Ahmed Elsamadisi, Fondator și CEO al Narrator.ai – Seria de interviuri

Ahmed Elsamadisi este fondatorul și CEO-ul Narrator.ai, o companie de inteligență a datelor care oferă decidenților informații personalizate și acțiuni concrete.

Ahmed și-a început cariera la Laboratorul de Sisteme Autonome Cornell, axându-se pe interacțiunea om-robot și fuziunea datelor Bayesiene, precum și pe dezvoltarea de algoritmi pentru mașini autonome.

Ce v-a atras inițial către IA și știința datelor?

M-am îndrăgostit de modul în care oamenii iau decizii. Începând cu psihologia, ingineria socială și, în final, cu modul în care raționăm despre incertitudine. Acest lucru m-a determinat să mă implic în matematica Bayesiană și lumea a început să aibă mai mult sens. Am decis să încep un drum pentru a replica modul în care luăm decizii.

Ați avut o carieră fenomenală, inclusiv lucrul la Laboratorul de Sisteme Autonome Cornell. Puteți împărtăși câteva momente deosebite din această perioadă?

Cornell’s ASL a fost foarte amuzant! De la mașina noastră autonomă la o flotă de roboți mobili, am avut ocazia să experimentez algoritmi și hardware în medii reale. Momentul meu preferat a fost un proiect pe care l-am condus pentru a vedea dacă putem juca un joc de 20 de întrebări cu toți studenții de la Cornell. Jocul era simplu, un robot căuta un obiect și putea pune întrebări da/nu studenților de la Cornell pentru a-l găsi. O mică întorsătură, oamenii puteau minți.

În această situație, nu există informații reale, nimic care să fie absolut adevărat. Am lucrat la un algoritm care putea fuziona informații de la oameni și senzori pentru a lua decizii mai bune. Acest proiect a fost ulterior preluat de Business Insider și a devenit cunoscut sub numele de “robotul care poate spune minciuni”.

Aceste momente în care datele și algoritmii pot face ceva pe care nu ai putea să-l imaginezi ușor, sunt ceea ce face aceste proiecte fenomenale.

Ideea pentru Narrator a apărut din frustrarea dvs. de a lucra cu date la fostul dvs. angajator WeWork (WE ). Care au fost problemele pe care le-ați întâmpinat cu modelarea schemelor stea?

Fiecare companie folosește o schemă stea pentru modelele sale de date. Are sens! Construiți tabele care reprezintă un set de întrebări pe care doriți să le răspundeți și apoi le dați oamenilor să le reprezinte. Provocarea constă în faptul că întrebările sunt în constantă creștere și schimbare și, prin urmare, seria de tabele pe care le construiți nu este niciodată suficientă pentru a răspunde la toate întrebările posibile. Singura soluție este să construiți mai multe tabele, ceea ce duce la o abatere de la sursa de adevăr.

Întotdeauna caut “modelarea datelor de curgere a aerului” pentru a arăta oamenilor ce este cel mai bun scenariu pentru un strat de modelare și este complex. Sute de tabele care depind unele de altele.

Acesta a fost singurul mod. La WeWork, am vorbit cu mulți “unicorni” și am văzut aceeași situație pe care o confruntam. Am cheltuit milioane de dolari pe unelte de date. Am construit sute de modele. Datele erau în continuare pierdute și nu reușeau să răspundă la întrebări în timp util. Apoi, la fiecare 1-2 ani, reconstruiam sistemul folosind cele mai noi unelte, dar aceeași abordare.

Dacă fiecare companie care a implementat o schemă stea a ajuns să aibă nevoie să-și reconstruiască sistemul, atunci există o problemă cu cadrul.

Cum ați găsit o soluție mai bună pentru a lucra cu date?

Inițial, am luat inspirație din blogurile de date. Într-un blog, o companie poate spune o poveste despre un client și o analiză fără a arăta niciodată modelul său de date. Ei folosesc clienți care efectuează acțiuni în timp pentru a explica orice analiză a algoritmilor. În esență, acestea sunt toate concepte pe care toată lumea le înțelege (un utilizator a vizualizat site-ul web, apoi a programat o întâlnire). M-am întrebat de ce această structură nu a fost utilizată în date, dacă pare să aibă potențialul de a reprezenta orice. Răspunsul scurt este că această structură de date nu este cu adevărat interogabilă de către uneltele de business intelligence (nu există nimic de alăturat).

Modelul nostru de date, pe care îl numim schemă de activitate, părea să aibă potențialul de a schimba cu adevărat lumea. Acesta ar putea permite fiecărei companii să aibă un singur model de date care să poată răspunde la orice întrebare. Fiecare companie ar putea avea același model de date — astfel, analizele și algoritmii ar putea fi partajați între companii pentru prima dată. Și, în final, ar putea crea o modalitate comună pentru ca oamenii de date să lucreze împreună și să vorbească despre date.

Am crezut că acesta ar putea revoluționa industria datelor, așa că am părăsit WeWork în 2017 cu scopul de a face schema de activitate interogabilă.

Datele de ieșire ale Narrator sunt formate într-un mod diferit de ceea ce majoritatea dintre noi s-au obișnuit să vadă, puteți explica ce sunt Narativele și cum sunt formate ca o poveste?

Narativele sunt analize concrete într-un format de poveste.

Noi, ca oameni de date, suntem atât de obișnuiți cu tablourile de bord. Cu toate acestea, tablourile de bord sunt un mijloc pentru a ajunge la un scop. Tablourile de bord vă arată date și trebuie să le interpretați singuri:

1. Să înțelegeți cum să citiți sutele de diferite visualizări.
2. Să combinați datele în mintea dvs. pentru a înțelege ce se întâmplă cu adevărat.
3. Să creați o poveste în mintea dvs. care să aibă sens din piesele de date.
4. Să decideți o acțiune de întreprins.

Provocarea cu acest proces este că fiecare persoană care privește un tablou de bord va veni cu o poveste și o recomandare diferită. Acesta este un bias natural.

Scopul Narrator a fost de a impulsiona acțiunea pe baza datelor. Pe măsură ce am iterat, am văzut că clienții noștri aveau nevoie de povești și interpretări pentru a lua decizii și asta li s-a oferit.

Narativele încep cu un obiectiv clar. Ele fac o recomandare. Apoi vă arată principalele concluzii pe care le veți obține. În final, ele trec printr-o analiză. Fiecare secțiune spune o poveste despre ceva pe care îl învățăm și datele sunt folosite ca dovezi care susțin.

Ați arăta 100 de oameni aceeași Narativă și toți vor veni cu aceeași recomandare și interpretare.

Narativele înțeleg, de asemenea, că afacerea dvs. se schimbă, astfel încât ele sunt executate în mod constant la fiecare săptămână pentru a vedea dacă recomandările și interpretările sunt încă valabile și se vor actualiza în consecință.

După ce am trecut prin toată această învățare și am făcut Narativele aceste instrumente incredibile de acțiune, am realizat că majoritatea firmelor de consultanță importante au învățat, de asemenea, același lucru. McKinsey vă oferă prezentări și abordări similare, în loc de simple tablouri de bord. Ne străduim să oferim acest nivel de calitate la o fracțiune din preț.

Care sunt beneficiile utilizării Narrator pentru inginerii de date?

Inginerii de date sunt cei mai mari susținători ai noștri! Cred că este pentru că am început ca inginer de date, astfel încât Narrator a fost construit cu ei în minte.

În Narrator, modelarea datelor este foarte ușoară — pur și simplu mapați conceptele de la sursa de adevăr la modelul nostru de date. Rulăm o serie de teste pentru a ne asigura că va funcționa și apoi îl trimiteți în producție. Narrator se ocupă de migrare, sincronizare, asigurându-vă că totul este rapid și ușor.

În Narrator, puteți asambla rapid orice set de date doriți în câteva minute și îl puteți oferi oricui care îl solicită.

Am luat în considerare și toate lucrurile mici de care aveți nevoie și ne-am asigurat că le aveți:

• Transparență deplină în toate procesările și controlul de a pune pe pauză, anula, rula_acum, etc..
• Capacitatea de a pune alerte pe datele brute înainte și după transformare.
• Înregistrare completă a tuturor schimbărilor din interogare.
• Vizibilitate deplină pentru fiecare actualizare care are loc în tabel.
• 1 click pentru a materializa orice set de date sau pentru a-l trimite la Google sheet.
• Configurați repede webhooks pentru a trimite datele către orice sistem.
• Contactați suportul și veți primi un inginer de date care vă va ajuta.
• Fiecare interogare generată de Narrator este CITITĂ și transparentă.
• Debagați orice date cu cronologii rapide ale tuturor evenimentelor care au avut loc pentru un anumit client.
• Construiți 1 set de date și creați multiple agregări deasupra lui (nu este nevoie să copiați aceeași interogare într-un CTE).
• Dacă înlocuiți oricare dintre blocurile de construcție, atunci reconciliem toate datele dvs.

Există multe alte lucruri pe care inginerii de date le vor iubi!

Cât timp se economisește la generarea de rapoarte cu Narrator în comparație cu modelarea tradițională?

Onest, compararea Narrator cu modelarea tradițională este injust. În Narrator, toate datele dvs. sunt modelate într-o singură zi, în loc de luni de planificare, ca într-o schemă stea. Schimbările în Narrator sunt de risc scăzut și ușoare. Crearea oricărui tabel este instantanee în Narrator, deoarece nu trebuie să vă faceți griji dacă există o cheie externă pentru a le lega împreună.

În ceea ce privește analizele, Narrator are o bibliotecă de analize experte, scrise de mână, pe care le puteți rula instantaneu. Aceste analize sunt bine gândite, testate pe multiple companii, actualizate în funcție de schimbările din afacerea dvs., folosesc algoritmi pentru a interpreta datele și sunt prezentate frumos într-un format de poveste. Acest nivel de muncă este adesea realizat de echipe de oameni de date pe parcursul săptămânilor (ceea ce facem noi, dar o facem o singură dată și apoi o facem disponibilă instantaneu tuturor).

Există altceva pe care ați dori să-l împărtășiți despre Narrator?

Narrator este diferit.

Este un pic greu de înțeles cum și de ce funcționează, dar odată ce începeți să-l folosiți, va deveni clar și nu veți mai putea să vă întoarceți.

Sunt entuziasmat de lumea pe care Narrator o face posibilă și îi invit pe toți cei interesați să afle mai multe!

Împreună, putem lua decizii mai bune care vor crea o lume mai bună.

Mulțumim pentru acest interviu minunat, cititorii care doresc să afle mai multe despre Narrator.ai.