Лейтон Уэлч, технический директор и сооснователь Tracer – Серия 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, открывая новые горизонты в экосистеме рекламных технологий, запуская первую рекламу в Snapchat и консультируя по коммерческим API для некоторых из крупнейших платформ мира. 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 испытывал трудности с агрегацией данных из различных социальных платформ для одного из своих клиентов. Он подумал, что это можно автоматизировать, поэтому он попросил моей помощи, поскольку у меня был опыт в программной инженерии. Это было моим первым знакомством с моим нынешним сооснователем, Джеффом Николсоном.

У нас было озарение: количество денег, потраченных на эти кампании, намного опережало качество программного обеспечения, отслеживающего эти доллары. 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 решением проблемы, мы разработали процесс – четкие шаги от получения разрозненных данных и контекстуализации. Мы поняли, что процесс, который мы создавали, 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 “данные-ориентированной” организацией, автоматизируя шаги, необходимые для ингестии, подключения и организации разрозненных наборов данных по функциям, предоставляя 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 директора по продажам это может быть Salesforce. Вертикальное программное обеспечение отлично подходит, потому что оно является комплексным, может быть гиперспециализированным и должно работать сразу после установки. Ограничением вертикального программного обеспечения является то, что оно вертикальное: если вы хотите, чтобы Netsuite общался с Salesforce, вы снова начинаете с нуля. Вертикальное программное обеспечение является полным, но оно не гибкое.
• Второй подход – покупка горизонтального программного обеспечения. Это может быть одно программное обеспечение для ингестии данных, другое для хранения и третье для анализа. Горизонтальное программное обеспечение отлично подходит, потому что оно может справиться с几乎 всем. Вы можете, безусловно, ингестировать, хранить и анализировать данные как из Salesforce, так и из Netsuite через эту трубу. Ограничением является то, что его необходимо собрать, поддерживать, и ничего не работает “из коробки”. Горизонтальное программное обеспечение является гибким, но оно не полным.

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 технического ओवरхеда. Это гибко и полно. Tracer – это наиболее мощная платформа на рынке, которая является как приложением-агностиком, так и комплексной.

Tracer обработал около 10 петабайт данных в прошлом месяце. Как Tracer эффективно обрабатывает такое огромное количество данных?

Масштабируемость невероятно важна в нашем мире, и она всегда была приоритетом в Tracer, даже в начале. Чтобы обработать такой объем данных, мы используем много лучших в классе технологий и избегаем изобретения колеса там, где это не необходимо. Мы невероятно гордимся инфраструктурой, которую мы построили, но мы также довольно открыты для этого. На самом деле, наша архитектурная программа описана на нашем сайте.

Что мы говорим партнерам, это: не то, что ваши внутренние инженерные команды не способны построить то, что мы построили; скорее, они не должны этого делать. Мы собрали кусочки 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 важно, – это то, что вы можете сделать с этой инфраструктурой, когда она будет собрана. Вот почему мы построили Tracer – мы ваша сокращенная дорога к получению ответов.

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

Структурированные данные имеют решающее значение для ИИ, потому что они позволяют осуществлять ручное взаимодействие человека, которое, по нашему мнению, является важнейшим компонентом эффективных результатов. Однако в сегодняшней экосистеме мы фактически лучше оснащены, чем когда-либо, для использования выводов 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, как только эти данные будут доступны. Другими словами, это неструктурированные данные → структурированные данные → контекстный движок Tracer → выводы, основанные на ИИ. Мы сидим между ними 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 эффективный контент в медиа-кампании. Tracer может использовать ИИ, чтобы помочь предоставить метаданные для всего контента, который был запущен в рекламе. Он также может использовать ИИ, чтобы предоставить аналитику последней мили для получения от высоко структурированного набора данных к этому ответу.

Но между ними наша платформа позволяет пользователям устанавливать связи между медиа-данными и набором данных, где живут результаты, более детально определять “влияние” и очищать категоризации, сделанные ИИ. По сути, мы абстрагировали и запродуктизировали шаги, чтобы удалить черный ящик. Без ИИ есть много больше работы, которую должен сделать человек в Tracer. Но без Tracer ИИ не может получить тот же уровень качества ответа.

Какие некоторые из ключевых технологий, основанных на ИИ, которые использует Tracer для улучшения своей платформы данных-интеллекта?

Вы можете думать о Tracer как о трех основных категориях продукта: Источники, Контент и Выходы.

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

В Tracer мы не видим ИИ как замену для любого из этих шагов; скорее, мы видим ИИ как еще одну форму технологии, которую все три категории могут использовать для расширения того, что можно автоматизировать.

Например:

• Источники: Использование ИИ для помощи в создании новых коннекторов API для длиннохвостых источников данных, недоступных через наш каталог партнеров.
• Контекст: Использование ИИ для очистки метаданных перед запуском тег-правил. Например, очистка вариантов названий публикаций на каждом языке.
• Выходы: Использование ИИ в качестве замены для панелей управления, где деловой случай является исследовательским, а не фиксированным набором KPI, которые необходимо отчитывать повторно.
• ИИ позволяет нам достигать этих типов применения способами, которые одновременно просты и доступны.

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

Tracer – это агрегатор агрегаторов. Наши партнеры будут опираться на нас для конкретных применений в командах и функциях или для использования в бизнес-аналитике на уровне всей компании. Красота Tracer заключается в том, что, будь вы используете нас для принятия лучших решений с вашими медиа-расходами и творчеством или строите панели управления для подключения разрозненных метрик от цепочки поставок до продаж и всего, что между ними, строительные блоки остаются последовательными.

Мы видим, как организации, которые ранее полагались на нас в одной области бизнеса (например, медиа и маркетинг), расширяют применение в других областях бизнеса. Итак, где наши основные клиенты ранее были старшими медиа-исполнителями или агентскими партнерами, сегодня мы работаем на протяжении всей организации, сотрудничая с CIO, CTO, учеными-данными и бизнес-аналитиками. Мы продолжаем строить наши инструменты, чтобы удовлетворять все больше и больше применений и персон, сохраняя при этом основную технологию масштабируемой, гибкой и доступной для непрофессиональных пользователей.

Спасибо за отличный интервью. Читателям, которые хотят узнать больше, следует посетить Tracer.