Leighton Welch, CTO e Co-Fundador da Tracer – Série de Entrevistas

Leighton Welch é CTO e co-fundador da Tracer. Tracer é uma ferramenta alimentada por IA que organiza, gerencia e visualiza conjuntos de dados complexos para impulsionar uma inteligência de negócios mais rápida e ação. Antes de se tornar o Diretor de Tecnologia da Tracer, Leighton foi o Diretor de Insights de Consumidor da SocialCode e o VP de Engenharia da VaynerMedia. Ele passou sua carreira pioneira no ecossistema de ad tech, executando o primeiro anúncio do Snapchat e consultando sobre APIs comerciais para algumas das maiores plataformas do mundo. Leighton se formou em Harvard em 2013, com um diploma em Ciência da Computação e Economia.

Pode nos contar mais sobre sua formação e como suas experiências em Harvard, SocialCode e VaynerMedia o inspiraram a co-fundar a Tracer?

A ideia original surgiu há uma década. Um amigo de infância me ligou em uma sexta-feira à noite. Ele estava tendo dificuldades em agregar dados em várias plataformas sociais para um de seus clientes. Ele achou que isso poderia ser automatizado, então ele me pediu ajuda, pois eu tinha um background em engenharia de software. Foi assim que eu fui apresentado ao meu agora co-fundador, Jeff Nicholson.

Esse foi nosso momento de insight: a quantidade de dinheiro sendo gasto nessas campanhas estava muito à frente da qualidade do software que acompanhava esses dólares. Era um mercado nascente com muitas aplicações em ciência de dados.

Nós continuamos a construir software de análise que pudesse atender às necessidades de campanhas de mídia cada vez mais grandes e complexas. À medida que trabalhávamos no problema, desenvolvemos um processo – passos claros para obter os dados dispersos e contextualizados. Nós percebemos que o processo que estávamos construindo poderia ser aplicado a qualquer conjunto de dados – não apenas publicidade – e é isso que a Tracer é hoje: uma ferramenta alimentada por IA que organiza, gerencia e visualiza conjuntos de dados complexos para impulsionar uma inteligência de negócios mais rápida e ação.

Estamos ajudando a democratizar o que significa ser uma organização “orientada por dados” ao automatizar os passos necessários para ingerir, conectar e organizar conjuntos de dados dispersos em funções, fornecendo BI poderosa por meio de relatórios intuitivos e visualizações. Isso pode significar conectar dados de vendas ao seu CRM de marketing, análise de RH a tendências de receita e muitas outras aplicações.

Pode explicar como a plataforma da Tracer automatiza a análise e revoluciona a pilha de dados moderna para seus clientes?

Para simplificar, vamos definir análise como a resposta a uma pergunta de negócios por meio de software. No cenário atual, existem basicamente duas abordagens.

• A primeira é comprar software vertical. Para CFOs, isso pode ser o Netsuite. Para o CRO, pode ser o Salesforce . O software vertical é ótimo porque é completo, pode ser hiper especializado e deve funcionar diretamente da caixa. A limitação do software vertical é que é vertical: se você quiser que o Netsuite converse com o Salesforce, você está de volta ao início. O software vertical é completo, mas não é flexível.
• A segunda abordagem é comprar software horizontal. Isso pode ser um software para ingestão de dados, outro para armazenamento e um terceiro para análise. O software horizontal é ótimo porque pode lidar com quase tudo. Você certamente pode ingerir, armazenar e analisar tanto os dados do Salesforce quanto os do Netsuite por meio desse pipeline. A limitação é que ele precisa ser montado, mantido e nada funciona “diretamente da caixa”. O software horizontal é flexível, mas não é completo.

Nós oferecemos uma terceira abordagem, criando uma plataforma que combina as tecnologias necessárias para relatar sobre qualquer coisa, tornando-a acessível o suficiente para funcionar diretamente da caixa sem recursos de engenharia ou sobrecarga técnica. É flexível e completa. A Tracer é a plataforma mais poderosa do mercado que é tanto agnóstica de aplicativos quanto completa.

A Tracer processou cerca de 10 petabytes de dados no mês passado. Como a Tracer lida com uma quantidade tão vasta de dados de forma eficiente?

Escala é incrivelmente importante em nosso mundo e sempre foi uma prioridade na Tracer, mesmo nos primeiros dias. Para processar esse volume de dados, nós aproveitamos muitas tecnologias de classe mundial e evitamos reinventar a roda onde não precisamos. Nós estamos muito orgulhosos da infraestrutura que construímos, mas também somos bastante abertos sobre isso. Na verdade, nosso programa de arquitetura está detalhado em nosso site.

O que dizemos aos parceiros é o seguinte: não é que suas equipes de engenharia internas não sejam capazes de construir o que construímos; mais do que isso, elas não deveriam ter que fazer isso. Nós montamos as peças da pilha de dados moderna para você. A estrutura é eficiente, testada em batalha e modular para que possamos evoluir dinamicamente com o cenário.

Muitos parceiros vêm até nós procurando liberar recursos de engenharia para se concentrar em iniciativas estratégicas maiores. Eles usam a arquitetura da Tracer como um meio para um fim. Ter um banco de dados não responde perguntas de negócios. Ter um pipeline ETL não responde perguntas de negócios. O que realmente importa é o que você consegue fazer com essa infraestrutura uma vez que ela esteja montada. É por isso que construímos a Tracer – somos o seu atalho para obter respostas.

Por que você acredita que dados estruturados são críticos para a IA e quais vantagens eles oferecem em relação a dados não estruturados?

Dados estruturados são críticos para a IA porque permitem a interação humana manual, que acreditamos ser um componente essencial para saídas eficazes. No entanto, no ecossistema atual, estamos melhor equipados do que nunca para aproveitar os insights em dados não estruturados e formatos anteriormente difíceis de acessar (documentos, imagens, vídeos, etc.).

Então, para nós, é sobre fornecer uma plataforma por meio da qual contexto adicional pode ser incorporado pelas pessoas que são mais familiarizadas com os conjuntos de dados subjacentes, uma vez que os dados tenham sido tornados acessíveis. Em outras palavras, é dados não estruturados → dados estruturados → motor de contexto da Tracer → saídas impulsionadas por IA. Nós nos situamos no meio e permitimos um loop de feedback mais eficaz e intervenção manual quando necessário.

Quais desafios as empresas enfrentam com dados não estruturados e como a Tracer ajuda a superar esses desafios para melhorar a qualidade dos dados?

Sem uma plataforma como a Tracer, o desafio com dados não estruturados é todo sobre controle. Você alimenta os dados no modelo, o modelo cospe as respostas e você tem muito pouca oportunidade de otimizar o que está acontecendo dentro da caixa preta.

Digamos, por exemplo, que você queira determinar o conteúdo mais impactante em uma campanha de mídia. A Tracer pode usar IA para ajudar a fornecer metadados sobre todo o conteúdo executado nos anúncios. Ela também pode usar IA para fornecer análise de última milha para obter de um conjunto de dados altamente estruturado até essa resposta.

Mas no meio, nossa plataforma permite que os usuários desenhem as conexões entre os dados de mídia e o conjunto de dados onde os resultados vivem, definam mais granularmente o que é “impactante” e limpe as categorizações feitas pela IA. Basicamente, nós abstraimos e produtos os passos para remover a caixa preta. Sem IA, há muito mais trabalho a ser feito pelo humano na Tracer. Mas sem a Tracer, a IA não pode chegar à mesma qualidade de resposta.

Quais são algumas das principais tecnologias baseadas em IA que a Tracer usa para aprimorar sua plataforma de inteligência de dados?

Você pode pensar na Tracer em três categorias de produtos principais: Fontes, Conteúdo e Saídas.

• Fontes é uma ferramenta usada para automatizar a ingestão, monitoramento e QA de dados dispersos.
• Contexto é uma camada semântica de arrastar e soltar para a organização de dados após a ingestão.
• Saídas é onde você pode responder perguntas de negócios em cima de dados contextualizados.

Na Tracer, não vemos a IA como um substituto para nenhum desses passos; mais do que isso, vemos a IA como outra forma de tecnologia que todas as três categorias podem aproveitar para expandir o que pode ser automatizado.

Por exemplo:

• Fontes: Aproveitando a IA para ajudar a construir novos conectores de API para fontes de dados de cauda longa não disponíveis por meio de nosso catálogo de parceiros.
• Contexto: Aproveitando a IA para limpar metadados antes de executar regras de tag. Por exemplo, limpar variações de nomes de publicação em todos os idiomas.
• Saídas: Aproveitando a IA como um substituto para painéis onde o caso de uso de negócios é exploratório, em vez de um conjunto fixo de KPIs que precisam ser relatados repetidamente.
• A IA nos permite alcançar esses tipos de aplicações de maneiras que são simples e acessíveis.

Quais são os planos da Tracer para o desenvolvimento e inovação futuros no espaço de inteligência de dados?

A Tracer é um agregador de agregadores. Nossos parceiros confiarão em nós para aplicações específicas dentro de equipes e funções ou para uso em inteligência de negócios interfuncional. A beleza da Tracer é que, seja você nos utilizando para tomar decisões melhores com seu gasto em mídia e criatividade, ou construir painéis para vincular métricas dispersas de cadeia de suprimentos a vendas e tudo o que está entre, os blocos de construção são consistentes.

Estamos vendo organizações que anteriormente confiavam conosco dentro de uma área do negócio (por exemplo, mídia e marketing) expandindo aplicações para outras partes do negócio. Então, onde nossos clientes principais eram anteriormente executivos seniores de mídia ou parceiros de agência, agora trabalhamos por toda a organização, em parceria com CIOs, CTOs, cientistas de dados e analistas de negócios. Estamos continuando a construir nossas ferramentas para acomodar mais e mais aplicações e personas, garantindo que a tecnologia central seja escalável, flexível e acessível para usuários não técnicos.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Tracer.