Leighton Welch, CTO and Co-Founder of Tracer – 인터뷰 시리즈

Leighton Welch는 Tracer의 CTO이자 공동 창립자입니다. Tracer는 복잡한 데이터 세트를 조직화, 관리, 시각화하여 더 빠르고 행동 가능한 비즈니스 인텔리전스를 구동하는 AI 기반 도구입니다. Tracer의 최고 기술 책임자로 있는 이전에 Leighton은 SocialCode의 소비자 인사이트 디렉터와 VaynerMedia의 엔지니어링 부사장이었다. 그는 광고 기술 생태계에서 선구적인 역할을 하며, 최초의 스냅챗 광고를 운영하고 세계에서 가장 큰 플랫폼의 상업용 API에 대해 상담했습니다. Leighton은 2013년 하버드에서 컴퓨터 과학 및 경제학을 전공했습니다.

하버드, SocialCode, 및 VaynerMedia에서의 경험에 대해 더 알려주실 수 있나요? 그리고 어떻게 이러한 경험들이 Tracer를 공동 창립하도록 영감을 주었나요?

원래 아이디어는 10년 전으로 거슬러 올라갑니다. 한 어린 시절의 친구가 금요일 밤에 전화를 걸었습니다. 그는 하나의 클라이언트를 위해 다양한 소셜 플랫폼에서 데이터를 집계하는 것에 어려움을 겪고 있었습니다. 그는 이것이 자동화될 수 있다고 생각했으므로 그는 소프트웨어 엔지니어링 배경을 가진 저에게 도움을 청했습니다. 이것이 제가 지금의 공동 창립자 Jeff Nicholson을 처음 만난 경위입니다.

이것이 우리의 아이디어의 시작점이었습니다: 캠페인에 쓰이는 돈의 양은 추적하는 소프트웨어의 품질을 훨씬 뛰어넘고 있었습니다. 이것은 많은 응용 프로그램이 있는 데이터 과학의 새로 떠오르는 시장입니다.

우리는 점점 더 크고 복잡한 미디어 캠페인에 맞춰서 분석 소프트웨어를 개발했습니다. 문제를 해결하는 동안 우리는 프로세스를 개발했습니다 – 데이터를 가져오고 컨텍스트화하는 명확한 단계입니다. 우리는 우리가 구축하는 프로세스가 광고뿐만 아니라 모든 데이터 세트에 적용될 수 있다는 것을 깨달았습니다. 이것이 오늘날의 Tracer입니다: 복잡한 데이터 세트를 조직화, 관리, 시각화하여 더 빠르고 행동 가능한 비즈니스 인텔리전스를 구동하는 AI 기반 도구입니다.

우리는 데이터를 가져오고, 연결하고, 조직화하는 단계를 자동화함으로써 “데이터 기반” 조직이 무엇인지 민주화하는 것을 도와줍니다. 이는 직관적인 보고서와 시각화를 제공하는 강력한 BI를 제공합니다. 이것은 판매 데이터를 마케팅 CRM에 연결하거나, 인사 분석을 수익 추세와 연결하는 등 다양한 응용 프로그램을 의미할 수 있습니다.

Tracer의 플랫폼이 어떻게 분석을 자동화하고 클라이언트의 현대적인 데이터 스택을 혁신하는지 설명해 주시겠습니까?

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

• 첫 번째는 수직 소프트웨어를 구매하는 것입니다. CFO의 경우 이는 Netsuite일 수 있습니다. CRO의 경우 이는 Salesforce일 수 있습니다. 수직 소프트웨어는 완전하고, 초점을 맞출 수 있으며, 박스에서 작동해야 합니다. 그러나 수직 소프트웨어의 한계는 그것이 수직적이라는 것입니다. Netsuite와 Salesforce가 통신하도록 하려면 다시 시작해야 합니다. 수직 소프트웨어는 완전하지만, 유연하지 않습니다.
• 두 번째는 수평 소프트웨어를 구매하는 것입니다. 이는 데이터 가져오기, 저장, 분석을 위한 소프트웨어일 수 있습니다. 수평 소프트웨어는 거의 모든 것을 다룰 수 있기 때문에 좋습니다. Salesforce와 Netsuite 데이터를 모두 가져오고, 저장하고, 분석할 수 있습니다. 그러나 수평 소프트웨어의 한계는 그것을 함께 맞추고, 유지해야 하며, 박스에서 작동하지 않는다는 것입니다. 수평 소프트웨어는 유연하지만, 완전하지 않습니다.

우리는 박스에서 작동하는 기술을 결합하여 보고서를 생성할 수 있는 플랫폼을 제공함으로써 세 번째 접근 방식을 제공합니다. 이것은 엔지니어링 리소스나 기술 오버헤드 없이 접근할 수 있습니다. 이것은 유연하고 완전합니다. Tracer는 시장에서 가장 강력한 플랫폼이며, 응용 프로그램에 중립적이고, 종단간입니다.

Tracer는 지난 달에 약 10 페타바이트의 데이터를 처리했습니다. Tracer는 어떻게 이러한大量의 데이터를 효율적으로 처리합니까?

규모는 우리 세계에서 매우 중요하며, Tracer에서 항상 우선순위였습니다. 이러한 데이터 볼륨을 처리하기 위해, 우리는 최고의 기술을 활용하고, 필요하지 않은 경우에는 바퀴를 재발명하지 않습니다. 우리는 구축한 인프라에 대해 매우 자랑스럽습니다. 그러나 우리는 또한 그것에 대해 khá 공개적입니다. 실제로, 우리의 아키텍처 프로그램은 웹사이트에 나열되어 있습니다.

우리가 파트너에게 말하는 것은 이것입니다: 파트너의 내부 엔지니어링 팀이 우리가 구축한 것을 구축할 수 없다는 것이 아닙니다. 그들은 그렇게 할 필요가 없다는 것입니다. 우리는 현대적인 데이터 스택의 조각을 파트너를 위해 모았습니다. 프레임워크는 효율적이고, 검증되었으며, 우리가 풍경과 함께 동적으로 진화하기 위해 모듈식입니다.

많은 파트너가 더 큰 전략적 이니셔티브에 집중하기 위해 엔지니어링 리소스를 해방시키기 위해 우리에게 오게 됩니다. 그들은 Tracer의 아키텍처를 수단으로 사용합니다. 데이터베이스를 갖는 것은 비즈니스 질문에 답을 주지 않습니다. ETL 파이프라인을 갖는 것은 비즈니스 질문에 답을 주지 않습니다. 중요한 것은 인프라가 구축된 후에 그것으로 무엇을 할 수 있는지입니다. 이것이 왜 우리가 Tracer를 구축했는지입니다. 우리는 답을 얻는 데 필요한 단축키입니다.

구조화된 데이터가 AI에 왜 중요한지, 그리고 비구조화된 데이터보다 어떤 장점이 있는지 믿으십니까?

구조화된 데이터는 AI에 중요한 이유는 수동 인간 상호작용을 허용하기 때문입니다. 이것은 우리는 효과적인 출력에 필수적인 구성 요소라고 믿습니다. 그러나 오늘날의 생태계에서, 우리는 실제로 이전에 접근하기 어려웠던 형식(문서, 이미지, 비디오 등)의 비구조화된 데이터의 통찰력을 활용할 수 있는 능력이 더 잘 갖추어져 있습니다.

따라서, 우리는 비구조화된 데이터 → 구조화된 데이터 → Tracer의 컨텍스트 엔진 → AI 기반 출력을 제공하는 플랫폼을 제공합니다. 우리는 중간에 위치하며, 더 효과적인 피드백 루프를 허용하고, 필요한 경우 수동 개입을 허용합니다.

비구조화된 데이터와 관련하여 회사들이 직면하는 도전은 무엇이며, Tracer는 어떻게 이러한 도전을 극복하여 데이터 품질을 개선하는 데 도움이 됩니까?

Tracer와 같은 플랫폼이 없는 경우, 비구조화된 데이터의 도전은 모든 것이 제어하는 것입니다. 데이터를 모델에 넣으면, 모델은 답을 내놓고, 블랙 박스 안에서发生하는 것을 최적화할 기회가 거의 없습니다.

예를 들어, 미디어 캠페인에서 가장 영향력 있는 콘텐츠를 결정하려는 경우, Tracer는 AI를 사용하여 광고에서 실행된 모든 콘텐츠에 대한 메타데이터를 제공하는 데 도움이 될 수 있습니다. 또한 Tracer는 마지막 마일 분석을 위해高度 구조화된 데이터 세트에서 답을 얻는 데 도움이 될 수 있습니다.

그러나 중간에, 우리의 플랫폼은 사용자가 미디어 데이터와 결과가 살아있는 데이터 세트 간의 연결을 그릴 수 있도록 허용합니다. 또한 “영향력”을 더 세부적으로 정의하고, AI에 의해 수행된 분류를 정리하는 데 도움이 될 수 있습니다. 본질적으로, 우리는 단계를 추상화하고, 제품화하여 블랙 박스를 제거했습니다. AI 없이, Tracer에서 더 많은 작업이 인간에 의해 수행되어야 합니다. 그러나 Tracer 없이, AI는 동일한 품질의 답을 얻을 수 없습니다.

Tracer의 데이터 인텔리전스 플랫폼을 강화하는 데 사용되는 일부 AI 기반 기술은 무엇입니까?

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

• 소스는 다양한 데이터의 가져오기, 모니터링 및 QA를 자동화하는 도구입니다.
• 컨텍스트는 데이터가 가져오어진 후에 데이터를 조직화하는 데 사용되는 드래그 앤 드롭 시맨틱 레이어입니다.
• 출력은 컨텍스트화된 데이터 위에 비즈니스 질문에 답을 하는 곳입니다.

Tracer에서 우리는 AI를 이러한 단계 중 하나를 대체하는 것으로 보지 않습니다. 대신, 우리는 AI를 세 가지 카테고리 모두에서 활용하여 자동화할 수 있는 것을 확장하는 또 다른 기술로 봅니다.

예를 들어:

• 소스: AI를 사용하여 우리의 파트너 카탈로그를 통해 사용할 수 없는 긴 꼬리 데이터 소스에 대한 새로운 API 커넥터를 구축하는 데 도움이 됩니다.
• 컨텍스트: AI를 사용하여 태그 규칙을 실행하기 전에 메타데이터를 정리하는 데 도움이 됩니다. 예를 들어, 모든 언어의 출판 이름의 변형을 정리하는 데 도움이 됩니다.
• 출력: AI를 사용하여 고정된 KPI가 반복적으로 보고되어야 하는 경우가 아니라, 탐색적인 비즈니스 사용 사례인 대시보드의 대체물로 사용하는 데 도움이 됩니다.
• AI는 이러한 유형의 응용 프로그램을 단순하고 접근하기 쉬운 방식으로 달성하는 데 도움이 됩니다.

Tracer의 데이터 인텔리전스 공간에서의 미래 개발 및 혁신 계획은 무엇입니까?

Tracer는 집계기의 집계기입니다. 우리의 파트너는 특정 응용 프로그램을 위해 팀과 기능 내에서, 또는 비즈니스 인텔리전스에서 사용하기 위해 우리에게 의존합니다. Tracer의 아름다움은 미디어 지출과 크리에이티브에 대한 더 나은 의사 결정을 하거나, 판매와 공급망을 연결하는 대시보드를 구축하는 등 다양한 응용 프로그램에 사용할 수 있다는 것입니다.

우리는 이전에 우리에게 의존했던 조직이 비즈니스의 다른 영역으로 응용 프로그램을 확장하는 것을 보게 됩니다. 따라서, 우리의 주요 고객은 이전에 선임 미디어 임원 또는 에이전시 파트너였지만, 오늘날 우리는 CIO, CTO, 데이터 과학자 및 비즈니스 분석가와 함께 일합니다. 우리는 더 많은 응용 프로그램과 페르소나를 수용하기 위해 도구를 계속 구축하고 있습니다. 동시에, 핵심 기술이 비기술 사용자에게 확장 가능하고, 유연하고, 접근하기 쉽도록 보장합니다.

멋진 인터뷰에 감사드립니다. 더 많은 정보를 원하는 독자는 Tracer를 방문해야 합니다.