Πώς μπορεί το Analytics να βελτιώσει την επιχείρησή σας; - Techwise Επεξεργασία επεισοδίου 2

Πηγή: Flickr / James Royal-Lawson

Πάρε μακριά:

Ο οικοδεσπότης Eric Kavanagh συζητά τη χρήση αναλυτικών στοιχείων στις επιχειρήσεις με τους επιστήμονες δεδομένων και τους ηγέτες στον κλάδο.

Συντάκτες Σημείωση: Αυτή είναι μια μεταγραφή ενός από τους προηγούμενους ιστούς μας. Το επόμενο επεισόδιο έρχεται γρήγορα, κάντε κλικ εδώ για να εγγραφείτε.


Eric Kavanagh: Κυρίες και κύριοι, γεια και καλωσορίζω και πάλι πίσω στο Επεισόδιο 2 του TechWise. Ναι, πράγματι, ήρθε η ώρα να γίνουμε σοφοί άνθρωποι! Έχω μια δέσμη πραγματικά έξυπνων ανθρώπων στη γραμμή σήμερα για να μας βοηθήσει σε αυτό το εγχείρημα. Το όνομά μου είναι ο Eric Kavanagh, φυσικά. Θα είμαι ο οικοδεσπότης σας, ο συντονιστής σας, για αυτή τη σφαιρική συνεδρία. Έχουμε μεγάλο περιεχόμενο εδώ, παιδιά. Έχουμε μερικά μεγάλα ονόματα στην επιχείρηση, που ήταν αναλυτές στο χώρο μας και τέσσερις από τους πιο ενδιαφέροντες πωλητές.Έτσι θα έχουμε πολύ καλές ενέργειες στην κλήση σήμερα. Και φυσικά, εσείς έξω εκεί στο κοινό παίζουν σημαντικό ρόλο στην ερώτηση.


Έτσι για άλλη μια φορά, το show είναι το TechWise και το θέμα σήμερα είναι "Πώς μπορεί το Analytics να βελτιώσει την επιχείρησή σας;" Προφανώς, είναι ένα καυτό θέμα όπου θα προσπαθήσουμε να κατανοήσουμε τα διαφορετικά είδη αναλύσεων που μπορείτε να κάνετε και πώς αυτό μπορεί να βελτιώσει τις λειτουργίες σας, γιατί αυτό είναι όλο αυτό στο τέλος της ημέρας.

Έτσι μπορείτε να δείτε τον εαυτό σας εκεί ψηλά, αυτό είναι αλήθεια. Ο κ. Kirk Borne, ένας καλός φίλος από το Πανεπιστήμιο George Mason. Είναι επιστήμονας δεδομένων με τεράστια εμπειρία, πολύ βαθιά εξειδίκευση σε αυτόν τον χώρο και εξόρυξη δεδομένων, μεγάλα δεδομένα και όλα αυτά τα είδη διασκέδασης. Και, φυσικά, έχουμε τον δικός μας Δρ Robin Bloor, Επικεφαλής Αναλυτή εδώ στην Ομάδα Bloor. Ποιος εκπαιδεύτηκε ως αναλογιστής πριν από πολλά χρόνια. Και έχει επικεντρωθεί πραγματικά σε όλο αυτό το μεγάλο χώρο δεδομένων και στον αναλυτικό χώρο αρκετά εντατικά για την τελευταία δεκαετία. Έχουν περάσει σχεδόν πέντε χρόνια από τότε που ξεκινήσαμε τον όμιλο Bloor per se. Ο χρόνος πετάει όταν διασκέδαζες.

Θα ακούσουμε επίσης από τον Will Gorman, αρχιτέκτονα της Pentaho. Steve Wilkes, CCO του WebAction. Frank Sanders, τεχνικός διευθυντής της MarkLogic. και η Hannah Smalltree, Διευθυντής στο Data Treasure. Όπως έχω πει, αυτό είναι πολύ περιεχόμενο.

Έτσι πώς μπορούν τα αναλυτικά στοιχεία να βοηθήσουν την επιχείρησή σας; Λοιπόν, πώς μπορείτε να βοηθήσετε την επιχείρησή σας, ειλικρινά; Υπάρχουν διάφοροι τρόποι με τους οποίους τα αναλυτικά στοιχεία μπορούν να χρησιμοποιηθούν για να κάνουν πράγματα που βελτιώνουν τον οργανισμό σας.

Έτσι απλοποιήστε τις λειτουργίες. Αυτό είναι ένα πράγμα που δεν ακούτε τόσο πολύ όπως εσείς για πράγματα όπως το μάρκετινγκ ή την αύξηση των εσόδων ή ακόμα και την αναγνώριση των ευκαιριών. Ωστόσο, ο εξορθολογισμός των λειτουργιών σας είναι αυτό που πραγματικά μπορείτε να κάνετε για τον οργανισμό σας επειδή μπορείτε να εντοπίσετε χώρους όπου μπορείτε είτε να αναθέσετε κάτι, είτε να προσθέσετε δεδομένα σε μια συγκεκριμένη διαδικασία, για παράδειγμα. Και αυτό μπορεί να εξομαλύνει το να μην απαιτεί κάποιος να πάρει το τηλέφωνο για να καλέσει ή κάποιος να. Υπάρχουν τόσοι πολλοί διαφορετικοί τρόποι με τους οποίους μπορείτε να βελτιώσετε τις λειτουργίες σας. Και όλα αυτά βοηθούν πραγματικά να μειώσουν το κόστος σας, έτσι; Αυτό είναι το κλειδί, μειώνει το κόστος. Αλλά σας επιτρέπει επίσης να εξυπηρετείτε καλύτερα τους πελάτες σας.

Και αν σκέφτεστε πόσο ανυπόμονοι άνθρωποι έχουν γίνει, και βλέπω αυτό κάθε μέρα όσον αφορά τον τρόπο με τον οποίο οι άνθρωποι αλληλεπιδρούν online, ακόμη και με τις εκπομπές μας, τους παρόχους υπηρεσιών που χρησιμοποιούμε. Η υπομονή που έχουν οι άνθρωποι, η διάρκεια της προσοχής, γίνεται συντομότερη και συντομότερη από την ημέρα. Και αυτό που σημαίνει είναι ότι πρέπει, ως οργανισμός, να ανταποκρίνεστε σε ταχύτερα και ταχύτερα χρονικά διαστήματα για να ικανοποιήσετε τους πελάτες σας.

Έτσι, για παράδειγμα, εάν κάποιος είναι στο webcast site σας ή περιηγηθείτε προσπαθώντας να βρούμε κάτι, εάν απογοητευτούν και φεύγουν, καλά, ίσως έχετε μόλις χάσει έναν πελάτη. Και ανάλογα με το ποσό που χρεώνετε για το προϊόν ή την υπηρεσία σας και ίσως αυτό να είναι μεγάλο πρόβλημα. Επομένως, η κατώτατη γραμμή είναι ότι οι εργασίες εξορθολογισμού, νομίζω, είναι ένας από τους πιο καυτούς χώρους για την εφαρμογή αναλυτικών στοιχείων. Και το κάνετε αυτό κοιτάζοντας τους αριθμούς, με τραγάνισμα των δεδομένων, καταγράφοντας, για παράδειγμα, "Γεια σου, γιατί χάνουμε τόσους πολλούς ανθρώπους σε αυτή τη σελίδα της ιστοσελίδας μας"; "Γιατί παίρνουμε μερικές από αυτές τις τηλεφωνικές κλήσεις αυτή τη στιγμή;"

Και όσο πιο πραγματικό χρόνο μπορείς να ανταποκρίνεσαι σε τέτοιου είδους πράγματα, τόσο μεγαλύτερες πιθανότητες θα έχεις να φτάσεις στην κορυφή της κατάστασης και να κάνεις κάτι γι 'αυτό πριν είναι πολύ αργά. Επειδή υπάρχει εκείνο το παράθυρο του χρόνου όταν κάποιος παίρνει αναστατωμένος για κάτι, είναι δυσαρεστημένοι ή προσπαθούν να βρουν κάτι αλλά είναι απογοητευμένοι. έχετε ένα παράθυρο ευκαιρίας εκεί για να φτάσετε σε αυτούς, να τους αρπάξετε, να αλληλεπιδράσετε με αυτόν τον πελάτη. Και αν το κάνετε με τον σωστό τρόπο με τα σωστά δεδομένα ή την ωραία εικόνα του πελάτη - την κατανόηση του ποιος είναι αυτός ο πελάτης, ποια είναι η κερδοφορία του, ποιες είναι οι προτιμήσεις του - εάν μπορείτε πραγματικά να πάρετε μια λαβή σε αυτό, θα πάμε να το κάνουμε μια εξαιρετική δουλειά να κρατάτε τους πελάτες σας και να αποκτάτε νέους πελάτες. Και αυτό είναι το θέμα.

Έτσι λοιπόν, πρόκειται να το παραδώσω, στην πραγματικότητα, στον Kirk Borne, έναν από τους επιστήμονες δεδομένων μας σχετικά με την κλήση σήμερα. Και αυτές τις μέρες είναι πολύ σπάνιες, παιδιά. Έχουμε δύο τουλάχιστον από αυτούς, γι 'αυτό είναι μεγάλη υπόθεση. Με αυτό, Kirk, θα σας το παραδώσω σε σας για να μιλήσετε για τα αναλυτικά και πώς βοηθάει τις επιχειρήσεις. Καν 'το.

Δρ Kirk Borne: Ευχαριστώ πολύ, Eric. Μπορείς να με ακούσεις?

Eric: Αυτό είναι εντάξει, προχωρήστε.

Δρ Κερκ: Εντάξει, καλό. Απλώς θέλω να μοιραστώ αν μιλήσω για πέντε λεπτά και οι άνθρωποι κυματίζουν τα χέρια μου σε μένα. Έτσι, οι εισαγωγικές παρατηρήσεις, Eric, ότι κάνατε πραγματικά να συνδεθείτε με αυτό το θέμα θα μιλήσω σύντομα για τα επόμενα λεπτά που είναι αυτή η χρήση των μεγάλων δεδομένων και των αναλυτικών δεδομένων για τις αποφάσεις που θα υποστηρίξουν εκεί. Το σχόλιο που κάνατε σχετικά με τον επιχειρησιακό εξορθολογισμό, για μένα, εμπίπτει στην έννοια της επιχειρησιακής ανάλυσης, στην οποία μπορείτε να δείτε σχεδόν σε κάθε εφαρμογή στον κόσμο είτε πρόκειται για εφαρμογή επιστήμης, επιχείρηση, ασφάλεια στον κυβερνοχώρο και επιβολής του νόμου κυβέρνηση, υγειονομική περίθαλψη. Οποιοσδήποτε αριθμός θέσεων όπου έχουμε μια ροή δεδομένων και κάνουμε κάποια απάντηση ή απόφαση ως αντίδραση σε συμβάντα και ειδοποιήσεις και συμπεριφορές που βλέπουμε σε αυτή τη ροή δεδομένων.

Και έτσι ένα από τα πράγματα που θα ήθελα να μιλήσω σήμερα είναι το πώς εξάγετε τις γνώσεις και τις ιδέες από τα μεγάλα δεδομένα για να φτάσετε σε αυτό το σημείο όπου μπορούμε πραγματικά να πάρουμε αποφάσεις για να αναλάβουμε δράση. Και συχνά μιλάμε για αυτό σε ένα αυτοματισμό con. Και σήμερα θέλω να συνδυάσω την αυτοματοποίηση με τον ανθρώπινο αναλυτή στον βρόχο. Έτσι με αυτό εννοώ ενώ ο επιχειρηματικός αναλυτής διαδραματίζει σημαντικό ρόλο εδώ όσον αφορά το στοίχημα, τις προϋποθέσεις, την επικύρωση συγκεκριμένων ενεργειών ή κανόνων μηχανικής μάθησης που εξάγουμε από τα δεδομένα. Αλλά εάν φθάσουμε σε ένα σημείο όπου είμαστε σχεδόν πεπεισμένοι ότι οι επιχειρηματικοί κανόνες που έχουμε εξάγει και οι μηχανισμοί για την ειδοποίησή μας είναι έγκυροι, τότε μπορούμε να το μετατρέψουμε σε μια αυτοματοποιημένη διαδικασία. Στην πραγματικότητα κάνουμε αυτό το επιχειρησιακό εξορθολογισμό που μιλάει ο Eric.

Γι 'αυτό έχω ένα μικρό παιχνίδι για τα λόγια εδώ, αλλά ελπίζω, αν δουλέψει για σας, μίλησα για την πρόκληση D2D. Και D2D, όχι μόνο τα στοιχεία των αποφάσεων σε όλα τα μειονεκτήματα, εμείς το βλέπουμε αυτό στο είδος της βάσης αυτής της διαφάνειας ελπίζουμε ότι μπορείτε να το δείτε, κάνοντας ανακαλύψεις και αυξάνοντας δολάρια έσοδα από τους αγωγούς μας analytics.

Έτσι σε αυτό το con, έχω πραγματικά αυτό το ρόλο του έμπορος για τον εαυτό μου εδώ τώρα που εργάζομαι με και αυτό είναι? το πρώτο πράγμα που θέλετε να κάνετε είναι να χαρακτηρίσετε τα δεδομένα σας, να εξαγάγετε τις λειτουργίες, να εξαγάγετε τα χαρακτηριστικά των πελατών σας ή οποιουδήποτε φορέα που παρακολουθείτε στο χώρο σας. Ίσως είναι ένας ασθενής σε ένα περιβάλλον ανάλυσης της υγείας. Ίσως είναι ένας χρήστης του Διαδικτύου εάν εξετάζετε ένα είδος προβλήματος ασφάλειας στον κυβερνοχώρο. Αλλά χαρακτηρίστε και εξαγάγετε τα χαρακτηριστικά και στη συνέχεια εξαγάγετε μερικά con για αυτό το άτομο, για εκείνη την οντότητα. Και στη συνέχεια συγκεντρώνετε εκείνα τα κομμάτια που μόλις δημιουργήσατε και τα βάζετε σε μια συλλογή από την οποία μπορείτε να εφαρμόσετε αλγόριθμους μηχανικής μάθησης.

Ο λόγος που το λέω με αυτόν τον τρόπο είναι ότι, ας πούμε, έχετε μια κάμερα παρακολούθησης σε ένα αεροδρόμιο. Το ίδιο το βίντεο είναι ένας τεράστιος, μεγάλος όγκος και είναι επίσης πολύ αδόμητος. Αλλά μπορείτε να εξαγάγετε από την παρακολούθηση βίντεο, βιομετρικά στοιχεία προσώπου και να εντοπίσετε άτομα στις κάμερες παρακολούθησης. Έτσι, για παράδειγμα, σε ένα αεροδρόμιο, μπορείτε να εντοπίσετε συγκεκριμένα άτομα, μπορείτε να τα εντοπίσετε μέσω του αεροδρομίου, αναγνωρίζοντας ταυτόχρονα το ίδιο άτομο σε πολλές κάμερες παρακολούθησης. Με τέτοιο τρόπο ώστε τα εξαγόμενα βιομετρικά χαρακτηριστικά που πραγματικά εξορύγετε και παρακολουθείτε δεν είναι το ίδιο το λεπτομερές βίντεο. Αλλά μόλις έχετε αυτές τις εξαγνώσεις, τότε μπορείτε να εφαρμόσετε κανόνες εκμάθησης μηχανών και αναλυτικά στοιχεία για να αποφασίσετε αν πρέπει να πάρετε μια ενέργεια σε μια συγκεκριμένη περίπτωση ή κάτι που συνέβη εσφαλμένα ή κάτι που έχετε την ευκαιρία να κάνετε μια προσφορά. Αν είστε, για παράδειγμα, εάν έχετε ένα κατάστημα στο αεροδρόμιο και βλέπετε ότι ο πελάτης σας έρχεται με τον τρόπο σας και γνωρίζετε από άλλες πληροφορίες σχετικά με αυτόν τον πελάτη, ίσως αυτός πραγματικά ενδιαφέρεται πραγματικά να αγοράσει πράγματα στο αφορολόγητο κατάστημα ή κάτι τέτοιο, κάνει αυτή την προσφορά.

Τι είδους πράγματα θα ήθελα να πω με τον χαρακτηρισμό και την ενδυνάμωση; Με τον χαρακτηρισμό εννοώ, πάλι, την εξαγωγή των χαρακτηριστικών και των χαρακτηριστικών στα δεδομένα. Και αυτό μπορεί είτε να δημιουργηθεί μηχανικά, και τότε οι αλγόριθμοί μπορούν να εξάγουν, για παράδειγμα, βιομετρικές υπογραφές από ανάλυση βίντεο ή συναισθημάτων. Μπορείτε να εξαγάγετε το συναίσθημα του πελάτη μέσω διαδικτυακών κριτικών ή κοινωνικών μέσων. Μερικά από αυτά τα πράγματα μπορεί να είναι ανθρώπινα, έτσι ώστε ο άνθρωπος, ο επιχειρηματικός αναλυτής, να μπορεί να εξαγάγει πρόσθετα χαρακτηριστικά τα οποία θα δείξω στην επόμενη διαφάνεια.

Ορισμένες από αυτές μπορούν να είναι crowdsourced. Και από το crowdsourced, υπάρχουν πολλοί διαφορετικοί τρόποι που μπορείτε να το σκεφτείτε. Αλλά πολύ απλά, για παράδειγμα, οι χρήστες σας έρχονται στον ιστοχώρο σας και βάζουν σε λέξεις αναζήτησης, λέξεις-κλειδιά, και καταλήγουν σε μια συγκεκριμένη σελίδα και πραγματικά ξοδεύουν χρόνο εκεί στη σελίδα. Ότι στην πραγματικότητα, τουλάχιστον, καταλαβαίνουν ότι είτε βλέπουν, περιηγούνται, κάνουν κλικ σε πράγματα σε αυτήν τη σελίδα. Αυτό που σας λέει είναι ότι η λέξη-κλειδί που πληκτρολογήθηκε στην αρχή είναι ο περιγραφικός της σελίδας επειδή προσγειώθηκε στον πελάτη στη σελίδα που πρόβλεπε. Και έτσι μπορείτε να προσθέσετε ότι το πρόσθετο κομμάτι πληροφοριών, δηλαδή οι πελάτες που χρησιμοποιούν αυτή τη λέξη-κλειδί, προσδιόρισαν αυτήν την ιστοσελίδα στην αρχιτεκτονική των πληροφοριών μας ως τον τόπο όπου αυτό το περιεχόμενο ταιριάζει με αυτήν τη λέξη-κλειδί.

Και έτσι το crowdsourcing είναι μια άλλη πτυχή που μερικές φορές οι άνθρωποι ξεχνούν, αυτό το είδος της παρακολούθησης των ψαριών των πελατών σας, να το πω έτσι? πώς κινούνται μέσω του χώρου τους, είτε πρόκειται για ένα διαδικτυακό ακίνητο είτε για ένα ακίνητο. Και στη συνέχεια να χρησιμοποιήσετε αυτό το είδος διαδρομής, ότι ο πελάτης λαμβάνει ως πρόσθετες πληροφορίες για τα πράγματα που εξετάζουμε.

Θέλω λοιπόν να πω ότι τα πράγματα που δημιουργούνται από τον άνθρωπο ή που παράγονται μηχανικά, κατέληξαν να έχουν ένα κώνο με κάποιο είδος σχολιασμού ή επισήμανσης συγκεκριμένων κόκκων δεδομένων ή οντοτήτων. Είτε οι φορείς αυτοί είναι ασθενείς σε νοσοκομειακό περιβάλλον, πελάτες ή οτιδήποτε άλλο. Και έτσι υπάρχουν διαφορετικοί τύποι επισημάνσεων και σχολιασμών. Μερικά από αυτά αφορούν τα ίδια τα δεδομένα. Αυτό είναι ένα από τα πράγματα, τι είδους πληροφορίες, τι είδους πληροφορίες, ποιες είναι οι δυνατότητες, τα σχήματα, ίσως οι μύες και τα πρότυπα, η ανωμαλία, οι μη ανωμαλίες συμπεριφορές. Και στη συνέχεια εξαγάγετε κάποια σημασιολογία, δηλαδή, πώς σχετίζεται αυτό με άλλα πράγματα που γνωρίζω, ή αυτός ο πελάτης είναι πελάτης ηλεκτρονικών. Αυτός ο πελάτης είναι πελάτης ειδών ένδυσης. Ή αυτός ο πελάτης θέλει να αγοράσει μουσική.

Έτσι εντοπίζοντας κάποια σημασιολογία γι 'αυτό, αυτοί οι πελάτες που αγαπούν τη μουσική τείνουν να προτιμούν την ψυχαγωγία. Ίσως θα μπορούσαμε να τους προσφέρουμε κάποια άλλη ιδιότητα ψυχαγωγίας. Έτσι κατανοώντας τη σημασιολογία και επίσης κάποια προέλευση, που βασικά λέει: από πού προέκυψε αυτό, ποιος έδωσε τον ισχυρισμό αυτό, σε ποιο χρονικό σημείο, σε ποια ημερομηνία, σε ποια περίσταση;

Έτσι, μόλις έχετε όλους αυτούς τους σχολιασμούς και χαρακτηρισμούς, προσθέστε σε αυτό το επόμενο βήμα, το οποίο είναι το con, το είδος του ποιος, τι, πότε, πού και γιατί του. Ποιος είναι ο χρήστης; Ποιο ήταν το κανάλι στο οποίο μπήκε; Ποια ήταν η πηγή των πληροφοριών; Τι είδους επαναχρησιμοποίηση έχουμε δει σε αυτό το συγκεκριμένο κομμάτι πληροφοριών ή προϊόντος; Και τι είναι, είναι κάτι σαν αξία στην επιχειρηματική διαδικασία; Στη συνέχεια συλλέγετε αυτά τα πράγματα και τα διαχειρίζεστε, και συμβάλλετε στην δημιουργία βάσης δεδομένων, αν θέλετε να το σκεφτείτε με αυτόν τον τρόπο. Κάνετε την αναζήτηση, επαναχρησιμοποιήσιμη, από άλλους επιχειρηματικούς αναλυτές ή από μια αυτοματοποιημένη διαδικασία που, την επόμενη φορά που βλέπω αυτά τα σύνολα χαρακτηριστικών, το σύστημα μπορεί να λάβει αυτή την αυτόματη ενέργεια. Και έτσι φτάνουμε σε αυτό το είδος επιχειρησιακής αναλυτικής αποτελεσματικότητας, αλλά όσο περισσότερο συλλέγουμε χρήσιμες, ολοκληρωμένες πληροφορίες και στη συνέχεια το καθαρίζουμε για αυτές τις περιπτώσεις χρήσης.

Πάμε για δουλειά. Κάνουμε τα αναλυτικά στοιχεία. Ψάχνουμε για ενδιαφέροντα μοτίβα, εκπλήξεις, υπερβολές καινοτομίας, ανωμαλίες. Ψάχνουμε για τις νέες κατηγορίες και τμήματα του πληθυσμού. Ψάχνουμε για ενώσεις και συσχετισμούς και συνδέσμους μεταξύ των διαφόρων οντοτήτων. Και στη συνέχεια χρησιμοποιούμε όλα αυτά για να οδηγήσουμε την ανακάλυψη, την απόφασή μας και τη διαδικασία λήψης δολαρίων.

Έτσι, πάλι εδώ, πήραμε την τελευταία διαφάνεια δεδομένων που έχω απλά συνοψίζω βασικά, διατηρώντας τον επιχειρηματικό αναλυτή στον βρόχο, πάλι, δεν εξάγετε αυτόν τον άνθρωπο και είναι σημαντικό να κρατήσετε αυτόν τον άνθρωπο εκεί.

Έτσι, αυτά τα χαρακτηριστικά, όλα αυτά παρέχονται από μηχανές ή ανθρώπινους αναλυτές ή ακόμα και crowdsourcing. Εφαρμόζουμε αυτόν τον συνδυασμό πραγμάτων για να βελτιώσουμε τα σετ κατάρτισης για τα μοντέλα μας και να καταλήξουμε σε ακριβέστερα μοντέλα πρόβλεψης, λιγότερα ψευδώς θετικά και αρνητικά, πιο αποτελεσματική συμπεριφορά, πιο αποτελεσματικές παρεμβάσεις με τους πελάτες μας ή όποιον.

Έτσι, στο τέλος της ημέρας, συνδυάζουμε πραγματικά την εκμάθηση μηχανών και τα μεγάλα δεδομένα με αυτή τη δύναμη της ανθρώπινης γνώσης, η οποία είναι εκεί που εισέρχονται αυτά τα είδη σημείων επισημάνσεως. Και αυτό μπορεί να οδηγήσει μέσα από οπτικοποίηση και οπτικό αναλυτικό τύπο εργαλεία ή βυθιζόμενα περιβάλλοντα δεδομένων ή crowdsourcing. Και, στο τέλος της ημέρας, αυτό που πραγματικά κάνει είναι να δημιουργήσει την ανακάλυψη, τις ιδέες μας και το D2D. Και αυτά είναι τα σχόλιά μου, οπότε σας ευχαριστώ που ακούσατε.

Eric: Αυτός ακούγεται υπέροχος και με αφήνει να προχωρήσω και να παραδώσω τα πλήκτρα στον Δρ Robin Bloor για να δώσω και την προοπτική του. Ναι, μου αρέσει να σας σχολιάζω την ιδέα της εξορθολογισμού των λειτουργιών και μιλάτε για λειτουργικές αναλύσεις. Νομίζω ότι πρόκειται για μια μεγάλη περιοχή που πρέπει να διερευνηθεί αρκετά καλά. Και υποθέτω, πραγματικά γρήγορα πριν Robin, θα σας φέρει πίσω, Kirk. Απαιτεί να έχετε κάποια πολύ σημαντική συνεργασία μεταξύ των διαφόρων παικτών της εταιρείας, σωστά; Πρέπει να μιλήσετε με τους ανθρώπους της επιχείρησης. πρέπει να πάρετε τους τεχνικούς σας. Μερικές φορές παίρνετε τους ανθρώπους του μάρκετινγκ ή τους ανθρώπους σας στο διαδίκτυο. Αυτές είναι συνήθως διαφορετικές ομάδες. Έχετε οποιεσδήποτε βέλτιστες πρακτικές ή προτάσεις σχετικά με το πώς να πάρει ο καθένας να βάλει το δέρμα του στο παιχνίδι;

Δρ Kirk: Πιστεύω ότι αυτό έρχεται με την επιχειρηματική κουλτούρα της συνεργασίας. Στην πραγματικότητα, μιλάω για τις τρεις C του είδους της πολιτικής της ανάλυσης. Το ένα είναι η δημιουργικότητα. άλλος είναι η περιέργεια και η τρίτη είναι η συνεργασία. Θέλετε λοιπόν δημιουργικούς, σοβαρούς ανθρώπους, αλλά πρέπει επίσης να τους βοηθήσετε να συνεργαστούν. Και πραγματικά ξεκινά από την κορυφή, αυτό το κτίριο που κουλτούρα με τους ανθρώπους που θα πρέπει ανοιχτά να μοιράζονται και να συνεργάζονται προς την κατεύθυνση των κοινών στόχων της επιχείρησης.

Eric: Όλα έχουν νόημα. Και πραγματικά πρέπει να έχετε καλή ηγεσία στην κορυφή για να συμβεί αυτό. Ας προχωρήσουμε και δώστε το στο Δρ Bloor. Ρομπίν, το πάτωμα είναι δικό σου.

Δρ Robin Bloor: Εντάξει. Σας ευχαριστώ για την εισαγωγή, Eric. Εντάξει, ο τρόπος με τον οποίο τα πάνε αυτά, δείχνουν, γιατί έχουμε δύο αναλυτές. Μπορώ να δω την παρουσίαση του αναλυτή ότι δεν το κάνουν οι άλλοι τύποι. Ήξερα τι θα έλεγε ο Kirk και πηγαίνω απλώς μια εντελώς διαφορετική γωνία, έτσι ώστε να μην πάμε πάρα πολύ να επικαλύπτονται.

Επομένως, αυτό που πραγματικά μιλάω ή σκοπεύω να μιλήσω εδώ είναι ο ρόλος του αναλυτή δεδομένων σε σχέση με το ρόλο του επιχειρηματικού αναλυτή. Και ο τρόπος με τον οποίο το χαρακτηρίζω, καλά, η γλώσσα σε μάγουλο σε κάποιο βαθμό, είναι κάτι το είδος του Jekyll και του Hyde. Η διαφορά είναι ειδικά οι επιστήμονες των δεδομένων, τουλάχιστον θεωρητικά, να γνωρίζουν τι κάνουν. Ενώ οι επιχειρηματικοί αναλυτές δεν είναι έτσι, εντάξει με τον τρόπο που τα μαθηματικά δουλεύουν, τι μπορεί να εμπιστευτεί και τι δεν μπορεί να εμπιστευτεί.

Ας πάρουμε ακριβώς τον λόγο για τον οποίο κάνουμε αυτό, ο λόγος που η ανάλυση των δεδομένων έγινε ξαφνικά μεγάλη υπόθεση πέρα ​​από το γεγονός ότι μπορούμε πραγματικά να αναλύσουμε πολύ μεγάλο όγκο δεδομένων και να τραβήξουμε δεδομένα εκτός της οργάνωσης. πληρώνει. Ο τρόπος με τον οποίο εξετάζω αυτό - και νομίζω ότι αυτό γίνεται απλώς υπόθεση, αλλά σίγουρα πιστεύω ότι πρόκειται για υπόθεση - η ανάλυση δεδομένων είναι πραγματικά επιχειρηματική Ε & Α. Αυτό που πράγματι κάνετε με τον ένα ή τον άλλο τρόπο με την ανάλυση δεδομένων είναι ότι κοιτάζετε μια επιχειρηματική διαδικασία σε ένα είδος ή αν αυτή είναι η αλληλεπίδραση με έναν πελάτη, είτε αυτό συμβαίνει με τον τρόπο που η λιανική σας λειτουργία, ο τρόπος που αναπτύσσετε τα καταστήματά σας. Δεν έχει σημασία τι είναι το θέμα. Εξετάζετε μια δεδομένη επιχειρηματική διαδικασία και προσπαθείτε να την βελτιώσετε.

Το αποτέλεσμα της επιτυχημένης έρευνας και ανάπτυξης είναι μια διαδικασία αλλαγής. Και μπορείτε να σκεφτείτε την κατασκευή, αν θέλετε, ως συνηθισμένο παράδειγμα αυτού. Επειδή στον τομέα της μεταποίησης, οι άνθρωποι συλλέγουν πληροφορίες για τα πάντα για να προσπαθήσουν να βελτιώσουν τη διαδικασία κατασκευής. Αλλά νομίζω ότι αυτό που συνέβη ή τι συμβαίνει στα μεγάλα δεδομένα είναι όλα αυτά εφαρμόζονται τώρα σε όλες τις επιχειρήσεις οποιουδήποτε είδους με κάθε τρόπο που μπορεί κανείς να σκεφτεί. Έτσι, σχεδόν οποιαδήποτε επιχειρηματική διαδικασία είναι έτοιμη για εξέταση εάν μπορείτε να συλλέξετε δεδομένα σχετικά με αυτό.

Αυτό είναι ένα πράγμα. Αν σας αρέσει, πρόκειται για την ανάλυση δεδομένων. Τι μπορεί να κάνει η ανάλυση δεδομένων για την επιχείρηση; Λοιπόν, μπορεί να αλλάξει την επιχείρηση εντελώς.

Αυτό το συγκεκριμένο διάγραμμα το οποίο δεν πρόκειται να περιγράψω σε βάθος, αλλά αυτό είναι ένα διάγραμμα που καταλήξαμε ως το αποκορύφωμα του ερευνητικού προγράμματος που κάναμε για τους πρώτους έξι μήνες του τρέχοντος έτους. Αυτός είναι ένας τρόπος να αντιπροσωπεύει μια μεγάλη αρχιτεκτονική δεδομένων. Και μια σειρά από πράγματα που αξίζει να επισημάνω πριν πάω στην επόμενη διαφάνεια. Υπάρχουν δύο ροές δεδομένων εδώ. Το ένα είναι μια ροή δεδομένων σε πραγματικό χρόνο, η οποία πηγαίνει κατά μήκος της κορυφής του διαγράμματος. Το άλλο είναι μια πιο αργή ροή δεδομένων που πηγαίνει κατά μήκος του κάτω μέρους του διαγράμματος.

Δείτε το κάτω μέρος του διαγράμματος. Έχουμε τον Hadoop ως δεξαμενή δεδομένων. Έχουμε διάφορες βάσεις δεδομένων. Έχουμε ένα σύνολο δεδομένων εκεί με μια ολόκληρη δέσμη της δραστηριότητας που συμβαίνει σε αυτό, τα περισσότερα από τα οποία είναι αναλυτική δραστηριότητα.

Το σημείο που κάνω εδώ και το μόνο σημείο που θέλω πραγματικά να κάνω εδώ είναι ότι η τεχνολογία είναι δύσκολη. Δεν είναι απλό. Δεν είναι εύκολο. Δεν είναι κάτι που ο καθένας που είναι νέος στο παιχνίδι μπορεί πραγματικά να βάλει μαζί. Αυτό είναι αρκετά περίπλοκο. Και αν πρόκειται να οργανώσετε μια επιχείρηση για να κάνετε αξιόπιστες αναλύσεις σε όλες αυτές τις διαδικασίες, τότε δεν πρόκειται για κάτι που θα συμβεί ειδικά γρήγορα. Θα χρειαστεί να προστεθεί πολλή τεχνολογία στο μείγμα.

Εντάξει. Το ερώτημα ποιος είναι ο επιστήμονας δεδομένων, θα μπορούσα να ισχυριστώ ότι είμαι επιστήμονας δεδομένων επειδή ήμουν εκπαιδευμένος στην πραγματικότητα στα στατιστικά στοιχεία προτού να είμαι ποτέ εκπαιδευμένος στον υπολογισμό. Και έκανα μια αναλογιστική εργασία για μια χρονική περίοδο, οπότε γνωρίζω τον τρόπο που οργανώνει μια επιχείρηση, στατιστική ανάλυση, επίσης για να τρέξει. Αυτό δεν είναι κάτι τετριμμένο. Και υπάρχει μια πολύ καλή πρακτική που εμπλέκεται τόσο στην ανθρώπινη πλευρά όσο και στην τεχνολογική πλευρά.

Έτσι, θέτοντας την ερώτηση «τι είναι επιστήμονας δεδομένων», έχω βάλει την εικόνα του Frankenstein απλά επειδή είναι ένας συνδυασμός πραγμάτων που πρέπει να πλέκονται μαζί. Υπάρχει διαχείριση έργου. Υπάρχει βαθιά κατανόηση στις στατιστικές. Υπάρχει επιχειρηματική εμπειρία τομέα, η οποία είναι περισσότερο ένα πρόβλημα ενός επιχειρηματικού αναλυτή από τον επιστήμονα δεδομένων, κατ 'ανάγκην. Υπάρχει εμπειρία ή η ανάγκη κατανόησης της αρχιτεκτονικής δεδομένων και η δυνατότητα δημιουργίας αρχιτέκτονα δεδομένων και υπάρχει σχετική μηχανική λογισμικού. Με άλλα λόγια, είναι ίσως μια ομάδα. Δεν είναι πιθανώς ένα άτομο. Και αυτό σημαίνει ότι είναι πιθανώς ένα τμήμα που πρέπει να οργανωθεί και η οργάνωσή του πρέπει να σκεφτεί αρκετά.

Ρίχνοντας στο μίγμα το γεγονός της μηχανικής μάθησης. Δεν μπορούσαμε να κάνουμε, εννοώ ότι η μηχανική μάθηση δεν είναι νέα, με την έννοια ότι οι περισσότερες από τις στατιστικές τεχνικές που χρησιμοποιούνται στη μηχανική μάθηση είναι γνωστές εδώ και δεκαετίες. Υπάρχουν μερικά νέα πράγματα, εννοώ ότι τα νευρωνικά δίκτυα είναι σχετικά καινούργια, νομίζω ότι είναι μόνο 20 ετών, έτσι κάποια από αυτά είναι σχετικά καινούργια. Αλλά το πρόβλημα με την εκμάθηση μηχανών ήταν ότι πραγματικά δεν είχαμε πραγματικά τη δύναμη του υπολογιστή για να το κάνουμε. Και τι συνέβη, εκτός από οτιδήποτε άλλο, είναι ότι η ισχύς του υπολογιστή είναι τώρα σε ισχύ. Και αυτό σημαίνει ένα πάρα πολύ αυτό που εμείς, ας πούμε, οι επιστήμονες των δεδομένων έχουν κάνει πριν από την άποψη της μοντελοποίησης καταστάσεων, δειγματοληψίας δεδομένων και στη συνέχεια την ταξινόμηση για να παράγουν μια βαθύτερη ανάλυση των δεδομένων. Στην πραγματικότητα, μπορούμε απλά να ρίξουμε την ισχύ του υπολογιστή σε αυτό σε ορισμένες περιπτώσεις. Απλά επιλέξτε αλγορίθμους εκμάθησης μηχανών, ρίξτε το στα δεδομένα και δείτε τι βγαίνει. Και αυτό είναι κάτι που μπορεί να κάνει ένας επιχειρηματικός αναλυτής, έτσι; Αλλά ο επιχειρηματικός αναλυτής πρέπει να καταλάβει τι κάνουν. Θέλω να πω, νομίζω ότι αυτό είναι το θέμα πραγματικά, περισσότερο από οτιδήποτε άλλο.

Λοιπόν, αυτό είναι μόνο για να μάθετε περισσότερα για τις επιχειρήσεις από τα δεδομένα της, παρά με οποιοδήποτε άλλο μέσο. Ο Αϊνστάιν δεν το είπε αυτό, το είπα. Μόλις έβαλα την εικόνα του για την αξιοπιστία. Αλλά η κατάσταση είναι στην πραγματικότητα αρχίζει να αναπτύσσεται είναι εκείνη όπου η τεχνολογία, αν χρησιμοποιηθεί σωστά, και τα μαθηματικά, αν χρησιμοποιηθεί σωστά, θα είναι σε θέση να τρέξει μια επιχείρηση όπως κάθε άτομο. Παρακολουθήσαμε αυτό με την IBM. Πρώτα απ 'όλα, θα μπορούσε να νικήσει τους καλύτερους τύπους στο σκάκι, και τότε θα μπορούσε να νικήσει τους καλύτερους τύπους στο Jeopardy. αλλά τελικά θα μπορέσουμε να νικήσουμε τους καλύτερους ανθρώπους για τη λειτουργία μιας εταιρείας. Τα στατιστικά στοιχεία τελικά θα θριαμβεύσουν. Και είναι δύσκολο να δούμε πώς αυτό δεν θα συμβεί, απλά δεν έχει συμβεί ακόμα.

Λοιπόν αυτό που λέω, και αυτό είναι ένα είδος της παρουσίασής μου, είναι αυτά τα δύο θέματα της επιχείρησης. Το πρώτο είναι, μπορείτε να πάρετε την τεχνολογία σωστά; Μπορείτε να κάνετε την τεχνολογία να λειτουργήσει για την ομάδα που θα είναι πραγματικά σε θέση να προεδρεύσει πάνω της και να πάρει οφέλη για την επιχείρηση; Και δεύτερον, μπορείτε να πάρετε τους ανθρώπους σωστά; Και τα δύο είναι θέματα. Και είναι θέματα που δεν είναι, μέχρι στιγμής, που λένε ότι είναι επιλυμένα.

Εντάξει, Eric, θα το μεταφέρω πίσω σε εσάς. Ή θα πρέπει να το περάσω στο Will.

Eric: Πραγματικά, ναι. Σας ευχαριστώ, Will Gorman. Ναι, θα φύγεις, Will. Ας δούμε λοιπόν. Επιτρέψτε μου να σας δώσω το κλειδί στο WebEx. Τι συνέβη; Pentaho, προφανώς, εσείς είστε εδώ για λίγο και ανοιχτή πηγή BI του είδους όπου ξεκινήσατε. Αλλά έχετε πολύ περισσότερα από όσα είχατε, έτσι ας δούμε τι έχετε τις μέρες μας για τα αναλυτικά.

Γουόρμαν: Οπωσδήποτε. Γεια σε όλους! Το όνομά μου είναι Will Gorman. Είμαι ο Αρχιτέκτονας της Pentaho. Για όσους από εσάς δεν έχετε ακούσει για εμάς, μόλις ανέφερα, η Pentaho είναι μια μεγάλη εταιρεία ενοποίησης δεδομένων και αναλυτικών στοιχείων. Είμαστε στην επιχείρηση εδώ και δέκα χρόνια. Τα προϊόντα μας εξελίχθηκαν παράλληλα με τη μεγάλη κοινότητα δεδομένων, ξεκινώντας ως πλατφόρμα ανοιχτού κώδικα για την ενσωμάτωση και την ανάλυση δεδομένων, καινοτομώντας με τεχνολογίες όπως η Hadoop και η NoSQL, ακόμη και προτού οι εμπορικοί φορείς σχηματιστούν γύρω από αυτές τις τεχνολογίες. Και τώρα έχουμε πάνω από 1500 εμπορικούς πελάτες και πολλά περισσότερα ραντεβού παραγωγής ως αποτέλεσμα της καινοτομίας μας γύρω από το open source.

Η αρχιτεκτονική μας είναι εξαιρετικά ενσωματωμένη και επεκτάσιμη, κατασκευασμένη με σκοπό να είναι ευέλικτη, καθώς η μεγάλη τεχνολογία δεδομένων εξελίσσεται ιδιαίτερα με ταχείς ρυθμούς. Η Pentaho προσφέρει τρεις βασικούς τομείς προϊόντων, οι οποίοι συνεργάζονται για την αντιμετώπιση μεγάλων περιπτώσεων χρήσης αναλυτικών δεδομένων.

Το πρώτο προϊόν στην έκταση της αρχιτεκτονικής μας είναι η Pentaho Data Integration, η οποία απευθύνεται σε τεχνολόγους δεδομένων και μηχανικούς δεδομένων. Αυτό το προϊόν προσφέρει μια οπτική εμπειρία μεταφοράς και απόθεσης για τον ορισμό των αγωγών δεδομένων και των διαδικασιών για την ενορχήστρωση δεδομένων σε μεγάλα περιβάλλοντα δεδομένων και σε παραδοσιακά περιβάλλοντα. Το προϊόν αυτό είναι μια ελαφριά πλατφόρμα για την ενσωμάτωση δεδομένων που βασίζεται σε Java και μπορεί να αναπτυχθεί ως διαδικασία μέσα σε MapReduce ή YARN ή Storm και σε πολλές άλλες πλατφόρμες παρτίδας και σε πραγματικό χρόνο.

Ο δεύτερος τομέας προϊόντων μας είναι γύρω από τις οπτικές αναλύσεις. Με αυτήν την τεχνολογία, οι οργανισμοί και οι ΚΑΕ μπορούν να προσφέρουν μια πλούσια εμπειρία απεικόνισης και ανάλυσης για επιχειρηματικούς αναλυτές και επιχειρηματικούς χρήστες με σύγχρονα προγράμματα περιήγησης και tablet, επιτρέποντας τη δημιουργία ειδικών εκθέσεων και πινάκων ελέγχου. Εκτός από την παρουσίαση τέλειων εργαλείων ελέγχου και αναφορών pixel.

Ο τρίτος τομέας προϊόντων μας επικεντρώνεται σε προβλέψιμες αναλύσεις που απευθύνονται σε επιστήμονες δεδομένων, αλγορίθμους μηχανικής μάθησης. Όπως αναφέρθηκε προηγουμένως, όπως τα νευρωνικά δίκτυα και τέτοια, μπορούν να ενσωματωθούν σε ένα περιβάλλον μετασχηματισμού δεδομένων, επιτρέποντας στους επιστήμονες των δεδομένων να προχωρήσουν από τη μοντελοποίηση στο περιβάλλον παραγωγής, προσφέροντας πρόσβαση στην πρόβλεψη και που μπορεί να επηρεάσουν άμεσα τις επιχειρηματικές διαδικασίες πολύ γρήγορα.

Όλα αυτά τα προϊόντα είναι στενά ενσωματωμένα σε μια ενιαία και ευκίνητη εμπειρία και δίνουν στους πελάτες μας την ευελιξία που χρειάζονται για να αντιμετωπίσουν τα επιχειρηματικά τους προβλήματα. Βλέπουμε ένα γρήγορα εξελισσόμενο τοπίο μεγάλων δεδομένων σε παραδοσιακές τεχνολογίες. Το μόνο που ακούμε από ορισμένες εταιρείες του μεγάλου χώρου δεδομένων είναι ότι το EDW είναι κοντά στο τέλος. Στην πραγματικότητα, αυτό που βλέπουμε στους πελάτες της επιχείρησής μας είναι ότι πρέπει να εισαγάγουν μεγάλα δεδομένα στις υφιστάμενες επιχειρηματικές και πληροφοριακές διαδικασίες και να μην αντικαταστήσουν αυτές τις διαδικασίες.

Αυτό το απλό διάγραμμα δείχνει το σημείο στην αρχιτεκτονική που βλέπουμε συχνά, το οποίο είναι ένας τύπος αρχιτεκτονικής ανάπτυξης EDW με ενσωμάτωση δεδομένων και περιπτώσεις χρήσης BI. Τώρα το διάγραμμα αυτό είναι παρόμοιο με το slide της Robin σε μεγάλη αρχιτεκτονική δεδομένων, ενσωματώνει δεδομένα σε πραγματικό χρόνο και ιστορικά δεδομένα. Καθώς προκύπτουν νέες πηγές δεδομένων και απαιτήσεις σε πραγματικό χρόνο, βλέπουμε μεγάλα δεδομένα ως ένα πρόσθετο μέρος της συνολικής αρχιτεκτονικής πληροφορικής. Αυτές οι νέες πηγές δεδομένων περιλαμβάνουν μηχανοποιημένα δεδομένα, μη δομημένα δεδομένα, τυπικό όγκο και ταχύτητα και ποικιλία απαιτήσεων που ακούμε σε μεγάλα δεδομένα. δεν ταιριάζουν στις παραδοσιακές διαδικασίες EDW. Η Pentaho συνεργάζεται στενά με τους Hadoop και NoSQL για την απλούστευση της κατάποσης, της επεξεργασίας δεδομένων και της απεικόνισης αυτών των δεδομένων, καθώς και της ανάμειξης αυτών των δεδομένων με τις παραδοσιακές πηγές, παρέχοντας στους πελάτες πλήρη προβολή στο περιβάλλον δεδομένων τους. Το κάνουμε αυτό με κυβερνητικό τρόπο, έτσι ώστε η τεχνολογία της πληροφορικής να προσφέρει μια πλήρη λύση για την ανάλυση της δραστηριότητάς της.

Κλείνοντας, θα ήθελα να επισημάνω τη φιλοσοφία μας γύρω από τις μεγάλες αναλύσεις δεδομένων και την ολοκλήρωση. πιστεύουμε ότι αυτές οι τεχνολογίες είναι καλύτερες από κοινού με μια ενιαία ενοποιημένη αρχιτεκτονική, επιτρέποντας μια σειρά περιπτώσεων χρήσης που διαφορετικά δεν θα ήταν δυνατές. Τα περιβάλλοντα δεδομένων των πελατών μας είναι κάτι περισσότερο από απλά μεγάλα δεδομένα, η Hadoop και η NoSQL. Οποιαδήποτε δεδομένα είναι δίκαιη. Και μεγάλες πηγές δεδομένων πρέπει να είναι διαθέσιμες και να συνεργάζονται για να επηρεάσουν την αξία της επιχείρησης.

Τέλος, πιστεύουμε ότι για την αποτελεσματική επίλυση αυτών των επιχειρηματικών προβλημάτων στις επιχειρήσεις, μέσω των δεδομένων, η πληροφορική και οι επιχειρηματικές δραστηριότητες πρέπει να συνεργαστούν για μια κυβερνητική, αναμεμιγμένη προσέγγιση σε μεγάλες αναλύσεις δεδομένων. Σας ευχαριστούμε πολύ που μας δώσατε το χρόνο να μιλήσουμε, Eric.

Eric: Σίγουρα. Όχι, αυτό είναι καλό. Θέλω να επιστρέψω σε εκείνη την πλευρά της αρχιτεκτονικής σας καθώς φτάνουμε στην Ε & Α. Ας προχωρήσουμε λοιπόν στην υπόλοιπη παρουσίαση και σας ευχαριστούμε πολύ γι 'αυτό. Είστε σίγουρα κινείται γρήγορα τα τελευταία δύο χρόνια, πρέπει να το πω αυτό σίγουρα.

Έτσι, Steve, επιτρέψτε μου να προχωρήσω και να σας το παραδώσω. Και απλά κάντε κλικ στο κάτω βέλος και πηγαίνετε για αυτό. Έτσι Steve, σου δίνω τα κλειδιά. Steve Wilkes, απλά κάντε κλικ στο πλησιέστερο βέλος εκεί στο πληκτρολόγιό σας.

Steve Wilkes: Πάμε εκεί.

Eric: Εκεί πηγαίνετε.

Steve: Αυτή είναι μια σπουδαία εισαγωγή που μου δώσατε, όμως.

Eric: Ναι.

Steve: Έτσι είμαι ο Steve Wilkes. Είμαι το CCO στο WebAction. Έχουμε περάσει μόνο για τα τελευταία δύο χρόνια και σίγουρα κινούμαστε γρήγορα από τότε. Το WebAction είναι μια μεγάλη πλατφόρμα ανάλυσης δεδομένων σε πραγματικό χρόνο. Ο Eric δήλωσε νωρίτερα, το είδος του, πόσο σημαντικό είναι ο πραγματικός χρόνος και πόσο πραγματικό χρόνο γίνονται οι εφαρμογές σας. Η πλατφόρμα μας έχει σχεδιαστεί για τη δημιουργία εφαρμογών σε πραγματικό χρόνο. Και για να ενεργοποιήσετε την επόμενη γενιά εφαρμογών που βασίζονται σε δεδομένα και οι οποίες μπορούν να δημιουργηθούν σταδιακά και να επιτρέψουν στους χρήστες να δημιουργούν πίνακες ελέγχου από τα δεδομένα που παράγονται από αυτές τις εφαρμογές, αλλά με επίκεντρο τον πραγματικό χρόνο.

Η πλατφόρμα μας είναι στην πραγματικότητα μια ολοκληρωμένη πλατφόρμα από άκρη σε άκρη, που κάνει τα πάντα, από την απόκτηση δεδομένων, την επεξεργασία δεδομένων, μέχρι την απεικόνιση δεδομένων. Και επιτρέπει σε πολλούς διαφορετικούς τύπους ανθρώπων μέσα στην επιχείρησή μας να συνεργαστούν για να δημιουργήσουν πραγματικές εφαρμογές σε πραγματικό χρόνο, δίνοντάς τους μια εικόνα για τα πράγματα που συμβαίνουν στην επιχείρησή τους όπως συνέβη.

Και αυτό είναι λίγο διαφορετικό από αυτό που οι περισσότεροι άνθρωποι βλέπουν σε μεγάλα δεδομένα, έτσι ώστε η παραδοσιακή προσέγγιση - καλά, παραδοσιακά τα τελευταία δύο χρόνια - προσέγγιση με μεγάλα δεδομένα ήταν να τα συλλάβουμε από μια δέσμη διαφορετικών πηγών και Στη συνέχεια, τοποθετήστε το σε μια μεγάλη δεξαμενή ή μια λίμνη ή ό, τι θέλετε να την ονομάσετε. Στη συνέχεια, επεξεργαστείτε το όταν χρειάζεται να εκτελέσετε ένα ερώτημα σε αυτό. να εκτελεί μεγάλης κλίμακας ιστορική ανάλυση ή ακόμη και μόνο ad hoc ερώτηση μεγάλων ποσοτήτων δεδομένων. Τώρα που λειτουργεί για ορισμένες περιπτώσεις χρήσης. Αλλά εάν θέλετε να είστε ενεργός στην επιχείρησή σας, εάν θέλετε να ενημερώσετε πραγματικά τι συμβαίνει και όχι να μάθετε πότε κάτι πήγε στραβά προς το τέλος της ημέρας ή το τέλος της εβδομάδας, τότε πραγματικά πρέπει να κινηθείτε σε πραγματικό χρόνο.

Και αυτό μετατρέπει τα πράγματα γύρω από λίγο. Μετακινεί την επεξεργασία στη μέση. Έτσι, παίρνετε αποτελεσματικά αυτά τα ρεύματα μεγάλων ποσοτήτων δεδομένων που παράγονται συνεχώς μέσα στην επιχείρηση και τα επεξεργάζεστε όπως τα έχετε. Και επειδή το επεξεργάζεστε όπως το παίρνετε, δεν χρειάζεται να αποθηκεύετε τα πάντα. Μπορείτε να αποθηκεύσετε μόνο τις σημαντικές πληροφορίες ή τα πράγματα που πρέπει να θυμάστε ότι πραγματικά συνέβη. Έτσι αν παρακολουθείτε την τοποθεσία GPS των οχημάτων που κινούνται κάτω από το δρόμο, δεν σας ενδιαφέρει πραγματικά πού είναι κάθε δευτερόλεπτο, δεν χρειάζεται να αποθηκεύσετε όπου είναι κάθε δευτερόλεπτο. Απλά πρέπει να νοιάζεστε, έχουν αφήσει αυτό το μέρος; Έφτασαν σε αυτό το μέρος; Έχουν οδηγήσει, ή όχι, τον αυτοκινητόδρομο;

Έτσι είναι πραγματικά σημαντικό να θεωρήσετε ότι καθώς όλο και περισσότερα δεδομένα παράγονται, τότε τα τρία Vs. Η ταχύτητα καθορίζει βασικά το πόσα δεδομένα παράγει κάθε μέρα. Τα περισσότερα δεδομένα που παράγονται τόσο περισσότερο πρέπει να αποθηκεύσετε. Και όσο περισσότερο πρέπει να αποθηκεύετε, τόσο περισσότερο χρειάζεται για επεξεργασία. Αλλά αν μπορείτε να το επεξεργαστείτε όπως το παίρνετε, τότε έχετε ένα πραγματικά μεγάλο πλεονέκτημα και μπορείτε να αντιδράσετε σε αυτό. Μπορεί να σας ειπωθεί ότι συμβαίνουν τα πράγματα αντί να χρειάζεται να τα αναζητήσετε αργότερα.

Έτσι, η πλατφόρμα μας έχει σχεδιαστεί ώστε να είναι εξαιρετικά επεκτάσιμη. Έχει τρία μεγάλα κομμάτια - το κομμάτι απόκτησης, το κομμάτι επεξεργασίας και στη συνέχεια τα κομμάτια απεικόνισης της πλατφόρμας απεικόνισης. Από την πλευρά της απόκτησης, δεν εξετάζουμε απλώς τα δεδομένα μητρώου που δημιουργούνται από το μηχάνημα, όπως τα αρχεία καταγραφής Web ή εφαρμογές που έχουν όλα τα άλλα αρχεία καταγραφής που παράγονται. Μπορούμε επίσης να πάμε και να αλλάξουμε τη συλλογή δεδομένων από τις βάσεις δεδομένων. Για να μας βοηθήσετε ουσιαστικά, είδαμε την πλευρά της ETL που θα παρουσιάσει ο Will και την παραδοσιακή ETL, θα πρέπει να εκτελέσετε ερωτήματα κατά των βάσεων δεδομένων. Μπορούμε να μας πουν όταν συμβαίνουν τα πράγματα στη βάση δεδομένων. Το αλλάζουμε και το καταγράφουμε και λαμβάνουμε αυτά τα γεγονότα. Και τότε είναι προφανές ότι οι κοινωνικές τροφοδοσίες και τα δεδομένα ζωντανής συσκευής που αντλούνται σε εσάς μέσω των υποδοχών TCP ή ACDP.

Υπάρχουν τόνοι διαφορετικών τρόπων λήψης δεδομένων. Και μιλώντας για τον όγκο και την ταχύτητα, βλέπουμε όγκους που είναι δισεκατομμύρια γεγονότα την ημέρα, σωστά; Έτσι είναι μεγάλα, μεγάλα ποσά δεδομένων που έρχονται και πρέπει να υποστούν επεξεργασία.

Αυτό γίνεται από ένα σύμπλεγμα των διακομιστών μας. Οι διακομιστές έχουν όλα την ίδια αρχιτεκτονική και όλοι μπορούν να κάνουν τα ίδια πράγματα. Αλλά μπορείτε να τα ρυθμίσετε ώστε να κάνουν διαφορετικά πράγματα. Και μέσα στους διακομιστές έχουμε ένα στρώμα επεξεργασίας ερωτημάτων υψηλής ταχύτητας που σας επιτρέπει να κάνετε κάποια αναλυτικά στοιχεία σε πραγματικό χρόνο για τα δεδομένα, να κάνετε εμπλουτισμό των δεδομένων, να κάνετε συσχέτιση γεγονότων, να παρακολουθείτε τα πράγματα που συμβαίνουν μέσα στα χρονικά παράθυρα, να κάνετε προβλέψεις αναλύσεις βασισμένες σε πρότυπα που εμφανίζονται στα δεδομένα. Και τα δεδομένα αυτά μπορούν στη συνέχεια να αποθηκευτούν σε ποικίλα μέρη - το παραδοσιακό RDBMS, αποθήκη δεδομένων επιχειρήσεων, Hadoop, μεγάλη υποδομή δεδομένων.

Και τα ίδια ζωντανά δεδομένα μπορούν επίσης να χρησιμοποιηθούν για την ενεργοποίηση εφαρμογών που βασίζονται σε δεδομένα σε πραγματικό χρόνο. Αυτές οι εφαρμογές μπορούν να έχουν μια πραγματική εικόνα του τι συμβαίνει και οι άνθρωποι μπορούν επίσης να ειδοποιούνται όταν συμβαίνουν σημαντικά πράγματα. Έτσι, αντί να χρειάζεται να πάτε στο τέλος της ημέρας και να διαπιστώσετε ότι κάτι πραγματικά κακό συνέβη νωρίτερα την ημέρα, θα μπορούσατε να ειδοποιηθείτε για αυτό το δεύτερο που το εντοπίζουμε και πηγαίνει κατ 'ευθείαν στη σελίδα σύρσιμο για να μάθετε τι είναι σε εξέλιξη.

Έτσι, αλλάζει πλήρως το παράδειγμα από την ανάγκη να αναλύσει τα δεδομένα μετά το γεγονός ότι έχει ειπωθεί πότε συμβαίνουν ενδιαφέροντα πράγματα. Και η πλατφόρμα μας μπορεί στη συνέχεια να χρησιμοποιηθεί για την κατασκευή εφαρμογών με βάση δεδομένα. Και αυτό είναι που πραγματικά εστιάζουμε, κατασκευάζει αυτές τις εφαρμογές. Για τους πελάτες, με πελάτες, με διάφορους διαφορετικούς συνεργάτες, που δείχνουν πραγματική αξία σε ανάλυση δεδομένων σε πραγματικό χρόνο. Έτσι, για παράδειγμα, οι χρήστες ή οι εταιρείες που κάνουν εφαρμογές ιστότοπων μπορούν να παρακολουθούν τη χρήση των πελατών τους με την πάροδο του χρόνου και να διασφαλίζουν την ικανοποίηση της ποιότητας της υπηρεσίας, να εντοπίζουν απάτη ή ξέπλυμα χρημάτων σε πραγματικό χρόνο, να εντοπίζουν πολλαπλές συνδέσεις ή απόπειρες hack και τέτοιου είδους συμβάντα ασφαλείας, διαχείριση αντικειμένων όπως αποκωδικοποιητές ή άλλες συσκευές, συσκευές ATM για την παρακολούθησή τους σε πραγματικό χρόνο για σφάλματα, βλάβες που έχουν συμβεί, θα συμβούν στο μέλλον με βάση την πρόβλεψη. Και αυτό πηγαίνει πίσω στο σημείο του εξορθολογισμού πράξεων που ο Eric είπε νωρίτερα, να εντοπίσουμε όταν συμβαίνει κάτι και να οργανώσετε την επιχείρησή σας για να διορθώσετε αυτά τα πράγματα αντί να χρειαστεί να καλέσετε κάποιον να κάνει πραγματικά κάτι μετά το γεγονός, το οποίο είναι πολύ πιο ακριβό.

Τα αναλυτικά στοιχεία των καταναλωτών είναι ένα άλλο κομμάτι για να μπορείτε να γνωρίζετε πότε ένας πελάτης κάνει κάτι ενώ είναι ακόμα στο κατάστημά σας. Τα δεδομένα που αποστέλλονται στη διοίκηση για να είναι σε θέση να παρακολουθούν σε πραγματικό χρόνο τη χρήση των πόρων και να αλλάζουν τα πράγματα και να γνωρίζουν πότε τα πράγματα πρόκειται να αποτύχουν πολύ πιο έγκαιρα.

Αυτά είναι τα προϊόντα μας με λίγα λόγια και είμαι βέβαιος ότι θα επιστρέψουμε σε κάποια από αυτά τα πράγματα στη συνεδρία Q & A. Σας ευχαριστώ.

Eric: Ναι, πράγματι. Καλή δουλειά. Εντάξει καλά. Και τώρα η επόμενη στάση μας στο αστραπή μας, έχουμε τον Frank Sanders καλώντας από MarkLogic. Έχω ξέρει για αυτά τα παιδιά για αρκετά χρόνια, μια πολύ, πολύ ενδιαφέρουσα τεχνολογία βάσεων δεδομένων. Τόσο ο Φρανκ, το μετατρέπω σε εσένα. Απλά κάντε κλικ οπουδήποτε σε αυτό. Χρησιμοποιήστε το κάτω βέλος στο πληκτρολόγιό σας και βρίσκεστε μακριά από τους αγώνες. Ορίστε.

Frank Sanders: Σας ευχαριστώ πολύ, Eric. Όπως ανέφερε ο Eric, είμαι με μια εταιρεία που ονομάζεται MarkLogic. Και αυτό που κάνει η MarkLogic είναι ότι παρέχουμε μια βάση δεδομένων για επιχειρήσεις NoSQL. Και ίσως η πιο σημαντική δυνατότητα που φέρνουμε στο τραπέζι σε σχέση με αυτό είναι η δυνατότητα να φέρνουμε μαζί όλες αυτές τις διαφορετικές πηγές πληροφοριών προκειμένου να αναλύσουμε, να ψάξουμε και να χρησιμοποιήσουμε αυτές τις πληροφορίες σε ένα σύστημα παρόμοιο με το τι είσαι συνηθίζαμε με τα παραδοσιακά συσχετιστικά συστήματα, σωστά;

Και μερικά από τα βασικά χαρακτηριστικά που φέρνουμε στο τραπέζι από αυτή την άποψη είναι όλα τα χαρακτηριστικά της επιχείρησης που θα περιμένατε από ένα παραδοσιακό σύστημα διαχείρισης βάσεων δεδομένων, την ασφάλεια, το HA, το DR σας, το αντίγραφο ασφαλείας που έχετε αποθηκεύσει, συναλλαγές. Εκτός από το σχεδιασμό που σας επιτρέπει να μεγεθύνετε είτε στο σύννεφο είτε στο υλικό του εμπορεύματος, έτσι ώστε να μπορείτε να χειριστείτε τον όγκο και την ταχύτητα των πληροφοριών που πρόκειται να χειριστείτε για να χτίσετε και να αναλύσετε αυτό το είδος πληροφοριών.

Και ίσως, η πιο σημαντική δυνατότητα είναι ότι το γεγονός ότι είμαστε προγραμματισμός αγνωστικιστής. Αυτό που σημαίνει ουσιαστικά είναι ότι δεν χρειάζεται να αποφασίσετε ποια θα είναι τα δεδομένα σας όταν αρχίζετε να χτίζετε τις εφαρμογές σας ή όταν αρχίζετε να τραβάτε αυτές τις πληροφορίες μαζί. Αλλά με την πάροδο του χρόνου, μπορείτε να ενσωματώσετε νέες πηγές δεδομένων, να τραβήξετε πρόσθετες πληροφορίες και, στη συνέχεια, να χρησιμοποιήσετε μόχλευση και ερώτημα και να αναλύσετε αυτές τις πληροφορίες όπως θα κάνατε με οτιδήποτε υπήρχε από τη στιγμή που ξεκινήσατε το σχεδιασμό. Εντάξει?

Πώς θα το κάνουμε αυτό; Πώς μπορούμε πραγματικά να σας επιτρέψουμε να φορτώσετε διαφορετικά είδη πληροφοριών, ανεξάρτητα αν είναι, RDF τριπλά, γεωχωρικά δεδομένα, χρονικά δεδομένα, δομημένα δεδομένα και τιμές ή δυαδικά αρχεία. Και η απάντηση είναι ότι έχουμε χτίσει πραγματικά το διακομιστή μας από το έδαφος για να ενσωματώσει την τεχνολογία αναζήτησης που σας επιτρέπει να τοποθετήσετε πληροφορίες και ότι οι πληροφορίες αυτο περιγράφονται και σας επιτρέπει να αναζητήσετε, να ανακτήσετε και να αναζητήσετε αυτές τις πληροφορίες, ανεξάρτητα από την πηγή ή τη μορφή τους .

Και αυτό που σημαίνει πρακτικά είναι αυτό - και γιατί αυτό είναι σημαντικό όταν κάνετε ανάλυση - είναι ότι οι αναλύσεις και οι πληροφορίες είναι πιο σημαντικές όταν είναι σωστά εξοικειωμένες και στοχοθετημένες, σωστά; Επομένως, ένα πολύ σημαντικό βασικό κομμάτι κάθε είδους αναλύσεων είναι η αναζήτηση και το βασικό μέρος είναι τα αναλυτικά στοιχεία αναζήτησης. Λοξοτομείτε πραγματικά το ένα χωρίς το άλλο και επιτυχώς επιτυγχάνετε αυτό που θέλατε να επιτύχετε. Σωστά?

Και θα μιλήσω σύντομα για τρεισήμισι διαφορετικές περιπτώσεις χρήσης των πελατών που έχουμε στην παραγωγή που χρησιμοποιούν τη MarkLogic για να τροφοδοτήσουν αυτό το είδος αναλυτικών στοιχείων. Εντάξει. Έτσι ο πρώτος τέτοιος πελάτης είναι το Fairfax County. Και η Fairfax County έχει κατασκευάσει δύο χωριστές εφαρμογές. Το ένα βασίζεται στην διαχείριση αδειών και ιδιοκτησίας. Και η άλλη, η οποία είναι πιθανώς λίγο πιο ενδιαφέρουσα, είναι η εφαρμογή της αστυνομικής εκδήλωσης στο Fairfax County. Αυτό που κάνει η εφαρμογή των αστυνομικών γεγονότων είναι ότι συλλέγει πληροφορίες όπως αστυνομικές αναφορές, αναφορές πολιτών και καταγγελίες, Tweets, άλλες πληροφορίες που έχουν, όπως σεξουαλικούς παραβάτες και οποιεσδήποτε άλλες πληροφορίες που έχουν πρόσβαση από άλλους οργανισμούς και πηγές. Τότε τους επιτρέπουν να το απεικονίσουν και να το παρουσιάσουν στους πολίτες, ώστε να μπορούν να κάνουν αναζήτηση και να εξετάσουν διάφορες δραστηριότητες εγκλημάτων, την αστυνομική δραστηριότητα, όλοι μέσω ενός ενιαίου γεωγραφικού δείκτη, σωστά; Έτσι μπορείτε να κάνετε ερωτήσεις όπως "ποιο είναι το ποσοστό εγκληματικότητας μέσα σε πέντε μίλια" ή "ποια εγκλήματα συνέβησαν μέσα σε πέντε μίλια από την τοποθεσία μου;" Εντάξει.

Ένας άλλος χρήστης που έχουμε, ένας άλλος πελάτης που έχουμε είναι ο ΟΟΣΑ. Γιατί ο ΟΟΣΑ είναι σημαντικό για αυτή τη συζήτηση είναι επειδή εκτός από όλα όσα έχουμε ενεργοποιήσει για το Fairfax County από την άποψη της έλξης μαζί πληροφοριών, σωστά? όλες τις πληροφορίες που θα λάβετε από όλες τις διάφορες χώρες που είναι μέλη του ΟΟΣΑ και τις οποίες αναφέρουν από οικονομική άποψη. Στην πραγματικότητα βάζαμε ένα τρυπάνι στόχου σε αυτό, σωστά. Έτσι μπορείτε να δείτε στην αριστερή πλευρά ότι παίρνουμε τη θέα της Δανίας ειδικά και μπορείτε να δείτε ένα πέταλο λουλουδιών πάνω από αυτό που το εκτιμά σε διαφορετικούς άξονες. Σωστά? Και όλα αυτά είναι καλά και καλά. Αλλά αυτό που έκανε ο ΟΟΣΑ είναι ότι έχουν προχωρήσει ένα βήμα παραπέρα.

Εκτός από αυτές τις όμορφες απεικονίσεις και τραβώντας όλες αυτές τις πληροφορίες μαζί, σας επιτρέπουν πραγματικά σε πραγματικό χρόνο να δημιουργήσετε το δικό σας καλύτερο δείκτη ζωής, σωστό, το οποίο μπορείτε να δείτε στη δεξιά πλευρά. Αυτό που έχετε εκεί είναι ότι έχετε ένα σύνολο ρυθμιστικών που σας επιτρέπουν πραγματικά να κάνετε πράγματα όπως η κατάταξη της σημασίας της στέγης σε εσάς ή του εισοδήματος, της απασχόλησης, της κοινότητας, της εκπαίδευσης, του περιβάλλοντος, της συμμετοχής του πολίτη, της υγείας, της ικανοποίησης από την ζωή, της ασφάλειας και της δουλειάς σας / ισορροπία ζωής. Και με βάση το πώς εισάγετε αυτές τις πληροφορίες και σταθμίζετε αυτά τα πράγματα, η MarkLogic χρησιμοποιεί την δυνατότητα ευρετηρίασης σε πραγματικό χρόνο και την ικανότητα αναζήτησης, ώστε να αλλάξει πραγματικά πώς κάθε μία από αυτές τις χώρες κατατάσσεται για να σας δώσει μια ιδέα για το πόσο καλά χώρα ή τον τρόπο ζωής σας μέσω μιας συγκεκριμένης χώρας. Εντάξει?

Και το τελευταίο παράδειγμα που θα μοιραστώ είναι το MarkMail. Και αυτό που προσπαθεί πραγματικά να αποδείξει ο MarkMail είναι ότι μπορούμε να προσφέρουμε αυτές τις δυνατότητες και μπορείτε να κάνετε το είδος της ανάλυσης όχι μόνο σε δομημένες πληροφορίες ή πληροφορίες που έρχονται σε αυτό το αριθμητικό αλλά στην πραγματικότητα σε πιο χαλαρά δομημένες, αδόμητες πληροφορίες, σωστά; Πράγματα όπως το s. Και αυτό που έχουμε δει εδώ είναι ότι τράβουμε πραγματικά πληροφορίες όπως η γεωγραφική κατανομή, η εταιρεία, οι στοίβες και οι έννοιες όπως ο Hadoop που αναφέρεται στο con του και στη συνέχεια να την απεικονίσετε στο χάρτη καθώς και να δούμε ποιοι αυτοί οι άνθρωποι και τι λίστα σε αυτό, μια αποστολή και μια ημερομηνία. Αυτό που εσείς ψάχνετε σε πράγματα που παραδοσιακά δεν είναι δομημένα, που μπορεί να είναι χαλαρά δομημένα, αλλά εξακολουθούν να είναι σε θέση να αντλούν κάποια δομημένη ανάλυση από αυτές τις πληροφορίες χωρίς να χρειάζεται να προχωρήσουν σε μεγάλο χρονικό διάστημα για να το δοκιμάσουν και να το διαρθρώσουν ή να το επεξεργαστούν μια στιγμή. Και αυτό είναι.

Eric: Εντάξει καλά. Και πήραμε ένα ακόμα. Έχουμε την Hannah Smalltree από το Treasure Data, μια πολύ ενδιαφέρουσα εταιρεία. Και αυτό είναι ένα πολύ μεγάλο περιεχόμενο, λαοί. Σας ευχαριστούμε πάρα πολύ για όλους εσάς που φέρατε τέτοιες καλές διαφάνειες και τόσο καλή λεπτομέρεια. Έτσι Hannah, έδωσα τα κλειδιά σε σας, κάντε κλικ οπουδήποτε και χρησιμοποιήστε το κάτω βέλος στο πληκτρολόγιό σας. Το έχεις. Πάρε το μακριά.

Hannah Smalltree: Σας ευχαριστώ πολύ, Eric. Αυτή είναι η Hannah Smalltree από το Treasure Data. Είμαι σκηνοθέτης με το Treasure Data, αλλά έχω ένα παρελθόν ως δημοσιογράφο τεχνολογίας, πράγμα που σημαίνει ότι εκτιμώ δύο πράγματα. Πρώτα απ 'όλα, αυτά μπορεί να είναι καιρό για να καθίσετε μέσα από πολλές διαφορετικές περιγραφές της τεχνολογίας, και μπορεί όλοι να ακούγονται σαν να τρέχει μαζί, γι' αυτό θέλω πραγματικά να επικεντρωθώ στον διαφοροποιητή μας. Και οι εφαρμογές πραγματικού κόσμου είναι πολύ σημαντικές, γι 'αυτό εκτιμώ ότι όλοι οι συμπαίκτες μου ήταν πολύ ωραίοι για την παροχή αυτών.

Το Treasure Data είναι ένα νέο είδος μεγάλης υπηρεσίας δεδομένων. Παραδίδουμε εξ ολοκλήρου στο cloud σε ένα λογισμικό ως μοντέλο υπηρεσίας ή διαχειριζόμενης υπηρεσίας. Έτσι, στο σημείο του Δρ. Bloor νωρίτερα, αυτή η τεχνολογία μπορεί να είναι πολύ δύσκολη και μπορεί να είναι πολύ χρονοβόρα για να ξεκινήσει. Με τα δεδομένα Treasure, μπορείτε να πάρετε όλες αυτές τις δυνατότητες που μπορεί να έχετε σε ένα περιβάλλον Hadoop ή ένα πολύπλοκο περιβάλλον στο σύννεφο πολύ σύντομα, το οποίο είναι πραγματικά χρήσιμο για αυτές τις νέες πρωτοβουλίες μεγάλων δεδομένων.

Τώρα μιλάμε για την υπηρεσία μας σε μερικές διαφορετικές φάσεις. Προσφέρουμε κάποιες πολύ μοναδικές δυνατότητες συλλογής για τη συλλογή δεδομένων ροής, ιδιαίτερα δεδομένων γεγονότων, άλλων δεδομένων σε πραγματικό χρόνο. Θα μιλήσουμε λίγο περισσότερο για αυτούς τους τύπους δεδομένων. Αυτός είναι ένας μεγάλος διαφοροποιητής για την υπηρεσία μας. Καθώς μπαίνετε σε μεγάλα δεδομένα ή εάν είστε ήδη σε αυτό, τότε γνωρίζετε ότι η συλλογή αυτών των δεδομένων δεν είναι ασήμαντη. Όταν σκεφτόμαστε ένα αυτοκίνητο με 100 αισθητήρες ανά λεπτό, ακόμα και τα 100 αισθητήρια δεδομένα κάθε δέκα λεπτά, τα οποία προστίθενται πολύ γρήγορα καθώς ξεκινάτε να πολλαπλασιάζετε την ποσότητα των προϊόντων που έχετε εκεί με αισθητήρες και γρήγορα γίνεται πολύ δύσκολο να διαχειριστεί. Γι 'αυτό μιλάμε με πελάτες που έχουν εκατομμύρια, έχουμε πελάτες που έχουν δισεκατομμύρια σειρές δεδομένων την ημέρα που μας εμπλέκονται. Και το κάνουν αυτό ως εναλλακτική λύση για να προσπαθήσουν και να το διαχειριστούν σε μια περίπλοκη υποδομή του Αμαζονίου ή ακόμη και να προσπαθήσουν να το φέρουν στο δικό τους περιβάλλον.

Έχουμε το δικό μας περιβάλλον αποθήκευσης cloud. Το διαχειριζόμαστε. Το παρακολουθούμε. Έχουμε μια ομάδα ανθρώπων που κάνει ό, τι συντονίζει για εσάς. Και έτσι τα δεδομένα ρέουν μέσα, πηγαίνει στο διαχειριζόμενο περιβάλλον αποθήκευσης.

Στη συνέχεια, έχουμε ενσωματωμένες μηχανές ερωτήσεων, έτσι ώστε ο αναλυτής σας να μπορέσει να εισέλθει και να τρέξει ερωτήματα και να κάνει κάποια αρχική ανακάλυψη δεδομένων και εξερεύνηση δεδομένων. Έχουμε δύο διαφορετικές μηχανές ερωτήσεων για αυτό πραγματικά τώρα. Μπορείτε να χρησιμοποιήσετε τη σύνταξη SQL, την οποία οι αναλυτές σας πιθανώς γνωρίζουν και αγαπούν, να κάνουν κάποια βασική ανακάλυψη δεδομένων, να κάνουν μερικές πιο σύνθετες αναλύσεις που είναι λειτουργίες που ορίζονται από το χρήστη ή ακόμα και να κάνουν πράγματα τόσο απλά όσο συγκεντρώνουν τα δεδομένα και να τα μειώνουν μπορείτε να το μεταφέρετε στο υπάρχον περιβάλλον αποθήκης δεδομένων σας.

Μπορείτε επίσης να συνδέσετε τα υπάρχοντα εργαλεία BI σας, το Tableau σας, είναι ένας μεγάλος συνεργάτης μας. αλλά πραγματικά τα περισσότερα BI, εργαλεία οπτικοποίησης ή ανάλυσης μπορούν να συνδεθούν μέσω των πρότυπων προγραμμάτων οδήγησης JDBC και ODBC. Έτσι σας δίνει αυτό το πλήρες σύνολο των μεγάλων δυνατοτήτων δεδομένων. Έχετε τη δυνατότητα να εξάγετε τα αποτελέσματα των ερωτημάτων σας ή τα σύνολα δεδομένων οποιαδήποτε στιγμή δωρεάν, ώστε να μπορείτε εύκολα να ενσωματώσετε τα δεδομένα αυτά. Αντιμετωπίστε αυτό ως ένα διυλιστήριο δεδομένων. Μου αρέσει να το σκέφτομαι περισσότερο σαν ένα διυλιστήριο παρά μια λίμνη γιατί μπορείτε πραγματικά να το κάνετε με αυτό. Μπορείτε να περάσετε, να βρείτε τις πολύτιμες πληροφορίες και στη συνέχεια να τις μεταφέρετε στις διαδικασίες της επιχείρησής σας.

Η επόμενη διαφάνεια, μιλάμε για τα τρία Vs των μεγάλων δεδομένων - μερικοί άνθρωποι λένε τέσσερις ή πέντε. Οι πελάτες μας τείνουν να αγωνίζονται με τον όγκο και την ταχύτητα των δεδομένων που τους έρχονται. Και έτσι ώστε να έχουμε συγκεκριμένα στοιχεία για τους τύπους δεδομένων - το Clickstream, τα αρχεία καταγραφής πρόσβασης στο διαδίκτυο, τα κινητά δεδομένα είναι μια μεγάλη περιοχή για εμάς, τα αρχεία καταγραφής εφαρμογών για κινητά, τα αρχεία καταγραφής εφαρμογών από προσαρμοσμένες εφαρμογές Web ή άλλες εφαρμογές, αρχεία καταγραφής συμβάντων. Και όλο και περισσότερο, έχουμε πολλούς πελάτες που ασχολούνται με δεδομένα αισθητήρων, τόσο από φορητές συσκευές, από προϊόντα, από την αυτοκινητοβιομηχανία και άλλους τύπους δεδομένων μηχανών. Έτσι, όταν λέω μεγάλα δεδομένα, αυτό είναι το είδος των μεγάλων δεδομένων για τα οποία μιλάω.

Τώρα, λίγες περιπτώσεις χρήσης σε προοπτική για σας - εργαζόμαστε με έναν λιανοπωλητή, έναν μεγάλο λιανοπωλητή. Είναι πολύ γνωστά στην Ασία. Επεκτείνουν εδώ στις ΗΠΑ. Θα αρχίσετε να βλέπετε τα καταστήματα. είναι συχνά ονομάζεται ασιατικό IKEA, έτσι, απλό σχεδιασμό. Έχουν μια εφαρμογή πίστης και έναν ιστότοπο. Και στην πραγματικότητα, χρησιμοποιώντας το Treasure Data, ήταν σε θέση να αναπτύξουν αυτή την εφαρμογή πίστης πολύ γρήγορα. Οι πελάτες μας ξεκινούν μέσα σε λίγες μέρες ή εβδομάδες εξαιτίας του λογισμικού και της αρχιτεκτονικής των υπηρεσιών μας και επειδή όλοι οι άνθρωποι κάνουν όλη αυτή τη σκληρή δουλειά πίσω από τις σκηνές για να σας δώσουν όλες αυτές τις δυνατότητες ως υπηρεσία.

Έτσι, χρησιμοποιούν την υπηρεσία μας για αναλύσεις εφαρμογών για κινητά, εξετάζοντας τη συμπεριφορά, σε ποια άτομα κάνουν κλικ στην εφαρμογή αφοσίωσης σε κινητά. Κοιτάζουν τα κλικ του ιστότοπου και συνδυάζουν αυτό με τα δεδομένα ηλεκτρονικού εμπορίου και POS για να σχεδιάσουν πιο αποδοτικές προσφορές. Ήθελαν πραγματικά να οδηγήσουν τους ανθρώπους σε καταστήματα επειδή διαπίστωσαν ότι οι άνθρωποι, όταν πηγαίνουν σε καταστήματα δαπανούν περισσότερα χρήματα και είμαι έτσι. για να πάρει τα πράγματα, ξοδεύετε περισσότερα χρήματα.

Μια άλλη περίπτωση χρήσης που βλέπουμε στα ψηφιακά βιντεοπαιχνίδια, απίστευτη ευκινησία. Θέλουν να δουν ακριβώς τι συμβαίνει στο παιχνίδι τους και να κάνουν αλλαγές στο συγκεκριμένο παιχνίδι ακόμη και μέσα σε λίγες ώρες από την απελευθέρωσή του. Έτσι για αυτούς, αυτή η άποψη σε πραγματικό χρόνο είναι εξαιρετικά σημαντική. Απελευθερώσαμε μόλις ένα παιχνίδι, αλλά παρατηρήσαμε την πρώτη ώρα που όλοι πέφτουν στο Επίπεδο 2. πώς θα το αλλάξουμε αυτό; Μπορεί να αλλάξουν αυτό μέσα στην ίδια μέρα. Έτσι ο πραγματικός χρόνος είναι πολύ σημαντικός. Μας δίνουν δισεκατομμύρια αρχεία καταγραφής συμβάντων την ημέρα. Αλλά αυτό θα μπορούσε να είναι κάθε είδους εφαρμογή για κινητά, όπου θέλετε να βλέπετε σε πραγματικό χρόνο τον τρόπο με τον οποίο κάποιος χρησιμοποιεί αυτό.

Και τέλος, μια μεγάλη περιοχή για εμάς είναι η συμπεριφορά των προϊόντων μας και τα αναλυτικά αισθητήρων. Έτσι, με δεδομένα αισθητήρων που βρίσκονται σε αυτοκίνητα, αυτό συμβαίνει σε άλλα είδη μηχανημάτων, βοηθητικά προγράμματα, αυτός είναι ένας άλλος χώρος για εμάς, σε φορητές συσκευές. Έχουμε ομάδες έρευνας και ανάπτυξης που θέλουν να γνωρίζουν γρήγορα ποιος είναι ο αντίκτυπος μιας αλλαγής σε ένα προϊόν ή οι άνθρωποι που ενδιαφέρονται για τη συμπεριφορά του τρόπου με τον οποίο οι άνθρωποι αλληλεπιδρούν με το προϊόν. Και έχουμε πολύ περισσότερες περιπτώσεις χρήσης που, φυσικά, είμαστε στην ευχάριστη θέση να μοιραστούμε μαζί σας.

Και τελικά, απλά να σας δείξουμε πώς αυτό μπορεί να χωρέσει στο περιβάλλον σας, προσφέρουμε και πάλι τη δυνατότητα συλλογής αυτών των δεδομένων. Έχουμε πολύ μοναδική τεχνολογία συλλογής. Έτσι και πάλι, αν η συλλογή πραγματικού χρόνου είναι κάτι που παλεύετε ή προσβλέπουμε να αγωνιστείτε, παρακαλώ έρθετε να κοιτάξετε την υπηρεσία Treasure Data. Έχουμε κάνει πραγματικά δυνατότητες για τη συλλογή δεδομένων ροής. Μπορείτε επίσης να φορτώσετε μαζικά τα δεδομένα σας, να τα αποθηκεύσετε, να τα αναλύσετε με τις ενσωματωμένες μηχανές αναζήτησης και στη συνέχεια, όπως ανέφερα, μπορείτε να τα εξάγετε απευθείας στην αποθήκη δεδομένων σας. Πιστεύω ότι θα αναφερθεί η ανάγκη να εισαχθούν μεγάλα δεδομένα στις υπάρχουσες διαδικασίες σας. Επομένως, μην περιηγηθείτε ή δημιουργήσετε ένα νέο σιλό, αλλά πώς μπορείτε να κάνετε τα δεδομένα αυτά μικρότερα και στη συνέχεια να τα μετακινήσετε στην αποθήκη δεδομένων σας και μπορείτε να συνδεθείτε με το BI, την οπτικοποίηση και τα προηγμένα εργαλεία ανάλυσης.

Αλλά ίσως, τα βασικά σημεία με τα οποία θέλω να σας αφήσω είναι ότι είμαστε διαχειριζόμενες υπηρεσίες, αυτό είναι το λογισμικό ως υπηρεσία. είναι πολύ αποδοτικό. Μια μηνιαία υπηρεσία συνδρομής ξεκινώντας από μερικές χιλιάδες δολάρια το μήνα και θα σας φέρουμε σε λειτουργία λίγες ημέρες ή εβδομάδες. Συγκρίνετε λοιπόν αυτό με το κόστος των μηνών και των μηνών να χτίσετε τη δική σας υποδομή και να προσλάβετε αυτούς τους ανθρώπους και να το βρείτε και να ξοδέψετε όλο τον χρόνο για την υποδομή. Εάν πειραματίζετε ή αν χρειαστείτε κάτι χθες, μπορείτε να ξεκινήσετε γρήγορα με Treasure Data.

Και σας δείχνω ακριβώς στην ιστοσελίδα μας και στην υπηρεσία εκκίνησης. Εάν είστε ένα hands-on πρόσωπο που θέλει να παίξει, παρακαλώ δείτε την υπηρεσία μας εκκίνησης. Μπορείτε να συνεχίσετε, δεν απαιτείται πιστωτική κάρτα, απλώς το όνομα και, μπορείτε να παίξετε με τα δείγματα δεδομένων μας, να φορτώσετε τα δικά σας δεδομένα και πραγματικά να πάρετε μια αίσθηση του τι μιλάμε. Ευχαριστώ πολύ. Επίσης, ελέγξτε την ιστοσελίδα μας. Ονομάσαμε το Gartner Cool Vendor στο Big Data φέτος, πολύ περήφανο για αυτό. Και μπορείτε επίσης να πάρετε ένα αντίγραφο αυτής της έκθεσης δωρεάν στην ιστοσελίδα μας, καθώς και πολλές άλλες αναλυτικές λευκές βίβλους. Ευχαριστώ πολύ.

Eric: Εντάξει, σας ευχαριστώ πολύ. Έχουμε λίγο χρόνο για ερωτήσεις εδώ, παιδιά. Θα πάμε λίγο καιρό, γιατί έχουμε μια ομάδα ανθρώπων ακόμα στη γραμμή εδώ. Και ξέρω ότι έχω κάποιες ερωτήσεις από εμένα, επιτρέψτε μου λοιπόν να προχωρήσω και να πάρω τον έλεγχο και μετά θα κάνω μερικές ερωτήσεις. Robin και Kirk, αισθανθείτε ελεύθεροι να βουτήξετε όπως κρίνετε κατάλληλο.

Έτσι, επιτρέψτε μου να πάω μπροστά και να πηδήσω δεξιά σε μία από αυτές τις πρώτες διαφάνειες που έχω βγάλει από την Pentaho. Έτσι εδώ, μου αρέσει αυτή η εξελισσόμενη μεγάλη αρχιτεκτονική δεδομένων, μπορείτε να μιλήσετε για το πώς είναι ότι αυτό το είδος ταιριάζει μαζί σε μια εταιρεία; Διότι, προφανώς, πηγαίνετε σε μια αρκετά μεγάλη οργάνωση, ακόμη και μια εταιρεία μεσαίου μεγέθους, και θα έχετε μερικούς ανθρώπους που έχουν ήδη κάποια από αυτά τα πράγματα. πώς το κομμάτι αυτό όλα μαζί; Όπως η εμφάνιση της εφαρμογής σας βοηθά να συρραφήσετε όλα αυτά τα στοιχεία μαζί και στη συνέχεια πώς φαίνεται η διεπαφή;

Will: Μεγάλη ερώτηση. Οι διεπαφές είναι μια ποικιλία ανάλογα με τα πρόσωπα που εμπλέκονται. Αλλά για παράδειγμα, μας αρέσει να λέμε την ιστορία - ένας από τους πάντες ανέφερε την περίπτωση χρήσης του διυλιστηρίου δεδομένων - βλέπουμε ότι πολλά στους πελάτες.

Ένα από τα παραδείγματα των πελατών μας για τα οποία μιλάμε είναι η Paytronix, όπου έχουν αυτό το παραδοσιακό περιβάλλον δεδομένων EDW. Εισάγουν επίσης Hadoop, Cloudera ειδικότερα, και με διάφορες εμπειρίες χρηστών σε αυτό. Έτσι, πρώτα υπάρχει μια μηχανική εμπειρία, έτσι πώς συνδέετε όλα αυτά τα πράγματα μαζί; Πώς δημιουργείτε την κόλλα μεταξύ του περιβάλλοντος Hadoop και του EDW;

Και έπειτα έχετε την εμπειρία των χρηστών για την οποία μιλήσαμε, μια σειρά BI εργαλεία εκεί έξω, έτσι; Το Pentaho έχει ένα πιο ενσωματωμένο εργαλείο OEM BI, αλλά υπάρχουν και μεγάλοι εκεί έξω, όπως το Tableau και το Excel, για παράδειγμα, όπου οι λαοί θέλουν να εξερευνήσουν τα δεδομένα. Αλλά συνήθως, θέλουμε να διασφαλίσουμε ότι τα δεδομένα διέπονται, σωστά; Μία από τις ερωτήσεις στις συζητήσεις, τι γίνεται με την εμπειρία μιας έκδοσης, πώς το διαχειρίζεστε αυτό και χωρίς την τεχνολογία όπως η ενσωμάτωση δεδομένων Pentaho να συνδυάσει τα δεδομένα μαζί όχι στο γυαλί αλλά στα περιβάλλοντα πληροφορικής. Έτσι προστατεύει πραγματικά και διέπει τα δεδομένα και επιτρέπει μια μοναδική εμπειρία για τον επιχειρηματικό αναλυτή και τους επιχειρηματικούς χρήστες.

Eric: Εντάξει, καλό. Αυτή είναι μια καλή απάντηση σε μια δύσκολη ερώτηση, ειλικρινά. Και επιτρέψτε μου απλώς να ρωτήσω την ερώτηση σε καθέναν από τους παρουσιαστές και στη συνέχεια ίσως ο Robin και ο Kirk αν θέλετε να μπείτε και εσείς. Θα ήθελα λοιπόν να προχωρήσω και να προωθήσω αυτήν την διαφάνεια για το WebAction, το οποίο νομίζω ότι είναι πραγματικά μια πολύ ενδιαφέρουσα εταιρεία. Στην πραγματικότητα, γνωρίζω και τον Sami Akbay, ο οποίος είναι και ένας από τους συνιδρυτές. Θυμάμαι να μιλάω μαζί του πριν από μερικά χρόνια και να πω: "Γεια σου, τι κάνεις, τι κάνεις, ξέρω ότι πρέπει να δουλεύεις σε κάτι". Και φυσικά, ήταν. Ασχολήθηκε με το WebAction, κάτω από τα καλύμματα εδώ.

Ένα ερώτημα ήρθε για εσάς, Steve, γι 'αυτό θα σας πετάξω, για καθαρισμό δεδομένων, σωστά; Μπορείτε να μιλήσετε για αυτά τα στοιχεία αυτής της ικανότητας σε πραγματικό χρόνο; Πώς αντιμετωπίζετε θέματα όπως ο καθαρισμός δεδομένων ή η ποιότητα των δεδομένων ή πώς λειτουργεί αυτό;

Steve: Έτσι εξαρτάται πραγματικά από το πού παίρνετε τις ζωοτροφές σας από. Συνήθως, αν παίρνετε feeds σας από μια βάση δεδομένου ότι αλλάζετε τη συλλογή δεδομένων τότε, πάλι, εξαρτάται από το πώς εισήχθησαν τα δεδομένα. Ο καθαρισμός δεδομένων γίνεται πραγματικά πρόβλημα όταν λαμβάνετε τα δεδομένα σας από πολλαπλές πηγές ή τα άτομα εισέρχονται με το χέρι ή έχετε κάποιο αυθαίρετο s που πρέπει να προσπαθήσετε και να απομακρύνετε τα πράγματα. Και αυτό θα μπορούσε ασφαλώς να είναι μέρος της διαδικασίας, αν και αυτός ο τύπος απλά δεν προσφέρεται για πραγματική, είδος, υψηλής ταχύτητας επεξεργασίας σε πραγματικό χρόνο. Ο καθαρισμός δεδομένων, συνήθως, είναι μια δαπανηρή διαδικασία.

Έτσι, μπορεί να είναι ότι αυτό θα μπορούσε να γίνει μετά το γεγονός στο χώρο του καταστήματος. Αλλά το άλλο πράγμα που η πλατφόρμα είναι πραγματικά, πολύ καλό είναι η συσχέτιση, τόσο σε συσχετισμό και εμπλουτισμό των δεδομένων. Μπορείτε, σε πραγματικό χρόνο, να συσχετίσετε τα εισερχόμενα δεδομένα και να ελέγξετε αν ταιριάζει με ένα συγκεκριμένο μοτίβο ή αντιστοιχεί σε δεδομένα που ανακτώνται από μια βάση δεδομένων ή από το Hadoop ή κάποιο άλλο κατάστημα. Έτσι μπορείτε να το συσχετίσετε με τα ιστορικά δεδομένα, είναι ένα πράγμα που θα μπορούσατε να κάνετε.

Το άλλο πράγμα που μπορείτε να κάνετε είναι βασικά να κάνετε ανάλυση σχετικά με αυτά τα δεδομένα και να δείτε αν αυτό ταιριάζει με ορισμένα απαιτούμενα μοτίβα. Και αυτό είναι κάτι που μπορείτε επίσης να κάνετε σε πραγματικό χρόνο. Αλλά το παραδοσιακό είδος καθαρισμού των δεδομένων, όπου διορθώνετε εταιρικά ονόματα ή διορθώνετε διευθύνσεις και όλα αυτά τα είδη των πραγμάτων, αυτά θα πρέπει πιθανώς να γίνουν στην πηγή ή το είδος μετά το γεγονός, το οποίο είναι πολύ ακριβό και προσεύχεστε ότι δεν θα κάνουν αυτά σε πραγματικό χρόνο.

Eric: Ναι. Και εσείς πραγματικά προσπαθείτε να αντιμετωπίσετε, φυσικά, τη φύση των πραγμάτων σε πραγματικό χρόνο, αλλά και να πάρετε τους ανθρώπους εγκαίρως. Και μιλήσαμε, σωστά, ανέφερα στην κορυφή της ώρας, όλο αυτό το παράθυρο ευκαιρίας και εσείς στοχεύετε πραγματικά σε συγκεκριμένες εφαρμογές σε εταιρείες όπου μπορείτε να τραβήξετε μαζί τα δεδομένα που δεν πηγαίνουν τη συνήθη διαδρομή, πηγαίνετε αυτή την εναλλακτική διαδρομή και το κάνετε σε μια τόσο χαμηλή λανθάνουσα κατάσταση που μπορείτε να κρατήσετε τους πελάτες. Για παράδειγμα, μπορείτε να κρατήσετε τους ανθρώπους ικανοποιημένους και είναι ενδιαφέρον, όταν μίλησα με το Sami σχετικά με το τι κάνουν τα παιδιά σας, έκανε ένα πολύ καλό σημείο. Είπε, αν κοιτάξετε πολλές από τις νέες εφαρμογές που βασίζονται στο Web. ας δούμε τα πράγματα όπως, Bitly ή μερικές από αυτές τις άλλες εφαρμογές? είναι πολύ διαφορετικές από τις παλιές εφαρμογές από τις οποίες εξετάσαμε, για παράδειγμα, τη Microsoft όπως το Microsoft Word.

Συχνά χρησιμοποιώ τη Microsoft ως είδος αγόρι και ειδικά το Word για να μιλήσω για την εξέλιξη του λογισμικού. Επειδή το Microsoft Word ξεκίνησε ως, φυσικά, ένα πρόγραμμα επεξεργασίας κειμένου. Είμαι ένας από εκείνους τους ανθρώπους που θυμούνται το Word Perfect. Μου άρεσε να μπορώ να κάνω τα κλειδιά αποκαλύψεων ή τον αποκαλυπτικό κώδικα, βασικά, που είναι όπου θα μπορούσατε να δείτε τον πραγματικό κώδικα εκεί μέσα. Θα μπορούσατε να καθαρίσετε κάτι αν ο κατάλογος σας με τις σημειώσεις δεν ήταν σωστός, μπορείτε να το καθαρίσετε. Λοιπόν, το Word δεν σε αφήνει να το κάνεις αυτό. Και μπορώ να σας πω ότι το Word ενσωματώνει ένα βουνό κώδικα μέσα σε κάθε σελίδα που κάνετε. Αν κάποιος δεν με πιστευτεί, μεταβείτε στο Microsoft Word, πληκτρολογήστε "Hello World" και έπειτα κάντε "Εξαγωγή ως" ή "Αποθήκευση ως" .html. Στη συνέχεια ανοίξτε αυτό το έγγραφο σε ένα πρόγραμμα επεξεργασίας και αυτό θα είναι περίπου τέσσερις σελίδες κώδικες μόνο για δύο λέξεις.

Έτσι, παιδιά, σκέφτηκα ότι ήταν πολύ ενδιαφέρον και ήρθε η ώρα να μιλήσουμε γι 'αυτό. Και εκεί ακριβώς εσείς επικεντρώνεστε, σωστά, εντοπίζετε τι θα μπορούσατε να αποκαλείτε ευκαιρίες cross-platform ή cross-enterprise ή cross-domain για να τραβήξετε δεδομένα μαζί σε τέτοια ταχεία στιγμή ώστε να μπορείτε να αλλάξετε το παιχνίδι, σωστά;

Steve: Ναι, απολύτως. Και ένα από τα κλειδιά που, νομίζω, εξαλείψατε, ούτως ή άλλως, θέλετε πραγματικά να μάθετε για τα πράγματα που συμβαίνουν πριν κάνουν οι πελάτες σας ή πριν να γίνουν πραγματικά, να γίνουν πραγματικά ένα πρόβλημα. Για παράδειγμα, οι αποκωδικοποιητές. Κουτιά καλωδίων, εκπέμπουν τηλεμετρικά όλη την ώρα, φορτία και φορτία τηλεμετρίας. Και όχι μόνο το είδος της υγείας του κουτιού, αλλά είναι αυτό που βλέπετε και όλα αυτά τα πράγματα, σωστά; Το τυπικό μοτίβο είναι να περιμένετε έως ότου αποτύχει το κουτί και στη συνέχεια καλέσετε τον παροχέα καλωδίων και θα σας πουν: "Λοιπόν, θα φτάσουμε σε σας κάποια στιγμή μεταξύ των ωρών 6:00 και 11:00 σε ολόκληρο τον μήνα Νοέμβριο." Αυτό δεν είναι μια πολύ καλή εμπειρία πελατών.

Αλλά αν μπορούσαν να αναλύσουν αυτή την τηλεμετρία σε πραγματικό χρόνο τότε θα μπορούσαν να αρχίσουν να κάνουν πράγματα όπως αυτό που γνωρίζουμε ότι αυτά τα κουτιά είναι πιθανό να αποτύχουν στην ιστορία που ακολουθεί την επόμενη εβδομάδα. Ως εκ τούτου, θα προγραμματίσουμε τον καλωδιακό επισκευαστή μας να εμφανιστεί στο σπίτι αυτού του ατόμου πριν αποτύχει. Και θα το κάνουμε αυτό με τρόπο που μας ταιριάζει και όχι να τον έχουμε από την Santa Cruz μέχρι το Sunnyvale. Θα προγραμματίσουμε τα πάντα με μια ωραία σειρά, ταξινομώντας τον τρόπο πωλήσεων κ.λπ., έτσι ώστε να μπορέσουμε να βελτιστοποιήσουμε την επιχείρησή μας. Και έτσι ο πελάτης είναι ευχαριστημένος επειδή δεν έχει ένα αποτυχημένο κουτί καλωδίων. Και ο πάροχος καλωδίων είναι ευχαριστημένος επειδή έχουν απλοποιήσει τα πράγματα και δεν έχουν να τους ανθρώπους σε όλη τη χώρα. Αυτό είναι ένα πολύ γρήγορο παράδειγμα.Αλλά υπάρχουν τόνοι και τόνοι παραδειγμάτων όπου η γνώση για τα πράγματα όπως συμβαίνουν, πριν συμβούν, μπορεί να σώσει τις εταιρείες μια περιουσία και πραγματικά, πραγματικά να βελτιώσουν τις σχέσεις τους με τους πελάτες.

Eric: Ναι, σωστά. Καμιά αμφιβολία γι 'αυτό. Ας πάμε μπροστά και προχωρήσουμε κατευθείαν στο MarkLogic. Όπως ανέφερα προηγουμένως, έχω ξέρει για αυτούς τους τύπους εδώ και αρκετό καιρό και έτσι θα σας φέρω σε αυτό, Frank. Εσείς είστε πολύ μπροστά από ολόκληρο το μεγάλο κίνημα δεδομένων από την άποψη της οικοδόμησης της αίτησής σας, είναι πραγματικά βάση δεδομένων. Αλλά την οικοδομήσουμε και μιλήσατε για τη σημασία της αναζήτησης.

Έτσι, πολλοί άνθρωποι που ακολούθησαν τον χώρο γνωρίζουν ότι πολλά από τα εργαλεία NoSQL έξω εκεί βρίσκονται τώρα σε δοκιμές στις δυνατότητες αναζήτησης είτε μέσω τρίτων είτε προσπαθούν να κάνουν δικά τους. Αλλά για να έχει αυτή η αναζήτηση ήδη ενσωματωμένη σε αυτό, ψημένο-έτσι να πω, είναι πραγματικά μια μεγάλη υπόθεση. Γιατί αν το σκεφτείς, αν δεν έχεις SQL, τότε πώς θα μπεις και θα ψάξεις τα δεδομένα; Πώς τραβάτε από αυτόν τον πόρο δεδομένων; Και η απάντηση είναι να χρησιμοποιήσετε συνήθως την αναζήτηση για να φτάσετε στα δεδομένα που ψάχνετε, σωστά;

Πιστεύω λοιπόν ότι είναι ένας από τους βασικούς παράγοντες διαφοροποίησης για τους άντρες σας που είναι σε θέση να βγάλουν δεδομένα από όλες αυτές τις διαφορετικές πηγές και να αποθηκεύσουν αυτά τα δεδομένα και πραγματικά να διευκολύνουν αυτό το είδος υβριδικού περιβάλλοντος. Σκέφτομαι ότι η δυνατότητα αναζήτησης είναι μεγάλη για εσένα, σωστά;

Φρανκ: Ναι, απολύτως. Στην πραγματικότητα, αυτός είναι ο μόνος τρόπος για να επιλύσετε το πρόβλημα με συνέπεια όταν δεν ξέρετε τι θα μοιάζουν με όλα τα δεδομένα, σωστά; Αν δεν μπορείτε να φανταστείτε όλες τις δυνατότητες, τότε ο μόνος τρόπος να βεβαιωθείτε ότι μπορείτε να εντοπίσετε όλες τις πληροφορίες που θέλετε, να τις εντοπίσετε με συνέπεια και να τις εντοπίσετε ανεξάρτητα από τον τρόπο εξέλιξης του μοντέλου δεδομένων σας και τα σύνολα δεδομένων σας για να βεβαιωθείτε ότι έχετε δώσει στους χρήστες γενικά εργαλεία που τους επιτρέπουν να αναλύουν τα δεδομένα αυτά. Και ο ευκολότερος και πιο διαισθητικός τρόπος για να γίνει αυτό είναι μέσω ενός παραδείγματος αναζήτησης, σωστά; Και με την ίδια προσέγγιση στην αναζήτηση παίρνει εκεί όπου δημιουργήσαμε έναν ανεστραμμένο δείκτη. Έχετε καταχωρίσεις όπου μπορείτε πραγματικά να εξετάσετε αυτά και στη συνέχεια να βρείτε τα αρχεία και τα έγγραφα και τις σειρές που περιέχουν πραγματικά τις πληροφορίες που ψάχνετε για να τους επιστρέψετε στη συνέχεια στον πελάτη και να τους επιτρέψετε να τις επεξεργαστούν όπως κρίνουν κατάλληλο.

Eric: Ναι και μιλήσαμε πολύ γι 'αυτό, αλλά μου δίνετε μια πραγματικά καλή ευκαιρία να το σκάσετε σε αυτό - όλη την πλευρά αναζήτησης και ανακάλυψης αυτής της εξίσωσης. Αλλά πρώτα απ 'όλα, είναι πολύ διασκεδαστικό. Για όσους αγαπούν αυτά τα πράγματα, αυτό είναι το διασκεδαστικό μέρος, έτσι; Αλλά η άλλη πλευρά της εξίσωσης ή η άλλη πλευρά του νομίσματος, πρέπει να πω, είναι ότι είναι πραγματικά μια επαναληπτική διαδικασία. Και πρέπει να είστε σε θέση - εδώ θα χρησιμοποιήσω κάποια από τις γλώσσες μάρκετινγκ - έχετε αυτή τη συνομιλία με τα δεδομένα, έτσι; Με άλλα λόγια, πρέπει να είστε σε θέση να δοκιμάσετε την υπόθεση, να παίξετε γύρω της και να δείτε πώς λειτουργεί αυτό. Ίσως να μην είναι εκεί, να δοκιμάσετε κάτι άλλο και να αλλάξετε συνεχώς τα πράγματα και να επαναλάβετε και να αναζητήσετε και να ερευνήσετε και να σκεφτείτε μόνο πράγματα. Και αυτή είναι μια διαδικασία. Και αν έχετε μεγάλα εμπόδια, που σημαίνουν μεγάλες λανθάνουσες περιόδους ή μια δύσκολη διεπαφή χρήστη ή πρέπει να πάτε να ζητήσετε από την IT. που απλά σκοτώνει ολόκληρη την αναλυτική εμπειρία, σωστά;

Επομένως, είναι σημαντικό να υπάρχει αυτή η ευελιξία και να μπορείτε να χρησιμοποιείτε αναζητήσεις. Και μου αρέσει ο τρόπος που το απεικονίσατε εδώ, γιατί αν κοιτάξουμε να ψάχνουμε γύρω από διαφορετικά, είδος, έννοιες ή κλειδιά, αν θέλετε, βασικές αξίες και είναι διαφορετικές διαστάσεις. Θέλετε να είστε σε θέση να αναμειγνύετε και να ταιριάζετε εκείνα τα πράγματα για να επιτρέψετε στον αναλυτή σας να βρει χρήσιμα πράγματα, σωστά;

Φρανκ: Ναι, απολύτως. Θέλω να πω, η ιεραρχία είναι επίσης σημαντικό, σωστά; Έτσι, όταν συμπεριλαμβάνετε κάτι σαν τίτλο, δικαίωμα ή συγκεκριμένο όρο ή αξία, μπορείτε πραγματικά να δείξετε τη σωστή. Έτσι, αν ψάχνετε για έναν τίτλο ενός άρθρου, δεν παίρνετε τίτλους βιβλίων, έτσι; Ή δεν λαμβάνετε τίτλους των αναρτήσεων ιστολογίου. Η ικανότητα να γίνεται διάκριση μεταξύ αυτών και μέσω της ιεραρχίας των πληροφοριών είναι επίσης σημαντική.

Επισημάνατε νωρίτερα την εξέλιξη, απολύτως, σωστά; Η ικανότητα των πελατών μας να τραβούν πραγματικά νέες πηγές δεδομένων μέσα σε λίγες ώρες, να αρχίζουν να εργάζονται μαζί τους, να αξιολογούν εάν είναι χρήσιμες ή όχι και να συνεχίσουν να τις ενσωματώνουν ή να τους αφήνουν από το δρόμο είναι εξαιρετικά πολύτιμη. Όταν το συγκρίνετε με μια πιο παραδοσιακή προσέγγιση ανάπτυξης εφαρμογών όπου αυτό που καταλήγετε είναι να υπολογίσετε ποια δεδομένα θέλετε να καταπιείτε, να εξάγετε τα δεδομένα, να υπολογίσετε πώς θα τα τοποθετήσετε στο υπάρχον μοντέλο δεδομένων σας ή να το αλλάξετε αυτό το μοντέλο δεδομένων για να το ενσωματώσετε και στη συνέχεια να ξεκινήσετε την ανάπτυξη, σωστά; Όπου το κάνουμε κάπου στο κεφάλι μας και λέμε απλά να το φέρνετε σε εμάς, επιτρέψτε σας να αρχίσετε να κάνετε την εξέλιξη μαζί του και στη συνέχεια να αποφασίσετε αργότερα αν θέλετε ή όχι να το κρατήσετε ή σχεδόν αμέσως εάν αυτό είναι ή όχι αξίας.

Eric: Ναι, είναι ένα πολύ καλό σημείο. Αυτό είναι ένα καλό σημείο. Επιτρέψτε μου λοιπόν να προχωρήσω και να φέρω τον τέταρτο παρουσιαστή εδώ, τα δεδομένα του Treasure. Αγαπώ αυτούς τους τύπους. Δεν ήξερα πολλά γι 'αυτά, έτσι είμαι κάπως κλοτσιές τον εαυτό μου. Και τότε η Χάνα ήρθε σε μας και μας είπε τι έκαναν. Και Hannah αναφέρθηκε, ήταν ένα πρόσωπο μέσα μαζικής ενημέρωσης και πήγε στη σκοτεινή πλευρά.

Hannah: Το έκανα, απέφυγα.

Eric: Αυτό είναι εντάξει, όμως, επειδή ξέρετε τι μας αρέσει στον κόσμο των μέσων ενημέρωσης. Έτσι είναι πάντα ωραίο όταν ένα πρόσωπο μέσα ενημέρωσης πηγαίνει στην πλευρά του πωλητή επειδή καταλαβαίνετε, hey, αυτά τα πράγματα δεν είναι τόσο εύκολο να αρθρώσει και μπορεί να είναι δύσκολο να εξακριβωθεί από έναν ιστότοπο τι ακριβώς κάνει αυτό το προϊόν σε σχέση με αυτό που κάνει αυτό το προϊόν. Και αυτό που μιλάτε είναι πραγματικά πολύ ενδιαφέρον. Τώρα, είστε μια υπηρεσία που διαχειρίζεται το σύννεφο. Έτσι, όλα τα δεδομένα που κάποιος θέλει να χρησιμοποιήσει μεταφορτώσουν στο σύννεφο σας, είναι έτσι; Και τότε θα ETL ή CDC, πρόσθετα δεδομένα μέχρι το σύννεφο, είναι ότι πώς λειτουργεί;

Χάνα: Λοιπόν, ναι. Επομένως, επιτρέψτε μου να κάνω μια σημαντική διάκριση. Τα περισσότερα από τα δεδομένα, τα μεγάλα δεδομένα, που οι πελάτες μας χρησιμοποιούν, βρίσκονται ήδη έξω από το τείχος προστασίας - δεδομένα κινητής τηλεφωνίας, δεδομένα αισθητήρων που βρίσκονται σε προϊόντα. Και έτσι συχνά χρησιμοποιούμε ως προσωρινή περιοχή σταδιοδρομίας. Επομένως, τα δεδομένα δεν προέρχονται συχνά από την επιχείρηση κάποιου στην υπηρεσία μας, καθόσον απορρέει από έναν ιστότοπο, μια εφαρμογή για κινητά, ένα προϊόν με πολλούς αισθητήρες σε αυτό - στο περιβάλλον του cloud.

Τώρα αν θέλετε να εμπλουτίσουμε αυτά τα μεγάλα δεδομένα στο περιβάλλον μας, μπορείτε σίγουρα να μεταφορτώσετε μερικά δεδομένα εφαρμογών ή μερικά δεδομένα πελατών για να το εμπλουτίσουν και να κάνουν περισσότερα από τα αναλυτικά στοιχεία απευθείας στο νέφος. Αλλά πολλή αξία μας είναι γύρω από τη συλλογή των δεδομένων που είναι ήδη έξω από το τείχος προστασίας, συγκεντρώνοντας σε ένα μέρος. Έτσι, ακόμα και αν σκοπεύετε να φέρετε αυτό το είδος πίσω από το τείχος προστασίας σας και να κάνετε περισσότερα από τα προηγμένα αναλυτικά στοιχεία σας ή να τα μεταφέρετε στο υπάρχον περιβάλλον BI ή Analytics, είναι ένα πολύ καλό σημείο στάσης. Επειδή δεν θέλετε να φέρετε ένα δισεκατομμύριο γραμμές ημερησίως στην αποθήκη δεδομένων σας, δεν είναι οικονομικά αποδοτικό. Είναι ακόμα δύσκολο αν σχεδιάζετε να αποθηκεύσετε αυτό κάπου και στη συνέχεια να φορτώσετε παρτίδες.

Επομένως, είμαστε συχνά το πρώτο σημείο όπου συλλέγονται δεδομένα που βρίσκονται ήδη εκτός τείχους προστασίας.

Eric: Ναι, αυτό είναι και πολύ καλό σημείο. Επειδή πολλές εταιρείες θα είναι νευρικοί για να πάρουν τα δικά τους δεδομένα πελατών, να τα βάλουν στο σύννεφο και να διαχειριστούν όλη τη διαδικασία.

Χάνα: Ναι.

Eric: Και αυτό για το οποίο μιλάς είναι πραγματικά να κάνεις τους ανθρώπους πόρους για να τραγουδάς εκείνους τους βαρείς αριθμούς, όπως προτείνεις, δεδομένα που είναι τρίτα μέρη, όπως τα κινητά δεδομένα και τα κοινωνικά δεδομένα και όλα αυτά τα είδη διασκέδασης. Αυτό είναι πολύ ενδιαφέρον.

Hannah: Ναι, απολύτως. Και πιθανώς είναι νευρικοί για τα προϊόντα, επειδή τα δεδομένα είναι ήδη έξω. Και έτσι ναι, πριν το φέρω, και μου αρέσει πολύ αυτός ο όρος διύλισης, όπως ανέφερα, σε σχέση με τη λίμνη. Έτσι μπορείτε να κάνετε κάποιο βασικό διυλιστήριο; Πάρτε τα καλά πράγματα έξω και στη συνέχεια να το φέρει πίσω από το τείχος προστασίας στα άλλα συστήματα και τις διαδικασίες σας για βαθύτερη ανάλυση. Έτσι, είναι όλοι οι επιστήμονες των δεδομένων που μπορούν να κάνουν, σε πραγματικό χρόνο, την εξερεύνηση δεδομένων από αυτά τα νέα μεγάλα δεδομένα που εισέρχονται.

Eric: Ναι, αυτό είναι σωστό. Λοιπόν, επιτρέψτε μου να προχωρήσουμε και να φέρει τους αναλυτές μας και θα επιστρέψουμε κάπως αντίστροφα. Θα ξεκινήσω μαζί σας, Robin, σε σχέση με το Treasure Data και στη συνέχεια θα πάμε στο Kirk για μερικούς από τους άλλους. Και στη συνέχεια πίσω στον Robin και ξανά στον Kirk για να πάρει κάποια περαιτέρω αξιολόγηση αυτού.

Και ξέρετε το διυλιστήριο δεδομένων, Robin, ότι η Hannah μιλάει εδώ. Λατρεύω αυτή την ιδέα. Έχω ακούσει μόνο λίγους ανθρώπους να μιλάνε γι 'αυτό με τον τρόπο αυτό, αλλά νομίζω ότι σίγουρα το αναφέρατε πριν. Και πραγματικά μιλάει για το τι πραγματικά συμβαίνει στα δεδομένα σας. Διότι, βεβαίως, ένα διυλιστήριο, ουσιαστικά αποστάζει το υλικό μέχρι το επίπεδο της ρίζας του, αν σκέφτεστε για τα διυλιστήρια πετρελαίου. Σπούδασα πραγματικά αυτό για λίγο και είναι αρκετά βασικό, αλλά η μηχανική που πηγαίνει σε αυτό πρέπει να είναι ακριβώς σωστή ή δεν παίρνετε τα πράγματα που θέλετε. Πιστεύω λοιπόν ότι είναι μια μεγάλη αναλογία. Τι νομίζετε σχετικά με αυτή την όλη ιδέα της Υπηρεσίας Cloud Data Treasure που σας βοηθά να αντιμετωπίσετε μερικές από αυτές τις πολύ συγκεκριμένες αναλυτικές ανάγκες χωρίς να χρειάζεται να φέρετε υλικό στο σπίτι;

Ρόμπιν: Λοιπόν, εννοώ, προφανώς ανάλογα με τις συνθήκες για το πόσο βολικό είναι αυτό. Αλλά οποιοσδήποτε έχει ήδη κάνει ήδη διαδικασία έχει ήδη να σας βάλει μπροστά από το παιχνίδι αν δεν έχετε μόνοι σας. Αυτή είναι η πρώτη διαδρομή για κάτι τέτοιο. Αν κάποιος συναρμολογηθεί κάτι, το έχουν κάνει, είναι αποδεδειγμένο στην αγορά και επομένως υπάρχει κάποια αξία στην πράξη, καλά, το έργο έχει ήδη ξεκινήσει. Και υπάρχει επίσης το πολύ γενικό γεγονός ότι η διύλιση δεδομένων πρόκειται να είναι ένα πολύ μεγαλύτερο θέμα από ό, τι πριν. Θέλω να πω, δεν μιλάμε, κατά τη γνώμη μου ούτως ή άλλως, δεν μιλούσε τόσο όσο θα έπρεπε. Απλά, εκτός από το γεγονός ότι το μέγεθος των δεδομένων έχει αυξηθεί και ο αριθμός των πηγών και η ποικιλία των πηγών αυτών έχει αυξηθεί αρκετά. Και η αξιοπιστία των δεδομένων όσον αφορά το αν είναι καθαρό, πρέπει να αποσαφηνίσει τα δεδομένα, όλα τα είδη των ζητημάτων που προκύπτουν μόνο από την άποψη της διακυβέρνησης των δεδομένων.

Έτσι, προτού να φτάσετε στην πραγματικότητα να είστε σε θέση να κάνετε αξιόπιστες αναλύσεις σε αυτό, ξέρετε, εάν τα δεδομένα σας είναι βρώμικα, τότε τα αποτελέσματά σας θα στρεβλωθούν κατά κάποιο τρόπο. Γι 'αυτό είναι κάτι που πρέπει να αντιμετωπιστεί, αυτό πρέπει να γίνει γνωστό. Και το τρίγωνο της παροχής, στο μέτρο που μπορώ να δω, μιας πολύ βιώσιμης υπηρεσίας για να βοηθήσει σε αυτό.

Eric: Ναι, πράγματι. Λοιπόν, επιτρέψτε μου να προχωρήσω και να επιστρέψω τον Kirk πίσω στην εξίσωση εδώ πολύ γρήγορα. Ήθελα να ρίξω μια ματιά σε μία από αυτές τις άλλες διαφάνειες και απλά να πάρετε την εντύπωση των πραγμάτων, Kirk. Ίσως λοιπόν να επιστρέψουμε σε αυτή τη διαφάνεια της MarkLogic. Και παρεμπιπτόντως, ο Kirk παρείχε το σύνδεσμο, αν δεν το βλέπατε λαοί, σε μερικές από τις διαφάνειες ανακάλυψης της κατηγορίας του, επειδή είναι μια πολύ ενδιαφέρουσα ιδέα. Και νομίζω ότι αυτό είναι το είδος της ζυθοποιίας στο μυαλό μου, Kirk, όπως μιλούσα για αυτό πριν από λίγο. Αυτή η ολόκληρη ερώτηση που έθεσε ένας από τους συμμετέχοντες σχετικά με το πώς πηγαίνετε για την εύρεση νέων τάξεων. Μου αρέσει αυτό το θέμα γιατί πραγματικά μιλάει στο είδος, τη δύσκολη πλευρά της κατηγοριοποίησης των πραγμάτων γιατί πάντα έχω δυσκολευτεί να κατηγοριοποιήσω τα πράγματα. Είμαι σαν, "Ω, Θεέ, μπορώ να χωρέσω σε πέντε κατηγορίες, πού το βάζω;" Επομένως, απλά δεν θέλω να κατηγοριοποιήσω τίποτα, έτσι;

Και γι 'αυτό αγαπώ την αναζήτηση, επειδή δεν χρειάζεται να την κατηγοριοποιήσετε, δεν χρειάζεται να το βάλετε στο φάκελο. Απλά αναζητήστε το και θα το βρείτε εάν ξέρετε πώς να κάνετε αναζήτηση. Αλλά αν βρίσκεστε σε αυτή τη διαδικασία προσπαθώντας να τμηματοποιήσετε, γιατί είναι βασικά η κατηγοριοποίηση, είναι η κατάτμηση. εύρεση νέων τάξεων, αυτό είναι ένα ενδιαφέρον πράγμα. Μπορείτε να μιλήσετε για τη δύναμη της αναζήτησης και της σημασιολογίας και της ιεραρχίας, για παράδειγμα, όπως ο Φρανκ μιλούσε για τον MarkLogic και τον ρόλο που παίζει στην εξεύρεση νέων τάξεων, τι νομίζετε γι 'αυτό;

Kirk: Καλά, πρώτα απ 'όλα, θα έλεγα ότι διαβάζετε το μυαλό μου. Γιατί αυτό ήταν αυτό που σκέφτηκα μια ερώτηση ακόμα και πριν μιλήσετε, αυτό το όλο σημασιολογικό κομμάτι εδώ που παρουσίασε η MarkLogic. Και αν επιστρέψετε στη διαφάνειά μου, δεν χρειάζεται να το κάνετε αυτό, αλλά πίσω στη διαφάνεια πέντε για αυτό που παρουσίασα σήμερα το απόγευμα. Μίλησα για αυτή τη σημασιολογία ότι τα δεδομένα πρέπει να συλληφθούν.

Έτσι αυτή η όλη ιδέα της αναζήτησης, εκεί πηγαίνετε. Πιστεύω ακράδαντα σε αυτό και πάντα πίστευα σε αυτό με τα μεγάλα δεδομένα, πως παίρνετε την αναλογία του Διαδικτύου, εννοώ, απλώς τον Ιστό, εννοώ να έχω τις γνώσεις και τις πληροφορίες παγκοσμίως και τα δεδομένα σε ένα πρόγραμμα περιήγησης στο Web είναι ένα πράγμα. Αλλά για να το αναζητήσουμε και να το ανακτήσουμε αποτελεσματικά, όπως μας παρέχει μια από τις μεγάλες εταιρείες μηχανών αναζήτησης, τότε εκεί είναι η πραγματική δύναμη της ανακάλυψης. Επειδή συνδέετε τους όρους αναζήτησης, το είδος των ενδιαφερόντων των χρηστών με το συγκεκριμένο κόκκο δεδομένων, την συγκεκριμένη ιστοσελίδα, εάν θέλετε να σκεφτείτε το παράδειγμα του Web ή το συγκεκριμένο έγγραφο, αν μιλάτε για βιβλιοθήκη εγγράφων. Ή ένας συγκεκριμένος τύπος πελάτη του τμήματος αν αυτός είναι ο χώρος σας.

Και η σημασιολογία σας δίνει αυτό το είδος της διαστρωμάτωσης γνώσης πάνω από μια αναζήτηση λέξης. Αν ψάχνετε για ένα συγκεκριμένο είδος, κατανοώντας ότι ένα μέλος μιας τάξης τέτοιων πραγμάτων μπορεί να έχει κάποια σχέση με άλλα πράγματα. Ακόμη και να συμπεριλάβετε αυτό το είδος σχέσης πληροφοριών και αυτή είναι μια ιεραρχία κατηγορίας πληροφορίες για να βρείτε πράγματα που είναι παρόμοια με αυτό που ψάχνετε. Ή μερικές φορές ακόμη και το ακριβώς αντίθετο από αυτό που ψάχνετε, γιατί με κάποιο τρόπο σας δίνει κάποιο είδος πρόσθετου πυρήνα κατανόησης. Λοιπόν, ίσως κάτι που είναι αντίθετο από αυτό.

Eric: Ναι.

Kirk: Έτσι καταλαβαίνεις πραγματικά αυτό. Μπορώ να δω κάτι αντίθετο από αυτό. Και έτσι η σημασιολογική στρώση είναι ένα πολύτιμο συστατικό που συχνά λείπει και είναι ενδιαφέρον τώρα που θα έρθει εδώ σε αυτό το con. Επειδή έχω διδάξει ένα μεταπτυχιακό μάθημα στη βάση δεδομένων, την εξόρυξη δεδομένων, τη μάθηση από τα δεδομένα, την επιστήμη των δεδομένων, ό, τι θέλετε να το ονομάσετε εδώ και πάνω από μία δεκαετία. και μια από τις μονάδες μου σε αυτό το εξάμηνο σπουδαίο μάθημα είναι στη σημασιολογία και την οντολογία. Και συχνά οι μαθητές μου θα με κοίταζαν όπως, τι έχει να κάνει αυτό με αυτό που μιλάμε; Και φυσικά στο τέλος, νομίζω ότι καταλαβαίνουμε ότι τα δεδομένα αυτά αποτελούν ένα πλαίσιο γνώσης. Έτσι, για παράδειγμα, ψάχνω για πληροφορίες σχετικά με μια συγκεκριμένη συμπεριφορά των πελατών, κατανοώ ότι συμβαίνει αυτή η συμπεριφορά, αυτό αγοράζουν οι άνθρωποι σε ένα αθλητικό γεγονός. Τι είδους προϊόντα προσφέρω στους πελάτες μου όταν παρατηρώ στα κοινωνικά μέσα τους - είτε - είτε λένε ότι πρόκειται για αθλητικά γεγονότα όπως το ποδόσφαιρο, το μπέιζμπολ, το χόκεϊ, το Παγκόσμιο Κύπελλο, ό, τι κι αν είναι.

Εντάξει, τόσο αθλητικό γεγονός. Έτσι λένε ότι θα πάνε, ας πούμε, ένα παιχνίδι μπέιζμπολ. Εντάξει, καταλαβαίνω ότι το μπέιζμπολ είναι ένα αθλητικό γεγονός. Καταλαβαίνω ότι είναι συνήθως μια κοινωνική και πηγαίνετε με τους ανθρώπους. Καταλαβαίνω ότι είναι συνήθως σε υπαίθριο χώρο. Θέλω να πω, καταλαβαίνω όλα αυτά τα χαρακτηριστικά, επιτρέπει ένα είδος, πιο ισχυρό, είδος, κατάτμηση του πελάτη που εμπλέκονται και το είδος της εξατομίκευσης της εμπειρίας που τους δίνετε όταν, για παράδειγμα, αλληλεπιδρούν με χώρο μέσω μιας εφαρμογής για κινητά, ενώ κάθεστε σε ένα στάδιο.

Έτσι όλα αυτά τα είδη απλά φέρνουν τόσα περισσότερα δυναμικά και δυνατότητες ανακάλυψης στα δεδομένα σε αυτό το είδος της ευρετηριαστικής ιδέας της ευρετηριασμού των κοκκίων δεδομένων από τη σημασιολογική τους θέση και ο χώρος της γνώσης είναι πραγματικά πολύ σημαντικός. Και ήμουν πραγματικά εντυπωσιασμένος που βγήκε σήμερα. Νομίζω ότι είναι ένα θεμελιώδες πράγμα που πρέπει να μιλήσουμε.

Eric: Ναι, είναι σίγουρο. Είναι πολύ σημαντικό στη διαδικασία της ανακάλυψης, είναι πολύ σημαντικό στη διαδικασία ταξινόμησης. Και αν το σκέφτεστε, η Java λειτουργεί στις τάξεις. Είναι αντικειμενοστρεφής, υποθέτω, περισσότερο ή λιγότερο, θα μπορούσατε να πείτε μορφή προγραμματισμού και Java λειτουργεί στις τάξεις. Έτσι, εάν σχεδιάζετε πραγματικά λογισμικό, αυτή η όλη ιδέα της προσπάθειας να βρεθούν νέες τάξεις είναι στην πραγματικότητα αρκετά σημαντική από την άποψη της λειτουργικότητας που προσπαθείτε να παραδώσετε. Επειδή ειδικά σε αυτό το νέο άγριο, μάλλινο κόσμο των μεγάλων δεδομένων, όπου έχετε τόσο πολλή Java έξω τρέχει τόσες πολλές από αυτές τις διαφορετικές εφαρμογές, ξέρετε ότι υπάρχουν 87.000 τρόποι ή και περισσότερο για να γίνει κάτι με έναν υπολογιστή, για να πάρει κάθε είδους λίγο της λειτουργικότητας.

Ένα από τα αστεία μου τρέχει όταν οι άνθρωποι λένε, "Ω, μπορείτε να δημιουργήσετε μια αποθήκη δεδομένων χρησιμοποιώντας NoSQL." Είμαι σαν, "καλά, θα μπορούσατε, ναι, αυτό είναι αλήθεια. Θα μπορούσατε επίσης να δημιουργήσετε μια αποθήκη δεδομένων χρησιμοποιώντας το Microsoft Word." Δεν είναι η καλύτερη ιδέα, δεν πρόκειται να εκτελέσει πολύ καλά, αλλά μπορείτε πραγματικά να το κάνετε. Έτσι, το κλειδί είναι ότι πρέπει να βρεις τον καλύτερο τρόπο να κάνεις κάτι.

Προχώρα.

Kirk: Ας απαντήσω σε αυτό. Είναι ενδιαφέρον να αναφέρατε το παράδειγμα της τάξης της Java, το οποίο δεν έρχεται στο μυαλό μου μέχρι να το πείτε. Μια από τις πτυχές της Java και των τάξεων και αυτού του είδους του αντικειμενικού προσανατολισμού είναι ότι υπάρχουν μέθοδοι που συνδέονται με συγκεκριμένες τάξεις. Και αυτό είναι πραγματικά το είδος που προσπαθούσα να παρουσιάσω στην παρουσίασή μου και ότι μόλις καταλάβετε μερικά από αυτά τα κοκκία δεδομένων - αυτά τα nggets της γνώσης, αυτές οι ετικέτες, αυτές οι σχολιασμοί και αυτές οι σημασιολογικές ετικέτες - τότε μπορείτε να δεσμεύσετε μια μέθοδο σε αυτό. Έχουν βασικά αυτή την αντίδραση ή αυτή την απάντηση και το σύστημά σας πρέπει να παρέχει αυτό το είδος αυτοματοποιημένης, προληπτικής απάντησης σε αυτό το πράγμα την επόμενη φορά που θα το δούμε στη ροή δεδομένων.

Έτσι, η έννοια των δεσμευτικών ενεργειών και μεθόδων σε μια συγκεκριμένη κλάση είναι πραγματικά μια από τις δυνατότητες της αυτοματοποιημένης ανάλυσης σε πραγματικό χρόνο. Και νομίζω ότι χτυπήσατε κάτι.

Eric: Καλά, καλά, καλά. Λοιπόν, αυτό είναι καλό. Ας δούμε λοιπόν, Will, θέλω να σας το παραδώσω και να σας ρωτήσω πραγματικά από το ακροατήριο. Έχουμε μερικούς από αυτούς εδώ επίσης. Και οι λαοί, πηγαίνουμε πολύ επειδή θέλουμε να πάρουμε μερικές από αυτές τις σπουδαίες έννοιες σε αυτές τις καλές ερωτήσεις.

Επομένως, επιτρέψτε μου να ρίξω μια ερώτηση σε σας από έναν από τους αριθμούς ακροατών που λέει, "Δεν βλέπω πραγματικά πώς η επιχειρησιακή νοημοσύνη διακρίνει αιτία και αποτέλεσμα". Με άλλα λόγια, καθώς τα συστήματα λαμβάνουν αποφάσεις βάσει παρατηρήσιμων πληροφοριών, πώς αναπτύσσουν νέα μοντέλα για να μάθουν περισσότερα για τον κόσμο; Είναι ένα ενδιαφέρον σημείο, οπότε ακούω μια συσχέτιση αιτίας-και-αποτελέσματος εδώ, ανάλυση βασικών αιτίων και αυτό είναι ένα από αυτά τα πράγματα υψηλότερης απόστασης στα αναλυτικά στοιχεία για τα οποία εσείς μιλάτε σε αντίθεση με το παραδοσιακό BI, το οποίο είναι πραγματικά απλά το είδος αναφοράς και το είδος της κατανόησης του τι συνέβη. Και φυσικά, όλη σας η κατεύθυνση, απλώς κοιτάζοντας τη διαφάνεια σας εδώ, κινείται προς αυτή τη δυνατότητα πρόβλεψης για να πάρει αυτές τις αποφάσεις ή τουλάχιστον να κάνει αυτές τις συστάσεις, σωστά; Έτσι λοιπόν η ιδέα είναι ότι εσείς προσπαθείτε να εξυπηρετήσετε ολόκληρο το φάσμα του τι συμβαίνει και καταλαβαίνετε ότι το κλειδί, η πραγματική μαγεία, βρίσκεται στο συστατικό αναλυτικό στόχο εκεί στα δεξιά.

Θα: Απολύτως.Νομίζω ότι αυτό το ερώτημα είναι κάπως ορατό στο μέλλον, υπό την έννοια ότι η επιστήμη των δεδομένων, όπως ανέφερα προηγουμένως, είδαμε τη διαφάνεια με τις απαιτήσεις του επιστήμονα δεδομένων. είναι ένας πολύ δύσκολος ρόλος για κάποιον να είναι μέσα. Πρέπει να έχουν αυτή την πλούσια γνώση των στατιστικών και της επιστήμης. Πρέπει να έχετε τις γνώσεις του τομέα για να εφαρμόσετε τις μαθηματικές σας γνώσεις στους τομείς. Επομένως, αυτό που βλέπουμε σήμερα είναι ότι δεν υπάρχουν αυτά τα έξυπνα εργαλεία πρόγνωσης που ένας επιχειρηματικός χρήστης θα μπορούσε να τραβήξει το Excel και να προβλέψει αυτόματα το μέλλον του, σωστά;

Απαιτεί την προηγμένη τεχνογνωσία σε αυτό το στάδιο. Τώρα μια μέρα στο μέλλον, μπορεί να είναι ότι μερικά από αυτά τα συστήματα, αυτά τα συστήματα κλιμάκωσης γίνονται αισθητά και αρχίζουν να κάνουν κάποια άγρια ​​πράγματα. Αλλά θα ήθελα να πω σε αυτό το στάδιο, πρέπει ακόμα να έχετε έναν επιστήμονα δεδομένων στη μέση να συνεχίσει να χτίζει μοντέλα, όχι αυτά τα μοντέλα. Αυτά τα προγνωστικά μοντέλα γύρω από την εξόρυξη δεδομένων και τέτοια είναι εξαιρετικά συντονισμένα και κατασκευασμένα από τον επιστήμονα δεδομένων. Δεν παράγονται μόνοι τους, αν ξέρετε τι εννοώ.

Eric: Ναι, ακριβώς. Αυτό είναι σωστό. Και μία από τις γραμμές μου είναι ότι "Τα μηχανήματα δεν βρίσκονται, τουλάχιστον όχι ακόμα".

Θα: Δεν είναι ακόμα, ακριβώς.

Eric: Διάβασα ένα άρθρο - πρέπει να γράψω κάτι για αυτό - για κάποιο πείραμα που έγινε σε ένα πανεπιστήμιο όπου είπαν ότι αυτά τα προγράμματα ηλεκτρονικών υπολογιστών έμαθαν να ψεύδουν, αλλά έπρεπε να σας πω, δεν το πιστεύω πραγματικά . Θα κάνουμε κάποια έρευνα για αυτό, παιδιά.

Και για το τελευταίο σχόλιο, ο Robin θα σας φέρει πίσω για να ρίξετε μια ματιά σε αυτή την πλατφόρμα WebAction, γιατί αυτό είναι πολύ ενδιαφέρον. Αυτό είναι που αγαπώ για έναν ολόκληρο χώρο είναι ότι παίρνεις τόσο διαφορετικές οπτικές γωνίες και διαφορετικές γωνίες που λαμβάνονται από τους διάφορους πωλητές για να εξυπηρετούν πολύ συγκεκριμένες ανάγκες. Και μου αρέσει αυτή η μορφή για την παράστασή μας γιατί έχουμε τέσσερις πραγματικά ενδιαφέρουσες πωλητές που, ειλικρινά, δεν βάζουν πραγματικά τα δάχτυλα των άλλων. Επειδή όλοι κάνουμε διαφορετικά κομμάτια της ίδιας γενικής ανάγκης που είναι η χρήση αναλυτικών στοιχείων, για να κάνουμε πράγματα.

Αλλά θέλω απλώς να αποκτήσω την προοπτική σας σε αυτήν την συγκεκριμένη πλατφόρμα και την αρχιτεκτονική της. Πώς θα κάνουν πράγματα. Το βρίσκω αρκετά συναρπαστικό. Τι νομίζετε;

Ρόμπιν: Λοιπόν, εννοώ τα εξαιρετικά γρήγορα αποτελέσματα από την ροή δεδομένων και ως αναζήτηση, πρέπει να αρχιτεκτονική για αυτό. Θέλω να πω, δεν πρόκειται να ξεφύγεις από το να κάνεις τίποτα, ερασιτεχνικό, καθώς έχουμε κάποια από αυτά τα πράγματα. Ακούω ότι αυτό είναι εξαιρετικά ενδιαφέρον και νομίζω ότι ένα από τα πράγματα που είδαμε στο παρελθόν. Θέλω να πω ότι νομίζω ότι εσείς και εγώ, το σαγόνι μας πέφτει όλο και περισσότερο τα τελευταία δύο χρόνια, καθώς είδαμε όλο και περισσότερα πράγματα να αναδύονται, τα οποία ήταν εξίσου εξαιρετικά γρήγορα, εξαιρετικά έξυπνα και λίγο πολύ πρωτόγνωρα.

Αυτό είναι προφανές, WebAction, αυτό δεν είναι το πρώτο rodeo, να το πω έτσι. Είναι στην πραγματικότητα εκεί έξω που παίρνει ονόματα σε κάποιο βαθμό. Δεν βλέπω, αλλά υποτίθεται ότι θα πρέπει να εκπλαγούμε ότι η αρχιτεκτονική έχει αλλάξει αρκετά, αλλά σίγουρα είναι.

Eric: Λοιπόν, θα σου πω τι, παιδιά. Κάναμε ένα στερεό 82 λεπτά εδώ. Θέλω να πω, σας ευχαριστώ όλους εκείνους τους ανθρώπους που έχουν ακούσει όλη την ώρα. Εάν έχετε οποιεσδήποτε ερωτήσεις που δεν απαντήθηκαν, μην είστε ντροπαλοί, αληθινός. Πρέπει να έχουμε ένα από μένα που βρίσκεται κάπου. Και ένα μεγάλο, μεγάλο ευχαριστώ και στους δύο παρουσιαστές μας σήμερα, στον Δρ. Kirk Borne και στον Δρ. Robin Bloor.

Kirk, θα ήθελα να διερευνήσω περαιτέρω μερικά από αυτά τα σημασιολογικά πράγματα μαζί σας, ίσως σε μια μελλοντική μετάδοση μέσω web. Επειδή νομίζω ότι είμαστε στην αρχή μιας πολύ νέας και ενδιαφέρουσας φάσης τώρα. Τι θα μπορέσουμε να εκμεταλλευτούμε πολλές από τις ιδέες που έχουν οι άνθρωποι και να τους κάνουμε να γίνουν πολύ πιο εύκολα γιατί, μαντέψτε τι, το λογισμικό γίνεται όλο και λιγότερο δαπανηρό, θα έλεγα. Είναι όλο και πιο εύχρηστο και παίρνουμε όλα αυτά τα δεδομένα από όλες αυτές τις διαφορετικές πηγές. Και νομίζω ότι πρόκειται να είναι ένα πολύ ενδιαφέρον και συναρπαστικό ταξίδι τα επόμενα χρόνια, καθώς βάλουμε πραγματικά το τι μπορεί να κάνει αυτά τα πράγματα και πώς μπορεί να βελτιώσει τις επιχειρήσεις μας.

Τόσο μεγάλη ευχαριστώ στην Techopedia καθώς και, φυσικά, στους χορηγούς μας - Pentaho, WebAction, MarkLogic και Treasure Data. Και οι λαοί, wow, με αυτό θα ολοκληρώσουμε, αλλά σας ευχαριστούμε πολύ για το χρόνο και την προσοχή σας. Θα σας πιάσουμε περίπου ένα μήνα και ένα μισό για την επόμενη επίδειξη. Και βεβαίως, η αίθουσα ενημέρωσης συνεχίζει. το ραδιόφωνο συνεχίζει. όλες οι άλλες σειρές webcast συνεχίζουν να λικνίζονται και να κυλούν, λαοί. Σε ευχαριστώ πάρα πολύ. Θα σας πιάσουμε την επόμενη φορά. Αντίο.