Leighton Welch, CTO und Mitgründer von Tracer – Interview-Serie

Leighton Welch ist CTO und Mitgründer von Tracer. Tracer ist ein künstlicher Intelligenz-gesteuerter Tool, der komplexe Datensätze organisiert, verwaltet und visualisiert, um schnelleres und handlungsfähigeres Business-Intelligence zu ermöglichen. Vor seiner Zeit als Chief Technology Officer bei Tracer war Leighton Director of Consumer Insights bei SocialCode und VP of Engineering bei VaynerMedia. Er hat seine Karriere damit verbracht, im Ad-Tech-Ökosystem zu arbeiten, das erste Snapchat-Werbung und kommerzielle APIs für einige der größten Plattformen der Welt zu beraten. Leighton hat 2013 an der Harvard-Universität mit einem Abschluss in Informatik und Wirtschaftswissenschaften abgeschlossen.

Können Sie uns mehr über Ihren Hintergrund und wie Ihre Erfahrungen an der Harvard-Universität, SocialCode und VaynerMedia Sie dazu inspiriert haben, Tracer mitzubegründen?

Die ursprüngliche Idee entstand vor einem Jahrzehnt. Ein Kindheitsfreund von mir rief mich an einem Freitagabend an. Er hatte Schwierigkeiten, Daten über verschiedene soziale Plattformen für einen seiner Kunden zu aggregieren. Er dachte, dass dies automatisiert werden könnte, also bat er um meine Hilfe, da ich eine Ausbildung in Software-Entwicklung hatte. So wurde ich zum ersten Mal mit meinem jetzigen Mitgründer, Jeff Nicholson, bekannt.

Dies war unser “Aha!”-Moment: Die Menge an Geld, die für diese Kampagnen ausgegeben wurde, übertraf die Qualität der Software, die diese Ausgaben verfolgte. Es war ein aufstrebender Markt mit vielen Anwendungen in der Datenwissenschaft.

Wir bauten Analyse-Software, die den Bedürfnissen immer größerer und komplexerer Medienkampagnen gerecht werden konnte. Als wir an diesem Problem arbeiteten, entwickelten wir einen Prozess – klare Schritte, um die unterschiedlichen Daten zu importieren und zu kontextualisieren. Wir erkannten, dass der Prozess, den wir aufbauten, auf jeden Datensatz angewendet werden konnte – nicht nur auf Werbung – und das ist Tracer heute: ein künstlicher Intelligenz-gesteuerter Tool, der komplexe Datensätze organisiert, verwaltet und visualisiert, um schnelleres und handlungsfähigeres Business-Intelligence zu ermöglichen.

Wir helfen dabei, das Konzept einer “datengetriebenen” Organisation zu demokratisieren, indem wir die Schritte automatisieren, die erforderlich sind, um unterschiedliche Datensätze über Funktionen hinweg zu importieren, zu verbinden und zu organisieren, und bieten leistungsstarke Business-Intelligence durch intuitive Berichterstattung und Visualisierungen. Dies kann bedeuten, Vertriebsdaten mit Ihrem Marketing-CRM, HR-Analytics mit Umsatztrends und viele weitere Anwendungen zu verbinden.

Können Sie erklären, wie Tracers Plattform Analytics automatisiert und den modernen Datenstapel für seine Kunden revolutioniert?

Um es einfach zu machen, lassen Sie uns Analytics als die Beantwortung einer Geschäftsfrage durch Software definieren. In der heutigen Landschaft gibt es wirklich zwei Ansätze.

• Der erste Ansatz ist der Kauf von vertikaler Software. Für CFOs könnte dies beispielsweise Netsuite sein. Für den CRO könnte es Salesforce sein. Vertikale Software ist großartig, weil sie von Anfang an funktioniert, hyper spezialisiert sein kann und einfach funktionieren sollte. Die Einschränkung von vertikaler Software ist, dass sie vertikal ist: Wenn Sie möchten, dass Netsuite mit Salesforce kommuniziert, sind Sie wieder am Anfang. Vertikale Software ist vollständig, aber nicht flexibel.
• Der zweite Ansatz ist der Kauf von horizontaler Software. Dies könnte beispielsweise eine Software für Datenimport, eine andere für Speicherung und eine dritte für Analyse sein. Horizontale Software ist großartig, weil sie fast alles bewältigen kann. Sie könnten sicherlich Daten von Salesforce und Netsuite importieren, speichern und analysieren. Die Einschränkung ist, dass sie zusammengesetzt, gewartet und nichts “von Anfang an” funktioniert. Horizontale Software ist flexibel, aber nicht vollständig.

Wir bieten einen dritten Ansatz, indem wir eine Plattform erstellen, die die notwendigen Technologien kombiniert, um auf alles zu berichten, und zugänglich genug ist, um ohne technische Ressourcen oder Overhead zu funktionieren. Es ist flexibel und vollständig. Tracer ist die leistungsstärkste Plattform auf dem Markt, die sowohl anwendungsagnostisch als auch von Anfang an funktioniert.

Tracer hat im letzten Monat etwa 10 Petabyte an Daten verarbeitet. Wie bewältigt Tracer eine so große Menge an Daten effizient?

Skalierbarkeit ist in unserer Welt unglaublich wichtig und war immer eine Priorität bei Tracer, auch in den Anfangstagen. Um diese Menge an Daten zu verarbeiten, nutzen wir viele beste Technologien und vermeiden es, das Rad neu zu erfinden, wenn es nicht notwendig ist. Wir sind unglaublich stolz auf die Infrastruktur, die wir aufgebaut haben, aber wir sind auch sehr offen dafür. Tatsächlich ist unser Architekturprogramm auf unserer Website verfügbar.

Was wir unseren Partnern sagen, ist dies: Es ist nicht so, dass Ihre internen Ingenieursteams nicht in der Lage sind, das zu bauen, was wir gebaut haben; sie sollten es nur nicht tun müssen. Wir haben die Teile des modernen Datenstapels für Sie zusammengestellt. Der Rahmen ist effizient, erprobt und modulartig, so dass wir dynamisch mit der Landschaft evolvieren können.

Viele Partner kommen zu uns, um ihre Ingenieurressourcen für größere strategische Initiativen freizumachen. Sie nutzen Tracers Architektur als Mittel zum Zweck. Die Tatsache, dass man eine Datenbank hat, beantwortet keine Geschäftsfragen. Die Tatsache, dass man eine ETL-Pipeline hat, beantwortet keine Geschäftsfragen. Das, was wirklich zählt, ist, was man mit dieser Infrastruktur tun kann, wenn sie erstellt wurde. Deshalb haben wir Tracer gebaut – wir sind Ihr Shortcut, um Antworten zu erhalten.

Warum glauben Sie, dass strukturierte Daten für künstliche Intelligenz kritisch sind, und welche Vorteile bieten sie gegenüber unstrukturierten Daten?

Strukturierte Daten sind für künstliche Intelligenz kritisch, weil sie manuelle menschliche Interaktion ermöglichen, was wir als wesentlichen Bestandteil effektiver Ausgaben betrachten. Allerdings sind wir in der heutigen Ökonomie besser als je zuvor in der Lage, die Erkenntnisse in unstrukturierten Daten und zuvor schwer zugänglichen Formaten (Dokumente, Bilder, Videos usw.) zu nutzen.

Für uns geht es also darum, eine Plattform bereitzustellen, durch die zusätzlicher Kontext von den Menschen, die mit den zugrunde liegenden Datensätzen vertraut sind, eingebunden werden kann, sobald diese Daten zugänglich gemacht wurden. Mit anderen Worten: unstrukturierte Daten → strukturierte Daten → Tracers Kontext-Engine → künstliche Intelligenz-gesteuerte Ausgaben. Wir sitzen dazwischen und ermöglichen einen effektiveren Feedback-Mechanismus und manuelle Intervention, wo notwendig.

Welche Herausforderungen stellen unstrukturierte Daten für Unternehmen dar, und wie hilft Tracer dabei, diese Herausforderungen zu überwinden und die Datenqualität zu verbessern?

Ohne eine Plattform wie Tracer besteht die Herausforderung bei unstrukturierten Daten darin, die Kontrolle zu behalten. Sie füttern Daten in das Modell, das Modell spuckt Antworten aus, und Sie haben sehr wenig Gelegenheit, zu optimieren, was innerhalb der Blackbox passiert.

Nehmen wir beispielsweise an, Sie möchten den größten Einfluss auf eine Medienkampagne bestimmen. Tracer könnte künstliche Intelligenz nutzen, um Metadaten für alle Inhalte zu liefern, die in den Anzeigen verwendet wurden. Es könnte auch künstliche Intelligenz nutzen, um die letzten Meilen der Analyse zu liefern, um von einem hoch strukturierten Datensatz zu dieser Antwort zu gelangen.

Aber dazwischen ermöglicht unsere Plattform es Benutzern, die Verbindungen zwischen den Medien-Daten und dem Datensatz, in dem die Ergebnisse leben, zu zeichnen, “Einfluss” feiner zu definieren und die Kategorisierungen, die von der künstlichen Intelligenz durchgeführt wurden, zu bereinigen. Im Wesentlichen haben wir die Schritte abstrahiert und produktisiert, um die Blackbox zu entfernen. Ohne künstliche Intelligenz muss in Tracer viel mehr Arbeit von den Menschen geleistet werden. Aber ohne Tracer kann künstliche Intelligenz nicht zu derselben Qualität von Antworten gelangen.

Welche künstlichen Intelligenz-basierten Technologien nutzt Tracer, um seine Daten-Intelligenz-Plattform zu verbessern?

Sie können Tracer in drei Kern-Produktkategorien denken: Quellen, Inhalt und Ausgaben.

• Quellen ist ein Tool, das verwendet wird, um den Import, die Überwachung und die Qualitätssicherung unterschiedlicher Daten zu automatisieren.
• Kontext ist eine Drag-and-Drop-Semantik-Schicht für die Organisation von Daten, nachdem sie importiert wurden.
• Ausgaben ist der Ort, an dem Sie Geschäftsfragen auf kontextualisierten Daten beantworten können.

Bei Tracer sehen wir künstliche Intelligenz nicht als Ersatz für einen dieser Schritte, sondern als eine weitere Form von Technologie, die alle drei Kategorien nutzen kann, um zu automatisieren, was automatisiert werden kann.

Zum Beispiel:

• Quellen: Nutzen von künstlicher Intelligenz, um neue API-Verbindungen zu langen Datenquellen zu erstellen, die nicht über unseren Partnerkatalog verfügbar sind.
• Kontext: Nutzen von künstlicher Intelligenz, um Metadaten zu bereinigen, bevor Tag-Regeln ausgeführt werden. Zum Beispiel, die Bereinigung von Variationen von Publikationsnamen in jeder Sprache.
• Ausgaben: Nutzen von künstlicher Intelligenz als Ersatz für Dashboards, bei denen der Geschäftsfall explorativ ist und nicht ein fester Satz von KPIs, der wiederholt berichtet werden muss.
• Künstliche Intelligenz ermöglicht es uns, diese Arten von Anwendungen auf einfache und zugängliche Weise zu erreichen.

Was sind Tracers Pläne für zukünftige Entwicklungen und Innovationen im Bereich der Daten-Intelligenz?

Tracer ist ein Aggregator von Aggregatoren. Unsere Partner werden auf uns zählen, um spezifische Anwendungen innerhalb von Teams und Funktionen oder für den Einsatz in cross-funktionalem Business-Intelligence zu nutzen. Die Schönheit von Tracer liegt darin, dass Sie uns nutzen können, um bessere Entscheidungen über Ihren Medien-Ausgaben und Ihre Kreativität zu treffen, oder um Dashboards zu erstellen, um unterschiedliche Metriken von der Lieferkette bis zum Verkauf und alles dazwischen zu verbinden, die Bausteine sind konsistent.

Wir sehen Organisationen, die früher auf uns in einem bestimmten Bereich des Geschäfts (z. B. Medien und Marketing) angewiesen waren, die Anwendungen nun auf andere Bereiche des Geschäfts ausdehnen. Wo unsere primären Kunden früher Senior-Medien-Exekutiven oder Agentur-Partner waren, arbeiten wir heute mit CIOs, CTOs, Datenwissenschaftlern und Business-Analysten zusammen. Wir bauen unsere Tools weiter aus, um mehr und mehr Anwendungen und Personen zu unterstützen, während wir sicherstellen, dass die Kern-Technologie skalierbar, flexibel und für nicht-technische Benutzer zugänglich ist.

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