لايتون ويلش، المدير التنفيذي للتكنولوجيا والمؤسس المشارك لـ Tracer – سلسلة المقابلات

لايتون ويلش هو CTO والمؤسس المشارك لشركة Tracer. مرسمة أداة مدعومة بالذكاء الاصطناعي، تُنظّم وتُدير وتُصوّر مجموعات البيانات المُعقّدة لتعزيز ذكاء الأعمال بشكل أسرع وأكثر قابلية للتنفيذ. قبل توليه منصب الرئيس التنفيذي للتكنولوجيا في Tracer، شغل لايتون منصب مدير رؤى المستهلكين في SocialCode، ونائب رئيس الهندسة في VaynerMedia. أمضى مسيرته المهنية في مجال تكنولوجيا الإعلانات، حيث أدار أول إعلان على الإطلاق على Snapchat، وقدم استشارات بشأن واجهات برمجة التطبيقات التجارية لبعض أكبر المنصات العالمية. تخرج لايتون من جامعة هارفارد عام ٢٠١٣، حاصلًا على شهادة في علوم الحاسوب والاقتصاد.

هل يمكنك إخبارنا المزيد عن خلفيتك وكيف ألهمتك تجاربك في Harvard وSocialCode وVaynerMedia للمشاركة في تأسيس Tracer؟

الفكرة الأصلية جاءت قبل عقد من الزمن. اتصل بي صديق طفولتي ليلة الجمعة. كان يعاني من صعوبة في تجميع البيانات عبر مختلف منصات التواصل الاجتماعي لأحد عملائه. لقد اعتقد أن هذا يمكن أن يكون آليًا، لذلك طلب مساعدتي نظرًا لأن لدي خلفية في هندسة البرمجيات. هذه هي الطريقة التي تعرفت بها لأول مرة على شريكي المؤسس، جيف نيكلسون.

كانت هذه هي اللحظة المضيئة بالنسبة لنا: كانت كمية الأموال التي تم إنفاقها على هذه الحملات تفوق بكثير جودة البرنامج الذي يتتبع تلك الدولارات. لقد كان سوقًا ناشئًا يحتوي على الكثير من التطبيقات في علوم البيانات.

لقد واصلنا بناء برامج تحليلية يمكنها تلبية احتياجات الحملات الإعلامية الكبيرة والمعقدة بشكل متزايد. وبينما قمنا باختراق المشكلة، قمنا بتطوير عملية - خطوات واضحة من استيعاب البيانات المتباينة ووضعها في سياقها. لقد أدركنا أن العملية التي كنا نبنيها يمكن تطبيقها على أي مجموعة بيانات - وليس فقط الإعلانات - وهذا ما يمثله Tracer اليوم: أداة مدعومة بالذكاء الاصطناعي تقوم بتنظيم مجموعات البيانات المعقدة وإدارتها وتصورها لتحقيق ذكاء أعمال أسرع وأكثر قابلية للتنفيذ.

نحن نساعد على إضفاء الطابع الديمقراطي على ما يعنيه أن تكون مؤسسة "تعتمد على البيانات" من خلال أتمتة الخطوات اللازمة لاستيعاب مجموعات البيانات المتباينة والاتصال بها وتنظيمها عبر الوظائف، مما يوفر معلومات معلوماتية قوية من خلال التقارير والمرئيات البديهية. قد يعني هذا ربط بيانات المبيعات بنظام إدارة علاقات العملاء للتسويق لديك، وتحليلات الموارد البشرية باتجاهات الإيرادات، والمزيد من التطبيقات التي لا نهاية لها.

هل يمكنك أن تشرح كيف تقوم منصة Tracer بأتمتة التحليلات وإحداث ثورة في مجموعة البيانات الحديثة لعملائها؟

من أجل التبسيط، دعونا نعرّف التحليلات على أنها الإجابة على سؤال تجاري من خلال البرنامج. في مشهد اليوم، هناك بالفعل نهجان.

• الأول هو شراء البرمجيات العمودية. بالنسبة للمديرين الماليين، قد يكون هذا هو Netsuite. بالنسبة إلى CRO، قد يكون Salesforce. يعد البرنامج الرأسي رائعًا لأنه شامل، ويمكن أن يكون متخصصًا للغاية، ويجب أن يعمل خارج الصندوق. حدود البرنامج الرأسي هي أنه عمودي: إذا كنت تريد أن يتحدث Netsuite إلى Salesforce، فقد عدت إلى المربع الأول. البرنامج العمودي مكتمل، لكنه ليس مرنًا.
• النهج الثاني هو شراء البرمجيات الأفقية. قد يكون هذا برنامجًا لاستيعاب البيانات، وآخر للتخزين، وثالثًا للتحليل. يعد البرنامج الأفقي رائعًا لأنه يمكنه التعامل مع أي شيء تقريبًا. يمكنك بالتأكيد استيعاب وتخزين وتحليل كل من بيانات Salesforce وNetsuite من خلال خط الأنابيب هذا. والقيد هو أنه يجب تجميعها وصيانتها، ولا شيء يعمل "خارج الصندوق". البرامج الأفقية مرنة، ولكنها ليست كاملة.

نحن نقدم نهجًا ثالثًا من خلال إنشاء منصة تجمع بين التقنيات اللازمة للإبلاغ عن أي شيء، ويمكن الوصول إليها بما يكفي للعمل خارج الصندوق دون أي موارد هندسية أو نفقات فنية عامة. إنها مرنة وكاملة. Tracer هي أقوى منصة في السوق لا تعتمد على التطبيقات وشاملة.

تمت معالجة Tracer بناءً على طلب 10 بيتابايت من البيانات الشهر الماضي. كيف يتعامل Tracer مع هذا الكم الهائل من البيانات بكفاءة؟

يعد النطاق أمرًا مهمًا للغاية في عالمنا، وقد كان دائمًا أولوية في Tracer حتى في الأيام الأولى. لمعالجة هذا الحجم من البيانات، فإننا نستفيد من الكثير من أفضل التقنيات في فئتها ونتجنب إعادة اختراع العجلة حيث لا نحتاج إلى ذلك. نحن فخورون للغاية بالبنية التحتية التي قمنا ببنائها، ولكننا أيضًا منفتحون تمامًا بشأنها. في الواقع، تم توضيح برنامجنا المعماري على موقعنا.

ما نقوله للشركاء هو: لا يعني ذلك أن فرق الهندسة الداخلية لديكم غير قادرة على بناء ما قمنا ببنائه؛ بل لا ينبغي لهم أن يفعلوا ذلك. لقد قمنا بتجميع أجزاء مكدس البيانات الحديثة من أجلك. يتميز إطار العمل بالكفاءة، وتم اختباره في المعركة، وهو معياري بالنسبة لنا للتطور ديناميكيًا مع المناظر الطبيعية.

سيأتي إلينا الكثير من الشركاء الذين يتطلعون إلى تحرير الموارد الهندسية للتركيز على مبادرات استراتيجية أكبر. إنهم يستخدمون بنية Tracer كوسيلة لتحقيق غاية. إن وجود قاعدة بيانات لا يجيب على أسئلة العمل. إن وجود خط أنابيب ETL لا يجيب على أسئلة العمل. الشيء المهم حقًا هو ما يمكنك فعله بهذه البنية التحتية بمجرد تجميعها معًا. ولهذا السبب قمنا بتصميم Tracer – فنحن طريقك المختصر للحصول على الإجابات.

لماذا تعتقد أن البيانات المنظمة مهمة للغاية بالنسبة للذكاء الاصطناعي، وما هي المزايا التي توفرها مقارنة بالبيانات غير المنظمة؟

تعد البيانات المنظمة أمرًا بالغ الأهمية للذكاء الاصطناعي لأنها تسمح بالتفاعل البشري اليدوي، والذي نعتقد أنه عنصر أساسي للمخرجات الفعالة. ومع ذلك، في النظام البيئي اليوم، نحن في الواقع مجهزون بشكل أفضل من أي وقت مضى للاستفادة من الرؤى في البيانات غير المنظمة والتي كان من الصعب الوصول إليها سابقًا في التنسيقات (المستندات والصور ومقاطع الفيديو وما إلى ذلك).

بالنسبة لنا، يتعلق الأمر بتوفير منصة يمكن من خلالها دمج سياق إضافي من الأشخاص الأكثر دراية بمجموعات البيانات الأساسية بمجرد إتاحة الوصول إلى تلك البيانات. بمعنى آخر، إنها بيانات غير منظمة ← بيانات منظمة ← محرك سياق Tracer ← مخرجات تعتمد على الذكاء الاصطناعي. نحن نجلس في المنتصف ونسمح بحلقة تعليقات أكثر فعالية، وبالتدخل اليدوي عند الضرورة.

ما هي التحديات التي تواجهها الشركات مع البيانات غير المنظمة، وكيف يساعد Tracer في التغلب على هذه التحديات لتحسين جودة البيانات؟

بدون منصة مثل Tracer، فإن التحدي المتمثل في البيانات غير المنظمة يتمحور حول التحكم. تقوم بإدخال البيانات في النموذج، ثم يقدم النموذج الإجابات، ويكون لديك فرصة ضئيلة جدًا لتحسين ما يحدث داخل الصندوق الأسود.

لنفترض على سبيل المثال أنك تريد تحديد المحتوى الأكثر تأثيرًا في حملة إعلامية. قد يستخدم Tracer الذكاء الاصطناعي للمساعدة في توفير البيانات الوصفية لجميع المحتوى الذي تم تشغيله في الإعلانات. قد يستخدم أيضًا الذكاء الاصطناعي لتوفير تحليلات الميل الأخير للانتقال من مجموعة بيانات عالية التنظيم إلى تلك الإجابة.

ولكن بينهما، تسمح منصتنا للمستخدمين برسم الروابط بين بيانات الوسائط ومجموعة البيانات التي تظهر فيها النتائج، وتحديد "المؤثرة" بشكل أكثر تفصيلاً، وتنظيف التصنيفات التي أجراها الذكاء الاصطناعي. في الأساس، قمنا بتلخيص الخطوات وتحويلها إلى منتج، من أجل إزالة الصندوق الأسود. بدون الذكاء الاصطناعي، هناك الكثير من العمل الذي يتعين على الإنسان القيام به في Tracer. ولكن بدون Tracer، لن يتمكن الذكاء الاصطناعي من الوصول إلى نفس جودة الإجابة.

ما هي بعض التقنيات الرئيسية القائمة على الذكاء الاصطناعي التي تستخدمها شركة Tracer لتعزيز منصة ذكاء البيانات الخاصة بها؟

يمكنك التفكير في Tracer عبر ثلاث فئات أساسية من المنتجات: المصادر والمحتوى والمخرجات.

• المصادر هي أداة تُستخدم لأتمتة عملية استيعاب البيانات المتباينة ومراقبتها وضمان الجودة.
• السياق عبارة عن طبقة دلالية للسحب والإفلات لتنظيم البيانات بعد استيعابها.
• المخرجات هي المكان الذي يمكنك من خلاله الإجابة على أسئلة العمل بالإضافة إلى البيانات السياقية.

في Tracer، لا نرى الذكاء الاصطناعي كبديل لأي من هذه الخطوات؛ وبدلاً من ذلك، فإننا نرى الذكاء الاصطناعي باعتباره شكلاً آخر من أشكال التكنولوجيا التي يمكن للفئات الثلاث الاستفادة منها لتوسيع ما يمكن تشغيله آليًا.

فمثلا:

• المصادر: الاستفادة من الذكاء الاصطناعي للمساعدة في بناء موصلات API جديدة لمصادر البيانات الطويلة غير المتوفرة من خلال كتالوج شركائنا.
• السياق: الاستفادة من الذكاء الاصطناعي لتنظيف البيانات التعريفية قبل تشغيل قواعد العلامات. على سبيل المثال، تنظيف الاختلافات في أسماء المنشورات في كل لغة.
• المخرجات: الاستفادة من الذكاء الاصطناعي كبديل مباشر للوحات المعلومات حيث تكون حالة استخدام الأعمال استكشافية، بدلاً من مجموعة ثابتة من مؤشرات الأداء الرئيسية التي يجب الإبلاغ عنها بشكل متكرر.
• يتيح لنا الذكاء الاصطناعي تحقيق هذه الأنواع من التطبيقات بطرق بسيطة ويمكن الوصول إليها.

ما هي خطط Tracer المستقبلية للتطوير والابتكار في مجال ذكاء البيانات؟

التتبع هو مجمع للمجمعات. سوف يعتمد علينا شركاؤنا في تطبيقات محددة داخل الفرق والوظائف، أو لاستخدامها في ذكاء الأعمال متعدد الوظائف. يكمن جمال Tracer في أنه سواء كنت تستفيد منا لاتخاذ قرارات أفضل فيما يتعلق بإنفاقك على الوسائط وإبداعك، أو إنشاء لوحات معلومات لربط المقاييس المتباينة من سلسلة التوريد إلى المبيعات وكل شيء بينهما، فإن العناصر الأساسية متسقة.

إننا نرى مؤسسات تعتمد علينا رسميًا في مجال واحد من العمل (على سبيل المثال، الإعلام والتسويق)، توسع نطاق طلباتها لتشمل أماكن أخرى في العمل. لذلك، عندما كان عملاؤنا الأساسيون هم كبار المسؤولين التنفيذيين في وسائل الإعلام، أو شركاء الوكالات، فإننا نعمل هذه الأيام عبر المؤسسة، بالشراكة مع مديري تكنولوجيا المعلومات، ومديري التكنولوجيا، وعلماء البيانات، ومحللي الأعمال. نحن نواصل بناء أدواتنا لاستيعاب المزيد والمزيد من التطبيقات والشخصيات، كل ذلك مع ضمان أن التكنولوجيا الأساسية قابلة للتطوير ومرنة ويمكن الوصول إليها للمستخدمين غير التقنيين.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا مرسمة.