Ahmed Elsamadisi, zakladatel a CEO Narrator.ai – rozhovor

Ahmed Elsamadisi je zakladatel a CEO Narrator.ai, společnosti pro datové inteligence, která vybavuje rozhodovací osoby personalizovanými akčními informacemi.

Ahmed začal svou kariéru v laboratoři autonomních systémů Cornellovy univerzity, kde se zaměřil na interakci mezi člověkem a robotem a Bayesian data fusion, stejně jako na stavbu algoritmů pro autonomní vozidla.

Co vás původně přitáhlo k umělé inteligenci a datové vědě?

Zamiloval jsem se do toho, jak lidé dělají rozhodnutí. Začal jsem s psychologií, sociální inženýrství a nakonec s tím, jak rozumíme nejistotě. To mě vedlo k tomu, abych se ponořil do Bayesianovy matematiky a svět začal dávat více smyslu. Rozhodl jsem se vydat na cestu, aby replikovat, jak děláme rozhodnutí.

Můžete sdílet některé highlights z doby, kdy jste pracoval v laboratoři autonomních systémů Cornellovy univerzity?

Laboratoř autonomních systémů Cornellovy univerzity byla velmi zábavná! Od našeho autonomního vozidla až po flotilu mobilních robotů, dostal jsem příležitost budovat, programovat a testovat algoritmy a hardware v reálných prostředích. Můj nejoblíbenější okamžik byl projekt, který jsem vedl, abychom zkusili hrát hru 20 otázek se všemi studenty Cornellovy univerzity. Hra byla jednoduchá, robot hledal objekt a mohl klást studentům ano/ne otázky, aby mu pomohli najít předmět. Jediná malá změna, lidé mohli lhát.

V této situaci neexistuje žádná skutečná informace, nic, co je absolutně pravdivé. Pracoval jsem na algoritmu, který by mohl kombinovat informace z lidí a senzorů, aby dělal lepší rozhodnutí. Tento projekt byl později vyzdvižen Business Insider a stal se známým jako “robot, který může lhát”.

Tyto okamžiky, kdy data a algoritmy mohou dělat něco, co byste si jinak nedovedli snadno představit, jsou to, co dělá tyto projekty výjimečnými.

Nápad na Narrator vznikl z vaší frustrace, když jste pracoval s daty ve své předchozí firmě WeWork (WE ). Jaké problémy jste řešil s modelem hvězdicové schémy?

Každá společnost používá hvězdicovou schéma pro své datové modely. To má smysl! Budujete tabulky, které reprezentují sadu otázek, které chcete zodpovědět, a pak je dáte lidem, aby je zpracovali. Výzvou je, že otázky jsou neustále rostoucí a měnící se, a tak série tabulek, které budujete, nejsou nikdy dostatečné, aby zodpověděly všechny možné otázky. Jediné řešení je budovat více tabulek, což způsobuje odchylku od zdroje pravdy.

Vždycky hledám na Google “air flow data modeling”, aby ukázal lidem, co je nejlepší případová situace modelovací vrstvy, a je to komplexní. Stovky tabulek, které závisí na sobě.

To bylo řečeno, to byla jediná možnost. V WeWork jsem mluvil s mnoha jednorožci a viděl stejnou situaci, se kterou jsme se potýkali. Vynaložili jsme miliony dolarů na datové nástroje. Budujeme stovky modelů. Data stále ztrácejí důvěru a nejsou schopna zodpovědět otázky včas. Pak každých 1-2 roky bychom přestavěli systém pomocí nejnovějších nástrojů, ale stejným přístupem.

Pokud každá společnost, která implementovala hvězdicovou schéma, skončila potřebou přestavět svůj systém, pak je problém s rámcem.

Jak jste přišel na lepší řešení pro práci s daty?

Původně jsem čerpal inspiraci z datových blogů. V blogu může společnost vyprávět příběh zákazníka a analýzu bez toho, aby ukázala svou datovou model. Používají zákazníky, kteří dělají akce v čase, aby vysvětlili jakoukoli analýzu algoritmů. Efektivně jsou to všechny koncepty, které každý chápe (zákazník prohlédl web, pak rezervoval schůzku). Zajímal jsem se, proč tato struktura nebyla použita v datech, pokud zdá se, že má potenciál reprezentovat cokoliv. Krátká odpověď je, že tato datová struktura je opravdu neprohledatelná pro BI nástroje (není nic, na co byste se mohli připojit).

Náš datový model, který nazýváme activity schema, zdál se mít potenciál opravdu změnit svět. Mohl by umožnit každé společnosti mít jeden jediný datový model, který může zodpovědět jakoukoli otázku. Každá společnost by mohla mít stejný datový model – a tak analýzy a algoritmy by mohly být sdíleny napříč společnostmi poprvé. A konečně, mohl by vytvořit společný způsob, jakým pracovníci s daty mohou spolupracovat a mluvit o datech.

Dumal jsem, že by to mohlo revolucionizovat datový průmysl, a tak jsem v roce 2017 opustil WeWork s cílem udělat activity schema prohledatelným.

Výstup dat Narratoru je formátován jinak než většina z nás je zvyklá, můžete vysvětlit, co jsou Narativy a jak jsou formátovány jako příběh?

Narativy jsou akční analýzy ve formátu příběhu.

My, jako pracovníci s daty, jsme tak zvyklí na dashboardy. Nicméně, dashboardy jsou prostředkem k cíli. Dashboardy vám ukazují data a vy musíte je sami interpretovat:

1. Vyřešit, jak číst stovky různých vizualizací.
2. Kombinovat data ve své hlavě, aby vám dalo smysl, co se skutečně děje.
3. Vytvořit příběh ve své hlavě, který dává smysl z kousků dat.
4. Rozhodnout se o akci, kterou budete podnikat.

Výzvou tohoto procesu je, že každý, kdo se dívá na dashboard, bude mít jiný příběh a jinou doporučení. To je přirozený bias.

Cílem Narratoru bylo vést akci na základě dat. Když jsme iterovali, viděli jsme, že naši zákazníci potřebovali příběhy a interpretace, aby mohli dělat rozhodnutí, a to jim jsme dali.

Narativy začínají jasným cílem. Dělají doporučení. Pak vám ukazují klíčové poznatky, které získáte. Nakonec procházejí analýzou. Každá sekce vypráví příběh o něčem, co se učíme, a data jsou použita jako podpůrné důkazy.

Ukažte 100 lidem stejný Narativ a všichni se vrátí se stejným doporučení a interpretací.

Narativy také chápou, že váš byznys se mění, a tak jsou neustále spuštěny každý týden, aby se zjistilo, zda doporučení a interpretace jsou stále platné a budou se aktualizovat podle toho.

Po prožití všech těchto učení a Narativů jsme si uvědomili, že většina velkých poradenských firem také naučila stejné věci. McKinsey vám dává podobné prezentace a přístupy místo dashboardů. Pracujeme na poskytování této úrovně kvality za zlomek ceny.

Jaké jsou některé výhody používání Narratoru pro datové inženýry?

Datoví inženýři jsou našimi největšími zastánci! Dumám, že je to proto, že jsem začal jako datový inženýr, a tak Narrator byl postaven s nimi na mysli.

V Narratoru je modelování dat opravdu snadné – stačí mapovat koncepty zdroje pravdy na náš datový model. Spustíme spoustu testů, aby se ujistilo, že to bude fungovat, a pak to pošlete do produkce. Narrator zajišťuje migraci, synchronizaci dat a zajišťuje, aby všechno bylo rychlé a snadné.

V Narratoru můžete rychle sestavit jakoukoli datovou sadu, kterou chcete, během několika minut, a dát ji komukoli, kdo ji požaduje.

Mysleli jsme také na všechny malé věci, které potřebujete, a zajistili, aby jste je dostali:

• Plná transparentnost ve všech procesech a kontrola pro pozastavení, zrušení, spuštění, atd..
• Schopnost umístit upozornění na surová data před a po transformaci.
• Plný záznam všech změn dotazu.
• Plná viditelnost každé aktualizace, která se vyskytne v tabulce.
• 1 kliknutí pro materializaci libovolné datové sady nebo odeslání do Google listu.
• Nastavení rychlých webových hooků pro odeslání dat do libovolného systému.
• Obraťte se na podporu a dostanete datového inženýra, který vám pomůže.
• Každý dotaz, který Narrator generuje, je ČITELNÝ a transparentní.
• Ladění libovolných dat s rychlými časovými osami všeho, co se stalo konkrétnímu zákazníkovi.
• Vytvořte 1 datovou sadu a vytvořte mnoho agregací na jejím základě (není třeba kopírovat stejný dotaz v CTE).
• Pokud vyměníte některý ze stavebních bloků, pak jsme smíříme všechna vaše data.

Je toho tolik více, co datové inženýři budou milovat!

Kolik času je ušetřeno při vytváření zpráv s Narrator oproti tradičnímu modelování?

Upřímně řečeno, srovnání Narratoru s tradičním modelováním je neférové. V Narratoru je všechna data modelována během jediného dne, místo měsíců plánování, jako v případě hvězdicové schémy. Změny v Narratoru jsou nízkorizikové a snadné. Vytvoření libovolné tabulky je okamžité v Narratoru, protože nemusíte se starat o to, zda existuje cizí klíč, který by spojoval věci.

Co se týče analýz, Narrator má knihovnu ručně psaných analýz, které můžete okamžitě spustit. Tyto analýzy jsou dobře promyšlené, otestované na několika společnostech, aktualizované na základě změn vašeho byznysu, využívají algoritmy k interpretaci dat a jsou krásně prezentovány ve formátu příběhu. Tato úroveň práce je často prováděna týmy datových pracovníků během týdnů (což děláme my, ale děláme to jednou a pak ho děláme okamžitě dostupným všem).

Je něco jiného, co byste chtěli sdílet o Narratoru?

Narrator je jiný.

Je trochu těžké pochopit, jak a proč funguje, ale jakmile se do něj ponoříte, bude to fungovat a nikdy se nebudete moci vrátit.

Jsem nadšený světem, který Narrator vytváří, a vítám každého, kdo se chce dozvědět více!

Společně můžeme dělat lepší rozhodnutí, která vytvoří lepší svět.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí dozvědět se více, by měli navštívit Narrator.ai.