Techopedia Staff tarafından, 25 Ağustos 2016
Paket Servisi: Ev sahibi Rebecca Jozwiak, Dr. Robin Bloor, Dez Blanchfield ve David Sweenor ile gömülü analitik ve vatandaş veri bilimcileri olgusunu tartışıyor.
Videoyu izlemek için bu etkinliğe kaydolmalısınız. Videoyu görmek için kaydolun.
Rebecca Jozwiak: Bayanlar ve baylar, merhaba ve Hot Technologies'e hoş geldiniz. “Her Yerden Yerleştirin: Vatandaş Veri Bilimcisini Etkinleştirmek” bugün konumuz. Her zamanki ev sahibiniz için dolduruyorum, bu Eric Kavanagh için doldurulmuş Rebecca Jozwiak. Evet, bu yıl sıcak. Özellikle “veri bilimcisi” terimi, onlara “istatistikçi” veya “analitik uzmanı” gibi sıkıcı isimler demiş olsak da çok dikkat çekiyordu, ancak aynı tür aktivitelerle uğraşıyor ve seksi yeni bir adı var ve çok dikkat çekiyor. İşyerinde olması, organizasyona faydalı olması çok arzu edilir ve herkes bir tane ister. Ama bunlar: 1) pahalı, 2) bulmak zor. Biliyorsunuz, veri bilimcisi beceri sıkıntısıyla ilgili tüm haberler bitti, evet, ancak yine de kuruluşa muazzam bir değer sunuyorlar ve insanlar, kuruşunu düşürmek zorunda kalmadan bu değeri nasıl elde edeceklerini anlamak için biraz clamoring yapıyorlar. BT.
İyi haber şu ki, bu kıtlığı telafi eden araçlar ve yazılımlar çıkıyor. Otomasyon, makine öğrenimi, gömülü analitik var, bugün öğreneceğimiz şey bu ve bu yeni terim olan “vatandaş veri bilimcisi” ne yol açıyor ve bu ne anlama geliyor? Hayır, eğitimli veri bilimciniz değil, iş kullanıcısı, BI uzmanınız, BT'den biri, arka planı olan ama belki de uzmanlık gerektirmeyen biri olabilir. Ancak yaptığı, bu araçların ve yazılımın, derin kodlamayı bilmeseler bile daha fazla insana bu akıllı çözümlere erişmesini sağlamasıdır. Ancak, herkese bu analitik düşünceye biraz daha erişim sağladığınızda genel olarak performansı artırmaya yardımcı olur. Şirketiniz için iyi kavrayışlara neden olabilecek bir merak türüne sahip olmak için mutlaka eğitim almanıza gerek yoktur.
Bugün bizimle birlikte, zor veri bilimcilerinden biri olan Bloor Group'un baş analisti olan Robin Bloor olduğunu tartışan Dez Blanchfield arayarak, Dell Statistica'dan David Sweenor'un bugün bize bir sunum yapmasını sağladık. Ve bununla Robin Bloor'a geçeceğim.
Robin Boor: Tamam, o tanıtım için teşekkürler. Bunu tarihsel bir bağlamda düşündüm. Aslında buraya baktığımız, Leonardo da Vinci'nin bir adamın sırtına koyabileceği bir tür planör için tasarımlarından biri. Gerçekten işe yarayıp yaramayacağı hakkında hiçbir fikrim yok. Buna girmem, söylemeliyim. Ancak da Vinci, da Vinci'yi her düşündüğümde, onu şimdiye kadar var olan en meraklı ve analitik insanlardan biri olarak düşünüyorum. Ve eğer bir kuş kanadına dayanarak tasarlandığını ve bir şekilde kuşların uçuşlarını yapmak için uçuşlarını incelediği o planöre bakarsanız oldukça açıktır.
Tarihsel perspektifi ele alırsak - aslında buna baktım - analitik belki de matematiğin en eski uygulamasıdır. En azından Babil zamanlarına dayanan nüfus sayımları var. Bunu biliyoruz çünkü temelde üzerlerinde böyle verileri olan bazı çivi yazısı tabletleri var. Daha önce geri giden bir şey olup olmadığı bilinmiyor. Ama açık olan şu ki, kendinize büyük bir nüfus topluluğuna sahip bir medeniyetiniz var, aslında planlama gerektirir ve ne planladığınızı ve bu insanların gereksinimlerinin ne olduğunu bilmeye değer.
Ve işte böyle başlamıştı ve aynı zamanda bilgi işlemin başladığı yerdi, çünkü ilk bilgisayarlar, erken mekanik bilgisayarlar aslında bence Hollerith'in IBM haline gelen nüfus sayımı olduğunu düşünüyorum. Bütün bunlar ilerledi. Belki 1970'lerle günümüz arasında çok sayıda başka uygulama ve analizin olduğu, örneğin arka koltukta bir ara kesinti oldu. Evet, analizler devam ediyordu - büyük bankalarda, özellikle bankalarda ve sigorta şirketlerinde, aslında General Electric ve telcoda ve bunun gibi şeylerde gerçekleşiyordu - ancak genellikle iş boyunca kullanılmadı ve şimdi genel olarak kullanılmaya başlandı iş. Ve oyun gerçekten değişti. Dikkat çekeceğimi düşündüğüm ilk şey, özellikle beğendiğim veri piramididir. Yani, 20 yıl önce - en az 20 yıl önce - bunlardan birini çizdim ve anlamaya çalıştım, gerçekten, o zamanlar BI ve yapılan bazı veri madenciliğini anlamaya çalışıyordum. Burada tanımladığım şey veri fikri ve örnekler sinyaller, ölçümler, kayıtlar, olaylar, işlemler, hesaplamalar, toplamalar, bireysel bilgi noktalarıdır. Bunları bilgi molekülleri olarak düşünebilirsiniz, ancak bunlar bireysel noktalar. Bağlam haline gelir gelmez bilgi olur. Bağlantılı veriler, yapılandırılmış veriler, veritabanları, verilerin görselleştirilmesi, çiziciler, şemalar ve ontolojiler - hepsi zihnimde bilgi olarak nitelendirilir çünkü yaptığınız şey çok çeşitli bir araya getirdiği ve bir veri noktasından çok daha fazlasını yarattığı, aslında şekli olan, matematiksel şekli olan bir şey.
Bunun üstünde bilgimiz var. Bilgileri inceleyerek çeşitli örüntüler olduğunu öğrenebiliriz ve bu örüntüleri kurallar, politikalar, yönergeler, prosedürler formüle ederek kaldırabiliriz ve sonra bilgi biçimini alır. Ve hemen hemen tüm bilgisayar programları, ne yapıyorlarsa olsunlar, bir tür bilgidirler, çünkü verilere karşı çalışıyorlar ve onlara kurallar uyguluyorlar. Bu üç katmanımız var ve katmanlar arasında giderek artan bir ayrıntılandırma var. Ve bu diyagramın sol tarafında yeni veri girişi göreceksiniz, bu yüzden bunların çoğu statik. Veri birikiyor, bilgi birikiyor ve bilgi potansiyel olarak büyüyor. En üstte, “Anlayışımız” var ve felsefi bir argüman olmasına rağmen, anlayışın sadece insanlarda olduğunu savunuyorum. Eğer bu konuda yanılıyorsam, o zaman hepimiz bilgisayarlarla yer değiştireceğiz. Ama tartışma yerine, bir sonraki slayta geçeceğim.
Buna baktığımda, ilginç olan şey, bu son zamanlarda yaşanan bir şey, ilginç olan şey analizin gerçekte ne olduğunu bulmaya çalışmaktı. Ve sonunda çeşitli diyagramlar çizerek ve bunun gibi görünen bir sonuçla sonuçlandım, sonuca vardım, aslında, analitik geliştirme gerçekten sadece çok miktarda matematiksel formülle yazılım geliştirme. Analitik keşif, veriler hakkında yeni bilgiler üretmek için birçok, çok farklı model alıp araştırabileceğiniz açısından yazılım geliştirmeden biraz farklıdır. Ama bir kez ürettikten sonra, ya pasif karar desteği olarak düşündüğüm şeyde uygulanır, bu da bir kullanıcıya yeni verilen bilgilerdir; OLAP gibi şeylere etkileşimli karar desteği, kullanıcıya mevcut çeşitli araçları kullanarak şeyleri araştırabilecekleri ve çıkarabilecekleri yapılandırılmış bir veri kümesi verilir. Birçok görselleştirme böyle. Ve sonra, topladığınız bazı analitik içgörüleri uygulanabilecek bir kurallar kümesine dönüştürebiliyorsanız, otomasyona sahibiz, mutlaka bir insanın dahil olması gerekmez. Tüm bunları yaptığımda böyle baktım. Ve başıma çeşitli şeyler gelmeye başladı. Bir faaliyet alanı, diyelim ki, bir veri alanı gerçekten çıkartıldığında, iyice çıkarıldıktan, mümkün olan her yöne doğru iyice araştırıldıktan sonra, sonunda sadece kristalize BI haline gelir. İcat edilen bilgi, çeşitli kullanıcıları çeşitli şekillerde bilgilendiren ve umarım yaptıkları işi gerçekten yapma yeteneklerini artıran bilgi olmaya başlar.
Fark ettiğim ve yaklaşık beş yıldır öngörücü analize baktığım şeylerden biri, ancak öngörücü analitik, insanlara beslenmek için yararlı bilgilere dönüştüğü ve daha önce de belirttiğim gibi, BI oluyor. otomatik BI raporlaması, BI araştırması, BI, çok farklı dereceleri vardır ve tahmine dayalı analitik aslında her üç yönde de ilerlemektedir. Ve işaret ettiğim gibi analitik süreç, yazılım geliştirmeden farklı değil, sadece biraz farklı becerilere sahip farklı insanlar tarafından yapıldı. Sanırım gerçekten iyi bir veri bilimcisi yapmak için gereken becerilerin edinilmesinin yıllar aldığını vurgulamalıyım. Kolayca edinilmezler ve çok sayıda insan bunu yapamaz, ancak bunun nedeni, neyin geçerli ve neyin geçerli olmadığını bilmek için matematiği çok sofistike bir düzeyde anlamayı içermesidir. Analitik gelişmeler, yeni bilginin keşfi, analitik implantasyonu, bilgiyi operasyonel hale getirmekle ilgilidir. Tüm analitik için gördüğüm türden bir arka plan bu. Burası büyük bir alan ve bunun birçok boyutu var ama bence genelleme her şey için geçerli.
Sonra iş kesintisi var, bahsettiğim gibi bir takım organizasyonlar var, ilaç şirketleri bir diğeri, DNA'larında analitik var. Ancak DNA'sında gerçekten bulunmayan birçok organizasyon var ve şimdi yetenekleri var, şimdi yazılım ve donanım eskisinden çok daha ucuz, şimdi ondan yararlanma yeteneği var. Birkaç şey söyleyebilirim. İlk şey, analizin çoğu durumda Ar-Ge olmasıdır. Yalnızca kuruluşun belirli bir alanına analitik uyguluyor olabilirsiniz ve müşteri emirlerini çeşitli açılardan tekrar analiz edip başka verilerle birleştirmeniz bir şekilde veya başka bir şekilde sıradan görünebilir. Ancak analitik aslında kuruma bir bütün olarak bakma ve kuruluş içinde olup biten herhangi bir faaliyeti ve tüm faaliyet zincirlerini analiz etme olanağını yaratır. Ama bir kez o bölgeye taşındığınızda, bunun araştırma ve geliştirme olduğunu savunurdum. Ve birkaç kez bana sorulan bir soru var, yani “Bir şirket analitik için ne kadar harcamalı?” Ve bence buna bir cevap vermeyi düşünmenin en iyi yolu analitiği Ar-Ge olarak düşünmektir. ve sadece “İşletmenin verimliliği alanında Ar-Ge'ye ne kadar harcayacağınızı sorun” diye sorun.
Ve analitik olmayan işletmeler, bilmedikleri birçok şey var. Her şeyden önce, nasıl yapılacağını bilmiyorlar. Normalde kurum içinde bir şekilde ya da başka bir şekilde analitiği benimseyeceklerse - gerçekten bunu yapmalarına yardımcı olabilecek bir danışmanlığa gitmekten başka seçenekleri yoktur çünkü çoğu için imkansız ya da gerçekten çok zor olurdu işletmeler aslında bir veri bilimcisi tutuyor, bir tane buluyor, bir para ödüyor ve aslında yapmasını istediğiniz şeyi yapmalarına güveniyorlar. Çok zor. Çoğu işletme, bu işi gerçekten yapmak için personeli nasıl kiralayacağınızı veya eğiteceğini bilmiyor ve bunun nedeni henüz DNA'sında olmaması, doğal iş süreçlerinin bir parçası olmaması. Bu bir sonraki noktaya beslenir. Bunu nasıl bir iş süreci haline getireceklerini bilmiyorlar. Bunu yapmanın en iyi yolu, hangi ilaç şirketlerini ve sigorta şirketlerini kopyalamak, sadece bakmak ve sağlık merkezindeki bazı şirketleri kopyalamak, sadece analizleri kullanma ve kopyalamak. Çünkü bu bir iş süreci. Nasıl polisleştirileceğini veya denetleyeceğini bilmiyorum. Bu gerçekten, özellikle şimdi çok fazla yazılım şirketi, çok fazla analitiği otomatikleştiren ürünler yarattı. Denetim ile ilgili husus önemlidir, herhangi bir analitik hesaplamanın sonucunun ne olduğunu anlamak için güvenebileceğiniz bir danışmanınız veya yerinde bir kişiniz varsa, bu bir tür seçim yapmanız gerekir, ancak gerçekten güçlü analitik araçlar koyarsanız, analitiği tam olarak anlamayan insanların elleri, muhtemelen doğru olmayan sonuçlara atlayacaklardır. Dediğim gibi şirketler bunun için nasıl bütçe ayıracağını bilmiyorlar.
Bunlar analizin lezzetleri, sadece onlardan geçeceğim. İstatistiksel analitik ve istatistiksel modelleme, çoğu zaman eğri uydurma olan öngörücü analitikten önemli ölçüde farklıdır. Makine öğrenimi bunlardan farklıdır, temel olarak durum akışları üzerinde yapılan yol analizi ve zaman serileri yine farklıdır. Grafik analizi tekrar farklıdır ve metin analizi ve semantik analizi tekrar farklıdır. Bu sadece bunun çok türlü bir şey olduğuna işaret ediyor. Analitik yapmaya başlamıyorsunuz, sahip olduğunuz sorunlara bakmaya başlıyorsunuz ve bunlara uyacak çeşitli araçlar ve çeşitli analitik lezzetleri aramaya başlıyorsunuz. Ve son olarak, net ağ. Donanım ve yazılım gelişimi nedeniyle, bana göre analitik başlangıç aşamasındadır. Çok, çok daha fazlası var ve önümüzdeki yıllarda ortaya çıkacağını göreceğiz. Sanırım şimdi topu Dez'e gönderebilirim.
Dez Blanchfield: Evet, takip etmesi zor bir davranıştan bahset, Robin. Bu konuyu en sevdiğim açılardan, yani insanın açısı olan birinden kısaca ziyaret edeceğim. Günlük yaşamımızda çok fazla değişiklik oluyor. Günlük yaşamlarımızdaki en büyük aksaklıklardan biri, şu anda bana göre, sadece günlük işler. İşe dönüşmek ve yapmakta olduğunuz işi yapmaya çalışmak ve gündelik bir kişiden bir süper kahramana gideceğiniz beklentisi ve organizasyonların etrafında akan ve çok, çok hızlı yayılan bilgi miktarı, Bu önemli bir meydan okuma ve daha fazla ve daha fazla bilgi ve bilgi akışı ile başa çıkmak için daha iyi ve daha iyi araçlar sağlamak zorundayız ve bu yüzden biraz eğlenceli bir açıdan bu denemek ve geleceğini düşündüm . Ancak, her zaman bu yüksek aklı ya da flaş çetelerini nasıl bulduğum beni şaşırtıyor, bu da bizi analitik olarak bahsettiğimiz şeye yönlendiren bir şey, ancak gerçekten bahsettiğimiz şey, bilgiyi insanlara sunmak onunla etkileşime girmelerine ve bunu doğal ve normal hissettirecek şekilde yapmalarına izin verir.
Ve aslında, bana küçük bir çocuğun, küçük bir bebeğin, yerde oturan bir YouTube videosunu hatırlatıyor ve orada bir iPad ile oynuyor ve etrafta çırpıyor, görüntüleri sıkıştırıyor, sıkıyor ve hareket ettiriyor ve ekranla oynuyor, oradaki veriler. Ve sonra ebeveyn iPad'i alıp çocuğun kucağına bir dergi, basılı bir dergi koyar. Ve bu çocuk muhtemelen iki yaşından büyük değil. Çocuk dergi ekranı ile denemeye ve kaydırmaya başlar ve çimdik ve sıkmak ve dergi yanıt vermiyor. Çocuk parmağını yukarı kaldırır ve ona bakar ve “Hmm, parmaklarımın çalıştığını düşünmüyorum” diye düşünüyor ve kendini koluna sokuyor ve “Ah hayır, parmaklarımın çalışması kolumu hissedebiliyorum ve bu iyi görünüyor, ”ve parmağını kıvrılıyor ve parmağı kıvrılıyor ve cevap veriyor. Evet. Sonra dergi ile tekrar etkileşime girmeye çalışır ve alçak ve sıkışma ve sıkma ve kaydırma yapmaz. Sonra dergiyi alıp iPad'i kucağına geri koydular ve aniden işe yaradı. Ve işte bir analitik araç veya eğlence için canlı bir akış aracı kullanmak üzere eğitilmiş bir bebek ve bir derginin nasıl çalışması gerektiğini ve sayfaları nasıl çevireceğini öğrenemiyor.
Ve bu kendi içinde ilginç bir kavram. Ancak, kuruluşlar arasında dolaşan bilgiler ve verilerin akışı ve insanların davranış biçimleri hakkında düşündüğümde, insanların flaş flaş olmayı öğrendikleri, nerede olduğu ve hangi sosyal medyanın yaptığı bir kavram olduğunu düşünüyorum. bunu yapmak daha da kolay, şu anda ve tarihte ve eylemde bu yere gitmek ya da videoya girmek ve bu dansları öğrenmek ya da bu renkli şapkayı giymek ve saat yönünde kuzeyi göstermek gibi bir fikir. Ve bunu ağınız üzerinden dışarı itiyorsunuz ve her zaman bir sürü insan, yüzlerce, aynı anda aynı yerde oluyor ve aynı şeyi yapıyor ve bu vay faktörü var, bu, “Kutsal inek, ama gerçekten etkileyici! ”Ama aslında bu gerçekten basit bir fikir ve sadece ağlarımız üzerinden atılan basit bir kavram ve görsel olarak çarpıcı ve duyulabilir şekilde etkileyici bir şey elde ediyoruz. Ve bir organizasyon, insanların davranış biçimini ve bilgi sistemleri ve müşterilerle nasıl başa çıkmalarını istediğimizi düşündüğünüzde, genellikle bu kadar basit, bir fikir veya bir kavram ya da geçmeye çalıştığımız kültürel veya davranışsal bir özellik araçlar ve bilgilerle güçlendirin.
Ve tüm bunların temelinde, iki buçuk yılı aşkın bir süredir yaşadığım mantra var ve bu, eğer personeliniz işlerini yapmak için ihtiyaç duydukları şeyi bulamazsa, araçlar veya bilgi olsun, her zaman tekerleği yeniden keşfedecekler. Ve bu şimdi giderek artan bir zorluk, insanların bilgi tekerleğini yeniden icat etmesini durdurmak istediğimiz çok fazla bilgi ve çok hızlı bilgi ve şeyler var. Ve çalışma ortamımızı düşündüğümüzde, favorilerimden biri olan insan açısına geri döndüğümüzde, hücrelerin iyi sonuçlar için elverişli bir ortam olmadığına şaşırdığımızda ya da bu korkunç şeyleri sıraladığımız için şaşırdım. Buradaki resimler çok fazla değişmedi, sadece duvarları indirdi ve onlara açık çalışma alanları dedi. Ama ortalarında sarı döngüler var, bilgi alışverişi yapan iki kişi var. Ve yine de, odanın geri kalanına bakarsanız, hepsi orada oturuyorlar, oraya dikkatlice vurarak, ekrana bir bilgi koyuyorlar. Ve çoğu zaman, gerçekten bilgi ve veri alışverişi yapmamak ve bunun için çeşitli nedenler var. Ancak soldaki zeminin ortasındaki sarı daire içindeki etkileşim, orada sohbet eden iki kişi var, bilgiyi değiştiriyor ve muhtemelen bir şeyler bulmaya çalışıyor, “Bu raporun nerede olduğunu, nerede olduğumu biliyor musunuz? bu verileri bulabilir, bu şeyi yapmak için hangi aracı kullanmalıyım? ”Ve muhtemelen işe yaramadı, böylece hiçbir şeyleri olmadı ve yerde dolaştı, hücre ofis alanının kuralını kırdı ve bizzat yaptı.
Ve ofis çevresinde şaka yollu eğlence yaptığımız benzer ortamlar vardı, ama gerçek şu ki oldukça güçlü ve etkili. Ve favorilerimden biri, su soğutucusu olarak adlandırılan mobil bir platformdur; burada insanlar oraya ulaşır ve orada sohbet eder ve bilgileri değiştirir ve su soğutucusunda dururken, fikirleri değiştirirken fikirleri karşılaştırır ve analitik gerçekleştirir. Onları düşündüğünüzde çok güçlü kavramlar. Ve bunları sistemlerinize ve araçlarınıza çevirebilirseniz, şaşırtıcı bir sonuç elde edersiniz. Ve esasen ofisin en güçlü veri dağıtım merkezi olan ve resepsiyon olarak da bilinen tüm zamanların favorisi var. Ve bir şey bulamazsanız, nereye gidiyorsunuz? Peki ofisin önüne yürürsünüz ve resepsiyona gidip “x, y, z'nin nerede olduğunu biliyor musunuz?” Dersiniz. Ve bunu bana en az bir kez yeni bir şey yapmadıklarını söylemeye cüret ediyorum. veya bir şey bulamadıkları bir zamanda. Ve kendine sormalısın, neden böyle? İntranette veya bazı araçlarda veya başka bir yerde olmalıdır. Bulması kolay olmalı.
Veri ve analitik ve personelimize işlerini yapmaları için sağladığımız araçlar ve insanların işlerle etkileşim kurma biçimleri söz konusu olduğunda, analitik araçlarının ve büyük veri platformlarının son ortaya çıkmasından önce ya da “veri işleme” de eski okulda, raporlama ve bilgi paylaşımı dinamik veya işbirlikçi ya da açık olmaktan çok uzaktı ve insanların işlerini yapmasını beklediğimiz sistemlerin türünü düşündüğünüzde, klasik, insanlar şimdi miras diyorlar, ama gerçek şu ki, sadece var olan miras ve bugün hala burada ve bu yüzden gerçekten miras değil. Ancak geleneksel İK sistemleri ve ERP sistemleri - insan kaynakları yönetimi, kurumsal kaynak planlaması, kurumsal veri yönetimi ve bir şirketi yönetmek için bilgileri yönetmek için kullandığımız sistemler. Her zaman sessizdir. Ve en başından, bölüm intranetleri gibi basit platformlar, şeylerin nerede olduğunu ve nasıl elde edileceğini ve yerin etrafındaki bilgi ile nasıl etkileşime girileceğini anlatmaya çalışıyor. Bunu intranetimizde açıyoruz. Sadece oraya koymak için zaman ve çaba harcayan insanlar kadar iyidir, aksi takdirde kafanızda kalır. Ya da gıda zincirinin alt kısmında, kurumsal SAN'larda ve aradaki her şeyde oturan veriler var, bu yüzden depolama alanı ağları dosya ve verilerle dolu, ancak nerede bulacağını bilen.
Daha sık olmamakla birlikte, bu kapalı veri platformlarını veya kapalı sistemleri oluşturduk ve böylece insanlar yer etrafında bilgi aktarmak için elektronik tabloların ve PowerPoints'in beğenilerine döndüler. Ancak son zamanlarda, aklımda gerçekleşen ilginç bir şey vardı ve bu, mobil cihazların ve internetin genel olarak, şeylerin daha iyi olabileceği fikrinde çalıştığıydı. Ve ağırlıklı olarak tüketici alanında. Ve günlük yaşamda internet bankacılığı gibi şeyler yapmaya başladığımız ilginç bir şey. Onlarla etkileşim kurmak için fiziksel olarak bir bankaya gitmemiz gerekmiyordu, telefonla yapabilirdik. Başlangıçta bu hantal ama sonra internet geldi ve bir web sitesi vardı. Son zamanlarda bankanıza kaç kez geldiniz? Aslında yapamam, geçen gün bunun hakkında bir konuşma yaptım ve bankamıza son gittiğim zaman hatırlamıyorum, oldukça şok oldum, bunu hatırlayabilmem gerektiğini düşündüm, ama çok uzun sürdü önce oraya gittiğim zaman hatırlamıyorum. Ve şimdi elimizde cep telefonları, telefonlar, tabletler ve dizüstü bilgisayarlar şeklinde bu gadget'lar var, ağlarımız ve araçlara ve sistemlere erişimimiz var, ve şeylerin daha iyi olabileceğini öğrendiğimiz tüketici alanı, çünkü işletme ve ortamlarda daha uyuşuk ve buzul değişimine neden olan hızlı tüketici değişiminin, bu değişikliği her zaman günlük çalışma hayatına almadık.
Ve basılı verileri basılı kopyaya aktaramayacağınız gerçeğinde eğlenmeyi seviyorum. Burada bu görüntüde, yapılmış bazı analitiklere bakan bir kişi var ve muhtemelen bir istatistikçi veya aktüer olarak çok para ödenen biri tarafından üretilen güzel bir grafik var ve orada yapmaya çalışıyorlar basılı kopya üzerinde analitik ve alay. Ama işte benim için korkutucu şey: Örneğin, bu toplantı odasındaki insanlar, bunu örnek olarak kullanacağım, şimdi tarihsel verilerle etkileşime giriyorlar. Ve o şeyin üretilip basıldığı zamanki kadar eski, bu yüzden belki bir haftalık bir rapor. Şimdi çok kötü veriler değil, her zaman kötü veriler olabilen eski veriler hakkında kararlar veriyorlar. Bugün tarihi, gerçekten kötü bir yer olan bir şeye dayanarak karar veriyorlar. Bu basılı kopyayı tabletlerin ve telefonların beğenileriyle değiştirmeyi başardık çünkü tüketici alanında çok hızlı bir şekilde çalıştık ve şimdi kurumsal alanda çalıştık, gerçek zamanlı bilgiler gerçek zamanlı değerdir.
Ve biz daha da iyiye gidiyoruz. Ve bu beni Robin'in daha önce ortaya çıkardığı noktaya getiriyor, vatandaş veri bilimcisi kavramı ve bu kavramın itici gücü. Bana göre, bir vatandaş veri bilimcisi, iPad'in beğenileri hakkında doğru araçlara ve bilgilere sahip sıradan insanlar. Matematiği yapmak zorunda değiller, algoritmaları bilmek zorunda değiller, algoritmaları ve kural verilerini nasıl uygulayacaklarını bilmek zorunda değiller, sadece arayüzün nasıl kullanılacağını bilmeleri gerekir. Bu da beni girişime ve orada bir iPad ile bir dergi, bir iPad ve bir iPad ile oturan yürümeye başlayan çocuk kavramına geri getiriyor. Yeni yürümeye başlayan çocuk, çok hızlı, sezgisel bir şekilde, bir oyunun veya akışlı ortamın veya videonun olsa da, bilgiye dalmak ve onunla etkileşime geçmek için bir iPad'in arayüzünü kullanmayı öğrenebilir. Ancak, bir dergi çubuğundan ve yanı sıra sayfadan yanıp sönen sayfadan aynı yanıtı veya etkileşimi alamadı, özellikle de iPad'lerle büyüyen bir yürümeye başlayan çocuksanız, çok ilgi çekici değil. Değişmez bir şekilde, insanlar, araç ve araçların nasıl sağlanacağını ve onlara yalnızca mobil cihazlar ve özellikle de yeterince büyük ekranlı tabletler ve akıllı telefonlar gibi bir arabirim sağlarsak ve özellikle etkileşim kurabiliyorsanız, parmak hareketleri ile temas halinde, birden bire bu bir vatandaş veri bilimcisi kavramı olsun.
Veri bilimini doğru araçlarla uygulayabilen, ancak aslında nasıl yapılacağını bilmek zorunda kalmayan biri. Ve aklımda, bunların çoğu, dediğim gibi, tüketici etkisi tarafından yönlendirildi, bu da talep ve işletmeye dönüştü. Birkaç hızlı örnek. Birçoğumuz, küçük reklamlar koymak veya izleme ve harekete bakmak gibi bloglarımız ve web sitelerimizle bir şeyler yapmaya başlayacağız, Google Analytics gibi araçlar kullandık ve bloglarımızda ve küçük web sitelerimizde uyandık., oraya küçük kod parçaları ekleyebiliriz ve Google bize web sitesini kimin, ne zaman ve nerede ve nasıl ziyaret ettiği hakkında gerçek zamanlı bilgiler verecektir. Ve gerçek zamanlı olarak, insanların web sitesini vurduğunu, sayfalardan geçtiğini ve sonra kaybolduğunu görebiliyorduk. Ve oldukça şaşırtıcıydı. Bunu yapmaya bayılıyorum, insanlara gerçek zamanlı analitiği açıklamaya çalıştığımda, onlara Google Analytics'in takılı olduğu bir web sitesini göstermek için dilediğimi ve aslında web sitelerine isabet eden insanlarla canlı etkileşimi görüp onlara “ işletmenizle ilgili gerçek zamanlı olarak bu tür bilgiler edindiniz. ”
Perakende bir örnek alın ve belki de bir ilaç, bence Amerika'da bir eczane, içeri girdiğiniz ve baş ağrısı tabletlerinden güneş kremine ve şapkalara kadar her şeyi satın aldığınız bir eczane diyorsunuz. Bu organizasyonu gerçek zamanlı bilgi olmadan yürütmeye çalışmak korkutucu bir kavramdır, şimdi ne bildiğimizi biliyoruz. Örneğin, yaya trafiğini ölçebilir, ekranın bir tarafında gülen bir yüzle mağazaların etrafına cihazlar koyabilirsiniz, çünkü mutlusunuz ve en sağda mutsuz bir kırmızı ve ortada bazı farklı tonlar var. Ve bugünlerde "Mutlu ya da Değil" adlı bir platform var, burada bir mağazaya giriyorsunuz ve canlı müşteri hissi geri bildiriminize bağlı olarak mutlu bir yüze ya da üzgün bir yüze vurabiliyorsunuz. Ve bu gerçek zamanlı olarak etkileşimli olabilir. Canlı talebe dayalı fiyatlandırma alabilirsiniz. Orada çok kişi varsa, fiyatları biraz artırabilir ve stok durumu yapabilir ve insanlara söyleyebilirsiniz - örneğin - havayolları, örneğin, şu anda web sitesinde kaç koltuk bulunduğunu insanlara söyleyecektir Bir uçuş rezervasyonu yapıyorsunuz, sadece rastgele arama yapmıyorsunuz ve gelip bir uçuş alabileceğinizi umuyorsunuz. Canlı İK verileri, insanların ne zaman saat açık ve kapalı olduklarını anlayabilirsiniz. Tedarik, eğer tedarik içindeyseniz ve canlı verileriniz varsa, bir sonraki stok yükünüzü satın almak ve bir kamyon yükünün artmasını sağlamak için bir saat beklemek ve ABD dolarının fiyatına karşı korunmak gibi şeyler yapabilirsiniz.
İnsanlara Google Analytics'i gösterdiğimde ve bu tür bir fıkra, bu eureka anını, bu “a-ha!” Anını aktardığımda, bu ampul kafasında “Hmm, bunu yapabileceğim birçok yer görebiliyorum. . Keşke araçlara sahip olsaydım ve bu bilgiye erişebilseydim. ”Ve bunu şimdi sosyal medyada görüyoruz. Sadece kahvaltılarının resimlerini göstermek dışında anlayışlı bir sosyal medya kullanıcısı olan herkes, ne kadar beğendiklerine ve ne kadar trafik aldıklarına ve kaç arkadaş aldıklarına bakma eğilimindedir ve bunu Twitter'ı bir analiz aracı olarak sever. Aracı kullanmak için Twitter.com'a gidebilirsiniz, ancak Google Twitter Analytics dot com'a yazıyorsunuz veya sağ üst düğmeye tıklayıp menüyü aşağı çekip yapıyorsunuz, size kaç tane olduğunu söyleyen bu güzel, canlı grafikleri alıyorsunuz kendiniz yaptığınız tweetler ve onlarla kaç etkileşim. Ve sadece kişisel sosyal medyanızda gerçek zamanlı analitik. Google Analytics, Facebook ve LinkedIn ve Twitter gibi, eBay istatistiklerinin size geldiğini, ancak çalışma ortamınızda olduğunu hayal edin.
Şimdi canlı bir web ve mobil var parmaklarımızın ucunda, bu bir güç kavramı haline geliyor. Ve bu da beni sonuca çekiyor ve bu da her zaman araçları ve teknolojiyi erken kullanan kuruluşların rakiplerine göre rakiplerinin asla yakalayamayacağı kadar önemli bir avantaj elde ettiklerini gördüm. Ve bunu şimdi vatandaş veri bilimcisi çatışmasıyla görüyoruz. İnsanları yetenekleri, onları işe aldığımız bilgi ile alabilirsek ve onlara doğru araçları verebiliriz, özellikle de gerçek zamanlı verileri görme ve verileri keşfetme ve hücrelerin etrafında dolaşmadan nerede olduğunu bilme yeteneği ve insanlarla karşılaştırmalı analitik yapmak için su soğutucusunda durup durmak zorunda kalarak yüksek sesle sorular sorun veya gidip resepsiyona endeksin nerede olduğunu sorun. Bunu parmaklarının ucunda yapabilirlerse ve onlarla toplantılarına götürebilir ve basılı kopyadan ziyade ekranlar arasında gerçek zamanlı olarak hareket eden bir toplantı odasına oturabilirlerse, birdenbire gerçek olması gerekmeyen personelimizi güçlendirdik veri bilimciler, ama aslında veri bilimini kullanmak ve kuruluşlar için şaşırtıcı sonuçlar elde etmek. Ve bence şu an tüketicinin işletmeye yönlendirildiği noktaya geldiğimiz bu devrilme noktası, asıl zorluk, bu işletmeyi nasıl sağladığımızdır ve bugünün tartışmasının tahmin ettiğim tema budur. Ve bununla, bunu nasıl çözebileceğimizi duymak için parçamı sarılacağım ve teslim edeceğim. David, sana geldim.
David Sweenor: Pekala, çok teşekkür ederim çocuklar, teşekkür ederim Robin. Biliyor musun Robin, orijinal değerlendirmene katılıyorum. Analitik süreç, gerçekten yazılım geliştirmeden farklı değildir. Bence bir organizasyondaki zorluk gerçekten, bilirsiniz, belki de işler çok iyi tanımlanmamıştır, belki de bunun bir keşif bileşeni ve yaratıcı bir bileşeni vardır. Ve Dez, biliyorsun, sana katılıyorum, tekerleği yeniden icat eden bir sürü var ve biliyorsun, bugün girdiğim bir organizasyon yok, soruyorsun, peki, neden böyle yapıyorsun? İşletme neden bu şekilde çalışıyor? Ve sorgulaması kolaydır ve bir organizasyonun içindeyken birçok kez değiştirmek zordur. Ben benzetmeyi, şeylerin tüketimini seviyorum. Ve artık havaalanına gidip koltuğumu değiştirmek istediğimde - bunu cep telefonumda yapıyorum. Standdaki ajana gitmem ve koltuk görevimi değiştirmek için o ajanın 15 dakika boyunca monokrom bir monitörde bir şey yazmasını izlememe gerek yok. Sadece telefonumda yapmayı tercih ediyorum ve bu ilginç bir gelişme.
Bugün, kolektif zeka hakkında biraz konuşacağız. Farkında olmayanlar için Statistica, 30 yılı aşkın süredir varlığını sürdüren öncü bir analiz platformudur. Analist endüstrisindeki yayınlardan herhangi birine bakarsanız, her zaman en sezgisel ve kullanımı kolay gelişmiş analiz yazılım paketlerinden biri olarak ortaya çıkar. Son birkaç yılı kolektif zeka adı verilen bir kavram üzerinde çalışarak geçirdik ve bir sonraki seviyeye taşıyoruz. Bu sohbete başlamak istedim: kuruluşunuzda işler nasıl yapılıyor?
Ve burada iki görüntü var. Soldaki resim 1960'lardan kalma bir görüntü ve kariyerime 1960'larda başlamamıştım, ancak sağdaki görüntü - bu çalışmaya başladığım yarı iletken bir fabrika. Soldaki siyah çatıda, siyah çatıda çalıştım. Ama yarı iletken şeyler yaptılar. Bu, Google Görseller'den yeni bir resim. Ancak soldaki 1960'ların görüntüsüne geri döndüğünüzde çok ilginç. Bu insanlar bir sırada oturuyorlar ve biliyorsunuz, entegre devreler ve yarı iletkenler yapıyorlar. Ancak bir standardizasyon var, bir şeyler yapmanın standart bir yolu var ve iyi tanımlanmış bir süreç vardı. Bilirsiniz, belki de bu insanların hepsi açık bir ortamda oturdukları için, belki biraz işbirliği vardı. Bence bu bilgi işgücü içinde biraz kaybettik.
Sol üstteki o binada oturduğumda, biriyle işbirliği yapmak istersem açık değildi. Bu ofisler vardı, belki ekibin bir kısmı uzaktı ya da belki de bu kampüste gezmek zorunda kaldım; 25 dakikalık yürüyüş mesafesindeydi ve en sağdaki binada biriyle konuşmam gerekecekti. Sanırım yol boyunca bir şey kaybettik. Ve böylece, aynı düşünceye sahiptim, neden insanlar - kaç kişi kuruluşunuzdaki tekerleği yeniden icat etmeye devam ediyor? Bence biliyorsunuz, bir bütün olarak kurumlar 1990'larda ve 2000'lerde CRM ve veri ambarı ve bir ölçüde BI ile iyi bir iş çıkardı. Nedense, analitik biraz gecikti. Veri depolama ve verilerinizin standartlaştırılması ve normalleştirilmesi ve bunların tümü ile CRM için önemli yatırımlar yapıldı, ancak analitik bir nedenden ötürü gecikti. Ve nedenini merak ediyorum. Belki de bir reklam öğesi vardır - belki de süreciniz iyi tanımlanmamıştır, belki işinizde bir şeyleri değiştirmek için hangi kararı veya kolu çevirmeye çalıştığınızı bilmiyorsunuzdur. Bugün organizasyonlara girdiğimizde, e-tablolarda işleri çok manuel olarak yapan birçok insan var.
Ve bilirsiniz, bu sabah bir stat'e baktım, sanırım elektronik tabloların yüzde 80, 90'ında hatalar var ve bunların bazıları çok önemli olabilir. JPMorgan Chase'in e-tablo hataları nedeniyle milyarlarca ve milyarlarca dolar kaybettiği Balina'daki gibi. Sanırım öncülüm var, işleri halletmenin daha iyi bir yolu olmalı. Daha önce de belirttiğimiz gibi, bu veri bilimcilerine sahibiz. Bu adamlar pahalı ve bulmak zor. Bazen de tuhaf bir ördek oluyorlar. Ama bence, bilirsiniz, eğer bir veri bilimcisinin ne olduğunu özetlemem gerekirse, muhtemelen verileri anlayan biri. Bence matematiği anlayan biri, problemi anlayan biri. Ve gerçekten, sonuçları iletebilen biri. Ve eğer bir veri bilimcisi iseniz, şu anda çok şanslısınız, çünkü maaşınız muhtemelen son birkaç yılda iki katına çıktı.
Ama gerçek şu ki, birçok organizasyonda bu veri bilimcileri yok, ancak kuruluşunuzda akıllı insanlar var. Bir organizasyonunuz var, birçok akıllı insanınız var ve bunlar elektronik tablo kullanıyor. Bilirsiniz, istatistik ve matematik onların birincil işi değildir, ancak işi ilerletmek için veri kullanırlar. Gerçekten, ele aldığımız zorluk, nasıl veriyorsunuz, bir veri bilimcisi ya da istatistikçi ya da iki kişiden birine sahip olduğunuz için şanslıysanız, onları nasıl alabilir ve bu insanlar ve insanlar arasındaki işbirliğini nasıl geliştirebilirsiniz? kuruluşunuzdaki diğer kişiler? Kuruluşumuzun nasıl yapılandırıldığına bir bakacak olursak, başlayacağım ve sağdan sola gideceğim. Ve bunun geriye dönük olduğunu biliyorum, ama bu iş kullanıcılarımız var.
Bu, bilgi çalışanlarınızın çoğunluğudur ve bu kişiler için analitiği iş uygulamalarınıza dahil etmeniz gerekir. Belki de bir çağrı merkezi ekranında analitik çıktılar görüyorlar ve bir müşteriye verilecek bir sonraki en iyi teklifi anlatıyorlar. Belki bir web portalında bir tüketici veya tedarikçi ve anında onlara kredi ya da bunun gibi şeyler verir. Ama fikir şu ki, analitik tüketiyorlar. Ortaya çıkarsak, bunlar bu bilgi çalışanlarıdır. Bunlar, bugün elektronik tablolarla bir şeyler yapan insanlar, ancak elektronik tablolar hataya açık ve bir noktada gaz bitiyor. Bu vatandaş veri bilimcileri, onlara dediğimiz gibi, bilirsiniz, onlar için yapmaya çalıştığımız şey gerçekten otomasyon seviyesini artırmaktır.
Ve analitik ile işin yüzde 80 ila 90'ının veri hazırlama parçasında olduğunu duyuyorsunuz ve bu gerçek matematik değil, ama veri hazırlığı. Bunu yapsanız da otomatikleştirmeye çalışıyoruz ve sihirbazlarımız, şablonlarımız ve yeniden kullanılabilir şeylerimiz var ve ortamınızdaki temel altyapı hakkında bilgi sahibi olmak zorunda değilsiniz. Ve sonra en sola bakarsak, bu veri bilim insanlarına sahibiz. Bahsettiğim gibi, onlar yetersiz. Ve onları daha üretken hale getirmek için yapmaya çalıştığımız şey, bu vatandaş veri bilimcilerinin yapabileceği şeyler yaratmalarına izin vermektir. Bunu bir Lego bloğu gibi düşünün, böylece bu veri bilim adamları bir vatandaş veri bilimcinin kullanabileceği yeniden kullanılabilir bir varlık yaratabilirler. Bir kez yapın, böylece tekerleği yeniden keşfetmeye devam etmek zorunda değiliz.
Ve sonra, bu adamlar veritabanında bir şeyler yapabilirsek ve şirketinizin yaptığı mevcut teknoloji yatırımlarından yararlanabilirsek endişelenebilirler. Bilirsiniz, bu gün ve çağda tüm dünyaya veri karıştırmanın ve sağlamanın mantıklı olmaması. Yani, belirttiğim gibi, Statistica'ya bakarsak, uzun süredir var olan bir platform. Ve çok yenilikçi bir ürün. Veri harmanlama, erişemediğimiz bir veri kaynağı olmadı. Beklediğiniz tüm veri keşfi ve görselleştirme şeylerine sahibiz; gerçek zamanlı olarak yapabiliriz. Ve muhtemelen - yazılım aracında 16.000'den fazla analitik fonksiyon olduğunu düşünüyorum, bu yüzden bu benim kullanabileceğim veya anlayabildiğimden daha fazla matematik, ama ihtiyacınız varsa orada.
Gerçekten bir iş kararı vermek için hem iş kurallarını hem de analitik iş akışlarını birleştirme yeteneğine sahibiz. Sadece ötesine geçiyorsunuz, işte bir algoritma, iş akışı, ama her zaman uğraşmanız gereken iş kurallarınız var. Yönetişim konusunda çok güvendeyiz. FDA'nın bize güvendiği birçok ilaç müşterisinde kullanılıyor. Bilirsiniz, sadece pudingin, onlar tarafından kabul edilebilecek kontrollere ve denetim yeteneğine sahip olduğumuzu kanıtlayın. Ve son olarak, bilirsiniz, açık ve esnek ve genişletilebiliriz, bu yüzden veri bilimcilerinizin üretken olmasını istiyorsanız, vatandaş veri bilimcilerinizin üretken olmasını istiyorsanız, mümkün olmak istiyorsunuz bu analitik çıktıyı kuruluşunuzdaki çalışanlara dağıtmak.
Bir bakacak olursak, işte bazı görselleştirmelere bir örnek. Ancak analitik çıktınızı iş kolu kullanıcılarına dağıtabilmek için soldaki ilk örnek, bu bir ağ analitik diyagramıdır. Ve belki de bir sahtekarlık soruşturmacısısınız ve bu bağlantıların nasıl yapıldığını bilmiyorsunuz ve bunlar insanlar olabilir, bunlar varlıklar olabilir, bunlar sözleşmeler olabilir, gerçekten herhangi bir şey. Ancak bunu farenizle manipüle edebilir ve gerçekten anlamak için onunla etkileşime geçebilirsiniz - eğer bir dolandırıcılık araştırmacısıysanız, kimin araştırılacağı konusunda öncelikli bir listeyi anlamak için, çünkü herkesle konuşamazsınız. Önceliklendirme.
Orada sağ taraftaki görüntüye bakarsak, tahmini bir bakım panosu için bu gerçekten ilginç bir sorundur. Belki bir havaalanının sahibisiniz ve orada bu vücut tarayıcıları var. Bu vücut tarayıcıları, bir havaalanına giderseniz, orada yaklaşık dokuz ay raf ömrüne sahip bazı bileşenler vardır. Ve bu şeyler gerçekten çok pahalı. Birden fazla giriş noktam, havaalanımda birden fazla tarayıcı varsa, bir numaralı kapıların her birinde uygun şekilde çalıştığımdan emin olmak istiyorum ve tarayıcılardaki parçalar için onları da sipariş etmek istemiyorum erken ve ben bozulmadan önce onlara sahip olmak istiyorum. Belki bir havaalanınız varsa, bu şeylerin ne zaman kırılacağını ve personel seviyelerini tahmin edebilecek kapasiteye sahibiz.
Sağ alt kısma bakarsak, bu bir üretim ortamındaysanız, bu sadece üretim akışının grafiksel bir temsilidir. Ve görmek biraz zor, ancak bu çeşitli işlem sektörlerinde kırmızı ve yeşil trafik ışıkları var ve bu yüzden eğer bir mühendissem, orada çok karmaşık matematik var, ancak bu belirli süreç sektörüne girebilir ve parametreleri ve girdiyi kontrol etmemesine neden olabilir. Vatandaş veri bilim adamımıza bakarsak, amacımız vatandaş veri bilimci için bunu kolaylaştırmaktır. Sihirbazlarımız ve şablonlarımız var ve gerçekten ilginç olduğunu düşündüğüm bir şey, bu otomatik veri sağlığı kontrol düğümüne sahip olmamız. Ve gerçekten bunun ne yaptığı, yerleşik akıllılara sahip.
Veri hazırlığından bahsettim - hem veri toplamada hem de hazırlamada önemli bir zaman alıyor. Ama diyelim ki verilerime sahibim, bu veri sağlığı kontrol düğümü üzerinden çalıştırabilirim ve değişmezliği, seyrekliği ve aykırı değerleri kontrol eder ve tüm bunlar, eksik değerleri doldurur ve çok fazla matematik yapar anlamıyorum, bu yüzden ya varsayılanları kabul edebilirim ya da biraz daha zekiysem değiştirebilirim. Ancak mesele şu ki, bu süreci otomatikleştirmek istiyoruz. Bu şey, temizlenmiş bir veri kümesinde yaklaşık 15 farklı kontrol ve sonuç yapar. Yaptığımız şey, insanların bu iş akışlarını oluşturmasını kolaylaştırmak.
Veri bilimcileri ile vatandaş veri bilimcileri arasındaki işbirliğinden bahsediyoruz. Bu görüntülere sağdan bakarsak, bu veri hazırlama iş akışını görürüz. Ve belki bu çok sofistike, belki de şirketinizin gizli sosu, bilmiyorum, ama kuruluşunuzdaki birisinin sahip olduğumuz bu veri silolarından birine veya daha fazlasına erişebileceğini biliyoruz. Bir numaraya ihtiyacımız var, onları bir araya getirip birleştiriyoruz ve iki numara, belki de yapmak istediğimiz özel işlemler var, bunun veri sağlığı kontrolümüzün ötesinde olması ve şirketinizin gizli sosu. Bu iş akışını kuruluşumuz içinde oluşturabilirim ve düğüm olarak çöker. Okun aşağıyı gösterdiğini görüyorsunuz, bu sadece bir düğüm ve bir organizasyon içinde yüzlerce şey olabilir. Fikir şu ki, belirli bir alan hakkında bir şeyler bilen insanlar var, bir iş akışı yaratabilirler ve başka biri bunu tekrar kullanabilir. Tekerleğin yeniden icatını en aza indirmeye çalışıyoruz.
Aynı şeyi analitik modelleme iş akışlarıyla da yapabiliriz. Sağdaki bu durumda, bu iş akışı, belki 15 farklı algoritma var ve görev için en iyisini seçmek istiyorum. Bir vatandaş veri bilimcisi olarak, oradaki örümcek ağı karmaşasında neler olup bittiğini anlamak zorunda değilim, ama sadece bir düğüme çöküyor ve belki de bu düğüm basitçe “kredi risk puanını hesapla” diyor. cerrahi alan enfeksiyonu, ”dedi. “Bir şeyin hileli bir işlem olma olasılığını hesaplayın.” Vatandaş veri bilimcisi olarak, başka birinin inşa ettiği bu belki çok gelişmiş matematiği kullanabilirim, belki de bu bilim adamlarından biri benim kuruluşumda oluşturmuştur.
Bir veri bilimi perspektifinden, bilirsiniz, kod yazmayı seven veri bilim insanlarıyla konuştum ve kod yazmaktan nefret eden veri bilim insanlarıyla konuştum. Ve bu iyi, bu yüzden çok görsel, grafiksel bir kullanıcı arayüzümüz var. Verilerimizi alabiliriz, otomatik veri sağlığı kontrolümüzü yapabiliriz ve belki de kod yazmak istiyorum. Python'u seviyorum, R'yi seviyorum, ama fikir şu ki, bu veri bilimcileri, yetersiz tedarik ediyorlar ve belirli bir dilde kodu seviyorlar. Özellikle hangi dilde kodlamak istediğinizi tercih etmiyoruz, bu nedenle R yapmak istiyorsanız, R yapın; Python yapmak istiyorsanız, Python yapın. Bu harika. Analitelerinizi Azure'a patlatmak istiyorsanız, analitiklerinizi buluta patlatın. Ve buradaki amaç, veri bilimcilerinizi olabildiğince verimli hale getirecek esneklik ve seçenekler sunmaktır.
Şimdi veri bilimcileri, oldukça zeki insanlar, ama belki de her şeyde uzman değiller ve belki yapabilecekleri bazı boşluklar var. Endüstrinin içine bakarsanız, orada var olan birçok farklı analitik pazar vardır. Bu bir örnek, belki de görüntü tanıma yapmam gerekiyor ve bu yeteneğe sahip değilim, belki de Algoritma'ya gidip bir görüntü tanıma algoritması alıyorum. Belki de Apervita'ya gidip çok özel bir sağlık hizmeti algoritması alıyorum. Belki de Azure makine öğrenimi kütüphanesinde bir şey kullanmak istiyorum. Belki de yerel Statistica platformunda bir şey kullanmak istiyorum.
Yine, buradaki fikir, küresel analiz topluluğundan yararlanmak istiyoruz. Çünkü dört duvarınızdaki tüm becerilere sahip olmayacaksınız, bu yüzden veri bilimcilerinizin çeşitli pazarlardan algoritmalar kullanmasına izin veren yazılımı nasıl oluşturabiliriz - ve bunu yapıyoruz. Bunu uzun zamandır R ve Python ile yapıyoruz, ancak bu onu orada bulunan bu uygulama pazarlarına genişletiyor. Ve burada gördüğünüz gibi, Spark üzerinde H2O kullanıyoruz, bu yüzden orada çok fazla analitik algoritma var. Bunları sıfırdan yaratmaya odaklanmanıza gerek yok, açık kaynak topluluğunda yaşayan bunları yeniden kullanalım ve bu insanların mümkün olduğunca üretken olmalarını istiyoruz.
Bir sonraki adım, vatandaş veri bilimcilerimize ve veri bilim adamlarımıza sahip olduktan sonra, gerçekten bu en iyi uygulamaları nasıl tanıtıyorsunuz ve dağıtıyorsunuz? Yazılımımız içinde, analitiği her yere dağıtmanıza olanak tanıyan teknolojimiz var. Ve bu daha çok bir model yönetimi görünümüdür, ancak artık dört duvarla veya Tulsa veya Tayvan veya Kaliforniya'daki belirli bir kurulumla ya da neyinizle bağlı değilim. Bu küresel bir platformdur ve kullanımında birden fazla site tarafından dağıtıldığı çok sayıda müşterimiz var.
Ve gerçekten, kilit şey şu ki, Tayvan'da bir şey yapıyorsanız ve Brezilya'da çoğaltmak istiyorsanız, bu harika. Oraya gidin, yeniden kullanılabilir şablonları alın, istediğiniz iş akışlarını alın. Bu, bu standartları ve bir şeyler yapmanın ortak yolunu oluşturmaya çalışıyor, bu yüzden her yerde tamamen farklı şeyler yapmıyoruz. Ve bunun bir diğer önemli bileşeni de, matematiği verinin yaşadığı yere götürmek istiyoruz. California ve Tulsa ile Tayvan ve Brezilya arasındaki verileri karıştırmanız gerekmez. Matematiği verilere götürmemize izin veren teknolojimiz var ve bu konuda başka bir Sıcak Teknoloji web yayını yapacağız.
Ama biz bu mimariyi çağırıyoruz ve işte size bir göz atmak, Yerli Dağıtılmış Analytics Mimarisi. Bunun arkasındaki temel fikir, bir platformumuz var, Statistica ve analitik bir iş akışını atom olarak dışa aktarabilirim. Ve bir model ya da bütün bir iş akışı yapabilirdim, bu da önemli değil. Ancak bunu oluşturabilir ve hedef platforma uygun bir dilde dışa aktarabilirim. Bunun sol tarafında, birçok insan bunu yapıyor, ancak kaynak sistemde puanlama yapıyorlar. Bu iyi, puanlama yapabiliriz ve veritabanında model oluşturma yapabiliriz, bu ilginç.
Ve sonra sağ tarafta, Boomi var. Bu eşlik eden bir teknolojidir, tüm bunlarla çalışırız. Ancak bu iş akışlarını da alabilir ve aslında dünyanın herhangi bir yerine taşıyabiliriz. IP adresi olan herhangi bir şey. Ve genel veya özel bulutta bir Statistica yüklü olmam gerekmiyor. JVM çalıştırabilecek her şeyi, bu analitik iş akışlarını, veri hazırlama iş akışlarını veya yalnızca bu hedef platformların herhangi birindeki modelleri çalıştırabiliriz. İster kamusal ister özel bulutumda olsun, traktörümde, arabamda, evimde, ampulümde, nesnelerimde olsun, bu iş akışlarını dünyanın herhangi bir yerine taşımanıza izin veren teknolojimiz var.
Hadi gözden geçirelim. Biliyorsunuz, bir iş kullanıcısı hattımız var, bu nedenle bu kişiler, çıktılarını rahat oldukları bir formatta tüketmelerine izin veren teknolojiye sahibiz. Vatandaş veri bilimcilerimiz var ve yapmaya çalıştığımız şey işbirliğini geliştirmek, onları bir ekibin parçası yapmak, değil mi? Ve böylece insanların tekerleği yeniden keşfetmeyi bırakmalarını istiyoruz. Ve bu veri bilimcileri var, orada bir beceri boşluğu olabilir, ancak istedikleri dilde kod yazabilirler, analitik pazarlara gidebilir ve orada algoritmalar kullanabilirler. Ve böylece, bununla her şeyin harika olduğunu nasıl düşünemezsiniz? Bu mükemmel, yaptığımız şey bu. Yeniden kullanılabilir iş akışları yapıyoruz, insanlara talimatlar veriyoruz, onlara Lego blokları veriyoruz, böylece bu güçlü kaleleri ve ne yapmak istediklerini inşa edebilsinler. Özetlemek gerekirse, iş dünyası kullanıcılarını, vatandaş veri bilimcilerini, programcı veri bilimcilerini güçlendiren bir platformumuz var - her türlü IoT kenarı analitik kullanım durumunu ele alabiliriz ve bu kolektif zeka kavramını etkinleştiriyoruz. Bununla birlikte, muhtemelen sorulara açacağız.
Robin Bloor: Tamam. Sanırım ilk - yani, dürüst olmak gerekirse, daha önce Dell Statistica tarafından bilgilendirildim ve dürüst olmak gerekirse, sunumda gündeme getirdiğini bilmediğim şeylere oldukça şaşırdım . Ve şunu söylemeliyim ki, tek şey, analizin benimsenmesinde benim için bir böcek oldu, biliyorsunuz, araçları elde etmek değil mi, biliyor musunuz? Dışarıda çok fazla araç var, açık kaynak araçlar var, vb. Ve dediklerim arasında yarı platformlar var. Ama sahip olduğun fark, özellikle iş akışından çok etkilendim.
Ancak fark, uçtan uca sağladığınız gibi görünüyor. Analitik, verilerin elde edilmesiyle başlayan karmaşık bir iş sürecidir ve daha sonra verilerin ne kadar pul pul olduğuna bağlı olarak bir dizi adımdan geçer ve daha sonra farklı matematiksel saldırılar dizisine girebilir. veri. Ve sonra sonuçlar şu veya bu şekilde ortaya çıkar ve bunların eylem olması gerekir. Çok büyük işlerin yapıldığı yerde karşılaştığım muazzam miktarda analitik var ama onu harekete geçirmeye gerek yok. Ve gerekli olan çok fazla şey var gibi görünüyor. Ne kadar kapsamlı olduğunu bilmiyorum, ama beklediğimden çok daha kapsamlı. Bundan çok etkilendim.
Elektronik tablolar hakkında yorum yapmanızı istiyorum. Zaten bir şey söyledin, ama not ettiğim şeylerden biri ve yıllar boyunca not ettim, ama gittikçe daha belirgin hale geldi, gölge sistemler olan çok fazla elektronik tablo var ve gerçekten düşünüyorum yani, tanıtıldığında harika bir araçtı ve birçok farklı yoldan beri harikaydı, ancak genelleştirilmiş bir araç, gerçekten amaca uygun değil. BI bağlamında kesinlikle çok iyi değil ve analitik bağlamında korkunç olduğunu düşünüyorum. Ve merak ediyorum, diyelim ki, Statistica'nın kızartıldığı, aşırı e-tablo kullanımı veya bu konuda yapmak istediğiniz herhangi bir yorum hakkında bazı yorumlarınız var mı?
David Sweenor: Evet, bence, ünlü elektronik tablo hatalarına bakabilirsiniz. Google veya hangi arama motorunu kullanırsanız kullanın, bir sonuç dizisiyle geri dönecektir. Düşünmüyorum, bilirsiniz, elektronik tabloların yerini alacağız. Niyetimiz bu değil, ama gittiğim birçok organizasyon var, bu e-tablo sihirbazlarından veya ninjalarından ya da onlara ne söylemek istersen, bir çift var, ama bu çok sofistike e-tablolara sahipler ve düşünmelisin, bunlar ne zaman olur insanlar lotoyu kazanırlar ve geri gelmezler? Ve yapmaya çalıştığımız şey, e-tabloların var olacağını biliyoruz, böylece bunları alabiliriz, ancak yapmaya çalıştığımız iş akışınızın görsel bir temsilini geliştirmek, böylece diğer insanlarla anlaşılabilir ve paylaşılabilir . E-tablolar oldukça zor, paylaşılması oldukça zor. Ve e-tablonuzu bana iletir iletmez değiştirdim ve şimdi senkronize olmadık ve farklı cevaplar alıyoruz. Yapmaya çalıştığımız şey bunun etrafına korkuluklar koymak ve işleri biraz daha verimli hale getirmek. Elektronik tablolar, birden çok veri kümesini bir araya getirmekte gerçekten korkunç, biliyor musunuz? Oraya düşüyorlar. Ama onları değiştirmeyeceğiz, onları yutuyoruz ve değişmeye başlayan insanlar var, çünkü “riski hesapla” diyen bir düğümümüz varsa, elektronik tabloyu kullanan kişinin yapmaya çalıştığı şey budur. Yani bunlar gitti.
Robin Bloor: Evet, demek istediğim, şeylere baktığım perspektiflerden birinden, elektronik tabloların bilgi oluşturmak için harika olduğunu söyleyebilirim. Bilgi adaları oluşturmak için bile harikalar, ama bilgi paylaşmak için gerçekten kötüler. Bunu yapmak için herhangi bir mekanizmaları yoktur ve bir e-tabloyu birine iletirseniz, tam olarak ne yaptığını açıklayan bir makale gibi okuyabilirsiniz. Sadece orada değil. Sanırım, sunum ve Statistica'nın yetenekleri hakkında beni en çok etkileyen şey, inanılmaz derecede agnostik görünüyor. Ama iş parçacığının içinden geçen bu iş parçacığı var. Veri toplamadan belirli BI uygulamalarına veya gömme uygulamalarına kadar gömme işlemlerine kadar uçtan uca bir iş akışına bakabileceğinizi varsayar mıyım?
David Sweenor: Evet, kesinlikle. Ve bu uçtan uca yeteneği var ve bazı kuruluşlar bunu tamamen kullanıyor ve bu günlerde herhangi bir şirket tek bir satıcıdan her şeyi satın almıyor. Bir karışımımız var. Bazı insanlar Statistica'yı her şey için kullanır, bazıları ise modelleme iş akışları için kullanır, bazıları ise veri hazırlama iş akışları için kullanır. Bazı insanlar bunu yüzlerce mühendislik raporunu mühendislere dağıtmak için kullanır. Ve aramızda her şey var. Ve bu gerçekten uçtan uca ve bildiğiniz gibi agnostik bir platform, eğer R veya Python, Azure, Apervita'da kullanmak istediğiniz algoritmalar varsa, bunları kullanın. Bu harika, üretken olun, bildiklerinizi kullanın, rahat olduğunuz şeyleri kullanın ve bunların kontrol edilebilir ve denetlenebilir olmasını sağlamak için mekanizmalarımız var.
Robin Bloor: Özellikle bu yönünü seviyorum. Yani, söylediklerinizin ötesinde, orada olanların servetiyle konuşup konuşamayacağınızı bilmiyorum. Yani, buna baktım ama kapsamlı bir şekilde bakmadım ve kesinlikle kütüphanelerimizde çok sayıda Python kütüphanesi var ama bu resme ekleyebileceğiniz bir şey var mı? Çünkü bunun çok ilginç bir şey olduğunu düşünüyorum, bilirsiniz, güvenilir bileşenlere sahip olacağınız fikri, çünkü onları yaratan çeşitli insanları ve bunları indirebileceğiniz çeşitli insanları biliyordunuz. Bilirsiniz, bu konuda söylediklerinizi zenginleştirebilir misiniz?
David Sweenor: Evet, sanırım uygulama piyasalarından bazıları, dışarıdaki algoritma pazarlarından. Örneğin, bilirsiniz, Iowa Üniversitesi'nden Dr.John Cromwell, tahmin edeceğimiz bir model geliştirdi, ameliyat edilirken gerçek zamanlı olarak kullanıldı, eğer alacağınız takdirde size bir puan verecek cerrahi alan enfeksiyonu. Ve eğer bu puan yeterince yüksekse ameliyathaneye doğrudan müdahale edeceklerdir. Bu çok ilginç. Belki de o kadar büyük olmayan başka bir hastane daha var. Apervita, analitik için bir sağlık uygulaması pazar alanıdır. Bu uygulama pazar yerlerinin çoğunda bir tane bulabilir, bir tane bulabilir ve onları tekrar kullanabilirsiniz ve işlem sizin ve bunun sahibi olan kişi arasındadır, ancak ya birini bulabilir ya da “İşte Bence bu küresel toplumu kullanıyor çünkü bugünlerde herkes bir uzman ve her şeyi bilemezsiniz. Bence R ve Python bir şeyden başka bir şey değil, “Bu işlevi yapmak istiyorum, bu uygulama pazar yerlerinden birine bir özellik koymak ve birisinin sizin için geliştirmesini istiyorum.” Ve benden para kazanabilirler, sanırım bu çok ilginç ve tamamen açık kaynaklı modelden çok farklı.
Robin Bloor: Tamam. Neyse, topu Dez'e vereceğim. Dalış yapmak ister misiniz, Dez?
Dez Blanchfield: Kesinlikle ve ben bir an için elektronik tabloda kalmak istiyorum çünkü burada bahsettiğimiz şeylerin çoğunun doğru özünü yakaladığını düşünüyorum. Ve bir yorum yaptınız, Robin, eski elektronik tablolardan fiziksel formlarından elektronik forma geçiş konusunda. Elektronik sayfaların başlangıçta sadece satır ve sütun içeren kağıtlar olduğu ve bir şeyleri manuel olarak yazacağınız, sonra güç kullanarak ve hesaplayacağınız ilginç bir şey vardı. başınızın üstünden veya başka bir cihazla kapatın. Ancak yine de el yazısı hataları veya disleksi ile ilgili hataların kaybolma fırsatına sahibiz ve şimdi onu yazım hatalarıyla değiştirdik. Risk, e-tablolarda risk profilinin daha hızlı ve daha büyük olması, ancak Statistica gibi araçların risk piramidini tersine çevirdiğini düşünüyorum.
Bu resmi sık sık, üstte bir insan çubuk figürünün beyaz tahtasına çiziyorum, bir kişi olarak ve daha sonra bunların altından bir koleksiyon, diyelim ki, bu tahtanın dibinde on tane hayal edin ve bir Piramidin noktasının tek bir kişide olduğu ve piramidin ayağının insanların toplandığı yerdir. Bunu, en üstteki bir kişi bir elektronik tablo yaparsa bir hata yapar ve on kişiyle paylaşır ve şimdi hatanın on kopyamız olduğu fikrini görselleştirmek için kullanıyorum. Makrolarınıza çok dikkat edin ve buna geçecekseniz Visual Basic'inize çok dikkat edin. Çünkü elektronik tablolar gibi elektronik araçlar geliştirdiğimizde çok güçlüdür, ama aynı zamanda iyi ve kötü bir şekilde güçlüdür.
Statistica gibi araçların bu risk profilini tersine çevirme yeteneğini getirdiğini ve bu nedenle artık bireysel kişi için mevcut olan çok sayıda araca sahip olduğunuz ve üstündeki birçok araçtan geçtikleri noktaya ulaşabileceğinizi düşünüyorum. piramit ve daha sonra aşağıya doğru inen piramidin noktasının asıl araç olduğu, eğer bu araçları ve algoritmaları inşa eden bir takım ekibimiz varsa. Ve veri bilimcisinin verileri üzerinde regresyon analizinde uzman olması gerekmez. Aracı kullanabilirler, ancak beş veya altı istatistikçiniz ve bir aktüeriniz ve bir veri bilimcisi ve bu araç, o modül, o algoritma, bu eklenti vb. Üzerinde çalışan bazı matematikçiler olabilir. Kullanabileceğiniz yayınlanan her e-tablonun aslında makroları test eden, Visual Basic'i test eden, algoritmaların çalıştığından emin olan uzmanlar tarafından yazıldığını hayal edin, bu yüzden aldığınız zaman veriyi pop haline getirebilirsiniz, ancak gerçekten kıramazsınız ve bu yüzden kontrol etmek daha iyi oldu.
Bence birçok analiz aracı bunu yapıyor. Sanırım bu noktaya geliyoruz, şu anda bu alanda mı görüyorsunuz, potansiyel olarak hatalar ve hatalar ve riskleri zorlayabilecek elektronik tablolardan, sizin oluşturduğunuz araçların bulunduğu noktaya geçişi görüyor musunuz? platformlar, veri keşfi gerçek zamanlı olarak doğru ve modülleri ve algoritmaları inşa eden insanlar bu risk profilini kaldırıyor veya azaltıyor? Müşteri hizmetleri bunu gerçek anlamda görüyor mu yoksa bunun sadece gerçekleştiğini ve bunun farkında olmadığını mı düşünüyorsunuz?
David Sweenor: Biliyorsunuz, sanırım buna cevap vermenin birkaç yolu var. Ama gördüğümüz gibi, herhangi bir organizasyonda, ve düşündüğüm analizin kurumsal yatırım perspektifinden, veri ambarı ve CRM ile yaptığımız gibi gecikmiş olabileceğinden bahsettim. Ama gördüğümüz şey, bir organizasyonu değiştirmek, o örgütsel ataleti aşmak için çok şey gerekiyor. Ama gördüğümüz insanlar elektronik tablolarını alan, iş akışlarını alan ve güvenlik ve yönetişimden bahsettim, “Eh, belki de bir elektronik tablom var, ” “Eh, bunu kilitleyebilirim ve sürümü kontrol edebilirim.” Ve birçok organizasyon görüyoruz, belki sadece oradan başlıyorlar. Ve eğer değiştiyse, bir iş akışı var ve sonuçta bir numara, kim değiştirdi? Neden değiştirdiler? Bunu değiştirdiklerinde. Ayrıca, bir, iki, üç, ancak iş akışınızda tanımlamak istediğiniz birçok taraf tarafından doğrulanmadığı ve doğrulanmadığı sürece, bu yeni e-tabloyu üretime sokmayacağım şekilde bir iş akışı ayarlayabilirim. Sanırım insanlar adım atmaya başlıyor ve kuruluşlar oraya bebek adımlarını atmaya başlıyor, ama muhtemelen uzun bir yolumuz olduğunu öneriyorum.
Dez Blanchfield: Gerçekten de, hem güvenlik kontrolleri hem de oradaki yönetişim üzerine inşa ettiğiniz göz önüne alındığında, iş yükü bunu ve her şeyi, şimdi bir şey olan baş risk yetkilisine kadar otomatik olarak eşleştirebilir. Bu araçlara ve sistemlere nasıl erişildiğini ve onlarla kimin ne yaptığını kontrol etmeye başlayabilirsiniz, bu çok güçlü. Sanırım bununla ilgili diğer şeyler, sağladığınız araç türlerinin benim için bahsettiğimiz geleneksel elektronik tablolardan daha fazla insan davranışına borç verdiği, ki insanlarla dolu bir odam varsa aynı gösterge tablosuna ve gerçekte farklı bir görünüm elde edebilecekleri aynı verilere erişebilir ve sonuç olarak, işbirliği yapabilmeleri için ihtiyaçlarına uyan aynı bilgilerden biraz farklı bilgiler elde edebilirsiniz. Daha sonra, aynı PowerPoint ile aynı toplantıya gitme ve aynı e-tablolar, hepsi aynı sabit verilerden ziyade, işletme ve karar verme süreci ile daha insani bir görüş ve etkileşime sahibiz.
Aletlerinizi şu anda gerçekleştiğini gördükleri yerde, odada sadece beş kişi gibi değil, aynı sözlü tabloya bakarak sadece sözlüğe ve not almaya çalışan organizasyonlarda davranış ve kültürde bir geçiş görüyor musunuz?, ancak şimdi gösterge panoları ve araçlarla gerçek zamanlı olarak etkileşim kuruyorlar, görselleştirme ve analitik parmaklarının ucunda ve sadece toplantılarda değil, kuruluşun genel işbirliğinde tamamen farklı bir akış mı elde ediyorlar? Çünkü bunu gerçek zamanlı yapabilirler, çünkü soruları sorabilir ve gerçek bir cevap alabilirler. Şu anda gördüğünüz bir trend mi yoksa henüz tam olarak gerçekleşmemiş mi?
David Sweenor: Hayır, bence kesinlikle bu yolda başladı ve bence çok ilginç olan şey, örneğin bir fabrika örneğini alırsak. Belki de o fabrikada belirli bir süreç sektörüne sahip olan birisi bu verilere belirli bir şekilde bakmak ve onlarla etkileşim kurmak istiyor. Ve belki ben, tüm süreçlere bakan, belki altta bu, belki her şeye bakmak istiyorum. Gördüğümüz kadarıyla, bir numara, insanlar kuruluşlarında ortak bir görselleştirme veya standart görselleştirme seti kullanmaya başlıyorlar, ancak aynı zamanda içinde bulundukları role göre uyarlanmışlar. bu, tedarik zinciri perspektifinden bakan birinden çok farklı bir görüş ve bence bu harika, çünkü uyarlanması gerekiyor ve işinizi yapmak için ihtiyacınız olan merceğe bakmanız gerekiyor.
Dez Blanchfield: Sanırım akıllı ve doğru kararları hızlı bir şekilde arttırmak için karar süreci zamanla ve hızla düşüyor, değil mi? Çünkü gerçek zamanlı analitik, gerçek zamanlı gösterge tablolarınız varsa, Statistica araçlarını parmaklarınızın ucunda kullanıyorsanız, birisine bir şey sormak için bir yere sormanız gerekmez. basılı kopya. İş birliği yapabilir, etkileşim kurabilir ve anında kararlar verebilir ve bu sonucu hemen elde edebilirsiniz. Sanırım bazı şirketler henüz gerçekten kavramadı, ama yaptıkları zaman bu eureka anı olacak, evet, hala odalarımızda kalabilir ve evde çalışabiliriz, ancak etkileşime girebilir ve işbirliği yapabiliriz ve bu kararlar işbirliği yaparken anında sonuçlara dönüşüyoruz. Bak, şimdiye kadar söyleyeceklerini duymak harika bir şeydi ve nereye gittiğini görmek için sabırsızlanıyorum. Ve soru-cevap bölümünde çok sorularımız olduğunu biliyorum, bu yüzden bunlardan bazılarını gözden geçirmek için Rebecca'ya geri döneceğim, böylece bunlara olabildiğince çabuk ulaşabiliriz. Çok teşekkür ederim.
Rebecca Jozwiak: Teşekkürler Dez ve evet Dave, seyirciden birkaç sorumuz var. Görüşleriniz için de Dez ve Robin'e teşekkür ederiz. Bu özel katılımcının saatin en üstünde ayrılmak zorunda olduğunu biliyorum, ama diye soruyor, bilgi sistemleri bölümlerinin, araç sağlamada rahat olmaktan çok, karmaşık veri kontrollerine daha fazla öncelik verdiğini görüyor musunuz? bilgi çalışanları? Yani, bu - devam et.
David Sweenor: Evet, bence bu organizasyona bağlı. Bence bir banka, bir sigorta şirketi, belki de bir pazarlama organizasyonuna göre farklı öncelikleri ve işleri yapma yolları vardır. Sanırım bunun sadece baktığınız endüstriye ve işleve bağlı olduğunu söylemek zorundayım. Farklı endüstrilerin farklı odakları ve vurguları vardır.
Rebecca Jozwiak: Tamam, güzel, mantıklı. Ve sonra başka bir katılımcı Statistica'nın arkasındaki motorun ne olduğunu bilmek istedi. C ++ mı yoksa kendi eşyalarınız mı?
David Sweenor: Pekala, bununla 30 yıl boyunca devam ettiği ve benim zamanımdan önce geliştirildiğini bilmiyorum, ancak Statistica algoritmaları olan temel bir analitik algoritmalar kütüphanesi var. Ve burada da R'yi çalıştırabileceğimizi, Python'u çalıştırabileceğimizi, Azure'a patlayabiliriz, H2O'da Spark üzerinde çalışabiliriz, bu yüzden sanırım bu soruyu çeşitli motorlar olarak cevaplamak zorunda kalacağım. Ve hangi algoritmayı seçtiğinize bağlı olarak, bir Statistica ise, bu şekilde çalışır, H2O ve Spark'da bir tane seçerseniz, bunu kullanır ve bu yüzden bunlardan çeşitlidir.
Rebecca Jozwiak: Tamam iyi. Başka bir katılımcı, özellikle bu slaydı işaret ederek, vatandaş veri bilimcisi hangi yeniden kullanılabilir şablonların kullanılacağını nasıl bilmek istediğini sordu. Ve sanırım bundan daha geniş bir soru soracağım. Yani, iş kolu kullanıcıları veya iş analistleri geldiğinde ve bu araçları kullanmak istediklerinde ne görüyorsunuz, onları alıp çalışmaya devam etmek ne kadar kolay?
David Sweenor: Sanırım buna cevap verirdim ve eğer kullanabiliyorsanız, Windows'a aşina iseniz, bu Windows tabanlı bir platformdur, bu yüzden bu ekran görüntülerinin üstünü kestim, ancak Windows şeridi var. Ancak hangi iş akışını kullanacaklarını nereden biliyorlar? Windows Gezgini'ne benziyor, bu yüzden bir ağaç yapısı var ve bunu yapılandırabilir ve ayarlayabilirsiniz, ancak kuruluşunuz kurmak istiyor. Ancak, bu klasörlere sahip olabilirsiniz ve bu yeniden kullanılabilir şablonları bu klasörlerin içine koyabilirsiniz. Sanırım muhtemelen şirketinizin benimseyebileceği bir isimlendirme var, "risk profilini hesapla" diyelim, işte "bu kaynaklardan veri al" ve bunları istediğiniz gibi adlandırıyorsunuz. Bu sadece ücretsiz bir klasör, notları tuvalinize sürükleyin. Yani, oldukça kolay.
Rebecca Jozwiak: Tamam iyi. Belki bir dahaki sefere bir demo. Sonra başka bir katılımcı tür ortaya çıkıyor ve Robin ve Dez, özellikle bir e-tabloda yanlışlıklardan bahsediyorsunuz, ancak çöp içeri / çöp dışarı atıyor ve geldiğinde daha da kritik olduğunu görüyoruz analitik. Bildiğiniz gibi, verilerin kötüye kullanılması bazı talihsiz kararlara yol açabilir. Ve daha güvenli algoritmaların geliştirilmesi konusundaki görüşlerinizin ne olduğunu merak ediyor, sanırım, analizin “aşırı derecede” kullanımı kelimesini kullanıyor. Bilirsiniz, biri içeri girer, gerçekten heyecanlanırlar, bu gelişmiş analizleri yapmak isterler, bu gelişmiş algoritmaları çalıştırmak isterler, ama belki de tam olarak emin değillerdir. Peki buna karşı korumak için ne yapıyorsunuz?
David Sweenor: Evet, sanırım buna elimden geldiğince cevap vereceğim, ama bence her şey insanlara, süreçlere ve teknolojiye geliyor. Kuruluşunuza dahil etmek istediğiniz her işlemi insanlara ve teknolojiye olanak tanıyan teknolojiye sahibiz. Birine kupon gönderme örneğinde, belki de bu kadar kritik değildir ve dijitalse gerçekten maliyetsizdir, belki bir seviye güvenlik kontrolü vardır ve belki umursamayız. Cerrahi bölge enfeksiyonlarını tahmin edersem, belki de bu konuda biraz daha dikkatli olmak istiyorum. Ya da ilaç kalitesini ve güvenliğini ve bunun gibi şeyleri tahmin edersem, belki de bu konuda biraz daha dikkatli olmak istiyorum. Haklısın, içine çöp / çöp dışarı, bu yüzden yapmaya çalıştığımız şey, onu kuruluşunuzun benimsemek istediği sürece uyarlamanızı sağlayan bir platform sağlamaktır.
Rebecca Jozwiak: Tamam iyi. Birkaç sorum daha var, ama saatin biraz ötesine geçtiğimizi biliyorum ve sadece sunucularımıza söylemek istiyorum, bu harikaydı. Dell Statistica'dan Dave Sweenor'a çok teşekkür etmek istiyoruz. Elbette, Dr. Robin Bloor ve Dez Blanchfield, bugün analist olduğunuz için teşekkür ederim. Gelecek ay Dell Statistica ile başka bir web yayını daha yapacağız. Dave'in konuyla ilgili ipucu verdiğini biliyorum. Bu, uç noktadaki analitikle ilgili olacak, başka bir büyüleyici konu ve çok zorlayıcı bazı kullanım örneklerinin bu web yayınında tartışılacağını biliyorum. Bugün gördüklerinizi beğendiyseniz, gelecek ay daha gelmek için tekrar gelin. Ve bununla millet, sana veda ediyorum. Çok teşekkürler. Güle güle.
