Editörün Notu: Bu, geçmiş web yayınlarımızdan birinin transkriptidir. Bir sonraki bölüm çabuk yaklaşıyor, kaydolmak için buraya tıklayın.
Eric Kavanagh: Bayanlar ve baylar, merhaba ve TechWise'ın 2. Bölümüne tekrar hoş geldiniz. Evet, bilge insanları yakalamanın zamanı geldi! Bugün bu çabada bize yardımcı olacak bir grup gerçekten zeki insan var. Benim adım Eric Kavanagh, elbette. Bu yıldırım seansı için sunucunuz, moderatörünüz olacağım. Burada çok fazla içeriğimiz var millet. Alanımızda analist olan bazı büyük isimlerimiz ve en ilginç satıcılardan dördü var. Bu yüzden bugün çağrıda çok iyi bir eylem gerçekleştireceğiz. Ve elbette, orada izleyicilerin içinde soru sormada önemli bir rol oynuyorsunuz.
Bir kez daha, şov TechWise ve bugünün konusu "Analytics İşletmeyi Nasıl Geliştirebilir?" Açıkçası, yapabileceğiniz farklı analiz türlerini ve bunun operasyonlarınızı nasıl iyileştirebileceğini anlamaya çalışacağı sıcak bir konu çünkü günün sonunda hepsi bu.
Üstte kendimi orada görebiliyorsun, bu senin. Kirk Borne, George Mason Üniversitesi'nden iyi bir arkadaş. Muazzam miktarda deneyime, bu alanda çok derin uzmanlığa ve veri madenciliğine ve büyük verilere ve bu tür eğlenceli şeylere sahip bir veri bilimcidir. Ve elbette, burada Bloor Grubu'nun Baş Analisti olan Dr. Robin Bloor'umuz var. Uzun yıllar önce aktüer olarak eğitim almış olanlar. Ve son büyük on yıl boyunca bu büyük veri alanına ve analitik alana oldukça odaklanmıştı. Bloor Group'u başlattığımızdan bu yana beş yıl geçti. Böylece eğlenirken zaman geçiyor.
Ayrıca Pentaho Baş Mimarı Will Gorman'dan da haber alacağız; WebAction'ın CCO'su Steve Wilkes; MarkLogic Teknik Direktörü Frank Sanders; ve Treasure Data Direktörü Hannah Smalltree. Dediğim gibi, bu çok fazla içerik.
Peki analitik işinize nasıl yardımcı olabilir? Açıkçası işinize nasıl yardımcı olamaz? Analitiklerin kuruluşunuzu geliştiren şeyler yapmak için kullanılabileceği her türlü yol vardır.
İşlemleri kolaylaştırın. Bu, pazarlama, gelir sağlama, hatta fırsatları tanımlama gibi konularda duyduğunuz kadar duymadığınız bir şey. Ancak, operasyonlarınızı düzene koymak, kuruluşunuz için yapabileceğiniz bu gerçekten, gerçekten güçlü bir şeydir, çünkü bir şeyi dışarıdan temin edebileceğiniz veya belirli bir sürece veri ekleyebileceğiniz yerleri tanımlayabilirsiniz. Ve bu, birisinin telefonla aramasını veya e-postayla gönderilmesini gerektirmeyecek şekilde akıcı hale getirebilir. Operasyonlarınızı düzene sokmanın birçok farklı yolu var. Ve tüm bunlar maliyetinizi düşürmeye gerçekten yardımcı oluyor, değil mi? Anahtar bu, maliyeti düşürüyor. Ancak, müşterilerinize daha iyi hizmet vermenizi de sağlar.
Ve eğer insanların ne kadar sabırsız hale geldiğini düşünürseniz ve bunu her gün insanların kullandığımız şovlarımızla, hatta kullandığımız servis sağlayıcılarla nasıl etkileşime girdiğiyle ilgili olarak görüyorum. İnsanların sahip olduğu sabır, dikkat süresi gün geçtikçe kısalıyor. Bunun anlamı, bir kuruluş olarak müşterilerinizi tatmin edebilmek için daha hızlı ve daha hızlı zaman aralıklarında yanıt vermeniz gerektiğidir.
Örneğin, bir kişi web yayını sitenizde bulunuyorsa veya bir şey bulmaya çalışırken etrafta geziniyorsa, hayal kırıklığına uğrarsa ve ayrılırsa, bir müşteriyi kaybetmiş olabilirsiniz. Ve ürün veya hizmetiniz için ne kadar ücretlendirdiğinize bağlı olarak, belki de bu büyük bir sorun. Sonuç olarak, modernleştirme operasyonlarının, analitik uygulamak için en sıcak alanlardan biri olduğunu düşünüyorum. Ve bunu sayılara bakarak, verileri kırarak, örneğin "Hey, web sitemizin bu sayfasında neden bu kadar çok insan kaybediyoruz?" "Neden bu telefon görüşmelerinden bazılarını şimdi alıyoruz?"
Ve bu tür şeylere ne kadar çok zaman ayırabiliyorsanız, durumun üstesinden gelme ve çok geç olmadan bu konuda bir şeyler yapma şansınız o kadar yüksek olur. Çünkü birinin bir şeyden rahatsız olduğu bir zaman penceresi var, memnun değiller ya da bir şeyler bulmaya çalışıyorlar ama hayal kırıklığına uğruyorlar; orada onlara ulaşmak, onları almak, o müşteriyle etkileşim kurmak için bir fırsat pencereniz var. Ve bunu doğru verilerle veya hoş bir müşteri resmiyle doğru bir şekilde yaparsanız - bu müşterinin kim olduğunu, karlılıklarının ne olduğunu, tercihlerinin neler olduğunu anlarsanız - bununla gerçekten başa çıkabiliyorsanız, müşterilerinize bağlı kalmak ve yeni müşteriler edinmek için harika bir iş. Ve hepsi bununla ilgili.
Böylece, bunu bugün çağrıdaki veri bilimcilerimizden Kirk Borne'a vereceğim. Ve bu günlerde oldukça nadirler, millet. En az iki telefonumuz var, bu büyük bir anlaşma. Bununla, Kirk, analitik ve iş dünyasına nasıl yardımcı olduğu hakkında konuşacağım. Göreyim seni.
Dr. Kirk Borne: Çok teşekkür ederim Eric. Beni duyabiliyor musun?
Eric: Sorun değil, devam et.
Dr. Kirk: Tamam, güzel. Sadece beş dakika konuşursam paylaşmak istiyorum ve insanlar bana el sallıyorlar. Bu yüzden açılış konuşmaları Eric, bu konuya gerçekten bağlandığınızı önümüzdeki birkaç dakika içinde kısaca konuşacağım, bu da karar verilecek verilere yönelik veriler için büyük veri ve analitik kullanımıdır. Operasyonel düzene ilişkin yaptığınız yorum, bana göre, bir bilim uygulaması, bir işletme, bir siber güvenlik ve kolluk kuvvetleri olup olmadığını dünyadaki her uygulamada görebileceğiniz bu operasyonel analitik kavramına düşüyor ve hükümet, sağlık. Veri akışımız olan ve bu veri akışında gördüğümüz olaylara, uyarılara ve davranışlara tepki olarak bir tür yanıt veya karar veriyoruz.
Ve bugün bahsetmek istediğim şeylerden biri, eylem yapmaya karar verebileceğimiz o noktaya gelmek için büyük verilerden bilgi ve kavrayışları nasıl elde ettiğinizdir. Ve sık sık bunun hakkında bir otomasyon bağlamında konuşuyoruz. Ve bugün otomasyonu döngüdeki insan analisti ile birleştirmek istiyorum. Yani, iş analisti burada bahis, nitelendirme, belirli eylemleri doğrulama veya verilerden elde ettiğimiz makine öğrenimi kuralları açısından önemli bir rol oynar. Ancak, çıkardığımız iş kurallarını neredeyse ikna ettiğimiz ve bizi uyarma mekanizmalarının geçerli olduğu bir noktaya gelirsek, bunu neredeyse otomatik bir sürece dönüştürebiliriz. Biz aslında Eric'in bahsettiği operasyonel düzeneği yapıyoruz.
Bu yüzden burada kelimeler üzerinde küçük bir oyunum var ama umarım sizin için işe yararsa, D2D meydan okumasından bahsettim. Ve D2D, sadece tüm bağlamlardaki kararları veriye değil, bu slaydın alt kısmına da bakıyoruz, umarım bunu görebilirsiniz, keşifler yapabilir ve analitik boru hatlarımızdan gelir dolarlarını artırabilirsiniz.
Yani bu bağlamda, şu anda burada çalıştığım ve işte şu anda kendime pazarlamacı rolüne sahibim; Yapmak istediğiniz ilk şey verilerinizi karakterize etmek, özellikleri ayıklamak, müşterilerinizin özelliklerini veya alanınızda izlediğiniz herhangi bir varlığı ayıklamaktır. Belki de sağlık analizi ortamında bir hastadır. Belki bir tür siber güvenlik sorununa bakıyorsanız bir Web kullanıcısıdır. Ancak karakteristikleri karakterize edin ve sonra o birey hakkında, o varlık hakkında bir bağlam çıkarın. Ve sonra yeni oluşturduğunuz parçaları toplar ve bunları makine öğrenme algoritmalarını uygulayabileceğiniz bir çeşit koleksiyona koyarsınız.
Bu şekilde söylememin sebebi, diyelim ki, havaalanında bir gözetim kameranız var. Videonun kendisi muazzam, büyük bir hacim ve aynı zamanda çok yapılandırılmamış. Ancak video gözetimden, yüz biyometrisinden ayıklayabilir ve gözetim kameralarındaki bireyleri tanımlayabilirsiniz. Örneğin, bir havaalanında, belirli kişileri tanımlayabilir, birden fazla gözetim kamerasında aynı kişiyi çapraz tanımlayarak onları havaalanı üzerinden takip edebilirsiniz. Böylece, gerçekten madencilik yaptığınız ve izlediğiniz çıkarılan biyometrik özellikler gerçek ayrıntılı videonun kendisi değildir. Ancak bu özütleri edindikten sonra, belirli bir durumda veya yanlış bir şey olduğunda veya teklif verme fırsatınız olan bir şey yapmanız gerekip gerekmediğine karar vermek için makine öğrenme kurallarını ve analizlerini uygulayabilirsiniz. Örneğin, havaalanında bir mağazanız varsa ve müşterinin yolunuza geldiğini görürseniz ve o müşteri hakkındaki diğer bilgilerden biliyorsanız, belki de gümrüksüz mağazadan bir şeyler satın almakla gerçekten ilgileniyorsa veya böyle bir şey, o teklifi yap.
Peki karakterizasyon ve potansiyelleşme ile ne tür şeyler kastederim? Karakterizasyon ile, yine, verilerdeki özelliklerin ve karakteristiklerin çıkarılması demek istiyorum. Ve bu makine tarafından oluşturulabilir, daha sonra algoritmaları, örneğin, video veya duygu analizinden biyometrik imzaları çıkarabilir. Çevrimiçi incelemeler veya sosyal medya aracılığıyla müşterinin duygusunu elde edebilirsiniz. Bunlardan bazıları insan tarafından üretilebilir, böylece insan, iş analisti, bir sonraki slaytta göstereceğim ek özellikleri çıkarabilir.
Bunlardan bazıları kitle kaynaklı olabilir. Ve kitle kaynaklı olarak, bunun hakkında düşünebileceğiniz birçok farklı yol var. Ancak çok basit bir şekilde, örneğin, kullanıcılarınız web sitenize gelir ve arama kelimeleri, anahtar kelimeler ekler ve belirli bir sayfaya ulaşırlar ve aslında o sayfada zaman geçirirler. Aslında, en azından o sayfadaki şeyleri görüntülediklerini, göz attıklarını, tıkladıklarını anladıklarını. Size söyledikleri, en başta yazdıkları anahtar kelimenin o sayfanın tanımlayıcısı olması, çünkü müşteriyi bekledikleri sayfaya yönlendirmesidir. Ve bu ek bilgiyi, yani bu anahtar kelimeyi kullanan müşteriler, aslında bu web sayfasını bilgi mimarimiz içinde, söz konusu içeriğin o anahtar kelimeyle eşleştiği yer olarak tanımladı.
Ve böylece kitle kaynak kullanımı, bazen insanların unutduğu başka bir özelliktir, tabiri caizse müşterilerinizin ekmek kırıntılarını izlemektir; ister çevrimiçi bir mülk ister gerçek bir mülk olsun, kendi alanlarında nasıl hareket ederler. Ardından müşterinin baktığımız şeyler hakkında ek bilgi olarak aldığı bu yolu kullanın.
Bu nedenle, insan tarafından üretilen şeylerin veya makine tarafından üretilen şeylerin, belirli veri granüllerini veya varlıklarını açıklama veya etiketleme konusunda bir bağlamı olduğunu söylemek istiyorum. Bu kuruluşların bir hastane ortamında hasta, müşteri veya herhangi bir şey olup olmadığı. Ve böylece farklı türlerde etiketleme ve ek açıklamalar var. Bunlardan bazıları verinin kendisiyle ilgilidir. Bu şeylerden biri, ne tür bilgiler, ne tür bilgiler, özellikler, şekiller, belki dokular ve desenler, anomali, anomali olmayan davranışlar. Ve sonra bazı anlambilim elde edin, yani bu bildiğim diğer şeylerle nasıl ilişkilidir veya bu müşteri bir elektronik müşterisidir. Bu müşteri bir giyim müşterisidir. Veya bu müşteri müzik satın almayı sever.
Bu konuda bazı anlambilim belirleyerek, müziği seven bu müşteriler eğlenceyi sevme eğilimindedir. Belki onlara başka eğlence olanakları sunabiliriz. Yani, anlambilimi ve aynı zamanda bazı provenansı anlamak, ki bu temel olarak şunu söylüyor: bu nereden geldi, bu iddiayı kim sağladı, hangi saatte, hangi tarihte, hangi şartlar altında?
Yani tüm bu ek açıklamalara ve karakterizasyonlara sahip olduktan sonra, o zaman bir sonraki adıma, bağlamın, kimin, ne, ne zaman, nerede ve nedeninin bağlamını ekleyin. Kullanıcı kim? Geldikleri kanal neydi? Bilginin kaynağı neydi? Bu özel bilgi veya veri ürününde ne tür yeniden kullanımlar gördük? Ve iş sürecindeki bir nevi değer nedir? Ve sonra bu şeyleri toplayın ve yönetin ve bu şekilde düşünmek istiyorsanız aslında veritabanı oluşturmaya yardımcı olun. Onları aranabilir, yeniden kullanılabilir hale getirin, diğer iş analistleri tarafından veya bu özellik kümelerini bir daha gördüğümde sistem bu otomatik eylemi gerçekleştirebilecek otomatik bir işlemle. Ve böylece bu tür operasyonel analitik verimliliğe ulaşıyoruz, ancak daha fazla yararlı, kapsamlı bilgi topluyoruz ve daha sonra bu kullanım durumları için küratörlük yapıyoruz.
İşe başlıyoruz. Veri analizini yapıyoruz. İlginç desenler, sürprizler, yenilik aykırı değerler, anomaliler arıyoruz. Popülasyondaki yeni sınıfları ve segmentleri arıyoruz. Çeşitli varlıklar arasında ilişkilendirmeler, korelasyonlar ve bağlantılar ararız. Ve sonra tüm bunları keşif, karar verme ve dolar verme sürecimizi yönlendirmek için kullanıyoruz.
İşte yine, burada sahip olduğum son veri slaydı sadece özetliyor, iş analistini döngüde tutuyor, yine, o insanı çıkarmıyorsunuz ve o insanı orada tutmak önemlidir.
Yani bu özellikler, hepsi makineler veya insan analistleri ve hatta kitle kaynak kullanımı tarafından sağlanıyor. Modellerimiz için eğitim setlerimizi geliştirmek ve daha doğru tahmin modelleri, daha az yanlış pozitif ve negatif, daha verimli davranış, müşterilerimizle veya kimseyle daha verimli müdahalelerle sonuçlanacak şeylerin bu kombinasyonunu uyguluyoruz.
Günün sonunda, makine öğrenimi ve büyük verileri gerçekten bu tür etiketleme ek açıklama parçasının devreye girdiği bu insan biliş gücü ile birleştiriyoruz. Görselleştirme ve görsel analiz türüne yol açabilir. araçlar veya sürükleyici veri ortamları veya kitle kaynak kullanımı. Ve günün sonunda, bunun gerçekten yaptığı şey keşiflerimizi, içgörülerimizi ve D2D'yi oluşturmak. Bunlar benim yorumlarım, bu yüzden dinlediğiniz için teşekkür ederim.
Eric: Hey, kulağa harika geliyor ve bakış açısını da vermek için anahtarları Dr. Robin Bloor'a bırakmama izin verin. Evet, operasyon kavramının bu düzene sokulması hakkında yorumunuzu duymaktan hoşlanıyorum ve operasyonel analitikten bahsediyorsunuz. Bence bu oldukça kapsamlı bir şekilde araştırılması gereken büyük bir alan. Ve sanýrým, Robin'den hemen önce, seni geri getireceđim Kirk. Şirketteki çeşitli oyuncular arasında oldukça önemli bir işbirliğiniz olması gerekiyor, değil mi? Operasyonlarla insanlarla konuşmak zorundasınız; teknik personelinizi almalısınız. Bazen pazarlama çalışanlarınıza veya Web arayüzü kullanıcılarınıza ulaşırsınız. Bunlar tipik olarak farklı gruplardır. Herkesin cildini oyuna nasıl sokacağına dair en iyi uygulamalarınız veya önerileriniz var mı?
Dr. Kirk: Sanırım bu, iş dünyası işbirliği kültürüyle birlikte geliyor. Aslında, analitik kültürün üç C'sinden bahsediyorum. Biri yaratıcılıktır; bir diğeri merak ve üçüncüsü işbirliği. Yani yaratıcı, ciddi insanlar istiyorsun, ama aynı zamanda bu insanları işbirliği içinde tutmalısın. Ve gerçekten en baştan başlar, bu kültürü, işin ortak hedeflerine doğru bir şekilde paylaşması ve birlikte çalışması gereken insanlarla inşa etmek.
Eric: Her şey mantıklı. Ve bunun gerçekleşmesi için en üstte iyi bir liderliğe sahip olmanız gerekiyor. Öyleyse devam edelim ve Dr. Bloor'a teslim edelim. Robin, zemin senin.
Dr. Robin Bloor: Tamam. Bu giriş için teşekkürler Eric. Tamam, bunların ortaya çıkma şekli, gösteriyor ki, çünkü iki analistimiz var; Diğer adamların yapmadığı analistin sunumunu görüyorum. Kirk'ün ne söyleyeceğini biliyordum ve çok fazla üst üste binmemek için tamamen farklı bir açıdan ilerliyorum.
Aslında burada bahsettiğim veya hakkında konuşmak istediğim şey, veri analistinin rolü ile iş analistinin rolüdür. Ve onu karakterize etme şeklim, bir dereceye kadar yanaktaki dil, bir çeşit Jekyll ve Hyde şeyidir. Fark, özellikle bilim adamlarının veri bilimidir, en azından teoride, ne yaptıklarını bilir. İş analistleri böyle olmasa da, matematiğin çalışma şekli, neye güvenilebilir ve neye güvenilemez.
Öyleyse, bunu yaptığımızın nedenine inelim, veri analizinin aniden çok büyük miktarda veriyi analiz edebilmemiz ve organizasyonun dışından veri alabilmemiz bir yana büyük bir sorun haline geldi; öder. Buna bakma şeklim - ve bence bu sadece bir vaka haline geliyor ama kesinlikle bir durum olduğunu düşünüyorum - veri analizi gerçekten iş Ar-Ge'sidir. Veri analizi ile aslında şu ya da bu şekilde yaptığınız şey, bir tür bir iş sürecine mi bakıyorsunuz, yoksa bir müşteriyle etkileşime mi, perakende satış işleminizin yoluna, dağıtım şekline göre mağazalarınız. Sorunun ne olduğu gerçekten önemli değil. Belirli bir iş sürecine bakıyorsunuz ve geliştirmeye çalışıyorsunuz.
Başarılı araştırma ve geliştirmenin sonucu bir değişim sürecidir. İsterseniz üretimi buna alışılmış bir örnek olarak düşünebilirsiniz. Çünkü imalatta, insanlar üretim sürecini iyileştirmeye çalışmak için her şey hakkında bilgi toplarlar. Ama bence olan ya da büyük verilerde olanların hepsi şu anda herkesin düşünebileceği herhangi bir şekilde tüm işletmelere uygulanıyor. Bu nedenle, bu konuda veri toplayabilirseniz, hemen hemen her iş süreci incelemeye hazırdır.
Yani bu bir şey. İsterseniz, bu veri analizi sorunudur. Veri analizi işletme için ne yapabilir? İşi tamamen değiştirebilir.
Bu derinlemesine açıklamayacağım bu diyagram, ancak bu yılın ilk altı ayında yaptığımız araştırma projesinin doruk noktası olarak ortaya koyduğumuz bir diyagram. Bu, büyük bir veri mimarisini temsil etmenin bir yoludur. Ve bir sonraki slayta geçmeden önce dikkat çekmeye değer bazı şeyler. Burada iki veri akışı var. Bunlardan biri, diyagramın en üstünde yer alan gerçek zamanlı bir veri akışıdır. Diğeri, diyagramın altından geçen daha yavaş bir veri akışıdır.
Diyagramın altına bakın. Bir veri deposu olarak Hadoop'umuz var. Çeşitli veritabanlarımız var. Orada, birçoğu analitik etkinlik olan bir sürü etkinlikle dolu bir veri var.
Burada bahsettiğim nokta ve burada yapmak istediğim tek nokta teknolojinin zor olması. Basit değil. Kolay değil. Oyunda yeni olan herkesin bir araya getirebileceği bir şey değil. Bu oldukça karmaşık. Ve tüm bu süreçlerde güvenilir analitik yapmak için bir iş yapacaksanız, bu özellikle hızlı bir şekilde gerçekleşecek bir şey değildir. Karışıma çok fazla teknoloji eklenmesini gerektirecek.
Tamam. Veri bilimcisi nedir sorusu, veri bilimcisi olduğunu iddia edebilirim çünkü bilgi işlem konusunda eğitim almadan önce istatistik eğitimi almıştım. Bir süre aktüeryal bir iş yaptım, bu yüzden bir işletmenin kendini yönetmesi için istatistiksel analizi, organize etme biçimini biliyorum. Bu önemsiz bir şey değil. Hem insan hem de teknoloji tarafında çok sayıda iyi uygulama var.
"Veri bilimcisi nedir" sorusunu sorarak Frankenstein resmini koydum çünkü bu sadece birlikte örülmesi gereken şeylerin bir kombinasyonu. Proje yönetimi söz konusudur. İstatistiklerde derin bir anlayış var. Veri analistinden daha çok bir iş analisti problemi olan alan adı iş uzmanlığı vardır. Veri mimarisini anlama ve veri mimarı yapabilme deneyimi ya da ihtiyacı var ve yazılım mühendisliği de var. Başka bir deyişle, muhtemelen bir ekip. Muhtemelen bir birey değildir. Ve bu muhtemelen organize edilmesi gereken bir departmanın ve organizasyonunun oldukça kapsamlı bir şekilde düşünülmesi gerektiği anlamına gelir.
Makine öğrenmesi gerçeğini karışıma atmak. Makine öğrenimi yapamadık, makine öğreniminde kullanılan istatistiksel tekniklerin çoğunun onlarca yıldır bilinmesi anlamında yeni bir şey değil. Birkaç yeni şey var, yani sinir ağları nispeten yeni, sanırım sadece 20 yaşındalar, bu yüzden bazıları nispeten yeni. Ancak makine öğrenmeyle ilgili sorun, aslında bunu yapacak bilgisayar gücümüzün olmamasıydı. Ve olan her şey dışında, bilgisayar gücünün artık yerinde olmasıdır. Bu, veri bilimcilerinin durumları modelleme, verileri örnekleme ve daha sonra verilerin daha derinlemesine analizini yapmak için daha önce yaptıklarımız hakkında söylediğimiz çok şey demek. Aslında, bazı durumlarda bilgisayar gücünü atabiliriz. Sadece makine öğrenme algoritmalarını seçin, verilere atın ve neyin ortaya çıktığını görün. Ve bu bir iş analistinin yapabileceği bir şey, değil mi? Ancak iş analisti ne yaptıklarını anlamalıdır. Yani, bence bu gerçekten her şeyden daha önemli.
Bu, sadece iş hakkında diğer verilerden daha fazla bilgi almaktır. Einstein bunu söylemedi, dedim. Onun resmini güvenilirlik için koydum. Ancak durum aslında gelişmeye başlıyor, eğer uygun şekilde kullanılırsa teknolojinin ve düzgün bir şekilde kullanılırsa matematiğin herhangi bir birey olarak bir işi yönetebileceği durumdur. Bunu IBM ile izledik. Her şeyden önce, satrançtaki en iyi adamları yenebilir ve ardından Jeopardy'deki en iyi adamları yenebilir; ama sonunda bir şirkette en iyi adamları yenebileceğiz. İstatistikler sonunda zafer kazanacak. Ve bunun nasıl olmayacağını görmek zor, henüz olmadı.
Demek istediğim, bu sunumumun tam bir mesajı, işin bu iki meselesi. Birincisi, teknolojiyi doğru anlayabilir misiniz? Teknolojiyi gerçekten yönetebilecek ve iş için fayda sağlayabilecek ekip için çalıştırabilir misiniz? Ve sonra ikincisi, insanları doğru anlayabilir misin? Ve bunların ikisi de sorun. Ve onlar bu zamana kadar, çözülmemiş olduğunu söyleyen sorunlar.
Tamam Eric, sana geri vereceğim. Ya da belki de Will'e iletmeliyim.
Eric: Aslında evet. Teşekkürler Will Gorman. Evet, işte gidiyorsun, Will. Bakalım. Size WebEx'in anahtarını vereyim. Ne oluyor böyle? Pentaho, belli ki, bir süredir ortalıktasınız ve açık kaynaklı BI'nın nereden başladığınızı. Ama eskisinden çok daha fazlasına sahipsiniz, bu yüzden bugünlerde analiz için neye sahip olduğunuzu görelim.
Will Gorman: Kesinlikle. Selam millet! Benim adım Will Gorman. Ben Pentaho'nun Baş Mimarıyım. Bizi duymamışlarınız için Pentaho'nun büyük bir veri entegrasyonu ve analiz şirketi olduğunu belirttim. On yıldır bu işin içindeyiz. Ürünlerimiz, veri entegrasyonu ve analitik için açık kaynaklı bir platform olarak başlayarak, bu teknoloji etrafında ticari varlıklar oluşmadan önce bile Hadoop ve NoSQL gibi teknolojiyle inovasyon yapan büyük veri topluluğuyla yan yana gelişti. Ve şimdi açık kaynak konusundaki yeniliklerimiz sonucunda 1500'den fazla ticari müşterimiz ve daha birçok üretim randevumuz var.
Mimarimiz son derece katıştırılabilir ve genişletilebilir, özellikle büyük veri teknolojisi çok hızlı bir şekilde geliştiği için esnek olacak şekilde tasarlanmıştır. Pentaho, büyük veri analizi kullanım durumlarını ele almak için birlikte çalışan üç ana ürün alanı sunmaktadır.
Mimarimiz kapsamındaki ilk ürün, veri teknolojisi uzmanı ve veri mühendislerine yönelik Pentaho Veri Entegrasyonudur. Bu ürün, büyük veri ortamlarında ve geleneksel ortamlarda da verileri düzenlemek için veri boru hatlarını ve süreçlerini tanımlamak için görsel, sürükle ve bırak deneyimi sunar. Bu ürün, Java üzerine inşa edilmiş hafif, meta veritabanı, veri entegrasyon platformudur ve MapReduce veya YARN veya Storm ve diğer birçok toplu iş ve gerçek zamanlı platformda bir süreç olarak dağıtılabilir.
İkinci ürün alanımız görsel analitiktir. Bu teknoloji sayesinde, kuruluşlar ve OEM'ler, modern tarayıcılar ve tabletler tarafından iş analistleri ve iş kullanıcıları için özel bir sürükle ve bırak görselleştirme ve analiz deneyimi sunarak, raporların ve gösterge panellerinin geçici olarak oluşturulmasını sağlar. Piksel mükemmel pano ve raporların sunumunun yanı sıra.
Üçüncü ürün alanımız, veri bilimcileri, makine öğrenme algoritmaları için hedeflenen tahmine dayalı analitiklere odaklanmaktadır. Daha önce de belirtildiği gibi, sinir ağları ve benzerleri gibi, veri bilimcilerinin modellemeden üretim ortamına geçmesine izin vererek, öngörüye erişim sağlayarak iş süreçlerini çok çabuk, çok hızlı bir şekilde etkileyebilir.
Tüm bu ürünler, tek bir çevik deneyime sıkıca entegre edilmiştir ve kurumsal müşterilerimize iş sorunlarını çözmek için ihtiyaç duydukları esnekliği sağlar. Geleneksel teknolojilerde hızla gelişen büyük veri manzarasını görüyoruz. Büyük veri alanındaki bazı şirketlerden EDW'nin sona yaklaştığını duyduğumuz. Aslında, kurumsal müşterilerimizde gördüğümüz şey, mevcut iş ve BT süreçlerine büyük veri katmaları ve bu süreçlerin yerini almaları gerekmesidir.
Bu basit diyagram, mimaride sıkça gördüğümüz noktayı gösterir; bu, veri entegrasyonu ve BI kullanım örneklerine sahip bir tür EDW dağıtım mimarisidir. Şimdi bu diyagram Robin'in büyük veri mimarisi slaytına benziyor, gerçek zamanlı ve geçmiş verileri içeriyor. Yeni veri kaynakları ve gerçek zamanlı gereksinimler ortaya çıktıkça, büyük verileri genel BT mimarisinin ek bir parçası olarak görüyoruz. Bu yeni veri kaynakları arasında makine tarafından üretilen veriler, yapılandırılmamış veriler, standart hacim ve hız ve büyük verilerde duyduğumuz çeşitli gereksinimler; geleneksel EDW süreçlerine uymazlar. Pentaho, Hadoop ve NoSQL ile yakın bir şekilde çalışarak bu verilerin alımını, veri işlemesini ve görselleştirilmesini kolaylaştırmanın yanı sıra müşterilere veri ortamlarını tam olarak görebilmeleri için bu verileri geleneksel kaynaklarla harmanlıyor. Bunu yönetilen bir şekilde yapıyoruz, böylece BT kendi iş kollarına tam bir analitik çözüm sunabilir.
Kapanışta, büyük veri analizi ve entegrasyonu hakkındaki felsefemizi vurgulamak istiyorum; bu teknolojilerin tek bir birleşik mimari ile birlikte daha iyi çalıştığına ve aksi takdirde mümkün olmayacak bir dizi kullanım durumuna olanak tanıdığına inanıyoruz. Müşterilerimizin veri ortamları Hadoop ve NoSQL gibi büyük verilerden ibaret değildir. Herhangi bir veri adil bir oyundur. Ve büyük veri kaynaklarının mevcut olması ve iş değerini etkilemek için birlikte çalışması gerekir.
Son olarak, işletmelerdeki bu iş sorunlarını veri yoluyla çok etkili bir şekilde çözmek için, BT ve iş kollarının büyük veri analitiğine yönelik yönetilen, karma bir yaklaşım üzerinde birlikte çalışması gerektiğine inanıyoruz. Bize konuşmak için zaman ayırdığınız için çok teşekkür ederim Eric.
Eric: Eminim. Hayır, bu iyi şeyler. Soru-Cevap bölümüne ulaşırken mimarinizin bu tarafına geri dönmek istiyorum. Sunumun geri kalanında ilerleyelim ve bunun için çok teşekkür ederim. Sizler kesinlikle son birkaç yıldır hızla ilerliyorsunuz, bunu söylemeliyim.
Steve, devam edeyim ve size teslim edeyim. Ve sadece aşağı oka tıklayın ve devam edin. Steve, sana anahtarlarý veriyorum. Steve Wilkes, klavyenizdeki en uzak aşağı oka tıklayın.
Steve Wilkes: İşte başlıyoruz.
Eric: İşte böyle.
Steve: Bu bana verdiğin harika bir giriş.
Eric: Evet.
Steve: Yani ben Steve Wilkes. WebAction'ın CCO'suyum. Sadece son birkaç yıldır varız ve o zamandan beri de kesinlikle hızlı hareket ediyoruz. WebAction, gerçek zamanlı büyük bir veri analizi platformudur. Eric, daha önce, gerçek zamanın ne kadar önemli olduğunu ve uygulamalarınızın ne zaman gerçek zamanlı olduğunu belirtti. Platformumuz gerçek zamanlı uygulamalar oluşturmak için tasarlanmıştır. Ayrıca aşamalı olarak oluşturulabilecek yeni nesil veri güdümlü uygulamaları etkinleştirmek ve insanların bu uygulamalardan oluşturulan verilerden gösterge tabloları oluşturmasına izin vermek, ancak gerçek zamanlı olarak odaklanmak.
Platformumuz aslında veri toplama, veri işleme, veri görselleştirmeye kadar her şeyi yapan eksiksiz bir uçtan uca platformdur. Ayrıca, gerçek zamanlı gerçek zamanlı uygulamalar oluşturmak için işletmemizdeki birden çok farklı türün birlikte çalışmasını sağlayarak, işletmelerinde gerçekleşen şeyler hakkında bilgi edinmelerini sağlar.
Ve bu, çoğu insanın büyük verilerde gördüklerinden biraz farklıdır, böylece geleneksel yaklaşım - yani, son birkaç yıldır geleneksel - büyük verilerle yaklaşım, onu farklı kaynaklardan yakalamak ve daha sonra büyük bir rezervuar veya göle ya da buna ne derseniz isteyin. Ve sonra bir sorgu çalıştırmanız gerektiğinde işleyin; büyük ölçekli tarihsel analizler yürütmek ve hatta büyük miktarda verinin geçici olarak sorgulanmasını sağlamak. Şimdi bu belirli kullanım durumları için çalışıyor. Ancak kuruluşunuzda proaktif olmak istiyorsanız, günün sonunda veya haftanın sonuna doğru bir şeylerin yanlış gittiğini öğrenmek yerine gerçekten neler olduğunu söylemek istiyorsanız, o zaman gerçekten hareket etmeniz gerekir gerçek zamanlı.
Ve bu da işleri biraz değiştiriyor. İşlemeyi ortaya taşır. Böylece, işletme içinde sürekli olarak üretilen büyük miktarlarda veri akışlarını etkili bir şekilde alıyorsunuz ve elde ettiğinizde işliyorsunuz. Ve onu alırken işlediğiniz için, her şeyi saklamak zorunda değilsiniz. Önemli bilgileri veya gerçekte ne olduğunu hatırlamanız gereken şeyleri saklayabilirsiniz. Bu nedenle, yolda ilerleyen araçların GPS konumunu izliyorsanız, her saniye nerede olduklarını gerçekten önemsemezsiniz, her saniye nerede olduklarını saklamanız gerekmez. Sadece umursaman gerekiyor, burayı terk ettiler mi? Bu yere geldiler mi? Otobanı sürdüler mi, sürmediler mi?
Bu nedenle, daha fazla veri üretildikçe, üç Vs. Velocity temel olarak her gün ne kadar veri üreteceğini belirler. Ne kadar fazla veri oluşturulursa o kadar çok depolamanız gerekir. Ve ne kadar çok depolamanız gerekiyorsa, işlenmesi o kadar uzun sürer. Ama eğer alırken işleyebilirseniz, gerçekten büyük bir fayda elde edersiniz ve buna tepki verebilirsiniz. Daha sonra aramak zorunda kalmaktan ziyade bir şeylerin gerçekleştiği söylenebilir.
Böylece platformumuz yüksek oranda ölçeklenebilir olacak şekilde tasarlanmıştır. Üç ana parçaya sahiptir - edinme parçası, işleme parçası ve daha sonra platformun teslimat görselleştirme parçaları. Edinme tarafında, yalnızca Web günlükleri veya oluşturulan tüm diğer günlükleri içeren uygulamalar gibi makine tarafından oluşturulan günlük verilerine bakmıyoruz. We can also go in and do change data capture from databases. So that basically enables us to, we've seen the ETL side that Will presented and traditional ETL you have to run queries against the databases. We can be told when things happen in the database. We change it and we capture it and receive those events. And then there's obviously the social feeds and live device data that's being pumped to you over TCP or ACDP sockets.
There's tons of different ways of getting data. And talking of volume and velocity, we're seeing volumes that are billions of events per day, right? So it's large, large amounts of data that is coming in and needs to be processed.
That is processed by a cluster of our servers. The servers all have the same architecture and are all capable of doing the same things. But you can configure them to, sort of, do different things. And within the servers we have a high-speed query processing layer that enables you to do some real-time analytics on the data, to do enrichments of the data, to do event correlation, to track things happening within time windows, to do predictive analytics based on patterns that are being seen in the data. And that data can then be stored in a variety places - the traditional RDBMS, enterprise data warehouse, Hadoop, big data infrastructure.
And the same live data can also be used to power real-time data-driven apps. Those apps can have a real-time view of what's going on and people can also be alerted when important things happen. So rather than having to go in at the end of the day and find out that something bad really happened earlier on the day, you could be alerted about it the second we spot it and it goes straight to the page draw down to find out what's going on.
So it changes the paradigm completely from having to analyze data after the fact to being told when interesting things are happening. And our platform can then be used to build data-driven applications. And this is really where we're focusing, is building out these applications. For customers, with customers, with a variety of different partners to show true value in real-time data analysis. So that allows people that, or companies that do site applications, for example, to be able track customer usage over time and ensure that the quality of service is being met, to spot real-time fraud or money laundering, to spot multiple logins or hack attempts and those kind of security events, to manage things like set-top boxes or other devices, ATM machines to monitor them in real time for faults, failures that have happened, could happen, will happen in the future based on predictive analysis. And that goes back to the point of streamlining operations that Eric mentioned earlier, to be able to spot when something's going to happen and organize your business to fix those things rather than having to call someone out to actually do something after the fact, which is a lot more expensive.
Consumer analytics is another piece to be able to know when a customer is doing something while they're still there in your store. Data sent to management to be able to in real time monitor resource usage and change where things are running and to be able to know about when things are going to fail in a much more timely fashion.
So that's our products in a nutshell and I'm sure we'll come back to some of these things in the Q&A session. Teşekkür ederim.
Eric: Yes, indeed. İyi iş. Okay good. And now next stop in our lightning round, we've got Frank Sanders calling in from MarkLogic. I've known about these guys for a number of years, a very, very interesting database technology. So Frank, I'm turning it over to you. Just click anywhere in that. Use the down arrow on your keyboard and you're off to the races. İşte böyle.
Frank Sanders: Thank you very much, Eric. So as Eric mentioned, I'm with a company called MarkLogic. And what MarkLogic does is we provide an enterprise NoSQL database. And perhaps, the most important capability that we bring to the table with regards to that is the ability to actually bring all of these disparate sources of information together in order to analyze, search and utilize that information in a system similar to what you're used to with traditional relational systems, right?
And some of the key features that we bring to the table in that regard are all of the enterprise features that you'd expect from a traditional database management system, your security, your HA, your DR, your backup are in store, your asset transactions. As well as the design that allows you to scale out either on the cloud or in the commodity hardware so that you can handle the volume and the velocity of the information that you're going to have to handle in order to build and analyze this sort of information.
And perhaps, the most important capability is that fact that we're scheme agnostic. What that means, practically, is that you don't have to decide what your data is going to look like when you start building your applications or when you start pulling those informations together. But over time, you can incorporate new data sources, pull additional information in and then use leverage and query and analyze that information just as you would with anything that was there from the time that you started the design. Tamam?
So how do we do that? How do we actually enable you to load different sorts of information, whether it be text, RDF triples, geospatial data, temporal data, structured data and values, or binaries. And the answer is that we've actually built our server from the ground up to incorporate search technology which allows you to put information in and that information self describes and it allows you to query, retrieve and search that information regardless of its source or format.
And what that means practically is that - and why this is important when you're doing analysis - is that analytics and information is most important ones when it's properly contextualized and targeted, right? So a very important key part of any sort of analytics is search, and the key part is search analytics. You can't really have one without the other and successfully achieve what you set out to achieve. Sağ?
And I'm going to talk briefly about three and a half different use cases of customers that we have at production that are using MarkLogic to power this sort of analytics. Tamam. So the first such customer is Fairfax County. And Fairfax County has actually built two separate applications. One is based around permitting and property management. And the other, which is probably a bit more interesting, is the Fairfax County police events application. What the police events application actually does is it pulls information together like police reports, citizen reports and complaints, Tweets, other information they have such as sex offenders and whatever other information that they have access to from other agencies and sources. Then they allow them to visualize that and present this to the citizens so they can do searches and look at various crime activity, police activity, all through one unified geospatial index, right? So you can ask questions like, "what is the crime rate within five miles" or "what crimes occurred within five miles of my location?" Tamam.
Another user that we've got, another customer that we have is OECD. Why OECD is important to this conversation is because in addition to everything that we've enabled for Fairfax County in terms of pulling together information, right; all the information that you would get from all various countries that are members of the OECD that they report on from an economic perspective. We actually laid a target drill into that, right. So you can see on the left-hand side we're taking the view of Denmark specifically and you can kind of see a flower petal above it that rates it on different axes. Sağ? And that's all well and good. But what the OECD has done is they've gone a step further.
In addition to these beautiful visualizations and pulling all these information together, they're actually allowing you in real time to create your own better life index, right, which you can see on the right-hand side. So what you have there is you have a set of sliders that actually allow you to do things like rank how important housing is to you or income, jobs, community, education, environment, civic engagement, health, life satisfaction, safety and your work/life balance. And dynamically based on how you are actually inputting that information and weighting those things, MarkLogic's using its real-time indexing capability and query capability to actually then change how each and every one of these countries is ranked to give you an idea of how well your country or your lifestyle maps through a given country. Tamam?
And the final example that I'm going to share is MarkMail. And what MarkMail really tries to demonstrate is that we can provide these capabilities and you can do the sort of analysis not only on structured information or information that's coming in that's numerical but actually on more loosely structured, unstructured information, right? Things like emails. And what we've seen here is we're actually pulling information like geolocation, sender, company, stacks and concepts like Hadoop being mentioned within the context of an email and then visualizing it on the map as well as looking at who those individuals and what list across that, a sent and a date. This where you're looking at things that are traditionally not structured, that may be loosely structured, but are still able to derive some structured analysis from that information without having to go to a great length to actually try and structure it or process it at a time. Ve bu kadar.
Eric: Hey, okay good. And we got one more. We've got Hannah Smalltree from Treasure Data, a very interesting company. And this is a lot of great content, folks. Thank you so much for all of you for bringing such good slides and such good detail. So Hannah, I just gave the keys to you, click anywhere and use the down arrow on your keyboard. You got it. Götürün.
Hannah Smalltree: Thank you so much, Eric. This is Hannah Smalltree from Treasure Data. I'm a director with Treasure Data but I have a past as a tech journalist, which means that I appreciate two things. First of all, these can be long to sit through a lot of different descriptions of technology, and it can all sound like it runs together so I really want to focus on our differentiator. And the real-world applications are really important so I appreciate that all of my peers have been great about providing those.
Treasure Data is a new kind of big data service. We're delivered entirely on the cloud in a software as a service or managed-service model. So to Dr. Bloor's point earlier, this technology can be really hard and it can be very time consuming to get up and running. With Treasure Data, you can get all of these kinds of capabilities that you might get in a Hadoop environment or a complicated on-premise environment in the cloud very quickly, which is really helpful for these new big data initiatives.
Now we talk about our service in a few different phases. We offer some very unique collection capabilities for collecting streaming data so particularly event data, other kinds of real-time data. We'll talk a little bit more about those data types. That is a big differentiator for our service. As you get into big data or if you are already in it then you know that collecting this data is not trivial. When you think about a car with 100 sensors sending data every minute, even those 100 sensors sending data every ten minutes, that adds up really quickly as you start to multiply the amount of products that you have out there with sensors and it quickly becomes very difficult to manage. So we are talking with customers who have millions, we have customers who have billions of rows of data a day that they're sending us. And they're doing that as an alternative to try and to manage that themselves in a complicated Amazon infrastructure or even try to bring it into their own environment.
We have our own cloud storage environment. We manage it. We monitor it. We have a team of people that's doing all that tuning for you. And so the data flows in, it goes into our managed storage environment.
Then we have embedded query engines so that your analyst can go in and run queries and do some initial data discovery and exploration against the data. We have a couple of different query engines for it actually now. You can use SQL syntax, which your analysts probably know and love, to do some basic data discovery, to do some more complex analytics that are user-defined functions or even to do things as simple as aggregate that data and make it smaller so that you can bring it into your existing data warehouse environment.
You can also connect your existing BI tools, your Tableau, is a big partner of ours; but really most BIs, visualization or analytics tools can connect via our industry standard JDBC and ODBC drivers. So it gives you this complete set of big data capabilities. You're allowed to export your queries results or data sets anytime for free, so you can easily integrate that data. Treat this as a data refinery. I like to think of it more as a refinery than a lake because you can actually do stuff with it. You can go through, find the valuable information and then bring it into your enterprise processes.
The next slide, we talk about the three Vs of big data - some people say four or five. Our customers tend to struggle with the volume and velocity of the data coming at them. And so to get specific about the data types - Clickstream, Web access logs, mobile data is a big area for us, mobile application logs, application logs from custom Web apps or other applications, event logs. And increasingly, we have a lot of customers dealing with sensor data, so from wearable devices, from products, from automotive, and other types of machine data. So when I say big data, that's the type of big data that I'm talking about.
Now, a few use cases in perspective for you - we work with a retailer, a large retailer. They are very well known in Asia. They're expanding here in the US. You'll start to see stores; they're often called Asian IKEA, so, simple design. They have a loyalty app and a website. And in fact, using Treasure Data, they were able to deploy that loyalty app very quickly. Our customers get up and running within days or weeks because of our software and our service architecture and because we have all of the people doing all of that hard work behind the scenes to give you all of those capabilities as a service.
So they use our service for mobile application analytics looking at the behavior, what people are clicking on in their mobile loyalty application. They look at the website clicks and they combine that with our e-commerce and POS data to design more efficient promotions. They actually wanted to drive people into stores because they found that people, when they go into stores spend more money and I'm like that; to pick up things, you spend more money.
Another use case that we're seeing in digital video games, incredible agility. They want to see exactly what is happening in their game, and make changes to that game even within hours of its release. So for them, that real-time view is incredibly important. We just released a game but we noticed in the first hour that everyone is dropping off at Level 2; how are we going to change that? They might change that within the same day. So real time is very important. They're sending us billions of event logs per day. But that could be any kind of mobile application where you want some kind of real-time view into how somebody's using that.
And finally, a big area for us is our product behavior and sensor analytics. So with sensor data that's in cars, that's in other kinds of machines, utilities, that's another area for us, in wearable devices. We have research and development teams that want to quickly know what the impact of a change to a product is or people interested in the behavior of how people are interacting with the product. And we have a lot more use cases which, of course, we're happy to share with you.
And then finally, just show you how this can fit into your environment, we offer again the capability to collect that data. We have very unique collection technology. So again, if real-time collection is something that you're struggling with or you anticipate struggling with, please come look at the Treasure Data service. We have really made capabilities for collecting streaming data. You can also bulk load your data, store it, analyze it with our embedded query engines and then, as I mentioned, you can export it right to your data warehouse. I think Will mentioned the need to introduce big data into your existing processes. So not go around or create a new silo, but how do you make that data smaller and then move it into your data warehouse and you can connect to your BI, visualization and advanced analytics tools.
But perhaps, the key points I want to leave you with are that we are managed service, that's software as a service; it's very cost effective. A monthly subscription service starting at a few thousand dollars a month and we'll get you up and running in a matter of days or weeks. So compare that with the cost of months and months of building your own infrastructure and hiring those people and finding it and spending all that time on infrastructure. If you're experimenting or if you need something yesterday, you can get up and running really quickly with Treasure Data.
And I'm just pointing you to our website and to our starter service. If you're a hands-on person who likes to play, please check out our starter service. You can get on, no credit card required, just name and email, and you can play with our sample data, load up your own data and really get a sense of what we're talking about. So thanks so much. Also, check our website. We were named the Gartner Cool Vendor in Big Data this year, very proud of that. And you can also get a copy of that report for free on our website as well as many other analyst white papers. So thanks so much.
Eric: Okay, thank you very much. We've got some time for questions here, folks. We'll go a little bit long too because we've got a bunch of folks still on the line here. And I know I've got some questions myself, so let me go ahead and take back control and then I'm going to ask a couple of questions. Robin and Kirk, feel free to dive in as you see fit.
So let me go ahead and jump right to one of these first slides that I checked out from Pentaho. So here, I love this evolving big data architecture, can you kind of talk about how it is that this kind of fits together at a company? Because obviously, you go into some fairly large organization, even a mid-size company, and you're going to have some people who already have some of this stuff; how do you piece this all together? Like what does the application look like that helps you stitch all this stuff together and then what does the interface look like?
Will: Great question. The interfaces are a variety depending on the personas involved. But as an example, we like to tell the story of - one of the panelists mentioned the data refinery use case - we see that a lot in customers.
One of our customer examples that we talk about is Paytronix, where they have that traditional EDW data mart environment. They are also introducing Hadoop, Cloudera in particular, and with various user experiences in that. So first there's an engineering experience, so how do you wire all these things up together? How do you create the glue between the Hadoop environment and EDW?
And then you have the business user experience which we talked about, a number of BI tools out there, right? Pentaho has a more embeddable OEM BI tool but there are great ones out there like Tableau and Excel, for instance, where folks want to explore the data. But usually, we want to make sure that the data is governed, right? One of the questions in the discussions, what about single-version experience, how do you manage that, and without the technology like Pentaho data integration to blend that data together not on the glass but in the IT environments. So it really protects and governs the data and allows for a single experience for the business analyst and business users.
Eric: Okay, good. That's a good answer to a difficult question, quite frankly. And let me just ask the question to each of the presenters and then maybe Robin and Kirk if you guys want to jump in too. So I'd like to go ahead and push this slide for WebAction which I do think is really a very interesting company. Actually, I know Sami Akbay who is one of the co-founders, as well. I remember talking to him a couple years ago and saying, "Hey man, what are you doing? What are you up to? I know you've got to be working on something." And of course, he was. He was working on WebAction, under the covers here.
A question came in for you, Steve, so I'll throw it over to you, of data cleansing, right? Can you talk about these components of this real-time capability? How do you deal with issues like data cleansing or data quality or how does that even work?
Steve: So it really depends on where you're getting your feeds from. Typically, if you're getting your feeds from a database as you change data capture then, again, it depends there on how the data was entered. Data cleansing really becomes a problem when you're getting your data from multiple sources or people are entering it manually or you kind of have arbitrary texts that you have to try and pull things out of. And that could certainly be part of the process, although that type simply doesn't lend itself to true, kind of, high-speed real-time processing. Data cleansing, typically, is an expensive process.
So it may well be that that could be done after the fact in the store site. But the other thing that the platform is really, really good at is correlation, so in correlation and enrichment of data. You can, in real time, correlate the incoming data and check to see whether it matches a certain pattern or it matches data that's being retrieved from a database or Hadoop or some other store. So you can correlate it with historical data, is one thing you could do.
The other thing that you can do is basically do analysis on that data and see whether it kind of matches certain required patterns. And that's something that you can also do in real time. But the traditional kind of data cleansing, where you're correcting company names or you're correcting addresses and all those types of things, those should probably be done in the source or kind of after the fact, which is very expensive and you pray that they won't do those in real time.
Eric: Yeah. And you guys are really trying to address the, of course, the real-time nature of things but also get the people in time. And we talked about, right, I mentioned at the top of the hour, this whole window of opportunity and you're really targeting specific applications at companies where you can pull together data not going the usual route, going this alternate route and do so in such a low latency that you can keep customers. For example, you can keep people satisfied and it's interesting, when I talked to Sami at length about what you guys are doing, he made a really good point. He said, if you look at a lot of the new Web-based applications; let's look at things like Twitter, Bitly or some of these other apps; they're very different than the old applications that we looked at from, say, Microsoft like Microsoft Word.
I often use Microsoft as sort of a whipping boy and specifically Word to talk about the evolution of software. Because Microsoft Word started out as, of course, a word processing program. I'm one of those people who remember Word Perfect. I loved being able to do the reveal keys or the reveal code, basically, which is where you could see the actual code in there. You could clean something up if your bulleted list was wrong, you can clean it up. Well, Word doesn't let you do that. And I can tell you that Word embeds a mountain of code inside every page that you do. If anyone doesn't believe me, then go to Microsoft Word, type "Hello World" and then do "Export as" or "Save as" .html. Then open that document in a text editor and that will be about four pages long of codes just for two words.
So you guys, I thought it was very interesting and it's time we talked about that. And that's where you guys focus on, right, is identifying what you might call cross-platform or cross-enterprise or cross-domain opportunities to pull data together in such quick time that you can change the game, right?
Steve: Yeah, absolutely. And one of the keys that, I think, you did elude to, anyway, is you really want to know about things happening before your customers do or before they really, really become a problem. As an example are the set-top boxes. Cable boxes, they emit telemetry all the time, loads and loads of telemetry. And not just kind of the health of the box but it's what you're watching and all that kind of stuff, right? The typical pattern is you wait till the box fails and then you call your cable provider and they'll say, "Well, we will get to you sometime between the hours of 6am and 11pm in the entire month of November." That isn't a really good customer experience.
But if they could analyze that telemetry in real time then they could start to do things like that we know these boxes are likely to fail in the next week based historical patterns. Therefore we'll schedule our cable repair guy to turn up at this person's house prior to it failing. And we'll do that in a way that suits us rather than having to send him from Santa Cruz up to Sunnyvale. We'll schedule everything in a nice order, traveling salesman pattern, etc., so that we can optimize our business. And so the customer is happy because they don't have a failing cable box. And the cable provider is happy because they have just streamlined things and they don't have to send people all over the place. That's just a very quick example. But there are tons and tons of examples where knowing about things as they happen, before they happen, can save companies a fortune and really, really improve their customer relations.
Eric: Yeah, right. Hiç şüphe yok. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.
So a lot of people who followed the space know that a lot of the NoSQL tools out there are now bolting on search capabilities whether through third parties or they try to do their own. But to have that search already embedded in that, baked-in so to speak, really is a big deal. Because if you think about it, if you don't have SQL, well then how do you go in and search the data? How do you pull from that data resource? And the answer is to typically use search to get to the data that you're looking for, right?
So I think that's one of the key differentiators for you guys aside being able to pull data from all these different sources and store that data and really facilitate this sort of hybrid environment. I'm thinking that search capability is a big deal for you, right?
Frank: Yeah, absolutely. In fact, that's the only way to solve the problem consistently when you don't know what all the data is going to look like, right? If you cannot possibly imagine all the possibilities then the only way to make sure that you can locate all the information that you want, that you can locate it consistently and you can locate it regardless of how you evolve your data model and your data sets is to make sure you give people generic tools that allow them to interrogate that data. And the easiest, most intuitive way to do that is through a search paradigm, right? And through the same approach in search takes where we created an inverted index. You have entries where you can actually look into those and then find records and documents and rows that actually contain the information you're looking for to then return it to the customer and allow them to process it as they see fit.
Eric: Yeah and we talked about this a lot, but you're giving me a really good opportunity to kind of dig into it - the whole search and discovery side of this equation. But first of all, it's a lot of fun. For anyone who likes that stuff, this is the fun part, right? But the other side of the equation or the other side of the coin, I should say, is that it really is an iterative process. And you got to be able to - here I'll be using some of the marketing language - have that conversation with the data, right? In other words, you need to be able to test the hypothesis, play around with it and see how that works. Maybe that's not there, test something else and constantly change things and iterate and search and research and just think about stuff. And that's a process. And if you have big hurdles, meaning long latencies or a difficult user interface or you got to go ask IT; that just kills the whole analytical experience, right?
So it's important to have this kind of flexibility and to be able to use searches. And I like the way that you depicted it here because if we're looking at searching around different, sort of, concepts or keys, if you will, key values and they're different dimensions. You want to be able to mix and match that stuff in order to enable your analyst to find useful stuff, right?
Frank: Yeah, absolutely. I mean, hierarchy is an important thing as well, right? So that when you include something like a title, right, or a specific term or value, that you can actually point to the correct one. So if you're looking for a title of an article, you're not getting titles of books, right? Or you're not getting titles of blog posts. The ability to distinguish between those and through the hierarchy of the information is important as well.
You pointed out earlier the development, absolutely, right? The ability for our customers to actually pull in new data sources in a matter of hours, start to work with them, evaluate whether or not they're useful and then either continue to integrate them or leave them by the wayside is extremely valuable. When you compare it to a more traditional application development approach where what you end up doing is you have to figure out what data you want to ingest, source the data, figure out how you're going to fit it in your existing data model or model that in, change that data model to incorporate it and then actually begin the development, right? Where we kind of turn that on our head and say just bring it to us, allow you to start doing the development with it and then decide later whether or not you want to keep it or almost immediately whether or not it's of value.
Eric: Yeah, it's a really good point. That's a good point. So let me go ahead and bring in our fourth presenter here, Treasure Data. I love these guys. I didn't know much about them so I'm kind of kicking myself. And then Hannah came to us and told us what they were doing. And Hannah mentioned, she was a media person and she went over to the dark side.
Hannah: I did, I defected.
Eric: That's okay, though, because you know what we like in the media world. So it's always nice when a media person goes over to the vendor side because you understand, hey, this stuff is not that easy to articulate and it can be difficult to ascertain from a website exactly what this product does versus what that product does. And what you guys are talking about is really quite interesting. Now, you are a cloud-managed service. So any data that someone wants to use they upload to your cloud, is that right? And then you will ETL or CDC, additional data up to the cloud, is that how that works?
Hannah: Well, yeah. So let me make an important distinction. Most of the data, the big data, that our customers are sending us is already outside the firewall - mobile data, sensor data that's in products. And so we're often used as an interim staging area. So data is not often coming from somebody's enterprise into our service so much as it's flowing from a website, a mobile application, a product with lots of sensors in it - into our cloud environment.
Now if you'd like to enrich that big data in our environment, you can definitely bulk upload some application data or some customer data to enrich that and do more of the analytics directly in the cloud. But a lot of our value is around collecting that data that's already outside the firewall, bringing together into one place. So even if you do intend to bring this up sort of behind your firewall and do more of your advanced analytics or bring it into your existing BI or analytics environment, it's a really good staging point. Because you don't want to bring a billion rows of day into your data warehouse, it's not cost effective. It's even difficult if you're planning to store that somewhere and then batch upload.
So we're often the first point where data is getting collected that's already outside firewall.
Eric: Yeah, that's a really good point, too. Because a lot of companies are going to be nervous about taking their proprietary customer data, putting it up in the cloud and to manage the whole process.
Hannah: Yeah.
Eric: And what you're talking about is really getting people a resource for crunching those heavy duty numbers of, as you suggest, data that's third party like mobile data and the social data and all that kind of fun stuff. That's pretty interesting.
Hannah: Yeah, absolutely. And probably they are nervous about the products because the data are already outside. And so yeah, before bringing it in, and I really like that refinery term, as I mentioned, versus the lake. So can you do some basic refinery? Get the good stuff out and then bring it behind the firewall into your other systems and processes for deeper analysis. So it's really all data scientists can do, real-time data exploration of this new big data that's flowing in.
Eric: Yeah, that's right. Well, let me go ahead and bring in our analysts and we'll kind of go back in reverse order. I'll start with you, Robin, with respect to Treasure Data and then we'll go to Kirk for some of the others. And then back to Robin and back to Kirk just to kind of get some more assessment of this.
And you know the data refinery, Robin, that Hannah is talking about here. I love that concept. I've heard only a few people talking about it that way but I do think that you certainly mentioned that before. And it really does speak to what is actually happening to your data. Because, of course, a refinery, it basically distills stuff down to its root level, if you think about oil refineries. I actually studied this for a while and it's pretty basic, but the engineering that goes into it needs to be exactly correct or you don't get the stuff that you want. So I think it's a great analogy. What do you think about this whole concept of the Treasure Data Cloud Service helping you tackle some of those very specific analytical needs without having to bring stuff in-house?
Robin: Well, I mean, obviously depending on the circumstances to how convenient that is. But anybody that's actually got already made process is already going to put you ahead of the game if you haven't got one yourself. This is the first takeaway for something like that. If somebody assembled something, they've done it, it's proven in the marketplace and therefore there's some kind of value in effect, well, the work is already gone into it. And there's also the very general fact that refining of data is going to be a much bigger issue than it ever was before. I mean, it is not talked about, in my opinion anyway, it's not talked about as much as it should be. Simply apart from the fact that size of the data has grown and the number of sources and the variety of those sources has grown quite considerably. And the reliability of the data in terms of whether it's clean, they need to disambiguate the data, all sorts of issues that rise just in terms of the governance of the data.
So before you actually get around to being able to do reliable analysis on it, you know, if your data's dirty, then your results will be skewed in some way or another. So that is something that has to be addressed, that has to be known about. And the triangulator of providing, as far as I can see, a very viable service to assist in that.
Eric: Yes, indeed. Well, let me go ahead and bring Kirk back into the equation here just real quickly. I wanted to take a look at one of these other slides and just kind of get your impression of things, Kirk. So maybe let's go back to this MarkLogic slide. And by the way, Kirk provided the link, if you didn't see it folks, to some of his class discovery slides because that's a very interesting concept. And I think this is kind of brewing at the back of my mind, Kirk, as I was talking about this a moment ago. This whole question that one of the attendees posed about how do you go about finding new classes. I love this topic because it really does speak to the sort of, the difficult side of categorizing things because I've always had a hard time categorizing stuff. I'm like, "Oh, god, I can fit in five categories, where do I put it?" So I just don't want to categorize anything, right?
And that's why I love search, because you don't have to categorize it, you don't have to put it in the folder. Just search for it and you'll find it if you know how to search. But if you're in that process of trying to segment, because that's basically what categorization is, it's segmenting; finding new classes, that's kind of an interesting thing. Can you kind of speak to the power of search and semantics and hierarchies, for example, as Frank was talking about with respect to MarkLogic and the role that plays in finding new classes, what do you think about that?
Kirk: Well, first of all, I'd say you are reading my mind. Because that was what I was thinking of a question even before you were talking, this whole semantic piece here that MarkLogic presented. And if you come back to my slide, you don't have to do this, but back on the slide five on what I presented this afternoon; I talked about this semantics that the data needs to be captured.
So this whole idea of search, there you go. I firmly believe in that and I've always believed in that with big data, sort of take the analogy of Internet, I mean, just the Web, I mean having the world knowledge and information and data on a Web browser is one thing. But to have it searchable and retrievable efficiently as one of the big search engine companies provide for us, then that's where the real power of discovery is. Because connecting the search terms, sort of the user interests areas to the particular data granule, the particular webpage, if you want to think the Web example or the particular document if you're talking about document library. Or a particular customer type of segment if that's your space.
And semantics gives you that sort of knowledge layering on top of just a word search. If you're searching for a particular type of thing, understanding that a member of a class of such things can have a certain relationship to other things. Even include that sort of relationship information and that's a class hierarchy information to find things that are similar to what you're looking for. Or sometimes even the exact opposite of what you're looking for, because that in a way gives you sort of additional core of understanding. Well, probably something that's opposite of this.
Eric: Yeah.
Kirk: So actually understand this. I can see something that's opposite of this. And so the semantic layer is a valuable component that's frequently missing and it's interesting now that this would come up here in this context. Because I've taught a graduate course in database, data mining, learning from data, data science, whatever you want to call it for over a decade; and one of my units in this semester-long course is on semantics and ontology. And frequently my students would look at me like, what does this have to do with what we're talking about? And of course at the end, I think we do understand that putting that data in some kind of a knowledge framework. So that, just for example, I'm looking for information about a particular customer behavior, understanding that that behavior occurs, that's what the people buy at a sporting event. What kind of products do I offer to my customers when I notice on their social media - on Twitter or Facebook - that they say they're going to a sporting event like football, baseball, hockey, World Cup, whatever it might be.
Okay, so sporting event. So they say they're going to, let's say, a baseball game. Okay, I understand that baseball is a sporting event. I understand that's usually a social and you go with people. I understand that it's usually in an outdoor space. I mean, understanding all those contextual features, it enables sort of, more powerful, sort of, segmentation of the customer involved and your sort of personalization of the experience that you're giving them when, for example, they're interacting with your space through a mobile app while they're sitting in a stadium.
So all that kind of stuff just brings so much more power and discovery potential to the data in that sort of indexing idea of indexing data granules by their semantic place and the knowledge space is really pretty significant. And I was really impressed that came out today. I think it's sort of a fundamental thing to talk.
Eric: Yeah, it sure is. It's very important in the discovery process, it's very important in the classification process. And if you think about it, Java works in classes. It's an object oriented, I guess, more or less, you could say form of programming and Java works in classes. So if you're actually designing software, this whole concept of trying to find new classes is actually pretty important stuff in terms of the functionality you're trying to deliver. Because especially in this new wild, wooly world of big data where you have so much Java out there running so many of these different applications, you know there are 87, 000 ways or more to get anything done with a computer, to get any kind of bit of functionality done.
One of my running jokes when people say, "Oh, you can build a data warehouse using NoSQL." I'm like, "well, you could, yeah, that's true. You could also build a data warehouse using Microsoft Word." It's not the best idea, it's not going to perform very well but you can actually do it. So the key is you have to find the best way to do something.
Go ahead.
Kirk: Let me just respond to that. It's interesting you mentioned the Java class example which didn't come into my mind until you said it. One of the aspects of Java and classes and that sort of object orientation is that there are methods that bind to specific classes. And this is really the sort of a message that I was trying to send in my presentation and that once you understand some of these data granules - these knowledge nuggets, these tags, these annotations and these semantic labels - then you can bind a method to that. They basically have this reaction or this response and have your system provide this sort of automated, proactive response to this thing the next time that we see it in the data stream.
So that concept of binding actions and methods to specific class is really one of the powers of automated real-time analytics. And I think that you sort of hit on something.
Eric: Good, good, good. Well, this is good stuff. So let's see, Will, I want to hand it back to you and actually throw a question to you from the audience. We got a few of those in here too. And folks, we're going long because we want to get some of these great concepts in these good questions.
So let me throw a question over to you from one of the audience numbers who's saying, "I'm not really seeing how business intelligence is distinguishing cause and effect." In other words, as the systems are making decisions based on observable information, how do they develop new models to learn more about the world? It's an interesting point so I'm hearing a cause-and-effect correlation here, root cause analysis, and that's some of that sort of higher-end stuff in the analytics that you guys talk about as opposed to traditional BI, which is really just kind of reporting and kind of understanding what happened. And of course, your whole direction, just looking at your slide here, is moving toward that predictive capability toward making those decisions or at least making those recommendations, right? So the idea is that you guys are trying to service the whole range of what's going on and you're understanding that the key, the real magic, is in the analytical goal component there on the right.
Will: Absolutely. I think that question is somewhat peering into the future, in the sense that data science, as I mentioned before, we saw the slide with the requirements of the data scientist; it's a pretty challenging role for someone to be in. They have to have that rich knowledge of statistics and science. You need to have the domain knowledge to apply your mathematical knowledge to the domains. So what we're seeing today is there aren't these out-of-the-box predictive tools that a business user, like, could pull up in Excel and automatically predict their future, right?
It does require that advanced knowledge in technology at this stage. Now someday in the future, it may be that some of these systems, these scale-out systems become sentient and start doing some wild stuff. But I would say at this stage, you still have to have a data scientist in the middle to continue to build models, not these models. These predictive models around data mining and such are highly tuned in and built by the data scientist. They're not generated on their own, if you know what I mean.
Eric: Yeah, exactly. That's exactly right. And one of my lines is "Machines don't lie, at least not yet."
Will: Not yet, exactly.
Eric: I did read an article - I have to write something about this - about some experiment that was done at a university where they said that these computer programs learned to lie, but I got to tell you, I don't really believe it. We'll do some research on that, folks.
And for the last comment, so Robin I'll bring you back in to take a look at this WebAction platform, because this is very interesting. This is what I love about a whole space is that you get such different perspectives and different angles taken by the various vendors to serve very specific needs. And I love this format for our show because we got four really interesting vendors that are, frankly, not really stepping on each others' toes at all. Because we're all doing different bits and pieces of the same overall need which is to use analytics, to get stuff done.
But I just want to get your perspective on this specific platform and their architecture. How they're going about doing things. I find it pretty compelling. Ne düşünüyorsun?
Robin: Well, I mean, it's pointed at extremely fast results from streaming data and as search, you have to architect for that. I mean, you're not going to get away with doing anything, amateurish, as we got any of that stuff. I hear this is extremely interesting and I think that one of the things that we witnessed over the past; I mean I think you and I, our jaw has been dropping more and more over the past couple of years as we saw more and more stuff emerge that was just like extraordinarily fast, extraordinarily smart and pretty much unprecedented.
This is obviously, WebAction, this isn't its first rodeo, so to speak. It's actually it's been out there taking names to a certain extent. So I don't see but supposed we should be surprised that the architecture is fairly switched but it surely is.
Eric: Well, I'll tell you what, folks. We burned through a solid 82 minutes here. I mean, thank you to all those folks who have been listening the whole time. If you have any questions that were not answered, don't be shy, send an email to yours truly. We should have an email from me lying around somewhere. And a big, big thank you to both our presenters today, to Dr. Kirk Borne and to Dr. Robin Bloor.
Kirk, I'd like to further explore some of that semantic stuff with you, perhaps in a future webcast. Because I do think that we're at the beginning of a very new and interesting stage now. What we're going to be able to leverage a lot of the ideas that the people have and make them happen much more easily because, guess what, the software is getting less expensive, I should say. It's getting more usable and we're just getting all this data from all these different sources. And I think it's going to be a very interesting and fascinating journey over the next few years as we really dig into what this stuff can do and how can it improve our businesses.
So big thank you to Techopedia as well and, of course, to our sponsors - Pentaho, WebAction, MarkLogic and Treasure Data. And folks, wow, with that we're going to conclude, but thank you so much for your time and attention. We'll catch you in about a month and a half for the next show. And of course, the briefing room keeps on going; radio keeps on going; all our other webcast series keep on rocking and rolling, folks. Çok teşekkür ederim. We'll catch you next time. Güle güle.
