Leighton Welch, CTO și co-fondator al Tracer – Seria de interviuri

Leighton Welch este CTO și co-fondator al Tracer. Tracer este un instrument bazat pe inteligență artificială care organizează, gestionează și vizualizează seturi de date complexe pentru a furniza informații de afaceri mai rapide și mai acționabile. Înainte de a deveni directorul tehnologic al Tracer, Leighton a fost directorul de insight-uri pentru consumatori la SocialCode și vicepreședinte pentru inginerie la VaynerMedia. El și-a petrecut cariera în ecosistemul de tehnologie publicitară, gestionând primul anunț Snapchat și consultând API-uri comerciale pentru unele dintre cele mai mari platforme din lume. Leighton a absolvit Harvard în 2013, cu o diplomă în științe computaționale și economie.

Puteți să ne spuneți mai multe despre fundalul dvs. și despre cum experiențele dvs. de la Harvard, SocialCode și VaynerMedia v-au inspirat să co-fondați Tracer?

Idea originală a apărut acum un deceniu. Un prieten de copilărie m-a sunat într-o seară de vineri. El se lupta cu agregarea datelor de pe diverse platforme sociale pentru unul dintre clienții săi. El a considerat că acest proces ar putea fi automatizat, așa că m-a rugat să-l ajut, deoarece aveam o experiență în inginerie software. Așa am fost introdus pentru prima dată în echipa mea actuală, alături de Jeff Nicholson.

Acesta a fost momentul nostru de revelație: cantitatea de bani cheltuiți pe aceste campanii depășea calitatea software-ului care urma să le urmărească. A fost o piață în curs de dezvoltare, cu multe aplicații în știința datelor.

Am continuat să construim software de analize care să poată satisface nevoile unor campanii media din ce în ce mai mari și mai complexe. Pe măsură ce am lucrat la rezolvarea problemei, am dezvoltat un proces – pași clari pentru a obține datele disparate și a le contextualiza. Am realizat că procesul pe care îl construiam putea fi aplicat oricărui set de date – nu numai publicității – și acesta este ceea ce reprezintă Tracer astăzi: un instrument bazat pe inteligență artificială care organizează, gestionează și vizualizează seturi de date complexe pentru a furniza informații de afaceri mai rapide și mai acționabile.

Ajutăm la democratizarea a ceea ce înseamnă a fi o organizație “bazată pe date” prin automatizarea pașilor necesari pentru a ingera, conecta și organiza seturi de date disparate între funcții, oferind informații de afaceri puternice prin raportări și vizualizări intuitive. Acest lucru poate însemna conectarea datelor de vânzări la CRM-ul de marketing, analizele de resurse umane la tendințele de venituri și multe alte aplicații.

Puteți să explicați cum platforma Tracer automatizează analizele și revoluționează stiva de date moderne pentru clienții săi?

Pentru simplificare, să definim analizele ca răspunsul la o întrebare de afaceri prin software. În peisajul actual, există două abordări.

• Prima constă în cumpărarea de software vertical. Pentru directorii financiari, acesta ar putea fi Netsuite. Pentru directorii de vânzări, acesta ar putea fi Salesforce . Software-ul vertical este excelent, deoarece este complet, poate fi specializat și ar trebui să funcționeze imediat. Limitarea software-ului vertical este că este vertical: dacă doriți ca Netsuite să comunice cu Salesforce, sunteți înapoi la punctul de plecare. Software-ul vertical este complet, dar nu este flexibil.
• Cea de-a doua abordare constă în cumpărarea de software orizontal. Acesta ar putea fi un software pentru ingestia de date, altul pentru stocare și al treilea pentru analiză. Software-ul orizontal este excelent, deoarece poate gestiona aproape orice. Ați putea ingera, stoca și analiza atât datele Salesforce, cât și cele Netsuite, prin acest pipeline. Limitarea este că trebuie să fie asamblat, întreținut și nimic nu funcționează “imediat”. Software-ul orizontal este flexibil, dar nu este complet.

Noi oferim o a treia abordare, creând o platformă care combină tehnologiile necesare pentru a raporta orice, făcându-le accesibile suficient de mult pentru a funcționa imediat, fără resurse de inginerie sau overhead tehnic. Este flexibil și complet. Tracer este cea mai puternică platformă de pe piață care este atât agnostică la aplicații, cât și completă.

Tracer a procesat aproximativ 10 petabiți de date în luna trecută. Cum gestionează Tracer o cantitate atât de mare de date în mod eficient?

Scalabilitatea este incredibil de importantă în lumea noastră și a fost întotdeauna o prioritate la Tracer, chiar de la început. Pentru a procesa acest volum de date, utilizăm multe tehnologii de clasă mondială și evităm să reinventăm roata acolo unde nu este necesar. Suntem foarte mândri de infrastructura pe care am construit-o, dar suntem și destul de deschiși în legătură cu aceasta. De fapt, programul nostru de arhitectură este prezentat pe site-ul nostru.

Ce spunem partenerilor noștri este următorul lucru: Nu este vorba despre faptul că echipele dvs. de ingineri interni nu sunt capabile să construiască ceea ce am construit noi; mai degrabă, nu ar trebui să fie nevoiți să o facă. Am asamblat piesele stivei de date moderne pentru dvs. Cadru este eficient, testat în luptă și modular pentru a evolua dinamic cu peisajul.

Mulți parteneri vin la noi căutând să elibereze resurse de inginerie pentru a se concentra pe inițiative strategice mai mari. Ei utilizează arhitectura Tracer ca mijloc pentru a ajunge la un anumit scop. A avea o bază de date nu răspunde la întrebări de afaceri. A avea un pipeline ETL nu răspunde la întrebări de afaceri. Ceea ce contează cu adevărat este ceea ce puteți face cu acea infrastructură odată ce a fost asamblată. De aceea am construit Tracer – suntem scurtătura dvs. pentru a obține răspunsuri.

De ce credeți că datele structurate sunt critice pentru inteligența artificială și care sunt avantajele pe care le oferă față de datele nestructurate?

Datele structurate sunt critice pentru inteligența artificială, deoarece permit interacțiunea umană manuală, pe care o considerăm un component esențial pentru ieșiri eficiente. Cu toate acestea, în ecosistemul actual, suntem mai bine echipați ca niciodată pentru a valorifica insight-urile din datele nestructurate și formatele greu de accesat anterior (documente, imagini, videoclipuri etc.).

Așa că, pentru noi, este vorba despre a oferi o platformă prin care să se poată incorpora contextul suplimentar de la persoanele care sunt cel mai familiarizate cu seturile de date subiacente, odată ce aceste date au fost făcute accesibile. Cu alte cuvinte, este vorba despre date nestructurate → date structurate → motorul de context Tracer → ieșiri bazate pe inteligență artificială. Ne situăm între ele și permitem un buclă de feedback mai eficient și intervenție manuală, acolo unde este necesar.

Care sunt provocările cu care se confruntă companiile în legătură cu datele nestructurate și cum ajută Tracer să depășească aceste provocări pentru a îmbunătăți calitatea datelor?

Fără o platformă precum Tracer, provocarea cu datele nestructurate este una de control. Încărcați datele în model, modelul oferă răspunsuri și aveți foarte puține oportunități de a optimiza ceea ce se întâmplă în interiorul cutiei negre.

Să zicem, de exemplu, că doriți să determinați conținutul cel mai impactant dintr-o campanie media. Tracer ar putea utiliza inteligența artificială pentru a oferi metadate pentru toate conținuturile care au fost rulate în reclame. De asemenea, ar putea utiliza inteligența artificială pentru a oferi analize de ultimă milă pentru a ajunge de la un set de date structurat la acel răspuns.

Însă, între timp, platforma noastră permite utilizatorilor să tragă legături între datele media și setul de date în care trăiesc rezultatele, să definească mai granular “impactant” și să curățe categoriile realizate de inteligența artificială. Esențial, am abstractizat și produsizat pașii, pentru a elimina cutia neagră. Fără inteligență artificială, există mult mai multă muncă care trebuie făcută de către om în Tracer. Dar fără Tracer, inteligența artificială nu poate ajunge la același nivel de calitate a răspunsului.

Care sunt unele dintre tehnologiile bazate pe inteligență artificială pe care le utilizează Tracer pentru a îmbunătăți platforma sa de inteligență a datelor?

Puteți considera Tracer ca având trei categorii de produse de bază: Surse, Conținut și Ieșiri.

• Surse este un instrument utilizat pentru a automatiza ingestia, monitorizarea și controlul calității datelor disparate.
• Context este un strat semantic de tip “drag and drop” pentru organizarea datelor după ce au fost ingerate.
• Ieșiri este locul în care puteți răspunde la întrebări de afaceri pe baza datelor contextualizate.

La Tracer, nu considerăm inteligența artificială ca o înlocuire a acestor pași; mai degrabă, o considerăm o altă formă de tehnologie pe care toate aceste categorii o pot valorifica pentru a extinde ceea ce poate fi automatizat.

De exemplu:

• Surse: Utilizarea inteligenței artificiale pentru a ajuta la construirea de noi conectori API pentru surse de date de coadă lungă care nu sunt disponibile prin catalogul nostru de parteneri.
• Context: Utilizarea inteligenței artificiale pentru a curăța metadatele înainte de a rula reguli de etichetare. De exemplu, curățarea variilor de nume de publicații în toate limbile.
• Ieșiri: Utilizarea inteligenței artificiale ca înlocuire pentru tablouri de bord în cazul în care cazul de utilizare al afacerii este exploratoriu, mai degrabă decât un set fix de indicatori de performanță care trebuie raportați în mod repetat.
• Inteligența artificială ne permite să atingem aceste tipuri de aplicații în moduri atât simple, cât și accesibile.

Care sunt planurile Tracer pentru dezvoltarea și inovarea viitoare în spațiul inteligenței datelor?

Tracer este un agregator de agregatori. Partenerii noștri se vor baza pe noi pentru aplicații specifice în cadrul echipelor și funcțiilor sau pentru utilizarea în inteligență de afaceri transfuncțională. Frumusețea Tracer constă în faptul că, indiferent dacă utilizați Tracer pentru a lua decizii mai bune cu privire la cheltuielile dvs. media și creative sau pentru a construi tablouri de bord pentru a lega metrici disparate de la lanțul de aprovizionare la vânzări și totul între ele, blocurile de construcție sunt consistente.

Ne confruntăm cu organizații care, anterior, se bazau pe noi într-o singură zonă a afacerii (de exemplu, media și marketing), care extind aplicațiile în alte părți ale afacerii. Așa că, în timp ce clienții noștri principali erau anterior directori seniori de media sau parteneri de agenție, în prezent lucrăm în întreaga organizație, colaborând cu directori de informatică, directori tehnici, oameni de știință din domeniul datelor și analiști de afaceri. Ne continuăm să construim instrumentele noastre pentru a acoperi tot mai multe aplicații și personaje, asigurându-ne în același timp că tehnologia noastră de bază este scalabilă, flexibilă și accesibilă pentru utilizatorii non-tehnici.

Mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre Tracer ar trebui să viziteze Tracer.