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, tổ chức, quản lý và trực quan hóa các tập dữ liệu phức tạp để thúc đẩy kinh doanh thông minh hơn và nhanh hơn. Trước khi trở thành Giám đốc Công nghệ tại Tracer, Leighton là Giám đốc Consumer Insights tại SocialCode và Phó Chủ tịch Kỹ sư 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 vào 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 nguồn 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 trên 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 ánh sáng của chúng tôi: Số lượng tiền được chi tiêu cho các chiến dịch này đang vượt quá chất lượng của phần mềm theo dõi những đô la 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 nhận dữ liệu khác nhau 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 ngày nay: một công cụ được hỗ trợ bởi trí tuệ nhân tạo, tổ chức, quản lý và trực quan hóa các tập dữ liệu phức tạp để thúc đẩy kinh doanh thông minh hơn và nhanh hơn.

Chúng tôi đang giúp dân chủ hóa ý nghĩa của một tổ chức “dựa trên dữ liệu” bằng cách tự động hóa các bước cần thiết để nhận, kết nối và tổ chức các tập dữ liệu khác nhau 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 hơn.

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, hãy định nghĩa phân tích là trả lời một câu hỏi kinh doanh thông qua phần mềm. Trong cảnh quan ngày nay, có thực sự 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 siêu chuyên biệt và nên chỉ 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 việc nhập 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 chắc chắn có thể nhập, 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 một nền tảng kết hợp các công nghệ cần thiết để báo cáo về bất cứ điều gì, được tạo ra đủ 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 là ứng dụng trung lập và từ đầu đến cuối.

Tracer đã xử lý khoảng 10 petabyte dữ liệu vào tháng trước. Làm thế nào Tracer xử lý một lượng dữ liệu lớn 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 rất nhiều công nghệ hàng đầu và tránh tái phát minh bánh xe khi chúng tôi không cần. Chúng tôi vô cùng tự hào về cơ sở hạ tầng mà chúng tôi đã xây dựng, nhưng chúng tôi cũng khá 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: Không phải là các nhóm kỹ sư nội bộ của bạn không có khả năng xây dựng những gì chúng tôi đã xây dựng; mà là 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 trong trận chiến và mô-đun để chúng tôi có thể tiến hóa động với cảnh quan.

Nhiều đối tác sẽ đến với chúng tôi để tìm cách giải phóng tài nguyên kỹ thuật để tập trung vào các sáng kiến chiến lược lớn hơn. Họ sử dụng kiến trúc Tracer như một phương tiện để đạt được một mục đích. Việc có một cơ sở dữ liệu không trả lời các câu hỏi kinh doanh. Việc có một đường ống ETL không trả lời các câu hỏi kinh doanh. Điều thực sự quan trọng là những gì bạn có thể làm 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 AI và những lợi thế mà nó cung cấp so với dữ liệu không có cấu trúc?

Dữ liệu có cấu trúc là quan trọng đối với AI vì nó cho phép tương tác thủ công 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 các 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 có thể kết hợp thêm ngữ cảnh từ những người quen thuộc nhất với các tập dữ liệu cơ bản một khi dữ liệu đó đã được làm cho có thể tiếp cận. 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 AI. Chúng tôi ngồi ở giữa và cho phép một vòng phản hồi hiệu quả hơn và can thiệp thủ công khi cần.

Những thách thức mà các công ty gặp phải 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吐 ra câu trả lời và bạn có rất ít cơ hội để tối ưu hóa những gì đang xảy ra bên trong hộp đen.

Ví dụ, giả sử bạn muốn xác định nội dung có tác động nhất trong một chiến dịch truyền thông. Tracer có thể sử dụng AI để giúp cung cấp siêu dữ liệu về tất cả nội dung được chạy trong quảng cáo. Nó cũng có thể sử dụng AI để cung cấp phân tích cuối cùng để chuyển 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 một cách tinh tế hơn “tác động” và làm sạch các phân loại được thực hiện bởi AI. Về cơ bản, chúng tôi đã trừu tượng hóa và sản phẩm hóa các bước, để loại bỏ hộp đen. Không có AI, có rất nhiều công việc phải được thực hiện bởi con người trong Tracer. Nhưng không có Tracer, AI không thể đạt được cùng chất lượng câu trả lời.

Tracer sử dụng một số công nghệ dựa trên AI nào để nâng cao nền tảng thông minh 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 nhập, giám sát và QA của dữ liệu khác nhau.
• Nội dung là một lớp ngữ nghĩa kéo và thả cho việc tổ chức dữ liệu sau khi nó đã được nhập.
• 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 AI là một sự thay thế cho bất kỳ bước nào trong số này; thay vào đó, chúng tôi xem AI là một hình thức công nghệ mà cả ba danh mục có thể tận dụng để mở rộng những gì có thể được tự động hóa.

Ví dụ:

• Nguồn: Sử dụng AI để giúp xây dựng các kết nối API mới đến các nguồn dữ liệu dài đuôi không có sẵn thông qua danh mục đối tác của chúng tôi.
• Nội dung: Sử dụng AI 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 AI như một sự thay thế cho các bảng điều khiển nơi trường hợp sử dụng kinh doanh là khám phá, chứ không phải là một tập hợp cố định các KPI cần được báo cáo một cách lặp đi lặp lại.
• AI cho phép chúng tôi đạt được những ứng dụng này 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 minh 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 xuyên chức năng. Sự đẹp đẽ của Tracer là rằng 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 đều 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), mở rộng ứng dụng sang nơi khác trong doanh nghiệp. Vì vậy, nơi khách hàng chính của chúng tôi trước đây là các giám đốc truyền thông cấp cao, hoặc các đối tác cơ quan, những ngày này chúng tôi làm việc trên toàn tổ chức, hợp tác với các 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 nhiều ứng dụng và người dùng hơn, đồng thời đảm bảo rằng công nghệ cốt lõi là có thể mở rộng, linh hoạt và dễ tiếp cận cho người dùng không kỹ thuật.

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