Ahmed Elsamadisi, Gründer & CEO von Narrator.ai – Interview-Serie

Ahmed Elsamadisi ist der Gründer und CEO von Narrator.ai, einem Unternehmen für Datenintelligenz, das Entscheidungsträgern personalisierte, umsetzbare Erkenntnisse liefert.

Ahmed begann seine Karriere am Autonomous Systems Laboratory der Cornell-Universität, wo er sich auf die Interaktion zwischen Mensch und Roboter und die bayessche Datenfusion sowie auf den Bau von Algorithmen für autonome Fahrzeuge konzentrierte.

Was hat Sie ursprünglich zur KI und Datenwissenschaft hingezogen?

Ich habe mich in die Art und Weise verliebt, wie Menschen Entscheidungen treffen. Ich begann mit der Psychologie, dann mit der sozialen Ingenieurkunst und schließlich mit der Art und Weise, wie wir über Unsicherheit nachdenken. Dies führte mich dazu, mich mit der bayesschen Mathematik zu beschäftigen, und plötzlich ergab die Welt mehr Sinn. Ich beschloss, eine Reise zu unternehmen, um zu replizieren, wie wir Entscheidungen treffen.

Sie haben eine bemerkenswerte Karriere hinter sich, einschließlich einer Tätigkeit am Autonomous Systems Laboratory der Cornell-Universität. Können Sie uns einige Highlights aus dieser Zeit erzählen?

Cornells ASL war großartig! Von unserem autonomen Fahrzeug bis hin zu einer Flotte von mobilen Robotern durfte ich Erfahrungen sammeln, indem ich Algorithmen und Hardware in realen Umgebungen baute, programmierte und testete. Mein Lieblingsmoment war ein Projekt, das ich leitete, um zu sehen, ob wir ein Spiel von 20 Fragen mit allen Studenten an der Cornell-Universität spielen konnten. Das Spiel war einfach: Ein Roboter suchte nach einem Objekt und konnte Cornell-Studenten Ja/Nein-Fragen stellen, um es zu finden. Ein kleiner Twist: Menschen konnten lügen.

In dieser Situation gab es keine echten Informationen, nichts, was absolut wahr war. Ich arbeitete an einem Algorithmus, der Informationen von Menschen und Sensoren fusionieren konnte, um bessere Entscheidungen zu treffen. Dieses Projekt wurde später von Business Insider aufgegriffen und als “der Roboter, der lügen kann” bekannt.

Diese Momente, in denen Daten und Algorithmen etwas tun können, was man sich nicht leicht vorstellen kann, machen diese Projekte bemerkenswert.

Die Idee für Narrator entstand aus Ihrer Frustration, mit Daten bei Ihrem früheren Arbeitgeber WeWork (WE ) zu arbeiten. Welche Probleme hatten Sie mit der Sternschema-Modellierung?

Jedes Unternehmen verwendet ein Sternschema für seine Datenmodelle. Es ergibt Sinn! Man baut Tabellen, die eine Reihe von Fragen darstellen, die man beantworten möchte, und gibt sie dann den Menschen, um sie zu plotten. Die Herausforderung besteht darin, dass Fragen ständig wachsen und sich ändern und daher die Reihe von Tabellen, die man baut, nie ausreicht, um alle möglichen Fragen zu beantworten. Die einzige Lösung ist, mehr Tabellen zu bauen, was zu einer Abweichung von der Quelle der Wahrheit führt.

Ich google immer “Air-Flow-Datenmodellierung”, um Menschen zu zeigen, was das beste Szenario einer Modellierungsschicht ist, und es ist komplex. Hunderte von Tabellen, die voneinander abhängen.

Das war jedoch die einzige Option. Bei WeWork sprach ich mit vielen Einhörnern und sah die gleiche Situation, mit der wir konfrontiert waren. Wir gaben Millionen von Dollar für Datentools aus. Wir bauten Hunderte von Modellen. Daten verloren jedoch das Vertrauen und schafften es nicht, Fragen rechtzeitig zu beantworten. Dann bauten wir alle 1-2 Jahre das System mit den neuesten Tools, aber mit dem gleichen Ansatz neu auf.

Wenn jedes Unternehmen, das ein Sternschema implementiert hat, letztendlich gezwungen war, sein System neu aufzubauen, dann gibt es ein Problem mit dem Framework.

Wie kamen Sie auf eine bessere Lösung, um mit Daten zu arbeiten?

Ich nahm zunächst Inspiration aus Daten-Blogs. In einem Blog kann ein Unternehmen eine Geschichte über einen Kunden und eine Analyse erzählen, ohne jemals sein Datenmodell zu zeigen. Sie verwenden Kunden, die Aktionen in der Zeit ausführen, um jede Analyse von Algorithmen zu erklären. Effektiv sind dies alle Konzepte, die jeder versteht (ein Benutzer hat die Website betrachtet, dann ein Meeting gebucht). Ich fragte mich, warum diese Struktur nicht in Daten verwendet wird, wenn sie das Potenzial hat, alles darzustellen. Die kurze Antwort ist, dass diese Datenstruktur nicht von BI-Tools abfragbar ist (es gibt nichts, was man JOINen kann).

Unser Datenmodell, das wir Aktivitätsschema nennen, schien das Potenzial zu haben, die Welt wirklich zu verändern. Es könnte es jedem Unternehmen ermöglichen, ein einziges Datenmodell zu haben, das jede Frage beantworten kann. Jedes Unternehmen könnte das gleiche Datenmodell haben – damit könnten Analysen und Algorithmen zum ersten Mal zwischen Unternehmen geteilt werden. Und schließlich könnte es eine gemeinsame Möglichkeit für Datenexperten schaffen, zusammenzuarbeiten und über Daten zu sprechen.

Ich dachte, dass dies die Datenindustrie revolutionieren könnte, also verließ ich WeWork 2017 mit dem Ziel, das Aktivitätsschema abfragbar zu machen.

Narrator-Ausgabedaten sind anders formatiert als das, was wir gewohnt sind. Können Sie erklären, was Narrative sind und wie sie wie eine Geschichte formatiert sind?

Narrative sind handlungsfähige Analysen in einer Geschichte-Format.

Wir, als Datenexperten, sind so sehr an Dashboards gewöhnt. Dashboards sind jedoch ein Mittel zum Zweck. Dashboards zeigen uns Daten, und wir müssen sie selbst interpretieren:

1. Figurieren Sie heraus, wie man die hundert verschiedenen Visualisierungen liest.
2. Kombinieren Sie die Daten in Ihrem Kopf, um herauszufinden, was tatsächlich passiert.
3. Erstellen Sie eine Geschichte in Ihrem Kopf, die Sinn ergibt.
4. Entscheiden Sie sich auf eine Handlung.

Die Herausforderung bei diesem Prozess besteht darin, dass jede Person, die ein Dashboard betrachtet, eine andere Geschichte und eine andere Empfehlung erstellen wird. Dies ist ein natürlicher Bias.

Das Ziel von Narrator war es, auf der Grundlage von Daten Handlungen zu fördern. Als wir iterierten, sahen wir, dass unsere Kunden Geschichten und Interpretationen benötigten, um Entscheidungen zu treffen, und das war, was wir ihnen gaben.

Narrative beginnen mit einem klaren Ziel. Sie machen eine Empfehlung. Dann zeigen sie Ihnen die wichtigsten Erkenntnisse, die Sie erhalten. Schließlich gehen sie durch die Analyse. Jeder Abschnitt erzählt eine Geschichte über etwas, das wir lernen, und Daten werden als unterstützende Beweise verwendet.

Zeigen Sie 100 Personen das gleiche Narrative, und sie alle kommen mit der gleichen Empfehlung und Interpretation zurück.

Narrative verstehen auch, dass Ihr Geschäft sich ändert, also werden sie jede Woche neu berechnet, um zu sehen, ob die Empfehlungen und Interpretationen noch gültig sind und aktualisieren sie sich entsprechend.

Nachdem wir all diese Lernprozesse und Narrative zu diesen unglaublichen handlungsorientierten Werkzeugen gemacht haben, erkannten wir, dass die meisten großen Beratungsunternehmen auch das gleiche gelernt hatten. McKinsey gibt Ihnen ähnliche Präsentationen und Ansätze anstelle von Dashboards. Wir arbeiten daran, diese Qualität für einen Bruchteil des Preises anzubieten.

Was sind einige der Vorteile von Narrator für Daten-Ingenieure?

Daten-Ingenieure sind unsere größten Befürworter! Ich denke, es liegt daran, dass ich als Daten-Ingenieur begann, dass Narrator für sie entwickelt wurde.

Bei Narrator ist das Modellieren von Daten wirklich einfach – Sie müssen nur Konzepte von der Quelle der Wahrheit auf unser Datenmodell abbilden. Wir führen eine Reihe von Tests durch, um sicherzustellen, dass es funktioniert, und dann pushen Sie es in die Produktion. Narrator übernimmt die Migration, synchronisiert die Daten und stellt sicher, dass alles schnell und einfach ist.

Innerhalb von Narrator können Sie jede gewünschte Datensatz in Minuten zusammenstellen und sie jedem zur Verfügung stellen, der sie anfordert.

Wir haben auch an alle kleinen Dinge gedacht, die Sie benötigen, und haben sichergestellt, dass Sie sie erhalten:

• Vollständige Transparenz bei allen Verarbeitungen und Kontrolle, um zu pausieren, abzubrechen, jetzt auszuführen usw.
• Fähigkeit, Warnungen auf die Rohdaten vor und nach der Transformation zu setzen.
• Vollständiger Log aller Änderungen an der Abfrage.
• Vollständige Sichtbarkeit aller Aktualisierungen, die in der Tabelle vorgenommen werden.
• 1-Klick, um jeden Datensatz zu materialisieren oder ihn an Google -Sheet zu senden.
• Einrichten von Webhooks, um die Daten an jedes System zu senden.
• Kontaktieren Sie den Support, und Sie erhalten einen Daten-Ingenieur, der Ihnen hilft.
• Jede Abfrage, die Narrator generiert, ist LESBAR und transparent.
• Debuggen Sie jede Daten mit schnellen Zeitleisten von allem, was mit einem bestimmten Kunden passiert ist.
• Erstellen Sie 1 Datensatz und erstellen Sie viele Aggregationen darauf (kein Bedarf, die gleiche Abfrage in einer CTE zu kopieren).
• Wenn Sie eines der Bausteine austauschen, dann versöhnen wir alle Ihre Daten für Sie.

Es gibt noch viel mehr, was Daten-Ingenieure lieben werden!

Wie viel Zeit wird bei der Erstellung von Berichten mit Narrator im Vergleich zur traditionellen Modellierung eingespart?

Ehrlich gesagt, ist es unfair, Narrator mit der traditionellen Modellierung zu vergleichen. Bei Narrator sind alle Daten in nur 1 Tag modelliert, anstatt Monate der Planung wie bei einem Sternschema. Änderungen bei Narrator sind risikofrei und einfach. Das Erstellen von Tabellen ist in Narrator sofort möglich, da Sie sich keine Sorgen machen müssen, ob es einen Fremdschlüssel gibt, um Dinge zu verbinden.

Bei Analysen hat Narrator eine Bibliothek von Experten-Hand-analysen, die Sie sofort ausführen können. Diese Analysen sind sorgfältig durchdacht, auf mehrere Unternehmen getestet, aktualisieren sich aufgrund von Änderungen in Ihrem Geschäft, nutzen Algorithmen, um die Daten zu interpretieren, und werden schön in einem Story-Format präsentiert. Dieser Grad an Arbeit wird normalerweise von Teams von Daten-Experten über Wochen hinweg durchgeführt (was wir tun, aber wir tun es nur einmal und machen es dann sofort für jeden verfügbar).

Gibt es noch etwas, das Sie über Narrator teilen möchten?

Narrator ist anders.

Es ist ein bisschen schwierig, sich vorzustellen, wie und warum es funktioniert, aber sobald Sie damit anfangen, wird es klicken, und Sie werden nie in der Lage sein, zurückzukehren.

Ich bin begeistert von der Welt, die Narrator möglich macht, und lade jeden ein, sich zu melden, um mehr zu erfahren!

Zusammen können wir bessere Entscheidungen treffen, die eine bessere Welt schaffen werden.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Narrator.ai besuchen.