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

Leighton Welch Tracer’in 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 etkili iş zekası sağlar. Tracer’de Chief Technology Officer olmadan önce Leighton, SocialCode’da Tüketici Bilgileri Direktörü ve VaynerMedia’de Mühendislik Başkan Yardımcısı olarak görev yaptı. Kariyeri boyunca reklam teknolojileri ekosisteminde öncülük yaptı, ilk Snapchat reklamını yönetti ve dünyanın en büyük platformları için ticari API’ler hakkında danışmanlık yaptı. Leighton, 2013 yılında Harvard Üniversitesi’nden Bilgisayar Bilimi ve Ekonomi bölümünden mezun oldu.

Hakkınızda daha fazla bilgi verebilir misiniz ve Harvard, SocialCode ve VaynerMedia’deki deneyimlerinizin Tracer’i kurmanıza nasıl ilham verdiğini anlatır mısınız?

Asıl fikir on yıl önce ortaya çıktı. Bir çocukluk arkadaşım cuma akşamı beni aradı. Bir müşterisi için çeşitli sosyal platformlar üzerinden veri toplamakta zorlanıyordu. Bu işin otomatikleştirilebileceğini düşündü ve yardımımı istedi çünkü ben yazılım mühendisliği geçmişim vardı. İşte bu şekilde şimdi kurucu ortakım olan Jeff Nicholson ile tanıştım.

Bu bizim aydınlanma anımızdı: Bu kampanyalara harcanan para miktarı, bu paraları takip eden yazılımın kalitesini çok geride bıraktı. Bu, çok fazla uygulama olan yeni bir pazardı ve veri biliminde büyük bir potansiyele sahipti.

Her geçen gün daha büyük ve daha karmaşık medya kampanyalarının ihtiyaçlarını karşılayabilecek analiz yazılımları geliştirmeye devam ettik. Bu sorunu çözmeye çalışırken, bir süreç geliştirdik – verilerin alındığı, bağlamsallaştırıldığı ve organize edildiği adımlar açık bir şekilde belirlendi. Geliştirdiğimiz sürecin sadece reklamcılık için değil, herhangi bir veri kümesi için uygulanabileceğini fark ettik ve işte Tracer bugün budur: Karmaşık veri kümelerini organize etmek, yönetmek ve görselleştirmek için kullanılan bir AI destekli araç ve böylece daha hızlı ve daha etkili iş zekası sağlar.

Veri odaklı bir organizasyon olmanın anlamını demokratikleştirmeye yardımcı oluyoruz, çünkü farklı bölümler arasında dağıtılmış veri kümelerini otomatikleştirmek, bağlamsallaştırmak ve organize etmek için gereken adımları sağlıyoruz ve böylece kullanıcı dostu raporlama ve görselleştirme yoluyla güçlü iş zekası sunuyoruz. Bu, satış verilerini pazarlama CRM’ye, insan kaynakları analizlerini gelir eğilimlerine bağlamak ve daha birçok uygulama anlamına gelebilir.

Tracer 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 temel yaklaşım var.

• İlki dikey yazılımları satın almaktır. CFO’lar için bu, Netsuite olabilir. CRO için bu, Salesforce olabilir. Dikey yazılımlar harika çünkü uçtan uca çalışırlar, çok uzmanlaşmış olabilirler ve kutudan çıkarken çalışmaya hazır olmalıdırlar. Dikey yazılımların sınırlaması, dikey olmalarıdır: Netsuite ile Salesforce’i konuşmak istiyorsanız, baştan başlamanız gerekir. Dikey yazılımlar tamamlanmıştır, ancak esnek değildir.
• İkinci yaklaşım, yatay yazılımları satın almaktır. Bu, veri alımı için bir yazılım, depolama için başka bir yazılım ve analiz için üçüncü bir yazılımdır. Yatay yazılımlar harika çünkü几乎 her şeyi işleyebilirler. Salesforce ve Netsuite verilerinizi bu kanal aracılığıyla alabilir, depolayabilir ve analiz edebilirsiniz. Sınırlaması, bunların bir araya getirilmesi, bakımı ve hiçbir şeyin kutudan çıkarken çalışmamasıdır. Yatay yazılımlar esnektir, ancak tamamlanmıştır.

Biz üçüncü bir yaklaşım sunuyoruz, çünkü gerekli teknolojileri bir araya getiren ve kutudan çıkarken çalışmaya hazır olan bir platform yaratıyoruz. Esnek ve tamamlanmıştır. Tracer, uygulamadan bağımsız ve uçtan uca çalışan en güçlü platformdur.

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

Ölçek bizim dünyamızda çok önemlidir ve Tracer’de başlangıçtan beri her zaman bir öncelik olmuştur. Bu hacimli veriyi işlemek için, en iyi teknolojileri kullanıyoruz ve tekerleği yeniden icat etmiyoruz. Geliştirdiğimiz altyapıyı gurur duyuyoruz, ancak aynı zamanda açık olduğumuz için de gurur duyuyoruz. Aslında, mimari programımız web sitemizde açıklanmıştır.

İş ortaklarımıza şunları söylüyoruz: İç mühendislik ekiplerinizin bunu inşa edebilecek yeteneklere sahip olmadığını söylemiyoruz, ancak bunu yapmalarına gerek olmadığını söylüyoruz. Modern veri yığınının parçalarını sizin için bir araya getirdik. Çerçeve verimli, test edilmiş ve manzara ile dinamik olarak evrimleşmemizi sağlayan modüler bir yapıya sahiptir.

Çok sayıda iş ortağı, mühendislik kaynaklarını daha büyük stratejik girişimlere odaklamak için serbest bırakmak amacıyla bize gelir. Tracer’in mimarisini bir araç olarak kullanıyorlar. Bir veritabanına sahip olmak, iş sorularını cevaplamaz. Bir ETL kanalına sahip olmak, iş sorularını cevaplamaz. Önemli olan, altyapıyı bir araya getirdikten sonra neler yapabileceğinizdir. İşte bu nedenle Tracer’i inşa ettik – size cevaplara ulaşmak için bir kısayol sunuyoruz.

Neden yapılandırılmış verilerin AI için kritik olduğunu düşünüyorsunuz ve yapılandırılmış verilerin yapılandırılmamış verilere göre avantajları nelerdir?

Yapılandırılmış veriler, AI için kritiktir çünkü insan etkileşimine izin verir, bu da etkili çıktılar için gerekli bir bileşendir. Ancak günümüz ekosisteminde, yapılandırılmamış verilerin içgörülerini ve daha önce erişilemeyen formatları (belgeler, resimler, videolar vb.) kullanmak için daha iyi donanımlıyız.

Bizim için bu, insanların en çok tanıdığı temel veri kümelerinden ek bağlamı dahil edebileceğimiz bir platform sunmaktan ibarettir. Yani, yapılandırılmamış veri → yapılandırılmış veri → Tracer’in bağlam motoru → AI tarafından üretilen çıktılar. Arada yer alırız ve daha etkili bir geri bildirim döngüsü sağlar ve gerektiğinde manuel müdahaleye izin veririz.

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 içinde neler olduğu konusunda çok az fırsat olur. Örneğin, bir medya kampanyasındaki en etkili içeriği belirlemek istiyorsunuz. Tracer, AI’ı kullanarak reklamda kullanılan tüm içerik için meta veriler sağlamak için kullanabilir. Ayrıca, son mil analizi için yüksek yapılandırılmış bir veri kümesinden cevaba ulaşmak için AI’ı kullanabilir.

Ancak arada, platformumuz kullanıcıların medya verilerini sonuçların yaşadığı veri kümesiyle bağlamasını, “etkili”yi daha granüler bir şekilde tanımlamasını ve AI tarafından yapılan kategorileştirmeyi temizlemesini sağlar. Aslında, siyah kutuyu kaldırdık. AI olmadan, Tracer’de insan tarafından daha fazla iş yapılması gerekir. Ancak Tracer olmadan, AI aynı kaliteye ulaşamaz.

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

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

• Kaynaklar, farklı veri kaynaklarından veri alımı, izleme ve kalite kontrolü için kullanılan bir araçtır.
• Bağlam, alınan verilerin organize edilmesi için kullanılan bir sürükle ve bırak semantic katmanıdır.
• Çıktılar, bağlamsallaştırılmış verilerin üzerinden iş sorularını cevaplamak için kullanılan alandır.

Tracer’de AI’ı, bu adımların herhangi birini yerine koymak için değil, bu kategorilerin her birini genişletmek için kullanılan bir teknoloji olarak görüyoruz.

Örneğin:

• Kaynaklar: AI’ı, katalogumuzda mevcut olmayan uzun kuyruklu veri kaynaklarına yeni API konektörleri oluşturmak için kullanıyoruz.
• Bağlam: AI’ı, etiket kurallarını çalıştırmadan önce meta verileri temizlemek için kullanıyoruz. Örneğin, her dildeki yayıncı adlarının varyasyonlarını temizlemek.
• Çıktılar: AI’ı, iş kullanımı sabit KPI’ler yerine keşif odaklı olan panellerin yerine kullanıyoruz.
• AI, bu tür uygulamaları basit ve erişilebilir bir şekilde gerçekleştirmemizi sağlar.

Tracer’in veri zekası alanında gelecekteki geliştirme ve inovasyon planları nelerdir?

Tracer, agregatörlerin agregatörüdür. İş ortaklarımız, belirli uygulamalar için takımlar ve işlevler veya çapraz fonksiyonel iş zekası için bize güvenecekler. Tracer’in güzelliği, medya harcamaları ve yaratıcı çalışmalar için daha iyi kararlar almak veya tedarik zinciri ile satış arasındaki metrikleri birleştirmek için bizi kullanıyor olmanız ya da aralarında her şeyi kullanıyor olmanızdır – temel bileşenler tutarlıdır.

Örgütler, daha önce yalnızca bir alanda bize güvendikleri halde (örneğin, medya ve pazarlama), şimdi uygulamaları işin diğer alanlarına genişletiyorlar. Böylece, birincil müşterilerimiz daha önce senior medya yöneticileri veya ajans ortaklarıydı, şimdi ise CIO’lar, CTO’lar, veri bilimcileri ve iş analistleriyle çalışıyoruz. Araçlarımızı, daha fazla uygulama ve kişilere hitap etmek için geliştirmeye devam ediyoruz ve 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‘i ziyaret edebilir.