Лейтон Уэлч, технический директор и сооснователь Tracer – Интервью

Лейтон Уэлч является техническим директором и сооснователем Tracer. Tracer – это инструмент, основанный на искусственном интеллекте, который организует, управляет и визуализирует сложные наборы данных для более быстрого и действенного бизнес-анализа. До того, как стать техническим директором в Tracer, Лейтон был директором по потребительским инсайтам в SocialCode и вице-президентом по инженерии в VaynerMedia. Он провел свою карьеру, разрабатывая инновации в экосистеме рекламных технологий, запуская первую рекламу в Snapchat и консультируя по коммерческим API для некоторых из крупнейших платформ в мире. Лейтон окончил Гарвард в 2013 году, получив степень в области компьютерных наук и экономики.

Расскажите нам больше о вашем прошлом и о том, как ваши опыт в Гарварде, SocialCode и VaynerMedia вдохновили вас на создание Tracer?

Идея возникла decade назад. Детский друг позвонил мне в пятницу вечером. Он боролся с агрегацией данных из различных социальных платформ для одного из своих клиентов. Он подумал, что это можно автоматизировать, поэтому он попросил мою помощь, поскольку у меня был опыт в программной инженерии. Это было то, как я впервые познакомился со своим нынешним сооснователем, Джеффом Николсоном.

Это был наш момент озарения: количество денег, потраченных на эти кампании, намного превышало качество программного обеспечения, которое отслеживало эти расходы. Это был зарождающийся рынок с множеством применений в области науки о данных.

Мы продолжали разрабатывать программное обеспечение для аналитики, которое могло бы удовлетворять потребностям все более крупных и сложных медиа-кампаний. Когда мы работали над этой проблемой, мы разработали процесс – четкие шаги от получения разрозненных данных и их контекстуализации. Мы поняли, что процесс, который мы строили, можно было применить к любому набору данных – не только к рекламе – и это то, чем является Tracer сегодня: инструмент, основанный на искусственном интеллекте, который организует, управляет и визуализирует сложные наборы данных для более быстрого и действенного бизнес-анализа.

Мы помогаем демократизировать то, что значит быть “данными-ориентированной” организацией, автоматизируя шаги, необходимые для агрегации, подключения и организации разрозненных наборов данных по функциям, обеспечивая мощный бизнес-анализ через интуитивно понятные отчеты и визуализации. Это может означать подключение данных о продажах к вашему маркетинговому CRM, аналитику HR к тенденциям выручки и многое другое.

Можете ли вы объяснить, как платформа Tracer автоматизирует аналитику и революционизирует современный стек данных для своих клиентов?

Для простоты давайте определим аналитику как ответ на бизнес-вопрос с помощью программного обеспечения. В сегодняшнем ландшафте есть два подхода.

• Первый подход – покупка вертикального программного обеспечения. Для финансовых директоров это может быть Netsuite. Для директоров по продажам это может быть Salesforce . Вертикальное программное обеспечение отлично подходит, поскольку оно является комплексным, может быть высокоспециализированным и должно работать сразу после установки. Ограничением вертикального программного обеспечения является то, что оно вертикальное: если вы хотите, чтобы Netsuite общался с Salesforce, вы возвращаетесь к началу. Вертикальное программное обеспечение является полным, но оно не гибкое.
• Второй подход – покупка горизонтального программного обеспечения. Это может быть программное обеспечение для агрегации данных, другое программное обеспечение для хранения и третье программное обеспечение для анализа. Горизонтальное программное обеспечение отлично подходит, поскольку оно может справиться с几乎 всем. Вы можете агрегировать, хранить и анализировать данные из Salesforce и Netsuite через эту трубу. Ограничением горизонтального программного обеспечения является то, что его необходимо собрать, поддерживать и ничего не работает “из коробки”. Горизонтальное программное обеспечение является гибким, но оно не полное.

Мы предлагаем третий подход, создавая платформу, которая объединяет технологии, необходимые для отчетности о чем угодно, сделав ее доступной для работы сразу после установки без каких-либо инженерных ресурсов или технической нагрузки. Это гибко и полно. Tracer является самой мощной платформой на рынке, которая одновременно является агностической по отношению к приложениям и комплексной.

Tracer обработал около 10 петабайт данных в прошлом месяце. Как Tracer обрабатывает такой огромный объем данных эффективно?

Масштабируемость чрезвычайно важна в нашем мире, и она всегда была приоритетом в Tracer, даже в начале. Чтобы обработать такой объем данных, мы используем многие лучшие технологии и избегаем изобретения колеса, когда это не необходимо. Мы невероятно гордимся инфраструктурой, которую мы построили, но мы также довольно открыты для этого. Фактически, наша программа архитектуры описана на нашем сайте.

Мы говорим нашим партнерам следующее: это не то, что ваши внутренние инженерные команды не способны построить то, что мы построили; скорее, они не должны этого делать. Мы собрали части современного стека данных для вас. Фреймворк эффективен, проверен в бою и модулярен для нас, чтобы динамически эволюционировать с ландшафтом.

Многие партнеры приходят к нам, чтобы освободить инженерные ресурсы и сосредоточиться на более крупных стратегических инициативах. Они используют архитектуру Tracer как средство для достижения цели. Иметь базу данных не отвечает на бизнес-вопросы. Иметь конвейер ETL не отвечает на бизнес-вопросы. То, что действительно имеет значение, – это то, что вы можете сделать с этой инфраструктурой, когда она собрана. Это то, для чего мы построили Tracer – мы являемся вашим сокращением, чтобы получить ответы.

Почему вы считаете, что структурированные данные имеют решающее значение для искусственного интеллекта, и какие преимущества они предоставляют по сравнению с неструктурированными данными?

Структурированные данные имеют решающее значение для искусственного интеллекта, поскольку они позволяют осуществлять ручное взаимодействие человека, которое, по нашему мнению, является важным компонентом эффективных результатов. Однако в сегодняшней экосистеме мы лучше всего оснащены для использования информации из неструктурированных данных и ранее трудно доступных форматов (документов, изображений, видео и т. д.).

Итак, для нас это означает предоставление платформы, через которую можно включить дополнительный контекст от людей, которые наиболее знакомы с основными наборами данных, после того, как данные стали доступными. Другими словами, это неструктурированные данные → структурированные данные → контекстный движок Tracer → результаты, основанные на искусственном интеллекте. Мы занимаем промежуточное положение и позволяем более эффективную обратную связь и ручное вмешательство, когда это необходимо.

Какие проблемы возникают у компаний с неструктурированными данными, и как Tracer помогает преодолеть эти проблемы, чтобы улучшить качество данных?

Без платформы, подобной Tracer, проблема с неструктурированными данными заключается во всем в контроле. Вы подаете данные в модель, модель выдает ответы, и у вас есть очень мало возможностей оптимизировать, что происходит внутри черного ящика.

Скажем, например, вы хотите определить наиболее воздействующий контент в медиа-кампании. Tracer может использовать искусственный интеллект, чтобы помочь предоставить метаданные для всего контента, который был запущен в рекламе. Он также может использовать искусственный интеллект, чтобы предоставить аналитику последней мили для получения из высоко структурированного набора данных до этого ответа.

Но между ними наша платформа позволяет пользователям устанавливать связи между медиа-данными и набором данных, где живут результаты, более детально определять “воздействие” и очищать категоризации, выполненные искусственным интеллектом. По сути, мы абстрагировали и запродуктовали шаги, чтобы удалить черный ящик. Без искусственного интеллекта в Tracer необходимо гораздо больше работы, которую должен выполнить человек. Но без Tracer искусственный интеллект не может добиться такого же качества ответа.

Какие ключевые технологии, основанные на искусственном интеллекте, использует Tracer для улучшения своей платформы данных?

Вы можете рассматривать Tracer через три основных категории продукта: Источники, Контент и Выходы.

• Источники – это инструмент, используемый для автоматизации агрегации, мониторинга и контроля качества разрозненных данных.
• Контекст – это средство для организации данных после их агрегации.
• Выходы – это то, где вы можете ответить на бизнес-вопросы на основе контекстуализированных данных.

В Tracer мы не рассматриваем искусственный интеллект как замену любому из этих шагов; вместо этого мы рассматриваем искусственный интеллект как еще одну форму технологии, которую все три категории могут использовать для расширения того, что можно автоматизировать.

Например:

• Источники: Использование искусственного интеллекта для помощи в создании новых API-коннекторов к длиннохвостым источникам данных, недоступным через наш каталог партнеров.
• Контекст: Использование искусственного интеллекта для очистки метаданных перед выполнением тег-правил. Например, очистка вариаций названий публикаций на каждом языке.
• Выходы: Использование искусственного интеллекта в качестве замены для панелей, где бизнес-случай является исследовательским, а не фиксированным набором KPI, которые необходимо отчитать повторно.
• Искусственный интеллект позволяет нам достигать этих типов применения простым и доступным способом.

Каковы планы Tracer на будущее развитие и инновации в области интеллекта данных?

Tracer является агрегатором агрегаторов. Наши партнеры будут опираться на нас для конкретных применений внутри команд и функций или для использования в бизнес-аналитике на пересечении функций. Красота Tracer заключается в том, что будь вы используете нас для принятия лучших решений с вашими медиа-расходами и творчеством или строите панели для соединения разрозненных метрик от цепочки поставок до продаж и всего, что между ними, строительные блоки остаются последовательными.

Мы видим, что организации, которые ранее полагались на нас в одной области бизнеса (например, медиа и маркетинг), расширяют применения в других областях бизнеса. Итак, где наши основные клиенты ранее были старшими медиа-исполнителями или агентскими партнерами, сегодня мы работаем по всей организации, сотрудничая с техническими директорами, техническими директорами, учеными-данными и бизнес-аналитиками. Мы продолжаем развивать наши инструменты, чтобы удовлетворять все больше и больше применений и персон, одновременно гарантируя, что основные технологии масштабируемы, гибкие и доступны для неквалифицированных пользователей.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Tracer.