Bryan 是 Elastic Path 的 CEO，在那里他领导了 GTM、客户成功、全球服务和产品团队。之前，Bryan 是 Neural Magic（被 Red Hat 收购）的首席商务官，这是一家深度学习软件初创公司，他在那里负责产品、GTM 和客户成功。
很长时间以来，B2B 商务都基于一个简单的假设：人类会浏览。他们阅读产品页面，浏览规格表，并容忍模糊的语言，因为他们知道如何提问。 当某些东西不清楚时，他们会给销售代表发送电子邮件。 当规则被埋在脚注中时，经验会填补空白。 B2B 产品数据完全围绕着这种行为演化。 它不需要独立存在；它只需要被人类解读。 但是，随着 AI 的出现，这个假设不再成立。我们以前也遇到过企业数据的问题如果这感觉熟悉，那是因为它确实很熟悉。 十年前，企业正在就数据展开一场非常类似的讨论。 仓库里满满的数据，数据湖也溢出了，最后每个系统都输出了某些东西。 在纸面上，公司拥有丰富的数据。 但是，在实践中，什么都没有快速移动，因为业务用户无法在没有分析师作为翻译的情况下回答基本问题。 SQL 成为了瓶颈。企业数据围绕系统存储信息的方式组织，而不是围绕人们对业务的思考方式。 行和列存在，但概念不存在。 收入存在于三个表中。 “客户”根据询问的人和时间有五种不同的含义。 指标被无休止地争论，因为没有人清晰地定义它们。 企业数据的突破来自于接受复杂性并将其包含在内。 语义层 是一个例子，但它们是更广泛转变的一部分。 企业停止假装原始数据可以被默认使用，并开始构建与业务实际思考和运作方式相匹配的翻译层。 指标模型 通过一次定义计算而不是在每个报告中重新派生它们来实现这一点。...
