Leighton Welch, Tracer’ın CTO ve Kurucu Ortağı – Röportaj Serisi

Leighton Welch Tracer’ın CTO ve kurucu ortağıdır. Tracer karmaşık veri kümelerini organize etmek, yönetmek ve görselleştirmek için kullanılan bir AI destekli araçtır ve böylece daha hızlı ve daha eyleme geçirilebilir iş zekası sağlar. Tracer’da Chief Technology Officer olmadan önce, Leighton SocialCode’da Tüketici Bilgileri Direktörü ve VaynerMedia’de Mühendislik Başkan Yardımcısı olarak görev yaptı. Kariyerini reklam teknolojileri ekosisteminde öncü olarak geçirdi ve dünyanın en büyük platformlarından bazıları için ticari API’ler hakkında danışmanlık yaptı. Leighton, 2013 yılında Harvard’dan Bilgisayar Bilimi ve Ekonomi bölümünden mezun oldu.

Sizi daha iyi tanıyabilir miyiz? Harvard, SocialCode ve VaynerMedia’deki deneyimleriniz size Tracer’ı kurma fikrini nasıl verdi?

Aslında bu fikir on yıl önce ortaya çıktı. Çocukluk arkadaşım bir Cuma akşamı beni aradı ve bir müşterisi için çeşitli sosyal platformlardaki verileri toplarken zorlanıyordu. Bu işin otomatikleştirilebileceğini düşündü ve yardım için bana başvurdu çünkü ben yazılım mühendisliği geçmişim vardı. İşte böylelikle şimdi ortak kurucu olduğum Jeff Nicholson ile tanıştım.

Bu, bizim için aydınlatıcı bir an oldu: Kampanyalara harcanan para miktarı, bu paraları takip eden yazılımın kalitesini çok geride bıraktı. Bu, tonla uygulama olan yeni bir pazardı.

Her geçen gün daha büyük ve daha karmaşık medya kampanyalarının ihtiyaçlarını karşılayabilecek analiz yazılımları geliştirmeye devam ettik. Probleme doğru yönde ilerledikçe, açık adımlardan oluşan bir süreç geliştirdik – verilerin alındığı, bağlamsallaştırıldığı adımlar. Bu sürecin herhangi bir veri kümesi için, sadece reklamcılık için değil, uygulanabileceğini fark ettik ve bu, Tracer’ın bugünkü hali: Karmaşık veri kümelerini organize etmek, yönetmek ve görselleştirmek için kullanılan bir AI destekli araç ve böylece daha hızlı, daha eyleme geçirilebilir iş zekası sağlar.

Veri odaklı bir organizasyon olmanın anlamını demokratikleştirmeye yardımcı oluyoruz, çünkü fonksiyonlar arasında farklı veri kümelerini algoritmalara bağlamak ve organize etmek için gereken adımları otomatikleştirmekteyiz. Bu, satış verilerini pazarlama CRM’ye, HR analitiklerini gelir trendlerine ve daha birçok uygulamaya bağlamak anlamına gelebilir.

Tracer’ın platformunun analitikleri nasıl otomatikleştirdiğini ve müşterileri için modern veri yığınını nasıl devrimleştirdiğini açıklar mısınız?

Basitlik için, analitiği bir iş sorusunu yazılım aracılığıyla cevaplamak olarak tanımlayalım. Bugün iki yaklaşım var.

• İlki dikey yazılımları satın almaktır. CFO’lar için bu, Netsuite olabilir. CRO için bu, Salesforce olabilir. Dikey yazılım mükemmel çünkü uçtan uca, çok uzmanlaşmış olabilir ve kutudan çıkarken çalışmalıdır. Dikey yazılımların sınırlaması, dikey olmasıdır: Netsuite ile Salesforce’i konuşmak istiyorsanız, tekrar sıfırdan başlıyorsunuz. Dikey yazılım tamamlanmış, ancak esnek değil.
• İkinci yaklaşım, yatay yazılımları satın almaktır. Bu, veri alımı için bir yazılım, depolama için başka bir yazılım ve analiz için üçüncü bir yazılımdır. Yatay yazılım mükemmel çünkü几乎 her şeyi işleyebilir. Kesinlikle Salesforce ve Netsuite verilerinizi bu kanal aracılığıyla alabilir, depolayabilir ve analiz edebilirsiniz. Yatay yazılımların sınırlaması, bir araya getirilmesi, bakımı ve hiçbir şeyin kutudan çıkarken çalışmaması gerektiğidir. Yatay yazılım esnek, ancak tamamlanmış değil.

Biz üçüncü bir yaklaşım sunuyoruz, gerekli teknolojileri bir araya getiren ve erişilebilir kılan bir platform oluşturuyoruz, böylece mühendislik kaynaklarına veya teknik altyapıya gerek kalmadan kutudan çıkarken çalışır. Esnek ve tamamlanmış. Tracer, piyasadaki en güçlü, hem uygulama açısından tarafsız hem de uçtan uca çalışan platformdur.

Tracer geçen ay yaklaşık 10 petabayt veri işledi. Tracer bu kadar büyük miktarda veriyi nasıl verimli bir şekilde işler?

Ölçek, bizim dünyamızda son derece önemlidir ve Tracer’da her zaman öncelik olmuştur. Bu hacimli veriyi işlemek için, en iyi teknolojileri kullanıyoruz ve tekerleği yeniden icat etmiyoruz. Altyapımızı gurur duyuyoruz, ancak aynı zamanda bunu paylaşmaya da açığız. Aslında, mimari programımız web sitemizde açıklanmıştır.

İş ortaklarımıza söylediğimiz şey şudur: İç mühendislik ekiplerinizin bunu inşa edecek yetenekte olmadığı değil, bunu inşa etmeleri gerekmediğidir. Modern veri yığınının parçalarını sizin için bir araya getirdik. Çerçeve, verimli, test edilmiş ve dinamik olarak gelişmemize olanak tanıyan modüler bir yapıya sahiptir.

Birçok iş ortağı, mühendislik kaynaklarını daha büyük stratejik girişimlere odaklamak için bize gelir. Tracer’ın mimarisini bir araç olarak kullanıyorlar. Bir veritabanına sahip olmak, iş sorularını cevaplamaz. Bir ETL kanalına sahip olmak, iş sorularını cevaplamaz. Gerçekten önemli olan şey, altyapıyı bir araya getirdikten sonra yapabileceğiniz şeydir. İşte bu yüzden Tracer’ı inşa ettik – sizin cevaplara ulaşmak için bir kısayoluz.

Neden yapılandırılmış verilerin AI için kritik olduğunu düşünüyorsunuz ve yapılandırılmış veriler, yapılandırılmamış verilere göre ne tür avantajlar sağlar?

Yapılandırılmış veriler, AI için kritiktir çünkü elle insan etkileşimine olanak tanır, bu da etkili çıktılar için gerekli bir bileşen olduğuna inanıyoruz. Ancak günümüz ekosisteminde, aslında daha önce erişilemeyen formatlardaki (belgeler, resimler, videolar vb.) yapılandırılmamış verilerdeki içgörülerden yararlanmak için daha iyi donanımlıyız.

Bu nedenle, bizim için bu, insanların altta yatan veri kümeleriyle en çok ilgili olduğu kişiler tarafından ek bağlamın dahil edilebileceği bir platform sağlamaktır. Diğer bir deyişle, bu yapılandırılmamış veri → yapılandırılmış veri → Tracer’ın bağlam motoru → AI destekli çıktılara dönüşür. Arada oturup daha etkili bir geri bildirim döngüsü ve gerektiğinde manuel müdahale için olanak tanır.

Şirketler yapılandırılmamış verilerle hangi zorluklarla karşılaşıyor ve Tracer bu zorlukların üstesinden gelerek veri kalitesini nasıl geliştiriyor?

Tracer gibi bir platform olmadan, yapılandırılmamış verilerle ilgili zorluk, kontrol meselesidir. Verileri modele beslersiniz, model cevaplar üretir ve siyah kutu içindeki neler olduğu konusunda çok az opportunityınız olur.

Örneğin, bir medya kampanyasındaki en etkili içeriği belirlemek isteyelim. Tracer, AI’ı kullanarak reklam verilen tüm içerik için meta veri sağlayabilir. Ayrıca, son mil analitiklerine yardımcı olmak için highly yapılandırılmış bir veri kümesinden bu cevaba ulaşmak için AI’ı kullanabilir.

Ancak aralarda, platformumuz kullanıcıların medya verilerini ve sonuçların yaşadığı veri kümesi arasındaki bağlantıları daha granüler bir şekilde tanımlamasına, “etkili”yi temizlemesine ve AI tarafından yapılan kategorileştirmeleri temizlemesine olanak tanır. Esasen, adımları soyutladık ve ürünleştirdik, böylece siyah kutuyu kaldırdık. AI olmadan, Tracer’da insan tarafından çok daha fazla iş yapılması gerekir. Ancak Tracer olmadan, AI aynı kalitede bir cevap veremez.

Tracer, veri zekası platformunu geliştirmek için hangi AI tabanlı teknolojileri kullanıyor?

Tracer’ı üç temel ürün kategorisi olarak düşünebilirsiniz: Kaynaklar, İçerik ve Çıktılar.

• Kaynaklar, çeşitli veri kaynaklarının alındığı, izlendiği ve kalite güvencesinin sağlandığı bir araçtır.
• Bağlam, alındıktan sonra verilerin organize edildiği bir sürükle ve bırak semantik katmanıdır.
• Çıktılar, bağlamsallaştırılmış veriler üzerinde iş sorularını cevaplayabileceğiniz yerdir.

Tracer’da AI’ı, bu adımların herhangi birini değiştirmek için değil, bu adımların hepsini genişletmek için kullanıyoruz.

Örneğin:

• Kaynaklar: AI’ı, kataloğumuzdaki uzun kuyruklu veri kaynaklarına yeni API konektörleri oluşturmak için kullanıyoruz.
• Bağlam: AI’ı, etiket kurallarını çalıştırmadan önce meta verilerini temizlemek için kullanıyoruz. Örneğin, her dilde yayımlama adlarının varyasyonlarını temizliyoruz.
• Çıktılar: AI’ı, iş kullanımı değişken olan, sabit KPI’ları tekrar tekrar raporlamak yerine keşif niteliğinde olan panellerin yerine kullanıyoruz.
• AI, bu tür uygulamaları basit ve erişilebilir bir şekilde gerçekleştirmemizi sağlar.

Tracer’ın veri zekası alanındaki gelecekteki geliştirme ve inovasyon planları nelerdir?

Tracer, agregatörlerin agregatörüdür. İş ortaklarımız, belirli uygulamalar için veya iş fonksiyonları ve iş zekası için bize güveniyorlar. Tracer’ın güzelliği, medyaya ve yaratıcıya daha iyi kararlar vermeniz veya tedarik zincirinden satışlara ve aradaki her şeye bağlanan paneller oluşturmanız için bizi kullanmanızın, aynı yapı taşlarını kullanmanızdır.

Bir zamanlar yalnızca medyada ve pazarlamada bizimle çalışan şirketlerin, artık işin diğer bölümlerinde de uygulamaları genişlettiğini görüyoruz. Bu nedenle, ilk müşterilerimiz senior medya yöneticileri veya ajans ortaklarıydı, şimdi tüm organizasyonla çalışıyoruz, CIO’lar, CTO’lar, veri bilimcileri ve iş analistleriyle ortaklık kuruyoruz. Araçlarımızı daha fazla uygulama ve kişilere hitap edecek şekilde geliştirmeye devam ediyoruz, aynı zamanda temel teknolojinin ölçeklenebilir, esnek ve teknik olmayan kullanıcılar için erişilebilir olmasını sağlıyoruz.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Tracer sitesini ziyaret edebilir.