक मैं नहीं गया और इनमें से कुछ एल्गोरिदम लागू किए या चेक धोखाधड़ी के बारे में सीखा, इनमें से कुछ चीजों के बारे में सीखा जो मैंने पहले कभी नहीं सोचा था, और आप वास्तविक दुनिया में एक साथ रखना शुरू करें और वह वह जगह है जहाँ आप वास्तव में सीखते हैं। लोगों को इन क्षेत्रों में अनुभव प्राप्त करने का अवसर देना। जो कंपनियाँ मजबूत क्षमताओं का निर्माण करने में सक्षम हैं, जो व्यवस्थित रूप से पहचान करती हैं, वस्तुनिष्ठ आकलन करती हैं और यह देखने के लिए कि मेरे संगठन के भीतर अंतराल कहाँ हैं, लोगों के लिए लक्ष्यों के लिए कुछ मेट्रिक्स सीखने और डालने में सक्षम हैं, वे हैं जो सक्षम होने जा रहे हैं पहुँचाना।
जब आप वयस्कों को प्रशिक्षित करने के बारे में सोचते हैं, तो फिर, आमतौर पर यह एक समय होता है - हम हर समय भूखे रहते हैं - लेकिन यह देखते हुए कि प्रत्येक के लिए क्या काम करता है। मेरे पास व्यक्तिगत रूप से किताबें हैं, इसलिए यदि आप आज मेरे कार्यालय में आते हैं, तो आपको बहुत सारी वीडियो जैसी किताबें मिलेंगी। तो यह पता लगाने की बात है, आपके संगठन में कोई व्यक्ति कैसे सीखना पसंद करता है - उन्हें सीखने के लिए प्रेरित करना - लेकिन उन्हें ऐसा करने के लिए कुछ समय प्रदान करना और किसी प्रकार का लक्ष्य बनाना - जो उस तक पहुंचने के लिए प्रभावी है और आमतौर पर यही है मिश्रित, यह सिर्फ इतना नहीं है, उस पाठ्यक्रम को स्कोर कार्ड पर चिह्नित करने के लिए जाँच करें, प्रति से, यह सम्मिश्रण है कि वास्तविक लक्ष्य परियोजना के साथ और आपने उस परियोजना से क्या सीखा और आप आगे क्या करना चाहते हैं? खिंचाव क्या है? अपनी टीम को स्ट्रेच करना या अपनी टीम को इसे और आगे ले जाने के लिए प्रेरित करना।
वे सीखने के उद्देश्य, फिर से, यदि आप ऐसा कर रहे हैं, तो यह वास्तव में नहीं होना चाहिए, यह व्यवसाय के लिए अनिवार्य रूप से आसान होना चाहिए क्योंकि उन उद्देश्यों को रणनीतिक व्यावसायिक हितों के साथ संरेखित करना चाहिए। ये बेहतरीन प्रोजेक्ट हैं। वे प्रायोगिक परियोजनाएं हैं। वे प्रोजेक्ट हैं जो सुई को आगे बढ़ाएंगे।
निक, क्या आप कुछ भी जोड़ना चाहते हैं? मुझे यकीन नहीं है।
निक ज्वेल: नहीं, मैं एक केस स्टडी में कूदने जा रहा था, अगर यह ठीक है, तो अगली स्क्रीन पर। किसी विशिष्ट संगठन का थोड़ा और विस्तार। मुझे लगता है कि वे बहुत कुछ कह रहे हैं जो आप अभ्यास में कह रहे हैं, वास्तविकता में। फोर्ड मोटर कंपनी ने कई कंपनियों की तरह, दशकों तक डेटा विश्लेषण पर भरोसा किया, लेकिन इसने व्यवसाय की जेबों में ऐसा किया, जिसमें निरंतरता और समन्वय सुनिश्चित करने के लिए पूरे निगम में बहुत कम निगरानी थी। उनकी समस्याएं संभवतः अपने पैमाने के एक संगठन के लिए काफी विशिष्ट थीं, इसलिए एनालिटिक्स विशेषज्ञता निहित थी - जैसा कि हम कहते हैं - जेब के भीतर, डेटा प्रबंधन और शासन प्रथाओं के असंगत होने के बावजूद, यहां तक कि कुछ व्यावसायिक इकाइयों को बुनियादी विश्लेषिकी विशेषज्ञता तक पहुंच की कमी थी।
फिर, हमने आज विभिन्न प्रकार के डेटा स्रोतों के बारे में बात की है, उनके पास 4, 600 से अधिक डेटा स्रोत थे। इसका मतलब यहां तक कि यात्रा शुरू करना और उन आंकड़ों को ढूंढना है जिनकी उन्हें आवश्यकता थी, विश्लेषणात्मक अंतर्दृष्टि के लिए एक वास्तविक बाधा थी। मैं देख रहा हूँ तुम हँस रहे हो, लेकिन यह एक भयानक बात है, है ना?
जेन अंडरवुड: 4, 600, ओह मेरी गश, हाँ।
निक ज्वेल: तो, फोर्ड ने वैश्विक अंतर्दृष्टि और एनालिटिक्स इकाई का गठन किया और इसे केंद्रीकृत किया गया - आप इसे उत्कृष्टता का केंद्र कह सकते हैं - जिसमें डेटा वैज्ञानिकों और विश्लेषकों की टीम शामिल है, जो उस विश्लेषणात्मक सर्वोत्तम अभ्यास को साझा करने और अनुकूलित डेटा-संचालित प्रसार में मदद करने के लिए संगठित है। व्यवसाय भर में डेटा बनाना। यूनिट ने न केवल क्षमता के आधार पर, बल्कि अच्छी तरह से एक साथ एकीकृत करने की अपनी क्षमता पर सर्वश्रेष्ठ-इन-क्लास टूल का चयन किया, इसलिए यह काफी महत्वपूर्ण है। उनके लोकतांत्रीकरण का फोकस वास्तव में रिपोर्टों और वर्णनात्मक विश्लेषण के आसपास था, जरूरतों के उस पिरामिड को आगे बढ़ाने से पहले, जिसके बारे में हमने बात की है।
अब, लोकतांत्रिककरण किसी को रातोंरात डेटा वैज्ञानिक नहीं बनाता है; कर्मचारियों को यह जानने की जरूरत है कि कब और कहां से मदद मिलनी है, और इस सब के साथ मदद करने के लिए प्रशिक्षण, शासन, कार्यप्रणाली उपलब्ध है। इसके अलावा, यह केवल टूल ट्रेनिंग के बारे में नहीं है, बल्कि डेटा विज्ञान प्रशिक्षण भी है, उस कौशल अंतर को पाटने के लिए जो हमने उल्लेख किया है। इसलिए, एक वास्तविक दुनिया का उपयोग फोर्ड पर मामला, एक रसद नेटवर्क का अनुकूलन, इसलिए फोर्ड बिंदु ए से बिंदु बी तक सामग्री को स्थानांतरित करने के लिए सही राशि का भुगतान कर रही थी? उनकी विरासत के विश्लेषण वास्तव में कार्रवाई के अवसरों को उजागर नहीं करते थे; इसने उन्हें बाजार में बहुत प्रतिक्रियावादी बना दिया। अब, उस प्रक्रिया के लिए बहुत सी जटिलता विश्लेषकों के सिर के अंदर बंद हो गई थी और उन्होंने बड़ी सफलता हासिल की जब स्व-सेवा वर्कफ़्लो को वास्तव में व्यवसाय के साथ पुनरावृत्त किया गया था, और विश्लेषणात्मक विशेषज्ञ एक साथ बैठकर सह-स्थित हो रहे थे।
इसने मल्टीएयर से त्रैमासिक तक विश्लेषण को स्थानांतरित कर दिया, और यहां तक कि निकट-वास्तविक समय तक नीचे, व्यापार के लिए इतना बड़ा, भारी लाभ। व्यावसायिक मूल्य पर स्व-सेवा विश्लेषिकी का प्रभाव, वहाँ यह है कि फोर्ड तेजी से कॉर्पोरेट-वाइड डेटा-संचालित रणनीतियों की योजना बना सकता है और उभरते रुझानों पर प्रतिक्रिया दे सकता है, नई सेवाओं को आकार देने में मदद कर सकता है, और मूल रूप से प्रतिस्पर्धा से खतरों को दूर कर सकता है, बस बिना उस रियरव्यू मिरर में देखने के लिए।
अब, यदि हम इस बात पर एक पल के लिए नज़र डालते हैं कि कैसे एक और ग्राहक ने वास्तव में एनालिटिक्स को स्थानांतरित कर दिया है, तो फर्म के एकल डिवीजन में एक ऊर्ध्वाधर प्राथमिकता के लिए सभी डिवीजनों में एक क्षैतिज पट्टी होगी, हम शेल के बारे में बात करेंगे। शेल उत्कृष्टता का एक केंद्र चलाता है जो मुख्य डिजिटल अधिकारी में रिपोर्ट करता है - इसलिए हमारे CxO प्लेबुक के लिए एक और डी है - डिजिटल परिवर्तन और स्थिरता के लिए जिम्मेदार। ये लोग, वे समझते थे कि उनके पर्यावरण में कई परतें हैं और प्रौद्योगिकी स्टैक, भंडारण, डेटा प्रसंस्करण और यह सभी विशेषताओं वाली तकनीकें हैं जिनसे आप सभी परिचित होंगे। एसएपी हाना, डेटाब्रिक्स, स्पार्क जैसी चीजें और उन्होंने पैमाने के उन सही अर्थव्यवस्थाओं तक पहुंचने के लिए सार्वजनिक क्लाउड का लाभ उठाया।
अब, उन्होंने बहुत सारे आर कोड के लिए एटलिस्टिक्स रैपर के रूप में चयन किया, स्पॉटफायर, पावर बीआई और अधिक जैसी तकनीकों में खिला। लेकिन अब वे अपनाने को डेटा प्रोसेसिंग और विज़ुअलाइज़ेशन के साथ अधिक निकटता से देखते हैं। जेन, बस उन सभी क्षमताओं की अपनी स्लाइड पर वापस कॉल करना, इस तरह की बात फैलती है क्योंकि हम अधिक विश्लेषकों को एक्सेस करने के लिए सक्षम करना शुरू करते हैं। आप जानते हैं, वे इस क्षमता और सीओई को वितरित करने में बेहद सफल थे, भविष्य की क्षमताओं को देने के लिए देख रहे हैं, उन कुछ गहरी सीखने की चीजों के बारे में हमने बात की - मशीन दृष्टि, प्राकृतिक भाषा प्रसंस्करण - और उनके मिशन का आधा हिस्सा है, इसका आधा हिस्सा व्यापार इकाइयों में इन विचारों को समझाने और उत्प्रेरित करने के बारे में है। यह यात्रा का हिस्सा है; सीओई हमेशा अपने व्यवसाय के दर्शकों के साथ संवाद करने के लिए अलग-अलग तरीकों की तलाश कर रहा है।
एक तरफ संशय को ध्यान में रखते हुए, जो कहते हैं, "ठीक है, यह ब्लैक बॉक्स मेरे विश्लेषक के रूप में कभी भी अच्छा नहीं होगा, " सभी तरह से फैनबॉय के माध्यम से या उत्साही जो हर जगह सहसंबंध देखते हैं, शायद कारण संबंधों के रास्ते में कम, लेकिन आपको दोनों तरफ से सावधान रहने की जरूरत है। यह एक आकर्षक मध्य मैदान है, जब आपके पास एक पूरे संगठन में यह क्षैतिज पट्टी होती है, तो हाइब्रिड कौशल सेट जो कि स्पेक्ट्रम के दोनों किनारों को मनाने के लिए आवश्यक है।
निक ज्वेल: ठीक है, जेन, क्या तुम वहाँ हो?
जेन अंडरवुड: मैं हूं।
निक ज्वेल: मुझे लगता है कि हम इस क्लेटन क्रिस्टेंसन उद्धरण के साथ यहां क्या कहने की कोशिश कर रहे हैं, यह है कि कई संगठनों के लिए, मैं अनुमान लगाता हूं कि हम आज जिस डिजिटल परिवर्तन के बारे में बात कर रहे हैं, उसे बदलने के लिए एनालिटिक्स एजेंडा को एकजुट करने जा रहा है। एक चुनौती बनो। अधिक बार नहीं, हम विश्लेषणात्मक टीमों को कमजोर हाथ से शुरू करते हैं। विश्लेषणात्मक प्रक्रियाओं, प्रौद्योगिकियों, टीम संरचनाओं की विरासत होल्डओवर के साथ नवाचार करने का प्रयास और इन अवशेषों को पकड़ना विश्लेषणात्मक संरेखण के लिए और विश्लेषणात्मक नवाचार के लिए सबसे बड़ा अवरोधक होने जा रहा है। क्या आपके पास उस पर कोई विचार है, जेन?
जेन अंडरवुड: मैं उस चित्र का आनंद लेता हूं जिसे चुना गया था। हां, निश्चित रूप से मेरे लिए बहुत मायने रखता है। उदाहरण के लिए, आपको वास्तविक समय में स्ट्रीमिंग के लिए इनमें से कुछ नई तकनीकों को अपनाना होगा। आप जरूरी नहीं कि उन वास्तविक समय के परिणाम प्राप्त करने में सक्षम होने जा रहे हैं यदि आप एक ब्राउज़र में जावास्क्रिप्ट रिफ्रेश करने के लिए कर रहे हैं, प्रति से, एक पुरानी विरासत के साथ - शायद यह एक डैशबोर्ड ऐप या उन प्रकार की चीजें हैं। हां, आपको इन नए उपकरणों में से कुछ को गले लगाने की आवश्यकता है, और फिर, मुझे लगता है कि यह तस्वीर वास्तव में प्यारा है, एक तस्वीर एक हजार शब्द कहती है। गाड़ी और छोटी गाड़ी, आपको उन पुराने टेक अप्रोच में से कुछ को छोड़ देना होगा।
निक ज्वेल: बिल्कुल। इसलिए, अगर हम अगली स्लाइड पर जाते हैं, तो हमें लगता है कि एक बेहतर तरीका है। मैं सबसे पहले यह अनुमान लगाता हूं कि Google जैसी खोज के लिए कुछ का उपयोग करके, जल्दी से अपने सभी डेटा एसेट को खोजने के लिए जो सबसे अधिक प्रासंगिक हैं। उनके संदर्भ को समझना, निर्भरता को समझना, आपके समुदायों में विशेषज्ञों द्वारा लिखी गई व्यावसायिक शब्दावली जैसे वास्तव में सरल चीजों में फैक्टरिंग करना, जो आपके सहकर्मियों के प्रमुखों के उस आदिवासी ज्ञान के सभी द्वारा जीवित रखा गया है।
डेटा खोज के साथ स्मार्ट हो रहा है। रिपोर्ट के मालिकों और विशेषज्ञों के साथ बातचीत करने की क्षमता के बारे में सोचें। अपलोड करना, ट्रिप एडवाइजर या येल्प का थोड़ा-थोड़ा करना, उन संपत्तियों को अपलोड करना, जो सबसे अधिक उपयोगी हैं, यह प्रमाणित करना कि संगठन को सबसे मूल्यवान लगता है और फिर यह सब खोज परिणामों में वापस खिलाता है और अंततः खोज रैंकिंग को बेहतर बनाता है। अगले उपयोगकर्ता। एक बार जब आप पाते हैं कि आप क्या देख रहे हैं, तो अपने संपूर्ण डेटा सेट को विकसित करने के लिए उस तीव्र, कोड-मुक्त, उपयोगकर्ता के अनुकूल, तैयारी और विश्लेषण चरण में ले जाना, जिसमें से दोहराए जाने योग्य प्रक्रियाओं को प्रकाशित करना है।
उपयोगकर्ता के अनुकूल ऐप्स का निर्माण, हमारे स्वचालन वार्तालाप पर वापस जाएं। विश्लेषणात्मक मॉडल बनाने के लिए जो कुछ भी आवश्यक है। मॉडल की बात करें, तो हमने कई वर्षों से आर-जैसे ओपन-सोर्स तकनीकों का समर्थन किया है, जिससे हमें एक बहुत ही उन्नत विश्लेषणात्मक क्षमता का निर्माण करने की अनुमति मिलती है, जो एक सरल, ड्रैग-एंड में पूर्वानुमानात्मक, प्रिस्क्रिप्टिव एनालिटिक्स को शामिल करती है। रास्ता छोड़ दो।
अब, दाईं ओर, वास्तव में उस अंतर्दृष्टि को इंटरैक्टिव विज़ुअलाइज़ेशन, मॉडल और स्कोरिंग के रूप में डेटा प्लेटफ़ॉर्म के अंदर नीचे धकेल दिया जा रहा है, या हाल ही में, उस अंतर्दृष्टि को तुरंत और सीधे व्यावसायिक प्रक्रिया के भीतर उपलब्ध कराया जा रहा है। मुझे लगता है कि यह पूरे मंच पर क्षमताओं की एक सीमा है जो हमें इस साल के गार्टनर पीयर इनसाइट्स कस्टमर्स चॉइस सर्वे में गोल्ड अवार्ड विजेता के रूप में मान्यता प्राप्त करने की अनुमति देती है, जो एक शानदार उपलब्धि है। मैं आपको अधिक जानकारी प्राप्त करने और अपने स्वयं के वोट जोड़ने और अपनी खुद की टिप्पणी जोड़ने के लिए गार्टनर साइट पर जाने की दृढ़ता से सलाह देता हूं।
कूल, इसलिए, जेन, अगर हम एक और स्लाइड को आगे छोड़ते हैं - मुझे लगता है कि जैसे ही हम निष्कर्ष निकालते हैं, मैं आपको सभी अगले चरण देना चाहूंगा। सबसे पहले, एनालिटिक्स बाधाओं को तोड़ने के आसपास, इंटरनेशनल इंस्टीट्यूट ऑफ एनालिटिक्स (IIA) के साथ समन्वय में किए गए हमारे सबसे हाल के शोध संक्षिप्त की एक मानार्थ प्रति डाउनलोड करने के लिए Alteryx.com पर जाएं। आप अपनी टीमों को सक्षम करने के तरीके के बारे में अधिक जानने के लिए udacity.com/alteryx पर भी जा सकते हैं, अपनी यात्रा में अगला कदम उठाने के लिए, उस उन्नत एनालिटिक्स नैनो-डिग्री के साथ और फिर अंत में खुद के लिए एलर्टेक्स का अनुभव करें। होमपेज पर जाएं, पूरी तरह से चित्रित मूल्यांकन डाउनलोड करें और हल करने के रोमांच के साथ जहाज पर जाएं।
जेन, आप पर। हमारे पास कुछ प्रश्नोत्तर के लिए कुछ समय हो सकता है।
एरिक Kavanagh: मैं वास्तव में जल्दी में झंकार हूँ। हमारे पास कुछ सवाल हैं। यदि आप इस पर टिप्पणी करना चाहते हैं, तो मैं आपको पहले, निक और फिर जेन पर एक अनुमान लगाता हूं, लेकिन यह निश्चित रूप से यूरोपीय संघ के लिए अधिक प्रयोज्यता है और यह कुख्यात जीडीपीआर, ग्लोबल डेटा प्रोटेक्शन रेगुलेशन है। यह कैसे एलर्टेक्स और आपके रोडमैप को प्रभावित कर रहा है और आप लोग किस पर केंद्रित हैं?
निक ज्वेल: यह बहुत बूगीमैन है, मुझे लगता है, यह अभी वहीं है। बहुत सारे लोग इसके बारे में बात कर रहे हैं, बहुत से लोग काफी चिंतित हैं, लेकिन यह वास्तव में नियमों की एक लंबी श्रृंखला में पहला है जो डेटा और एनालिटिक्स की दुनिया में आने वाला है। वास्तव में, हमारे दृष्टिकोण से, यह आपके डेटा को समझने और वर्गीकृत करने के बारे में है। किसी विशेष स्वाद के CxO के रूप में सुनिश्चित करना, आप जानते हैं कि आपकी संपत्ति कहां है, आप उनके संदर्भ को जानते हैं और आप जानते हैं कि आप उन्हें व्यापक संदर्भ में डेटा को वास्तव में नियंत्रित करने और प्रबंधित करने के लिए पहले कदम के रूप में भरोसा कर सकते हैं।
एरिक कवनघ: मुझे लगता है कि हम जेएन को वापस लाने से पहले आपके ऊपर एक और सवाल फेंक देंगे, निक, और वह है, प्रशिक्षण डेटा, अगर कोई अनुरोध करता है कि उनका डेटा आपके उद्यम से हटा दिया जाए, तो यह प्रभाव सिर्फ उनके नाम का नहीं है, पता और आगे, न केवल उनकी संपर्क जानकारी, लेकिन यह भी, अगर एक एल्गोरिथ्म प्रशिक्षण डेटा का उपयोग करता है जिसमें आपका डेटा शामिल है, तो आपको एल्गोरिथ्म को फिर से लेना चाहिए, क्या यह सही नहीं है?
निक ज्वेल: यह विशेष रूप से जटिल है। मुझे लगता है कि यह विचार न केवल व्यक्तिगत रूप से पहचाने जाने योग्य जानकारी में से कुछ का स्रोत होने के नाते डेटाबेस, बल्कि विश्लेषणात्मक वर्कफ़्लोज़, ऐप्स, विज़ुअलाइज़ेशन भी है। यह डेटा एक संगठन के साथ हर जगह मिलता है, इसलिए उस संदर्भ में: बिल्कुल महत्वपूर्ण है।
एरिक कवनघ: और जेन, आपका क्या विचार है? जाहिर है, यह अमेरिका में एक बड़ी बात नहीं है और हम अभी भी कई कंपनियों को इस पर झल्लाहट नहीं देखते हैं, भले ही तकनीकी रूप से यह यहां लागू होता है। यदि एक अमेरिकी कंपनी के पास ईयू नागरिक का डेटा है, तो आपका जीडीपीआर का महत्व क्या है और यह कितना बड़ा है?
जेन अंडरवुड: ठीक है, मुझे निश्चित रूप से लगता है कि इसके लिए डेटा के जिम्मेदार उपचार की आवश्यकता है। मैंने इसके बारे में कुछ बार लिखा है और इनमें से कुछ चीजों पर कुछ दिशानिर्देश हैं। मुझे लगता है कि आपने एल्गोरिदम के बारे में जो सवाल पूछा है वह दिलचस्प है। निश्चित रूप से, कुछ समाधान जो मैं आज देख रहा हूं, उनकी कुछ उत्पाद टीमों ने विशेषताएं तैयार की हैं ताकि आप देख सकें कि वे कैसे निर्णय ले रहे हैं और उस एल्गोरिथ्म के परिणाम को तय करने के लिए व्यक्तिगत डेटा का क्या उपयोग किया गया था। हम संयुक्त राज्य अमेरिका में उत्पाद डिजाइन में कुछ प्रभाव देख रहे हैं।
बहुत सारी प्रौद्योगिकी कंपनियों के यहाँ बहुत बड़े कार्यालय हैं और राज्यों के साथ-साथ दुनिया भर में विकास दल हैं, इसलिए हम इसे उत्पाद विकास पर देख रहे हैं। मैं और अधिक डेटा कैटलॉग में निवेश कर रहा हूं। अधिक सरकारों की पहल को काटा जा रहा है ताकि लोग समझें, और वे समझें कि वह सारा डेटा अराजकता में कहां है। कम से कम इसे व्यवस्थित करने, इसे खोजने और इसके साथ कुछ करने के लिए अपनी बाहों को चारों ओर लाने की कोशिश कर रहा है।
एरिक कावनघ: मैं इस स्लाइड को आगे बढ़ाने जा रहा हूं, जिसके बारे में हमने पहले बात की थी और इसे आप पर फेंक देंगे, निक। मुझे लगता है कि यह एक शानदार स्लाइड है क्योंकि, मेरे लिए, यह वास्तव में एनालिटिक्स की आवश्यकता के बारे में बताता है। आप इस बदलते गतिशील के बारे में क्या सोचते हैं? मेरा मतलब है कि लब्बोलुआब यह है कि कंपनियों को चुस्त होना चाहिए और मैं एनालिटिक्स को उस चार्ज के प्रमुख के रूप में देखता हूं। तुम क्या सोचते हो?
निक ज्वेल: यह आकर्षक है। मुझे लगता है कि हमेशा तीन कंपनियां होती हैं और कंपनियां हमेशा तीन राज्यों में मौजूद रहती हैं, इसलिए यह या तो युद्ध, शांति या आश्चर्य है। प्रतियोगिता के उस भारी स्तर के बारे में युद्ध होने जा रहा है। आश्चर्य है कि सभी महान नए सामान आप एक मंच के शीर्ष पर बनाते हैं। फिर प्रतियोगिता से पहले शांति और युद्ध फिर से शुरू होता है। मुझे लगता है कि हमेशा यह लड़ाई चल रही है।
आज की कॉल से पहले, हमने कुछ अन्य सम्मेलन और प्रमुख नोटों के बारे में बात की जो आज दुनिया भर में चल रहे हैं। कुछ बड़े क्लाउड विक्रेता, वे एक बिंदु पर पहुंच गए हैं, जहां उन्होंने इस मंच का निर्माण किया है और अब वे इसके शीर्ष पर अद्भुत नई चीजों का निर्माण कर रहे हैं। कंपनियों को इस पर वास्तव में कड़ी नज़र रखनी होगी और सुनिश्चित करना होगा कि वे एक ऐसी चीज़ के साथ जा रहे हैं जिसके पास एक सुसंगत मंच है जो भविष्य के लिए उस मूल्य को वितरित करेगा। वे इस व्यवधान से बचने वाले हैं।
एरिक कवनघ: हाँ, यह एक अच्छी बात है, और आप जानते हैं, जेन, आपने पहले टिप्पणी की थी, वास्तव में शो से पहले, क्लाउड रणनीति के बारे में और उद्योग में आप कितने लोगों को जानते हैं, यह कह रहे हैं कि बड़ी कंपनियों, यहां तक कि बैंकों, सभी अब एक बादल रणनीति है। मुझे इस बात पर हैरानी हुई है कि इसे अमल में लाने में कितना समय लगा है, और मुझे लगता है कि शायद उनमें से कुछ लोग एडब्ल्यूएस रिनवेंट सम्मेलन में गए और महसूस किया कि यह कितना व्यापक है और इस निष्कर्ष को आकर्षित किया कि समय आ गया है। क्लाउड के आयात के बारे में बड़े व्यावसायिक अधिकारियों के बीच जागरूकता के बारे में आपका क्या विचार है और यह उनकी योजना को कैसे बदल रहा है?
जेन अंडरवुड: जब मैं बड़े पैमाने पर डेटा की इस दुनिया के बारे में सोचता हूं, तो इसे प्रबंधित करने में सक्षम होने के कारण, मुझे लगता है कि कुछ स्तरों पर कुछ बड़ी कंपनियों में से एक के साथ मन की शांति है, सुरक्षा के कुछ पहलुओं की जिम्मेदारी लेते हैं, इसलिए मन की शांति। आप जानते हैं कि क्लाउड के साथ कुछ सीमित पैमाने हैं।
दूसरी बात यह है, और मैंने इसे देखा, मैं एक टीम पर था जिसने क्लाउड में एक उत्पाद का पुनर्विकास किया था और यह निश्चित रूप से एक दलित उत्पाद था और किसी ने इस पर कोई ध्यान नहीं दिया, और दो साल के भीतर, साप्ताहिक रिलीज़ और यहां तक कि के कारण। मैं कहूंगा, यह लगभग दैनिक क्लाउड में रिलीज़ होने की बात है। मुझे पता है कि अमेज़ॅन का कहना है कि वे प्रति दिन कई बार जारी करते हैं। जब आपको वह खतरा होता है, जब आपके प्रतियोगी दैनिक रूप से जारी कर सकते हैं और सुधार कर सकते हैं, जो कुछ भी यह है कि वे कर रहे हैं, कम से कम सॉफ्टवेयर उद्योग में - और हर कोई वास्तव में सॉफ्टवेयर उद्योग में है जब आप डिजिटल परिवर्तन देखना शुरू करते हैं - यह एक पूरी तरह से है बॉलगेम और कोई भी क्लाउड और स्केल को स्पिन कर सकता है और बड़ा बन सकता है।
फिर से, यह डेटा होने जा रहा है जिसका वे लाभ उठा रहे हैं जो उनके एल्गोरिदम में अंतर और बुद्धिमत्ता बनाने जा रहा है, और इसीलिए लोग डेटा के नए तेल या डेटा के सोने होने के बारे में बात कर रहे हैं। जब मैं बादल को देखता हूं, तो यह गेम चेंजर है, यह वास्तव में बहुत, बहुत तेजी से विकास और पैमाने को सक्षम करता है। यह आश्चर्यजनक है।
एरिक कवनघ: मैं आपको एक और प्रश्न के लिए, निक, में वापस लाऊंगा - हम यहां एक मिनट और जाएंगे, अगर हम इनमें से कुछ प्रश्नों को प्राप्त कर सकें, लेकिन, जैसा कि मुझे याद है, पाँच और छह और शायद सात भी वर्षों पहले, एलर्टेक्स वास्तव में तीसरे पक्ष के डेटा का लाभ उठाने में एक प्रर्वतक था - इसलिए एक्सपेरियन जैसे स्रोतों से डेटा ला रहा था, उदाहरण के लिए, या भू-स्थानिक डेटा। मैं सोच रहा हूँ कि शायद एक रणनीतिक लाभ है क्योंकि एलर्टेक्स में डीएनए में उस तरह की चीज है, है ना? जैसे-जैसे कंपनियां क्लाउड की ओर बढ़ती हैं, मुझे लगता है कि आप लोगों को उन दुनिया को पाटने में सक्षम होने का बहुत अनुभव है। ऑन-प्रिम की दुनिया थर्ड-पार्टी और क्लाउड-आधारित डेटा, आपको क्या लगता है?
निक ज्वेल: हाँ, बिल्कुल। अल्टिमेट कनेक्टिविटी किसी भी कंपनी के लिए ऐसा पावर प्ले होने वाला है जो इस क्लाउड-आधारित वातावरण में काम करने वाला है। लेकिन मैं कहूंगा, जब हम इन्फोमिनिक्स जैसी किसी चीज के बारे में बात करते हैं, तो यह विचार कि जानकारी और डेटा को आपकी कंपनी में एक संपत्ति माना जाना चाहिए। अधिकांश मूल्य जो आप लाने जा रहे हैं, वे बाहरी डेटा स्रोतों को ले रहे हैं, उन्हें सम्मिश्रण कर रहे हैं और उन्हें अपने आंतरिक स्रोतों से समृद्ध कर रहे हैं, इस प्रक्रिया में अधिक मूल्य बनाने और मुद्रीकृत करने के लिए। आंतरिक और बाह्य डेटा के साथ समान रूप से काम करना बिल्कुल महत्वपूर्ण है।
एरिक Kavanagh: हाँ, यह एक अच्छी बात है। मुझे लगता है कि हाइब्रिड क्लाउड की यह पूरी दुनिया यहां रहने के लिए है। जेन, मैं बस कुछ समापन टिप्पणियों के लिए इसे आपके ऊपर फेंकने जा रहा हूं, शायद। मेरे लिए, उस रणनीतिक दृष्टिकोण और नए शब्द के रूप में एकीकरण करने में सक्षम होने के नाते, सूत्रों के डेटा का वर्णन कर रहा है, यह एक महत्वपूर्ण सफलता कारक होने जा रहा है, है ना?
जेन अंडरवुड: नहीं, बिल्कुल, और यह मजेदार है, मैं इस हाइब्रिड, हाइब्रिड, हाइब्रिड सुन रहा था। आपने इसके बारे में सुना है और चार साल पहले आप Hadoop, Hadoop और बड़े डेटा के बारे में सोचते हैं और फिर आपने हाइब्रिड, हाइब्रिड सुनना शुरू कर दिया है, तो निश्चित रूप से वहां रहे हैं, हम जरूरी नहीं कि यह मशीन लर्निंग का वर्ष हो, बार नो। मेरा मतलब है कि आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग ने इस साल मंच ले लिया है, लेकिन आज किसी संगठन में वास्तव में काम करने के लिए यह बादल के रास्ते पर है या इन सभी अलग-अलग क्लाउड डेटा स्रोतों से निपटना है, शायद यह Salesforce है या कार्यदिवस, ये सभी विभिन्न प्रकार के स्रोत जो क्लाउड में रहते हैं, एकमात्र तरीका जिसे आप संभाल सकते हैं वह है हाइब्रिड होना। आप संभवतः हर जगह डेटा की प्रतिलिपि नहीं बना सकते हैं, इसलिए आपको सीधे कनेक्ट करने में सक्षम होने की आवश्यकता है और आपको हर जगह स्थित डेटा के साथ काम करने का तरीका खोजने की आवश्यकता है, हर जगह डेटा ढूंढें, क्योंकि यही वास्तविकता है कि हम सही जगह पर कहां हैं अभी।
एरिक Kavanagh: मुझे लगता है कि अगर मैं बातचीत में मशीन सीखने को वापस नहीं लाता तो मुझे रिमिस होता, इसलिए, निक, मैं बस इसे आपके ऊपर फेंक दूंगा। मुझे पता है कि आप लोग उस पर केंद्रित हैं - क्या आप इस तरह की बात कर सकते हैं जहाँ आप मशीन लर्निंग को एनालिटिक्स के साथ और उस तरह के सिस्टम के साथ देखते हैं जिसका उपयोग हम अपने व्यवसाय और अपने डेटा को समझने के लिए करते हैं?
निक ज्वेल: हाँ, ज़रूर। तो, बहुत संक्षेप में, तो, चलो जल्दी से हमारे कौशल अंतराल पर वापस जाएं। यह विचार कि हमें संगठन एक्सेल उपयोगकर्ताओं के साथ बिल्कुल ठसाठस भरा हुआ है। हम डेटा वैज्ञानिकों के माध्यम से आ रहे हैं, लेकिन उसी दर से नहीं बढ़ रहे हैं। दोनों के बीच भारी अंतर है। आज मशीन सीखना कहां है, इसके बारे में सोचें। हमारे फोन या हमारी घड़ी पर कितने एल्गोरिदम हैं जो मशीन सीखने की तकनीक को शामिल करते हैं? यह एक वस्तु है, यह हर जगह है। हमें यह सुनिश्चित करने की आवश्यकता है कि इन पॉवर उपयोगकर्ताओं को सरलतम तरीके से यह सुनिश्चित करने के लिए सक्षम किया जाए कि मशीन को पूरे व्यवसाय में सफलतापूर्वक लागू किया जाए।
एरिक Kavanagh: मैं एक आखिरी एक आप पर फेंक देंगे, शायद। हमें देर से आने वाले, यहाँ कुछ युगल प्रश्न मिले। जेन, मैं आपसे यह पूछूंगा। एक सहभागी अनुपयोगी शिक्षा की इस पूरी अवधारणा पर टिप्पणी कर रहा है और तथ्य यह है कि क्या आपको उस सामान को करने के लिए प्रशिक्षण डेटा की आवश्यकता है और आमतौर पर प्रशिक्षण डेटा को कंपनी के लिए विशिष्ट होना चाहिए। हालांकि उद्योगों में बहुत सारे सहसंबंध हैं, फिर भी बहुत सारे तरीके हैं जिनमें संगठन समान हैं। बहरहाल, प्रत्येक कंपनी अद्वितीय है, चाहे वह उसका व्यवसाय मॉडल हो या विपणन या बिक्री के लिए उसका दृष्टिकोण, या जो भी मामला हो, उत्पाद विकास।
सवाल यह है कि क्या ये एल्गोरिदम प्रशिक्षण के लिए तीसरे पक्ष के डेटा का उपयोग करने में सक्षम होंगे? ऐसा लगता है कि आपको हमेशा इन एल्गोरिदम को प्रशिक्षित करने के लिए अपने स्वयं के डेटा का उपयोग करने की आवश्यकता होती है, भले ही वह चक्र समय छह महीने से गिर जाए - जो कि कुछ मामलों में हुआ है - 40 दिन या 20 दिन, जो भी हो मामला हो सकता है आपको वास्तव में अपने स्वयं के डेटा का उपयोग करना होगा और आपको यह सुनिश्चित करना होगा कि डेटा बहुत साफ है, है ना?
जेन अंडरवुड: यह वास्तव में एक मिश्रण है। आप बाहरी संदर्भ रखना चाहते हैं। वास्तव में, मुझे आज बैक टू बैक बुक किया गया है और मेरी अगली वेबिनार मशीन सीखने के लिए डेटा तैयार करने और सफाई करने की बात कर रही है। क्या वास्तव में महत्वपूर्ण है कि आप अपने संगठन के साथ बाहरी संदर्भ को एक साथ रख रहे हैं, और मुझे प्यार है कि आपने डेटा प्रस्तुत करने और सफाई के बारे में पूछा, क्योंकि ईमानदारी से, कुछ उपकरण बहुत, बहुत अच्छे मिल रहे हैं - वे इसके कुछ पहलुओं को संभाल सकते हैं, लेकिन मानव मन, या समस्या को समझने और देखने में सक्षम होने के कारण यह सुनिश्चित करता है कि वे चूक नहीं गए हैं - कहते हैं कि हमारे पास कुछ प्रकार के चूक पूर्वाग्रह हैं। जिस तरह से आप समस्या को देख रहे हैं और जिस तरह से आप उस समस्या को डिजाइन करने के लिए चुन रहे हैं जिसे आप स्वचालित कर रहे हैं या निर्णय जो आप स्वचालित कर रहे हैं, उस पर एक कला है और यह सुनिश्चित करना कि यह उस व्यवसाय प्रक्रिया को सटीक रूप से दर्शाता है।
बीमा कंपनी के साथ मेरे उदाहरण पर वापस जा रहे हैं, जब हम मंथन कर रहे थे और बीमा बेचने के लिए इस प्रायोजित प्रशिक्षण से गुजरने के लिए किसे किराया देना था; मॉडल में ही कानूनी माहौल नहीं था, विभिन्न राज्यों के लिए अलग कानून। वहाँ हमेशा कुछ पहलू होने जा रहे हैं, जहाँ आप अपने आंतरिक डेटा और फिर से, मानव मन के साथ उस बाहरी डेटा को रखने जा रहे हैं। वहाँ अलग-अलग घटक होने जा रहे हैं।
एरिक कवनघ: मुझे लगता है कि आप यहां बहुत अच्छी बात लेकर आए हैं। हम रोबोट और मशीनों और मशीन सीखने के बारे में सुनते रहते हैं। मेरे लिए, यह एक बहुत ही विघटनकारी प्रवृत्ति है - इसमें कोई संदेह नहीं है - लेकिन मैं कभी भी इस मिश्रण में मनुष्यों की आवश्यकता नहीं देख रहा हूँ, विशेष रूप से डेटा पर एनालिटिक्स के साथ, उद्यम डेटा पर।
निक, आपके लिए एक अंतिम प्रश्न। मेरे लिए, कोई फर्क नहीं पड़ता कि कितना अच्छा एल्गोरिदम मिलता है, आपको हमेशा लोगों की निगरानी की आवश्यकता होती है कि क्या हो रहा है, खुद को नियत समय पर इंजेक्ट कर रहा है और वास्तव में वहाँ से बाहर की बड़ी तस्वीर को संश्लेषित कर रहा है। मुझे नहीं लगता कि फॉर्च्यून 2000 कंपनी के लिए कोई भी एल्गोरिदम कभी भी बड़ी तस्वीर को संश्लेषित करने में सक्षम होने जा रहा है, लेकिन आपको क्या लगता है?
निक ज्वेल: ठीक है, चलो पूरी तरह से गैर-एलर्टेक्स उदाहरण लेते हैं, चलो पिछले साल से उबर के बारे में बात करते हैं। उबेर, ऑस्ट्रेलिया में आतंकवादी घटना के दौरान, लोग इस क्षेत्र से भागने की कोशिश कर रहे थे, उन्होंने अचानक मूल्य निर्धारण पर जोर दिया, 'यही कारण है कि एल्गोरिदम ने ऐसा करने के लिए कहा, जिससे बहुत बड़ी क्षति हुई। उसके तुरंत बाद, उन्होंने मानव और एल्गोरिदम को एक साथ काम करते हुए कार्यान्वित किया। जब भी ऐसा होने वाला था, एक इंसान को प्रक्रिया की निगरानी करनी थी। मानव और एल्गोरिथ्म की साझेदारी, यही आगे का रास्ता है।
एरिक कवनघ: वाह, यह एक महान उदाहरण है, बहुत बहुत धन्यवाद। ठीक है, दोस्तों, हमने अपने वेबकास्ट पर एक घंटे से अधिक समय तक जलाया है। प्रभाव एनालिटिक्स के जेन अंडरवुड के लिए बहुत बड़ा धन्यवाद। निश्चित रूप से अपने समय और ध्यान के लिए निक ज्वेल और एलर्टेक्स टीम के लिए बड़ा धन्यवाद और अपने समय और ध्यान के लिए आप सभी को। हम इन महान सवालों की सराहना करते हैं। हम बाद में देखने के लिए इन सभी वेबकास्ट को संग्रहीत करते हैं, अपने दोस्तों और सहयोगियों के साथ साझा करने के लिए स्वतंत्र महसूस करते हैं। इसके साथ, हम आपसे विदाई लेंगे। बेहतरीन वेबकास्ट आज। फिर से बहुत बहुत धन्यवाद, हम अगली बार आप लोगों को पकड़ लेंगे। ख्याल रखना। अलविदा।
