Leighton Welch, CTO en mede-oprichter van Tracer – Interviewreeks

Leighton Welch is CTO en mede-oprichter van Tracer. Tracer is een AI-gebaseerd hulpmiddel dat complexe datasets organiseert, beheert en visualiseert om snellere en actiegerichte bedrijfsinformatie te bieden. Voordat hij Chief Technology Officer bij Tracer werd, was Leighton Director of Consumer Insights bij SocialCode en VP of Engineering bij VaynerMedia. Hij heeft zijn carrière doorgebracht met het pionieren in de ad tech-ecosystem, waarbij hij de eerste Snapchat Ad heeft uitgevoerd en commerciële API’s heeft geadviseerd voor enkele van ‘s werelds grootste platforms. Leighton studeerde af aan Harvard in 2013 met een diploma in Computer Science en Economics.

Kunt u ons meer vertellen over uw achtergrond en hoe uw ervaringen aan Harvard, SocialCode en VaynerMedia u hebben geïnspireerd om Tracer mede op te richten?

Het oorspronkelijke idee ontstond tien jaar geleden. Een jeugdvriend van mij belde me op een vrijdagavond. Hij had moeite met het aggregaat van gegevens van verschillende sociale platforms voor een van zijn klanten. Hij dacht dat dit geautomatiseerd kon worden, dus hij vroeg mijn hulp omdat ik een achtergrond had in software-engineering. Zo werd ik voor het eerst geïntroduceerd bij mijn nu mede-oprichter, Jeff Nicholson.

Dit was ons lichtbulbmoment: de hoeveelheid geld die aan deze campagnes werd uitgegeven, liep ver vooruit op de kwaliteit van de software die deze dollars volgde. Het was een embryonale markt met veel toepassingen in datawetenschap.

We bleven analytische software ontwikkelen die kon voldoen aan de behoeften van steeds grotere en complexere media-campagnes. Terwijl we aan het probleem werkten, ontwikkelden we een proces – duidelijke stappen van het krijgen van de uiteenlopende gegevens ingevoerd en gecontextualiseerd. We realiseerden ons dat het proces dat we bouwden, kon worden toegepast op elke dataset – niet alleen advertenties – en dat is wat Tracer vandaag is: een AI-gebaseerd hulpmiddel dat complexe datasets organiseert, beheert en visualiseert om snellere en actiegerichte bedrijfsinformatie te bieden.

We helpen om te democratiseren wat het betekent om een “gegevensgedreven” organisatie te zijn door de stappen te automatiseren die nodig zijn om uiteenlopende datasets over functies heen te nemen, krachtige BI te bieden via intuïtieve rapporten en visualisaties. Dit kan betekenen dat u verkoopgegevens koppelt aan uw marketing-CRM, HR-analyse aan omzettrends en nog veel meer toepassingen.

Kunt u uitleggen hoe Tracers platform analytics automatiseert en de moderne datastack voor zijn klanten revolutioneert?

Voor eenvoud definiëren we analytics als het beantwoorden van een bedrijfsvraag via software. In het huidige landschap zijn er eigenlijk twee benaderingen.

• De eerste is het kopen van verticale software. Voor CFO’s kan dit bijvoorbeeld Netsuite zijn. Voor de CRO kan dit Salesforce zijn. Verticale software is geweldig omdat het eind-tot-eind is, het hypergespecialiseerd kan zijn en gewoon uit de doos moet werken. De beperking van verticale software is dat het verticaal is: als u wilt dat Netsuite met Salesforce communiceert, bent u terug bij af. Verticale software is compleet, maar het is niet flexibel.
• De tweede benadering is het kopen van horizontale software. Dit kan software voor gegevensinname zijn, een andere voor opslag en een derde voor analyse. Horizontale software is geweldig omdat het bijna alles aankan. U kunt zeker zowel uw Salesforce- als uw Netsuite-gegevens via deze pijplijn inname, opslaan en analyseren. De beperking is dat het moet worden samengesteld, onderhouden en niets “uit de doos” werkt. Horizontale software is flexibel, maar het is niet compleet.

We bieden een derde benadering door een platform te creëren dat de technologieën combineert die nodig zijn om op alles te rapporteren, toegankelijk genoeg om uit de doos te werken zonder enige technische overhead of engineeringbronnen. Het is flexibel en compleet. Tracer is het krachtigste platform op de markt dat zowel toepassingsagnostisch als eind-tot-eind is.

Tracer verwerkte ongeveer 10 petabytes aan gegevens de afgelopen maand. Hoe verwerkt Tracer zo’n grote hoeveelheid gegevens efficiënt?

Schaal is ongelooflijk belangrijk in onze wereld en is altijd een prioriteit geweest bij Tracer, zelfs in de beginjaren. Om deze hoeveelheid gegevens te verwerken, gebruiken we veel best-in-class-technologieën en vermijden we het opnieuw uitvinden van het wiel waar we dat niet nodig hebben. We zijn ontzettend trots op de infrastructuur die we hebben opgebouwd, maar we zijn ook vrij open over het feit. Ons architectuurprogramma staat zelfs op onze website.

Wat we tegen partners zeggen, is dit: het is niet dat uw in-house engineeringteams niet in staat zijn om te bouwen wat wij hebben gebouwd; eerder, ze hoeven dat niet te doen. We hebben de onderdelen van de moderne datastack voor u samengesteld. Het kader is efficiënt, beproefd en modulair, zodat we dynamisch kunnen evolueren met het landschap.

Veel partners komen naar ons toe om engineeringbronnen te vrijmaken om zich te concentreren op grotere strategische initiatieven. Ze gebruiken Tracers architectuur als een middel tot een doel. Het hebben van een database beantwoordt geen bedrijfsvragen. Het hebben van een ETL-pijplijn beantwoordt geen bedrijfsvragen. Wat echt belangrijk is, is wat u kunt doen met die infrastructuur als die eenmaal is opgebouwd. Daarom hebben we Tracer gebouwd – we zijn uw shortcut naar het krijgen van antwoorden.

Waarom gelooft u dat gestructureerde gegevens essentieel zijn voor AI en welke voordelen bieden ze ten opzichte van ongestructureerde gegevens?

Gestructureerde gegevens zijn essentieel voor AI omdat ze handmatige menselijke interactie toelaten, wat we geloven een essentieel onderdeel is van effectieve uitvoer. Dat gezegd hebbende, zijn we in het huidige ecosysteem eigenlijk beter uitgerust dan ooit tevoren om de inzichten in ongestructureerde gegevens en eerder moeilijk toegankelijke formaten (documenten, afbeeldingen, video’s, enz.) te benutten.

Dus voor ons gaat het erom een platform te bieden waarop additionele context kan worden geïncorporeerd van de mensen die het meest vertrouwd zijn met de onderliggende datasets zodra die gegevens toegankelijk zijn gemaakt. Met andere woorden, het gaat om ongestructureerde gegevens → gestructureerde gegevens → Tracers contextuele motor → AI-gedreven uitvoer. We zitten ertussenin en laten een effectievere feedbacklus toe en voor handmatige interventie waar nodig.

Welke uitdagingen hebben bedrijven met ongestructureerde gegevens en hoe helpt Tracer deze uitdagingen te overwinnen om de gegevenskwaliteit te verbeteren?

Zonder een platform zoals Tracer, is de uitdaging met ongestructureerde gegevens allemaal over controle. U voert gegevens in het model in, het model spuwt antwoorden uit en u heeft weinig kans om te optimaliseren wat er in de black box gebeurt.

Stel dat u bijvoorbeeld wilt bepalen welk content het meest impact heeft in een media-campagne. Tracer kan AI gebruiken om metadata te helpen bieden over alle content die in de advertenties is uitgevoerd. Het kan ook AI gebruiken om last-mile-analyse te bieden om van een sterk gestructureerde dataset naar dat antwoord te komen.

Maar daartussen laat ons platform gebruikers toe om de verbindingen tussen de media-gegevens en de dataset te trekken waar de resultaten leven, om “impact” meer granulair te definiëren en de categorisaties die door de AI zijn gedaan, op te schonen. We hebben in feite de stappen geabstraheerd en geproduceerd om de black box te verwijderen. Zonder AI moet er veel meer werk worden gedaan door de mens in Tracer. Maar zonder Tracer kan AI niet tot hetzelfde niveau van antwoord komen.

Welke AI-gebaseerde technologieën gebruikt Tracer om zijn dataintelligentieplatform te verbeteren?

U kunt Tracer beschouwen als drie kernproductcategorieën: Bronnen, Inhoud en Uitvoer.

• Bronnen is een hulpmiddel dat wordt gebruikt om de inname, bewaking en kwaliteitscontrole van uiteenlopende gegevens te automatiseren.
• Context is een sleep-en-neerzet-semantische laag voor de organisatie van gegevens nadat ze zijn ingevoerd.
• Uitvoer is waar u bedrijfsvragen kunt beantwoorden op basis van gecontextualiseerde gegevens.

Bij Tracer zien we AI niet als een vervanging voor een van deze stappen; in plaats daarvan zien we AI als een andere vorm van technologie die alle drie categorieën kan gebruiken om te expanderen wat kan worden geautomatiseerd.

Bijvoorbeeld:

• Bronnen: AI gebruiken om nieuwe API-connectors te helpen bouwen voor langstaartige gegevensbronnen die niet beschikbaar zijn via onze partnercatalogus.
• Context: AI gebruiken om metadata op te schonen voordat tagregels worden uitgevoerd. Bijvoorbeeld, het opschonen van variaties van publicatienamen in elke taal.
• Uitvoer: AI gebruiken als vervanging voor dashboards waar het bedrijfsgeval exploratoir is, in plaats van een vaste set KPI’s die herhaaldelijk moeten worden gerapporteerd.
• AI stelt ons in staat om deze soorten toepassingen te bereiken op manieren die zowel eenvoudig als toegankelijk zijn.

Wat zijn Tracers plannen voor toekomstige ontwikkeling en innovatie in de dataintelligentie-ruimte?

Tracer is een aggregator van aggregators. Onze partners zullen op ons vertrouwen voor specifieke toepassingen binnen teams en functies, of voor gebruik in cross-functionele bedrijfsinformatie. De schoonheid van Tracer is dat, of u nu onze diensten gebruikt voor betere beslissingen met uw media-uitgaven en creatief, of dashboards bouwt om uiteenlopende metrics van supply chain tot verkoop en alles daartussen, de bouwstenen zijn consistent.

We zien organisaties die formeel op ons vertrouwden binnen één gebied van het bedrijf (bijv. media en marketing), die nu toepassingen uitbreiden naar andere delen van het bedrijf. Dus waar onze primaire klanten formeel senior media-executives of agency-partners waren, werken we nu met CIO’s, CTO’s, datawetenschappers, en businessanalisten. We’re continuing to build out our tools to accommodate for more and more applications and personas, all while ensuring the core tech is scalable, flexible, and accessible for non-technical users. Thank you for the great interview, readers who wish to learn more should visit Tracer.