Leighton Welch, CTO et co-fondateur de Tracer – Série d’entretiens

Leighton Welch est CTO et co-fondateur de Tracer. Tracer est un outil alimenté par l’IA qui organise, gère et visualise des jeux de données complexes pour stimuler une intelligence commerciale plus rapide et plus actionnable. Avant de devenir directeur technique de Tracer, Leighton était directeur des insights consommateurs chez SocialCode et vice-président de l’ingénierie chez VaynerMedia. Il a passé sa carrière à pionnier dans l’écosystème de la publicité technologique, en exécutant la première publicité Snapchat et en consultant sur les API commerciales pour certaines des plus grandes plateformes mondiales. Leighton est diplômé de Harvard en 2013, avec un diplôme en informatique et en économie.

Pouvez-vous nous en dire plus sur votre parcours et sur la façon dont vos expériences à Harvard, SocialCode et VaynerMedia vous ont inspiré pour co-fonder Tracer ?

L’idée originale remonte à il y a une décennie. Un ami d’enfance m’a appelé un vendredi soir. Il avait du mal à agréger des données à travers diverses plateformes sociales pour l’un de ses clients. Il pensait que cela pouvait être automatisé, il m’a donc demandé mon aide puisque j’avais une formation en ingénierie logicielle. C’est ainsi que j’ai été introduit pour la première fois à mon co-fondateur actuel, Jeff Nicholson.

C’était notre moment de révélation : la quantité d’argent dépensé sur ces campagnes dépassait de loin la qualité du logiciel qui suivait ces dollars. C’était un marché naissant avec de nombreuses applications en science des données.

Nous avons continué à développer des logiciels d’analyse qui pourraient répondre aux besoins de campagnes médiatiques de plus en plus grandes et complexes. Alors que nous travaillions sur le problème, nous avons élaboré un processus – des étapes claires pour ingérer et contextualiser les données disparates. Nous nous sommes rendu compte que le processus que nous construisions pouvait être appliqué à n’importe quel jeu de données – et non seulement à la publicité – et c’est ce que Tracer est aujourd’hui : un outil alimenté par l’IA qui organise, gère et visualise des jeux de données complexes pour stimuler une intelligence commerciale plus rapide et plus actionnable.

Nous aidons à démocratiser ce que signifie être une organisation « axée sur les données » en automatisant les étapes nécessaires pour ingérer, connecter et organiser des jeux de données disparates entre les fonctions, en fournissant une puissante intelligence commerciale grâce à des rapports et des visualisations intuitifs. Cela peut signifier connecter les données de vente à votre CRM marketing, les analyses RH aux tendances de revenu, et de nombreuses autres applications.

Pouvez-vous expliquer comment la plateforme de Tracer automatise l’analyse et révolutionne la pile de données moderne pour ses clients ?

Pour simplifier, définissons l’analyse comme la réponse à une question commerciale via un logiciel. Dans le paysage actuel, il y a vraiment deux approches.

• La première consiste à acheter un logiciel vertical. Pour les directeurs financiers, il s’agit peut-être de Netsuite. Pour le CRO, il s’agit peut-être de Salesforce. Le logiciel vertical est excellent car il est intégré, il peut être hyper spécialisé et devrait fonctionner directement hors de la boîte. La limitation du logiciel vertical est qu’il est vertical : si vous voulez que Netsuite parle à Salesforce, vous êtes revenu à la case départ. Le logiciel vertical est complet, mais il n’est pas flexible.
• La deuxième approche consiste à acheter un logiciel horizontal. Il s’agit peut-être d’un logiciel pour l’ingestion de données, d’un autre pour le stockage et d’un troisième pour l’analyse. Le logiciel horizontal est excellent car il peut gérer presque tout. Vous pourriez certainement ingérer, stocker et analyser à la fois vos données Salesforce et Netsuite via ce pipeline. La limitation est qu’il doit être assemblé, maintenu et rien ne fonctionne « hors de la boîte ». Le logiciel horizontal est flexible, mais il n’est pas complet.

Nous offrons une troisième approche en créant une plateforme qui combine les technologies nécessaires pour rendre compte de tout, suffisamment accessible pour fonctionner hors de la boîte sans ressources d’ingénierie ou de surcharge technique. C’est flexible et complet. Tracer est la plateforme la plus puissante sur le marché qui est à la fois agnostique en termes d’application et intégrée.

Tracer a traité l’équivalent de 10 pétaoctets de données le mois dernier. Comment Tracer gère-t-il efficacement une telle quantité de données ?

L’échelle est incroyablement importante dans notre monde et a toujours été une priorité chez Tracer, même dans les premiers jours. Pour traiter ce volume de données, nous exploitons de nombreuses technologies de classe mondiale et évitons de réinventer la roue lorsque nous n’en avons pas besoin. Nous sommes incroyablement fiers de l’infrastructure que nous avons construite, mais nous sommes également très ouverts à son égard. En fait, notre programme d’architecture est décrit sur notre site Web.

Ce que nous disons à nos partenaires, c’est : Ce n’est pas que vos équipes d’ingénierie internes ne soient pas capables de construire ce que nous avons construit ; plutôt, elles n’ont pas besoin de le faire. Nous avons assemblé les pièces de la pile de données moderne pour vous. Le cadre est efficace, éprouvé et modulaire pour que nous puissions évoluer dynamiquement avec le paysage.

De nombreux partenaires viennent nous voir pour libérer des ressources d’ingénierie et se concentrer sur des initiatives stratégiques plus importantes. Ils utilisent l’architecture de Tracer comme un moyen pour parvenir à une fin. Avoir une base de données ne répond pas aux questions commerciales. Avoir un pipeline ETL ne répond pas aux questions commerciales. La chose qui compte vraiment, c’est ce que vous pouvez faire avec cette infrastructure une fois qu’elle a été mise en place. C’est pourquoi nous avons construit Tracer – nous sommes votre raccourci pour obtenir des réponses.

Pourquoi croyez-vous que les données structurées sont essentielles pour l’IA, et quels avantages offrent-elles par rapport aux données non structurées ?

Les données structurées sont essentielles pour l’IA car elles permettent une interaction humaine manuelle, que nous croyons être un élément essentiel pour des sorties efficaces. Cela étant dit, dans l’écosystème actuel, nous sommes en fait mieux équipés que jamais pour exploiter les connaissances contenues dans les données non structurées et les formats précédemment difficiles d’accès (documents, images, vidéos, etc.).

Donc, pour nous, il s’agit de fournir une plateforme à travers laquelle un contexte supplémentaire peut être incorporé à partir des personnes les plus familières avec les ensembles de données sous-jacentes, une fois que les données ont été rendues accessibles. En d’autres termes, il s’agit de données non structurées → données structurées → moteur de contexte de Tracer → sorties alimentées par l’IA. Nous sommes entre les deux et permettons une boucle de rétroaction plus efficace, ainsi qu’une intervention manuelle lorsque nécessaire.

Quels sont les défis que les entreprises rencontrent avec les données non structurées, et comment Tracer les aide-t-elle à surmonter ces défis pour améliorer la qualité des données ?

Sans une plateforme comme Tracer, le défi des données non structurées est tout à propos du contrôle. Vous alimentez les données dans le modèle, le modèle crache des réponses et vous avez très peu d’occasion d’optimiser ce qui se passe à l’intérieur de la boîte noire.

Disons, par exemple, que vous voulez déterminer le contenu le plus impactant dans une campagne médiatique. Tracer pourrait utiliser l’IA pour aider à fournir des métadonnées sur tout le contenu qui a été exécuté dans les publicités. Il pourrait également utiliser l’IA pour fournir des analyses de dernier mile pour passer d’un ensemble de données hautement structuré à cette réponse.

Mais entre les deux, notre plateforme permet aux utilisateurs de dessiner les connexions entre les données médiatiques et l’ensemble de données où vivent les résultats, de définir plus finement « impactant » et de nettoyer les catégorisations effectuées par l’IA. Essentiellement, nous avons abstrait et produit les étapes afin de supprimer la boîte noire. Sans l’IA, il y a beaucoup plus de travail à faire par l’humain dans Tracer. Mais sans Tracer, l’IA ne peut pas obtenir la même qualité de réponse.

Quelles sont certaines des technologies basées sur l’IA que Tracer utilise pour améliorer sa plateforme d’intelligence de données ?

Vous pouvez penser à Tracer en trois catégories de produits de base : Sources, Contenu et Sorties.

• Sources est un outil utilisé pour automatiser l’ingestion, la surveillance et la QA de données disparates.
• Context est une couche sémantique glissante pour l’organisation des données après ingestion.
• Sorties est l’endroit où vous pouvez répondre à des questions commerciales sur des données contextualisées.

Chez Tracer, nous ne voyons pas l’IA comme un remplacement pour l’une de ces étapes ; au lieu de cela, nous voyons l’IA comme une autre forme de technologie que les trois catégories peuvent exploiter pour étendre ce qui peut être automatisé.

Par exemple :

• Sources : Exploitation de l’IA pour aider à construire de nouveaux connecteurs d’API pour les sources de données à queue de comète non disponibles via notre catalogue de partenaires.
• Context : Exploitation de l’IA pour nettoyer les métadonnées avant d’exécuter les règles de balise. Par exemple, nettoyer les variations de noms de publication dans toutes les langues.
• Sorties : Exploitation de l’IA comme remplacement pour les tableaux de bord où l’utilisation commerciale est exploratoire, plutôt qu’un ensemble fixe d’indicateurs clés qui doivent être signalés à plusieurs reprises.
• L’IA nous permet de réaliser ces types d’applications de manière simple et accessible.

Quels sont les plans de Tracer pour le développement et l’innovation futurs dans l’espace de l’intelligence de données ?

Tracer est un agrégateur d’agrégateurs. Nos partenaires s’appuieront sur nous pour des applications spécifiques au sein d’équipes et de fonctions, ou pour une utilisation dans une intelligence commerciale interfonctionnelle. La beauté de Tracer est que que vous l’utilisez pour prendre de meilleures décisions avec vos dépenses médiatiques et votre créativité, ou pour construire des tableaux de bord pour relier des métriques disparates de la chaîne d’approvisionnement aux tendances de vente et tout le reste, les blocs de construction sont cohérents.

Nous voyons des organisations qui comptaient précédemment sur nous dans une zone spécifique de l’entreprise (par exemple, les médias et le marketing), étendre les applications à d’autres parties de l’entreprise. Alors que nos clients principaux étaient précédemment des cadres supérieurs des médias, ou des partenaires d’agence, ces jours-ci nous travaillons avec tout l’organigramme, en partenariat avec des CIO, des CTO, des data scientists et des analystes commerciaux. Nous continuons à développer nos outils pour répondre à davantage d’applications et de personas, tout en veillant à ce que la technologie de base soit scalable, flexible et accessible pour les utilisateurs non techniques.

Je vous remercie pour cette excellente interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Tracer.