Av Techopedia Staff, 1. november 2017
Takeaway: Vert Eric Kavanagh diskuterer samarbeid mellom virksomhet og IT med Wayne Eckerson fra Eckerson Group og Josh Howard fra Alteryx.
Du er ikke logget inn for øyeblikket. Logg inn eller registrer deg for å se videoen.
Eric Kavanagh: OK, mine damer og herrer, Eric Kavanagh her med Hot Technologies. Vi har Josh Howard og Wayne Eckerson på linjen. Vi hadde bare en morsom liten lydproblem som krasjet og brant akkurat der, men vi blir ringt tilbake og alt rocker og ruller.
Så Wayne Eckerson har jeg kjent i mange år nå. Han er hovedkonsulent i Eckerson Group. Og Josh Howard har jeg også kjent på lenge. Han er direktør for nye produkter hos Alteryx. Disse karene er begge veldig gode på sine felt, og de kommer til å dele med oss mange ideer om hvordan virksomhet og IT kan fremme bedre forhold og virkelig samarbeide og få gjort noen ting.
Så jeg kommer til å skyve neste lysbilde og overlate det til Wayne. Så fortell meg litt om hva som skjer.
Wayne Eckerson: Visst, Eric. Det er en glede å være her og snakke om dette problemet. Jeg har vært i USA i lang tid og har vært vitne til en kløft mellom virksomhet og IT, og mye av det skyldes deres fokus og deres mål, det de har blitt ansatt til å gjøre. Så det er på en måte et naturlig gulv, kan du si, eller gapet mellom virksomhet og IT, men det fører til noen skadelige utfall. Du vet, det er ansatt IT for å tenke langsiktig, for å bygge systemer og applikasjoner, løsninger som er permanente som tilbyr økonomier med skala, høyt gjenbruk og skalerbarhet, sikkerhet, tilgjengelighet og pålitelighet. Veldig konservativ, langsommere tankegang. Forretningen er derimot fokusert på å imøtekomme kundens behov, samhandlingspunktet, mye mer kortsiktig fokus, insentiver - og det kan mates ut hver måned eller kvartal. Fokuset deres er hastighet, smidighet og tilpasningsevne. Så det er ingen overraskelse at det skal være eller kan være friksjon mellom disse to gruppene.
Neste lysbilde. Så dette er en slags dialog jeg noen ganger hører på organisasjoner hvor jeg går inn for å konsultere, og hvor jeg føler at jeg spiller rollen som ekteskapsrådgiver, prøver å få disse to sidene til hverandre, anerkjenne hverandre og deres rolle i å levere forretningsteknologiske løsninger. Virksomheten har en tendens til å tenke på IT som for treg, dyr og leverer aldri det de vil, når de vil ha det, hvordan de vil ha det. IT har en tendens til å se virksomheten som ombestemmer seg hele tiden, og legger til nye funksjoner. Da beveger alle disse ting seg på kort sikt, og ser aldri det store bildet. Resultatet ofte med denne friksjonen er at tilfeldig bruk. Det er den utøvende sjefen som vil si: “Vet du hva? Bare glem det. Jeg vet at jeg ikke kommer til å få dataene jeg trenger, så jeg skal bare klare meg uten. ”Det er ganske skummelt. Kraftbrukeren av data vil si: "Bare gi meg en dump med data og ikke bry meg." Og BU-lederne, hvis de virkelig vil ha informasjon, vil de bare få sitt eget budsjett, legge til sitt eget folk og kjøpe sine egne verktøy. IT sier: “OK, greit. Men du vet, lykke til med å prøve å opprettholde det på egen hånd, for etter hvert vil det gå i stykker. ”Og det vil det. Det vil gå i stykker enten fordi ingen bruker det, fordi det ikke var designet ordentlig, eller det vil gå i stykker fordi alle bruker det, og du har ikke nok tekniske eksperter på bakken, ikke nok ressurser til å skalere det. Eller ekspertbladene deres, og de er høye og tørre. Neste lysbilde.
Eric Kavanagh: Dette er en meningsmåling, så telefonsamtaler kan faktisk presse til avstemning. Hold på ett sekund. Så jeg åpner opp denne avstemningen akkurat nå, forhåpentligvis vil du se en skjermbilde på skjermen din. Hvis du ikke gjør det, vises det vanligvis et sted på bunnen. Og gå foran. Vi er nysgjerrige på å høre svaret ditt på dette.
OK, jeg fikk noen få mennesker som ringte nå og ga oss noen tilbakemeldinger. Så vi spør: hvilken grad er virksomheten tilpasset IT i organisasjonen din? Så vi har mange mennesker som svarer nå. Tusen takk. Så du har selvfølgelig veldig høy, høy, moderat, lav, veldig lav. Vær ærlig, vi vil ikke dele dette med de andre medlemmene av teamet ditt. Vi vil at du skal gi oss ditt ærlige svar. OK, la meg gi oss noen sekunder til, og mens vi gjør det, kanskje Josh, vil vi bare bringe deg veldig raskt til å hjelpe folk med å svare på dette spørsmålet. Ja, jeg elsker denne samarbeidsprosessen. Jeg mener, vi har snakket i årevis om et forretnings- / IT-skille. Jeg tror det endrer seg. Jeg tror det delvis endres på grunn av DevOps, utviklerne jobber tettere med virksomheten. Den slags legger litt varme fra IT-siden, men jeg tror det også endres på grunn av skyen, helt ærlig, fordi kanskje folk bare blir mer kunnskapsrike med hva de gjør på arbeidsplassen deres. Men hva er tanken din om utviklingen av IT / forretningsskillet?
Josh Howard: Ja, du vet, det er et interessant tema, og det vil vi definitivt komme inn på her om et sekund, men, du vet, jeg tror bare at virksomheten virkelig er tvunget til IT's hånd. Det er riktig, så du vet, i årevis var alt IT-ledet, og vi har sett dette komme til at pendelen svinger frem og tilbake fra å være IT-ledet til alt, vet du, blir kjøpt gjennom virksomheten. Og jeg tror vi begynner å se litt sentralisering. Jeg tror, du vet, du begynner å se flere organisasjoner, stand-up sentre for dyktighet, begynner å se flere og flere bedriftsintensive selskaper, også se sentre som blir satt opp, og det er ikke det du vet eller virksomheten. Vi ser et mye bedre ekteskap med de to organisasjonene og ser at disse sentre for dyktighet blir satt opp som er bosatt i begge disse organisasjonene, og de har både IT og virksomheten som tar plass ved bordet og bestiller mat. Vi må velge andre forretningsmessige mål, og derfor tror jeg det er en av trendene som jeg synes har vært veldig positive de siste årene eller enda lenger. Og jeg tror det er en del av det vi ser.
Eric Kavanagh: Kan ikke klandre meg for at jeg skal kaste over til deg, så leser jeg resultatene. Avhengig av nettleseren din, kan du se resultatene allerede, men bare for å gi deg det: Spørsmålet er selvfølgelig, "I hvilken grad er virksomheten i samsvar med IT?" Veldig høy fikk 7 prosent, høy fikk 8 prosent, moderat fikk langt de fleste, det er 29 prosent, lavt er 10 prosent, og veldig lavt er 0 prosent. Det er i utgangspunktet totalen, så det du ser på er at folk flest sa moderat, 21 av 73. Seks av 73 sa høyt, fem sa veldig høyt, og så har vi selvfølgelig en hel haug mennesker som bare ikke ikke svar, men de fleste, faktisk 43 av 73, svarte ikke folk, men jeg setter pris på tiden din. Og med det ønsker jeg å skyve dette neste lysbildet. Og jeg tror, Josh, du hadde tenkt å snakke litt.
Josh Howard: Ja, og så, du vet, hvor jeg var på vei, hadde vi sett mye forandring de siste fem årene, eller til og med gå ti år tilbake. Og det pleide å være det ville vesten, og så antar jeg at det sannsynligvis er noen mennesker her på linjen som fremdeles tror det er det ville vesten i organisasjonen deres, men det pleide å være der alt var helt innelåst og stivt, og alt ble tvunget gjennom et sentralisert IT-team, og det var akkurat slik BI ble levert. Men problemet var at forretningsbrukerne ikke brukte det. De fikk aldri de resultatene de trengte. De kunne ikke, vet du, slå sammen data som de trengte, og slik at du bare så, du vet, organisasjoner som forlater BI-praksis i mange tilfeller. De fikk ikke bruken som de forventet, og du vet, det er forståelig fordi brukerne, de ønsket brukervennlige verktøy der de kunne ta, du vet, datakilder og gjøre noe av sitt eget integrasjonsarbeid.
Men de ville ikke vente på at IT skulle gjøre dette for dem. Og det vi så var at du fikk alle disse forretningsteamene til å kjøpe en egen lisens, sine egne visualiseringsverktøy og la deres skyggedat-kompiser sette opp en datamart, og de var av. Men det førte til et helt nytt sett med problemer. Ja, virksomheten var i stand til å få fleksibilitet og smidighet og noen av resultatene de trengte mye raskere, men fortsatt la IT, du vet, prøve å finne ut, “Hvordan styrer vi dette? Hvordan skalerer vi dette? ”
For også det som skjedde, de bygde opp disse datamarsene. De begynte å operasjonalisere mye rapportering og visualiseringer, så ville de bare gå tilbake til IT for å få ordnet det, og det er bare ikke skalerbart. Det var ikke kuren, og så dette var noen av problemene. Men det trenger ikke være en dragkamp mellom virksomheten, som vil ha brukervennlighet, og IT, som vil styre den. Det handler egentlig om å få alle på samme side og trekke i samme retning. Jeg tror det virkelig er en, du vet, beste av-rase-tilnærming som kan tilfredsstille behovene til begge brukerne. Lysbilde.
Eric Kavanagh: Alrighty. Der går du.
Josh Howard: Ja, takk. Og så måten vi nærmer oss på Alteryx er at vi virkelig ser på det fra et analytisk styringssynspunkt. Og så, du vet, jeg bruker ikke ordet "datastyring" her fordi jeg tror datastyring er mye mer av et rammeverk som omfatter mange forskjellige ting, men egentlig bare fokuserer på disse tre viktige områdene for hvordan data blir administrert, hvordan de blir tilgang til og hvordan vi sikrer dem.
For det første, når du ønsker å aktivere selvbetjeningsverktøy, på datahåndteringssiden, vil du sørge for at brukerne har tilgang til alle forskjellige datakilder de trenger. Og så, igjen, dette er en del av problemet vi så med tradisjonelle BI-verktøy som MicroStrategy og Cognos og OB var, du vet, det var bare å tappe inn i et sentralisert datavarehus, men de forretningsbrukerne ville virkelig ta dataene og bland det inn med andre datakilder for å få flere resultater.
Jeg mener, så du vil sørge for at direkte til alle de forskjellige datakildene, uansett om de er relasjonelle eller ikke-relasjonelle, og gjør det på en måte som ikke vil gjøre dataene overflødige. Og så, du vil forsikre deg om at du bruker minneteknologier slik at du tapper inn de forente datakildene og ikke dupliserer data andre steder i organisasjonen, fordi det bare forårsaker et helt sett med problemer.
Og så vil du sørge for at du ser på ting som datatilgjengelighet og datasikkerhet, sørger for at dataene blir kryptert, og sørger for at du har de riktige tillatelsene og autorisasjonene på plass. Og det vi anbefaler er å bruke systemene som IT-teamene dine allerede har satt opp, så ting som Active Directory og Windows-godkjenning. Ved å benytte deg av systemene som kan passere gjennom den autentiseringen helt ned til applikasjonen, og på den måten kan du sikre at de rette brukerne får tilgang til riktig data.
Det handler egentlig om å gå fra en tilstand av kontroll til en tilstand av enablement, og gjøre det med rekkverk. Så, du vet, analyse av rekkverk, der IT gir alle verktøyene for å lykkes, men de overvåker det også, og sørger for at det er konsistent, pålitelig og at de gjør det med de riktige tillatelsene på plass, og sørge for at disse brukerne bare har tilgang til riktig data. Neste lysbilde.
Eric Kavanagh: OK, Dr. Wayne.
Wayne Eckerson: Ja, så dette er min lysbilde. Dette viser bare dimensjonene til selvbetjening, som Josh snakket om. Det er forretningsbehovet for etterspørsel i disse dager, men de vil ikke vente, som Josh sa, for at IT skal levere ting, og IT pleide å gjøre alt. De pleide å bygge arkitekturen og administrere infrastrukturen og velge verktøyene og bygge applikasjonene, rapportene, dashbordet, og det fungerer bare ikke for et stort flertall brukere der ute. Og nå er vi i nærheten av selvbetjening. Vi har selvbetjeningsrapportering, selvbetjeningspaneler, som jeg kaller, visuell funn av selvbetjening. Vi har integrert selvbetjeningsdata eller dataforberedelse. Vi har avansert analyse med selvbetjening, der det er noen dataforskere. Så vi tenker alle disse mulighetene som er tilgjengelige for folk, for forretningsfolk, som er tilbøyelige til å gjøre ting på egen hånd.
Neste lysbilde. Vi får noen tilbakemeldinger her, Eric, bare for å gi deg beskjed. Så, du vet, selvbetjening på overflaten ser ut som en vinn-vinn for både virksomheten og IT-avdelingen. Brukere får det de vil når de vil ha det, hvordan de vil ha det. IT-avdelingen får type brukere, de får lastet av arbeidet, og de får levere ting indirekte, men uansett … I mange situasjoner har selvbetjening noen betydelige ulemper som du må være forsiktig med. Og Josh ga deg noen midler for noen av disse ulempene.
Gå til neste lysbilde, Eric, så ser vi at organisasjonenes selvbetjening er en slags tidevannsbølge av styrke, som er duplikat, motstridende. Og det kommer til et punkt hvor ingen stoler på andres rapport bortsett fra sin egen, noe som ikke er en god situasjon. Du kan til og med si at det er verre enn da de begynte. Du har i utgangspunktet en arkitektur som består av skygge rapporteringssystemer, dataekstrakter, som til slutt øker kostnadene og overhead og redundans og duplisering og følgelig øker risikoen i organisasjonen. Så selvbetjening handler om standarder der styring egentlig bare er Tower of Babel. Alle kommuniserer, men ingen lytter. Neste lysbilde.
Eric Kavanagh: Det er et flott tilbud, jeg liker det. "Alle kommuniserer, men ingen hører på." Jeg tror at det oppsummerer noen steder. Her er du.
Wayne Eckerson: Så, du vet, jeg kommer også til rettsmidler, men mange bedrifter tror at formålet med selvbetjening er å bli kvitt IT. Vel, det er mye counterintuitive ting i virksomheten, og dette er en av dem. Hensikten med selvbetjening var ikke å begrense IT fra ligningen, men fremme større samarbeid med den. En annen ironi med selvbetjening som jeg ikke la her, er at det krever mye standardisering for å støtte selvbetjening. Det er liksom, tenk på å kjøre på en vei, ikke sant? Det er mange regler som vi må overholde. alle-
Automated Voice: Konferanseopptak er stoppet.
Eric Kavanagh: Ikke bry deg om det. Det er bare sikkerhetskopien. Fortsett.
Wayne Eckerson: OK. Så, og det er virkelig gruppen som trenger å sette sammen disse standardene. Og når disse standardene er på plass og akseptert og vedtatt, hei, så kan vi gjøre selvbetjening 'til månen kommer ut. Neste lysbilde.
Eric Kavanagh: Jeg tror vi er tilbake til Josh.
Josh Howard: Akkurat, ja, og jeg er enig i mye av det, Wayne, som du sa. Men saken er at hvis du ønsker å få mer verdi ut av data, igjen, må vi komme ut av virksomheten med å ha IT-kontroll over alt og komme i virksomheten med å aktivere. Så det betyr å styrke brukere med sine egne analyseverktøy og ikke bare IT. Dette betyr ikke at du må gi dem nøklene til riket. Du kan gjøre det med de eksisterende rekkverkene. Utnytt de eksisterende systemene på plass, utnytt autorisasjonsverktøyene dine, Active Directory, tillatelsene dine, og dette vil sikre at, du vet, ikke noen gir data til noen de ikke burde ha. Og slik at du gjør alle disse tingene, og gir deg de analytikerne mulighet til å levere større verdi og gjøre det på en måte som er styrt.
Neste lysbilde. Men realiteten er at IT aldri kommer til å kunne følge med på de forskjellige måtene en analytiker vil se på dataene, manipulere dem. Og ikke bare det, men du har ikke tid til å følge med på disse forespørslene også. Arvsystemene, fossefrosessene. Hvis du bare ser på en ETL-prosess for å legge til en tabell, kan det i noen tilfeller ta uker om ikke måneder. Og så vil du være i stand til å holde tritt med den endringen av virksomheten.
Hvis du faktisk vil lage en kultur for analyser, må du aktivere disse brukerne til å gjøre det. Og når du først har gjort det, kan fordelene være helt fantastiske. Du vet, da vi først begynte å snakke om fem / ti år siden, forretningsintelligensprosjekter, mener jeg at det ofte ble sitert 70–80 prosent av alle BI-prosjekter ville mislyktes. Og det er bare ikke tilfelle lenger. Når du bevæpner forretningsbrukere med de riktige verktøyene, ser vi noen enorme resultater og enorm verdi, og det er grunnen til at selvbetjeningsverktøy sprer seg som en brann gjennom en organisasjon. Det er på grunn av suksessen vi ser.
Og jeg har en brukssak som jeg vil snakke om her om et øyeblikk også, men du vet, vi har bokstavelig taltusener av brukere som driver med selvbetjeningsanalyse og skala. Og disse brukerne leverer innsikt raskere, de lager nye produkter, og de reagerer på endrede forretningsforhold mye raskere for å ligge foran konkurransen.
Den andre tingen er at du også bruker mindre tid på å preppe data og mer tid på å gjøre analysen. Det er bare en annen komponent i det, og jeg har fått et eksempel her fra CNA der de hadde en rekke analytikere som tok tidkrevende tilnærminger, som tok uker eller måneder og nå fikk dem ned til minutter. Det er uten overdrivelse. Vi har bokstavelig talt mange av disse eksemplene på at kunder gjør dette, og dette er virkelig et vinn-vinn-scenario. Analytikere er glade for at de ikke trenger å, til du vet, komme raskere til dataene sine. IT er fornøyd med at du vet at de kan fokusere på strategiske initiativer uten å bekymre seg for styring, og endelig er ledergruppene glade fordi de endelig har fått forretnings- og IT-team som jobber for å skape den analytiske kulturen. Tilbake til deg.
Eric Kavanagh: OK. Vi hadde en annen meningsmåling, så du burde kunne se resultatene der ute hos publikum. Vi burde se det allerede i valglokalet, men spørsmålet var: "Har organisasjonen din mottatt løftet om selvbetjening?" Jeg kan fortelle deg at respondentene har et rungende "Nei."
Jeg tror det taler for hvor vi er i bransjen, men jeg tror du har laget et par virkelig gode sider der, Josh, nemlig at det å muliggjøre selvbetjening, om enn med noen standarder som Wayne diskuterte, faktisk gjør lar deg bygge styresett. Det er rekkverkene vi har snakket om, ikke sant? Styringspolitikken kan fases inn i leveringssystemet, og det er da du faktisk oppnår styring mens du gir analytikerne mulighet til å være selvbetjente. Stemmer det, Josh?
Josh Howard: Ja, det er helt riktig.
Eric Kavanagh: Ja, så svarerne-
Wayne Eckerson: Så Eric, disse resultatene er interessante, vet du. Jeg vil si at årsaken til det er at enten IT er under kontroll, brukerne ikke får selvbetjening og får det de vil når de trenger det, eller, vet du, de har understyrt selvbetjening. Og begge deler er dårlige. Så det er vanskelig å faktisk slå nålen med selvbetjening, å ha et styrt miljø som gir brukerne all den informasjonen de trenger og funksjonalitet de trenger for å få den innsikten de trenger og iverksette handlingen de må gjøre. Det er vanskelig, vanskelig, men, du vet -
Wayne Eckerson: -Du står overfor verktøyene som, du vet, Alteryx, veldig kraftige verktøy, veldig kraftige. Så vi har muligheten nå som vi kan-
Eric Kavanagh: Og du har flere grunner til at den rå avtalen din med Sonic gikk under litt, så bare pass på grunnleggende lyd. Jeg er litt overrasket, og jeg tror at dette sannsynligvis er gode nyheter for Alteryx fordi de har en løsning for å muliggjøre selvbetjening. For på den gamle måten å gjøre ting med mange forskjellige verktøy, for eksempel med mange integrasjonspunkter, løper folk slags, bare prøver å følge med på status quo, og jeg tror det er en av de virkelige utfordringene.
En av våre klienter hadde en kommentar for noen uker siden, og det ringte i ørene mine helt siden han refererte til "det tyranni det haster" og hvordan det har en tendens til å dominere flere organisasjoner og forhindre endring. Du er alltid presserende, du løper alltid rundt og prøver bare å gjøre ting som allerede må gjøres. Og det hindrer deg i grunnen fra å gjøre nye ting.
På et bestemt tidspunkt må du stoppe musikken, anerkjenne at en stol kommer til å gå bort, men resten av stolene må sette seg ved bordet og begynne å kaste litt samarbeid til vi jobber sammen. Men det er sånn jeg ser på hele dette bildet. Så ja, svarene var vanligvis 23 av 43 sa, "Nei", 6 av 43 personer sa, "Ja, " og 6 av 43 personer sa, "Ikke sikker, " men 38 personer eller så svarte ikke. Men det er ganske rungende, "Nei." Med det vil jeg komme inn på en casestudie.
Jeg gir den tilbake til deg, Josh. Ta den bort.
Josh Howard: Ja, og så tidligere snakket jeg om, du vet, dette samarbeidet mellom virksomhet og IT. Jeg føler virkelig at vi har sett noen ganske store endringer, og flere og flere organisasjoner beveger seg i denne retningen, noe som muliggjør selvbetjening og ser de resultatene jeg snakket om. Og Ford er et flott eksempel på det. Ford har selvfølgelig brukt data og analyse i flere tiår, men som mange organisasjoner ble det egentlig bare gjort i lommene på organisasjonen. Det var lite tilsyn med konsistens og koordinering, og, du vet, de hadde også praksis for datastyring som var inkonsekvent.
Og slik hadde de et stort problem; de hadde over 4600 datakilder, og så kan du forestille deg utfordringen med å gjøre dette i en størrelse på et selskap som Ford. Og så det de gjorde var å gå tilbake for bare to år siden, og de dannet Global Data Insights and Analytics Unit, som er et sentralisert kompetansesenter, bestående av team bestående av, du vet, dataarbeidere, så dataanalytikere, data forskere av den typen.
Du kan tenke på dette COE mye som en HR-avdeling eller en finansavdeling som betjener hele organisasjonen. Det var nøyaktig hva dette nye teamet ble satt opp for å gjøre, og slik at de var i stand til å identifisere og følge sine egne høyprioriterte utfordringer og jobbe med forskjellige forretningsenheter som takler, vet du, forskjellige problemer. Men hele ideen var at de ønsket å sikte og endre den samtalen for å fokusere på selve forretningsutfordringen, rett og oppfylle de forretningsbehovene. Og du vet, de har startet med en dataanalytiker til å begynne med for et par år siden, og en Alteryx-lisens, og en kombinasjon av Tableau og QlikView.
Nå har de nå rullet Alteryx ut til over 1200 dataforskere de siste to årene, og de ansetter flere. Og så, det har vært virkelig fantastisk å se at det foregår i organisasjonen deres og bruk av saker som de løser, er utrolig. De bruker Alteryx for å løse produksjonslinjeproblemer helt ned til NASCAR-løpene sine, så det er virkelig fascinerende å se noen av resultatene de kjører. Og du vet, det som er interessant, er at du vet at noen av disse brukssakene sparer titalls millioner dollar, og det er veldig enkelt å rettferdiggjøre dem. Og det er bare en brukssak, og den brukes nå bokstavelig talt i hundrevis av forskjellige forretningssaker og på tvers av de 1200 dataanalytikerne og dataforskerne. Så fenomenale resultater, og vi er veldig fornøyde med samarbeidet vi har med Ford.
Wayne Eckerson: OK, dette er min lysbilde. Så, du vet, jeg underviser i en klasse om selvbetjeningsanalyse, og dette er slags sammendrag, et veldig høyt nivå sammendrag, av løsningene jeg tar med til et bord for publikum. Og jeg skal prøve å forklare dette ganske raskt. Du skjønner, jeg ser selvbetjening, vel en, det er ingen selvbetjening. Alle har en annen definisjon av selvbetjening i en organisasjon, så hva som er selvbetjening til en administrerende direktør er absolutt ikke selvbetjening til en dataforsker. Men generelt er det to klasser av brukere. Førsteklassen, du vet, mer tilfeldige brukere, utøvende ledere, frontlinjearbeidere er i topp-down verden i blått.
Og du vet, jeg kaller dem "datakonsumenter" eller "datautforskere", og de er ganske mye å tenke på, du vet, rapporter og dashbord, forhåpentligvis interaktive som folk har bygget for dem, enten IT eller kollegene, og konsumerer det som det er. Utforskere har en tendens til å åpne disse tingene og redigere dem på plass, men de ønsker ikke nødvendigvis å starte med et blankt ark. Ingen måte får de betalt for å gjøre det. Ikke betalt nødvendigvis analytikerne. Det er det menneskene i bottom-up-verdenen gjør, dataforskerne og dataanalytikerne, som i tillegg har dataanalytikere som jobber med regneark, tilgang til databaser. Og dataforskere har mer utbytte av, du vet, arbeidsgruppene til datagruven. Mange av de selvbetjeningsverktøyene som har kommet ut har virkelig gitt dette bottom-up-mannskapet styrke. Det vil være mye mer produktivt enn de noen gang kunne gjøre før. De kan ikke bare, du vet, gjøre sine egne rapporter og dashbord, de kan også hente egne data, blande dem, matche dem sammen, og så videre. Jeg har faktisk sett dette triumviratet av verktøy komme ut og importere verdens nedenfra og opp. Datakatalogene slik at de kan finne dataene enten som prep-verktøy, slik at de kan matche dem sammen, og datavisualiseringsverktøy slik at de kan analysere, visualisere og dele det. Jeg tror vi vil se at verktøyet blir et, og jeg tror faktisk Alteryx bare er på vei mot å gjøre det.
Så jeg kaller denne bottom-up-verdenen "ekte selvbetjening", mens den ovenfra og ned-verdenen jeg kaller det mer "sølvtjeneste" fordi vi slags gir informasjon gitt på et sølvfat. Den er ferdigpakket til en viss grad. Fortsatt interaktiv, fremdeles redigerbar, men noen måtte tenke på hvem menneskene var som skulle konsumere dette og skreddersy det for å dekke deres spesifikke behov. Du kan se i den nedenfra og ned-verdenen du har, de mer tunge sentraliserte gruppene, datastyringskomiteen, som du vet setter den på datasider og rapporter. Og datalagringsteamet som prøver å integrere data for beslutninger. Det er en mer tradisjonell IT-orientert sentralisert top-down styringsprosess. Mens i den nederste verden, som er mer som 10 prosent, 20 prosent av organisasjonen, får de styring fra grasrotnivået ved å faktisk åpne datasett, se på dem, kommentere dem, merke disse datasettene - utgangspunktet å bygge delt gjennomsnitt av dataene fra grunnen av. Du får kataloger og datamarkeder, og en organisasjon trenger begge disse verdenene. Faktisk mater de hverandre, veldig synergistiske, de er to sider av den samme mynten. Hvis du ikke har analytikere der ute i alle avdelinger, mislykkes driften, markedsføring, økonomi. Du mangler alle slags innsikt som du trenger for å drive virksomheten, fordi de genererer svar på spørsmål som folk ikke kunne ha funnet ut hva de var dagen før. Og IT kunne ikke, eller utviklere kunne ikke bygge disse rapportene eller dashbordene. Så de underbygger den neste bølgen av kravene og den neste bølgen av innsikt som bør pakkes sammen og settes i den nedenfra og ned verden.
Nå er problemet når den nedenfra og opp verden publiserer rapporter til den nedenfra og ned verden som ikke har blitt sertifisert eller styrt, og du får motstridende rapporter, duplikater og sånt. Så i min verden hjelper det å ha en gateway for datastyring mellom disse to verdenene, og det er i orden, hvis en dataanalytiker startet oppretter og kommer med en ny innsikt og bygger en rapport. Folk liker det, og da, vet du, vil de fortsette å publisere rapporten og dele den, kanskje mer bredt for hele bedriften, den må gjennomgås av datastyringen, og forhåpentligvis veldig raskt, for å sikre at den samsvarer med standarder. Det kan hende det må skrives inn i en standardplattform, det kan hende at nye data må legges til i standardbedriftsdatabasen. Og det vi ser nå, er verktøyene som Alteryx faktisk legger ned arbeidsflytene som trengs for å støtte denne markedsføringsprosessen der vi promoterer i en rapport som er blitt populær for å få et vannmerke eller en skala som bedriftskaliber sertifisert rapport eller datasett . Så det er noe av datastyringsstaten som veies i et nøtteskall som en vurderingsprosess. Det kan være en produksjonsoverlevering med utviklingsteam, og det kan være tillatelser og styring bygget inne i BI-verktøyene, analyseverktøyene eller arbeidsflytene. Neste lysbilde.
Eric Kavanagh: OK, jeg tror vi er tilbake til Josh om denne.
Josh Howard: Ja, og så, du vet, når du snakket om flyttingen fra en rekke av disse forskjellige verktøyene, og det jeg har funnet på mine egne, vet du, forskning er at de fleste analytikere bruker 10 til 12 forskjellige verktøy for å få gjort sin analysejobb. Og du vet, de bruker kanskje en datakatalogiseringsløsning for å finne dataene, de bruker kanskje en datapreparasjonsløsning, de bruker kanskje et datavisualiseringsverktøy, noe for avansert analyse, prediktiv analyse og datavitenskapelig verktøy for distribusjon og administrere det. Og vi tror virkelig at dette bør serveres gjennom en enkelt plattform, og vi tror det er der bransjen går. Og slik kjenner de fleste til alle triks mot evner til forberedelse og blanding av data og dens tette integrasjon med verktøy som Tableau og Power BI.
Men, du vet, vi er langt mer enn bare dataforberedende verktøy. Vi er virkelig en ende-til-ende-plattform for de dataanalytikere og innbyggerdata-forskere, som gir muligheten til å oppdage disse dataene, forberede dem, blande den, analysere den og gjøre det på en gjentakende måte og en repeterbar arbeidsflyt. Og deretter distribuer og del disse eiendelene i skalaen, og det er virkelig det Alteryx handler om. Og vi har et fantastisk felleskap som vi vet, mer enn bare det typiske samfunnet. Det har treningsområder for selvbetjening, det har fora og beste praksis, og vi har virkelig et evangelisk fellesskap av brukere der som støtter hverandre. Og det som er flott med dette er når du tar i bruk verktøy som Alteryx, og disse fellesskapstypene reduserer virkelig læringskurven, slik at du kan komme raskere opp på disse nye verktøyene. Selv om de virkelig er enkle å bruke, krever de ikke mye koding, og de er enkle å bruke og kommer opp og går raskere, men fortsatt å ha det fellesskapet for å redusere den læringskurven er virkelig uvurderlig.
Og slik at vi har delt den inn i er fire områder. Først er det virkelig rundt oppdag og del, så før du kan klargjøre og blande dataene dine, må du kunne finne dem. Og det er grunnen til at den første delen av plattformen vår er den oppdagelses- og delingskomponenten som vi bruker for å fange organisasjonens stammekunnskap. Så dette er i utgangspunktet en datakatalogiseringsløsning som brukes til å dele kuraterte og styrte datasett. Den lar brukerne finne dataene de leter etter i den brukervennlige Google-lignende søkefunksjonen, og gir også sosiale funksjoner for å samarbeide om datasett, og til og med lar deg bore ned i datatavlen til eiendelene, bekrefte disse eiendeler og vannmerke dem. Og dette er veldig viktig for analyser av selvbetjening, fordi det er slik at de fleste bruker for mye tid på å prøve å finne dataene - de vet ikke hvor de skal dra for å finne dem. Og hvis de finner en rapport, vet du, hvordan vet de at den er sertifisert, er den klarert? Så når du snakket om det, å ha en gateway for datastyring, ser jeg virkelig verktøy som Alteryx bli den gatewayen, når du gjør søket ditt, kan du automatisk og visuelt se hvem som eier disse dataene, hva er avstamningen til disse dataene, hvordan det ble opprettet, hvis den ble sertifisert, og hvordan du får tilgang til den, og hvis du ikke har tilgang til den, kan du bruke chatfunksjonene til å, vet du, be om denne tilgangen. Den sender en e-post til den aktuelle personen, og dette er virkelig en god måte å produsere mange av disse elementene på. Neste lysbilde.
Neste stykke er disse prep og blandingen, igjen, som vi er kjent for, og vi ser virkelig prep og blanding som rampen for mer avansert analyse. Uten å skrive SQL eller noen type kode, kan du få tilgang til alle de forskjellige dataene dine, spørre om det - du vet, om det er strukturerte data, ustrukturerte data, skydata - og enkelt integrere alt det i minnet, form det, rens det, profilere det, for å gjøre datasettet klart til analyse. Du kan også berike det med tredjeparts datasett. Så vi har virkelig gode partnerskap med selskaper som TomTom hvis du er interessert i kjøretidsanalyse og gjør romlig analyse. Vi jobber også veldig tett med Experian for husholdningsdata eller for forretningsdata. Så plutselig kan du ikke bare ta dataene du har på stedet eller kanskje i skyen, du kan også berike dem med disse tredjepartskildene og virkelig komme med noen fascinerende analyser. Neste lysbilde.
Det tredje stykket er denne analysen og modellkomponenten. Så jeg nevnte Alteryx var kodefri. Vel, det er også kodevennlig også. Og så tilbyr vi mer enn 60 forskjellige prediktive analyseverktøy, så når du er klar til å gjøre mer avansert analyse, kan du bruke R- og Python- og gnistbaserte verktøy uten koding, eller du kan faktisk bruke og lage din egen tilpassede pakker. Så hvis du har et datavitenskapsteam som skriver R og Python eller Scala eller hva som helst, kan du bruke den koden, bygge dine egne pakker og utnytte den rett i verktøyet. Og igjen, det er her jeg tror den virkelige verdien av selvbetjeningsanalyse er, og det er virkelig her vi ønsker å bidra til å transformere industrien fra, du vet, tradisjonelle dataanalytikere og dataarbeidere til disse, du vet, innbyggerdataforskere og gjøre datavitenskapelig arbeid med virkelig brukervennlige verktøy. Lysbilde.
OK, inn, og endelig har vi fått de siste bryterne, den siste milen med avansert analyse. Så hvis du er på det punktet hvor du jobber med datavitenskap og bygger modellene dine, er den neste utfordringen du kommer på: "Vel, hvordan får jeg modellene i produksjon? Hvordan klarer jeg dem? Hvordan holder jeg dem oppdaterte? ”Og det er her distribusjonsevnen vår kommer inn. Og ifølge vår forskning hos kundene som vi har snakket, gjør mindre enn 50 prosent av modellene det noensinne til produksjon. . Så du har ansatt disse dataforskerne til å bygge alle disse modellene, men de gjør det virkelig aldri til produksjon. Og så har vi bygget en løsning som vil hjelpe deg med å bygge modellene dine, og deretter distribuere de i sanntid ved å bruke RESTful APIer.
Og slik at du kan få disse modellene og legge dem direkte inn i nettapplikasjoner og mobilapplikasjoner raskere og enklere, fordi tradisjonelle metoder bare ikke fungerer. Det er en lang, uttrukket prosess. Det kan ta alt fra 12 til 20 uker å distribuere en modell, og koster ofte mer enn $ 250 000 å gjøre. Og så måtte du bekymre deg for hvordan du holder dem oppdaterte. Så igjen, vi ser på måter å automatisere hele prosessen og ta mange mellomleddstrinn. Og så, uten å kaste koden egentlig, fordi den tradisjonelle prosessen med det som skjer nå, har du en dataforsker som bygger modellene sine, og de distribuerer dem, og de kaster dem over gjerdet til en nettutvikler som må ta all den R- og Python-koden, skriv den om til en slags webapplikasjon eller mobilapplikasjon, og igjen, det tar bare for mye tid.
Og så, det er ikke mer å kaste kode over gjerdet for noen andre å gjøre. Vi har automatisert prosessen og har en måte å håndtere den på skala. Og det er virkelig de fire områdene vi ser på når det kommer til en-til-ende selvbetjeningsplattform for dataanalyse. Og det er, du vet, oppdager og deler data med letthet, prepping og blanding av dem, gjør avansert analyse og deretter har en måte å distribuere og administrere dem på skala. Gå videre. Så med Alteryx kan du, du vet, snakke om den analytiske styringen og være i stand til å låse opp dataene dine på en måte som er sikker og tilbyr både kodefrie og kodevennlige måter å gjøre all analysen på, så hvis du har dataanalytikere som kanskje ikke kjenner det semantiske, du vet, SQL-språk for å spørre i en database, kan du bruke et dra-og-slipp-verktøy som trekker alle disse dataene i minnet for å gjøre sin analyse.
På samme måte, hvis du har dataforskere som bruker R og Python, kan de fremdeles bruke et verktøy som Alteryx på en kodevennlig måte - og resultatene vi har sett med kundene våre er enorme fordi vi er i stand til å gi de repeterbare arbeidsflytene du kan ta, oppgaver som tar, du vet, uker eller måneder og bokstavelig talt får dem ned til minutter, uten overdrivelse. Vi har en rekke casestudier på nettstedet vårt der du kan lære mer om det og noe av tidsbesparelsen vi ser. Men, du vet, til slutt, det kommer til å fungere med IT-organisasjonen din fordi den er skalerbar og bryter ned de siloene som jeg snakket om og gjør det på en styrt måte. Og det er virkelig det Alteryx-en-til-ende-plattformen handler om, og hvorfor vi er forskjellige.
Eric Kavanagh: OK. Det er alle gode ting. Jeg må si, Wayne, jeg tror du virkelig bruker noe med denne datastyringsporten er, tror jeg, hvordan du beskrev det. Fordi vi er i denne virkelig interessante verdenen akkurat nå der datavarehus, som har vært den pålitelige kilden i fire tiår nå, ikke virkelig klarer å følge med i tidene og følge med på alle de forskjellige datakildene og datavariantene. Det er et ganske stivt system et datavarehus har en tendens til å være, og det jeg ser Alteryx leverer her er virkelig det du kan kalle den neste fasen i analytisk modenhet, fordi de lar deg bruke alle disse forskjellige kildene, men fordi de har dette kampområdet med dataforvaltningspolitikk som er bakt i, nå får du virkelig det beste fra begge verdener der du kan ha mange forskjellige datasett, men du har styring, og du kan også bruke all slags informasjon og service alle slags forskjellige analytikere til få sine forskjellige perspektiver på hva som skjer i næringslivet. Men jeg ser på dette som et ganske viktig skritt i utviklingen av analyser for bedriften, men hva tror du?
Wayne Eckerson: Nei, absolutt. Datavarehusene, depotene til en versjon av sannheten som de var, og jeg tror det bare ble ignorert, du vet, organisasjonsdynamikk og rollene som folk spiller. Og jeg ser disse to BI-verdenene eller analysene, som du kaller dem. Og i de fleste selskaper går de i motsatte retninger, og de snakker ikke med hverandre, de stoler ikke på hverandre, men de er veldig synergistiske, og vi må bare få dem til å erkjenne hverandre og slags arbeid sammen. Og verktøy som Alteryx som inkorporerer styringen gjennom datakatalogiseringsevnen, hvor tillitsvalgte kan administrere datasettet og sertifisere og vannmerke dem, noe som jeg har snakket om i et par år nå i klassene mine. Svært få selskaper har gjort det, men det blir så mye trekkraft, og nå hører jeg at det er overalt.
Og slik, måten å blande disse to verdenene på, for du vet at du har kaken din, og du spiser den også. Du kan la strømbrukerne gå og gjøre det de trenger å gjøre. Gå og finn den nye innsikten på forespørsel, og da, vet du, men du hindrer den i å komme ut av kontroll. Du hindrer det i å opprette Tower of Babel med noen standarder som krever litt styring. Og målet er virkelig å skape en kultur for styring der folk ønsker å gå gjennom styringsprosessen. De vil at rapporter / datasett skal bli gjennomgått, slik at de blir konsumert mer bredt. Det er målet, og det er virkelig ITs nye rolle i denne nye verdenen. Jeg sier alltid at deres rolle er å tilrettelegge, ikke diktere. Og det er et stort tankeskifte for de fleste IT-fagfolk som har vært vant til å være i en delt tjeneste som gjorde alt for virksomheten. Nå gjør virksomheten for seg selv, og det trenger egentlig bare å være folket, som Josh sa, og satte opp disse rekkverkene.
Eric Kavanagh: Ja, jeg tror rekkverkene er viktige fordi de lar fritt spillerom, om du vil, av analytikere gjøre forskjellige ting, men ikke komme utenfor banen. Og hvis jeg forstår -
Wayne Eckerson: Nøyaktig.
Eric Kavanagh: -Du er riktig, Josh-
Josh Howard: Akkurat.
Eric Kavanagh: Ja, du snakket sånn om hvordan, jeg har faktisk sporet Alteryx nå siden før den ble kalt Alteryx for mange år siden - jeg tror det ble kalt SRC eller noe på den måten - og en Wal-Mart var den første kunde. Og en av de virkelig kule tingene som dere snakket om tilbake da var muligheten til å virkelig forstå forretningsprosesser og arbeidsflyter. Og hvis du har så sterk forståelse av arbeidsflyt og forretningsprosesser, kan du gjøre en rekke forskjellige ting. Først av alt kan du levere et mye perfeksjonert brukergrensesnitt hvis du ikke overskygger alternativene som er tilgjengelige for brukeren med ekstern informasjon. To, du kan også effektivisere prosesser for bedre å forstå hvor det er choke-poeng eller kontrollpunkter. Og jeg tror det sannsynligvis er en del av magien til hvorfor Alteryx har klart å levere dette veldig styringsvennlige, men brukervennlige miljøet som muliggjør alle slags forskjellige informasjonssett og analytiske brukssaker. Vil du være enig i det?
Josh Howard: Ja, det mener jeg, Eric, og mye av dette er bare å sette disse verktøyene i hendene på forretningsbrukere og gi dem en måte å gjøre jobben sin på en forretningsvennlig måte det er enkelt å bruke og det er vennlig. Jeg mener, hvis du tenker på noe som styring av data, har vi snakket om styring av data i to tiår, og som IP-lagring, har vi prøvd å presse dette ned til virksomheten, og det blir aldri adoptert, og blir aldri noen form for trekkraft, fordi den ikke er bygget for forretningsbrukere, ikke sant? Det er IT-ledet, IT-drevet, og det fungerer for IT, men det fungerer ikke for de forretningsbrukerne. Og så, vi vil ta de samme metodene, men bruke dem på et forretningsvennlig verktøysett, og det er vår tilnærming til, du vet, datakatalogiseringsløsningen og metadatastyring.
Når jeg snakker med en forretningsbruker, snakker jeg aldri om et semantisk datalag, og hvordan vi hjelper deg med å håndtere, vet du, metadata. Men, du vet, på baksiden, det er egentlig det den gjør, de typer ting har vært innen IT i lang tid, men for forretningsbrukeren handler det om hvordan du finner data raskere, hvordan du får jobben din gjort raskere, og gi den informasjonen i et brukervennlig grensesnitt som de er vant til å bruke, akkurat som i forbrukerlivet, ikke sant? De vil ha et Google-lignende søkegrensesnitt, de vil ha et sosialt samarbeidselement der de kan nettverk med andre brukere i den organisasjonen for å bryte ned disse datasiloene og fange den stammekunnskapen. Og vi tar bare en annen tilnærming til hvordan vi jobber med virksomheten, men gjør det på en måte som også er IT-vennlig.
Eric Kavanagh: Ja, og jeg fikk et stort spørsmål-
Wayne Eckerson: Du vet den andre tingen - Josh, som slo meg i presentasjonen din var, vi er i en alder av plattformer nå. Jeg tror vi har flyttet oss forbi verktøyets alder, og det er greit, men plattformene, ikke sant? Og så har jeg dekket BI i 20-noen rare år, og på BI-plassen har vi gått fra verktøy til analytiske plattformer der, du vet, ett produkt i utgangspunktet deporterer alle analysemåter for alle typer brukere, Ikke sant? Fra rapporter til prediksjon om en felles arkitektur og selvtjenester. Vi ser også det samme på datasamlingen, eller dataintegrasjonssiden der noen setter sammen disse plattformene som inntar data, legger til dem, katalogiserer dem, reparerer dem, transformerer dem og gjør dem tilgjengelige for brukere å laste ned og analysere. Og nå, det dere gjør, tar det neste steget på mange måter og kombinerer de to plattformene til en, så det er en kombinert analyse- og dataplattform, som du vet er fornuftig. Det er fremtiden: konvergens. Det eneste jeg ikke ser i plattformen din, er de grunnleggende rapporterings- og dashbordverktøyene eller -funksjonene, men kanskje det er innebygd i din analytiske modul.
Josh Howard: Ja, vi rapporterer batchrapportering veldig bra. Vi har en veldig robust løsning der, men du traff på et punkt rundt dashbordene, og vi ser dette som en mulighet for oss å vokse. Vi har alltid tradisjonelt hatt gode partnerskap med Tableau, Power BI og Qlik, men vi vil fortsette med det. Men det vi finner er analytikerne, kundene våre, de vil ikke vente til slutten av arbeidsflyten og den syklusen for å se resultatene, OK? De vil se resultatene når de jobber i sanntid, og det er virkelig retningen vi går, og med vi vet hva vi merker som inline visualitics, slik at du ser dataene dine mens du jobber, og du kan gjenta det og se det i sanntid i stedet for å vente til slutten og publisere det til et visualiseringsverktøy eller et dashbord for å se resultatene. Og så eliminerer det bare behovet for å balansere frem og tilbake for å få innsikt.
Wayne Eckerson: Ja, det gir mye mening. Og dere er kjent nå for brukervennlighet. Du bruker, du bruker selskapet Tableau for å øke berømmelsen og formuen. Du er der med dem, og hvem er det bedre å ta ledelsen på dette konvergerte plattformområdet fordi du har foten i både analyser og databehandling. Så vi tester for å se hvordan det går med dere i løpet av de neste par årene.
Josh Howard: Ja, og du vet, jeg synes det er interessant, og jeg er glad for å være en del av dette rommet, og det har virkelig vært interessant å se, se på, du vet, dataintegrasjonsrommet, forretningsintelligensrom, og det avanserte analyserommet, og ser virkelig de konvergerende. Og du vet, jeg tror plattformer som Alteryx virkelig vil hjelpe mange av de forretningsbrukerne med å utmerke seg og gjøre det mulig for disse brukerne å få tilgang til dataene sine og gjøre den analysen, vet du, og komme til den innsikten raskere og enklere.
Eric Kavanagh: Ja. Alt her, og jeg er enig med deg, Wayne, i at hvordan det virkelig gir mening, og jeg tenker, ja, det er et spørsmål fra et publikummedlem jeg vil kaste inn her. Det er veldig tysk for samtalen. Det handler om DataOp. For dere som ikke er kjent med begrepet -
Josh Howard: Neste lysbilde.
Eric Kavanagh: -Det har virkelig kommet sterkt de siste ni månedene. Det startet med en eller to leverandører, deretter tre og fire, deretter fem og seks, og nå snakker mange mennesker om DataOp. Det er i utgangspunktet datahåndteringssiden av DevOp. Så det vi ser er mye fokus på å virkelig prøve å forstå hvilke forskjellige verktøy og hvilke forskjellige teknologier som berører data når de beveger seg gjennom livssyklusen, og hvordan påvirker det analysesynet ditt. Og det virker som om Alteryx faktisk løser DataOps-problemet ved å fokusere på denne plattformtilnærmingen før DataOp til og med ble et begrep. Men jeg vil kaste det over til deg, Josh, først, og deretter deg, Wayne, for kommentarer. Josh, hva tror du?
Josh Howard: Ja, jeg tror det er et rom i utvikling. Du prøver, vi prøver å være dataagnostiske, og slik at vi kan få tilgang til data - enten det er i brannmuren din, i skyen, ustrukturerte data, strukturerte data - så fordi vi vet at dette kommer til å fortsette å endre, vet du, og jeg er sikker på at Wayne var enig i dette, og det ville du også, Eric. Hvis du går tilbake, vet du 10, 15 år på dette rommet, mener jeg, det var bare en håndfull databaser. Vi er nå opp til over 400 forskjellige databasetyper. Og det vil vi bare aldri holde tritt med. Og det vil alltid være noe nytt og skinnende for en organisasjon å adoptere. Og så, vi vil bare være agnostiske og bruke vår åpne teknologi og API-er for å kunne integreres sømløst med det du allerede har i organisasjonen din. Og se også den andre delen av dette på DataOp-siden er virkelig med flere og flere arbeidsmengder som blir presset til skyen, og nye skyteknologier og maskinlæringsteknologier skyver oss virkelig inn i dette nye paradigmet, og jeg tror virkelig det er der, du vet, DataOps kommer til å gå. Og vi kommer til å se mye interessant som skjer på det stedet.
Wayne Eckerson: Ja, jeg tror at et annet begrep vi bruker for DataOps er "datapipelines" eller "data supply chain", og vi ser mange selskaper komme ut, spesielt i big data-verdenen. Du kan administrere den arbeidsmengden og forhindre at datasjøer blir dataoppsving. Ja, og jeg er enig i at mye av det nå flytter inn i skyen.
Eric Kavanagh: Vel, og du vet, så Alteryx gjorde et par anskaffelser. Jeg vet ikke om du vil snakke om det i løpet av det siste året eller to, antar jeg, Josh, og det virkelig utfylte denne plattformen, når det gjelder inntak av data og når det gjelder noen av de semantiske tingene. Og nå har du virkelig denne typen ende-til-ende-løsning som gjør det mulig for analyser å styre den. Jeg kjenner ikke til noen andre som har tatt ganske så fokus og tilnærming, og jeg synes det var veldig smart på din halvdel. Men vil du snakke om det litt?
Josh Howard: Ja, helt sikkert. Og så har det vært et stort år for Alteryx. Vi vet at vi ble offentlig tidligere i år, og vi har gjort to viktige anskaffelser som hjelper oss, du vet, på en måte å avslutte plattformen vår. Og så, den første, det var virkelig den datakatalogiseringen. Igjen, du vet, det vi finner er hva vi vil hjelpe de organisasjonene som styrer disse dataene. Og slik kjøpte vi faktisk et datastyringsselskap som heter Semanta, og det har blitt vår datakatalogiseringsløsning og det vi har bygget inn i den generelle plattformen. Fordi vi gjør det igjen, ser vi styring være en nøkkelkomponent for selvbetjening og for å muliggjøre selvservice. Og så, igjen, som ga oss alle disse, du vet, metadatastyring, datakatalogiseringsfunksjoner. Og det vi har gjort er at vi har bygget et grensesnitt på det for å gjøre det enkelt å bruke og veldig vennlig, integrert det med vår overordnede plattform.
Den andre som vi laget var et datavitenskapelig selskap basert i Brooklyn, New York, og det ble gjort for å bygge ut maskinlæringskapasitetene våre så vel som modellstyringsstykket. Og så, det jeg nevnte tidligere, var at vi har mange dataforskere som bruker plattformene våre og gjør veldig viktig datavitenskapelig arbeid. Det var imidlertid veldig utfordrende å få disse modellene til siste mil. Og så, jeg nevnte, du vet, de 12 til 20 ukene det ofte tar, 250 000 dollar som det kreves for å bygge noen av disse modellene. Og hvordan kan du operasjonalisere og holde alle disse modellene oppdatert? Hvordan lærer disse modellene? Og hvordan trener du de modellene? Og så, det er et stort problem også, riktig, distribusjonsegenskapene. Og så, de to teknologiene med datavitenskapelig side og datastyringssiden har virkelig avrundet plattformen vår, og hva vi prøver å gjøre, prøver å bringe den til organisasjoner, for å løse denne utfordringen.
Eric Kavanagh: Ja, og jeg er glad for at du kastet det der fordi vi hadde et spørsmål fra publikum bare om maskinlæring og AI. Og Wayne, kanskje jeg kaster dette raskt til deg. For meg er det bare så mye potensiale for maskinlæring for å virkelig optimalisere mange av de forskjellige problemene som vi har slitt med i løpet av årene - ting som datakvalitet, for eksempel ting som trafikkforstyrrelser i analyse og hjelpe den oppdagelsessiden av ligningen, ikke sant? Fordi noen av disse algoritmene som fortsetter å lære spesielt, virkelig kan gå på egen hånd og finne noen interessante ting som kan dukke opp for brukeren. Fordi en av utfordringene, selvfølgelig, med analytikere generelt, er at enhver analytiker har med seg et eget sett med fordommer, sitt eget syn på verden. Det kan være ganske vanskelig å endre noen ganger, og derfor ser jeg mye potensiale for maskinlæring og AI i fremtiden. Hva tror du?
Wayne Eckerson: Nei, absolutt og bare grunnleggende regler. Disse tingene sammen vil ytterligere forenkle disse selvbetjeningsverktøyene, gjøre dem enklere å bruke. Du vet som sagt alt fra å lage anbefalinger for andre rapporter, for datasett å se på, til å justere modeller, du vet, rolige korrelasjoner i datapreparasjonsverktøyet. Du vet, vi har allerede hatt dette slik at Tableau har innovert riktig visualisering for datasettet du vil vise. Så alt dette gjør disse verktøyene mye kraftigere, gjør selvbetjening mye mer plausibel og hjelper brukere å bruke data til å øke innsikten og verdien raskere.
Eric Kavanagh: Ja, og du vet, i verden av bedriftsprogramvare er det tydeligvis så mye kule ting som skjer, men det er viktig at det alltid tar tid å bygge teknologi. Så tydeligvis kan du gå og skaffe ting, slik Alteryx har gjort. Men når du har erfaring i et rom, vet du, er det et gammelt uttrykk: Det er ingen erstatning for opplevelse. Du vet bare hvordan du gjør ting bedre, og jeg tror en av nøklene til Alteryxs langsiktige suksess her har vært at Alteryx virkelig var i gang med hele prosessen med å bruke tredjepartsdata for mange år siden. Jeg kan ikke huske nøyaktig hvor lenge, men jeg vil si for seks-syv år siden at Alteryx allerede har bakt muligheten til å gå ut og hente data fra selskaper som kredittfirmaer, for eksempel, eller geolokasjonsdata eller et hvilket som helst antall av tredjeparts datasystemer. Og jeg tror det var begynnelsen på det vi nå ser forfaller i forhold til det vi kaller dataversamling i disse dager, fordi vi ikke en gang hadde det begrepet den gang.
Men Josh, jeg vil kaste det tilbake til deg igjen. Og meg, jeg tror det er mye metning og erfaring som er bakt inn i Alteryx-plattformen rundt det datablendingskonseptet, som nå nettopp er blitt forsterket av svelging, maskinlæring, datakatalogisering og så videre. Jeg tror det er grunnen til at vi ser Alteryx der den er i dag. Hva tror du?
Josh Howard: Ja, jeg mener, nødvendigheten er moren til alle oppfinnelser, ikke sant? Og så, du vet, det var kundene våre som, du vet, vi, du vet, opprinnelig gjorde romlig analyse, og det var virkelig slik vi startet, gjorde romlig analyse. Og du vet, ved å ta data som TomTom og gjøre kjøretidsanalyse, kan du se, du vet, laste opp disse dataene med, du vet, hjemmedata fra Experian. Så det var virkelig der vi startet, og det vi fant var, du vet, kundene våre trengte en plattform for å blande alle dataene sammen. Og ville det ikke være kult hvis vi ga dem verktøyene til å gjøre det. Og så, det var virkelig drivkraften fra Alteryx.
Og du vet, det vi har funnet er at du vet, gjennom tidene, er at data prep er virkelig det første trinnet i din analytiske reise. Så du vet, det tar 80 prosent av dataforskerens tid, du vet, å forutsi analytisk og datavitenskapelig arbeid blir faktisk brukt på å gjøre datapreparasjonsarbeid, og mindre enn 20 prosent faktisk å analysere, og det er det vi prøver å vinne. Og så, data prep er det første trinnet i din analytiske reise. Så før du begynner å gjøre noen form for rapportering, avansert rapportering, prediktiv analyse, helt opp til kognitiv analyse, har du fremdeles tilgang til data, og du må fortsatt forberede og blande dem og trekke dem sammen. Og det er det vi løser med denne plattformen. Og slik at disse brukerne kan gjøre alle disse tingene både på en kodefri og en kodevennlig måte.
Eric Kavanagh: Ja, og jeg elsker det konseptet også: kodefri og kodevennlig. Fordi faktum er at du har mange kodejockeys, som kan tilføre enorm verdi, men det er mange forretningsbrukere som ærlig talt er slått av med kode. De blir skremt av det, og hvem kan klandre dem? Så Wayne, jeg synes det også er en fin funksjon, en fin tilnærming. Det er kodefri og kodevennlig, ikke sant?
Wayne Eckerson: Å, absolutt. Ja, det er slik du får flere og flere mennesker til selvbetjening.
Eric Kavanagh: Ja, og selvbetjening, tror jeg, er det neste store skrittet, og jeg liker virkelig det vi har diskutert i dag, så det handler om hvordan du virkelig tenker gjennom prosessene dine, arbeidet ditt flyter, dine livssykluser og og så videre. Og baker du disse retningslinjene i plattformen, til ditt poeng Wayne, det er noen problemer rundt standardisering, du mister litt fleksibilitet, men når folk først har forstått metodene for galskapen, blir du virkelig oppriktig med prosessen slik at i -brukere forstår at de nå kan få det de vil. De trenger ikke å vente på IT, og det endrer karakteren av hvordan IT og forretningsfolk jobber sammen, jeg tenker på en veldig positiv måte, for nå kan IT fungere som enabler, de trenger ikke å være en gatekeeper på teknologi så mye som de pleide å gjøre. Det er ikke så mye støtte, ideelt sett, hvis du har noen standarder. Så du ender opp med å fremme et større samarbeid fordi det er hele målet, ikke sant?
Så for å lukke kommentarer fra først Josh og deretter kanskje Wayne.
Josh Howard: Nei, jeg mener, du vet, jeg er enig i alt du sa. Du vet, det er viktig at vi gir både IT og forretningsbrukere verktøyene de trenger for å lykkes. Så vi tror at IT ikke skal være i bransjen med å lage rapporter. Det bør overlates til forretningsbrukeren som har den konteksten av virksomheten og dataene de bruker, men gjør det på en styrt måte, og noe som også vil fungere for IT.
Eric Kavanagh: OK, avslutter kommentarer fra Wayne.
Wayne Eckerson: Ja, IT-rolle har endret seg fra å gjøre alt for å tilrettelegge for selvbetjening og virkelig være forkjemperne for styringskultur og få brukerne til å ønske å styre sin egen produksjon, til fordel og for fordelen i organisasjonen . Jeg mener, ITs rolle er - jeg synes synd på IT, du vet, for noen ganger må de gå inn og bygge den, inndelinger i forretningsopplevelser som juridisk og HR vanligvis, jeg har ikke tenkt å gjøre noe av det. Og absolutt hvis du vil ha noe som er tverrfunksjonell bedrift, hvem ellers skal bygge det, men DET? Men generelt, ja, det må endres for å trives i denne verdenen av selvbetjening. De må være i en mer birolle enn.
Josh Howard: Ja, og jeg tror med den neste evolusjonen med sentrene for dyktighet og hvor disse prosjektene ikke ledes av IT eller virksomheten, men snarere en sentralisert organisasjon. Du vet, vi begynner å se fremveksten av sjefdateansvarlig og disse typer prosjekter falle i det riket der de både har styringsperspektiv så vel som forretningsperspektiv. Jeg tror det er et best case-scenario for å lage den data og analytisk kultur, og jeg er spent på å se hva som kommer ut av det.
Eric Kavanagh: Ja, vi hadde et par kommentarer fra siste øyeblikk fra deltakere som kom inn i chatroom og også spørsmål og svar. Jeg liker denne kommentaren: Styr resultatet, det er ingen tvetydighet om hvem som er selvbetjeningsrapporten som er riktig.
Josh Howard: Ja.
Eric Kavanagh: Ja, det er gode ting. Det handler om samarbeid, det handler om å jobbe sammen, og, du vet, Josh, nevnte du også, viktigheten av å ha brukere til å snakke med hverandre, og det er noe Alteryx også fokuserer på.
Så folkens, vi gikk litt lenge her, men vi begynte litt sent, så jeg vil takke deg så mye for all din tid og oppmerksomhet i dag. Vi arkiverer alle disse webcastene, så del dem gjerne med kollegaene dine.
Og med det skal vi ta farvel med deg. Takk igjen til Wayne og, selvfølgelig, til Josh fra Alteryx. Vi snakker med deg neste gang, folkens. Ha det fint. Ha det.
