Kuinka analytiikka voi parantaa liiketoimintaa? - teknisesti jakson 2 kopio

Toimittajan huomautus: Tämä on kopio yhdestä aikaisemmasta verkkolähetyksestämme. Seuraava jakso on tulossa nopeasti, rekisteröi napsauttamalla tätä.

Eric Kavanagh: Hyvät naiset ja herrat, hei ja tervetuloa taas kerran TechWisen jaksoon 2. Kyllä, todellakin, on aika saada viisaita ihmisiä! Minulla on tänään joukko todella fiksuja ihmisiä, jotka auttavat meitä tässä pyrkimyksessä. Nimeni on tietysti Eric Kavanagh. Minä olen isäntäsi, moderaattorisi, tälle salamannopealle istunnolle. Meillä on täällä paljon sisältöä, ihmiset. Meillä on liiketoiminnassa joitain suuria nimiä, jotka ovat olleet analyytikkona avaruudessamme ja neljä mielenkiintoisinta myyjää. Joten meillä on tänään paljon hyviä toimia puhelun aikana. Ja tietysti teillä siellä yleisöllä on merkittävä rooli kysymysten esittämisessä.

Joten jälleen kerran näyttely on TechWise ja tänään aiheena on "Kuinka Analytics voi parantaa yritystä?" On selvää, että se on kuuma aihe, jossa yritetään ymmärtää erilaisia ​​analysointityökaluja, joita voit tehdä ja kuinka se voi parantaa toimintaasi, koska siinä on kyse päivän lopussa.

Joten voit nähdä itseni siellä ylhäällä, se on todella sinun. Dr. Kirk Borne, hyvä ystävä George Mason Universitystä. Hän on tietoteknikko, jolla on valtava kokemus, erittäin syvä asiantuntemus tässä tilassa ja tiedon louhinta sekä iso data ja kaikki sellainen hauska juttu. Ja tietysti, meillä on täällä Bloor-ryhmässä oma tohtori Robin Bloor, pääanalyytikko. Kuka opiskeli vakuutusmatemaatikkona monia, useita vuosia sitten. Ja hän on todella keskittynyt tähän suureen datatilaan ja analyyttiseen tilaan melko tarkoituksella viimeisen puolen vuosikymmenen ajan. On kulunut viisi vuotta siitä, kun perustimme Bloor-ryhmän sinänsä. Joten aika lentää, kun pidät hauskaa.

Kuulemme myös Pentahon pääarkkitehdilta Will Gormanilta; Steve Wilkes, WebAction-yksikön CCO; Frank Sanders, MarkLogicin tekninen johtaja; ja Hannah Smalltree, johtaja Treasure Datassa. Joten kuten olen sanonut, se on paljon sisältöä.

Joten miten analytiikka voi auttaa yritystäsi? No, kuinka se ei voi auttaa yritystäsi, rehellisesti sanottuna? On monia tapoja, joilla analytiikkaa voidaan käyttää tekemään organisaatiota parantavia asioita.

Joten tehosta toimintaa. Siitä et kuule niin paljon kuin esimerkiksi markkinoinnista tai tulojen kasvattamisesta tai jopa mahdollisuuksien tunnistamisesta. Mutta toimintojen virtaviivaistaminen on tämä, todella tehokas asia, jonka voit tehdä organisaatiollesi, koska voit tunnistaa paikat, joissa voit joko ulkoistaa jotain tai lisätä tietoja esimerkiksi tiettyyn prosessiin. Ja se voi virtaviivaistaa sitä edellyttämättä, että joku noutaa puhelimen soittaakseen tai joku sähköpostitse. On niin monia eri tapoja, joilla voit virtaviivaistaa toimintaasi. Ja kaikki tämä todella auttaa alentamaan kustannuksia, eikö niin? Se on avain, se alentaa kustannuksia. Mutta se antaa sinun myös palvella paremmin asiakkaitasi.

Ja jos mietit kuinka kärsimättömistä ihmisistä on tullut, ja näen tämän joka päivä sen suhteen, miten ihmiset ovat vuorovaikutuksessa verkossa, jopa meidän show-palvelumme, käyttämiemme palveluntarjoajien kanssa. Ihmisten kärsivällisyys, huomioväli, lyhenee päivä päivältä. Ja mitä tämä tarkoittaa, että organisaation on vastattava nopeammin ja nopeammin voidaksesi tyydyttää asiakkaasi.

Joten esimerkiksi jos joku on Webcast-sivustossasi tai selailee yrittämässä löytää jotain, jos hän turhautuu ja lähtee, saatat olla, että olet juuri kadottanut asiakkaan. Ja riippuen siitä, kuinka paljon veloitat tuotteestasi tai palvelustasi, ja ehkä se on iso juttu. Joten lopullinen asia on, että toiminnan virtaviivaistaminen on mielestäni yksi kuumin alue analytiikan soveltamiseen. Ja teet sen tarkastelemalla numeroita, murskaamalla tietoja selvittämällä esimerkiksi "Hei, miksi me menetämme niin monet ihmiset verkkosivustomme tällä sivulla?" "Miksi saamme joitain näistä puheluista juuri nyt?"

Ja mitä reaaliaikaisemmin pystyt vastaamaan tällaisiin juttuihin, sitä paremmat mahdollisuudet päästä tilanteeseen ja tehdä jotain siitä ennen kuin on liian myöhäistä. Koska siellä on se ajanjakso, jolloin joku järkyttää jotain, on tyytymätön tai yrittää löytää jotain, mutta on turhautunut; saat siellä mahdollisuuden tavoittaa heidät, tarttua heihin, olla vuorovaikutuksessa asiakkaan kanssa. Ja jos teet sen oikealla tavalla oikeilla tiedoilla tai mukavalla asiakaskuvalla - ymmärrät kuka on tämä asiakas, mikä on heidän kannattavuus, mitkä ovat heidän mieltymyksensä - jos saat todella käsitellä asiaa, aiot tehdä hieno työ pitää kiinni asiakkaista ja saada uusia asiakkaita. Ja siitä kaikki on kyse.

Joten sen kanssa aion luovuttaa sen tosiasiallisesti Kirk Bornelle, yhdelle tämän päivän puhelun datatutkijoillemme. Ja he ovat melko harvinaisia ​​nykyään, ihmiset. Meillä on kaksi heistä ainakin puhelun aikana, joten se on iso juttu. Kirk, annan sen sinulle puhuaksesi analytiikasta ja kuinka se auttaa yritystä. Anna palaa.

Dr. Kirk Borne: No, kiitos paljon, Eric. Kuuletko minua?

Eric: Hyvä on, mene eteenpäin.

Dr. Kirk: Okei, hyvä. Haluan vain kertoa, jos puhun viisi minuuttia, ja ihmiset heiluttavat kättään minuun. Joten aloitushuomautus, Eric, että olet sitoutunut todella tähän aiheeseen, aion puhua lyhyesti muutaman minuutin sisällä siitä, mistä on kyse suurten tietojen ja analyysien käytöstä tietojen tukemiseksi päätöksiin, joita tuetaan. Kommentti, jonka teit operatiivisesta virtaviivaistamisesta, kuuluu minulle eräänlaiseen operatiivisen analyysin käsitteeseen, jossa näet melkein jokaisessa sovelluksessa ympäri maailmaa, olipa kyse sitten tiedesovelluksesta, yrityksestä, tietoverkkoturvasta ja lainvalvonnasta ja hallitus, terveydenhuolto. Minkä tahansa määrän paikkoja, joissa meillä on datavirta ja teemme jonkinlaista vastausta tai päätöstä reagoidaksemme tapahtumiin ja hälytyksiin ja käyttäytymiseen, jotka näemme kyseisessä tietovirrassa.

Joten yksi niistä asioista, joista haluaisin puhua tänään, on eräänlainen, kuinka uutat tietoa ja oivalluksia suurista tiedoista päästäksesi kohtaan, jossa voimme tosiasiassa tehdä päätöksiä toimia. Ja puhumme tästä usein automatisointiyhteydessä. Ja tänään haluan sekoittaa automaation ihmisen analyytikon kanssa silmukkaan. Joten tällä tarkoitan, kun taas yritysanalyytikolla on tärkeä rooli vedonlyönnissä, karsinnassa, tiettyjen toimien validoinnissa tai koneoppimissäännöissä, jotka me poimimme tiedoista. Mutta jos saavutamme pisteeseen, jossa olemme melko varmoja luomistamme liiketoimintasäännöistä ja mekanismeista, joilla meitä hälytetään, voimme muuttaa tämän automatisoiduksi prosessiksi. Teemme todella sen operatiivisen virtaviivaistamisen, josta Eric puhui.

Joten minulla on vähän sanoja täällä, mutta toivon, että jos se toimii sinulle, puhuin D2D-haasteesta. Ja D2D, ei vain tietojen antaminen päätöksistä kaikissa tilanteissa, tarkastelemme tätä tämän dion alaosassa, toivottavasti voit nähdä sen, tehdä löytöjä ja kasvattaa tulorahoja analysointikanavamme kautta.

Joten tässä yhteydessä minulla on itse asiassa tämä markkinoijarooli täällä nyt, kun työskentelen sen kanssa; Ensimmäinen asia, jonka haluat tehdä, on karakterisoida tietosi, poimia ominaisuudet, poimia asiakkaidesi ominaisuudet tai mikä tahansa kokonaisuus, jota seuraat tilaasi. Ehkä se on potilas terveysanalytiikkaympäristössä. Ehkä se on Web-käyttäjä, jos etsit eräänlaista tietoturvaongelmaa. Mutta karakterisoi ja ota ominaispiirteet ja poimii sitten jonkinlainen konteksti kyseisestä henkilöstä, kyseisestä kokonaisuudesta. Ja sitten koot äskettäin luomasi kappaleet ja laitat ne jonkinlaiseen kokoelmaan, josta voit sitten käyttää koneoppimisalgoritmeja.

Syy, miksi sanon sen tällä tavalla, on se, että sanotaan vain, että sinulla on valvontakamera lentokentällä. Itse video on valtava, suuri määrä ja se on myös erittäin jäsentämätön. Mutta voit poimia videovalvonnasta, kasvojen biometrisistä tiedoista ja tunnistaa yksilöitä valvontakameroissa. Joten esimerkiksi lentokentällä voit tunnistaa tietyt henkilöt, voit seurata heitä lentokentän kautta tunnistamalla saman henkilön useilla valvontakameroilla. Siksi, että poimitut biometriset ominaisuudet, joita todella louhit ja seuraat, eivät ole varsinainen yksityiskohtainen video itsessään. Mutta kun olet saanut nämä otteet, voit käyttää koneoppimissääntöjä ja analysointia päättääksesi, onko sinun tehtävä toimenpide tietyssä tapauksessa vai tapahtuiko jotain väärin vai jotain, joka sinulla on mahdollisuus tehdä tarjous. Jos olet esimerkiksi, jos sinulla on kauppa lentokentällä ja näet kyseisen asiakkaan tulevan tiellesi, ja tiedät muut tiedot kyseisestä asiakkaasta, että ehkä hän oli todella kiinnostunut ostamaan tavaroita tullittomasta kaupasta tai jotain sellaista, tee tuo tarjous.

Joten millaisia ​​asioita tarkoittaisin karakterisoinnilla ja potentiaalisoinnilla? Karakterisoinnilla tarkoitan jälleen kerran ominaisuuksien ja ominaisuuksien poimimista tiedoista. Ja tämä voidaan joko koneella luoda, niin sen algoritmit voivat tosiasiassa poimia esimerkiksi biometriset allekirjoitukset video- tai tuntemusanalyysistä. Voit poimia asiakkaiden mielipiteet verkkoarvioiden tai sosiaalisen median kautta. Jotkut näistä asioista voivat olla ihmisen luomia, joten yritys, analyytikko, voi poimia lisäominaisuuksia, jotka esitän seuraavassa diassa.

Jotkut näistä voivat olla yleislähteisiä. Ja joukkolähteiden avulla voit ajatella sitä paljon eri tavoilla. Mutta hyvin yksinkertaisesti, esimerkiksi, käyttäjät tulevat verkkosivustollesi ja lisäävät hakusanoja, avainsanoja, ja päätyvät tietylle sivulle ja käyttävät siellä tosiasiallisesti aikaa. Että he ainakin ymmärtävät, että he joko katselevat, selaavat ja napsauttavat sivun asioita. Se mitä sanoo sinulle on, että avainsana, jonka he kirjoittivat alussa, on kyseisen sivun kuvaus, koska se laski asiakkaan heille odotettavalle sivulle. Ja niin voit lisätä tuon lisätiedon, eli asiakkaat, jotka käyttävät tätä avainsanaa, tunnistivat tämän verkkosivun tietoarkkitehtuurissamme paikkana, jossa kyseinen avainsana vastaava sisältö.

Ja siten joukkoliikenteen hankinta on toinen näkökohta, jonka ihmiset joskus unohtaa, niin sanoakseni asiakkaiden leivänmurujen jäljittämistä; kuinka he liikkuvat tilansa läpi, onko kyse verkko- tai kiinteistöstä. Ja käytä sitten sellaista polkua, jota asiakas käyttää lisätietoina asioista, joita katsomme.

Joten haluan sanoa, että ihmisen luomilla asioilla tai koneella luotuilla asioilla oli konteksti, joka merkitsi sellaisia ​​merkintöjä tai merkintöjä tietyille datarakeille tai yksiköille. Olipa kyseisistä yksiköistä potilaita sairaalassa, asiakkaita vai mitä tahansa. Ja niin on olemassa erityyppisiä merkintöjä ja merkintöjä. Jotkut siitä koskevat itse tietoja. Se on yksi niistä asioista, millaista tietoa, millaista tietoa, mitkä ovat piirteet, muodot, ehkä tekstuurit ja kuviot, poikkeavuudet, ei-epänormaali käyttäytyminen. Ja sitten poimia semantiikkaa, eli miten tämä liittyy muihin tuntemiini asioihin tai onko tämä asiakas elektroniikan asiakas. Tämä asiakas on vaatevaate-asiakas. Tai tämä asiakas haluaa ostaa musiikkia.

Joten tunnistaakseen jonkin verran semantiikkaa, nämä musiikkia rakastavat asiakkaat pitävät yleensä viihdestä. Ehkä voisimme tarjota heille muita viihdekohteita. Joten ymmärrät semantiikan ja myös jonkin alkuperän, joka sanoo pohjimmiltaan: mistä tämä tuli, kuka antoi tämän väitteen, milloin, mihin aikaan, missä olosuhteissa?

Joten kun sinulla on kaikki nämä huomautukset ja luonnehdinnat, lisää siihen seuraavaan vaiheeseen, joka on konteksti, lajitellaan kuka, mitä, milloin, missä ja miksi siitä. Kuka on käyttäjä? Mikä kanava he olivat? Mikä oli tietolähde? Millaisia ​​uudelleenkäyttöjä olemme nähneet tässä tietyt tiedot tai datatuotteet? Ja mikä on, se on eräänlainen arvo liiketoimintaprosessissa? Ja sitten kerätä nuo asiat ja hallita niitä, ja tosiasiallisesti auttaa luomaan tietokantaa, jos haluat ajatella sitä tällä tavalla. Tee niistä hakuja, uudelleenkäytettäviä muiden liiketoimintaanalyytikkojen tai automaattisen prosessin avulla, joka seuraavan kerran, kun näen nämä ominaisuusjoukot, järjestelmä voi toteuttaa tämän automaattisen toiminnan. Ja niin pääsemme sellaiseen operatiiviseen analyyttiseen tehokkuuteen, mutta mitä enemmän keräämme hyödyllistä, kattavaa tietoa ja sitten kuratoimme sitä näitä käyttötapauksia varten.

Aloitamme liiketoimintaa. Teemme data-analytiikkaa. Etsimme mielenkiintoisia malleja, yllätyksiä, uutuuden poikkeavuuksia, poikkeavuuksia. Etsimme uusia luokkia ja segmenttejä väestöstä. Etsimme assosiaatioita, korrelaatioita ja linkkejä eri yksiköiden välillä. Ja sitten käytämme kaikkea tätä ohjaamaan löytö-, päätöksenteko- ja dollarinvalmistusprosessiamme.

Joten taas, täällä meillä on viimeisin tietokanta, jonka minulla on, vain periaatteessa yhteenveto, pitäen liiketalyytikko analyysissa, jälleen kerran, et ole poimimassa sitä ihmistä ja on tärkeää pitää tämä ihminen siellä.

Joten nämä ominaisuudet, ne kaikki tarjoavat koneet tai ihmisanalyytikot tai jopa joukkotoiminta. Sovellemme tätä asioiden yhdistelmää parantaaksemme mallejamme varten tarkoitettuja koulutuskokonaisuuksiamme ja saadaksemme tarkempia ennustemalleja, vähemmän vääriä positiivisia ja negatiivisia, tehokkaampaa käyttäytymistä, tehokkaampia interventioita asiakkaidemme kanssa tai kenen tahansa kanssa.

Joten päivän päätteeksi yhdistämme todella vain koneoppimista ja suurta dataa tähän ihmisen kognitiivisen voiman kanssa, missä tämäntyyppinen merkintämerkintökappale tulee. Ja se voi johtaa visualisointiin ja visuaaliseen analytiikkatyyppiin työkaluja tai syventäviä tietoympäristöjä tai joukkovaihtoa. Ja päivän päätteeksi se, mitä tämä todella tekee, tuottaa löytömme, oivalluksemme ja D2D: n. Ja nämä ovat kommenttini, joten kiitos kuuntelusta.

Eric: Hei, se kuulostaa hyvältä ja anna minun mennä eteenpäin ja luovuttaa avaimet tohtori Robin Bloorille antaakseen myös hänen näkemyksensä. Joo, haluaisin kuulla teidän kommentoivan sitä toimintakonseptin virtaviivaistamista ja puhutte operatiivisesta analytiikasta. Mielestäni tämä on iso alue, jota on tutkittava melko perusteellisesti. Ja luulen, todella nopeasti ennen Robinia, tuon sinut takaisin sisään, Kirk. Se vaatii, että sinulla on melko merkittävää yhteistyötä yrityksen eri toimijoiden välillä, eikö niin? Sinun on puhuttava operaatioiden kanssa; Sinun on hankittava tekniset ihmiset. Joskus saat markkinointisi tai verkkoliittymäsi ihmiset. Nämä ovat tyypillisesti erilaisia ​​ryhmiä. Onko sinulla parhaita käytäntöjä tai ehdotuksia siitä, kuinka saada jokainen laittamaan ihonsa peliin?

Dr. Kirk: No, mielestäni tämä liittyy yhteistyön yrityskulttuuriin. Itse asiassa puhun kolmesta C: n tyyppisestä analyysikulttuurista. Yksi on luovuus; toinen on uteliaisuus ja kolmas on yhteistyö. Joten haluat luovia, vakavia ihmisiä, mutta sinun on myös saatava nämä ihmiset tekemään yhteistyötä. Ja se todella alkaa ylhäältä, sellaisesta kulttuurin rakentamisesta ihmisille, joiden tulisi avoimesti jakaa ja työskennellä yhdessä yrityksen yhteisten tavoitteiden saavuttamiseksi.

Eric: Kaikella on järkeä. Ja sinun täytyy todella saada hyvä johtajuus huipulla, jotta se tapahtuisi. Joten mennään eteenpäin ja annamme sen tohtori Bloorille. Robin, lattia on sinun.

Dr. Robin Bloor: Okei. Kiitos johdannosta, Eric. Okei, tapa, jolla nämä pannuivat ulos, nämä osoittavat, koska meillä on kaksi analyytikkoa; Saan nähdä analyytikon esityksen, jota muut kaverit eivät. Tiesin mitä Kirk aikoo sanoa, ja menen vain täysin eri näkökulmaan, jotta emme mene liian paljon päällekkäisyyksiä.

Joten mistä tosiasiallisesti puhun tai aion puhua täällä, on tietoanalyytikon rooli verrattuna yrityanalyytikon rooliin. Ja tapa, jolla luonnehdin sitä hyvin, kieli-poskessa tietyssä määrin, on tavallaan Jekyll- ja Hyde-asia. Ero on nimenomaan tiedemiesten ainakin teoriassa tietävän mitä he tekevät. Vaikka yritysanalyytikot eivät ole niin, okei matematiikan toimintatapojen kanssa, mihin voi luottaa ja mitä ei voida luottaa.

Joten katsotaanpa vain syynä siihen, että teemme tämän, syy siihen, että tietojen analysoinnista on yhtäkkiä tullut iso juttu, lukuun ottamatta sitä tosiasiaa, että voimme tosiasiallisesti analysoida erittäin suuria määriä tietoja ja vetää tietoja organisaation ulkopuolelta; onko se maksaa. Tapa, jolla tarkastelen tätä - ja mielestäni tästä on vain tulossa tapaus, mutta luulen ehdottomasti, että se on tapaus - tietojen analysointi on todella yritystoimintaa koskevaa tutkimusta ja kehitystä. Se, mitä tosiasiallisesti teet tietojen analysoinnilla, on se, että tarkastellaan liiketoimintaprosessia yhdellä tavalla tai onko kyse vuorovaikutuksesta asiakkaan kanssa, onko kyseessä jälleenmyyntitapahtumasi, tapa, jolla käytät kauppoihisi. Sillä ei ole väliä mikä asia on. Tarkastelet tiettyä liiketoimintaprosessia ja yrität parantaa sitä.

Menestyvän tutkimuksen ja kehityksen tulos on muutosprosessi. Ja voit ajatella valmistamista, jos haluat, tavalliseksi esimerkiksi tästä. Koska valmistuksessa ihmiset keräävät tietoa kaikesta yrittääkseen parantaa valmistusprosessia. Mutta luulen, että mitä tapahtui tai mitä tapahtuu suurilla tiedoilla, kaikki tämä on nyt sovellettu kaikenlaisiin yrityksiin kaikilla tavoilla, joista kuka tahansa voi ajatella. Joten kaikki liiketoimintaprosessit ovat siis tutkittavaksi, jos voit kerätä tietoja niistä.

Joten se on yksi asia. Jos haluat, kyse on tietojen analysoinnista. Mitä data-analytiikka voi tehdä yritykselle? No, se voi muuttaa yritystä kokonaan.

Tämä erityinen kaavio, jota en aio kuvata tarkemmin, mutta tämä on kaavio, jonka keksimme tämän vuoden kuuden ensimmäisen kuukauden aikana tekemämme tutkimushankkeen huipentumaksi. Tämä on tapa edustaa suurta dataarkkitehtuuria. Ja joukko asioita, jotka kannattaa tuoda esiin ennen kuin siirryn seuraavaan diaan. Täällä on kaksi tietovirtaa. Yksi on reaaliaikainen tietovirta, joka kulkee kaavion yläosassa. Toinen on hitaampi datavirta, joka kulkee kaavion alaosaa pitkin.

Katso kaavion alareunasta. Meillä on Hadoop tietovarasto. Meillä on erilaisia ​​tietokantoja. Meillä on siellä kokonainen data, ja siinä tapahtuu joukko toimintaa, joista suurin osa on analyyttistä toimintaa.

Totean täällä ja ainoa asia, jonka todella haluan tuoda esiin, on, että tekniikka on kovaa. Se ei ole yksinkertaista. Se ei ole helppoa. Se ei ole jotain, joka kuka tahansa pelin uusi voi itse asiassa vain koota. Tämä on melko monimutkaista. Ja jos aiot suunnitella yritystä luotettavan analytiikan tekemiseksi kaikissa näissä prosesseissa, se ei ole jotain, jota tapahtuu erityisesti nopeasti. Sekoitukseen tarvitaan paljon tekniikkaa.

Okei. Kysymykseen mikä on datatieteilijä, voisin väittää olevani tietoteknikko, koska olen oikeasti koulutettu tilastoihin, ennen kuin minua ei koskaan koulutettu tietojenkäsittelyyn. Ja tein vakuutusmatemaattista työtä tietyn ajan, joten tiedän tavan, jonka yritys järjestää, tilastollisen analyysin, myös itsensä johtamiseksi. Tämä ei ole triviaalia. Ja siellä on uskomattoman paljon parhaita käytäntöjä, jotka liittyvät sekä ihmisiin että tekniikkaan.

Joten esittäessään kysymyksen "mikä on tietotekijä", olen esittänyt Frankensteinin kuvan yksinkertaisesti siksi, että se on yhdistelmä asioita, jotka on neulottava yhteen. Projektinhallinta on mukana. Tilastoissa on syvää ymmärrystä. Toimialueyritysten asiantuntemusta on, joka on välttämättä enemmän liike-elämän analyytikon kuin tietotekijän ongelma. Siellä on kokemusta tai tarve ymmärtää tietoarkkitehtuuri ja pystyä rakentamaan tietoarkkitehti ja mukana on ohjelmistosuunnittelu. Toisin sanoen, se on todennäköisesti joukkue. Se ei luultavasti ole henkilö. Ja se tarkoittaa, että se on todennäköisesti osasto, joka on organisoitava ja sen organisaatiota on ajateltava melko laajasti.

Heittämällä sekoitukseen koneoppimisen tosiasia. Emme voineet tehdä, tarkoitan, koneoppiminen ei ole uutta siinä mielessä, että suurin osa koneoppimisessa käytetyistä tilastollisista tekniikoista on ollut tiedossa jo vuosikymmenien ajan. On olemassa muutamia uusia asioita, tarkoitan, että hermostoverkot ovat suhteellisen uusia, mielestäni ne ovat vain noin 20 vuotta vanhoja, joten osa niistä on suhteellisen uusi. Koneoppimisessa ongelma oli kuitenkin se, että meillä ei oikeastaan ​​ollut tietokonevoimaa siihen. Ja mitä tapahtui, lukuun ottamatta mitään muuta, on se, että tietokoneen virta on nyt paikoillaan. Ja se tarkoittaa hirvittävää paljon siitä, mitä me, esimerkiksi tietoteknikot, olemme tehneet aiemmin mallinnettaessa tilanteita, näytteenottoa ja sitten lajittelua tietojen syvemmälle analysoimiseksi. Itse asiassa voimme vain heittää tietokoneen tehoa siihen joissakin tapauksissa. Valitse vain koneoppimisalgoritmit, heitä se tietoihin ja katso mitä tulee ulos. Ja se on asia, jonka yritysanalyytikko voi tehdä, eikö niin? Mutta yritysanalyytikon on ymmärrettävä, mitä he tekevät. Tarkoitan, että mielestäni asia on todellakin enemmän kuin mikään muu.

No, tämä on vain tietää enemmän liiketoimintaa sen tiedoista kuin millään muulla tavalla. Einstein ei sanonut sitä, minä sanoin sen. Laitoin hänen kuvansa uskottavuuteen. Mutta tosiasiassa alkaa kehittyä tilanne, jossa tekniikka, jos sitä käytetään oikein, ja matematiikka, jos sitä käytetään oikein, pystyvät johtamaan yritystä kuin mikä tahansa henkilö. Olemme seuranneet tätä IBM: n kanssa. Ensinnäkin se voisi voittaa parhaat shakit shakissa ja sitten se voittaa parhaat kaverit Jeopardyssa; mutta lopulta pystymme voittamaan parhaat johtajat yrityksen johtamisessa. Tilastot lopulta voittivat. Ja on vaikea nähdä, kuinka sitä ei tapahdu, sitä ei vain ole vielä tapahtunut.

Joten mitä sanon, ja tämä on eräänlainen täydellinen viesti esityksestäni, ovat nämä kaksi liiketoiminnan kysymystä. Ensimmäinen on, voitko saada tekniikan oikein? Voitko saada teknologian toimimaan joukkueelle, joka todella aikoo toimia sen johtajana ja saada hyötyä yritykselle? Ja sitten toiseksi, saatko ihmiset oikealle? Ja nämä molemmat ovat kysymyksiä. Ja he ovat asioita, joita ei tähän mennessä ole sanottu ratkaistavan.

Okei Eric, annan sen takaisin sinulle. Tai minun pitäisi ehkä välittää se Willille.

Eric: Oikeastaan, kyllä. Kiitos, Will Gorman. Kyllä, sinä menet, Will. Joten katsotaanpa. Annan sinulle avaimen WebExiin. Joten mitä olet menossa? Pentaho, tietysti, te, kaverit, olette olleet jonkin aikaa ja avoimen lähdekoodin BI: n tyyppisiä, missä aloititte. Mutta sinulla on paljon enemmän kuin sinulla oli aiemmin, joten katsotaan, mitä sait nykyään analytiikkaan.

Will Gorman: Ehdottomasti. Hei kaikki! Nimeni on Will Gorman. Olen Pentahon pääarkkitehti. Niille teistä, jotka eivät ole kuulleet meistä, mainitsin juuri Pentaho on iso tietojen integrointi- ja analytiikkayritys. Olemme toimineet kymmenen vuotta. Tuotteemme ovat kehittyneet rinnakkain suuren datayhteisön kanssa, aloittaen avoimen lähdekoodin tieto integraatio- ja analytiikkaalustana, innovaatioina Hadoopin ja NoSQL-tekniikan kaltaisella tekniikalla jo ennen kaupallisten yksiköiden muodostumista kyseisen tekniikan ympärille. Ja nyt meillä on yli 1500 kaupallista asiakasta ja monia muita tuotanto-tapaamisia avoimen lähdekoodin ympärillä tapahtuvan innovaatiomme seurauksena.

Arkkitehtuurimme on erittäin upotettavissa ja laajennettavissa, tarkoitukseen rakennettu joustavaksi, koska etenkin iso tietotekniikka kehittyy erittäin nopeasti. Pentaho tarjoaa kolme päätuotealuetta, jotka toimivat yhdessä suurten tietoanalyysien käyttötapausten ratkaisemiseksi.

Ensimmäinen tuote arkkitehtuurimme laajuudessa on Pentaho Data Integration, joka on suunnattu tietoteknikolle ja tietotekniikan suunnittelijoille. Tämä tuote tarjoaa visuaalisen, vetämällä ja pudottamalla -kokemuksen dataputkien ja prosessien määrittelemiseksi tietojen järjestämiseksi suurissa tietoympäristöissä ja myös perinteisissä ympäristöissä. Tämä tuote on Java: lle rakennettu kevyt metatietokanta, tietointegraatioalusta, jota voidaan käyttää prosessina MapReduce- tai YARN- tai Storm-ohjelmissa sekä monissa muissa erä- ja reaaliaikaisissa alustoissa.

Toinen tuotealueemme on visuaalisen analyysin ympärillä. Tällä tekniikalla organisaatiot ja OEM-valmistajat voivat tarjota rikas vetämällä ja pudottamalla visualisointi- ja analytiikkakokemuksen liike-elämän analyytikoille ja käyttäjille nykyaikaisilla selaimilla ja tablet-laitteilla, mikä mahdollistaa raporttien ja kojetaulujen tilapäisen luomisen. Sekä pikselitäydellisen kojelaudan ja raporttien esittely.

Kolmas tuotealueemme keskittyy ennustavaan analytiikkaan, joka on suunnattu tietotekijöille, koneoppimisalgoritmeille. Kuten aiemmin mainittiin, kuten hermoverkot ja vastaavat, ne voidaan sisällyttää tietojen muuntamisympäristöön, jolloin tiedemiehet voivat siirtyä mallinnuksesta tuotantoympäristöön, antaa pääsyn ennustaa ja mikä voi vaikuttaa liiketoimintaprosesseihin hyvin välittömästi, hyvin nopeasti.

Kaikki nämä tuotteet on integroitu tiukasti yhteen ketterään kokemukseen ja antavat yritysasiakkaillemme joustavuutta, jota he tarvitsevat liiketoimintaongelmiensa ratkaisemiseksi. Näemme nopeasti kehittyvän maastotiedon perinteisessä tekniikassa. Kaikki, mitä kuulemme joiltakin suurten datatilojen yrityksiltä, ​​että EDW on lähellä loppua. Itse asiassa se, mitä näemme yritysasiakkaissamme, on heidän tarvitse tuoda iso data olemassa oleviin liiketoiminta- ja IT-prosesseihin eikä korvata niitä.

Tämä yksinkertainen kaavio näyttää usein havaittavan arkkitehtuurin pisteen, joka on eräänlainen EDW-käyttöönottoarkkitehtuuri, jossa on tietojen integrointi ja BI-käyttötapaukset. Nyt tämä kaavio on samanlainen kuin Robinin dia iso dataarkkitehtuurissa, se sisältää reaaliaikaisen ja historiallisen datan. Kun uusia tietolähteitä ja reaaliaikaisia ​​vaatimuksia ilmenee, näemme isotiedot lisäosana yleistä IT-arkkitehtuuria. Nämä uudet tietolähteet sisältävät koneella tuotetun datan, jäsentämättömän datan, vakiona olevan äänenvoimakkuuden ja nopeuden sekä monenlaisia ​​vaatimuksia, joista kuulemme isoissa tiedoissa; ne eivät sovi perinteisiin EDW-prosesseihin. Pentaho tekee tiivistä yhteistyötä Hadoopin ja NoSQL: n kanssa yksinkertaistaakseen näiden tietojen käyttöä, tietojenkäsittelyä ja visualisointia sekä sekoittamalla näitä tietoja perinteisiin lähteisiin, jotta asiakkaat saavat täydellisen kuvan heidän tietoympäristöstään. Teemme tämän hallitusti, jotta IT voi tarjota täyden analytiikkaratkaisun heidän liiketoimintalinjalleen.

Lopuksi haluaisin korostaa filosofiamme, joka liittyy isojen tietojen analysointiin ja integraatioon; Uskomme, että nämä tekniikat toimivat paremmin yhdessä yhtenäisen arkkitehtuurin kanssa, mikä mahdollistaa useat käyttötapaukset, jotka muuten eivät olisi mahdollisia. Asiakkaidemme tietoympäristöt ovat muutakin kuin vain suurta dataa, Hadoop ja NoSQL. Kaikki tiedot ovat reilua peliä. Ja suurten tietolähteiden on oltava käytettävissä ja toimittava yhdessä vaikuttaakseen yrityksen arvoon.

Lopuksi uskomme, että näiden liiketoimintaongelmien ratkaisemiseksi yrityksissä erittäin tehokkaasti datan avulla IT: n ja toimialojen on työskenneltävä yhdessä hallitun, sekoitetun lähestymistavan avulla big data -analytiikkaan. No, kiitos paljon siitä, että annoit meille aikaa puhua, Eric.

Eric: Voit lyö vetoa. Ei, se on hyvää. Haluan palata takaisin arkkitehtuurisi sille puolelle, kun pääsemme kysymyksiin ja vastauksiin. Joten siirrytään läpi muun esityksen ja kiitos siitä paljon. Te kaverit ehdottomasti olette siirtyneet nopeasti parin viime vuoden aikana, minun on sanottava, että varmasti.

Joten Steve, anna minun mennä eteenpäin ja luovuttaa se sinulle. Napsauta vain alaspäin osoittavaa nuolta ja etsi se. Joten Steve, annan sinulle avaimet. Steve Wilkes, napsauta vain kaukana olevaa nuolta siellä näppäimistöllä.

Steve Wilkes: Siellä me menemme.

Eric: Mene sinä.

Steve: Se on hieno esittely, jonka olet kuitenkin antanut minulle.

Eric: Kyllä.

Steve: Joten olen Steve Wilkes. Olen CA WebActionissa. Olemme olleet olemassa vain parin viime vuoden ajan ja olemme ehdottomasti myös liikkuneet nopeasti siitä lähtien. WebAction on reaaliaikainen big data -analyysialusta. Eric mainitsi aiemmin, eräänlaisena, kuinka tärkeä reaaliaika on ja kuinka reaaliaikaiset sovelluksesi saavat. Alustamme on suunniteltu rakentamaan reaaliaikaisia ​​sovelluksia. Ja mahdollistaa seuraavan sukupolven tietopohjaisia ​​sovelluksia, joihin voidaan rakentaa asteittain, ja jotta ihmiset voivat rakentaa kojetauluja kyseisten sovellusten tuottamasta tiedosta, mutta keskittyen reaaliaikaan.

Alustamme on oikeastaan ​​täydellinen päästä päähän -alusta, joka tekee kaiken tiedonkeruusta, tietojenkäsittelystä aina tietojen visualisointiin asti. Ja antaa yrityksellemme useiden erityyppisten ihmisten mahdollisuuden työskennellä yhdessä luomaan todellisia reaaliaikaisia ​​sovelluksia, antaen heille käsityksen asioista, joita heidän yrityksessään tapahtuu, kuten ne tapahtuivat.

Ja tämä on hiukan erilainen kuin se, mitä useimmat ihmiset ovat nähneet isoissa tiedoissa, joten perinteisen lähestymistavan - no, perinteisen parin viime vuoden ajan - lähestymistapana big data on ollut kaapata se joukosta erilaisia ​​lähteitä ja kaada se sitten suureen säiliöön tai järveen tai mihin tahansa haluat kutsua sitä. Ja sitten käsittele se, kun joudut suorittamaan kyselyn siihen; suorittaa laajamittainen historiallinen analyysi tai jopa vain ad hoc -kysely suurille tietomäärille. Nyt se toimii tietyissä käyttötapauksissa. Mutta jos haluat olla aktiivinen yrityksessäsi, jos haluat tosiasiallisesti kertoa mitä tapahtuu sen sijaan, että saisit tietää, milloin jotain meni pieleen päivän lopussa tai viikon lopulla, sinun on todella muutettava reaaliaikaan.

Ja se kääntää asiat vähän ympäri. Se siirtää käsittelyn keskelle. Niin tehokkaasti otatkin ne suuret tietomäärät, joita jatkuvasti syntyy yrityksessä, ja käsittelet niitä, kun saat sen. Ja koska käsittelet sitä niin kuin tarvitset, sinun ei tarvitse tallentaa kaikkea. Voit vain tallentaa tärkeät tiedot tai asiat, jotka sinun täytyy muistaa, että todella tapahtui. Joten jos seuraat tiellä liikkuvien ajoneuvojen GPS-sijaintia, et oikein välitä siitä, missä ne ovat joka sekunti, sinun ei tarvitse tallentaa, missä ne ovat joka sekunti. Sinun täytyy vain välittää, ovatko he poistaneet tältä paikalta? Ovatko he saapuneet tähän paikkaan? Ovatko he ajaneet moottoritielle vai eivät?

Joten on todella tärkeää ottaa huomioon, että kun yhä enemmän tietoja syntyy, niin kolme Vs. Nopeus määrittelee periaatteessa kuinka paljon dataa syntyy päivittäin. Mitä enemmän tietoja syntyy, sitä enemmän sinun on tallennettava. Ja mitä enemmän sinun on tallennettava, sitä kauemmin käsittely kestää. Mutta jos pystyt käsittelemään sen niin kuin saat sen, niin saat todella suuren hyödyn ja voit reagoida siihen. Voit sanoa, että asiat tapahtuvat sen sijaan, että joudut etsimään niitä myöhemmin.

Joten alustamme on suunniteltu erittäin skaalautuvaksi. Sillä on kolme suurta kappaletta - hankintakappale, prosessointipaikka ja sitten alustan toimituksen visualisointipalat. Hankintapuolella emme tarkastele vain koneella tuotettuja lokitietoja, kuten Web-lokit tai sovellukset, joissa on kaikki muut luodut lokit. 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. Kiitos.

Eric: Yes, indeed. Great job. Okay good. And now next stop in our lightning round, we've got Frank Sanders calling in from MarkLogic. I've known about these guys for a number of years, a very, very interesting database technology. So Frank, I'm turning it over to you. Just click anywhere in that. Use the down arrow on your keyboard and you're off to the races. Ole hyvä.

Frank Sanders: Thank you very much, Eric. So as Eric mentioned, I'm with a company called MarkLogic. And what MarkLogic does is we provide an enterprise NoSQL database. And perhaps, the most important capability that we bring to the table with regards to that is the ability to actually bring all of these disparate sources of information together in order to analyze, search and utilize that information in a system similar to what you're used to with traditional relational systems, right?

And some of the key features that we bring to the table in that regard are all of the enterprise features that you'd expect from a traditional database management system, your security, your HA, your DR, your backup are in store, your asset transactions. As well as the design that allows you to scale out either on the cloud or in the commodity hardware so that you can handle the volume and the velocity of the information that you're going to have to handle in order to build and analyze this sort of information.

And perhaps, the most important capability is that fact that we're scheme agnostic. What that means, practically, is that you don't have to decide what your data is going to look like when you start building your applications or when you start pulling those informations together. But over time, you can incorporate new data sources, pull additional information in and then use leverage and query and analyze that information just as you would with anything that was there from the time that you started the design. Okay?

So how do we do that? How do we actually enable you to load different sorts of information, whether it be text, RDF triples, geospatial data, temporal data, structured data and values, or binaries. And the answer is that we've actually built our server from the ground up to incorporate search technology which allows you to put information in and that information self describes and it allows you to query, retrieve and search that information regardless of its source or format.

And what that means practically is that - and why this is important when you're doing analysis - is that analytics and information is most important ones when it's properly contextualized and targeted, right? So a very important key part of any sort of analytics is search, and the key part is search analytics. You can't really have one without the other and successfully achieve what you set out to achieve. Oikea?

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. Okei. 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?" Okei.

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. Oikea? And that's all well and good. But what the OECD has done is they've gone a step further.

In addition to these beautiful visualizations and pulling all these information together, they're actually allowing you in real time to create your own better life index, right, which you can see on the right-hand side. So what you have there is you have a set of sliders that actually allow you to do things like rank how important housing is to you or income, jobs, community, education, environment, civic engagement, health, life satisfaction, safety and your work/life balance. And dynamically based on how you are actually inputting that information and weighting those things, MarkLogic's using its real-time indexing capability and query capability to actually then change how each and every one of these countries is ranked to give you an idea of how well your country or your lifestyle maps through a given country. Okay?

And the final example that I'm going to share is MarkMail. And what MarkMail really tries to demonstrate is that we can provide these capabilities and you can do the sort of analysis not only on structured information or information that's coming in that's numerical but actually on more loosely structured, unstructured information, right? Things like emails. And what we've seen here is we're actually pulling information like geolocation, sender, company, stacks and concepts like Hadoop being mentioned within the context of an email and then visualizing it on the map as well as looking at who those individuals and what list across that, a sent and a date. This where you're looking at things that are traditionally not structured, that may be loosely structured, but are still able to derive some structured analysis from that information without having to go to a great length to actually try and structure it or process it at a time. And that's it.

Eric: Hey, okay good. And we got one more. We've got Hannah Smalltree from Treasure Data, a very interesting company. And this is a lot of great content, folks. Thank you so much for all of you for bringing such good slides and such good detail. So Hannah, I just gave the keys to you, click anywhere and use the down arrow on your keyboard. You got it. Ota se pois.

Hannah Smalltree: Thank you so much, Eric. This is Hannah Smalltree from Treasure Data. I'm a director with Treasure Data but I have a past as a tech journalist, which means that I appreciate two things. First of all, these can be long to sit through a lot of different descriptions of technology, and it can all sound like it runs together so I really want to focus on our differentiator. And the real-world applications are really important so I appreciate that all of my peers have been great about providing those.

Treasure Data is a new kind of big data service. We're delivered entirely on the cloud in a software as a service or managed-service model. So to Dr. Bloor's point earlier, this technology can be really hard and it can be very time consuming to get up and running. With Treasure Data, you can get all of these kinds of capabilities that you might get in a Hadoop environment or a complicated on-premise environment in the cloud very quickly, which is really helpful for these new big data initiatives.

Now we talk about our service in a few different phases. We offer some very unique collection capabilities for collecting streaming data so particularly event data, other kinds of real-time data. We'll talk a little bit more about those data types. That is a big differentiator for our service. As you get into big data or if you are already in it then you know that collecting this data is not trivial. When you think about a car with 100 sensors sending data every minute, even those 100 sensors sending data every ten minutes, that adds up really quickly as you start to multiply the amount of products that you have out there with sensors and it quickly becomes very difficult to manage. So we are talking with customers who have millions, we have customers who have billions of rows of data a day that they're sending us. And they're doing that as an alternative to try and to manage that themselves in a complicated Amazon infrastructure or even try to bring it into their own environment.

We have our own cloud storage environment. We manage it. We monitor it. We have a team of people that's doing all that tuning for you. And so the data flows in, it goes into our managed storage environment.

Then we have embedded query engines so that your analyst can go in and run queries and do some initial data discovery and exploration against the data. We have a couple of different query engines for it actually now. You can use SQL syntax, which your analysts probably know and love, to do some basic data discovery, to do some more complex analytics that are user-defined functions or even to do things as simple as aggregate that data and make it smaller so that you can bring it into your existing data warehouse environment.

You can also connect your existing BI tools, your Tableau, is a big partner of ours; but really most BIs, visualization or analytics tools can connect via our industry standard JDBC and ODBC drivers. So it gives you this complete set of big data capabilities. You're allowed to export your queries results or data sets anytime for free, so you can easily integrate that data. Treat this as a data refinery. I like to think of it more as a refinery than a lake because you can actually do stuff with it. You can go through, find the valuable information and then bring it into your enterprise processes.

The next slide, we talk about the three Vs of big data - some people say four or five. Our customers tend to struggle with the volume and velocity of the data coming at them. And so to get specific about the data types - Clickstream, Web access logs, mobile data is a big area for us, mobile application logs, application logs from custom Web apps or other applications, event logs. And increasingly, we have a lot of customers dealing with sensor data, so from wearable devices, from products, from automotive, and other types of machine data. So when I say big data, that's the type of big data that I'm talking about.

Now, a few use cases in perspective for you - we work with a retailer, a large retailer. They are very well known in Asia. They're expanding here in the US. You'll start to see stores; they're often called Asian IKEA, so, simple design. They have a loyalty app and a website. And in fact, using Treasure Data, they were able to deploy that loyalty app very quickly. Our customers get up and running within days or weeks because of our software and our service architecture and because we have all of the people doing all of that hard work behind the scenes to give you all of those capabilities as a service.

So they use our service for mobile application analytics looking at the behavior, what people are clicking on in their mobile loyalty application. They look at the website clicks and they combine that with our e-commerce and POS data to design more efficient promotions. They actually wanted to drive people into stores because they found that people, when they go into stores spend more money and I'm like that; to pick up things, you spend more money.

Another use case that we're seeing in digital video games, incredible agility. They want to see exactly what is happening in their game, and make changes to that game even within hours of its release. So for them, that real-time view is incredibly important. We just released a game but we noticed in the first hour that everyone is dropping off at Level 2; how are we going to change that? They might change that within the same day. So real time is very important. They're sending us billions of event logs per day. But that could be any kind of mobile application where you want some kind of real-time view into how somebody's using that.

And finally, a big area for us is our product behavior and sensor analytics. So with sensor data that's in cars, that's in other kinds of machines, utilities, that's another area for us, in wearable devices. We have research and development teams that want to quickly know what the impact of a change to a product is or people interested in the behavior of how people are interacting with the product. And we have a lot more use cases which, of course, we're happy to share with you.

And then finally, just show you how this can fit into your environment, we offer again the capability to collect that data. We have very unique collection technology. So again, if real-time collection is something that you're struggling with or you anticipate struggling with, please come look at the Treasure Data service. We have really made capabilities for collecting streaming data. You can also bulk load your data, store it, analyze it with our embedded query engines and then, as I mentioned, you can export it right to your data warehouse. I think Will mentioned the need to introduce big data into your existing processes. So not go around or create a new silo, but how do you make that data smaller and then move it into your data warehouse and you can connect to your BI, visualization and advanced analytics tools.

But perhaps, the key points I want to leave you with are that we are managed service, that's software as a service; it's very cost effective. A monthly subscription service starting at a few thousand dollars a month and we'll get you up and running in a matter of days or weeks. So compare that with the cost of months and months of building your own infrastructure and hiring those people and finding it and spending all that time on infrastructure. If you're experimenting or if you need something yesterday, you can get up and running really quickly with Treasure Data.

And I'm just pointing you to our website and to our starter service. If you're a hands-on person who likes to play, please check out our starter service. You can get on, no credit card required, just name and email, and you can play with our sample data, load up your own data and really get a sense of what we're talking about. So thanks so much. Also, check our website. We were named the Gartner Cool Vendor in Big Data this year, very proud of that. And you can also get a copy of that report for free on our website as well as many other analyst white papers. So thanks so much.

Eric: Okay, thank you very much. We've got some time for questions here, folks. We'll go a little bit long too because we've got a bunch of folks still on the line here. And I know I've got some questions myself, so let me go ahead and take back control and then I'm going to ask a couple of questions. Robin and Kirk, feel free to dive in as you see fit.

So let me go ahead and jump right to one of these first slides that I checked out from Pentaho. So here, I love this evolving big data architecture, can you kind of talk about how it is that this kind of fits together at a company? Because obviously, you go into some fairly large organization, even a mid-size company, and you're going to have some people who already have some of this stuff; how do you piece this all together? Like what does the application look like that helps you stitch all this stuff together and then what does the interface look like?

Will: Great question. The interfaces are a variety depending on the personas involved. But as an example, we like to tell the story of - one of the panelists mentioned the data refinery use case - we see that a lot in customers.

One of our customer examples that we talk about is Paytronix, where they have that traditional EDW data mart environment. They are also introducing Hadoop, Cloudera in particular, and with various user experiences in that. So first there's an engineering experience, so how do you wire all these things up together? How do you create the glue between the Hadoop environment and EDW?

And then you have the business user experience which we talked about, a number of BI tools out there, right? Pentaho has a more embeddable OEM BI tool but there are great ones out there like Tableau and Excel, for instance, where folks want to explore the data. But usually, we want to make sure that the data is governed, right? One of the questions in the discussions, what about single-version experience, how do you manage that, and without the technology like Pentaho data integration to blend that data together not on the glass but in the IT environments. So it really protects and governs the data and allows for a single experience for the business analyst and business users.

Eric: Okay, good. That's a good answer to a difficult question, quite frankly. And let me just ask the question to each of the presenters and then maybe Robin and Kirk if you guys want to jump in too. So I'd like to go ahead and push this slide for WebAction which I do think is really a very interesting company. Actually, I know Sami Akbay who is one of the co-founders, as well. I remember talking to him a couple years ago and saying, "Hey man, what are you doing? What are you up to? I know you've got to be working on something." And of course, he was. He was working on WebAction, under the covers here.

A question came in for you, Steve, so I'll throw it over to you, of data cleansing, right? Can you talk about these components of this real-time capability? How do you deal with issues like data cleansing or data quality or how does that even work?

Steve: So it really depends on where you're getting your feeds from. Typically, if you're getting your feeds from a database as you change data capture then, again, it depends there on how the data was entered. Data cleansing really becomes a problem when you're getting your data from multiple sources or people are entering it manually or you kind of have arbitrary texts that you have to try and pull things out of. And that could certainly be part of the process, although that type simply doesn't lend itself to true, kind of, high-speed real-time processing. Data cleansing, typically, is an expensive process.

So it may well be that that could be done after the fact in the store site. But the other thing that the platform is really, really good at is correlation, so in correlation and enrichment of data. You can, in real time, correlate the incoming data and check to see whether it matches a certain pattern or it matches data that's being retrieved from a database or Hadoop or some other store. So you can correlate it with historical data, is one thing you could do.

The other thing that you can do is basically do analysis on that data and see whether it kind of matches certain required patterns. And that's something that you can also do in real time. But the traditional kind of data cleansing, where you're correcting company names or you're correcting addresses and all those types of things, those should probably be done in the source or kind of after the fact, which is very expensive and you pray that they won't do those in real time.

Eric: Yeah. And you guys are really trying to address the, of course, the real-time nature of things but also get the people in time. And we talked about, right, I mentioned at the top of the hour, this whole window of opportunity and you're really targeting specific applications at companies where you can pull together data not going the usual route, going this alternate route and do so in such a low latency that you can keep customers. For example, you can keep people satisfied and it's interesting, when I talked to Sami at length about what you guys are doing, he made a really good point. He said, if you look at a lot of the new Web-based applications; let's look at things like Twitter, Bitly or some of these other apps; they're very different than the old applications that we looked at from, say, Microsoft like Microsoft Word.

I often use Microsoft as sort of a whipping boy and specifically Word to talk about the evolution of software. Because Microsoft Word started out as, of course, a word processing program. I'm one of those people who remember Word Perfect. I loved being able to do the reveal keys or the reveal code, basically, which is where you could see the actual code in there. You could clean something up if your bulleted list was wrong, you can clean it up. Well, Word doesn't let you do that. And I can tell you that Word embeds a mountain of code inside every page that you do. If anyone doesn't believe me, then go to Microsoft Word, type "Hello World" and then do "Export as" or "Save as" .html. Then open that document in a text editor and that will be about four pages long of codes just for two words.

So you guys, I thought it was very interesting and it's time we talked about that. And that's where you guys focus on, right, is identifying what you might call cross-platform or cross-enterprise or cross-domain opportunities to pull data together in such quick time that you can change the game, right?

Steve: Yeah, absolutely. And one of the keys that, I think, you did elude to, anyway, is you really want to know about things happening before your customers do or before they really, really become a problem. As an example are the set-top boxes. Cable boxes, they emit telemetry all the time, loads and loads of telemetry. And not just kind of the health of the box but it's what you're watching and all that kind of stuff, right? The typical pattern is you wait till the box fails and then you call your cable provider and they'll say, "Well, we will get to you sometime between the hours of 6am and 11pm in the entire month of November." That isn't a really good customer experience.

But if they could analyze that telemetry in real time then they could start to do things like that we know these boxes are likely to fail in the next week based historical patterns. Therefore we'll schedule our cable repair guy to turn up at this person's house prior to it failing. And we'll do that in a way that suits us rather than having to send him from Santa Cruz up to Sunnyvale. We'll schedule everything in a nice order, traveling salesman pattern, etc., so that we can optimize our business. And so the customer is happy because they don't have a failing cable box. And the cable provider is happy because they have just streamlined things and they don't have to send people all over the place. That's just a very quick example. But there are tons and tons of examples where knowing about things as they happen, before they happen, can save companies a fortune and really, really improve their customer relations.

Eric: Yeah, right. No doubt about it. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.

So a lot of people who followed the space know that a lot of the NoSQL tools out there are now bolting on search capabilities whether through third parties or they try to do their own. But to have that search already embedded in that, baked-in so to speak, really is a big deal. Because if you think about it, if you don't have SQL, well then how do you go in and search the data? How do you pull from that data resource? And the answer is to typically use search to get to the data that you're looking for, right?

So I think that's one of the key differentiators for you guys aside being able to pull data from all these different sources and store that data and really facilitate this sort of hybrid environment. I'm thinking that search capability is a big deal for you, right?

Frank: Yeah, absolutely. In fact, that's the only way to solve the problem consistently when you don't know what all the data is going to look like, right? If you cannot possibly imagine all the possibilities then the only way to make sure that you can locate all the information that you want, that you can locate it consistently and you can locate it regardless of how you evolve your data model and your data sets is to make sure you give people generic tools that allow them to interrogate that data. And the easiest, most intuitive way to do that is through a search paradigm, right? And through the same approach in search takes where we created an inverted index. You have entries where you can actually look into those and then find records and documents and rows that actually contain the information you're looking for to then return it to the customer and allow them to process it as they see fit.

Eric: Yeah and we talked about this a lot, but you're giving me a really good opportunity to kind of dig into it - the whole search and discovery side of this equation. But first of all, it's a lot of fun. For anyone who likes that stuff, this is the fun part, right? But the other side of the equation or the other side of the coin, I should say, is that it really is an iterative process. And you got to be able to - here I'll be using some of the marketing language - have that conversation with the data, right? In other words, you need to be able to test the hypothesis, play around with it and see how that works. Maybe that's not there, test something else and constantly change things and iterate and search and research and just think about stuff. And that's a process. And if you have big hurdles, meaning long latencies or a difficult user interface or you got to go ask IT; that just kills the whole analytical experience, right?

So it's important to have this kind of flexibility and to be able to use searches. And I like the way that you depicted it here because if we're looking at searching around different, sort of, concepts or keys, if you will, key values and they're different dimensions. You want to be able to mix and match that stuff in order to enable your analyst to find useful stuff, right?

Frank: Yeah, absolutely. I mean, hierarchy is an important thing as well, right? So that when you include something like a title, right, or a specific term or value, that you can actually point to the correct one. So if you're looking for a title of an article, you're not getting titles of books, right? Or you're not getting titles of blog posts. The ability to distinguish between those and through the hierarchy of the information is important as well.

You pointed out earlier the development, absolutely, right? The ability for our customers to actually pull in new data sources in a matter of hours, start to work with them, evaluate whether or not they're useful and then either continue to integrate them or leave them by the wayside is extremely valuable. When you compare it to a more traditional application development approach where what you end up doing is you have to figure out what data you want to ingest, source the data, figure out how you're going to fit it in your existing data model or model that in, change that data model to incorporate it and then actually begin the development, right? Where we kind of turn that on our head and say just bring it to us, allow you to start doing the development with it and then decide later whether or not you want to keep it or almost immediately whether or not it's of value.

Eric: Yeah, it's a really good point. That's a good point. So let me go ahead and bring in our fourth presenter here, Treasure Data. I love these guys. I didn't know much about them so I'm kind of kicking myself. And then Hannah came to us and told us what they were doing. And Hannah mentioned, she was a media person and she went over to the dark side.

Hannah: I did, I defected.

Eric: That's okay, though, because you know what we like in the media world. So it's always nice when a media person goes over to the vendor side because you understand, hey, this stuff is not that easy to articulate and it can be difficult to ascertain from a website exactly what this product does versus what that product does. And what you guys are talking about is really quite interesting. Now, you are a cloud-managed service. So any data that someone wants to use they upload to your cloud, is that right? And then you will ETL or CDC, additional data up to the cloud, is that how that works?

Hannah: Well, yeah. So let me make an important distinction. Most of the data, the big data, that our customers are sending us is already outside the firewall - mobile data, sensor data that's in products. And so we're often used as an interim staging area. So data is not often coming from somebody's enterprise into our service so much as it's flowing from a website, a mobile application, a product with lots of sensors in it - into our cloud environment.

Now if you'd like to enrich that big data in our environment, you can definitely bulk upload some application data or some customer data to enrich that and do more of the analytics directly in the cloud. But a lot of our value is around collecting that data that's already outside the firewall, bringing together into one place. So even if you do intend to bring this up sort of behind your firewall and do more of your advanced analytics or bring it into your existing BI or analytics environment, it's a really good staging point. Because you don't want to bring a billion rows of day into your data warehouse, it's not cost effective. It's even difficult if you're planning to store that somewhere and then batch upload.

So we're often the first point where data is getting collected that's already outside firewall.

Eric: Yeah, that's a really good point, too. Because a lot of companies are going to be nervous about taking their proprietary customer data, putting it up in the cloud and to manage the whole process.

Hannah: Yeah.

Eric: And what you're talking about is really getting people a resource for crunching those heavy duty numbers of, as you suggest, data that's third party like mobile data and the social data and all that kind of fun stuff. That's pretty interesting.

Hannah: Yeah, absolutely. And probably they are nervous about the products because the data are already outside. And so yeah, before bringing it in, and I really like that refinery term, as I mentioned, versus the lake. So can you do some basic refinery? Get the good stuff out and then bring it behind the firewall into your other systems and processes for deeper analysis. So it's really all data scientists can do, real-time data exploration of this new big data that's flowing in.

Eric: Yeah, that's right. Well, let me go ahead and bring in our analysts and we'll kind of go back in reverse order. I'll start with you, Robin, with respect to Treasure Data and then we'll go to Kirk for some of the others. And then back to Robin and back to Kirk just to kind of get some more assessment of this.

And you know the data refinery, Robin, that Hannah is talking about here. I love that concept. I've heard only a few people talking about it that way but I do think that you certainly mentioned that before. And it really does speak to what is actually happening to your data. Because, of course, a refinery, it basically distills stuff down to its root level, if you think about oil refineries. I actually studied this for a while and it's pretty basic, but the engineering that goes into it needs to be exactly correct or you don't get the stuff that you want. So I think it's a great analogy. What do you think about this whole concept of the Treasure Data Cloud Service helping you tackle some of those very specific analytical needs without having to bring stuff in-house?

Robin: Well, I mean, obviously depending on the circumstances to how convenient that is. But anybody that's actually got already made process is already going to put you ahead of the game if you haven't got one yourself. This is the first takeaway for something like that. If somebody assembled something, they've done it, it's proven in the marketplace and therefore there's some kind of value in effect, well, the work is already gone into it. And there's also the very general fact that refining of data is going to be a much bigger issue than it ever was before. I mean, it is not talked about, in my opinion anyway, it's not talked about as much as it should be. Simply apart from the fact that size of the data has grown and the number of sources and the variety of those sources has grown quite considerably. And the reliability of the data in terms of whether it's clean, they need to disambiguate the data, all sorts of issues that rise just in terms of the governance of the data.

So before you actually get around to being able to do reliable analysis on it, you know, if your data's dirty, then your results will be skewed in some way or another. So that is something that has to be addressed, that has to be known about. And the triangulator of providing, as far as I can see, a very viable service to assist in that.

Eric: Yes, indeed. Well, let me go ahead and bring Kirk back into the equation here just real quickly. I wanted to take a look at one of these other slides and just kind of get your impression of things, Kirk. So maybe let's go back to this MarkLogic slide. And by the way, Kirk provided the link, if you didn't see it folks, to some of his class discovery slides because that's a very interesting concept. And I think this is kind of brewing at the back of my mind, Kirk, as I was talking about this a moment ago. This whole question that one of the attendees posed about how do you go about finding new classes. I love this topic because it really does speak to the sort of, the difficult side of categorizing things because I've always had a hard time categorizing stuff. I'm like, "Oh, god, I can fit in five categories, where do I put it?" So I just don't want to categorize anything, right?

And that's why I love search, because you don't have to categorize it, you don't have to put it in the folder. Just search for it and you'll find it if you know how to search. But if you're in that process of trying to segment, because that's basically what categorization is, it's segmenting; finding new classes, that's kind of an interesting thing. Can you kind of speak to the power of search and semantics and hierarchies, for example, as Frank was talking about with respect to MarkLogic and the role that plays in finding new classes, what do you think about that?

Kirk: Well, first of all, I'd say you are reading my mind. Because that was what I was thinking of a question even before you were talking, this whole semantic piece here that MarkLogic presented. And if you come back to my slide, you don't have to do this, but back on the slide five on what I presented this afternoon; I talked about this semantics that the data needs to be captured.

So this whole idea of search, there you go. I firmly believe in that and I've always believed in that with big data, sort of take the analogy of Internet, I mean, just the Web, I mean having the world knowledge and information and data on a Web browser is one thing. But to have it searchable and retrievable efficiently as one of the big search engine companies provide for us, then that's where the real power of discovery is. Because connecting the search terms, sort of the user interests areas to the particular data granule, the particular webpage, if you want to think the Web example or the particular document if you're talking about document library. Or a particular customer type of segment if that's your space.

And semantics gives you that sort of knowledge layering on top of just a word search. If you're searching for a particular type of thing, understanding that a member of a class of such things can have a certain relationship to other things. Even include that sort of relationship information and that's a class hierarchy information to find things that are similar to what you're looking for. Or sometimes even the exact opposite of what you're looking for, because that in a way gives you sort of additional core of understanding. Well, probably something that's opposite of this.

Eric: Yeah.

Kirk: So actually understand this. I can see something that's opposite of this. And so the semantic layer is a valuable component that's frequently missing and it's interesting now that this would come up here in this context. Because I've taught a graduate course in database, data mining, learning from data, data science, whatever you want to call it for over a decade; and one of my units in this semester-long course is on semantics and ontology. And frequently my students would look at me like, what does this have to do with what we're talking about? And of course at the end, I think we do understand that putting that data in some kind of a knowledge framework. So that, just for example, I'm looking for information about a particular customer behavior, understanding that that behavior occurs, that's what the people buy at a sporting event. What kind of products do I offer to my customers when I notice on their social media - on Twitter or Facebook - that they say they're going to a sporting event like football, baseball, hockey, World Cup, whatever it might be.

Okay, so sporting event. So they say they're going to, let's say, a baseball game. Okay, I understand that baseball is a sporting event. I understand that's usually a social and you go with people. I understand that it's usually in an outdoor space. I mean, understanding all those contextual features, it enables sort of, more powerful, sort of, segmentation of the customer involved and your sort of personalization of the experience that you're giving them when, for example, they're interacting with your space through a mobile app while they're sitting in a stadium.

So all that kind of stuff just brings so much more power and discovery potential to the data in that sort of indexing idea of indexing data granules by their semantic place and the knowledge space is really pretty significant. And I was really impressed that came out today. I think it's sort of a fundamental thing to talk.

Eric: Yeah, it sure is. It's very important in the discovery process, it's very important in the classification process. And if you think about it, Java works in classes. It's an object oriented, I guess, more or less, you could say form of programming and Java works in classes. So if you're actually designing software, this whole concept of trying to find new classes is actually pretty important stuff in terms of the functionality you're trying to deliver. Because especially in this new wild, wooly world of big data where you have so much Java out there running so many of these different applications, you know there are 87, 000 ways or more to get anything done with a computer, to get any kind of bit of functionality done.

One of my running jokes when people say, "Oh, you can build a data warehouse using NoSQL." I'm like, "well, you could, yeah, that's true. You could also build a data warehouse using Microsoft Word." It's not the best idea, it's not going to perform very well but you can actually do it. So the key is you have to find the best way to do something.

Go ahead.

Kirk: Let me just respond to that. It's interesting you mentioned the Java class example which didn't come into my mind until you said it. One of the aspects of Java and classes and that sort of object orientation is that there are methods that bind to specific classes. And this is really the sort of a message that I was trying to send in my presentation and that once you understand some of these data granules - these knowledge nuggets, these tags, these annotations and these semantic labels - then you can bind a method to that. They basically have this reaction or this response and have your system provide this sort of automated, proactive response to this thing the next time that we see it in the data stream.

So that concept of binding actions and methods to specific class is really one of the powers of automated real-time analytics. And I think that you sort of hit on something.

Eric: Good, good, good. Well, this is good stuff. So let's see, Will, I want to hand it back to you and actually throw a question to you from the audience. We got a few of those in here too. And folks, we're going long because we want to get some of these great concepts in these good questions.

So let me throw a question over to you from one of the audience numbers who's saying, "I'm not really seeing how business intelligence is distinguishing cause and effect." In other words, as the systems are making decisions based on observable information, how do they develop new models to learn more about the world? It's an interesting point so I'm hearing a cause-and-effect correlation here, root cause analysis, and that's some of that sort of higher-end stuff in the analytics that you guys talk about as opposed to traditional BI, which is really just kind of reporting and kind of understanding what happened. And of course, your whole direction, just looking at your slide here, is moving toward that predictive capability toward making those decisions or at least making those recommendations, right? So the idea is that you guys are trying to service the whole range of what's going on and you're understanding that the key, the real magic, is in the analytical goal component there on the right.

Will: Absolutely. I think that question is somewhat peering into the future, in the sense that data science, as I mentioned before, we saw the slide with the requirements of the data scientist; it's a pretty challenging role for someone to be in. They have to have that rich knowledge of statistics and science. You need to have the domain knowledge to apply your mathematical knowledge to the domains. So what we're seeing today is there aren't these out-of-the-box predictive tools that a business user, like, could pull up in Excel and automatically predict their future, right?

It does require that advanced knowledge in technology at this stage. Now someday in the future, it may be that some of these systems, these scale-out systems become sentient and start doing some wild stuff. But I would say at this stage, you still have to have a data scientist in the middle to continue to build models, not these models. These predictive models around data mining and such are highly tuned in and built by the data scientist. They're not generated on their own, if you know what I mean.

Eric: Yeah, exactly. That's exactly right. And one of my lines is "Machines don't lie, at least not yet."

Will: Not yet, exactly.

Eric: I did read an article - I have to write something about this - about some experiment that was done at a university where they said that these computer programs learned to lie, but I got to tell you, I don't really believe it. We'll do some research on that, folks.

And for the last comment, so Robin I'll bring you back in to take a look at this WebAction platform, because this is very interesting. This is what I love about a whole space is that you get such different perspectives and different angles taken by the various vendors to serve very specific needs. And I love this format for our show because we got four really interesting vendors that are, frankly, not really stepping on each others' toes at all. Because we're all doing different bits and pieces of the same overall need which is to use analytics, to get stuff done.

But I just want to get your perspective on this specific platform and their architecture. How they're going about doing things. I find it pretty compelling. Mitä mieltä sinä olet?

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. Kiitos paljon. We'll catch you next time. Hei hei.