एक टीम का खेल: व्यवसाय के प्रभावी संरेखण को बढ़ावा देना और यह

टेकोपेडिया स्टाफ द्वारा, 1 नवंबर, 2017

Takeaway: होस्ट एरिक कवनघ ने बिजनेस और आईटी के बीच एकरसन ग्रुप के वेन एकर्सन और एलर्टेक्स के जोश हॉवर्ड के साथ सहयोग पर चर्चा की।

आप वर्तमान में लॉग इन नहीं हैं। वीडियो देखने के लिए कृपया लॉग-इन या साइन-अप करें।

एरिक कवनघ: ठीक है, देवियों और सज्जनों, एरिक कवनघ यहां हॉट टेक्नोलॉजीज के साथ। हमने जोश हॉवर्ड और वेन एकर्सन को लाइन में खड़ा कर दिया है। हमारे पास बस एक मज़ेदार सा ऑडियो इश्यू क्रैश था और वहीं जल गया था, लेकिन हमें वापस डायल किया गया और सब कुछ हिल रहा है और लुढ़क रहा है।

इसलिए, वेन एकर्सन मैं अब कई सालों से जानता हूं। वह एकर्सन ग्रुप में प्रमुख सलाहकार हैं। और जोश हावर्ड मैं भी एक लंबे समय के लिए जाना जाता है। वह एलर्टेक्स में नए उत्पादों के निदेशक हैं। ये लोग वास्तव में अपने क्षेत्रों में वास्तव में उत्कृष्ट हैं, और वे हमारे साथ बहुत सारे विचार साझा करने जा रहे हैं कि कैसे व्यापार और आईटी बेहतर रिश्तों को बढ़ावा दे सकते हैं और वास्तव में सहयोग करते हैं और कुछ चीजें प्राप्त करते हैं।

तो, मैं अगली स्लाइड पुश करने जा रहा हूं और वेन को सौंप दूंगा। तो, मुझे थोड़ा बताएं कि क्या चल रहा है।

वेन एकर्सन: श्योर, एरिक। यहां आकर इस मुद्दे पर बात करना खुशी की बात है। मैं एक लंबे समय के लिए राज्यों में रहा हूं और व्यापार और आईटी के बीच एक अंतर देखा है, और इसमें से बहुत कुछ उनके फोकस और उनके लक्ष्यों के कारण है, जो उन्हें करने के लिए काम पर रखा गया है। तो यह एक प्राकृतिक खाई की तरह है, आप कह सकते हैं, या व्यापार और आईटी के बीच अंतर है, लेकिन यह कुछ हानिकारक परिणामों को जन्म देता है। आप जानते हैं, आईटी को दीर्घकालिक, सिस्टम और एप्लिकेशन, समाधान बनाने के लिए काम पर रखा गया है, जो स्थायी हैं, जो अर्थव्यवस्थाओं को बड़े पैमाने पर, पुन: उपयोग के उच्च स्तर, और स्केलेबिलिटी, सुरक्षा, उपलब्धता और विश्वसनीयता प्रदान करते हैं। बहुत रूढ़िवादी, धीमी गति से चलने वाली मानसिकता। दूसरी ओर, व्यापार, ग्राहक की जरूरतों को पूरा करने, बातचीत के बिंदु, बहुत अधिक अल्पकालिक केंद्रित, प्रोत्साहनों पर केंद्रित है - और इसे मासिक या त्रैमासिक आधार पर पूरा किया जा सकता है। उनका ध्यान गति, चपलता और अनुकूलन क्षमता है। इसलिए, इसमें कोई आश्चर्य की बात नहीं है कि इन दोनों समूहों के बीच घर्षण होना चाहिए या होना चाहिए।

अगली स्लाइड। इसलिए, इस तरह का संवाद मैं कभी-कभी उन संगठनों को सुनता हूं, जहां मैं परामर्श करने के लिए जाता हूं और जहां मुझे लगता है कि मैं एक विवाह परामर्शदाता की भूमिका निभा रहा हूं, इन दोनों पक्षों को एक करने की कोशिश कर रहा हूं, एक दूसरे को स्वीकार करते हैं और उनकी भूमिका व्यापार प्रौद्योगिकी समाधान देने में। व्यवसाय आईटी के बारे में बहुत धीमा, महंगा लगता है और जो वे चाहते हैं उसे कभी भी वितरित नहीं करते हैं, जब वे चाहते हैं, तो वे इसे कैसे चाहते हैं। आईटी व्यवसाय को हर समय अपने दिमाग को बदलने के रूप में देखता है, नई सुविधाओं को जोड़ता है। फिर ये सभी चीजें अल्पकालिक चलती हैं, कभी भी बड़ी तस्वीर नहीं देखती है। इस घर्षण के साथ बार-बार होने वाला नतीजा यह है कि आकस्मिक उपयोग। वहाँ कार्यकारी प्रबंधक कहेंगे, “आप जानते हैं क्या? बस इसे भूल जाओ। मुझे पता है कि मुझे अपनी ज़रूरत का डेटा नहीं मिलने वाला है, इसलिए मैं बस इसके बिना करूंगा। ”यह बहुत डरावना है। डेटा का पावर उपयोगकर्ता कहेगा, "बस मुझे डेटा का एक डंप दें और मुझे परेशान न करें।" और बीयू नेता, अगर वे वास्तव में जानकारी चाहते हैं, तो वे सिर्फ अपना बजट प्राप्त करेंगे, अपने स्वयं के लोगों को जोड़ेंगे, और अपने स्वयं के उपकरण खरीद सकते हैं। आईटी कहता है, “ठीक है, ठीक है। लेकिन आप जानते हैं, सौभाग्य अपने दम पर बनाए रखने की कोशिश कर रहा है, क्योंकि अंततः यह टूट जाएगा। ”और यह होगा यह या तो टूट जाएगा क्योंकि कोई भी इसका उपयोग नहीं कर रहा है, क्योंकि यह ठीक से डिज़ाइन नहीं किया गया था, या यह टूट जाएगा क्योंकि हर कोई इसका उपयोग कर रहा है, और आपके पास जमीन पर पर्याप्त तकनीकी विशेषज्ञ नहीं हैं, इसे स्केल करने के लिए पर्याप्त संसाधन नहीं हैं। या उनके विशेषज्ञ छोड़ देते हैं, और वे उच्च और शुष्क हैं। अगली स्लाइड।

एरिक कवनघ: यह एक मतदान है, इसलिए फोन करने वाले वास्तव में मतदान करने के लिए धक्का दे सकते हैं। एक सेकंड पर पकड़। इसलिए, मैं अभी इस पोल को खोल रहा हूं, उम्मीद है कि आप अपनी स्क्रीन पर एक पॉप-अप देखेंगे। यदि आप नहीं करते हैं, तो आमतौर पर यह नीचे कहीं पर दिखाई देगा। और आगे बढ़ो। इस पर आपका जवाब सुनने के लिए हम उत्सुक हैं।

ठीक है, मुझे कुछ लोगों ने फोन किया जो अब हमें कुछ प्रतिक्रिया दे रहे हैं। तो, हम पूछ रहे हैं: आपके संगठन में आईटी के साथ व्यापार किस डिग्री से जुड़ा हुआ है? इसलिए, हम लोगों को अब जवाब देने का एक समूह मिल गया है। आपका बहुत बहुत धन्यवाद। तो तुम बहुत ऊँचे उठे हो, बेशक, उच्च, मध्यम, निम्न, बहुत कम। ईमानदार रहें, हम इसे आपकी टीम के अन्य सदस्यों के साथ साझा नहीं करेंगे। हम चाहते हैं कि आप हमें अपनी स्पष्ट प्रतिक्रिया दें। ठीक है, मुझे हमें कुछ और सेकंड दें, और जैसा कि हम कर रहे हैं, शायद जोश, हम आपको इस प्रश्न का उत्तर देने में लोगों की मदद करने के लिए वास्तविक रूप से लाएंगे। हाँ, मुझे सहयोग की यह प्रक्रिया बहुत पसंद है। मेरा मतलब है, हमने वर्षों तक एक व्यापार / आईटी विभाजन के बारे में बात की है। मुझे लगता है कि यह बदल रहा है। मुझे लगता है कि यह DevOps के कारण आंशिक रूप से बदल रहा है, डेवलपर्स व्यवसाय के साथ अधिक निकटता से काम कर रहे हैं। उस तरह की गर्मी आईटी की ओर से कुछ गर्मी डालती है, लेकिन मुझे लगता है कि यह भी बादल की वजह से बदल रहा है, काफी स्पष्ट रूप से, क्योंकि शायद लोग बस अपने काम में क्या करते हैं, इस बारे में अधिक समझदार हो रहे हैं। लेकिन, आईटी / बिजनेस डिवाइड के विकास के बारे में आपका क्या विचार है?

जोश हावर्ड: हाँ, आप जानते हैं, यह एक दिलचस्प विषय है, और यह एक ऐसा है जिसे हम निश्चित रूप से एक सेकंड में यहाँ प्राप्त करेंगे, लेकिन, आप जानते हैं, मुझे लगता है कि व्यवसाय वास्तव में आईटी के हाथ में मजबूर है। यह सही है, इसलिए, आप जानते हैं कि वर्षों से सब कुछ आईटी के नेतृत्व वाला था, और हमने देखा है कि यह पेंडुलम स्विंग करने के लिए आगे-पीछे हो रहा है आईटी से सब कुछ करने के लिए नेतृत्व, आप जानते हैं, व्यापार के माध्यम से खरीदा जा रहा है। और, मुझे लगता है कि हम कुछ केंद्रीकरण देखना शुरू कर रहे हैं। मुझे लगता है, आप जानते हैं, आप अधिक संगठनों को देखना शुरू कर रहे हैं, उत्कृष्टता के केंद्र खड़े हो रहे हैं, अधिक से अधिक व्यवसायों-बुद्धिमान कंपनियों को देखना शुरू कर रहे हैं, केंद्रों को भी स्थापित करते हुए देख रहे हैं, और इसलिए यह नहीं है, आप जानते हैं, आईटी या व्यवसाय। हम दोनों संगठनों के बेहतर विवाह को देख रहे हैं और उत्कृष्टता के इन केंद्रों को स्थापित करते हुए देख रहे हैं जो उन दोनों संगठनों में रहते हैं, और वे आईटी और व्यवसाय दोनों के लिए टेबल पर सीट लेकर भोजन कर रहे हैं। हमें अन्य व्यावसायिक उद्देश्यों को चुनने की आवश्यकता है, और इसलिए मुझे लगता है कि यह उन रुझानों में से एक है जो मुझे लगता है कि पिछले कुछ वर्षों में या उससे भी अधिक सकारात्मक रहा है। और मुझे लगता है कि हम जो देख रहे हैं उसका हिस्सा है।

एरिक Kavanagh: मुझे दोष नहीं दे सकते कि मैं आप पर फेंक दूंगा, और मैं परिणाम पढ़ूंगा। आपके ब्राउज़र के आधार पर, आप पहले से ही परिणाम देख सकते हैं, लेकिन बस आपको इसे देने के लिए: बेशक, "आईटी के साथ व्यापार किस डिग्री के लिए गठबंधन है?" बहुत अधिक 7 प्रतिशत, उच्च 8 प्रतिशत, मध्यम मिला है? विशाल बहुमत, यह 29 प्रतिशत है, निम्न 10 प्रतिशत है, और बहुत कम 0 प्रतिशत है। यह मूल रूप से कुल है, इसलिए वास्तव में आप जो देख रहे हैं वह ज्यादातर लोगों ने मध्यम कहा है, 73 में से 21। 73 में से छह ने उच्च कहा, पांच ने बहुत अधिक कहा, और फिर निश्चित रूप से हमारे पास ऐसे लोगों का एक पूरा समूह है, जिन्होंने सिर्फ किया टी जवाब, लेकिन सबसे अधिक, वास्तव में 73 में से 43, लोगों ने जवाब नहीं दिया, लेकिन मैं आपके समय की सराहना करता हूं। और इसके साथ ही मैं इस अगली स्लाइड को आगे बढ़ाना चाहता हूं। और मुझे विश्वास है, जोश, आप थोड़ी बात करने जा रहे थे।

जोश हावर्ड: हाँ, और इसलिए, आप जानते हैं, जिस तरह से मैं जा रहा था, हमने पिछले पांच वर्षों में बहुत बदलाव देखा है, या दस साल पीछे जा रहे हैं। और यह वास्तव में जंगली पश्चिम हुआ करता था, और फिर मैं अनुमान लगा रहा हूं कि शायद यहां कुछ लोग लाइन पर हैं जो अभी भी सोचते हैं कि यह उनके संगठन में जंगली पश्चिम है, लेकिन यह ऐसा हुआ करता था जहां सब कुछ पूरी तरह से बंद और कठोर था, और सब कुछ एक केंद्रीकृत आईटी टीम के माध्यम से मजबूर किया गया था, और वह बस कैसे बीआई वितरित किया गया था। लेकिन समस्या यह थी कि व्यावसायिक उपयोगकर्ता इसका उपयोग नहीं कर रहे थे। उन्हें वे परिणाम कभी नहीं मिले जिनकी उन्हें आवश्यकता थी। वे ऐसा नहीं कर सकते हैं, आप डेटा को एक साथ जोड़ सकते हैं, जैसे उन्हें ज़रूरत थी, और इसलिए आपने अभी देखा, आप जानते हैं, संगठन बहुत सारे मामलों में अपने बीआई अभ्यास को छोड़ देते हैं। वे केवल उस उपयोग को प्राप्त नहीं कर रहे थे जिसकी उन्हें उम्मीद थी, और, आप जानते हैं, यह समझ में आता है क्योंकि उपयोगकर्ता, वे आसानी से उपयोग होने वाले उपकरण चाहते थे जहां वे ले सकते हैं, आप जानते हैं, डेटा स्रोत और अपने स्वयं के कुछ एकीकरण कार्य करते हैं।

लेकिन वे आईटी के लिए उनके लिए ऐसा करने के लिए इंतजार नहीं करना चाहते थे। और इसलिए हमने जो देखा, वह था कि आप इन सभी व्यावसायिक टीमों को रवाना करें और अपने स्वयं के लाइसेंस, अपने स्वयं के विज़ुअलाइज़ेशन टूल खरीदें, और उनकी छाया आईटी मित्रों ने डेटा मार्ट स्थापित की थी, और वे बंद थे। लेकिन इससे समस्याओं का एक नया सेट बन गया। हां, व्यवसाय लचीलापन और चपलता प्राप्त करने में सक्षम था और कुछ परिणामों की उन्हें बहुत तेज़ी से ज़रूरत थी, लेकिन फिर भी आईटी ने छोड़ दिया, आप जानते हैं, यह पता लगाने की कोशिश कर रहे हैं, “हम इसे कैसे नियंत्रित करते हैं? हम इसे कैसे मापेंगे? ”

क्योंकि जो भी हो रहा था, वे इन डेटा मौतों का निर्माण कर रहे थे। वे बहुत सारी रिपोर्टिंग और विज़ुअलाइज़ेशन का संचालन करना शुरू कर रहे थे, फिर वे ठीक करने के लिए आईटी पर वापस जाएंगे, और इसलिए यह केवल स्केलेबल नहीं है। यह इलाज नहीं था, और इसलिए उन मुद्दों में से कुछ थे। लेकिन इसे व्यापार के बीच एक रस्साकशी नहीं होना चाहिए, जो उपयोग में आसानी चाहता है, और आईटी, जो इसे नियंत्रित करना चाहता है। यह वास्तव में सभी को एक ही पृष्ठ पर लाने और एक ही दिशा में खींचने के बारे में है। मुझे लगता है कि वास्तव में एक है, आप जानते हैं, सबसे अच्छी नस्ल के दृष्टिकोण जो दोनों उपयोगकर्ताओं की जरूरतों को पूरा कर सकते हैं। फिसल पट्टी।

एरिक कवनघ: ठीक है । तुम वहाँ जाओ।

जोश हावर्ड: हाँ, धन्यवाद। और इसलिए जिस तरह से हम एलर्टेक्स में आ रहे हैं, हम वास्तव में इसे एक विश्लेषणात्मक शासन के दृष्टिकोण से देख रहे हैं। और इसलिए, आप जानते हैं, मैं यहां "डेटा गवर्नेंस" शब्द का उपयोग नहीं कर रहा हूं क्योंकि मुझे लगता है कि डेटा गवर्नेंस एक ऐसी रूपरेखा है जो बहुत सारी अलग-अलग चीजों को शामिल करती है, लेकिन वास्तव में इन तीन प्रमुख क्षेत्रों पर ध्यान केंद्रित करती है कि कैसे डेटा का प्रबंधन किया जा रहा है, इसे कैसे एक्सेस किया जा रहा है, और हम इसे कैसे सुरक्षित कर रहे हैं।

डेटा प्रबंधन की ओर से सबसे पहले, जब आप स्वयं-सेवा टूल को सक्षम करना चाहते हैं, तो आप यह सुनिश्चित करना चाहते हैं कि, आप जानते हैं, उन उपयोगकर्ताओं के पास उन सभी विभिन्न डेटा स्रोतों तक पहुंच हो सकती है जिनकी उन्हें आवश्यकता हो सकती है। और इसलिए, फिर से, यह समस्या का एक हिस्सा है जिसे हमने माइक्रोस्ट्रैटेरी और कॉग्नोस और ओबी जैसे पारंपरिक बीआई उपकरणों के साथ देखा था, आप जानते हैं, यह सिर्फ एक केंद्रीकृत डेटा वेयरहाउस में टैप कर रहा था, लेकिन उन व्यापार उपयोगकर्ताओं को वास्तव में डेटा और लेना चाहते थे। अतिरिक्त परिणाम प्राप्त करने के लिए इसे अन्य डेटा स्रोतों के साथ मिलाएं।

मेरा मतलब है, इसलिए आप यह सुनिश्चित करना चाहते हैं कि उन सभी अलग-अलग डेटा स्रोतों से सीधे, भले ही वे संबंधपरक या गैर-संबंधपरक हों, और इसे इस तरह से करें जो डेटा को अनावश्यक बनाने के लिए नहीं है। और इसलिए, आप यह सुनिश्चित करना चाहते हैं कि आप इन-मेमोरी तकनीकों का उपयोग कर रहे हैं ताकि आप उन फ़ेडरेटेड डेटा स्रोतों में टैप कर रहे हों और संगठन में अन्य जगहों पर उस डेटा को डुप्लिकेट न कर रहे हों, क्योंकि इससे समस्याओं का एक पूरा सेट होता है।

और फिर आप यह सुनिश्चित करना चाहते हैं कि आप डेटा एक्सेसिबिलिटी और डेटा सिक्योरिटी जैसी चीजों को देख रहे हैं, यह सुनिश्चित करते हुए कि डेटा का एन्क्रिप्ट किया जा रहा है, सुनिश्चित करें कि आपको सही अनुमति और प्राधिकरण मिल गए हैं। और जो हम अनुशंसा करते हैं वह उन प्रणालियों का उपयोग करने के लिए है जो आपकी आईटी टीमों ने पहले ही स्थापित कर दी हैं, इसलिए सक्रिय निर्देशिका और विंडोज प्रमाणीकरण जैसी चीजें। उन प्रणालियों में टैप करना जो उस प्रमाणीकरण के माध्यम से आवेदन करने के सभी तरीके से गुजर सकते हैं, और इस तरह आप सुनिश्चित कर सकते हैं कि सही उपयोगकर्ता सही डेटा तक पहुंच पा रहे हैं।

यह वास्तव में नियंत्रण की स्थिति से सक्षम होने की स्थिति में जाने और रेलिंग के साथ ऐसा करने के बारे में है। तो, आप जानते हैं, रेलिंग की विश्लेषिकी, जहां आईटी सभी उपकरण सफल होने के लिए दे रहा है, लेकिन वे इसकी निगरानी भी कर रहे हैं, यह सुनिश्चित करते हुए कि यह सुसंगत है, यह विश्वसनीय है, और वे इसे सही अनुमतियों के साथ कर रहे हैं, और सुनिश्चित करें कि उन उपयोगकर्ताओं के पास केवल सही डेटा तक पहुंच है। अगली स्लाइड।

एरिक कवनघ: ठीक है, डॉ। वेन।

वेन एकर्सन: हाँ, तो यह मेरी स्लाइड है। यह सिर्फ स्वयं-सेवा के आयामों को दर्शाता है, जो जोश के बारे में बात कर रहा था। जो इन दिनों मांग का व्यवसायिक साधन है, लेकिन वे जोश के लिए इंतजार नहीं करना चाहते हैं, जैसा कि आईटी ने सामान पहुंचाने के लिए कहा था, और आईटी यह सब करते थे। वे वास्तुकला का निर्माण करते थे और बुनियादी ढांचे का प्रबंधन करते थे और उपकरण उठाते थे और अनुप्रयोगों, रिपोर्टों, डैशबोर्ड का निर्माण करते थे, और यह कि वहां अधिकांश उपयोगकर्ताओं के लिए काम नहीं करता है। और अब हम स्वयं सेवा के निकट हैं। हमें स्वयं-सेवा रिपोर्टिंग, स्वयं-सेवा डैशबोर्ड मिली है, जिसे मैं स्वयं-सेवा दृश्य खोज कहता हूं। हमें स्व-सेवा डेटा एकीकरण, या डेटा तैयारी मिली है। हमें स्व-सेवा उन्नत विश्लेषिकी मिली है, जहां कुछ डेटा वैज्ञानिक हैं। इसलिए हम इन सभी क्षमताओं को लोगों के लिए, व्यापारिक लोगों के लिए उपलब्ध सोच रहे हैं, जो अपने दम पर चीजों को करने के लिए इच्छुक हैं।

अगली स्लाइड। हम यहाँ कुछ प्रतिक्रिया कर रहे हैं, एरिक, बस आपको बताने के लिए। तो, आप जानते हैं, सतह पर स्वयं-सेवा व्यवसाय और आईटी विभाग दोनों के लिए एक जीत की तरह दिखती है। उपयोगकर्ताओं को वह मिलता है जो वे चाहते हैं जब वे चाहते हैं, तो वे इसे कैसे चाहते हैं। आईटी विभाग को उपयोगकर्ताओं के प्रकार मिलते हैं, वे काम को बंद कर देते हैं, और वे अप्रत्यक्ष रूप से चीजों को वितरित करने के लिए प्राप्त करते हैं, लेकिन किसी भी तरह से … बहुत सारी स्थितियों में स्वयं-सेवा में कुछ महत्वपूर्ण डाउनसाइड होते हैं जिनके बारे में आपको सावधान रहना होगा। और जोश आपको इन डाउनसाइड्स में से कुछ के लिए कुछ उपाय दे रहा था।

अगली स्लाइड पर जाएं, एरिक, और हम सिर्फ उस संगठन की स्वयं सेवा को बल की ज्वार की लहर के रूप में देखेंगे, जो डुप्लिकेट, परस्पर विरोधी हैं। और यह उस बिंदु पर पहुंच जाता है जहां कोई भी किसी और की रिपोर्ट पर भरोसा नहीं करता है, सिवाय उनके खुद के, जो मामलों की अच्छी स्थिति नहीं है। आप यहां तक ​​कह सकते हैं कि जब उन्होंने शुरुआत की थी तब से भी बदतर है। आपके पास मूल रूप से एक आर्किटेक्चर है जिसमें छाया रिपोर्टिंग सिस्टम, डेटा अर्क शामिल है, जो अंततः लागत और ओवरहेड और अतिरेक और दोहराव को बढ़ाता है और परिणामस्वरूप, संगठन में जोखिम बढ़ाता है। तो, स्व-सेवा उन मानकों के बारे में है जहां शासन वास्तव में सिर्फ बाबुल का टॉवर है। हर कोई संवाद कर रहा है, लेकिन किसी की नहीं सुन रहा है। अगली स्लाइड।

एरिक कवनघ: यह एक महान उद्धरण है, मुझे यह पसंद है। "हर कोई संवाद कर रहा है, लेकिन कोई भी नहीं सुन रहा है।" मुझे लगता है कि कुछ जगहों पर रकम के बारे में। ठीक है, यहाँ तुम जाओ।

वेन एकर्सन: तो, आप जानते हैं, मुझे इसके उपाय भी मिलेंगे, लेकिन बहुत से व्यवसाय सोचते हैं कि स्वयं सेवा का उद्देश्य आईटी से छुटकारा पाना है। खैर, व्यापार में बहुत सारी नकली चीजें हैं, और यह उनमें से एक है। स्व-सेवा का उद्देश्य समीकरण से आईटी को सीमित करना नहीं था बल्कि इसके साथ अधिक सहयोग को बढ़ावा देना था। स्व-सेवा की एक और विडंबना जो मैंने यहां नहीं रखी, वह यह है कि स्व-सेवा का समर्थन करने के लिए बहुत सारे मानकीकरण की आवश्यकता होती है। यह एक तरह की तरह है, एक सड़क पर ड्राइविंग के बारे में सोचो, है ना? बहुत सारे नियम हैं जिनका हमें पालन करना है। हर कोई-

स्वचालित आवाज़: सम्मेलन रिकॉर्डिंग बंद हो गई है।

एरिक Kavanagh: उस के बारे में चिंता मत करो। वह सिर्फ बैकअप है। बढ़ा चल।

वेन एकर्सन: ठीक है। इसलिए, और आईटी वास्तव में वह समूह है जिसे उन मानकों को एक साथ रखने की आवश्यकता है। और एक बार उन मानकों को लागू करने और स्वीकार करने और अपनाए जाने के बाद, हे, तो हम स्वयं सेवा कर सकते हैं 'चाँद बाहर आता है। अगली स्लाइड।

एरिक Kavanagh: मुझे लगता है कि हम जोश पर वापस आ रहे हैं।

जोश हावर्ड: ठीक है, हाँ, और मैं उस, वेन के बहुत से सहमत हूं, जो आप कह रहे थे। लेकिन बात यह है कि यदि आप डेटा से अधिक मूल्य प्राप्त करना चाहते हैं, तो, हमें आईटी नियंत्रण के व्यापार से बाहर निकलने के लिए और सक्षम करने के व्यवसाय में उतरना होगा। तो इसका मतलब है कि उपयोगकर्ताओं को अपने स्वयं के विश्लेषण उपकरण और न केवल आईटी के साथ सशक्त बनाना। इसका मतलब यह नहीं है कि आपको उन्हें राज्य की चाबी देनी होगी। आप ऐसा उन रेलिंगों के साथ कर सकते हैं जो मौजूदा हैं। मौजूदा सिस्टम का लाभ उठाएं, अपने प्राधिकरण उपकरण, सक्रिय निर्देशिका, अपनी अनुमतियों का लाभ उठाएं, और यह सुनिश्चित करने जा रहा है कि, आप जानते हैं, कोई व्यक्ति किसी को डेटा नहीं दे रहा है जो उन्हें नहीं करना चाहिए। और इसलिए, इन सभी चीजों को करके, आप उन विश्लेषकों को अधिक मूल्य देने के लिए सशक्त बना रहे हैं और इसे एक तरह से नियंत्रित कर रहे हैं।

अगली स्लाइड। लेकिन वास्तविकता यह है कि आईटी कभी भी अलग-अलग तरीकों से अलग-अलग तरीके से रखने में सक्षम नहीं होने वाला है, एक विश्लेषक डेटा को देखने, उसमें हेरफेर करने की इच्छा रखने वाला है। और इसलिए, केवल इतना ही नहीं, बल्कि आपके पास उन अनुरोधों को रखने का भी समय नहीं है। विरासत प्रणाली, झरना प्रक्रियाएं। यदि आप सिर्फ एक तालिका जोड़ने के लिए एक ईटीएल प्रक्रिया को देखते हैं, तो यह कुछ मामलों में महीनों नहीं तो सप्ताह में पता चल सकता है। और इसलिए, आप व्यवसाय के उस परिवर्तन के साथ तालमेल रखना चाहते हैं।

यदि आप वास्तव में, एनालिटिक्स की संस्कृति बनाना चाहते हैं, तो आपको उन उपयोगकर्ताओं को ऐसा करने में सक्षम बनाना होगा। और फिर एक बार जब आप ऐसा करते हैं, तो लाभ वास्तव में आश्चर्यजनक हो सकते हैं। आप जानते हैं, जब हमने पहली बार पांच / दस साल पहले बिजनेस इंटेलीजेंस प्रोजेक्ट्स के बारे में बात करना शुरू किया था, मेरा मतलब है कि यह प्रायः सभी बीआई प्रोजेक्ट्स का all०- BI० प्रतिशत फेल हो जाता था। और बस अब ऐसा नहीं है। जब आप व्यवसायिक उपयोगकर्ताओं को सही उपकरण देते हैं, तो हम कुछ जबरदस्त परिणाम और जबरदस्त मूल्य देखते हैं, और यही कारण है कि एक संगठन के माध्यम से स्व-सेवा उपकरण जंगल की आग की तरह फैल रहे हैं। इसलिए कि हम जो सफलता देख रहे हैं।

और मुझे एक उपयोग का मामला मिला है जिसके बारे में मैं एक मिनट में यहां बात करूंगा, लेकिन, आप जानते हैं, हमारे पास वास्तव में दसियों हज़ार उपयोगकर्ता हैं जो स्वयं-सेवा विश्लेषण और स्केल कर रहे हैं। और ये उपयोगकर्ता तेजी से अंतर्दृष्टि प्रदान कर रहे हैं, वे नए उत्पादों का निर्माण कर रहे हैं, और वे प्रतिस्पर्धा से आगे रहने के लिए व्यावसायिक परिस्थितियों को बहुत तेज़ी से बदलने के लिए प्रतिक्रिया दे रहे हैं।

तुम्हें पता है, दूसरी बात यह है कि, तुम्हें पता है, वे भी कम समय बिता रहे हैं डेटा और अधिक समय विश्लेषण कर रहे हैं। यह इसके लिए सिर्फ एक और घटक है, और मुझे CNA से एक उदाहरण मिला है जहां उनके पास कई विश्लेषक थे जो समय लेने वाले दृष्टिकोण ले रहे थे, जो कि सप्ताह या महीने ले रहे थे और अब उन मिनटों तक पहुंच रहे थे। यह अतिशयोक्ति के बिना है। हमारे पास वास्तव में ऐसा करने वाले ग्राहकों के बहुत सारे उदाहरण हैं, और यह वास्तव में एक जीत-जीत परिदृश्य है। विश्लेषकों को खुशी है कि वे नहीं कर रहे हैं, आप जानते हैं, वे अपने डेटा को तेजी से प्राप्त कर रहे हैं। आईटी के खुश होने के कारण, आप जानते हैं, वे शासन के बारे में बात किए बिना अपनी रणनीतिक पहलों पर ध्यान केंद्रित कर सकते हैं, और फिर अंत में कार्यकारी टीमें खुश हैं क्योंकि आखिरकार उन्होंने उस विश्लेषणात्मक संस्कृति को बनाने के लिए व्यापार और आईटी टीमों को एक साथ काम किया है। तुम्हारे पास वापस।

एरिक कवनघ: ठीक है। हमारे पास एक और मतदान था, इसलिए आपको दर्शकों में उन परिणामों को देखने में सक्षम होना चाहिए। हमें यह देखना चाहिए कि पहले से ही आपके मतदान पैनल में, लेकिन सवाल था, "क्या आपके संगठन को स्वयं सेवा का वादा मिला है?" मैं आपको बता सकता हूं कि उत्तरदाताओं के पास एक शानदार है, "नहीं।"

मुझे लगता है कि जहां हम उद्योग में हैं, वहां के लिए बोलता हूं, लेकिन मुझे लगता है कि आपने वास्तव में कुछ अच्छे बिंदु बनाए हैं, जोश, अर्थात् जो स्वयं सेवा को सक्षम कर रहा है, यद्यपि कुछ मानकों जैसे कि वेन के बारे में चर्चा कर रहा था, वास्तव में करता है आपको शासन में निर्माण करने की अनुमति देता है। वह रेलिंग है जिसके बारे में हमने बात की है, है ना? शासन की नीति को वितरण प्रणाली में चरणबद्ध किया जा सकता है, और यह तब है जब आप विश्लेषकों को आत्मनिर्भर होने के लिए सशक्त बनाते हुए वास्तव में शासन प्राप्त करते हैं। क्या यह सही है, जोश?

जोश हावर्ड: हाँ, यह बिल्कुल सही है।

एरिक कवनघ: हां, उत्तरदाताओं-

वेन एकर्सन: तो, एरिक, वे परिणाम दिलचस्प हैं, आप जानते हैं। मैं कहूंगा कि इसका कारण या तो आईटी के नियंत्रण में है, उपयोगकर्ताओं को स्वयं-सेवा नहीं मिल रही है और वे चाहते हैं कि जब उन्हें इसकी आवश्यकता हो, या, आप जानते हैं, उनके पास स्वयं-शासित सेवा है। और दोनों बुरे हैं। इसलिए, वास्तव में स्व-सेवा के साथ सुई को मारना मुश्किल है, एक शासित वातावरण है जो उपयोगकर्ताओं को उन सभी जानकारी देता है जिनकी उन्हें ज़रूरत है और कार्यक्षमता उन्हें उन अंतर्दृष्टि प्राप्त करने की आवश्यकता है जो उन्हें चाहिए और जो कार्रवाई उन्हें करनी है। यह कठिन है, कठिन है, लेकिन, आप जानते हैं-

वेन एकर्सन: -आप का सामना अब जैसे औजारों से होता है, आप जानते हैं, एलर्टेक्स, बहुत शक्तिशाली उपकरण, बहुत शक्तिशाली। इसलिए, अब हमारे पास क्षमता है कि हम कर सकते हैं-

एरिक कवनघ: और आपके पास कई कारण हैं कि सोनिक के साथ आपका कच्चा सौदा थोड़ा कम हो गया है, इसलिए बस मूल ऑडियो देखें। मैं थोड़ा हैरान हूं, और मुझे लगता है कि यह वास्तव में एलर्टेक्स के लिए अच्छी खबर है क्योंकि उनके पास स्व-सेवा को सक्षम करने का एक समाधान है। क्योंकि बहुत सारे अलग-अलग साधनों के साथ चीजें करने के पुराने तरीके में, उदाहरण के लिए, बहुत सारे एकीकरण बिंदुओं के साथ, लोग तरह-तरह के भाग रहे हैं, बस यथास्थिति बनाए रखने की कोशिश कर रहे हैं, और मुझे लगता है कि यह वास्तविक चुनौतियों में से एक है।

हमारे ग्राहकों में से एक ने कुछ हफ्ते पहले एक टिप्पणी की थी जो मेरे कानों में तब से बज रहा है जब से उन्होंने "अत्याचार के अत्याचार" का उल्लेख किया और यह कि कैसे कई संगठनों पर हावी होने और परिवर्तन को रोकने के लिए। आप हमेशा जरूरी स्थिति में होते हैं, आप हमेशा सामान को पूरा करने की कोशिश में दौड़ते रहते हैं। और वह मूल रूप से आपको नई चीजें करने से रोकता है।

एक निश्चित बिंदु पर आपको संगीत को रोकना होगा, पहचानें कि एक कुर्सी दूर जा रही है, लेकिन बाकी कुर्सियों को मेज पर बैठकर कुछ सहयोग शुरू करने की जरूरत है जब तक कि हम एक साथ काम न करें। लेकिन इस तरह मैं इस पूरी तस्वीर को देख रहा हूं। तो, हाँ, जवाब आम तौर पर 43 में से 23 थे, "नहीं, " 43 लोगों में से 6 ने कहा, "हाँ, " और 43 लोगों में से 6 ने कहा, "निश्चित नहीं, " लेकिन 38 लोगों ने या तो जवाब नहीं दिया। लेकिन यह एक बहुत शानदार है, "नहीं।" इसके साथ, मैं एक केस स्टडी में जाना चाहता हूं।

मैं इसे तुम्हारे पास वापस कर दूँगा, जोश। इसे दूर ले जाओ।

जोश हावर्ड: हाँ, और इसलिए पहले मैंने इस बारे में बात की थी, आप जानते हैं, व्यापार और आईटी के बीच यह सहयोग। मुझे वास्तव में ऐसा लगता है कि हमने कुछ बहुत बड़े बदलाव देखे हैं, और अधिक से अधिक संगठन इस दिशा में आगे बढ़ रहे हैं, स्व-सेवा को सक्षम कर रहे हैं और उन परिणामों को देख रहे हैं जिनके बारे में मैं बात कर रहा था। और फोर्ड इसका एक बड़ा उदाहरण है। बेशक, फोर्ड दशकों से डेटा और एनालिटिक्स का उपयोग कर रहा है, लेकिन कई संगठनों की तरह, यह वास्तव में संगठन की जेब में किया गया था। स्थिरता और समन्वय के लिए बहुत कम निरीक्षण था, और, आप जानते हैं, उनके पास डेटा शासन अभ्यास भी थे जो असंगत थे।

और इसलिए उनके पास एक बड़ा मुद्दा था; उनके पास 4, 600 से अधिक डेटा स्रोत थे, और इसलिए, आप फोर्ड जैसी कंपनी के आकार में ऐसा करने की चुनौती की कल्पना कर सकते हैं। और इसलिए उन्होंने जो किया, वह दो साल पहले हुआ था, उन्होंने ग्लोबल डेटा इनसाइट्स एंड एनालिटिक्स यूनिट का गठन किया, जो उत्कृष्टता का एक केंद्रीकृत केंद्र है, जिसमें शामिल टीमें बनी हैं, आप जानते हैं, डेटा वर्कर्स, इसलिए डेटा एनालिस्ट, डेटा सॉर्ट के वैज्ञानिक।

आप इस COE को एचआर डिपार्टमेंट या वित्त विभाग की तरह मान सकते हैं जो पूरे संगठन की सेवा करता है। ठीक यही नई टीम को स्थापित करने के लिए किया गया था, और इसलिए वे अपनी स्वयं की उच्च-प्राथमिकता वाली चुनौतियों को पहचानने और जाने में सक्षम थे और अलग-अलग व्यावसायिक इकाइयों के साथ काम करते थे, जो आप जानते हैं, विभिन्न समस्याएं। लेकिन पूरा विचार यह था कि वे व्यवसाय की चुनौती पर ध्यान केंद्रित करने के लिए उस वार्तालाप को लक्ष्य बनाना और बदलना चाहते थे, सही, और उन व्यावसायिक आवश्यकताओं को पूरा करना। और, आप जानते हैं, वे एक डेटा विश्लेषक के साथ कुछ साल पहले शुरू करने के लिए शुरू कर चुके हैं, और एक एलर्टेक्स लाइसेंस, और झांकी और QlikView का संयोजन।

अब, उन्होंने पिछले दो वर्षों में 1, 200 से अधिक डेटा वैज्ञानिकों को एलर्टेक्स रोल आउट किया है, और वे अधिक काम पर रख रहे हैं। और इसलिए, यह देखना वास्तव में आश्चर्यजनक है कि उनके संगठन के भीतर जगह ले लो और उन मामलों का उपयोग करें जो वे हल कर रहे हैं अविश्वसनीय हैं। वे निर्माण लाइन मुद्दों को उनके NASCAR दौड़ के लिए नीचे हल करने के लिए Alteryx का उपयोग कर रहे हैं, इसलिए यह वास्तव में कुछ आकर्षक है कि वे जो कुछ भी वाहन चला रहे हैं, उन्हें देखने के लिए। और, आप जानते हैं, क्या दिलचस्प है, आप जानते हैं, इन उपयोग मामलों में से कुछ, एकल उपयोग के मामले दसियों करोड़ों डॉलर बचा रहे हैं, और इसलिए उनके लिए औचित्य करना बहुत आसान है। और यह सिर्फ एक उपयोग का मामला है, और यह अब सचमुच विभिन्न व्यावसायिक मामलों के सैकड़ों और उन 1, 200 डेटा विश्लेषकों और डेटा वैज्ञानिकों के पार इस्तेमाल किया जा रहा है। इसलिए, अभूतपूर्व परिणाम और हम वास्तव में फोर्ड के साथ की गई साझेदारी से प्रसन्न हैं।

वेन एकर्सन: ठीक है, यह मेरी स्लाइड है। तो, आप जानते हैं, मैं स्व-सेवा विश्लेषिकी पर एक कक्षा पढ़ाता हूं, और यह एक सारांश, बहुत उच्च-स्तरीय सारांश है, जो मैं दर्शकों के लिए एक मेज पर लाता हूं। और मैं इसे बहुत जल्दी समझाने की कोशिश करूँगा। आप जानते हैं, मैं स्वयं सेवा देखता हूं, अच्छी तरह से, कोई भी स्वयं सेवा नहीं है। सभी के पास एक संगठन के अंदर स्वयं-सेवा की एक अलग परिभाषा है, इसलिए एक सीईओ के लिए स्वयं-सेवा क्या है निश्चित रूप से एक डेटा वैज्ञानिक के लिए स्वयं-सेवा नहीं है। लेकिन सामान्य तौर पर, उपयोगकर्ताओं के दो वर्ग हैं। प्रथम श्रेणी, आप जानते हैं, अधिक आकस्मिक उपयोगकर्ता, कार्यकारी प्रबंधक, फ्रंटलाइन कार्यकर्ता नीले रंग में शीर्ष-नीचे की दुनिया में हैं।

और, आप जानते हैं, मैं उन्हें "डेटा उपभोक्ता" या "डेटा खोजकर्ता" कहता हूं और वे बहुत अधिक सोच वाले आउटपुट हैं, आप जानते हैं, रिपोर्ट और डैशबोर्ड, उम्मीद है कि इंटरैक्टिव लोग उनके लिए बनाए गए हैं, या तो आईटी या उनके सहकर्मी, और उपभोग जैसा है वैसा है। खोजकर्ता उन चीजों को खोलने और उन्हें जगह में संपादित करने के लिए करते हैं, लेकिन वे जरूरी नहीं कि कागज की एक खाली शीट के साथ शुरू करना चाहते हैं। ऐसा करने के लिए उन्हें कोई भुगतान नहीं किया जा रहा है। जरूरी नहीं कि विश्लेषकों को भुगतान किया जाए। यही कारण है कि नीचे की दुनिया के लोग, डेटा वैज्ञानिक और डेटा विश्लेषक, जिनके पास अतिरिक्त है, डेटा विश्लेषक स्प्रेडशीट, डेटाबेस तक पहुंच के साथ काम करते हैं। और डेटा वैज्ञानिकों के साथ अधिक खींचतान है, आप जानते हैं, डेटा खान कार्यक्षेत्र है। स्व-सेवा के बहुत सारे उपकरण जो सामने आए हैं उन्होंने वास्तव में इस नीचे-ऊपर के दल को सशक्त बनाया है। यह बहुत अधिक उत्पादक होगा जितना वे पहले कभी कर सकते थे। वे केवल, आप नहीं जानते, अपनी रिपोर्ट और डैशबोर्ड कर सकते हैं, वे अपना डेटा प्राप्त कर सकते हैं, इसे ब्लेंड कर सकते हैं, इसे एक साथ मिला सकते हैं, और इसी तरह। मैंने वास्तव में देखा है कि उपकरण का यह ट्राइविविरेट बाहर आया है और नीचे की दुनिया को आयात करता है। डेटा कैटलॉग ताकि वे डेटा को या तो प्रीप टूल ढूंढ सकें ताकि वे इसे एक साथ मिला सकें, और डेटा विज़ुअलाइज़ेशन टूल ताकि वे विश्लेषण कर सकें, कल्पना कर सकें और साझा कर सकें। मुझे लगता है कि हम देखेंगे कि उपकरण सेट एक हो गया है, और मुझे लगता है कि वास्तव में Alteryx ऐसा करने की दिशा में है।

इसलिए मैं इस बॉटम-अप वर्ल्ड को "रियल सेल्फ-सर्विस" कहता हूं, जबकि टॉप-डाउन वर्ल्ड मैं इसे और अधिक "सिल्वर-सर्विस" कहता हूं, क्योंकि हम एक तरह से सिल्वर प्लैटर पर दी गई जानकारी दे रहे हैं। यह कुछ हद तक पहले से पैक किया गया है। फिर भी इंटरैक्टिव, अभी भी संपादन योग्य है, लेकिन किसी को यह सोचना था कि वे लोग कौन थे जो अपनी विशिष्ट आवश्यकताओं को पूरा करने के लिए इस का उपभोग करने वाले थे और इसे दर्जी करने जा रहे थे। आप अपने द्वारा प्राप्त की गई टॉप-डाउन दुनिया में देख सकते हैं, आप जानते हैं, अधिक भारी शुल्क केंद्रीकृत समूह, डेटा गवर्नेंस कमेटी, जिसे आप जानते हैं, डेटा साइटों और रिपोर्टों पर रखती है। और डेटा वेयरहाउसिंग टीम जो निर्णय लेने के लिए डेटा को एकीकृत करने की कोशिश करती है। यह एक अधिक परंपरागत आईटी-उन्मुख केंद्रीकृत शीर्ष-डाउन शासन प्रक्रिया है। जबकि नीचे की दुनिया में, जो संगठन के 10 प्रतिशत, 20 प्रतिशत से अधिक की तरह है, वे जमीनी स्तर से वास्तव में डेटा सेट खोलकर शासन कर रहे हैं, उन्हें देख रहे हैं, उन पर टिप्पणी कर रहे हैं, उन डेटा सेट को टैग कर रहे हैं - मूल रूप से भवन निर्माण जमीन से डेटा का साझा मतलब है। आप कैटलॉग और डेटा मार्केटप्लेस प्राप्त कर रहे हैं, और एक संगठन को इन दोनों दुनिया की जरूरत है। वास्तव में, वे एक-दूसरे को, बहुत सहक्रियात्मक रूप से खिलाते हैं, वे एक ही सिक्के के दो पहलू हैं। यदि आपके पास हर विभाग में विश्लेषक नहीं हैं, तो संचालन विफल हो जाता है, विपणन, वित्त। आप सभी प्रकार की अंतर्दृष्टि को याद कर रहे हैं जो आपको व्यवसाय चलाने की आवश्यकता है क्योंकि वे उन सवालों के जवाब पैदा कर रहे हैं जो लोगों को समझ नहीं सकते थे कि वे पहले दिन क्या थे। और निश्चित रूप से आईटी या डेवलपर्स उन रिपोर्ट या डैशबोर्ड का निर्माण नहीं कर सकते थे। इसलिए वे आवश्यकताओं की अगली लहर और इनसाइट्स की अगली लहर की पुष्टि करने की तरह हैं जिन्हें पैक किया जाना चाहिए और शीर्ष-डाउन दुनिया में डाल दिया जाना चाहिए।

अब समस्या यह है कि नीचे-ऊपर की दुनिया उन शीर्ष-डाउन दुनिया के लिए रिपोर्ट प्रकाशित करती है जो प्रमाणित या शासित नहीं हुई हैं, और आपको परस्पर विरोधी रिपोर्ट, डुप्लिकेट और जैसी चीजें मिलती हैं। इसलिए, मेरी दुनिया में यह इन दो दुनियाओं के बीच एक डेटा गवर्नेंस गेटवे बनाने में मदद करता है, और यह ठीक है, अगर एक डेटा विश्लेषक ने शुरू किया और एक नई अंतर्दृष्टि के साथ आता है और एक रिपोर्ट बनाता है। लोग इसे पसंद करते हैं, और फिर, आप जानते हैं, वे उस रिपोर्ट को प्रकाशित करना जारी रखते हैं और इसे साझा करना चाहते हैं, शायद पूरे उद्यम के लिए अधिक मोटे तौर पर, इसे डेटा शासन द्वारा समीक्षा करने की आवश्यकता है, और उम्मीद है कि बहुत जल्दी, यह सुनिश्चित करने के लिए। मानकों। इसे एक मानक प्लेटफ़ॉर्म में लिखने की आवश्यकता हो सकती है, नए डेटा को मानक एंटरप्राइज़ रिपॉज़िटरी में जोड़ने की आवश्यकता हो सकती है। और अब जो हम देख रहे हैं, वह यह है कि एलर्टेक्स जैसे उपकरण वास्तव में इस पदोन्नति प्रक्रिया का समर्थन करने के लिए आवश्यक वर्कफ़्लोज़ को एम्बेड कर रहे हैं, जहाँ हम एक रिपोर्ट में प्रचार कर रहे हैं, जो वाटरमार्क या स्केल के रूप में लोकप्रिय हो सकता है, जो एंटरप्राइज़-कैलिबर प्रमाणित रिपोर्ट या डेटा सेट के रूप में है। । तो, यह कुछ डेटा गवर्नेंस स्टेट की समीक्षा प्रक्रिया के रूप में संक्षेप में तौला जाता है। विकास टीमों के साथ एक उत्पादन हैंडऑफ़ हो सकता है, और बीआई उपकरण, विश्लेषणात्मक उपकरण, या उन वर्कफ़्लोज़ के अंदर निर्मित अनुमतियाँ और शासन हो सकते हैं। अगली स्लाइड।

एरिक Kavanagh: ठीक है, मुझे लगता है कि हम इस पर जोश में वापस आ रहे हैं।

जोश हावर्ड: हाँ, और इसलिए, आप जानते हैं, जब आपने कई अलग-अलग उपकरणों से आगे बढ़ने के बारे में बात की थी, और मैंने अपने आप में क्या पाया है, तो आप जानते हैं, अनुसंधान यह है कि अधिकांश विश्लेषक 10 से 12 विभिन्न उपकरणों का उपयोग कर रहे हैं ताकि उनके विश्लेषण का काम हो सके। और, आप जानते हैं, वे डेटा को खोजने के लिए डेटा कैटलॉगिंग समाधान का उपयोग कर सकते हैं, वे डेटा प्रेप समाधान का उपयोग कर सकते हैं, वे डेटा विज़ुअलाइज़ेशन टूल का उपयोग कर सकते हैं, उन्नत एनालिटिक्स के लिए कुछ, भविष्य कहनेवाला एनालिटिक्स और तैनाती के लिए डेटा साइंस टूल का उपयोग कर सकते हैं। और उस प्रबंध। और हम वास्तव में सोचते हैं कि इसे एक ही मंच के माध्यम से परोसा जाना चाहिए, और हम सोचते हैं कि उद्योग कहां जा रहा है। और इसलिए, अधिकांश लोग डेटा प्रस्तुत करने और मिश्रण क्षमताओं और इसके तंग एकीकरण जैसे ताल्लुओ और पावर बीआई के प्रति सभी चालों के बारे में जानते हैं।

लेकिन, आप जानते हैं, हम केवल डेटा प्रस्तुत करने के उपकरण से अधिक हैं। हम वास्तव में उन डेटा विश्लेषकों और नागरिक डेटा वैज्ञानिकों के लिए एक एंड-टू-एंड प्लेटफॉर्म हैं, जो उस डेटा की खोज करने, उसे तैयार करने, उसे ब्लेंड करने, उसका विश्लेषण करने और उसे दोहराने योग्य तरीके से और एक दोहराने योग्य वर्कफ़्लो की क्षमता प्रदान करते हैं। और फिर उन परिसंपत्तियों को पैमाने पर तैनात और साझा करें, और इसलिए यह वास्तव में क्या है एलर्टेक्स। और हमें एक अद्भुत समुदाय मिला है जिसका हम समर्थन कर रहे हैं, जो कि आप जानते हैं, केवल आपके विशिष्ट समुदाय से अधिक। इसमें स्व-सेवा प्रशिक्षण क्षेत्र हैं, इसमें मंच और सर्वोत्तम प्रथाएं हैं, और हमारे पास वास्तव में उपयोगकर्ताओं के एक दूसरे समुदाय का समर्थन है। और इस बारे में बड़ी बात यह है कि जैसे आप एलर्टेक्स जैसे उपकरण अपना रहे हैं, इस प्रकार के समुदाय वास्तव में सीखने की अवस्था को कम करते हैं, इसलिए आप इन नए टूल सेटों पर तेजी से गति प्राप्त करने में सक्षम होते हैं। भले ही वे वास्तव में उपयोग करने में आसान हों, लेकिन उन्हें बहुत अधिक कोडिंग की आवश्यकता नहीं होती है, और उनका उपयोग करना आसान है और उठना और तेजी से चलना, लेकिन फिर भी उस समुदाय को सीखने की अवस्था को कम करना वास्तव में अमूल्य है।

और इसलिए जिस तरह से हमने इसे तोड़ा है वह चार क्षेत्रों में है। पहले यह वास्तव में खोज और साझा करने के आसपास है, इसलिए इससे पहले कि आप अपना डेटा प्रीप और ब्लेंड कर सकें, आप इसे ढूंढने में सक्षम हो गए हैं। और यही कारण है कि हमारे मंच का पहला हिस्सा वह खोज और साझा करने वाला घटक है जिसका उपयोग हम आपके संगठन के जनजातीय ज्ञान को पकड़ने के लिए करते हैं। तो यह मूल रूप से एक डेटा कैटलॉगिंग समाधान है जिसका उपयोग क्यूरेटेड और शासित डेटा सेट को साझा करने के लिए किया जाता है। यह उपयोगकर्ताओं को उन डेटा को खोजने देता है जो वे आसानी से उपयोग होने वाली Google जैसी खोज सुविधा के लिए खोज रहे हैं और डेटा सेटों पर सहयोग करने के लिए सामाजिक सुविधाएँ भी प्रदान करते हैं और यहां तक ​​कि आपको परिसंपत्तियों के डेटा वंश में ड्रिल करने की भी अनुमति देते हैं, उन्हें प्रमाणित करें संपत्ति और उन्हें वॉटरमार्क। और यह स्व-सेवा विश्लेषिकी के लिए वास्तव में महत्वपूर्ण है क्योंकि एक है, अधिकांश लोग डेटा खोजने की कोशिश में बहुत समय बिता रहे हैं - वे नहीं जानते कि इसे खोजने के लिए भी कहां जाना है। और फिर अगर वे एक रिपोर्ट पाते हैं, तो आप जानते हैं, वे कैसे जानते हैं कि यह प्रमाणित है, यह विश्वसनीय है? इसलिए जब आपने उस बारे में बात की, तो एक डेटा गवर्नेंस गेटवे होने के बाद, मैं वास्तव में एलर्टेक्स जैसे उपकरण देखता हूं जो कि गेटवे बन रहा है, जहां आप अपनी खोज करते हैं, आप स्वचालित रूप से और नेत्रहीन देख सकते हैं कि कौन उस डेटा का मालिक है, उस डेटा का वंश क्या है, यह कैसे होता है बनाया गया था, अगर यह प्रमाणित था, और इसे कैसे प्राप्त किया जा सकता है, और यदि आपके पास इसका उपयोग नहीं है, तो आप चैट सुविधाओं का उपयोग कर सकते हैं, आप जानते हैं, उस पहुँच का अनुरोध करें। यह उस विशेष व्यक्ति को एक ईमेल भेजता है, और इसलिए यह वास्तव में इन तत्वों का एक बहुत उत्पादन करने का एक अच्छा तरीका है। अगली स्लाइड।

अगला टुकड़ा ये प्रस्तुत करने और मिश्रण है, फिर से, जिसे हम अच्छी तरह से जानते हैं, और इसलिए, हम वास्तव में प्रस्तुत करने और मिश्रण को अधिक उन्नत विश्लेषिकी के लिए रैंप पर देखते हैं। SQL या किसी भी प्रकार का कोड लिखे बिना, आप अपने सभी अलग-अलग डेटा तक पहुंचने में सक्षम हैं, यह क्वेरी करें - आप जानते हैं, कि क्या संरचित डेटा, असंरचित डेटा, क्लाउड डेटा है - और आसानी से मेमोरी में सभी को एकीकृत करें, इसे आकार दें, इसे साफ़ करें, अपने डेटा सेट को विश्लेषण के लिए तैयार करने के लिए इसे प्रोफाइल करें। आप इसे तृतीय-पक्ष डेटा सेट के साथ भी समृद्ध कर सकते हैं। तो, हमारे पास टॉमटॉम जैसी कंपनियों के साथ वास्तव में अच्छी भागीदारी है, यदि आप ड्राइव-टाइम विश्लेषण में रुचि रखते हैं, स्थानिक विश्लेषण कर रहे हैं। हम घरेलू डेटा या व्यावसायिक डेटा के लिए एक्सपेरियन के साथ भी बहुत निकटता से काम करते हैं। तो अचानक, न केवल आप उस डेटा को ले सकते हैं जो आपको पहले से मिला है या शायद क्लाउड में है, आप इसे इन तृतीय-पक्ष स्रोतों के साथ भी समृद्ध कर सकते हैं और वास्तव में कुछ आकर्षक विश्लेषण के साथ आ सकते हैं। अगली स्लाइड।

तीसरा टुकड़ा यह विश्लेषण और मॉडल घटक है। इसलिए मैंने उल्लेख किया कि एलर्टेक्स कोड-मुक्त था। खैर, यह कोड के अनुकूल भी है। और इसलिए, हम 60 से अधिक विभिन्न भविष्य कहनेवाला विश्लेषण उपकरण प्रदान करते हैं, इसलिए जब आप अधिक उन्नत विश्लेषण करने के लिए तैयार होते हैं, तो आप आर और पायथन और स्पार्क-आधारित टूल का उपयोग बिना कोडिंग के कर सकते हैं, या आप वास्तव में अपने स्वयं के कस्टम का उपयोग कर सकते हैं और बना सकते हैं। संकुल। इसलिए यदि आपको एक डेटा साइंस टीम मिली है जो R और Python या Scala या जो कुछ भी लिख रही है, आप उस कोड का उपयोग कर सकते हैं, अपने खुद के पैकेज बना सकते हैं, और उस टूल के भीतर लीवरेज कर सकते हैं। और फिर, यह वह जगह है जहां मुझे लगता है कि स्व-सेवा विश्लेषिकी का वास्तविक मूल्य है, और यह वास्तव में है जहां हम उद्योग को बदलने में मदद करना चाहते हैं, आप जानते हैं, पारंपरिक डेटा विश्लेषक और डेटा कार्यकर्ता इन में, आप जानते हैं, नागरिक डेटा वैज्ञानिक और डेटा विज्ञान वास्तव में उपयोग में आसान उपकरणों के साथ काम कर रहा है। फिसल पट्टी।

ठीक है, में, और अंत में हमें पिछले कुछ स्विच मिले हैं, जो उन्नत एनालिटिक्स के अंतिम मील हैं। इसलिए यदि आप उस बिंदु पर हैं जहाँ आप डेटा साइंस का काम कर रहे हैं, और आप अपने मॉडल का निर्माण कर रहे हैं, तो आपके सामने आने वाली अगली चुनौती है, “ठीक है, मैं उन मॉडलों को उत्पादन में कैसे लाऊँ? मैं उन्हें कैसे प्रबंधित करूं? मैं उन्हें अप-टू-डेट कैसे रख सकता हूं? ”और यह वह जगह है जहां हमारी तैनाती की क्षमता आती है। और इसलिए, हमने जिन ग्राहकों से बात की है, उनके शोध के अनुसार, 50 प्रतिशत से कम मॉडल कभी इसे उत्पादन में बनाते हैं। । इसलिए आपने इन सभी मॉडलों को बनाने के लिए इन डेटा वैज्ञानिकों को नियुक्त किया है, लेकिन वे वास्तव में इसे कभी भी उत्पादन में नहीं ला रहे हैं। और इसलिए, हमने एक समाधान बनाया है जो आपको अपने मॉडल बनाने में मदद करने जा रहा है, और फिर वास्तविक समय में Restful API का उपयोग करके उन्हें तैनात करना है।

और इसलिए आप उन मॉडलों को प्राप्त करने में सक्षम हैं और उन्हें सीधे वेब एप्लिकेशन और मोबाइल एप्लिकेशन में तेजी से और आसानी से डाल सकते हैं, क्योंकि पारंपरिक तरीके अभी काम नहीं कर रहे हैं। यह एक लंबी, खींची गई प्रक्रिया है। एक मॉडल को तैनात करने में 12 से 20 सप्ताह तक का समय लग सकता है, और अक्सर ऐसा करने में $ 250, 000 से अधिक का खर्च आता है। और फिर आपको चिंता हुई कि आप उन्हें कैसे अपडेट रखें। इसलिए फिर से, हम इस पूरी प्रक्रिया को स्वचालित करने और बहुत सारे मध्यस्थ कदम उठाने के तरीके खोज रहे हैं। और इसलिए, वास्तव में कोड को फेंकने के बिना, क्योंकि अब जो हो रहा है उसकी पारंपरिक प्रक्रिया आपको डेटा वैज्ञानिक मिल गई है जो अपने मॉडल का निर्माण कर रहे हैं, और वे उन्हें तैनात करते हैं, और उन्हें बाड़ पर एक वेब डेवलपर को फेंक देते हैं जिन्हें आर एंड पाइथन कोड के सभी को ले लें, इसे किसी प्रकार के वेब एप्लिकेशन या मोबाइल एप्लिकेशन में फिर से लिखें, और फिर से, इसमें बहुत समय लगता है।

और इसलिए, किसी और के लिए बाड़ पर कोई और अधिक फेंकने वाला कोड नहीं है। हमने उस प्रक्रिया को स्वचालित कर दिया है और इसे पैमाने पर प्रबंधित करने का एक तरीका है। और इसलिए, वास्तव में वे चार क्षेत्र हैं जिन्हें हम डेटा एनालिटिक्स के लिए एंड-टू-एंड सेल्फ-सर्विस प्लेटफ़ॉर्म पर देखते हैं। और इसलिए, यह आप जानते हैं, डेटा को आसानी से ढूंढना और साझा करना, इसे उन्नत करना और सम्मिश्रण करना, उन्नत एनालिटिक्स करना, और फिर इसे पैमाने पर तैनात करने और प्रबंधित करने का एक तरीका है। आगे बढ़ें। तो एलर्टेक्स के साथ, आप सक्षम हैं, आप जानते हैं, विश्लेषणात्मक शासन के बारे में बात करते हैं और अपने डेटा को इस तरह से अनलॉक करने में सक्षम हैं जो आपके सभी विश्लेषण करने के लिए कोड-मुक्त और कोड-अनुकूल दोनों तरीके प्रदान करता है, इसलिए यदि आप ऐसे डेटा विश्लेषक हैं जो किसी शब्दार्थ को नहीं जानते हों, किसी डेटाबेस को क्वेरी करने के लिए SQL भाषाएं जानते हों, आप एक ड्रैग-एंड-ड्रॉप टूल का उपयोग कर सकते हैं जो उनके विश्लेषण करने के लिए स्मृति में यह सारा डेटा खींचता है।

फिर उसी टोकन पर, यदि आपके पास डेटा वैज्ञानिक हैं जो आर और पायथन का उपयोग कर रहे हैं, तो वे अभी भी कोड-अनुकूल तरीके से एलर्टेक्स जैसे उपकरण का उपयोग कर सकते हैं - और परिणाम जो हमने अपने ग्राहकों के साथ देखे हैं वे जबरदस्त हैं क्योंकि हम हैं उन दोहराए जाने वाले वर्कफ़्लो को प्रदान करने में सक्षम, जिन्हें आप ले सकते हैं, जो कार्य आप जानते हैं, सप्ताह या महीने और सचमुच अतिशयोक्ति के बिना उन्हें मिनटों तक ले जाते हैं। हमें अपनी वेबसाइट पर कई केस स्टडीज मिली हैं जहाँ आप उस बारे में और कुछ समय की बचत के बारे में अधिक जान सकते हैं जो हम देख रहे हैं। लेकिन, आप जानते हैं, अंत में, यह आपके आईटी संगठन के साथ काम करने वाला है क्योंकि यह स्केलेबल है और उन साइलो को तोड़ता है जिनके बारे में मैंने बात की थी और इसे एक नियंत्रित तरीके से करता हूं। और यह वास्तव में क्या है कि एलर्टेक्स एंड-टू-एंड प्लेटफॉर्म सभी के बारे में है और हम अलग क्यों हैं।

एरिक कवनघ: ठीक है। यह सब अच्छा सामान है। मुझे कहना है, वेन, मुझे लगता है कि आप वास्तव में इस डेटा गवर्नेंस गेटवे के साथ कुछ पर हैं, मुझे लगता है, आपने इसे कैसे वर्णित किया। क्योंकि अभी हम वास्तव में इस दिलचस्प दुनिया में हैं, जिसमें डेटा वेयरहाउस, जो कि चार दशकों से भरोसेमंद स्रोत हैं, अब वास्तव में समय के साथ और सभी अलग-अलग डेटा स्रोतों और डेटा किस्मों के साथ बनाए रखने में सक्षम नहीं हैं। यह एक काफी कठोर प्रणाली है जो एक डेटा वेयरहाउस में होती है, और इसलिए जो मैं यहां देख रहा हूं कि एलर्टेक्स यहां पहुंचा रहा है, वास्तव में आप विश्लेषणात्मक परिपक्वता में अगले चरण को क्या कह सकते हैं, क्योंकि वे आपको इन सभी विभिन्न स्रोतों का उपयोग करने की अनुमति दे रहे हैं, लेकिन क्योंकि उनके पास है डेटा शासन नीतियों के साथ इस मार्शल क्षेत्र में पके हुए, अब आप वास्तव में दोनों दुनिया के सर्वश्रेष्ठ प्राप्त करते हैं जहां आपके पास कई अलग-अलग डेटा सेट हो सकते हैं, लेकिन आपके पास शासन है, और आप सभी प्रकार की सूचनाओं का उपयोग कर सकते हैं और सभी प्रकार के विभिन्न विश्लेषकों को सेवा दे सकते हैं। व्यवसाय की दुनिया में क्या हो रहा है, इस पर उनके अलग दृष्टिकोण प्राप्त करें। लेकिन मैं इसे उद्यम के लिए एनालिटिक्स के विकास में एक महत्वपूर्ण कदम के रूप में देखता हूं, लेकिन आपको क्या लगता है?

वेन एकर्सन: नहीं, बिल्कुल। डेटा वेयरहाउस, सत्य के एक ही संस्करण के भंडार के रूप में वे थे, और मुझे लगता है कि यह सिर्फ नजरअंदाज कर दिया गया था, आप जानते हैं, संगठनात्मक गतिशील और लोग जो भूमिका निभाते हैं। और मैं बीआई या एनालिटिक्स की इन दो दुनियाओं को देखता हूं, जैसा कि आप उन्हें कहते हैं। और ज्यादातर कंपनियों में, वे विपरीत दिशाओं में जा रहे हैं, और वे एक-दूसरे से बात नहीं करते हैं, वे एक-दूसरे पर भरोसा नहीं करते हैं, लेकिन वास्तव में वे बहुत तालमेल रखते हैं, और हमें बस उन्हें एक-दूसरे को स्वीकार करना होगा और एक साथ काम करते हैं। और एलर्टेक्स जैसे उपकरण जो डेटा कैटलॉगिंग क्षमता के माध्यम से शासन को शामिल करते हैं, जहां स्टीवर्ड डेटा सेट को प्रबंधित कर सकते हैं और उन्हें प्रमाणित और वॉटरमार्क कर सकते हैं, जो कि कुछ वर्षों से मैं अपनी कक्षाओं में बात कर रहा हूं। बहुत कम कंपनियां ऐसा कर रही हैं, लेकिन यह इतना कर्षण हो जाता है और अब मैं इसे हर जगह सुनता हूं।

और इसलिए, इन दोनों दुनियाओं को एक साथ मिलाने का तरीका, क्योंकि आप जानते हैं, आपके पास अपना केक है और आप इसे खाते हैं। आप पावर उपयोगकर्ताओं को वे करने दे सकते हैं जो उन्हें करने की आवश्यकता है। मांग पर नई अंतर्दृष्टि खोजें, और फिर, आप जानते हैं, लेकिन आप इसे नियंत्रण से बाहर रखने से रोकते हैं। आप इसे कुछ मानकों के साथ टॉवर ऑफ बैबेल बनाने से रोकते हैं, जिन्हें कुछ शासन की आवश्यकता होती है। और लक्ष्य वास्तव में शासन की संस्कृति बनाना है जहां लोग शासन प्रक्रिया से गुजरना चाहते हैं। वे चाहते हैं कि उनकी रिपोर्ट / डेटा सेट की समीक्षा की जाए ताकि वे अधिक मोटे तौर पर खाए जाएं। यही लक्ष्य है, और यह वास्तव में इस नई दुनिया में आईटी की नई भूमिका है। मैं हमेशा कहता हूं कि उनकी भूमिका को सुविधाजनक बनाना है, हुक्म चलाना नहीं। और यह अधिकांश आईटी पेशेवरों के लिए एक बड़ी दिमाग की पारी है, जो एक साझा सेवा में होने के लिए इस्तेमाल किया गया है जो व्यवसाय के लिए सब कुछ करता है। अब व्यवसाय खुद के लिए कर रहा है, और आईटी को वास्तव में सिर्फ लोगों को होने की जरूरत है, जैसा कि जोश ने कहा, उन रेलिंगों को लगाते हुए।

एरिक कवनघ: हाँ, मुझे लगता है कि रेलिंग प्रमुख हैं क्योंकि वे मुफ्त खेलने की अनुमति देते हैं, यदि आप करेंगे, तो विश्लेषकों का काम अलग-अलग होगा, लेकिन पटरी से उतरना नहीं। और अगर मैं समझता हूँ-

वेन एकर्सन: बिल्कुल।

एरिक कवनघ: - सही ढंग से, जोश-

जोश हावर्ड: बिल्कुल।

एरिक कवनघ: हाँ, आप इस बारे में बात कर रहे थे कि कैसे, मैं वास्तव में Alteryx पर नज़र रख रहा हूं क्योंकि इससे पहले कि यह कई साल पहले Alteryx कहलाता था - मुझे लगता है कि इसे SRC या उन रेखाओं के साथ कुछ कहा गया था - और एक वाल-मार्ट था पहला ग्राहक। और वास्तव में शांत चीजों में से एक है जो आप लोगों ने रास्ते से वापस आने के बारे में बात की थी जब वास्तव में व्यावसायिक प्रक्रियाओं और वर्कफ़्लो को समझने की क्षमता थी। और अगर आपके पास वर्कफ़्लो और व्यावसायिक प्रक्रियाओं की इतनी मजबूत समझ है, तो आप कई अलग-अलग काम कर सकते हैं। सबसे पहले, यदि आप उपयोगकर्ता के लिए उपलब्ध विकल्पों को क्लाउड नहीं करते हैं, तो आप एक बहुत ही पूर्ण उपयोगकर्ता इंटरफ़ेस प्रदान कर सकते हैं। दो, आप प्रक्रियाओं को बेहतर ढंग से समझने के लिए भी व्यवस्थित कर सकते हैं जहां चोक पॉइंट या कंट्रोल पॉइंट हैं। और मुझे लगता है कि शायद यह जादू का हिस्सा है कि क्यों एलर्टेक्स यह बहुत ही शासन-अनुकूल है, लेकिन उपयोगकर्ता के अनुकूल प्रकार का वातावरण प्रदान करने में सक्षम है जो सभी प्रकार के विभिन्न सूचना सेट और विश्लेषणात्मक उपयोग के मामलों को सक्षम करता है। क्या आप उस के साथ सहमत करेंगें?

जोश हावर्ड: हां, मेरा मतलब है कि आप जानते हैं, मैं, एरिक, और इसका एक बहुत ही प्रकार के उपकरण को व्यापार उपयोगकर्ताओं के हाथों में डाल रहा हूं और उन्हें एक व्यवसाय-अनुकूल तरीके से अपना काम करने का एक तरीका दे रहा हूं यह प्रयोग करने में आसान है और यह अनुकूल है। मेरा मतलब है, यदि आप डेटा गवर्नेंस जैसी किसी चीज़ के बारे में सोचते हैं, तो हम दो दशकों के लिए डेटा गवर्नेंस के बारे में बात कर रहे हैं, और आईपी स्टोरेज के रूप में, हमने इसे व्यापार में नीचे धकेलने की कोशिश की है, और यह सिर्फ कभी नहीं अपनाया जाता है, कभी नहीं मिलता है किसी भी तरह का कर्षण, क्योंकि यह व्यापार उपयोगकर्ताओं के लिए नहीं बनाया गया है, है ना? यह IT-led, IT- संचालित है, और यह IT के लिए काम करता है, लेकिन यह उन व्यावसायिक उपयोगकर्ताओं के लिए काम नहीं करता है। और इसलिए, हम उन्हीं पद्धतियों को लेना चाहते हैं, लेकिन उन्हें एक व्यापार-अनुकूल टूलसेट पर लागू करते हैं, और यही हमारा दृष्टिकोण है, आप जानते हैं, डेटा कैटलॉगिंग समाधान और मेटाडेटा प्रबंधन।

आप जानते हैं, जब मैं किसी व्यावसायिक उपयोगकर्ता से बात करता हूं, तो मैं कभी भी शब्दार्थ डेटा परत के बारे में बात नहीं कर रहा हूं, और हम कैसे प्रबंधित करने में मदद कर रहे हैं, आप जानते हैं, मेटाडेटा। लेकिन, आप जानते हैं कि अंतिम छोर पर, यह अनिवार्य रूप से है कि यह क्या कर रहा है, उन प्रकार की चीजें लंबे समय से आईटी के भीतर हैं, लेकिन व्यवसाय उपयोगकर्ता के लिए, यह सब है कि कैसे तेजी से डेटा खोजा जाए, कैसे अपना काम पूरा किया जाए। तेजी से, और उस जानकारी को एक आसान-से-उपयोग इंटरफ़ेस में प्रदान करना जो वे उपयोग करने के आदी हैं, जैसे उनके उपभोक्ता जीवन में, ठीक है? वे Google जैसा खोज इंटरफ़ेस चाहते हैं, वे एक सामाजिक सहयोग तत्व चाहते हैं जहां वे उस संगठन के अन्य उपयोगकर्ताओं के साथ उन डेटा साइलो को तोड़ने और उस आदिवासी ज्ञान को पकड़ने के लिए नेटवर्क कर सकें। और इसलिए, हम सिर्फ एक अलग दृष्टिकोण ले रहे हैं कि हम व्यापार के साथ कैसे काम करते हैं, लेकिन इसे एक तरह से कर रहे हैं जो कि आईटी के अनुकूल भी है।

एरिक कवनघ: हाँ, और मुझे एक बड़ा सवाल मिला-

वेन एकर्सन: आप दूसरी बात जानते हैं - जोश, जिसने मुझे अपनी प्रस्तुति में मारा, हम अब प्लेटफार्मों के युग में हैं। मुझे लगता है कि हम औजारों की उम्र से आगे बढ़ गए हैं, और यह ठीक है, लेकिन प्लेटफार्मों, सही? और इसलिए, मैं 20-कुछ वर्षों के लिए बीआई को कवर कर रहा हूं, और बीआई स्पेस में, हम टूल से विश्लेषणात्मक प्लेटफ़ॉर्म पर गए हैं, जहां आप जानते हैं, एक उत्पाद अनिवार्य रूप से हर प्रकार के उपयोगकर्ता के लिए एनालिटिक्स के हर मोड को समाप्त करता है।, सही? रिपोर्ट से लेकर एक सामान्य वास्तुकला और स्व-सेवाओं पर भविष्यवाणी तक। हम डेटा असेंबली साइड, या डेटा एकीकरण पक्ष पर एक ही चीज़ देख रहे हैं, जहां किसी ने इन प्लेटफार्मों को एक साथ रखा है जो डेटा को निगलना, इसे जोड़ना, इसे सूचीबद्ध करना, इसे बदलना, इसे बदलना और इसे डाउनलोड करने और विश्लेषण करने के लिए उपयोगकर्ताओं के लिए उपलब्ध कराना है। और अब, आप लोग क्या कर रहे हैं, अगला कदम कई तरीकों से उठा रहा है और उन दो प्लेटफार्मों को एक में मिला रहा है, इसलिए यह एक संयुक्त विश्लेषिकी और डेटा प्लेटफ़ॉर्म है, जिसे आप जानते हैं, समझ में आता है। वह भविष्य है: अभिसरण। केवल एक चीज जो मुझे आपके प्लेटफ़ॉर्म में दिखाई नहीं देती है वह है आपकी मूल रिपोर्टिंग और डैशबोर्ड टूल या क्षमताएं, लेकिन हो सकता है कि यह आपके विश्लेषणात्मक मॉड्यूल में अंतर्निहित हो।

जोश हावर्ड: हाँ, हम बैच रिपोर्टिंग बहुत अच्छी करते हैं। हमें वहां एक बहुत ही मजबूत समाधान मिला है, लेकिन आपने डैशबोर्ड के आसपास एक बिंदु पर हिट किया, और हम इसे हमारे बढ़ने के अवसर के रूप में देखते हैं। हमने हमेशा पारंपरिक रूप से झांकी, पावर बीआई और क्यूलिक के साथ अच्छी साझेदारी की है, लेकिन हम ऐसा करना जारी रखेंगे। लेकिन जो हम पा रहे हैं वह हमारे विश्लेषकों, हमारे ग्राहकों को है, वे अपने परिणामों को देखने के लिए वर्कफ़्लो के अंत और उस चक्र को खत्म नहीं करना चाहते हैं, ठीक है? वे परिणाम देखना चाहते हैं क्योंकि वे वास्तविक समय में काम कर रहे हैं, और यह वास्तव में दिशा है कि हम जा रहे हैं, और हम जानते हैं कि हम इनलाइन विज़ुअलाइज़ेशन के रूप में क्या लेबल कर रहे हैं ताकि आप अपना डेटा देख रहे हों जैसे आप काम करते हैं, और आप उस पर पुनरावृत्ति कर सकते हैं और देख सकते हैं कि वास्तविक समय में प्रतीक्षा करने के बजाय अंत को झुकाकर उन परिणामों को देखने के लिए एक विज़ुअलाइज़ेशन टूल या डैशबोर्ड पर प्रकाशित किया जाता है। और इसलिए, यह आपकी अंतर्दृष्टि प्राप्त करने के लिए आगे और पीछे संतुलन की आवश्यकता को समाप्त करता है।

वेन एकर्सन: हाँ, ठीक है, यह बहुत मायने रखता है। और आप लोग अब उपयोग में आसानी के लिए जाने जाते हैं। तुम्हें पता है, आप प्रसिद्धि और भाग्य के उदय पर कंपनी झांकी का उपयोग करते हैं। आप उनके साथ वहीं हैं, और इस अभिसरित प्लेटफ़ॉर्म स्पेस में लीड लेने के लिए बेहतर कौन है क्योंकि आपने एनालिटिक्स और डेटा मैनेजमेंट दोनों में अपना पैर जमा लिया है। इसलिए, हम यह देखने के लिए बीटा परीक्षण कर रहे हैं कि आप लोग अगले कुछ वर्षों में कैसे किराया करेंगे।

जोश हावर्ड: हाँ, और आप जानते हैं, मुझे लगता है कि यह दिलचस्प है, और मुझे खुशी है कि मैं इस अंतरिक्ष का एक हिस्सा बन गया हूँ, और यह वास्तव में देखने के लिए दिलचस्प है, एक नज़र डालें, आपको पता है, डेटा एकीकरण स्थान, व्यापार खुफिया अंतरिक्ष, और उन्नत विश्लेषिकी स्थान और वास्तव में उन अभिसरण देख रहे हैं। और, आप जानते हैं, मुझे लगता है कि Alteryx जैसे प्लेटफ़ॉर्म वास्तव में उन व्यापार उपयोगकर्ताओं को बहुत मदद करने जा रहे हैं जो उन उपयोगकर्ताओं को अपने डेटा तक पहुंच प्राप्त करने में सक्षम बनाते हैं और उस विश्लेषण को करते हैं, आप जानते हैं, और उन जानकारियों को तेज़ी और आसानी से प्राप्त कर सकते हैं।

एरिक कवनघ: हाँ। यहां सभी, और मैं आपसे सहमत हूं, वेन, कि यह वास्तव में कैसे समझ में आता है, और मुझे लगता है, हाँ, एक दर्शक सदस्य से एक सवाल है जिसे मैं यहां फेंक दूंगा। यह बातचीत के लिए बहुत जर्मेन है। यह DataOp के बारे में है। आपमें से जो इस शब्द से परिचित नहीं हैं-

जोश हावर्ड: अगली स्लाइड।

एरिक कवनघ: -यह वास्तव में पिछले नौ महीनों में मजबूत है। यह एक या दो विक्रेताओं के साथ शुरू हुआ, फिर तीन और चार, फिर पांच और छह, और अब बहुत सारे लोग DataOp के बारे में बात कर रहे हैं। यह मूल रूप से DevOp का डेटा प्रबंधन पक्ष है। इसलिए हम जो देख रहे हैं, वह वास्तव में यह समझने की कोशिश करने पर बहुत अधिक ध्यान केंद्रित करता है कि विभिन्न उपकरण और क्या विभिन्न प्रौद्योगिकियां डेटा को छू रही हैं क्योंकि यह अपने जीवन चक्र के माध्यम से आगे बढ़ता है और यह आपके विश्लेषणात्मक दृष्टिकोण को कैसे प्रभावित करता है। और यह मुझे लगता है कि Alteryx वास्तव में DataOps समस्या को हल करता है इससे पहले कि यह DataOp यहां तक ​​कि एक टर्म बन गया। लेकिन मैं उस पर, जोश, पहले, और फिर आप, वेन को कमेंट्री के लिए फेंक दूंगा। जोश, आपको क्या लगता है?

जोश हावर्ड: हाँ, मुझे लगता है कि यह एक विकसित स्थान है। आप जानते हैं, हम डेटा अज्ञेयवादी होने की कोशिश करते हैं, और इसलिए डेटा का उपयोग करने में सक्षम होते हैं - चाहे वह आपके फ़ायरवॉल के भीतर हो, क्लाउड में, असंरचित डेटा, संरचित डेटा - इसलिए क्योंकि हम जानते हैं कि यह परिवर्तन जारी रखने वाला है, आप जानते हैं और मुझे यकीन है कि वेन इस बात से सहमत होंगे, और इसलिए आप, एरिक। यदि आप वापस जाते हैं, तो आप इस अंतरिक्ष में 10, 15 साल जानते हैं, मेरा मतलब है, केवल कुछ मुट्ठी भर डेटाबेस थे। अब हम 400 से अधिक विभिन्न डेटाबेस प्रकारों के लिए तैयार हैं। और इसलिए, हम कभी भी उसके साथ तालमेल नहीं रखने वाले हैं। और इसलिए, किसी संगठन को अपनाने के लिए हमेशा कुछ नया और चमकदार होने वाला है। और इसलिए, हम केवल अज्ञेयवादी होना चाहते हैं और अपनी खुली तकनीक और एपीआई का उपयोग करते हुए अपने संगठन में जो कुछ भी आपके पास है, उसे मूल रूप से एकीकृत करने में सक्षम हैं। और यह भी देखें कि DataOp की तरफ दूसरा टुकड़ा वास्तव में अधिक से अधिक वर्कलोड को क्लाउड पर धकेल दिया गया है और नई क्लाउड टेक्नॉलॉजी और मशीन-लर्निंग तकनीकें वास्तव में हमें इस नए प्रतिमान में धकेल रही हैं, और मुझे वास्तव में लगता है कि कहां तुम्हें पता है, DataOps जाने वाला है। और हम उस स्थान पर बहुत सारी दिलचस्प चीजें देख रहे हैं।

वेन एकर्सन: हाँ, मुझे लगता है कि DataOps के लिए हम एक और शब्द "डेटा पाइपलाइन" या "डेटा सप्लाई चेन" का उपयोग करते हैं, और हम बहुत सारी कंपनियों को देखते हैं, खासकर बड़े डेटा वर्ल्ड में। आप उस कार्यभार को प्रबंधित कर सकते हैं और डेटा झीलों को डेटा दलदल बनने से रोक सकते हैं। हाँ, और मैं इस बात से सहमत होता हूँ कि बहुत सारा अब बादल में भी घूम रहा है।

एरिक कवनघ : ठीक है, और आप जानते हैं, इसलिए एलर्टेक्स ने एक युगल अधिग्रहण किया। मैं नहीं जानता कि अगर आप पिछले एक या दो वर्षों में इस बारे में बात करना चाहते हैं, तो मुझे लगता है, जोश, और यह वास्तव में इस प्लेटफ़ॉर्म को डेटा अंतर्ग्रहण करने और उस शब्दार्थ सामान के संदर्भ में निकाल देता है। और अब आपके पास वास्तव में इस तरह का एंड-टू-एंड समाधान है जो एनालिटिक्स को नियंत्रित करने में सक्षम बनाता है। मैं किसी और के बारे में नहीं जानता, जिसने बहुत ध्यान और दृष्टिकोण लिया है, और मुझे लगता है कि यह आपके आधे हिस्से में बहुत चालाक था। लेकिन क्या आप इसके बारे में थोड़ी बात करना चाहते हैं?

जोश हावर्ड: हाँ, ज़रूर। और इसलिए, यह एलर्टेक्स के लिए एक बड़ा वर्ष रहा है। आप जानते हैं, हम इस साल की शुरुआत में सार्वजनिक हुए थे, और हमने दो महत्वपूर्ण अधिग्रहण किए जो हमारी मदद करते हैं, आप जानते हैं, हमारे प्लेटफॉर्म का अंत। और इसलिए, पहले एक, यह वास्तव में डेटा कैटलॉगिंग टुकड़ा था। फिर से, आप जानते हैं, जो हम पाते हैं, वही हम उन आंकड़ों को नियंत्रित करने में मदद करना चाहते हैं। और इसलिए, हमने वास्तव में एक डेटा शासन कंपनी का अधिग्रहण किया, जिसे सेमांता कहा जाता है, और यह हमारा डेटा कैटलॉगिंग समाधान बन गया है और हमने समग्र प्लेटफ़ॉर्म में बनाया है। क्योंकि हम करते हैं, फिर से, हम देखते हैं कि शासन स्वयं-सेवा के लिए और स्वयं-सेवा को सक्षम करने के लिए एक महत्वपूर्ण घटक है। और इसलिए, फिर से, जिसने हमें उन सभी को दिया, आप जानते हैं, मेटाडेटा प्रबंधन, डेटा कैटलॉगिंग क्षमताएं। और हमने जो किया है, हमने उस पर एक इंटरफ़ेस बनाया है जिसका उपयोग करना आसान है और बहुत अनुकूल है, जो कि हमारे समग्र मंच के साथ एकीकृत है।

दूसरा जो हमने बनाया वह ब्रुकलिन, न्यूयॉर्क से बाहर स्थित एक डेटा साइंस कंपनी थी, और यह हमारी मशीन-सीखने की क्षमताओं के साथ-साथ मॉडल प्रबंधन टुकड़ा बनाने के लिए किया गया था। और इसलिए, मैंने पहले जो उल्लेख किया था, वह यह था कि हमारे प्लेटफ़ॉर्म का उपयोग करके और बहुत महत्वपूर्ण डेटा विज्ञान कार्य करने के लिए हमें बहुत सारे डेटा वैज्ञानिक मिले। हालांकि, उन मॉडलों को प्राप्त करना, आप जानते हैं, अंतिम मील तक बहुत चुनौतीपूर्ण था। और इसलिए, मैंने उल्लेख किया है, आप जानते हैं, 12 से 20 सप्ताह में अक्सर ऐसा लगता है, $ 250, 000 कि इनमें से कुछ मॉडल बनाने की आवश्यकता होती है। और फिर, आप इन सभी मॉडलों का संचालन और रखरखाव कैसे करते हैं? वे मॉडल कैसे सीखते हैं? और आप उन मॉडलों को कैसे प्रशिक्षित करते हैं? और इसलिए, यह एक बड़ी समस्या है, ठीक है, तैनाती की क्षमता। और इसलिए, डेटा विज्ञान पक्ष और डेटा गवर्नेंस पक्ष के साथ उन दो तकनीकों ने वास्तव में हमारे मंच को गोल कर दिया है और हम इस चुनौती को हल करने के लिए, संगठनों को लाने की कोशिश कर रहे हैं।

एरिक कवनघ: हाँ, और मुझे खुशी है कि आपने इसे वहाँ फेंक दिया क्योंकि हमारे पास मशीन सीखने और एआई के बारे में दर्शकों से एक सवाल था। और, वेन, हो सकता है कि मैं आपको असली जल्दी फेंक दूं। मेरे लिए, मशीन सीखने की बहुत अधिक संभावनाएं हैं जो वास्तव में बहुत सारे विभिन्न मुद्दों को अनुकूलित करती हैं जिन्हें हमने वर्षों से संघर्ष किया है - डेटा गुणवत्ता जैसी चीजें, उदाहरण के लिए, विश्लेषिकी पर भीड़ जैसी चीजें और उस खोज पक्ष की मदद करना समीकरण, है ना? क्योंकि इनमें से कुछ एल्गोरिदम जो विशेष रूप से सीखते रहते हैं, वे वास्तव में अपने दम पर जा सकते हैं और कुछ दिलचस्प चीजें ढूंढ सकते हैं जो उपयोगकर्ता के लिए सामने आ सकती हैं। क्योंकि चुनौतियों में से एक, सामान्य रूप से विश्लेषकों के साथ यह है कि हर विश्लेषक दुनिया के बारे में अपने स्वयं के पूर्वाग्रहों का अपना सेट लाता है। कभी-कभी बदलने के लिए यह काफी मुश्किल हो सकता है, और इसलिए मुझे भविष्य में मशीन सीखने और एआई के लिए बहुत अधिक संभावनाएं दिखती हैं। तुम क्या सोचते हो?

वेन एकर्सन: नहीं, बिल्कुल और सिर्फ बुनियादी नियम। उन चीजों को एक साथ मिलकर इन स्वयं-सेवा साधनों को और सरल बनाया जाएगा, उन्हें उपयोग में आसान बनाया जाएगा। आप जानते हैं, जैसा कि आपने कहा, डेटा सेट्स को देखने के लिए अन्य रिपोर्ट के लिए सिफारिशें करने से लेकर, मॉडल को समायोजित करने के लिए, आप जानते हैं, डेटा प्रीप टूल में सहसंबंध शांत करते हैं। तुम्हें पता है, हम पहले से ही इस तरह से है जैसे झांकी ने उस डेटा सेट के लिए सही विज़ुअलाइज़ेशन को नया रूप दिया है जिसे आप दिखाना चाहते हैं। तो यह सब इन उपकरणों को और अधिक शक्तिशाली बनाता है, स्व-सेवा को अधिक प्रशंसनीय बनाता है, और उपयोगकर्ताओं को अंतर्दृष्टि और मूल्य को तेज़ी से चलाने के लिए डेटा का उपयोग करने में मदद करता है।

एरिक कवनघ: हाँ, और आप जानते हैं, एंटरप्राइज़ सॉफ़्टवेयर की दुनिया में, जाहिर है कि बहुत अच्छा सामान चल रहा है, लेकिन नीचे की रेखा हमेशा प्रौद्योगिकी बनाने में समय लेती है। तो जाहिर है आप जा सकते हैं और सामान हासिल कर सकते हैं, जैसा कि एलर्टेक्स के पास है। लेकिन जब आपके पास अंतरिक्ष में अनुभव होता है, तो आप जानते हैं, एक पुरानी अभिव्यक्ति है: अनुभव का कोई विकल्प नहीं है। आप बस यह जानते हैं कि चीजों को बेहतर तरीके से कैसे किया जाता है, और मुझे लगता है कि यहां एलर्टेक्स की दीर्घकालिक सफलता की एक कुंजी यह है कि एलर्टेक्स वास्तव में कई साल पहले थर्ड-पार्टी डेटा का उपयोग करने की पूरी प्रक्रिया पर था। मुझे ठीक से याद नहीं है कि कब तक, लेकिन मैं छह या सात साल पहले कहना चाहता हूं, एलर्टेक्स पहले ही क्रेडिट कंपनियों जैसी कंपनियों से डेटा बाहर जाने और हड़पने की क्षमता में सेंध लगा चुका है, उदाहरण के लिए, या जियोलोकेशन डेटा या किसी भी संख्या में तृतीय-पक्ष डेटा सिस्टम। और मुझे लगता है कि इन दिनों की शुरुआत थी जिसे हम इन दिनों में सम्मिश्रण के रूप में देखते हैं, जिसे हम इन दिनों सम्मिश्रण कहते हैं, क्योंकि तब हमारे पास यह शब्द भी नहीं था।

लेकिन, जोश, मैं इसे फिर से आपके ऊपर फेंक दूँगा। और, मुझे, मुझे लगता है कि उस डेटा सम्मिश्रण अवधारणा के आस-पास Alteryx प्लेटफ़ॉर्म में बेक किया गया बहुत सारा संतृप्ति और अनुभव है, जिसे अब मशीन-लर्निंग द्वारा, डेटा कैटलॉगिंग द्वारा, और इसके बाद केवल अंतर्ग्रहण द्वारा संवर्धित किया गया है। मुझे लगता है कि यही कारण है कि हम एलर्टेक्स को देखते हैं जहां यह आज है। तुम क्या सोचते हो?

जोश हावर्ड: हाँ, मेरा मतलब है, आवश्यकता सभी आविष्कार की माँ है, है ना? और इसलिए, आप जानते हैं, यह हमारे ग्राहक थे जो आप जानते थे, हम, आप जानते हैं, मूल रूप से स्थानिक विश्लेषण कर रहे हैं, और यह वास्तव में हमने कैसे शुरू किया था, स्थानिक विश्लेषण कर रहा था। और आप जानते हैं, टॉमटॉम जैसे डेटा लेना और ड्राइव-टाइम विश्लेषण करना, आप देख सकते हैं, आप उस डेटा को अपलोड कर रहे हैं, आप जानते हैं, एक्सपेरियन से घर का डेटा। इसलिए यह वास्तव में था कि हमने कहां से शुरुआत की थी, और जो हमें मिला वह था, आप जानते हैं, हमारे ग्राहकों को उस डेटा को एक साथ मिश्रित करने के लिए एक मंच की आवश्यकता थी। और अगर हम उन्हें यह करने के लिए उपकरण देते हैं तो यह अच्छा नहीं होगा। और इसलिए, यह वास्तव में एलर्टेक्स का आवेग था।

और आप जानते हैं, जो हमने पाया है, आप जानते हैं, वर्षों से, डेटा प्रीप वास्तव में आपकी विश्लेषणात्मक यात्रा में पहला कदम है। तो आप जानते हैं, एक डेटा साइंटिस्ट का 80 प्रतिशत समय लगता है, आप जानते हैं, भविष्य कहनेवाला एनालिटिक्स और डेटा साइंस काम वास्तव में डेटा प्रस्तुत करने का काम कर रहे हैं, और 20 प्रतिशत से कम वास्तव में विश्लेषण कर रहे हैं, और इसलिए हम यही कोशिश कर रहे हैं पर काबू पाने के। और इसलिए, डेटा प्रीप वह है जो आपकी विश्लेषणात्मक यात्रा में पहला कदम है। तो इससे पहले कि आप किसी भी तरह की रिपोर्टिंग, एडवांस रिपोर्टिंग, प्रेडिक्टिव एनालिटिक्स, कॉग्निटिव एनालिटिक्स तक के सभी तरीके करना शुरू कर दें, आपको अभी भी डेटा एक्सेस करना है, फिर भी आप इसे तैयार करने और इसे ब्लेंड करने और इसे एक साथ खींचने के लिए तैयार हैं। और यही हम इस मंच के साथ हल कर रहे हैं। और उन उपयोगकर्ताओं को एक कोड-मुक्त और एक कोड-अनुकूल तरीके से उन सभी चीजों को करने में सक्षम बनाता है।

एरिक कवनघ: हाँ, और मुझे वह अवधारणा बहुत पसंद है: कोड-मुक्त और कोड-अनुकूल। क्योंकि तथ्य यह है कि आपके पास बहुत सारे कोड जॉकी हैं, जो जबरदस्त मूल्य जोड़ सकते हैं, लेकिन बहुत सारे व्यवसाय उपयोगकर्ता हैं जो कोड द्वारा स्पष्ट रूप से बंद कर दिए गए हैं। वे इससे भयभीत हैं, और उन्हें कौन दोषी ठहरा सकता है? तो, वेन, मुझे लगता है कि यह भी एक अच्छी सुविधा है, एक अच्छा तरीका है। कोड-मुक्त और कोड-अनुकूल है, है ना?

वेन एकर्सन: ओह, बिल्कुल। हाँ, यह है कि आप स्वयं सेवा पर अधिक से अधिक लोगों को कैसे प्राप्त करते हैं।

एरिक कवनघ: हाँ, और स्वयं सेवा, मुझे लगता है, अगला बड़ा कदम है, और मुझे वास्तव में पसंद है कि हमने आज क्या चर्चा की है, इसलिए यह इस बारे में है कि वास्तव में आपकी प्रक्रियाओं, आपके कार्य प्रवाह, आपके डेटा जीवन चक्र, और इसके आगे। और उन नीतियों को प्लेटफ़ॉर्म पर सेंकने के लिए, आपके बिंदु वेन में, मानकीकरण के आसपास कुछ मुद्दे हैं, आप थोड़ा लचीलापन खो देते हैं, लेकिन एक बार जब लोग पागलपन के तरीकों को समझ जाते हैं, तो आप वास्तव में इस प्रक्रिया को आगे बढ़ाते हुए हवा निकालते हैं, जैसे कि -युजर समझते हैं कि उन्हें अब वही मिल सकता है जो वे चाहते हैं। उन्हें आईटी पर इंतजार नहीं करना पड़ता है, और यह प्रकृति को बदलता है कि आईटी और व्यवसाय के लोग कैसे एक साथ काम करते हैं, मुझे लगता है कि बहुत सकारात्मक तरीके से, क्योंकि अब आईटी एनबलर के रूप में काम कर सकता है, उन्हें गेटकीपर बनने की ज़रूरत नहीं है प्रौद्योगिकी पर जितना वे करते थे। आदर्श रूप में उतना समर्थन नहीं है, अगर आपके पास कुछ मानक हैं। तो आप अधिक से अधिक सहयोग को बढ़ावा देते हैं क्योंकि यह संपूर्ण लक्ष्य है, है ना?

तो पहले जोश और फिर शायद वेन की टिप्पणियों को बंद करने के लिए।

जोश हावर्ड: नहीं, मेरा मतलब है, आप जानते हैं, मैं आपकी हर बात से सहमत हूं। आप जानते हैं, यह महत्वपूर्ण है कि हम आईटी और व्यावसायिक उपयोगकर्ताओं को वे उपकरण दें जो उन्हें सफल होने के लिए आवश्यक हैं। इसलिए, हमें लगता है कि रिपोर्ट बनाने के व्यवसाय में आईटी नहीं होना चाहिए। इसे व्यवसाय उपयोगकर्ता को छोड़ दिया जाना चाहिए, जिसके पास व्यवसाय का वह संदर्भ और वे डेटा हैं जो वे उपयोग कर रहे हैं, लेकिन इसे एक नियंत्रित तरीके से करें, और ऐसा कुछ जो आईटी के लिए भी काम करने वाला है।

एरिक कवनघ: ठीक है, वेन से टिप्पणी करना।

वेन एकर्सन: हाँ, आईटी की भूमिका स्वयं सेवा और वास्तव में शासन की संस्कृति के चैंपियन होने और उपयोगकर्ताओं को अपने स्वयं के उत्पादन को नियंत्रित करने के लिए प्राप्त करने और संगठन में लाभ के लिए यह सब करने में से एक से बदल गई है । मेरा मतलब है, आईटी की भूमिका है- मैं आईटी के लिए खेद महसूस करता हूं, आप जानते हैं, क्योंकि कभी-कभी उन्हें इसमें जाना पड़ता है और इसका निर्माण करना पड़ता है, आम तौर पर कानूनी और एचआर जैसे व्यावसायिक हरकतों में विभाजन होता है, मैं इसमें से कोई भी नहीं करने जा रहा हूं। और निश्चित रूप से अगर आप कुछ ऐसा चाहते हैं जो क्रॉस-फंक्शनल एंटरप्राइज हो, तो इसे बनाने वाला कौन है लेकिन आईटी? लेकिन सामान्य तौर पर, हाँ, आईटी को स्वयं सेवा की इस दुनिया में पनपने के लिए बदलना होगा। उन्हें इसके बजाय अधिक सहायक भूमिका में होना चाहिए।

जोश हावर्ड: हाँ, और मुझे लगता है कि अगले विकास के साथ उत्कृष्टता के केंद्र हैं और जहां इन परियोजनाओं का नेतृत्व आईटी या व्यवसाय द्वारा नहीं किया जा रहा है, बल्कि एक केंद्रीकृत संगठन है। आप जानते हैं, हम मुख्य डेटा अधिकारी और इस प्रकार की परियोजनाओं को उस दायरे में गिरते हुए देखना शुरू कर रहे हैं, जहां वे दोनों के साथ-साथ शासन के साथ-साथ व्यावसायिक दृष्टिकोण भी है। मुझे लगता है कि उस डेटा और विश्लेषणात्मक संस्कृति को बनाने के लिए यह सबसे अच्छा मामला है और मैं यह देखने के लिए उत्साहित हूं कि इसमें क्या आता है।

एरिक कवनघ: हाँ, हम एक दो मिनट की टिप्पणी में उपस्थित लोगों के चैट रूम और क्यू एंड ए से आए थे। मुझे यह टिप्पणी पसंद है: उत्पादन को नियंत्रित करें, कोई अस्पष्टता नहीं है कि कौन स्वयं सेवा रिपोर्ट सही है।

जोश हावर्ड: हाँ।

एरिक Kavanagh: हाँ, यह अच्छा सामान है। यह सब सहयोग के बारे में है, यह सब एक साथ काम करने के बारे में है, और, आप जानते हैं, जोश, आपने भी उल्लेख किया है, उपयोगकर्ताओं के एक दूसरे से बात करने का महत्व है, और यह कुछ ऐसा है जो एलर्टेक्स पर भी ध्यान केंद्रित करता है।

तो, दोस्तों, हम यहाँ बहुत लंबे चले गए, लेकिन हमने थोड़ी देर से शुरुआत की, इसलिए मैं आज आप सभी का बहुत-बहुत धन्यवाद करना चाहता हूं। हम इन सभी वेबकास्ट को संग्रहीत करते हैं, इसलिए बेझिझक उन्हें अपने सहयोगियों के साथ साझा करें।

और इसके साथ ही, हम आपको विदाई देने जा रहे हैं। वेन के लिए फिर से धन्यवाद और, ज़ाहिर है, जोश से एलर्टिक्स से। हम अगली बार आपसे बात करेंगे, दोस्तों। ख्याल रखना। अलविदा।