Leighton Welch, CTO và Đồng sáng lập của Tracer – Loạt phỏng vấn

Leighton Welch là CTO và đồng sáng lập của Tracer. Tracer là một công cụ được hỗ trợ bởi trí tuệ nhân tạo, giúp tổ chức, quản lý và trực quan hóa các tập dữ liệu phức tạp để đưa ra quyết định kinh doanh nhanh chóng và chính xác hơn. Trước khi trở thành Giám đốc Công nghệ tại Tracer, Leighton từng là Giám đốc Insights Người tiêu dùng tại SocialCode và Phó Chủ tịch Kỹ thuật tại VaynerMedia. Ông đã dành sự nghiệp của mình để tiên phong trong hệ sinh thái quảng cáo, chạy quảng cáo Snapchat đầu tiên và tư vấn về API thương mại cho một số nền tảng lớn nhất thế giới. Leighton tốt nghiệp Đại học Harvard năm 2013, với bằng cấp về Khoa học Máy tính và Kinh tế.

Bạn có thể cho chúng tôi biết thêm về nền tảng và cách những kinh nghiệm tại Harvard, SocialCode và VaynerMedia đã truyền cảm hứng cho bạn đồng sáng lập Tracer?

Ý tưởng ban đầu bắt đầu từ một thập kỷ trước. Một người bạn thời thơ ấu của tôi đã gọi cho tôi vào một tối thứ Sáu. Anh ấy đang gặp khó khăn trong việc tổng hợp dữ liệu từ các nền tảng xã hội khác nhau cho một trong những khách hàng của mình. Anh ấy nghĩ rằng điều này có thể được tự động hóa, vì vậy anh ấy đã nhờ tôi giúp đỡ vì tôi có nền tảng về kỹ thuật phần mềm. Đó là cách tôi được giới thiệu đến người đồng sáng lập hiện tại của mình, Jeff Nicholson.

Đây là khoảnh khắc ý tưởng của chúng tôi: Số tiền được chi tiêu cho những chiến dịch này đang vượt quá chất lượng của phần mềm theo dõi những đồng tiền đó. Đó là một thị trường non trẻ với rất nhiều ứng dụng trong khoa học dữ liệu.

Chúng tôi tiếp tục xây dựng phần mềm phân tích có thể đáp ứng nhu cầu của các chiến dịch truyền thông lớn và phức tạp ngày càng tăng. Khi chúng tôi giải quyết vấn đề, chúng tôi đã phát triển một quy trình – các bước rõ ràng từ việc thu thập dữ liệu rời rạc và ngữ cảnh hóa. Chúng tôi nhận ra rằng quy trình chúng tôi đang xây dựng có thể được áp dụng cho bất kỳ tập dữ liệu nào – không chỉ quảng cáo – và đó là những gì Tracer là ngày nay: một công cụ hỗ trợ trí tuệ nhân tạo giúp tổ chức, quản lý và trực quan hóa các tập dữ liệu phức tạp để đưa ra quyết định kinh doanh nhanh chóng và chính xác hơn.

Chúng tôi đang giúp dân chủ hóa việc trở thành một tổ chức “dựa trên dữ liệu” bằng cách tự động hóa các bước cần thiết để thu thập, kết nối và tổ chức các tập dữ liệu rời rạc trên các chức năng, cung cấp thông tin kinh doanh mạnh mẽ thông qua báo cáo và trực quan hóa trực quan. Điều này có thể có nghĩa là kết nối dữ liệu bán hàng với CRM tiếp thị của bạn, phân tích HR với xu hướng doanh thu và nhiều ứng dụng khác.

Bạn có thể giải thích cách nền tảng Tracer tự động hóa phân tích và cách mạng hóa ngăn xếp dữ liệu hiện đại cho khách hàng của mình?

Để đơn giản hóa, hãy định nghĩa phân tích là việc trả lời một câu hỏi kinh doanh thông qua phần mềm. Trong cảnh quan ngày nay, có hai cách tiếp cận.

• Cách đầu tiên là mua phần mềm dọc. Đối với các CFO, điều này có thể là Netsuite. Đối với CRO, nó có thể là Salesforce . Phần mềm dọc là tuyệt vời vì nó là từ đầu đến cuối, nó có thể được chuyên biệt hóa cao và nên hoạt động ngay lập tức. Giới hạn của phần mềm dọc là nó là dọc: nếu bạn muốn Netsuite nói chuyện với Salesforce, bạn lại trở về điểm xuất phát. Phần mềm dọc là hoàn chỉnh, nhưng nó không linh hoạt.
• Cách tiếp cận thứ hai là mua phần mềm ngang. Điều này có thể là một phần mềm cho thu thập dữ liệu, một phần mềm khác cho lưu trữ và phần mềm thứ ba cho phân tích. Phần mềm ngang là tuyệt vời vì nó có thể xử lý gần như bất cứ điều gì. Bạn có thể chắc chắn thu thập, lưu trữ và phân tích cả dữ liệu Salesforce và Netsuite của mình thông qua đường ống này. Giới hạn là nó cần được lắp ráp, duy trì và không có gì hoạt động “ngay lập tức”. Phần mềm ngang là linh hoạt, nhưng nó không hoàn chỉnh.

Chúng tôi cung cấp một cách tiếp cận thứ ba bằng cách tạo ra một nền tảng kết hợp các công nghệ cần thiết để báo cáo về mọi thứ, được tạo ra đủ trực quan để hoạt động ngay lập tức mà không cần bất kỳ tài nguyên kỹ thuật hoặc chi phí kỹ thuật nào. Nó linh hoạt và hoàn chỉnh. Tracer là nền tảng mạnh nhất trên thị trường vừa là ứng dụng trung lập và từ đầu đến cuối.

Tracer đã xử lý khoảng 10 petabyte dữ liệu trong tháng qua. Làm thế nào Tracer xử lý một lượng lớn dữ liệu như vậy một cách hiệu quả?

Quy mô là vô cùng quan trọng trong thế giới của chúng tôi và nó luôn là ưu tiên hàng đầu tại Tracer ngay từ những ngày đầu. Để xử lý khối lượng dữ liệu này, chúng tôi tận dụng nhiều công nghệ hàng đầu và tránh tái phát minh bánh xe khi không cần thiết. Chúng tôi vô cùng tự hào về cơ sở hạ tầng mà chúng tôi đã xây dựng, nhưng chúng tôi cũng rất cởi mở về nó. Trên thực tế, chương trình kiến trúc của chúng tôi được phác thảo trên trang web của chúng tôi.

Điều chúng tôi nói với các đối tác là như sau: Không phải là các nhóm kỹ sư nội bộ của họ không có khả năng xây dựng những gì chúng tôi đã xây dựng; mà họ không nên phải làm như vậy. Chúng tôi đã lắp ráp các mảnh của ngăn xếp dữ liệu hiện đại cho bạn. Khung này hiệu quả, đã được thử nghiệm và mô-đun để chúng tôi có thể tiến hóa động với cảnh quan.

Nhiều đối tác sẽ đến với chúng tôi để giải phóng tài nguyên kỹ thuật và tập trung vào các sáng kiến chiến lược lớn hơn. Họ sử dụng kiến trúc Tracer như một phương tiện để đạt được mục đích. Việc có một cơ sở dữ liệu không trả lời câu hỏi kinh doanh. Việc có một đường ống ETL không trả lời câu hỏi kinh doanh. Điều thực sự quan trọng là bạn có thể làm gì với cơ sở hạ tầng đó một khi nó đã được lắp ráp. Đó là lý do chúng tôi xây dựng Tracer – chúng tôi là lối tắt của bạn để có được câu trả lời.

Tại sao bạn tin rằng dữ liệu có cấu trúc là quan trọng đối với trí tuệ nhân tạo và những lợi thế mà nó mang lại so với dữ liệu không có cấu trúc?

Dữ liệu có cấu trúc là quan trọng đối với trí tuệ nhân tạo vì nó cho phép tương tác của con người, điều mà chúng tôi tin là một thành phần thiết yếu để có đầu ra hiệu quả. Tuy nhiên, trong hệ sinh thái ngày nay, chúng tôi thực sự được trang bị tốt hơn bao giờ hết để tận dụng những thông tin trong dữ liệu không có cấu trúc và các định dạng khó tiếp cận trước đây (tài liệu, hình ảnh, video, v.v.).

Vì vậy, đối với chúng tôi, đó là về việc cung cấp một nền tảng mà thông qua đó, ngữ cảnh bổ sung có thể được kết hợp từ những người quen thuộc nhất với các tập dữ liệu cơ bản một khi dữ liệu đó đã được tạo sẵn. Nói cách khác, đó là dữ liệu không có cấu trúc → dữ liệu có cấu trúc → động cơ ngữ cảnh của Tracer → đầu ra được hỗ trợ bởi trí tuệ nhân tạo. Chúng tôi ngồi ở giữa và cho phép một vòng phản hồi hiệu quả hơn và can thiệp thủ công khi cần thiết.

Các công ty gặp phải những thách thức gì với dữ liệu không có cấu trúc và Tracer giúp vượt qua những thách thức này như thế nào để cải thiện chất lượng dữ liệu?

Không có một nền tảng như Tracer, thách thức với dữ liệu không có cấu trúc là tất cả về kiểm soát. Bạn cho dữ liệu vào mô hình, mô hình đưa ra câu trả lời và bạn có rất ít cơ hội để tối ưu hóa những gì đang xảy ra bên trong hộp đen.

Giả sử ví dụ bạn muốn xác định nội dung có tác động nhất trong một chiến dịch truyền thông. Tracer có thể sử dụng trí tuệ nhân tạo để giúp cung cấp siêu dữ liệu cho tất cả nội dung được chạy trong quảng cáo. Nó cũng có thể sử dụng trí tuệ nhân tạo để cung cấp phân tích cuối cùng để đưa từ một tập dữ liệu có cấu trúc cao đến câu trả lời đó.

Nhưng ở giữa, nền tảng của chúng tôi cho phép người dùng vẽ các kết nối giữa dữ liệu truyền thông và tập dữ liệu nơi các kết quả sống, định nghĩa chi tiết hơn “tác động” và làm sạch các phân loại được thực hiện bởi trí tuệ nhân tạo. Về cơ bản, chúng tôi đã trừu tượng hóa và sản phẩm hóa các bước, để loại bỏ hộp đen. Không có trí tuệ nhân tạo, sẽ có rất nhiều công việc phải được thực hiện bởi con người trong Tracer. Nhưng không có Tracer, trí tuệ nhân tạo không thể đạt được chất lượng câu trả lời tương tự.

Tracer sử dụng một số công nghệ dựa trên trí tuệ nhân tạo nào để nâng cao nền tảng thông tin dữ liệu của mình?

Bạn có thể nghĩ về Tracer trên ba danh mục sản phẩm cốt lõi: Nguồn, Nội dung và Đầu ra.

• Nguồn là một công cụ được sử dụng để tự động hóa việc thu thập, giám sát và kiểm soát chất lượng của dữ liệu rời rạc.
• Nội dung là một lớp ngữ nghĩa kéo và thả để tổ chức dữ liệu sau khi nó đã được thu thập.
• Đầu ra là nơi bạn có thể trả lời các câu hỏi kinh doanh trên dữ liệu đã được ngữ cảnh hóa.

Tại Tracer, chúng tôi không xem trí tuệ nhân tạo là một sự thay thế cho bất kỳ bước nào trong số này; thay vào đó, chúng tôi xem trí tuệ nhân tạo là một công nghệ khác mà cả ba danh mục này có thể tận dụng để mở rộng những gì có thể được tự động hóa.

Ví dụ:

• Nguồn: Sử dụng trí tuệ nhân tạo để giúp xây dựng các kết nối API mới đến các nguồn dữ liệu dài không có sẵn thông qua danh mục đối tác của chúng tôi.
• Nội dung: Sử dụng trí tuệ nhân tạo để làm sạch siêu dữ liệu trước khi chạy các quy tắc thẻ. Ví dụ, làm sạch các biến thể của tên xuất bản trong mọi ngôn ngữ.
• Đầu ra: Sử dụng trí tuệ nhân tạo như một sự thay thế cho bảng điều khiển nơi trường hợp sử dụng kinh doanh là khám phá, chứ không phải một tập hợp cố định các KPI cần được báo cáo một cách lặp đi lặp lại.
• Trí tuệ nhân tạo cho phép chúng tôi đạt được những ứng dụng như vậy theo những cách đơn giản và dễ tiếp cận.

Tracer có kế hoạch gì cho sự phát triển và đổi mới trong tương lai trong không gian thông tin dữ liệu?

Tracer là một trình tổng hợp các trình tổng hợp. Các đối tác của chúng tôi sẽ dựa vào chúng tôi cho các ứng dụng cụ thể trong các nhóm và chức năng, hoặc để sử dụng trong thông tin kinh doanh giữa các chức năng. Sức mạnh của Tracer nằm ở chỗ dù bạn có sử dụng chúng tôi để đưa ra quyết định tốt hơn với chi tiêu truyền thông và sáng tạo của mình hay xây dựng bảng điều khiển để liên kết các chỉ số khác nhau từ chuỗi cung ứng đến bán hàng và mọi thứ ở giữa, các khối xây dựng là nhất quán.

Chúng tôi đang thấy các tổ chức trước đây phụ thuộc vào chúng tôi trong một khu vực của doanh nghiệp (ví dụ: truyền thông và tiếp thị), đang mở rộng các ứng dụng sang các khu vực khác của doanh nghiệp. Vì vậy, nơi khách hàng chính của chúng tôi trước đây là các giám đốc truyền thông cấp cao hoặc đối tác cơ quan, những ngày này chúng tôi làm việc trên toàn tổ chức, hợp tác với CIO, CTO, nhà khoa học dữ liệu, và nhà phân tích kinh doanh. Chúng tôi tiếp tục xây dựng các công cụ của mình để phù hợp với ngày càng nhiều ứng dụng và người dùng, đồng thời đảm bảo công nghệ cốt lõi là có thể mở rộng, linh hoạt và dễ tiếp cận cho người dùng không kỹ thuật.

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