Leighton Welch, CTO y cofundador de Tracer – Serie de entrevistas

Leighton Welch es CTO y cofundador de Tracer. Trazador Es una herramienta basada en IA que organiza, gestiona y visualiza conjuntos de datos complejos para impulsar una inteligencia empresarial más rápida y práctica. Antes de convertirse en director de tecnología de Tracer, Leighton fue director de Consumer Insights en SocialCode y vicepresidente de ingeniería en VaynerMedia. Ha dedicado su carrera a ser pionero en el ecosistema de la tecnología publicitaria, creando el primer anuncio de Snapchat y asesorando sobre API comerciales para algunas de las plataformas más importantes del mundo. Leighton se graduó en Harvard en 2013 con una licenciatura en Ciencias de la Computación y Economía.

¿Puede contarnos más sobre sus antecedentes y cómo sus experiencias en Harvard, SocialCode y VaynerMedia lo inspiraron a cofundar Tracer?

La idea original surgió hace una década. Un amigo mío de la infancia me llamó un viernes por la noche. Estaba luchando por agregar datos en varias plataformas sociales para uno de sus clientes. Pensó que esto podría automatizarse, por lo que solicitó mi ayuda, ya que yo tenía experiencia en ingeniería de software. Así fue como me presentaron por primera vez a mi ahora cofundador, Jeff Nicholson.

Este fue nuestro momento de iluminación: la cantidad de dinero que se gastaba en estas campañas superaba con creces la calidad del software que rastreaba esos dólares. Era un mercado incipiente con muchísimas aplicaciones en ciencia de datos.

Seguimos creando software de análisis que pudiera satisfacer las necesidades de campañas de medios cada vez más grandes y complejas. A medida que solucionábamos el problema, desarrollamos un proceso: pasos claros para incorporar y contextualizar los datos dispares. Nos dimos cuenta de que el proceso que estábamos creando podía aplicarse a cualquier conjunto de datos, no solo a la publicidad, y eso es lo que es Tracer hoy: una herramienta impulsada por IA que organiza, gestiona y visualiza conjuntos de datos complejos para impulsar una inteligencia empresarial más rápida y procesable.

Estamos ayudando a democratizar lo que significa ser una organización "basada en datos" al automatizar los pasos necesarios para incorporar, conectar y organizar conjuntos de datos dispares entre funciones, proporcionando BI potente a través de informes y visualizaciones intuitivas. Esto podría significar conectar datos de ventas a su CRM de marketing, análisis de recursos humanos a las tendencias de ingresos y un sinfín de aplicaciones más.

¿Puede explicar cómo la plataforma de Tracer automatiza el análisis y revoluciona la pila de datos moderna para sus clientes?

Para simplificar, definamos la analítica como la respuesta a una pregunta empresarial a través de software. En el panorama actual, existen realmente dos enfoques.

• La primera es comprar software vertical. Para los directores financieros, esto podría ser Netsuite. Para el CRO, podría ser Salesforce. El software vertical es excelente porque es de extremo a extremo, puede ser hiperespecializado y debería funcionar de inmediato. La limitación del software vertical es que es vertical: si desea que Netsuite se comunique con Salesforce, volverá al punto de partida. El software vertical está completo, pero no es flexible.
• El segundo enfoque es comprar software horizontal. Podría ser un software para la ingesta de datos, otro para el almacenamiento y un tercero para el análisis. El software horizontal es fantástico porque puede manejar prácticamente cualquier cosa. Sin duda, podría ingerir, almacenar y analizar sus datos de Salesforce y Netsuite a través de este canal. La limitación es que es necesario montarlo, darle mantenimiento y nada funciona “de fábrica”. El software horizontal es flexible, pero no completo.

Ofrecemos un tercer enfoque mediante la creación de una plataforma que combina las tecnologías necesarias para informar sobre cualquier cosa, lo suficientemente accesible para funcionar de inmediato sin ningún recurso de ingeniería ni gastos técnicos. Es flexible y completo. Tracer es la plataforma más potente del mercado, independiente de las aplicaciones y de extremo a extremo.

Tracer procesó del orden de 10 petabytes de datos el mes pasado. ¿Cómo maneja Tracer una cantidad tan grande de datos de manera eficiente?

La escala es increíblemente importante en nuestro mundo y siempre ha sido una prioridad en Tracer, incluso en los primeros días. Para procesar este volumen de datos, aprovechamos muchas de las mejores tecnologías y evitamos reinventar la rueda donde no es necesario. Estamos increíblemente orgullosos de la infraestructura que hemos construido, pero también somos bastante abiertos al respecto. De hecho, nuestro programa de arquitectura se describe en nuestro sitio web.

Lo que les decimos a los socios es esto: no es que sus equipos de ingeniería internos no sean capaces de construir lo que nosotros hemos construido; más bien, no deberían tener que hacerlo. Hemos reunido las piezas de la pila de datos moderna para usted. El marco es eficiente, probado en batalla y modular para que podamos evolucionar dinámicamente con el paisaje.

Muchos socios acudirán a nosotros en busca de liberar recursos de ingeniería para centrarse en iniciativas estratégicas más importantes. Utilizan la arquitectura de Tracer como un medio para lograr un fin. Tener una base de datos no responde a las preguntas comerciales. Tener un canal ETL no responde a las preguntas comerciales. Lo que realmente importa es lo que se puede hacer con esa infraestructura una vez que se ha creado. Por eso creamos Tracer: somos su atajo para obtener respuestas.

¿Por qué cree que los datos estructurados son fundamentales para la IA y qué ventajas ofrece sobre los datos no estructurados?

Los datos estructurados son fundamentales para la IA porque permiten la interacción humana manual, que creemos que es un componente esencial para obtener resultados efectivos. Dicho esto, en el ecosistema actual, en realidad estamos mejor equipados que nunca para aprovechar los conocimientos de los datos no estructurados y de los formatos que antes eran de difícil acceso (documentos, imágenes, vídeos, etc.).

Entonces, para nosotros, se trata de proporcionar una plataforma a través de la cual se pueda incorporar contexto adicional de las personas que están más familiarizadas con los conjuntos de datos subyacentes una vez que esos datos se hayan vuelto accesibles. En otras palabras, son datos no estructurados → datos estructurados → motor de contexto de Tracer → resultados impulsados ​​por IA. Nos sentamos en el medio y permitimos un circuito de retroalimentación más efectivo y una intervención manual cuando sea necesario.

¿Qué desafíos enfrentan las empresas con datos no estructurados y cómo ayuda Tracer a superar estos desafíos para mejorar la calidad de los datos?

Sin una plataforma como Tracer, el desafío de los datos no estructurados tiene que ver con el control. Introduces datos en el modelo, el modelo escupe respuestas y tienes muy pocas oportunidades de optimizar lo que sucede dentro de la caja negra.

Digamos, por ejemplo, que desea determinar el contenido de mayor impacto en una campaña de medios. Tracer podría usar IA para ayudar a proporcionar metadatos sobre todo el contenido que se publicó en los anuncios. También podría utilizar IA para proporcionar análisis de última milla para llegar a esa respuesta desde un conjunto de datos altamente estructurado.

Pero en el medio, nuestra plataforma permite a los usuarios establecer conexiones entre los datos de los medios y el conjunto de datos donde se encuentran los resultados, definir de manera más granular "impactante" y limpiar las categorizaciones realizadas por la IA. Esencialmente, hemos resumido y producido los pasos para eliminar el cuadro negro. Sin IA, el ser humano debe realizar mucho más trabajo en Tracer. Pero sin Tracer, la IA no puede obtener la misma calidad de respuesta.

¿Cuáles son algunas de las tecnologías clave basadas en IA que utiliza Tracer para mejorar su plataforma de inteligencia de datos?

Puede pensar en Tracer en tres categorías principales de productos: fuentes, contenido y resultados.

• Sources es una herramienta que se utiliza para automatizar la ingesta, el seguimiento y el control de calidad de datos dispares.
• El contexto es una capa semántica de arrastrar y soltar para la organización de los datos una vez que se han ingerido.
• Salidas es donde puede responder preguntas comerciales además de datos contextualizados.

En Tracer no vemos la IA como un sustituto de ninguno de estos pasos; en cambio, vemos la IA como otra forma de tecnología que las tres categorías pueden aprovechar para ampliar lo que se puede automatizar.

Por ejemplo:

• Fuentes: aprovechar la IA para ayudar a crear nuevos conectores API para fuentes de datos de cola larga que no están disponibles a través de nuestro catálogo de socios.
• Contexto: aprovechar la IA para limpiar los metadatos antes de ejecutar reglas de etiquetas. Por ejemplo, limpiar variaciones de nombres de publicaciones en todos los idiomas.
• Productos: Aprovechar la IA como reemplazo directo de los paneles de control donde el caso de uso empresarial es exploratorio, en lugar de un conjunto fijo de KPI sobre los que es necesario informar repetidamente.
• La IA nos permite lograr este tipo de aplicaciones de manera simple y accesible.

¿Cuáles son los planes de Tracer para el desarrollo y la innovación futuros en el espacio de inteligencia de datos?

Tracer es un agregador de agregadores. Nuestros socios confiarán en nosotros para aplicaciones específicas dentro de equipos y funciones, o para su uso en inteligencia empresarial multifuncional. Lo bueno de Tracer es que, ya sea que nos aproveche para tomar mejores decisiones con su inversión en medios y creatividad, o que cree paneles para vincular métricas dispares desde la cadena de suministro hasta las ventas y todo lo demás, los componentes básicos son consistentes.

Estamos viendo organizaciones que formalmente confiaron en nosotros dentro de un área del negocio (por ejemplo, medios y marketing) expandir sus aplicaciones a otras partes del negocio. Entonces, mientras que nuestros principales clientes eran formalmente altos ejecutivos de medios o agencias asociadas, hoy en día trabajamos en toda la organización, asociándonos con CIO, CTO, científicos de datos y analistas de negocios. Seguimos desarrollando nuestras herramientas para adaptarlas a más y más aplicaciones y personas, al mismo tiempo que garantizamos que la tecnología central sea escalable, flexible y accesible para usuarios no técnicos.

Gracias por la gran entrevista, los lectores que deseen obtener más información deben visitar Trazador.