لييتون ويلش، الرئيس التنفيذي للتقنية ومؤسس تراسر – سلسلة المقابلات

لييتون ويلش هو الرئيس التنفيذي للتقنية ومؤسس تراسر. تراسر هو أداة مدعومة بالذكاء الاصطناعي التي تنظم وتدير وتجسد مجموعات بيانات معقدة لتعزيز استخلاص معلومات أعمال سريعة وفعالة. قبل أن يصبح رئيسًا تنفيذيًا للتقنية في تراسر، كان لييتون مديرًا لاستشارات المستهلك في سوسيال كود، ونائب الرئيس للهندسة في فاينير ميديا. قضى مسيرته المهنية في ريادة التكنولوجيا الإعلانية، حيث قام بتشغيل الإعلان الأول على سنابتشات، والاستشارة حول واجهات برمجة التطبيقات التجارية لبعض أكبر المنصات في العالم. تخرج لييتون من جامعة هارفارد في عام 2013، بشهادة في علوم الحاسوب والاقتصاد.

يمكنك أن تخبرنا المزيد عن خلفيتك وكيف ألهمتك تجاربك في هارفارد وسوسيال كود وفاينير ميديا لتأسيس تراسر؟

فكرة الأصلية جاءت قبل عقد من الزمن. اتصل بي صديق من الطفولة في ليلة جمعة. كان يعاني من تجميع البيانات عبر منصات اجتماعية مختلفة لاحد عملائه. كان يعتقد أن هذا يمكن أن يتم تلقائيًا، لذا طلب مساعدتي لأن لديه خلفية في هندسة البرمجيات. هذا هو كيف تم تقديمي إلى شريكي الحالي، جيف نيكولسون.

كانت هذه لحظة الفكرة： كمية الأموال التي تم إنفاقها على هذه الحملات تتجاوز جودة البرمجيات التي تتبع هذه الأموال. كان سوقًا ناشئًا مع العديد من التطبيقات في علوم البيانات.

استمرنا في بناء برمجيات تحليلية يمكنها تلبية احتياجات حملات إعلامية كبيرة ومعقدة بشكل متزايد. مع تقدمنا في حل المشكلة، طورنا عملية – خطوات واضحة للحصول على البيانات المتنوعة وموضعها في السياق. أدركنا أن العملية التي بنيناها يمكن تطبيقها على أي مجموعة بيانات – وليس فقط الإعلان – وهذا ما يمثل تراسر اليوم： أداة مدعومة بالذكاء الاصطناعي تنظم وتدير وتجسد مجموعات بيانات معقدة لتعزيز استخلاص معلومات أعمال سريعة وفعالة.

نساعد في تحقيق الديمقراطية في ما يعني أن تكون منظمة “مدفوعة بالبيانات” من خلال توفير خطوات آليّة لاستيعاب وربط وتحليل مجموعات بيانات منفصلة عبر الوظائف، وتوفير معلومات أعمال قوية من خلال تقارير وتصورات直ة. يمكن أن يعني هذا ربط بيانات المبيعات ببرنامج إدارة علاقات العملاء، أو ربط تحليلات الموارد البشرية مع اتجاهات الإيرادات، وغيرها من التطبيقات.

يمكنك أن تفسر كيف تلقّي منصة تراسر التحليلات وتحول البنية البيانية الحديثة لعملائها؟

من أجل البساطة، دعونا نعرّف التحليلات على أنها الإجابة على سؤال أعمال من خلال البرمجيات. في المناظر الحالية، هناك حقًا نهجان.

• الأول هو شراء البرمجيات الرأسية. بالنسبة لمديري المالية، قد يكون هذا نيتسويت. بالنسبة لمديري المبيعات، قد يكون هذا سيلز فورس. البرمجيات الرأسية رائعة لأنها شاملة، يمكن أن تكون متخصصة للغاية، و应该 تعمل فقط من الصندوق. محدودية البرمجيات الرأسية هي أنها رأسية: إذا كنت تريد نيتسويت تتحدث إلى سيلز فورس، فأنت تعود إلى نقطة البداية. البرمجيات الرأسية كاملة، ولكنها ليست مرنة.
• النهج الثاني هو شراء البرمجيات الأفقية. قد يكون هذا برنامجًا واحدًا لاستيعاب البيانات، وبرنامجًا آخر لتخزينها، وبرنامجًا ثالثًا لتحليلها. البرمجيات الأفقية رائعة لأنها يمكن أن تتعامل مع几乎 أي شيء. يمكنك بالتأكيد استيعاب وتخزين وتحليل بيانات سيلز فورس ونيتسويت من خلال هذا Pipeline. المحدودية هي أنها تحتاج إلى تجميعها، والصيانة، وعدم عمل أي شيء “من الصندوق”. البرمجيات الأفقية مرنة، ولكنها ليست كاملة.

نقدم نهجًا ثالثًا من خلال إنشاء منصة تجمع التكنولوجيا اللازمة للإبلاغ عن أي شيء، وجعلها متاحة بما يكفي للعمل من الصندوق دون أي موارد هندسية أو عبء تقني. إنها مرنة وكاملة. تراسر هي أقوى منصة في السوق التي هي متجاوبة ومكملة في الوقت نفسه.

ماذا عن معالجة تراسر لمقدار هائل من البيانات بفعالية؟

المقياس مهم للغاية في عالمنا، وتم التأكيد عليه دائمًا في تراسر حتى في الأيام الأولى. لمعالجة هذا الحجم من البيانات، نستخدم الكثير من التكنولوجيا الرائدة في الفئة، وتجنب إعادة اختراع العجلة حيث لا نحتاج إليها. نحن فخورون جدًا بالبنية التحتية التي بنيناها، ولكننا أيضًا متاحون جدًا بشأنها. في الواقع، برنامجنا المعماري موضح على موقعنا.

ما نقوله للشركاء هو هذا: ليس لأن فرق الهندسة الداخلية لا تستطيع بناء ما بنيناه، ولكن لأنهم لا ينبغي لهم أن يفعلوا ذلك. لقد جمّعنا قطع البنية البيانية الحديثة من أجلكم. الإطار كفء، ومحارب، ومتجاوب لنا لتطويره ديناميكيًا مع المناظر.

يأتي الكثير من الشركاء إلينا للبحث عن تحرير موارد الهندسة لت tập trung على المبادرات الاستراتيجية الأكبر. يستخدمون هندسة تراسر كوسيلة لتحقيق نهاية. ليس لديك قاعدة بيانات ت回答 أسئلة الأعمال. ليس لديك трубة ETL ت回答 أسئلة الأعمال. الشيء الذي يهم حقًا هو ما تستطيع فعله بهذه البنية بعد تجميعها. هذا هو السبب الذي بنينا تراسر من أجله – نحن اختصارك للوصول إلى الإجابات.

لماذا تعتقد أن البيانات المهيكلة حاسمة للذكاء الاصطناعي، وما هي المزايا التي توفرها على البيانات غير المهيكلة؟

البيانات المهيكلة حاسمة للذكاء الاصطناعي لأنها تسمح بالتفاعل البشري اليدوي، وهو ما نعتقد أنه مكون أساسي للإخراج الفعال. ومع ذلك، في النظام البيئي الحالي، نحن أفضل تجهيزًا من أي وقت مضى لاستخدام Informationen من البيانات غير المهيكلة والتنسيقات الصعبة الوصول إليها (الوثائق، والصور، والفيديوهات، إلخ.).

لذلك بالنسبة لنا، الأمر يتعلق بتقديم منصة يمكن من خلالها إضافة سياق إضافي من قبل الأشخاص الذين يعرفون جيدًا مجموعات البيانات الأساسية بعد جعل البيانات متاحة. بعبارة أخرى، الأمر يتعلق بتحويل البيانات غير المهيكلة إلى بيانات مهيكلة، ثم إلى محرك السياق في تراسر، ثم إلى إخراج مدعوم بالذكاء الاصطناعي. نحن نجلس بينهما ونسمح بتعليقة обратية أكثر فعالية، وبالتدخل اليدوي حيثما لزم الأمر.

ما هي التحديات التي تواجهها الشركات مع البيانات غير المهيكلة، وكيف تساعد تراسر على التغلب على هذه التحديات لتحسين جودة البيانات؟

بدون منصة مثل تراسر، التحدي مع البيانات غير المهيكلة هو كل شيء عن التحكم. تقدم البيانات إلى النموذج، والنموذج يخرج إجابات، ولديك فرصة قليلة لتحسين ما يحدث داخل الصندوق الأسود.

على سبيل المثال، إذا كنت تريد تحديد المحتوى الأكثر تأثيرًا في حملة إعلامية، قد تستخدم تراسر الذكاء الاصطناعي للمساعدة في توفير البيانات الوصفية لجميع المحتويات التي تم تشغيلها في الإعلانات. كما قد تستخدم الذكاء الاصطناعي لتوفير تحليلات الميل الأخير للحصول على الإجابة.

لكن بينهما، تسمح لنا منصتنا للمستخدمين برسم الصلات بين بيانات الإعلام ومجموعة البيانات حيث تعيش النتائج، وتحديد ما يعني “تأثير” بشكل أكثر دقة، وتنظيف التصنيفات التي قام بها الذكاء الاصطناعي. بشكل أساسي، لقد مجَّدنا الخطوات وصنَّعنا منتجًا لازالة الصندوق الأسود. بدون الذكاء الاصطناعي، هناك الكثير من العمل الذي يجب أن يتم من قبل الإنسان في تراسر. ولكن بدون تراسر، لا يستطيع الذكاء الاصطناعي الحصول على نفس جودة الإجابة.

ما هي بعض التكنولوجيا القائمة على الذكاء الاصطناعي التي تستخدمها تراسر لتعزيز منصة الذكاء البياني؟

يمكنك التفكير في تراسر عبر ثلاث فئات رئيسية للمنتجات: المصادر، والمحتوى، والإخراج.

• المصادر هي أداة تستخدم لتحسين استيعاب ومراقبة وتحقق جودة البيانات المتنوعة.
• السياق هو طبقة معنوية سحب وافرة لتنظيم البيانات بعد استيعابها.
• الإخراج هو المكان الذي يمكنك فيه الإجابة على أسئلة الأعمال على مجموعة بيانات مهيكلة.

في تراسر، لا نرى الذكاء الاصطناعي بديلاً لأي من هذه الخطوات، ولكن نراه تكنولوجيا أخرى يمكن أن تستفيد منها جميع الفئات الثلاث لتحسين ما يمكن تطبيقه تلقائيًا.

على سبيل المثال:

• المصادر: استخدام الذكاء الاصطناعي للمساعدة في بناء موصلات API جديدة لمصادر البيانات الطويلة غير المتاحة من خلال كتالوج الشركاء.
• السياق: استخدام الذكاء الاصطناعي لتنظيف البيانات الوصفية قبل تشغيل قواعد العلامات. على سبيل المثال، تنظيف التغييرات في أسماء النشر بلغات مختلفة.
• الإخراج: استخدام الذكاء الاصطناعي كبديل للوحات التحكم حيث يكون استخدام الحالة التجارية استكشافيًا، وليس مجموعة ثابتة من المؤشرات الرئيسية التي تحتاج إلى الإبلاغ عنها بشكل متكرر.
• الذكاء الاصطناعي يسمح لنا بالحصول على هذه التطبيقات بطرق بسيطة ومتاحة.

ما هي خطط تراسر للتطوير والابتكار في مجال الذكاء البياني؟

تراسر هو جامع الجمع. سيتكئ شركاؤنا علينا لتطبيقات محددة داخل الفرق والوظائف، أو لاستخدامها في استخبارات الأعمال عبر الوظائف. جمال تراسر هو أنك سواء كنت تستخدمنا لاتخاذ قرارات أفضل مع إنفاقك الإعلامي والإبداعي، أو بناء لوحات تحكم لربط مقاييس منفصلة من سلسلة التوريد إلى المبيعات وكل شيء بينهما، فإن الكتل البنائية متسقة.

نحن نرى المنظمات التي اعتمدت علينا في منطقة واحدة من الأعمال (على سبيل المثال، الإعلام والتسويق)، توسيع التطبيقات إلى مناطق أخرى من الأعمال. لذلك، حيث كان عملاؤنا الرئيسيون في السابق مسؤولين تنفيذيين للإعلام، أو شركاء وكالة، نحن نعمل الآن عبر المنظمة، ونتعاون مع مسؤولين تقنيين، وعلماء بيانات، ومحللين أعمال. نحن مستمرين في بناء أدواتنا لتلبية المزيد والمزيد من التطبيقات والأشخاص، مع ضمان أن التكنولوجيا الأساسية تكون قابلة للتطوير، والمرنة، ومتاحة للمستخدمين غير التقنيين.

شكرًا على المقابلة الرائعة، القراء الذين يرغبون في معرفة المزيد يمكنهم زيارة تراسر.