Leighton Welch, CTO y Co-Fundador de Tracer – Serie de Entrevistas

Leighton Welch es CTO y co-fundador de Tracer. Tracer es una herramienta impulsada por IA que organiza, gestiona y visualiza conjuntos de datos complejos para impulsar una inteligencia empresarial más rápida y accionable. Antes de convertirse en el Director de Tecnología de Tracer, Leighton fue el Director de Información del Consumidor en SocialCode, y el VP de Ingeniería en VaynerMedia. Ha pasado su carrera pionera en el ecosistema de ad tech, ejecutando el primer anuncio de Snapchat y asesorando en API comerciales para algunas de las plataformas más grandes del mundo. Leighton se graduó de Harvard en 2013, con un título en Ciencias de la Computación y Economía.

¿Puede contarnos más sobre su trasfondo y cómo sus experiencias en Harvard, SocialCode y VaynerMedia lo inspiraron a co-fundar Tracer?

La idea original surgió hace una década. Un amigo de la infancia me llamó un viernes por la noche. Estaba luchando por agregar datos a través de varias plataformas sociales para uno de sus clientes. Pensó que esto podría automatizarse, así que me pidió ayuda ya que tenía un trasfondo en ingeniería de software. Así fue como me presentaron a mi ahora co-fundador, Jeff Nicholson.

Este fue nuestro momento de iluminación: La cantidad de dinero gastado en estas campañas superaba con creces la calidad del software que seguía esos dólares. Era un mercado en ciernes con muchas aplicaciones en ciencia de datos.

Seguimos construyendo software de análisis que pudiera satisfacer las necesidades de campañas de medios cada vez más grandes y complejas. A medida que trabajábamos en el problema, desarrollamos un proceso – pasos claros desde la ingesta de datos dispares y contextualizados. Nos dimos cuenta de que el proceso que estábamos construyendo se podía aplicar a cualquier conjunto de datos – no solo publicidad – y eso es lo que Tracer es hoy: una herramienta impulsada por IA que organiza, gestiona y visualiza conjuntos de datos complejos para impulsar una inteligencia empresarial más rápida y accionable.

Estamos ayudando a democratizar lo que significa ser una organización “basada en datos” al automatizar los pasos necesarios para ingerir, conectar y organizar conjuntos de datos dispares a través de funciones, brindando una potente inteligencia empresarial a través de informes y visualizaciones intuitivos. Esto podría significar conectar datos de ventas con su CRM de marketing, análisis de RH con tendencias de ingresos, y muchas más aplicaciones.

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

Para simplificar, definamos el análisis como la respuesta a una pregunta empresarial a través de software. En el panorama de hoy, hay realmente dos enfoques.

• El primero es comprar software vertical. Para los CFO, esto podría ser Netsuite. Para el CRO, podría ser Salesforce. El software vertical es genial porque es de extremo a extremo, puede ser hiper especializado y debería funcionar directamente fuera de la caja. La limitación del software vertical es que es vertical: si desea que Netsuite hable con Salesforce, está de vuelta en la casilla de partida. El software vertical es completo, pero no es flexible.
• El segundo enfoque es comprar software horizontal. Esto podría ser un software para la ingesta de datos, otro para el almacenamiento y un tercero para el análisis. El software horizontal es genial porque puede manejar casi cualquier cosa. Ciertamente, podría ingerir, almacenar y analizar tanto los datos de Salesforce como los de Netsuite a través de este pipeline. La limitación es que necesita ser ensamblado, mantenido, y nada funciona “fuera de la caja”. El software horizontal es flexible, pero no es completo.

Ofrecemos un tercer enfoque al crear una plataforma que combine las tecnologías necesarias para informar sobre cualquier cosa, lo suficientemente accesible como para funcionar fuera de la caja sin recursos de ingeniería o sobrecarga técnica. Es flexible y completo. Tracer es la plataforma más poderosa del mercado que es tanto agnóstica de la aplicación como de extremo a extremo.

Tracer procesó alrededor de 10 petabytes de datos el mes pasado. ¿Cómo maneja Tracer una cantidad tan vasta 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 tecnologías de clase mundial y evitamos reinventar la rueda donde no es necesario. Estamos muy orgullosos de la infraestructura que hemos construido, pero también somos bastante abiertos al respecto. De hecho, nuestro programa de arquitectura está delineado en nuestro sitio web.

Lo que decimos a los socios es lo siguiente: No es que sus equipos de ingeniería internos no sean capaces de construir lo que hemos construido; más bien, no deberían tener que hacerlo. Hemos ensamblado 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 panorama.

Muchos socios vienen a nosotros en busca de liberar recursos de ingeniería para centrarse en iniciativas estratégicas más grandes. Utilizan la arquitectura de Tracer como un medio para un fin. Tener una base de datos no responde preguntas comerciales. Tener un pipeline ETL no responde preguntas comerciales. Lo que realmente importa es lo que puede hacer con esa infraestructura una vez que se ha ensamblado. Es por eso que construimos Tracer – somos su atajo para obtener respuestas.

¿Por qué cree que los datos estructurados son críticos para la IA, y qué ventajas ofrecen sobre los datos no estructurados?

Los datos estructurados son críticos para la IA porque permiten la interacción humana manual, que creemos es un componente esencial para salidas efectivas. Dicho esto, en el ecosistema de hoy, estamos mejor equipados que nunca antes para aprovechar los conocimientos en datos no estructurados y formatos anteriormente de difícil acceso (documentos, imágenes, videos, etc.).

Así que para nosotros, se trata de proporcionar una plataforma a través de la cual se puede incorporar contexto adicional de las personas que son más familiarizadas con los conjuntos de datos subyacentes una vez que los datos se han hecho accesibles. En otras palabras, se trata de datos no estructurados → datos estructurados → motor de contexto de Tracer → salidas impulsadas por IA. Nos sentamos en medio y permitimos un bucle de retroalimentación más eficaz, y para la intervención manual donde sea necesario.

¿Qué desafíos enfrentan las empresas con los 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 con los datos no estructurados es todo sobre el control. Alimentas los datos al modelo, el modelo escupe respuestas, y tienes muy poca oportunidad de optimizar lo que está sucediendo dentro de la caja negra.

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

Pero en medio, nuestra plataforma permite a los usuarios dibujar las conexiones entre los datos de medios y el conjunto de datos donde viven los resultados, definir más granularmente “impactante” y limpiar las categorizaciones realizadas por la IA. Esencialmente, hemos abstracto y productoizado los pasos, para eliminar la caja negra. Sin la IA, hay mucho más trabajo que debe hacerse por el ser humano en Tracer. Pero sin Tracer, la IA no puede llegar a la misma calidad de respuesta.

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

Puedes pensar en Tracer a través de tres categorías de productos básicos: Fuentes, Contenido y Salidas.

• Fuentes es una herramienta utilizada para automatizar la ingesta, el monitoreo y la QA de datos dispares.
• Contexto es una capa semántica de arrastre y soltar para la organización de datos después de que se han ingerido.
• Salidas es donde puedes responder preguntas comerciales sobre datos contextualizados.

En Tracer no vemos la IA como un reemplazo para ninguno de estos pasos; más bien, vemos la IA como otra forma de tecnología que las tres categorías pueden aprovechar para expandir lo que se puede automatizar.

Por ejemplo:

• Fuentes: Aprovechando la IA para ayudar a construir nuevos conectores de API para fuentes de datos de cola larga no disponibles a través de nuestro catálogo de socios.
• Contexto: Aprovechando la IA para limpiar los metadatos antes de ejecutar reglas de etiquetas. Por ejemplo, limpiar variaciones de nombres de publicaciones en todos los idiomas.
• Salidas: Aprovechando la IA como un reemplazo de drop-in para paneles de control donde el caso de uso empresarial es exploratorio, en lugar de un conjunto fijo de KPI que necesitan informarse 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 transfuncional. La belleza de Tracer es que ya sea que estén aprovechando nuestra plataforma para tomar mejores decisiones con su gasto en medios y creativos, o construyendo paneles de control para vincular métricas dispares desde la cadena de suministro hasta las ventas y todo lo que hay entre medio, los bloques de construcción son consistentes.

Estamos viendo a organizaciones que anteriormente confiaban en nosotros dentro de un área del negocio (por ejemplo, medios y marketing), expandir aplicaciones a otras partes del negocio. Así que donde nuestros clientes principales eran anteriormente ejecutivos de medios senior, o socios de la agencia, estos días trabajamos en toda la organización, asociándonos con CIO, CTO, científicos de datos y analistas de negocios. Estamos continuando la construcción de nuestras herramientas para acomodar más y más aplicaciones y personas, todo mientras garantizamos que la tecnología básica sea escalable, flexible y accesible para usuarios no técnicos.

Gracias por la gran entrevista, los lectores que deseen aprender más deben visitar Tracer.