लेघटन वेल्च, ट्रेसर के सीटीओ और सह-संस्थापक – साक्षात्कार श्रृंखला

लेघटन वेल्च ट्रेसर के सीटीओ और सह-संस्थापक हैं। ट्रेसर एक एआई-संचालित उपकरण है जो जटिल डेटा सेट को व्यवस्थित, प्रबंधित और दृश्यमान बनाता है ताकि व्यवसायिक बुद्धिमत्ता को तेजी से और अधिक कार्रवाई योग्य बनाया जा सके। ट्रेसर में मुख्य प्रौद्योगिकी अधिकारी बनने से पहले, लेघटन सोशलकोड में उपभोक्ता अंतर्दृष्टि के निदेशक और वैनरमीडिया में इंजीनियरिंग के उपाध्यक्ष थे। उन्होंने अपना करियर विज्ञापन प्रौद्योगिकी पारिस्थितिकी तंत्र में अग्रणी के रूप में बिताया है, स्नैपचैट विज्ञापन का पहला विज्ञापन चलाने और दुनिया के सबसे बड़े मंचों के लिए वाणिज्यिक एपीआई पर परामर्श करने के लिए। लेघटन ने 2013 में हार्वर्ड से स्नातक किया, जहां उन्होंने कंप्यूटर विज्ञान और अर्थशास्त्र में डिग्री प्राप्त की।

क्या आप हमें अपने पृष्ठभूमि और हार्वर्ड, सोशलकोड और वैनरमीडिया में आपके अनुभवों के बारे में अधिक बता सकते हैं जिन्होंने आपको ट्रेसर को सह-स्थापित करने के लिए प्रेरित किया?

मूल विचार एक दशक पहले आया था। मेरे एक बचपन के दोस्त ने मुझे शुक्रवार की रात को फोन किया। वह अपने एक ग्राहक के लिए विभिन्न सोशल प्लेटफ़ॉर्म पर डेटा को एकत्र करने में परेशानी का सामना कर रहा था। उन्होंने सोचा कि यह स्वचालित किया जा सकता है, इसलिए उन्होंने मेरी मदद ली क्योंकि मेरे पास सॉफ़्टवेयर इंजीनियरिंग में पृष्ठभूमि थी। यह वह समय था जब मैं अपने अब के सह-संस्थापक, जेफ निकोलसन से पहली बार मिला था।

यह हमारा प्रकाश बल्ब क्षण था: इन अभियानों पर खर्च की जाने वाली राशि डॉलर की गुणवत्ता को ट्रैक करने वाले सॉफ़्टवेयर की गुणवत्ता से बहुत अधिक थी। यह एक नवजात बाजार था जिसमें डेटा विज्ञान में बहुत सारे अनुप्रयोग थे।

हमने विशाल और जटिल मीडिया अभियानों की आवश्यकताओं को पूरा करने के लिए विश्लेषणात्मक सॉफ़्टवेयर बनाना जारी रखा। जैसे ही हम समस्या पर काम करते रहे, हमने एक प्रक्रिया विकसित की – विभिन्न डेटा को एकत्र करने और संदर्भित करने के लिए स्पष्ट चरण। हमने महसूस किया कि हम जिस प्रक्रिया का निर्माण कर रहे थे वह किसी भी डेटा सेट पर लागू की जा सकती है – केवल विज्ञापन नहीं – और यही आज ट्रेसर है: एक एआई-संचालित उपकरण जो जटिल डेटा सेट को व्यवस्थित, प्रबंधित और दृश्यमान बनाता है ताकि व्यवसायिक बुद्धिमत्ता को तेजी से और अधिक कार्रवाई योग्य बनाया जा सके।

हम डेटा-संचालित संगठन होने के अर्थ को लोकतांत्रिक बनाने में मदद कर रहे हैं bằng विभिन्न कार्यों और कार्यों में विभिन्न डेटा सेट को एकत्र करने, जोड़ने और व्यवस्थित करने के लिए आवश्यक चरणों को स्वचालित करके, साथ ही साथ सूचनात्मक रिपोर्टिंग और दृश्यीकरण के माध्यम से शक्तिशाली व्यवसायिक बुद्धिमत्ता प्रदान करके। इसका अर्थ हो सकता है बिक्री डेटा को अपने विपणन सीआरएम से जोड़ना, एचआर विश्लेषण को राजस्व रुझानों से जोड़ना, और बहुत सारे अनुप्रयोग।

क्या आप बता सकते हैं कि ट्रेसर का प्लेटफ़ॉर्म अपने ग्राहकों के लिए विश्लेषण को कैसे स्वचालित करता है और आधुनिक डेटा स्टैक को क्रांतिकारी बनाता है?

सरलता के लिए, आइए विश्लेषण को सॉफ़्टवेयर के माध्यम से एक व्यवसायिक प्रश्न का उत्तर देने के रूप में परिभाषित करें। आज के परिदृश्य में, वास्तव में दो दृष्टिकोण हैं।

• पहला यह है कि ऊर्ध्वाधर सॉफ़्टवेयर खरीदने के लिए। सीएफओ के लिए, यह नेटसूट हो सकता है। सीआरओ के लिए, यह सेल्सफोर्स हो सकता है। ऊर्ध्वाधर सॉफ़्टवेयर महान है क्योंकि यह अंत से अंत तक है, यह अत्यधिक विशिष्ट हो सकता है, और यह सीधे बॉक्स से बाहर काम करना चाहिए। ऊर्ध्वाधर सॉफ़्टवेयर की सीमा यह है कि यह ऊर्ध्वाधर है: यदि आप नेटसूट को सेल्सफोर्स से बात करना चाहते हैं, तो आप फिर से शुरू से शुरू कर रहे हैं। ऊर्ध्वाधर सॉफ़्टवेयर पूर्ण है, लेकिन यह लचीला नहीं है।
• दूसरा दृष्टिकोण यह है कि क्षैतिज सॉफ़्टवेयर खरीदने के लिए। यह डेटा अंतर्ग्रहण के लिए एक सॉफ़्टवेयर, भंडारण के लिए दूसरा, और विश्लेषण के लिए तीसरा हो सकता है। क्षैतिज सॉफ़्टवेयर महान है क्योंकि यह लगभग कुछ भी संभाल सकता है। आप निश्चित रूप से सेल्सफोर्स और नेटसूट दोनों डेटा को इस पाइपलाइन के माध्यम से अंतर्ग्रहण, संग्रहीत और विश्लेषण कर सकते हैं। सीमा यह है कि इसे एक साथ रखा जाना चाहिए, रखरखाव किया जाना चाहिए, और कुछ भी “बॉक्स से बाहर” काम नहीं करता है। क्षैतिज सॉफ़्टवेयर लचीला है, लेकिन यह पूर्ण नहीं है।

हम एक तीसरे दृष्टिकोण की पेशकश करते हैं जो रिपोर्ट करने के लिए आवश्यक प्रौद्योगिकियों को एक साथ लाने वाले एक प्लेटफ़ॉर्म का निर्माण करके। यह बॉक्स से बाहर काम करने के लिए पर्याप्त रूप से सुलभ है और किसी भी इंजीनियरिंग संसाधनों या तकनीकी ओवरहेड की आवश्यकता नहीं है। यह लचीला और पूर्ण है। ट्रेसर बाजार में सबसे शक्तिशाली प्लेटफ़ॉर्म है जो दोनों अनुप्रयोग-अज्ञेय और अंत-से-अंत है।

ट्रेसर ने पिछले महीने लगभग 10 पेटाबाइट डेटा संसाधित किया। ट्रेसर इतनी बड़ी मात्रा में डेटा को कैसे कुशलता से संभालता है?

स्केल हमारी दुनिया में अविश्वसनीय रूप से महत्वपूर्ण है, और यह ट्रेसर में हमेशा एक प्राथमिकता रही है, यहां तक कि शुरुआती दिनों में। इस मात्रा में डेटा को संसाधित करने के लिए, हम कई सर्वश्रेष्ठ-इन-क्लास प्रौद्योगिकियों का लाभ उठाते हैं और जहां हमें इसकी आवश्यकता नहीं है वहां हम पहिया को पुनः नहीं बनाते हैं। हमें जिस बुनियादी ढांचे का निर्माण किया है उस पर हमें बहुत गर्व है, लेकिन हम इसके बारे में भी बहुत खुले हैं। वास्तव में, हमारा आर्किटेक्चर कार्यक्रम हमारी वेबसाइट पर रेखांकित किया गया है।

हम अपने भागीदारों से यह कहते हैं: यह नहीं है कि आपकी आंतरिक इंजीनियरिंग टीमें जो हमने बनाया है उसे बनाने में सक्षम नहीं हैं; बल्कि, उन्हें ऐसा नहीं करना चाहिए। हमने आपके लिए आधुनिक डेटा स्टैक के टुकड़ों को इकट्ठा किया है। फ्रेमवर्क कुशल है, लड़ाई-परीक्षण किया गया है, और हमारे लिए गतिशील रूप से विकसित होने के लिए मॉड्यूलर है।

कई भागीदार हमारे पास आते हैं जो अपने इंजीनियरिंग संसाधनों को मुक्त करना चाहते हैं ताकि वे बड़े रणनीतिक पहलों पर ध्यान केंद्रित कर सकें। वे ट्रेसर की वास्तुकला का उपयोग एक साधन के रूप में उपयोग करते हैं। एक डेटाबेस होने से व्यवसायिक प्रश्नों का उत्तर नहीं मिलता है। एक ईटीएल पाइपलाइन होने से व्यवसायिक प्रश्नों का उत्तर नहीं मिलता है। जो वास्तव में महत्वपूर्ण है वह यह है कि एक बार यह बुनियादी ढांचा एक साथ रखा जाने के बाद आप इसके साथ क्या कर सकते हैं। यही कारण है कि हमने ट्रेसर बनाया है – हम आपके लिए उत्तर प्राप्त करने का एक शॉर्टकट हैं।

क्या आप बता सकते हैं कि संरचित डेटा एआई के लिए इतना महत्वपूर्ण क्यों है, और यह अनसंरचित डेटा की तुलना में क्या लाभ प्रदान करता है?

संरचित डेटा एआई के लिए महत्वपूर्ण है क्योंकि यह मैनुअल मानव इंटरैक्शन की अनुमति देता है, जिसे हम प्रभावी आउटपुट के लिए एक आवश्यक घटक मानते हैं। हालांकि, आज के पारिस्थितिकी तंत्र में, हम वास्तव में पहले से अधिक अनसंरचित डेटा और पहले से ही हार्ड-टू-एक्सेस फॉर्मेट (दस्तावेज़, छवियों, वीडियो आदि) में अंतर्दृष्टि का लाभ उठाने के लिए बेहतर सुसज्जित हैं।

तो हमारे लिए, यह एक मंच प्रदान करने के बारे में है जिसके माध्यम से अतिरिक्त संदर्भ को उन लोगों से एकत्र किया जा सकता है जो अंतर्निहित डेटासेट से सबसे परिचित हैं एक बार डेटा सुलभ हो जाने के बाद। दूसरे शब्दों में, यह अनसंरचित डेटा → संरचित डेटा → ट्रेसर के संदर्भ इंजन → एआई-संचालित आउटपुट है। हम बीच में बैठते हैं और एक अधिक प्रभावी फीडबैक लूप की अनुमति देते हैं, और जहां आवश्यक हो वहां मैनुअल हस्तक्षेप की अनुमति देते हैं।

कंपनियों को अनसंरचित डेटा के साथ किन चुनौतियों का सामना करना पड़ता है, और ट्रेसर इन चुनौतियों को कैसे पार करता है ताकि डेटा गुणवत्ता में सुधार हो?

ट्रेसर जैसे प्लेटफ़ॉर्म के बिना, अनसंरचित डेटा के साथ चुनौती नियंत्रण के बारे में है। आप डेटा को मॉडल में फीड करते हैं, मॉडल उत्तर देता है, और आपके पास बहुत कम अवसर होता है कि आप जो हो रहा है उसे अनुकूलित करें।

मान लें कि आप एक मीडिया अभियान में सबसे प्रभावशाली सामग्री निर्धारित करना चाहते हैं। ट्रेसर एआई का उपयोग करके सामग्री पर मेटाडेटा प्रदान करने में मदद कर सकता है जो विज्ञापनों में चलाई जा रही है। यह एआई का उपयोग करके उस उत्तर तक पहुंचने के लिए अंतिम मील विश्लेषण प्रदान करने में भी मदद कर सकता है।

लेकिन बीच में, हमारा प्लेटफ़ॉर्म उपयोगकर्ताओं को मीडिया डेटा और डेटासेट के बीच कनेक्शन खींचने की अनुमति देता है जहां परिणाम रहते हैं, “प्रभाव” को अधिक विस्तार से परिभाषित करता है, और एआई द्वारा की गई श्रेणियों को साफ करता है। मूल रूप से, हमने कदमों को स abstracted और उत्पादित किया है ताकि ब्लैक बॉक्स को हटाया जा सके। एआई के बिना, ट्रेसर में बहुत अधिक काम करने की आवश्यकता होगी जो मानव द्वारा किया जाना चाहिए। लेकिन ट्रेसर के बिना, एआई उसी गुणवत्ता वाले उत्तर तक नहीं पहुंच सकता है।

ट्रेसर अपने डेटा इंटेलिजेंस प्लेटफ़ॉर्म को बढ़ाने के लिए कुछ प्रमुख एआई-आधारित प्रौद्योगिकियों का उपयोग करता है?

आप ट्रेसर को तीन मूल उत्पाद श्रेणियों में सोच सकते हैं: स्रोत, सामग्री, और आउटपुट।

• स्रोत एक उपकरण है जो विभिन्न डेटा को एकत्र करने, निगरानी करने और गुणवत्ता नियंत्रण को स्वचालित करने के लिए उपयोग किया जाता है।
• संदर्भ एक ड्रैग और ड्रॉप सेमेंटिक परत है जो डेटा को एकत्र करने के बाद व्यवस्थित करने के लिए उपयोग किया जाता है।
• आउटपुट वह स्थान है जहां आप संदर्भित डेटा पर व्यवसायिक प्रश्नों का उत्तर दे सकते हैं।

ट्रेसर पर, हम एआई को इन चरणों में से किसी एक के प्रतिस्थापन के रूप में नहीं देखते हैं; इसके बजाय, हम इसे एक ऐसी तकनीक के रूप में देखते हैं जिसे तीनों श्रेणियां लाभ उठा सकती हैं ताकि अधिक को स्वचालित किया जा सके।

उदाहरण के लिए:

• स्रोत: लंबी पूंछ डेटा स्रोतों तक पहुंच के लिए नए एपीआई कनेक्टर बनाने में एआई का लाभ उठाना।
• संदर्भ: मेटाडेटा को साफ करने के लिए एआई का लाभ उठाना जो चलने से पहले टैग नियमों के लिए। उदाहरण के लिए, प्रत्येक भाषा में प्रकाशन के नामों के संस्करणों को साफ करना।
• आउटपुट: एक निर्धारित सेट के केपीआई पर रिपोर्ट करने के बजाय अन्वेषणात्मक व्यवसायिक मामलों के लिए डैशबोर्ड के लिए एआई को एक ड्रॉप-इन प्रतिस्थापन के रूप में उपयोग करना।
• एआई हमें इन प्रकार के अनुप्रयोगों को सरल और सुलभ तरीके से प्राप्त करने में मदद करता है।

ट्रेसर के डेटा इंटेलिजेंस स्पेस में भविष्य के विकास और नवाचार की योजनाएं क्या हैं?

ट्रेसर एक एकत्रित करने वाला है। हमारे भागीदार हम पर विशिष्ट अनुप्रयोगों के लिए टीमों और कार्यों के भीतर या क्रॉस-फ़ंक्शनल व्यवसायिक बुद्धिमत्ता के लिए भरोसा करेंगे। ट्रेसर की सुंदरता यह है कि चाहे आप हमें अपने मीडिया खर्च और रचनात्मकता के साथ बेहतर निर्णय लेने के लिए उपयोग कर रहे हों या विभिन्न मीट्रिकों को आपूर्ति श्रृंखला से बिक्री तक और बीच में जोड़ने के लिए डैशबोर्ड बनाने के लिए, निर्माण ब्लॉक सुसंगत हैं।

हम उन संगठनों को देख रहे हैं जो पहले हम पर एक क्षेत्र में निर्भर थे (जैसे मीडिया और विपणन), अब व्यवसाय के अन्य क्षेत्रों में अनुप्रयोगों का विस्तार कर रहे हैं। इसलिए जहां हमारे प्राथमिक ग्राहक पहले वरिष्ठ मीडिया कार्यकारी या एजेंसी भागीदार थे, आज हम सीआईओ, सीटीओ, डेटा वैज्ञानिकों और व्यवसायिक विश्लेषकों के साथ पूरे संगठन में काम करते हैं। हम अपने उपकरणों को अधिक से अधिक अनुप्रयोगों और व्यक्तियों के लिए विकसित करना जारी रख रहे हैं, साथ ही साथ यह सुनिश्चित करना कि मूल प्रौद्योगिकी गैर-तकनीकी उपयोगकर्ताओं के लिए स्केलेबल, लचीली और सुलभ है।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें ट्रेसर पर जाना चाहिए。