Ahmed Elsamadisi, Người sáng lập & CEO của Narrator.ai – Series Phỏng vấn

Ahmed Elsamadisi là Người sáng lập & CEO của Narrator.ai, một công ty thông minh dữ liệu cung cấp thông tin chi tiết có thể hành động được cho những người ra quyết định.

Ahmed bắt đầu sự nghiệp tại Phòng thí nghiệm Hệ thống Tự động của Cornell, tập trung vào tương tác giữa con người và robot cũng như hợp nhất dữ liệu Bayesian và xây dựng thuật toán cho xe tự động.

Điều gì ban đầu thu hút bạn đến với Trí tuệ nhân tạo và khoa học dữ liệu?

Tôi yêu thích cách mọi người đưa ra quyết định. Bắt đầu từ tâm lý học, đến kỹ thuật xã hội và cuối cùng là cách chúng ta lý luận về sự không chắc chắn. Điều này dẫn tôi đến việc tìm hiểu toán học Bayesian và thế giới bắt đầu có ý nghĩa hơn. Tôi quyết định bắt đầu một hành trình để sao chép cách chúng ta đưa ra quyết định.

Bạn đã có một sự nghiệp đáng kinh ngạc, bao gồm cả việc làm việc tại Phòng thí nghiệm Hệ thống Tự động của Cornell, bạn có thể chia sẻ một số điểm nổi bật từ thời gian đó không?

Cornell’s ASL là một nơi thú vị! Từ xe tự động của chúng tôi đến một đội robot di động, tôi đã có cơ hội xây dựng, lập trình và thử nghiệm thuật toán và phần cứng trong môi trường thực tế. Khoảnh khắc yêu thích của tôi là một dự án mà tôi đã lãnh đạo để xem liệu chúng tôi có thể chơi một trò chơi 20 Câu hỏi với tất cả sinh viên tại Cornell. Trò chơi rất đơn giản, một robot đang tìm kiếm một vật thể và nó có thể hỏi sinh viên Cornell các câu hỏi có/không có để giúp nó tìm thấy vật thể. Một điều nhỏ, con người có thể nói dối.

Trong tình huống này, không có thông tin thực sự, không có gì là tuyệt đối đúng. Tôi đã làm việc trên một thuật toán có thể hợp nhất thông tin từ con người và cảm biến để đưa ra quyết định tốt hơn. Dự án này sau đó đã được Business Insider tiếp nhận và được biết đến với tên “robot có thể nói dối”.

Các khoảnh khắc mà dữ liệu và thuật toán có thể làm điều gì đó mà bạn không thể dễ dàng tưởng tượng, đó là những gì làm cho các dự án trở nên đáng kinh ngạc.

Ý tưởng về Narrator xuất phát từ sự thất vọng của bạn khi làm việc với dữ liệu tại công ty cũ WeWork (WE ). Những vấn đề bạn gặp phải với mô hình lược đồ sao là gì?

Mọi công ty đều sử dụng mô hình lược đồ sao cho mô hình dữ liệu của họ. Điều đó có ý nghĩa! Bạn xây dựng các bảng đại diện cho một tập hợp câu hỏi mà bạn muốn trả lời và sau đó bạn đưa nó cho mọi người để họ có thể vẽ nó. Thử thách là các câu hỏi luôn luôn thay đổi và phát triển, và do đó, chuỗi bảng bạn xây dựng không bao giờ đủ để trả lời tất cả các câu hỏi có thể. Giải pháp duy nhất là xây dựng thêm bảng, điều này gây ra sự偏差 từ nguồn thông tin thực sự.

Tôi luôn tìm kiếm “mô hình dữ liệu luồng không khí” để chỉ cho mọi người xem trường hợp tốt nhất của một lớp mô hình là gì và nó rất phức tạp. Hàng trăm bảng phụ thuộc vào nhau.

Điều đó nói lên rằng, đó là lựa chọn duy nhất. Tại WeWork, tôi đã nói chuyện với nhiều công ty kỳ lân và thấy tình huống tương tự mà chúng tôi đang gặp phải. Chúng tôi đã chi hàng triệu đô la cho các công cụ dữ liệu. Chúng tôi đã xây dựng hàng trăm mô hình. Dữ liệu vẫn mất niềm tin và không thể trả lời các câu hỏi một cách kịp thời. Sau đó, cứ 1-2 năm, chúng tôi sẽ xây dựng lại hệ thống bằng cách sử dụng các công cụ mới nhất nhưng với cùng một cách tiếp cận.

Nếu mọi công ty thực hiện mô hình lược đồ sao đều kết thúc với việc cần phải xây dựng lại hệ thống, thì có vấn đề với khuôn khổ.

Bạn đã tìm ra giải pháp tốt hơn để làm việc với dữ liệu như thế nào?

Ban đầu, tôi đã lấy cảm hứng từ các blog về dữ liệu. Trong một blog, một công ty có thể kể một câu chuyện về khách hàng và phân tích mà không cần hiển thị mô hình dữ liệu của họ. Họ sử dụng khách hàng, thực hiện hành động theo thời gian để giải thích bất kỳ phân tích nào về thuật toán. Về cơ bản, đây là tất cả các khái niệm mà mọi người đều hiểu (một người dùng đã xem trang web, sau đó đặt một cuộc họp). Tôi tự hỏi tại sao cấu trúc đó không được sử dụng trong dữ liệu nếu nó dường như có tiềm năng đại diện cho mọi thứ. Câu trả lời ngắn gọn là cấu trúc dữ liệu này thực sự không thể truy vấn được bởi các công cụ BI (không có gì để JOIN).

Mô hình dữ liệu của chúng tôi, mà chúng tôi gọi là lược đồ hoạt động, dường như có tiềm năng thực sự thay đổi thế giới. Nó có thể cho phép mọi công ty có một mô hình dữ liệu duy nhất có thể trả lời bất kỳ câu hỏi nào. Mọi công ty có thể có cùng một mô hình dữ liệu – do đó, phân tích và thuật toán có thể được chia sẻ giữa các công ty lần đầu tiên. Và cuối cùng, nó có thể tạo ra một cách chung cho những người làm việc với dữ liệu để làm việc cùng nhau và nói về dữ liệu.

Tôi nghĩ rằng điều này có thể cách mạng hóa ngành công nghiệp dữ liệu, vì vậy tôi rời WeWork vào năm 2017 với mục tiêu làm cho lược đồ hoạt động có thể truy vấn được.

Dữ liệu đầu ra của Narrator được định dạng khá khác so với những gì chúng ta đã quen.

Dữ liệu đầu ra của Narrator được định dạng dưới dạng câu chuyện.

Chúng tôi, những người làm việc với dữ liệu, đã quá quen với các bảng điều khiển. Tuy nhiên, các bảng điều khiển chỉ là một phương tiện để đạt được mục đích. Các bảng điều khiển hiển thị dữ liệu cho bạn và bạn cần phải tự giải thích:

1. Xác định cách đọc hàng trăm hình ảnh hóa khác nhau.
2. Kết hợp dữ liệu trong đầu của bạn để tìm ra điều gì thực sự đang xảy ra.
3. Tạo một câu chuyện trong đầu của bạn để làm cho các mảnh dữ liệu có ý nghĩa.
4. Quyết định hành động cần thực hiện.

Thử thách với quá trình này là mọi người nhìn vào bảng điều khiển sẽ đưa ra một câu chuyện và khuyến nghị khác nhau. Đây là một thiên vị tự nhiên.

Mục tiêu của Narrator là thúc đẩy hành động dựa trên dữ liệu. Khi chúng tôi lặp lại, chúng tôi thấy rằng khách hàng của mình cần câu chuyện và giải thích để đưa ra quyết định và đó là những gì chúng tôi đã cung cấp.

Các câu chuyện bắt đầu với một mục tiêu rõ ràng. Chúng đưa ra một khuyến nghị. Sau đó, chúng hiển thị các điểm chính mà bạn sẽ nhận được. Cuối cùng, chúng đi qua phân tích. Mỗi phần kể một câu chuyện về điều gì đó chúng tôi đang học và dữ liệu được sử dụng làm bằng chứng hỗ trợ.

Hiển thị 100 người cùng một câu chuyện và họ đều trở lại với cùng một khuyến nghị và giải thích.

Các câu chuyện cũng hiểu rằng doanh nghiệp của bạn đang thay đổi, vì vậy chúng luôn được chạy lại mỗi tuần để xem liệu các khuyến nghị và giải thích có còn hợp lệ hay không và sẽ tự động cập nhật.

Sau khi đi qua tất cả việc học và tạo ra các câu chuyện này, chúng tôi nhận ra rằng hầu hết các công ty tư vấn lớn cũng đã học được điều tương tự. McKinsey cung cấp cho bạn các bài trình bày và cách tiếp cận tương tự thay vì chỉ các bảng điều khiển. Chúng tôi đang làm việc để cung cấp chất lượng tương tự với giá thấp hơn nhiều.

Có lợi ích gì khi sử dụng Narrator cho các kỹ sư dữ liệu?

Các kỹ sư dữ liệu là những người ủng hộ lớn nhất của chúng tôi! Tôi nghĩ rằng đó là vì tôi bắt đầu với vai trò kỹ sư dữ liệu, vì vậy Narrator được xây dựng với họ trong tâm trí.

Trong Narrator, việc xây dựng mô hình dữ liệu rất dễ dàng – bạn chỉ cần ánh xạ các khái niệm từ nguồn thông tin thực sự sang mô hình dữ liệu của chúng tôi. Chúng tôi chạy một loạt các thử nghiệm để đảm bảo nó sẽ hoạt động và sau đó bạn đẩy nó lên sản xuất. Narrator xử lý việc di chuyển, đồng bộ hóa dữ liệu và đảm bảo mọi thứ đều nhanh chóng và dễ dàng.

Trong Narrator, bạn có thể nhanh chóng lắp ráp bất kỳ tập dữ liệu nào bạn muốn trong vài phút và đưa nó cho bất kỳ ai yêu cầu.

Chúng tôi cũng nghĩ về tất cả các điều nhỏ mà bạn cần và đảm bảo bạn nhận được nó:

• Toàn bộ minh bạch trong tất cả các quá trình và kiểm soát để tạm dừng, hủy bỏ, chạy ngay, v.v.
• Khả năng đặt cảnh báo trên dữ liệu thô trước và sau khi chuyển đổi.
• Toàn bộ nhật ký của tất cả các thay đổi đối với truy vấn.
• Toàn bộ khả năng hiển thị của mọi cập nhật xảy ra trong bảng.
• 1 lần nhấp để vật chất hóa bất kỳ tập dữ liệu nào hoặc gửi nó đến Google sheet.
• Thiết lập các webhook nhanh để gửi dữ liệu đến bất kỳ hệ thống nào.
• Liên hệ với hỗ trợ và bạn sẽ nhận được một kỹ sư dữ liệu để giúp bạn.
• Mọi truy vấn Narrator tạo ra đều có thể đọc được và minh bạch.
• Debug bất kỳ dữ liệu nào với các dòng thời gian nhanh của mọi thứ đã xảy ra với một khách hàng cụ thể.
• Xây dựng 1 tập dữ liệu và tạo nhiều tổng hợp trên nó (không cần sao chép cùng một truy vấn trong CTE).
• Nếu bạn thay thế bất kỳ khối xây dựng nào, thì chúng tôi sẽ hòa giải tất cả dữ liệu của bạn.

Đó là rất nhiều điều mà các kỹ sư dữ liệu sẽ yêu thích!

Bao nhiêu thời gian được tiết kiệm khi làm báo cáo với Narrator so với mô hình truyền thống?

Thành thật mà nói, so sánh Narrator với mô hình truyền thống là không công bằng. Trong Narrator, tất cả dữ liệu của bạn được mô hình hóa chỉ trong 1 ngày thay vì nhiều tháng lập kế hoạch như trong mô hình lược đồ sao. Các thay đổi trong Narrator có rủi ro thấp và dễ dàng. Việc tạo bất kỳ bảng nào là tức thời trong Narrator vì bạn không cần phải lo lắng về việc có một khóa ngoại để gắn kết mọi thứ lại với nhau.

Về phân tích, Narrator có một thư viện các phân tích được viết tay bởi chuyên gia mà bạn có thể chạy ngay lập tức. Những phân tích này đã được suy nghĩ kỹ lưỡng, thử nghiệm trên nhiều công ty, cập nhật dựa trên sự thay đổi của doanh nghiệp của bạn, tận dụng các thuật toán để giải thích dữ liệu và được trình bày đẹp mắt trong định dạng câu chuyện. Mức độ công việc này thường được thực hiện bởi các đội ngũ người làm việc với dữ liệu trong nhiều tuần (đó là những gì chúng tôi làm, nhưng chúng tôi chỉ làm một lần và sau đó làm cho nó có sẵn ngay lập tức cho mọi người).

Có điều gì khác mà bạn muốn chia sẻ về Narrator không?

Narrator khác biệt.

Nó có thể hơi khó để hiểu làm thế nào và tại sao nó hoạt động, nhưng một khi bạn bắt đầu sử dụng nó, nó sẽ nhấp vào và bạn sẽ không bao giờ có thể quay lại.

Tôi rất hào hứng với thế giới mà Narrator đang làm cho có thể và chào đón bất kỳ ai muốn tìm hiểu thêm!

Cùng nhau, chúng ta có thể đưa ra những quyết định tốt hơn để tạo ra một thế giới tốt hơn.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Narrator.ai.