트레이서의 CTO이자 공동 창립자 레이턴 웰치 – 인터뷰 시리즈

레이턴 웰치는 트레이서의 CTO이자 공동 창립자입니다. 트레이서는 복잡한 데이터 세트를 조직화, 관리, 시각화하여 더 빠르고 행동 가능한 비즈니스 인텔리전스를 제공하는 AI 기반 도구입니다. 트레이서의 CTO가 되기 전에 레이턴은 소셜코드의 소비자 인사이트 디렉터와 바이너미디어의 엔지니어링 부사장이었다. 그는 애드테크 생태계에서 선구자로 활동하며 스냅챗 광고의 첫 번째 실행과 세계最大의 플랫폼의 상업용 API에 대한 상담을 수행했습니다. 레이턴은 2013년 하버드에서 컴퓨터 과학과 경제학을 전공했습니다.

당신의 배경과 하버드, 소셜코드, 바이너미디어에서의 경험에 대해 더 알려주세요. 어떻게 이러한 경험들이 트레이서를 공동 창립하도록 영감을 주었나요?

원래 아이디어는 10년 전으로 거슬러 올라갑니다. 내 어린 시절 친구가 금요일 밤에 전화를 걸었습니다. 그는 하나의 클라이언트를 위해 다양한 소셜 플랫폼에서 데이터를 집계하는 문제에 직면했습니다. 그는 이것이 자동화될 수 있다고 생각했고, 소프트웨어 엔지니어링 배경이 있는 나에게 도움을 요청했습니다. 이것이 어떻게 내가 지금의 공동 창립자 제프 니콜슨을 처음 만난 경위입니다.

이것이 우리의 아이디어의 순간이었습니다: 이러한 캠페인에 지출되는 금액은 추적하는 소프트웨어의 품질을 훨씬 초과했습니다. 이것은 많은 응용 프로그램이 있는 데이터 과학의 새로운 시장이었다.

우리는 점점 더 큰 규모와 복잡한 미디어 캠페인에 대응할 수 있는 분석 소프트웨어를 개발했습니다. 우리는 문제를 해결하면서 데이터를 摂取하고 컨텍스트화하는 단계를 명확히 하기 위해 프로세스를 개발했습니다. 우리는 우리가 구축하는 프로세스가 광고뿐만 아니라 모든 데이터 세트에 적용될 수 있다는 것을 깨달았습니다. 이것이 오늘날의 트레이서입니다: 복잡한 데이터 세트를 조직화, 관리, 시각화하여 더 빠르고 행동 가능한 비즈니스 인텔리전스를 제공하는 AI 기반 도구입니다.

우리는 데이터를 摂取하고 연결하여 조직화하는 단계를 자동화함으로써 데이터 주도적인 조직이 무엇인지 민주화하고 있습니다. 이것은 판매 데이터를 마케팅 CRM에 연결하거나 인사 분석을 수익 추세와 연결하는 등 다양한 응용 프로그램을 제공할 수 있습니다.

트레이서의 플랫폼이 어떻게 분석을 자동화하고 클라이언트의 현대적인 데이터 스택을 혁신적으로 변화시키는지 설명해주세요.

간단히 말해서, 분석은 소프트웨어를 통해 비즈니스 질문에 대한 답변을 찾는 것입니다. 오늘날의 풍경에서 두 가지 접근 방식이 있습니다.

• 첫 번째는 수직 소프트웨어를 구입하는 것입니다. CFO에게 이것은 넷스위트일 수 있습니다. CRO에게 이것은 세일즈포스일 수 있습니다. 수직 소프트웨어는 완벽하고 특화된 소프트웨어이기 때문에 좋습니다. 그러나 수직 소프트웨어의 한계는 그것이 수직적이라는 것입니다. 넷스위트와 세일즈포스를 연결하려면 다시 처음부터 시작해야 합니다. 수직 소프트웨어는 완벽하지만 유연하지 않습니다.
• 두 번째는 수평 소프트웨어를 구입하는 것입니다. 이것은 데이터 摂取을 위한 소프트웨어, 저장을 위한 소프트웨어, 분석을 위한 소프트웨어일 수 있습니다. 수평 소프트웨어는 거의 모든 것을 다룰 수 있기 때문에 좋습니다. 세일즈포스와 넷스위트 데이터를 摂取하고 저장하고 분석할 수 있습니다. 그러나 수평 소프트웨어의 한계는 그것이 구성되고 유지되어야 한다는 것입니다. 수평 소프트웨어는 유연하지만 완벽하지 않습니다.

우리는 기술을 결합하여 완전하고 유연한 플랫폼을 제공함으로써 세 번째 접근 방식을 제공합니다. 이것은 사용자에게 기술 전문 지식이나 기술적 부담 없이 작동하는 완전한 플랫폼을 제공합니다. 트레이서는 가장 강력한 플랫폼으로, 응용 프로그램에 구애받지 않고 종단 간으로 작동합니다.

트레이서는 지난 달에 약 10 페타바이트의 데이터를 처리했습니다. 트레이서는 어떻게 이러한大量의 데이터를 효율적으로 처리할 수 있나요?

규모는 우리 세계에서 매우 중요하며, 트레이서의 초기부터 항상 우선순위였습니다. 이러한大量의 데이터를 처리하기 위해 우리는 최고의 기술을 활용하고 필요하지 않은 경우에는 휠을 재발명하지 않습니다. 우리는 구축한 인프라에 대해 매우 자랑스럽습니다. 실제로 우리의 아키텍처 프로그램은 웹사이트에 설명되어 있습니다.

우리는 파트너에게 다음과 같이 말합니다. 당신의 인하우스 엔지니어링 팀이 우리가 구축한 것을 구축할 수 없다는 것은 아닙니다. 그러나 그들이 그렇게 할 필요는 없습니다. 우리는 현대적인 데이터 스택의 조각들을 당신을 위해 모았습니다. 프레임워크는 효율적이고 검증되었으며, 우리는 풍경과 동적으로 진화하기 위해 모듈식으로 설계했습니다.

많은 파트너들이 엔지니어링 자원을 더 큰 전략적 이니셔티브에 집중할 수 있도록 해방시키기 위해 트레이서의 아키텍처를 사용합니다. 데이터베이스를 갖는 것은 비즈니스 질문에 대한 답변을 주지 않습니다. ETL 파이프라인을 갖는 것은 비즈니스 질문에 대한 답변을 주지 않습니다. 중요한 것은 인프라를 구축한 후에 무엇을 할 수 있는지입니다. 이것이 우리가 트레이서를 구축한 이유입니다. 우리는 당신에게 답변을 얻는 단축키입니다.

구조화된 데이터가 AI에 왜 중요한지, 그리고 비구조화된 데이터보다 어떤优势을 제공하는지 설명해주세요.

구조화된 데이터는 AI에 중요합니다. 왜냐하면 이것은 수동적인 인간의 상호작용을 허용하기 때문입니다. 우리는 이것이 효과적인 출력에 필수적인 구성 요소라고 믿습니다. 그러나 오늘날의 생태계에서 우리는 비구조화된 데이터와 이전에 접근하기 어려웠던 형식(문서, 이미지, 비디오 등)의 통찰력을 활용할 수 있는 능력이 더 좋아졌습니다.

우리의 경우, 이것은 사람들이 가장 잘 이해하는 데이터 세트에서 추가적인 컨텍스트를 통합할 수 있는 플랫폼을 제공하는 것입니다. 즉, 비구조화된 데이터 → 구조화된 데이터 → 트레이서의 컨텍스트 엔진 → AI 기반 출력입니다. 우리는 중간에서 더 효과적인 피드백 루프를 허용하고, 필요한 경우 수동적인 개입을 허용합니다.

비구조화된 데이터와 관련된 회사들이 직면하는 도전과 트레이어가 어떻게 이러한 도전을 극복하여 데이터 품질을 개선하는지 설명해주세요.

트레이어와 같은 플랫폼 없이, 비구조화된 데이터의 도전은 모든 것이 컨트롤입니다. 데이터를 모델에 입력하고, 모델이 답변을 제공하지만, 블랙박스 안에서 일어나는 것을 최적화할 기회가 거의 없습니다.

예를 들어, 미디어 캠페인에서 가장 영향력 있는 콘텐츠를 결정하고 싶다고 가정해 보겠습니다. 트레이서는 AI를 사용하여 광고에서 실행된 모든 콘텐츠에 대한 메타데이터를 제공할 수 있습니다. 트레이서는 또한 구조화된 데이터 세트에서 답변까지의 마지막 마일 분석을 제공할 수 있습니다.

그러나 중간에서, 우리의 플랫폼은 사용자가 미디어 데이터와 결과가 있는 데이터 세트 간의 연결을 그릴 수 있고, “영향력”을 더 세부적으로 정의하며, AI에 의해 수행된 분류를 정리할 수 있도록 허용합니다. 본질적으로, 우리는 블랙박스를 제거하기 위해 단계를 추상화하고 제품화했습니다. AI 없이, 트레이어에서 더 많은 작업이 필요합니다. 그러나 트레이어 없이, AI는 동일한 품질의 답변에 도달할 수 없습니다.

트레이어가 데이터 인텔리전스 플랫폼을 강화하기 위해 사용하는 일부 핵심 AI 기반 기술에 대해 알려주세요.

트레이어를 세 가지 핵심 제품 카테고리로 생각할 수 있습니다: 소스, 콘텐츠, 출력.

• 소스는 다양한 데이터의 摂取, 모니터링, QA를 자동화하는 도구입니다.
• 콘텍스트는 데이터를 摂取한 후 조직화하는 드래그 앤 드롭 시맨틱 레이어입니다.
• 출력은 컨텍스트화된 데이터 위에 비즈니스 질문에 대한 답변을 제공하는 곳입니다.

트레이어에서 우리는 AI를 이러한 단계 중 하나를 대체하는 것으로 보지 않습니다. 대신, 우리는 AI를 이러한 모든 카테고리가 활용할 수 있는 또 다른 기술로 봅니다.

예를 들어:

• 소스: AI를 사용하여 파트너 카탈로그에서 사용할 수 없는 장기 데이터 소스에 대한 새로운 API 커넥터를 구축합니다.
• 콘텍스트: AI를 사용하여 메타데이터를 정리하기 전에 태그 규칙을 실행합니다. 예를 들어, 모든 언어의 출판물 이름의 변형을 정리합니다.
• 출력: AI를 사용하여 반복적으로 보고해야 하는 고정된 KPI 세트가 아닌 탐색적 비즈니스 사용 사례에 대한 대시보드를 대체합니다.
• AI는 이러한 유형의 응용 프로그램을 단순하고 접근하기 쉬운 방식으로 달성할 수 있도록 합니다.

트레이어의 미래 개발과 데이터 인텔리전스 분야의 혁신 계획에 대해 알려주세요.

트레이어는 집계기입니다. 우리의 파트너들은 특정 응용 프로그램이나 기능에 대해 우리에게 의존할 것입니다. 트레이어의 아름다움은 미디어 지출과 크리에이티브에 대한 더 나은 의사 결정이나 대시보드를 구축하는 것과 같은 비즈니스 인텔리전스에 활용되는 것입니다. 빌딩 블록은 일관된 것입니다.

우리는 이전에 우리에게 의존했던 조직이 비즈니스의 다른 영역으로 응용 프로그램을 확장하는 것을 보고 있습니다. 따라서 우리의 주요 고객은 이전에 미디어 및 마케팅의 고위幹部 또는 에이전시 파트너였지만, 이제 우리는 CIO, CTO, 데이터 과학자, 비즈니스 분석가와 함께 일합니다. 우리는 더 많은 응용 프로그램과 페르소나를 수용하기 위해 도구를 계속 개발하고 있으며, 핵심 기술이 비기술 사용자에게 확장 가능하고 유연하며 접근하기 쉽도록 보장합니다.

잘한 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 트레이서를 방문하십시오.