Izņemšana: Uzņēmējs Ēriks Kavanaghs apspriež biznesa un IT sadarbību ar Wayne Eckerson no Eckerson grupas un Josh Howard no Alteryx.
Pašlaik neesat pieteicies. Lai redzētu video, lūdzu, pierakstieties vai reģistrējieties.
Ēriks Kavanaghs: Labi, dāmas un kungi, Ēriks Kavanaghs šeit ar Hot Technologies. Mums ir Džošs Hovards un Wayne Eckerson. Mums tikko notika jautra maza audio avārijas avārija un apdegums tieši tur, bet mēs esam iezvanīti atpakaļ un viss šūpojas un rit.
Tā Wayne Eckerson esmu pazīstams jau daudzus gadus. Viņš ir Eckerson grupas galvenais konsultants. Džošs Hovards arī esmu pazīstams jau sen. Viņš ir Alteryx jauno produktu direktors. Šie puiši ir patiešām ļoti, patiešām izcili savās jomās, un viņi dalīsies ar mums daudzās idejās par to, kā bizness un IT var veicināt labākas attiecības un patiešām sadarboties un paveikt dažas lietas.
Tātad, es stumšu nākamo slaidu un nodosim to Wayne. Tātad, pastāstiet man mazliet par notiekošo.
Wayne Eckerson: Protams, Ēriks. Prieks, ka esmu šeit un runāju par šo jautājumu. Es ilgu laiku esmu bijis štatos un esmu pieredzējis plaisu starp biznesu un IT, un tas lielā mērā ir saistīts ar viņu uzmanību un mērķiem, kas viņiem tika nolīgti. Tātad, tā varētu būt dabiska plaisa, jūs varētu teikt, vai plaisa starp biznesu un IT, taču tā tomēr rada dažus kaitīgus rezultātus.Jūs zināt, ka IT ir nolīgts domāt ilgtermiņā, veidot sistēmas un lietojumprogrammas, pastāvīgus risinājumus, kas piedāvā apjomradītus ietaupījumus, augstu atkārtotas izmantošanas līmeni un mērogojamību, drošību, pieejamību un uzticamību. Ļoti konservatīvs, lēnāk kustīgs domāšanas veids. Bizness, no otras puses, ir vērsts uz klienta vajadzību apmierināšanu, mijiedarbības punktu, daudz vairāk uz īstermiņu vērstiem stimuliem - un to varētu plānot katru mēnesi vai ceturksni. Viņu uzmanības centrā ir ātrums, veiklība un pielāgošanās spējas. Tāpēc nav pārsteigums, ka starp šīm divām grupām vajadzētu būt vai varētu būt berze.
Nākamais slaids. Šis ir tāds dialoga veids, kādu es dažreiz dzirdu organizācijās, kurās es dodos konsultēties un kur jūtu, ka spēlēju laulības konsultanta lomu, cenšoties panākt šo abu pušu vienotību, apzināt viena otru un viņu lomu biznesa tehnoloģiju risinājumu piegādē. Bizness mēdz domāt par IT kā pārāk lēnu, dārgu un nekad nesniedz to, ko vēlas, kad vēlas, kā vēlas. IT mēdz uzskatīt, ka bizness visu laiku mainās, pievienojot jaunas funkcijas. Tad visas šīs lietas virzās īslaicīgi, nekad neredzot kopējo ainu. Bieži vien šīs berzes rezultāts ir gadījuma lietošana. Ir izpilddirektors teiks: “Jūs zināt, ko? Vienkārši aizmirsti to. Es zinu, ka es nesaņemšu vajadzīgos datus, tāpēc iztikšu tikai bez tā. ”Tas ir diezgan drausmīgi. Datu lietotājs teiks: "Vienkārši dodiet man datus un netraucējiet mani." Un BU vadītāji, ja viņi patiešām vēlas iegūt informāciju, viņi vienkārši iegūs savu budžetu, pievienos savus cilvēkus un iegādāsies paši savus rīkus. Tā saka: “Labi, labi. Bet jūs zināt, ka veiksmi mēģināt saglabāt pats par sevi, jo galu galā tas sabojāsies. ”Un tā arī notiks. Tas sabojāsies vai nu tāpēc, ka neviens to neizmanto, jo tas nebija pareizi izstrādāts, vai arī sabojāsies tāpēc, ka visi to izmanto, un jums nav pietiekami daudz tehnisko ekspertu uz vietas, nav pietiekami daudz resursu, lai to izmērītu. Vai arī viņu eksperts aizbrauc, un viņi ir augšā un sausi. Nākamais slaids.
Ēriks Kavanaghs: Šī ir aptauja, tāpēc tālruņa zvanītājs faktiski var mudināt veikt vēlēšanu. Turiet vienu sekundi. Tātad, es šobrīd atklāju šo aptauju, cerams, ka uz jūsu ekrāna parādīsies uznirstošais logs. Ja jums tas nav, parasti tas tiek parādīts kaut kur apakšā. Un iet uz priekšu. Mums ir interese dzirdēt jūsu atbildi par to.
Labi, es saņēmu dažus cilvēkus, kuri piezvanīja, tagad sniedzot mums atsauksmes. Tātad, mēs jautājam: cik lielā mērā bizness ir saskaņots ar IT jūsu organizācijā? Tātad, tagad mums ir liels skaits cilvēku, kas atbild. Liels paldies. Tātad, jūs esat ieguvis ļoti augstu, protams, augstu, mērenu, zemu, ļoti zemu. Esiet godīgi, mēs to nedalīsimies ar citiem jūsu komandas locekļiem. Mēs vēlamies, lai jūs sniedzat mums savu vaļsirdīgo atbildi. Labi, ļaujiet man dot vēl dažas sekundes, un, tā kā mēs to darām, varbūt Džošam, labi, vienkārši palīdziet jums ātri palīdzēt ļaudīm atbildēt uz šo jautājumu. Jā, man patīk šis sadarbības process. Es domāju, ka mēs jau vairākus gadus runājam par biznesa / IT plaisu. Es domāju, ka tas mainās. Es domāju, ka tas daļēji mainās, pateicoties DevOps, izstrādātājiem, kuri ciešāk sadarbojas ar uzņēmējdarbību. Šāda veida tehnoloģija nedaudz samazina siltumu, bet es domāju, ka tas mainās arī mākoņa dēļ, atklāti sakot, jo varbūt cilvēki vienkārši kļūst gudrāki par to, ko viņi dara savā darba vietā. Bet kā jūs domājat par IT / biznesa plaisas attīstību?
Džošs Hovards: Jā, jūs zināt, tā ir interesanta tēma, un mēs to noteikti iesāksim pēc sekundes, bet, ziniet, es tikai domāju, ka bizness tiešām ir spiests to darīt. Tas ir pareizi, tāpēc, jūs zināt, gadiem ilgi viss bija IT vadīts, un mēs esam redzējuši, kā tas svārsta virzienā uz priekšu un atpakaļ virzās no tā, ka IT tiek virzīts uz visu, kas, jūs zināt, tiek nopirkts biznesā. Un es domāju, ka mēs sākam redzēt zināmu centralizāciju. Es domāju, ka, jūs zināt, jūs sākat redzēt vairāk organizāciju, stand-up izcilības centrus, sākat redzēt arvien vairāk un vairāk biznesa inteliģentu uzņēmumu, redzat, ka tiek izveidoti arī centri, un tāpēc tas nav, jūs zināt, IT vai bizness. Mēs redzam daudz labāku abu organizāciju laulību un redzam, ka ir izveidoti šie izcilības centri, kas darbojas abās šajās organizācijās, un viņiem gan IT, gan biznesam ir vieta, kur sēdēt pie galda un pasūtīt ēdienu. Mums jāizvēlas citi uzņēmējdarbības mērķi, un tāpēc es domāju, ka šī ir viena no tendencēm, kas, manuprāt, ir bijusi ļoti pozitīva pēdējos gados vai pat ilgāk. Un es domāju, ka tā ir daļa no tā, ko mēs redzam.
Ēriks Kavanaghs: Nevar mani vainot, ka es tev pārmetīšu, un nolasīšu rezultātus. Atkarībā no pārlūka, iespējams, jau redzēsit rezultātus, bet tikai jums tos parādīsim: Protams, jautājums: “Cik lielā mērā bizness ir saskaņots ar IT?” Ļoti augsts ieguva 7 procentus, augsts ieguva 8 procentus, mērens ieguva lielais vairums, tas ir 29 procenti, zems ir 10 procenti, un ļoti zems ir 0 procenti. Tas būtībā ir kopējais, tāpēc patiesībā tas, ko jūs skatāties, ir vairākums cilvēku, kas mēdz teikt, ka 21 no 73. Seši no 73 teica augsta, pieci teica, ka ļoti augsts, un tad, protams, mums ir vesela virkne cilvēku, kuri vienkārši nedarīja Atbildi, bet lielākā daļa, faktiski 43 no 73, cilvēki neatbildēja, bet es augstu vērtēju jūsu laiku. Un ar to es gribu virzīt šo nākamo slaidu. Un es ticu, Džoš, jūs domājāt mazliet parunāt.
Džošs Hovards: Jā, un tā, jūs zināt, kaut kur es devos, ja mēs pēdējos piecos gados vai pat desmit gados esam piedzīvojuši daudz pārmaiņu. Un tas tiešām agrāk bija savvaļas rietumi, un tad es domāju, ka šeit, iespējams, ir daži ļaudis, kuri joprojām domā, ka viņu organizācijā ir savvaļas rietumi, bet kādreiz viss bija pilnīgi aizslēgts un nekustīgs, un viss tika spiests caur centralizētu IT komandu, un tieši tā tika piegādāts BI. Bet problēma bija tā, ka biznesa lietotāji to neizmantoja. Viņi nekad nav ieguvuši vajadzīgos rezultātus. Viņi, jūs zināt, nevarēja apkopot datus tā, kā viņiem bija nepieciešams, un tāpēc jūs tikko redzējāt, kā jūs zināt, organizācijas, kas daudzos gadījumos atsakās no savas BI prakses. Viņi vienkārši nesaņēma cerēto lietojumu, un, jūs zināt, tas ir saprotams, jo lietotāji gribēja ērti lietojamus rīkus, kur viņi varētu ņemt, jūs zināt, datu avotus un veikt kādu no saviem integrācijas darbiem.
Bet viņi negribēja gaidīt, kamēr IT to izdarīšot viņu labā. Un tas, ko mēs redzējām, bija tas, ka jūs visas šīs biznesa komandas nodarbojāties un iegādājāties savu licenci, savus vizualizācijas rīkus un, ja viņu ēnu IT draugi izveidoja datu martu, viņi bija izslēgti. Bet tas noveda pie pilnīgi jauna problēmu kopuma. Jā, bizness spēja panākt elastību un veiklību, kā arī dažus rezultātus, kas viņiem bija nepieciešami daudz ātrāk, bet tomēr atstāja IT, jūs zināt, mēģinot izdomāt: “Kā mēs to pārvaldām? Kā mēs to izmērām? ”
Tā kā arī notiekošais, viņi veidoja šos datu kartes. Viņi sāka izmantot daudz pārskatu un vizualizāciju, pēc tam viņi vienkārši devās atpakaļ uz IT, lai iegūtu labojumu, un tāpēc tas vienkārši nav mērogojams. Tā nebija izārstēšana, un tāpēc tie bija daži no jautājumiem. Bet tam nav jābūt kara velkonim starp biznesu, kurš vēlas ērtu lietošanu, un IT, kurš vēlas to pārvaldīt. Patiesībā tas nozīmē, ka visi nonāk vienā lapā un virzās vienā virzienā. Es domāju, ka patiešām ir, jūs zināt, vislabākā pieeja, kas var apmierināt abu lietotāju vajadzības. Slidkalniņš.
Ēriks Kavanaghs: Visvarenais. Lūdzu.
Džošs Hovards: Jā, paldies. Un tā, kā mēs tuvojamies Alteryx, mēs to tiešām skatāmies no analītiskas pārvaldības viedokļa. Un tāpēc, jūs zināt, es šeit nelietoju vārdu “datu pārvaldība”, jo es domāju, ka datu pārvaldība ir daudz vairāk par sistēmu, kas ietver daudz dažādu lietu, bet patiesībā koncentrējas tikai uz šīm trim galvenajām jomām, kā dati tiek pārvaldīti, kā tiem piekļūst un kā mēs tos aizsargājam.
Pirmkārt, datu pārvaldības pusē, kad jūs vēlaties iespējot pašapkalpošanās rīkus, vēlaties pārliecināties, ka, jūs zināt, šiem lietotājiem ir piekļuve visiem dažādajiem datu avotiem, kas viņiem var būt nepieciešami. Un tā, atkal, šī ir daļa no problēmas, kuru mēs redzējām ar tradicionāliem BI rīkiem, piemēram, MicroStrategy un Cognos, un OB bija, jūs zināt, tas tikai nokļūšana centralizētā datu noliktavā, bet šie biznesa lietotāji patiešām vēlējās ņemt šos datus un sajauciet to ar citiem datu avotiem, lai iegūtu papildu rezultātus.
Es domāju, tāpēc jūs vēlaties pārliecināties, ka tieši visiem šiem dažādajiem datu avotiem, neatkarīgi no tā, vai tie ir relāciju vai nesaistīti, un dariet to tā, lai dati nebūtu lieki. Un tāpēc jūs vēlaties pārliecināties, ka izmantojat atmiņas kartes, lai piekļūtu šiem apvienotajiem datu avotiem un nevis kopētu šos datus citur organizācijā, jo tas rada tikai virkni problēmu.
Un tad jūs vēlaties pārliecināties, ka skatāt tādas lietas kā datu pieejamība un datu drošība, pārliecinoties, ka dati tiek šifrēti, un pārliecinieties, vai esat ieguvis pareizās atļaujas un pilnvaras. Mēs iesakām izmantot sistēmas, kuras jūsu IT komandas jau ir izveidojušas, piemēram, Active Directory un Windows autentifikāciju. Piekļūstiet tām sistēmām, kuras visu šo autentifikāciju var iziet līdz pat lietojumprogrammai, un tādā veidā jūs varat nodrošināt, ka īstie lietotāji iegūst piekļuvi pareizajiem datiem.
Tas patiešām ir pāriešana no vadības stāvokļa uz aktivizēšanas stāvokli un tas jādara ar aizsargmargām. Tātad, jūs zināt, aizsargmargu analītika, kurā IT dod visus rīkus, lai gūtu panākumus, taču viņi to arī uzrauga, pārliecinoties, ka tas ir konsekvents, uzticams un to dara ar pareizajām atļaujām vietā un pārliecinoties, ka šiem lietotājiem ir piekļuve tikai pareizajiem datiem. Nākamais slaids.
Ēriks Kavanaghs: Labi, doktors Veins.
Wayne Eckerson: Jā, tāpēc šis ir mans slaids. Tas tikai parāda pašapkalpošanās dimensijas, par kurām Džošs runāja. Mūsdienās tas ir biznesa biznesa pieprasījums, taču viņi nevēlas gaidīt, kā teica Džošs, lai IT piegādātu lietas, un IT to visu darīja. Viņi agrāk veidoja arhitektūru un pārvaldīja infrastruktūru, izvēlējās instrumentus un izveidoja lietojumprogrammas, pārskatus, informācijas paneli, un tas vienkārši nedarbojas lielākajai daļai lietotāju, kas tur darbojas. Un tagad mēs esam tuvu pašapkalpošanās vietnei. Mums ir pašapkalpošanās pārskati, pašapkalpošanās informācijas paneļi, kurus es saucu, pašapkalpošanās vizuālais atklājums. Esam veikuši pašapkalpošanās datu integrāciju vai datu sagatavošanu. Mums ir pieejama pašapkalpošanās uzlabota analītika, kur ir daži datu zinātnieki. Tāpēc mēs domājam visas šīs iespējas, kas pieejamas cilvēkiem, biznesa cilvēkiem, kuri tiecas darīt lietas paši.
Nākamais slaids. Šeit mēs saņemam atsauksmes, Ēriks, tikai lai jūs informētu. Tātad, jūs zināt, pašapkalpošanās uz virsmas izskatās izdevīga gan biznesam, gan IT departamentam. Lietotāji saņem to, ko viņi vēlas, kad viņi to vēlas, kā viņi to vēlas. IT nodaļa iegūst lietotāju tipus, viņiem ir jāizkrauj darbs un viņi netiešā veidā piegādā lietas, bet tā vai citādi ... Daudzos gadījumos pašapkalpošanās ir saistīta ar ievērojamiem negatīvajiem aspektiem, par kuriem jums ir jābūt uzmanīgiem. Džošs jums piedāvāja dažus ārstniecības līdzekļus dažiem no šiem negatīvajiem aspektiem.
Dodieties uz nākamo slaidu, Ēriks, un mēs vienkārši redzēsim, ka organizāciju pašapkalpošanās ir tāda veida paisuma spēka vilnis, kas ir dublējoši, konfliktējoši. Un tas nonāk līdz vietai, kad neviens neuzticas neviena cita ziņojumam, izņemot viņu pašu, kas nav labs stāvoklis. Jūs pat varētu teikt, ka tas ir sliktāk nekā tad, kad viņi sāka. Jums pamatā ir arhitektūra, ko veido ēnu ziņošanas sistēmas, datu izraksti, kas galu galā palielina izmaksas un pieskaitāmās izmaksas, dublēšanos un dublēšanos, un līdz ar to palielina risku organizācijā. Tātad pašapkalpošanās ir saistīta ar standartiem, kur pārvaldība patiešām ir tikai Bābeles tornis. Visi sazinās, bet neviens neklausās. Nākamais slaids.
Ēriks Kavanaghs: Tas ir lielisks citāts, man tas patīk. “Visi sazinās, bet neviens neklausās.” Es domāju, ka tas dažviet to apkopo. Gais, lūk, tu ej.
Wayne Eckerson: Tātad, jūs zināt, es ķēros arī pie ārstniecības līdzekļiem, taču daudzi uzņēmumi domā, ka pašapkalpošanās mērķis ir atbrīvoties no IT. Biznesā ir daudz pretintuitīvu lietu, un šī ir viena no tām. Pašapkalpošanās mērķis nebija ierobežot IT no vienādojuma, bet veicināt plašāku sadarbību ar to. Vēl viena pašapkalpošanās ironija, ko es šeit neievietoju, ir tā, ka pašapkalpošanās atbalstam ir nepieciešama liela standartizācija. Tas ir tāds, kā domājat braukt pa ceļu, vai ne? Ir daudz noteikumu, kas mums jāievēro. Visi-
Automatizēta balss: Konferences ierakstīšana ir pārtraukta.
Ēriks Kavanaghs: Neuztraucieties par to. Tā ir tikai dublēšana. Turpini.
Wayne Eckerson: LABI. Tātad IT ir tā grupa, kurai šie standarti jāsagatavo. Un, tiklīdz šie standarti ir ieviesti un pieņemti un pieņemti, hei, mēs varam darīt pašapkalpošanos, kamēr iznāk mēness. Nākamais slaids.
Ēriks Kavanaghs: Es domāju, ka mēs esam atgriezušies pie Džoša.
Džošs Hovards: Pareizi, jā, un es tam daudz piekrītu, Wayne, ka jūs teicāt. Bet, ja jūs vēlaties iegūt vairāk datu no datu, mums atkal ir jāiziet no tā, ka mums ir viss IT kontrolē un jāiesaistās iespējošanas biznesā. Tas nozīmē, ka lietotājiem jādod iespējas pašiem ar saviem analīzes rīkiem, ne tikai IT. Tas nenozīmē, ka jums viņiem ir jādod valstības atslēgas. To var izdarīt ar tām citām margām, kas jau pastāv. Izmantojiet esošās sistēmas, izmantojiet autorizācijas rīkus, Active Directory, savas atļaujas, un tas nodrošinās, ka, jūs zināt, kāds nenodod datus kādam, kam to nevajadzētu. Tātad, veicot visas šīs darbības, jūs pilnvarojat šos analītiķus sniegt lielāku vērtību un darāt to pārvaldītajā veidā.
Nākamais slaids. Bet realitāte ir tāda, ka IT nekad nespēs sekot dažādiem veidiem, kā analītiķis vēlas apskatīt datus, tos manipulēt. Un ne tikai to, bet arī jums nav laika sekot līdzi arī šiem pieprasījumiem. Mantotās sistēmas, ūdenskrituma procesi. Ja skatāties tikai ETL tabulas pievienošanas procesu, tad, jūs zināt, dažos gadījumos tas var ilgt nedēļas vai pat mēnešus. Un tātad, jūs vēlaties, lai varētu iet kopsolī ar šīm biznesa izmaiņām.
Ja patiesībā vēlaties izveidot analītikas kultūru, jums ir jāļauj šiem lietotājiem to darīt. Un tad, kad jūs to darāt, ieguvumi var būt patiesi pārsteidzoši. Jūs zināt, kad mēs sākām runāt par biznesa izlūkošanas projektiem pirms pieciem / desmit gadiem, es domāju, ka tas bieži tika minēts 70–80% no visiem BI projektiem. Un tas tā vairs nav. Apbruņojot biznesa lietotājus ar pareizajiem rīkiem, mēs redzam milzīgus rezultātus un milzīgu vērtību, un tas ir iemesls, kāpēc pašapkalpošanās rīki visā organizācijā izplatās kā ugunsgrēks. Tas ir panākumu dēļ, ko mēs redzam.
Es esmu ieguvis lietojuma gadījumu, par kuru šeit arī runāšu minūtes laikā, bet, jūs zināt, burtiski desmitiem tūkstošu lietotāju veic pašapkalpošanās analīzi un mērogu. Un šie lietotāji sniedz ieskatu ātrāk, viņi rada jaunus produktus un daudz ātrāk reaģē uz mainīgajiem biznesa apstākļiem, lai paliktu priekšā konkurencei.
Jūs zināt, otra lieta ir tā, ka, jūs zināt, viņi arī mazāk laika velta datu sagatavošanai un vairāk laika analīzei. Tas ir tikai vēl viens elements, un es šeit ieguvu piemēru no CNA, kur viņiem bija vairāki analītiķi, kuri izmantoja laikietilpīgas pieejas, kas ilga nedēļas vai mēnešus un tagad tos samazina. Tas ir bez pārspīlējumiem. Mums burtiski ir daudz šo klientu piemēru, kas to dara, un tas tiešām ir abpusēji izdevīgs scenārijs. Analītiķi priecājas, ka viņiem nav jāzina, jūs zināt, ka viņi ātrāk nokļūst pie saviem datiem. Tas ir laimīgs, jo, jūs zināt, viņi var koncentrēties uz savām stratēģiskajām iniciatīvām, nedomājot par pārvaldību, un tad beidzot izpildvaras komandas ir laimīgas, jo beidzot viņiem ir biznesa un IT komandas, kas strādā kopā, lai izveidotu šo analītisko kultūru. Atpakaļ pie jums.
Ēriks Kavanaghs: Labi. Mums bija vēl viena aptauja, tāpēc jums vajadzētu būt iespējai redzēt šos rezultātus auditorijā. Tas mums būtu jāredz jau jūsu vēlēšanu komisijā, bet jautājums bija: “Vai jūsu organizācija ir saņēmusi solījumu par pašapkalpošanos?” Es varu jums pateikt, ka respondentiem ir izteikts “nē”.
Es domāju, ka tas nozīmē to, kur mēs atrodamies šajā nozarē, bet es domāju, ka jūs, Džošs, esat teicis dažus patiešām ļoti labus punktus, proti, tas, ka pašapkalpošanās iespējošana, kaut arī ar dažiem standartiem, piemēram, Veins diskutēja, faktiski ļauj jums veidot pārvaldību. Tās ir margas, par kurām mēs runājām, vai ne? Pārvaldības politiku var pakāpeniski iekļaut piegādes sistēmā, un tas ir tad, kad jūs faktiski sasniedzat pārvaldību, vienlaikus dodot iespēju analītiķiem būt pašapkalpotiem. Vai tā ir taisnība, Džoš?
Džošs Hovards: Jā, tas ir pilnīgi pareizi.
Ēriks Kavanaghs: Jā, tāpēc respondenti -
Wayne Eckerson: Tātad, Ēriks, šie rezultāti ir interesanti, jūs zināt. Es teiktu, ka tā iemesls joprojām ir IT kontrole, lietotāji nesaņem pašapkalpošanos un neiegūst visu, ko viņiem vajag, vai, jūs zināt, viņiem ir nepietiekama pašapkalpošanās. Un abi ir slikti. Tātad ir grūti reāli iesist adatu ar pašapkalpošanos, lai būtu pārvaldīta vide, kas lietotājiem sniedz visu nepieciešamo informāciju un nepieciešamo funkcionalitāti, lai iegūtu nepieciešamo ieskatu un veiktu nepieciešamās darbības. Tas ir grūti, grūti, bet, ziniet -
Wayne Eckerson: —Jūs tagad sastopaties ar tādiem rīkiem kā, jūs zināt, Alteryx, ļoti jaudīgi rīki, ļoti jaudīgi. Tagad mums ir iespējas, ka mēs varam -
Ēriks Kavanaghs: Un jums ir vairāki iemesli, kāpēc jūsu neapstrādātais darījums ar Sonic nedaudz pārgāja zemē, tāpēc vienkārši uzmanieties pamata audio saņemšanai. Es esmu mazliet pārsteigts, un es domāju, ka patiesībā šī ir laba ziņa Alteryx, jo viņiem ir risinājums pašapkalpošanās iespējošanai. Tā kā vecajā veidā, kā rīkoties, izmantojot daudz dažādu instrumentu, piemēram, ar daudzām integrācijas vietām, cilvēki veida rūpējas, vienkārši cenšas sekot līdzi status quo, un es domāju, ka tas ir viens no īstajiem izaicinājumiem.
Vienam mūsu klientam pirms dažām nedēļām bija komentārs, kas man ausīs iezvanījās kopš brīža, kad viņš atsaucās uz “steidzamības tirāniju” un kā tas mēdz dominēt vairākās organizācijās un novērš pārmaiņas. Jums vienmēr ir steidzama valsts, jūs vienmēr skrienat apkārt, tikai cenšoties paveikt lietas, kas jau ir jādara. Un tas būtībā neļauj jums darīt jaunas lietas.
Noteiktā brīdī jums jāpārtrauc mūzika, jāatzīst, ka viens krēsls iet prom, bet pārējiem krēsliem jāsēž pie galda un jāsāk muldēt kaut kāda sadarbība, līdz mēs strādājam kopā. Bet tieši tā es uzskatu visu šo ainu. Jā, atbildes parasti bija 23 no 43, kas atbildēja “nē”, 6 no 43 cilvēkiem atbildēja “jā”, un 6 no 43 cilvēkiem atbildēja: “Neesat pārliecināts”, bet aptuveni 38 cilvēki neatbildēja. Bet tas ir diezgan skanīgs “nē”. Ar to es gribu iedziļināties lietas izpētē.
Es jums to atdošu, Džoš. Ņem to prom.
Džošs Hovards: Jā, un tāpēc es jau iepriekš runāju par šo biznesa un IT sadarbību. Man tiešām liekas, ka mēs būtu redzējuši diezgan lielas pārmaiņas, un arvien vairāk organizāciju virzās šajā virzienā, dodot iespēju pašapkalpot un redzēt tos rezultātus, par kuriem es runāju. Un Ford ir lielisks piemērs tam. Ford, protams, gadu desmitiem ir izmantojis datus un analītiku, taču, tāpat kā daudzās organizācijās, tas patiešām tika veikts tikai organizācijas kabatās. Konsekvence un koordinācija tika pārraudzīta maz, un, jūs zināt, viņiem bija arī nekonsekventa datu pārvaldības prakse.
Un tāpēc viņiem bija milzīgs jautājums; viņiem bija vairāk nekā 4600 datu avotu, un tā, jūs varat iedomāties izaicinājumu to izdarīt tāda izmēra uzņēmumā kā Ford. Un viņi to darīja, atgriezušies tikai pirms diviem gadiem, un viņi izveidoja Globālo datu ieskatu un analītisko vienību, kas ir centralizēts izcilības centrs, kuru veido komandas, kuras sastāv no, jūs zināt, datu darbiniekiem, tātad datu analītiķiem, datiem tāda veida zinātnieki.
Jūs varat domāt par šo VE, piemēram, par personāla departamentu vai finanšu nodaļu, kas kalpo visai organizācijai. Tas ir tieši tas, ko šī jaunā komanda izveidoja, un tāpēc viņi spēja noteikt un vadīties pēc saviem prioritārajiem izaicinājumiem un strādāt ar dažādām biznesa vienībām, kuras, jūs zināt, risina dažādas problēmas. Bet visa ideja bija tāda, ka viņi gribēja mērķēt un mainīt šo sarunu, lai koncentrētos uz pašu biznesa izaicinājumu, pareizi, un šo biznesa vajadzību apmierināšanu. Un, jūs zināt, viņi ir sākuši darbu ar vienu datu analītiķi, sākot ar pāris gadiem, ar vienu Alteryx licenci un ar Tableau un QlikView kombināciju.
Tagad viņi ir izveidojuši Alteryx vairāk nekā 1200 datu zinātnieku pēdējos divos gados, un viņi pieņem darbā vairāk. Un tas ir patiešām pārsteidzoši redzēt, ka notiek viņu organizācijā, un neticami ir gadījumi, kurus viņi risina. Viņi izmanto Alteryx, lai atrisinātu ražošanas līnijas jautājumus līdz pat NASCAR sacīkstēm, tāpēc ir patiešām aizraujoši redzēt dažus rezultātus, ko viņi brauc. Un, jūs zināt, kas ir interesanti, jūs zināt, daži no šiem lietošanas gadījumiem, vienreizējas lietošanas gadījumi, ļauj ietaupīt desmitiem miljonu dolāru, un tāpēc tos ir ļoti viegli attaisnot. Tas ir tikai viens lietošanas gadījums, un tagad tas tiek burtiski izmantots simtiem dažādu biznesa gadījumu un tiem 1200 datu analītiķiem un datu zinātniekiem. Tātad fenomenāli rezultāti, un mēs esam patiesi gandarīti par mūsu un Ford partnerību.
Wayne Eckerson: Labi, tas ir mans slaids. Tātad, jūs zināt, es pasniedzu klasei par pašapkalpošanās analītiku, un tas ir sava veida kopsavilkums, ļoti augsta līmeņa kopsavilkums par risinājumiem, kurus es sniedzu auditorijai pie galda. Un es centīšos to izskaidrot diezgan ātri. Ziniet, es redzu pašapkalpošanos, labi, ka nav neviena pašapkalpošanās. Ikvienam ir atšķirīga pašapkalpošanās definīcija organizācijā, tāpēc tas, kas ir pašapkalpošanās izpilddirektoram, noteikti nav pašapkalpošanās datu zinātniekam. Bet kopumā ir divas lietotāju klases. Pirmā klase, jūs zināt, vairāk gadījuma rakstura lietotāju, izpilddirektoru un frontes strādnieku top-down pasaulē ir zilā krāsā.
Un, jūs zināt, es viņus saucu par “datu patērētājiem” vai “datu pētniekiem”, un viņi ir diezgan domājoši rezultāti, jūs zināt, pārskati un informācijas paneļi, kas, cerams, ir interaktīvi, ko cilvēki viņiem būvējuši, vai nu IT, vai viņu kolēģi, un patērē tā kā ir. Pētniekiem ir tendence atvērt šīs lietas un rediģēt tās vietā, taču viņi ne vienmēr vēlas sākt ar tukšu papīra lapu. Nekādā gadījumā viņiem netiek maksāts par to. Nav jāmaksā analītiķiem. To dara augšupējās pasaules cilvēki, datu zinātnieki un datu analītiķi, kuriem ir arī datu analītiķu darbs ar izklājlapām un piekļuvi datu bāzēm. Un zināt, zinātnieki, vairāk izmanto datu mīnu darbagaldus. Daudzi no pašapkalpošanās rīkiem, kas ir iznākuši, patiešām ir devuši pilnvaras šai komandai no apakšas. Tas būtu daudz produktīvāk, nekā viņi jebkad varēja darīt agrāk. Viņi nevar tikai, patstāvīgi, izveidot savus pārskatus un paneļus, viņi var arī iegūt savus datus, tos sajaukt, savienot kopā utt. Es patiesībā esmu redzējis, ka šis rīku triumvīrs iznāk un importē augšupēju pasauli. Datu katalogi, lai viņi varētu atrast datus, vai nu sagatavošanās rīkus, lai viņi varētu tos saskaņot, un datu vizualizācijas rīki, lai viņi varētu tos analizēt, vizualizēt un koplietot. Es domāju, ka mēs redzēsim, ka rīku komplekts kļūst par vienu, un es domāju, ka patiesībā Alteryx ir tikai ceļā uz to.
Tāpēc es saucu šo lejupejošo pasauli par “reālu pašapkalpošanos”, turpretī lejupejošo pasauli es to saucu par “sudraba kalpošanu”, jo mēs veida informāciju sniedzam sudraba šķīvī. Zināmā mērā tas ir jau iesaiņots. Joprojām ir interaktīvs, joprojām rediģējams, bet kādam bija jādomā par to, kas bija cilvēki, kas to patērēs un jāpielāgo savām īpašajām vajadzībām. Augšupējā pasaulē, ko jūs esat ieguvuši, jūs varat redzēt, lielākās slodzes centralizētās grupas, datu pārvaldības komiteju, kas, kā jūs zināt, ievieto to datu vietnēs un ziņojumos. Un datu noliktavu komanda, kas mēģina integrēt datus lēmumu pieņemšanai. Tas ir vairāk tradicionāls uz IT orientēts centralizēts lejupējs pārvaldības process. Tā kā augšupējā pasaulē, kas vairāk līdzinās 10 procentiem, 20 procentiem organizācijas, viņi iegūst pārvaldību no pamata līmeņa, faktiski atverot datu kopas, apskatot tos, komentējot tos un marķējot šīs datu kopas - pamatā veidojot kopējo datu kopumu vidējā līmenī. Jūs saņemat katalogus un datu tirgus, un organizācijai ir vajadzīgas abas šīs pasaules. Patiesībā viņi baro viens otru, ļoti sinerģiski, tie ir vienas monētas divas puses. Ja katrā departamentā jums nav analītiķu, operācijas neizdodas, mārketings, finanses. Jums trūkst visa veida ieskatu, kas jums ir nepieciešams, lai virzītu uzņēmējdarbību, jo tie rada atbildes uz jautājumiem, kurus cilvēki nevarēja saprast, kādi viņi bija iepriekšējā dienā. Protams, IT to nevarēja, vai izstrādātāji nevarēja izveidot šos pārskatus vai informācijas paneļus. Tātad viņi sava veida attaisno nākamo prasību un nākamo ieskatu vilni, kas būtu jāiesaiņo un jāievieto augšupējā pasaulē.
Tagad problēma ir tā, ka augšupējā pasaule publicē pārskatus augšpusē, kas nav sertificēti vai pārvaldīti, un jūs saņemat konfliktējošus pārskatus, dublikātus un tamlīdzīgas lietas. Tātad, manā pasaulē tas palīdz izveidot datu pārvaldības vārtus starp šīm divām pasaulēm, un tas ir pareizi, ja sāktais datu analītiķis izveido un nāk klajā ar jaunu ieskatu un izveido ziņojumu. Cilvēkiem tas patīk, un tad, jūs zināt, viņi vēlas turpināt publicēt šo ziņojumu un dalīties tajā, iespējams, plašāk visam uzņēmumam, tas ir jāpārskata datu pārvaldībā un, cerams, ļoti ātri, lai nodrošinātu tā atbilstību standartiem. Iespējams, tas būs jāraksta standarta platformā, iespējams, būs jāpievieno jauni dati standarta uzņēmuma repozitorijā. Un tas, ko mēs redzam tagad, ir tādi rīki kā Alteryx, kas faktiski iegulst šī reklāmas procesa atbalstam nepieciešamās darbplūsmas, kurās mēs reklamējam pārskatā, kas ir kļuvis populārs, lai iegūtu ūdenszīmi vai mērogu kā uzņēmuma kalibrētu sertificētu pārskatu vai datu kopu. . Tātad, tas ir daži no datu pārvaldības stāvokļa, kas īsumā izsvērti kā pārskatīšanas process. Var būt ražošanas nodošana ar izstrādes komandām, un BI rīkos, analītiskajos rīkos vai šajās darbplūsmās var būt iebūvētas atļaujas un pārvaldība. Nākamais slaids.
Ēriks Kavanaghs: Labi, es domāju, ka mēs atgriežamies pie Džoša par šo vienu.
Džošs Hovards: Jā, un tā, jūs zināt, kad jūs runājāt par pāreju no vairākiem šiem dažādajiem rīkiem un to, ko esmu atradis pats, jūs zināt, pētījumi ir tādi, ka vairums analītiķu izmanto 10 līdz 12 dažādus rīkus, lai panākt viņu analīzes darbu. Un, jūs zināt, iespējams, ka datu atrašanai viņi izmanto datu kataloģizācijas risinājumu, viņi, iespējams, izmanto datu sagatavošanas risinājumu, viņi, iespējams, izmanto datu vizualizācijas rīku, kaut ko progresīvai analītikai, jutīgo analītiku un datu zinātnes rīkus izvietošanai un to pārvaldīt. Un mēs patiešām domājam, ka tas būtu jāapkalpo caur vienu platformu, un mēs domājam, ka tieši tur notiek šī nozare. Un tā, lielākā daļa cilvēku zina par visiem trikiem, kas saistīti ar datu sagatavošanas un sajaukšanas iespējām un to ciešo integrāciju ar tādiem rīkiem kā Tableau un Power BI.
Bet, jūs zināt, mēs esam vairāk nekā tikai datu sagatavošanas rīks. Mēs patiešām esam visaptveroša platforma tiem datu analītiķiem un pilsoņu datu zinātniekiem, nodrošinot iespēju atklāt šos datus, sagatavot tos, tos sajaukt, analizēt un darīt to atkārtojamā veidā un atkārtojamā darbplūsmā. Un pēc tam izvietojiet un dalieties ar šiem aktīviem mērogā, un tas tiešām ir tas, kas ir Alteryx. Un mums ir pārsteidzoša kopiena, kuru mēs atbalstām, un, jūs zināt, ir kas vairāk nekā tikai jūsu tipiskā kopiena. Tam ir pašapkalpošanās apmācības zonas, tajā ir forumi un paraugprakse, un mums tur tiešām ir evaņģēlisku lietotāju kopiena, kas atbalsta viens otru. Un liels ir tas, ka, pieņemot tādus rīkus kā Alteryx, šāda veida kopienas patiešām samazina mācīšanās līkni, tāpēc jūs varat ātrāk sasniegt šos jaunos rīku komplektus. Lai arī tie ir patiešām viegli lietojami, tiem nav nepieciešama liela kodēšana, un tie ir viegli lietojami un ātrāk izveidojami un darbināmi, taču tik un tā ir kopiena, kas samazina šo mācīšanās līkni.
Un tā, kā mēs to esam sadalījuši, ir četras jomas. Pirmkārt, tas tiešām ir saistīts ar atklāšanu un kopīgošanu, tāpēc, pirms varat sagatavot un apkopot savus datus, jums tas jāprot atrast. Un tas ir iemesls, kāpēc mūsu platformas pirmā daļa ir šī atklāšanas un koplietošanas sastāvdaļa, kuru mēs izmantojam, lai attēlotu jūsu organizācijas cilts zināšanas. Tātad tas būtībā ir datu kataloģizācijas risinājums, ko izmanto, lai koplietotu izstrādātas un pārvaldītas datu kopas. Tas lietotājiem ļauj atrast meklētos datus ērti lietojamajā Google līdzīgajā meklēšanas funkcijā, kā arī nodrošina sociālās funkcijas sadarbībai datu kopās un pat ļauj izpētīt aktīvu datu līniju, sertificēt tos. aktīvi un ūdenszīme. Tas ir patiešām svarīgi pašapkalpošanās analītikai, jo, pirmkārt, lielākā daļa cilvēku tērē pārāk daudz laika, lai atrastu datus - viņi nezina, kur doties, lai tos pat atrastu. Un tad, ja viņi atrod ziņojumu, tad zināt, kā viņi zina, ka tas ir sertificēts un vai tam ir uzticams? Tātad, kad jūs par to runājāt, ņemot vērā datu pārvaldības vārteju, es patiešām redzu, ka tādi rīki kā Alteryx kļūst par tiem vārtiem, kur, veicot meklēšanu, jūs varat automātiski un vizuāli redzēt, kam šie dati pieder, kāda ir šo datu izcelsme, kā tas tika izveidots, ja tas bija sertificēts, un kā tam piekļūt, un, ja jums tam nav piekļuves, varat izmantot tērzēšanas funkcijas, lai, jūs zināt, pieprasītu šo piekļuvi. Tas ir domāts konkrētai personai, un tāpēc tas ir patiešām labs veids, kā ražot daudzus šos elementus. Nākamais slaids.
Nākamais darbs ir atkal šie sagatavošanās un sajaukšanas darbi, par kuriem mēs esam plaši pazīstami, un tāpēc mēs patiešām uzskatām, ka sagatavošana un sajaukšana ir uzlabotas analīzes sākums. Neuzrakstot SQL vai cita veida kodu, jūs varat piekļūt visiem saviem dažādajiem datiem, meklēt tos pēc vaicājuma - jūs zināt, vai tie ir strukturēti dati, nestrukturēti dati, mākoņa dati - un viegli integrēt visu atmiņā esošo, to veidot, iztīrīt. , profilējiet to, lai jūsu datu kopa būtu gatava analīzei. Varat arī to bagātināt ar trešo personu datu kopām. Tātad, ja jūs interesē brauciena laika analīze un telpiskās analīzes, mums ir patiešām labas partnerattiecības ar tādiem uzņēmumiem kā TomTom. Mēs ļoti cieši sadarbojamies arī ar Experian, lai apkopotu mājsaimniecības datus vai biznesa datus. Tātad pēkšņi jūs varat ne tikai ņemt vērā datus, kurus esat ieguvis uz vietas, vai varbūt mākonī, bet arī bagātināt tos ar šiem trešo pušu avotiem un patiešām nākt klajā ar aizraujošu analīzi. Nākamais slaids.
Trešais darbs ir šī analīzes un modeļa sastāvdaļa. Tāpēc es minēju, ka Alteryx nebija koda. Tas ir arī kods. Tātad, mēs piedāvājam vairāk nekā 60 dažādus paredzamās analītikas rīkus, tāpēc, kad esat gatavs veikt modernāku analīzi, varat izmantot R un Python un Spark balstītus rīkus bez kodēšanas vai arī faktiski var izmantot un izveidot pats savu pielāgoto pakas. Tātad, ja jums ir datu zinātnes komanda, kas raksta R un Python vai Scala vai ko citu, varat izmantot šo kodu, izveidot pats savus paketus un izmantot šo iespēju tieši rīkā. Un atkal, šeit, manuprāt, ir pašapkalpošanās analītikas patiesā vērtība, un tieši šeit mēs vēlamies palīdzēt pārveidot nozari no, jūs zināt, tradicionālajiem datu analītiķiem un datu darbiniekiem šajos, jūs zināt, pilsoņu datu zinātniekos un veicot datu zinātnes darbu ar patiešām viegli lietojamiem rīkiem. Slidkalniņš.
Labi, iekšā, un beidzot esam ieguvuši pēdējos slēdžus - pēdējais uzlabotās analītikas jūdze. Tātad, ja jūs atrodaties vietā, kur strādājat ar datu zinātni, un veidojat savus modeļus, nākamais izaicinājums, ar kuru jūs saskaraties, ir “Nu, kā es varu šos modeļus ieviest ražošanā? Kā tos vadīt? Kā es varu tos atjaunināt? "Un šeit parādās mūsu izvietošanas iespējas. Un tā, saskaņā ar mūsu klientu pētījumiem, ar kuriem mēs esam runājuši, mazāk nekā 50 procenti modeļu to jebkad padara ražošanā. . Tātad jūs esat pieņēmuši darbā šos datu zinātniekus, lai veidotu visus šos modeļus, bet viņi nekad to nekad nepadara ražošanā. Tātad, mēs esam izveidojuši risinājumu, kas palīdzēs jums izveidot savus modeļus un pēc tam tos izvietot reāllaikā, izmantojot RESTful API.
Un tāpēc jūs varat ātrāk un vienkāršāk iegūt šos modeļus un ievietot tos tieši tīmekļa lietojumprogrammās un mobilajās lietojumprogrammās, jo tradicionālās metodes vienkārši nedarbojas. Tas ir ilgs process, kas izvilkts. Modeļa ieviešana var ilgt no 12 līdz 20 nedēļām, un tas bieži vien prasa vairāk nekā USD 250 000. Un tad jums bija jāuztraucas par to, kā jūs tos atjaunināt. Tāpēc atkal mēs meklējam veidus, kā automatizēt visu šo procesu un veikt daudz starpnieka darbību. Un tā, īsti neizmetot kodu, jo tradicionālais process, kas notiek tagad, ir tas, ka jums ir datu zinātnieks, kurš būvē savus modeļus, un viņi tos izvieto, un viņi met tos virs žoga tīmekļa izstrādātājam, kuram paņemiet visu šo R un Python kodu, pārrakstiet to kaut kādā tīmekļa lietojumprogrammā vai mobilajā lietojumprogrammā, un atkal tas prasa pārāk daudz laika.
Un tāpēc vairs nav žoga, ko kāds cits var darīt pāri žogam. Mēs esam šo procesu automatizējuši, un mums ir veids, kā to pārvaldīt mērogā. Un tā, tās patiešām ir četras jomas, kuras mēs aplūkojam, kad runa ir par datu analītikas pašapkalpošanās platformu. Tātad, tas ir, jūs zināt, viegli atrodot un koplietojot datus, sagatavojot tos un sajaucot tos, veicot uzlaboto analītiku un pēc tam atrodot veidu, kā tos izvietot un pārvaldīt mērogā. Uz priekšu. Tātad, izmantojot Alteryx, jūs varat, jūs zināt, runāt par analītisko pārvaldību un spēju atbloķēt savus datus drošā veidā un piedāvā gan kodu, gan koda draudzīgus veidus, kā veikt visu analīzi, tāpēc, ja jūs vai jums ir datu analītiķi, kas, iespējams, nezina semantiku, jūs zināt, SQL valodas, lai veiktu vaicājumus datu bāzē, varat izmantot vilkšanas un nomešanas rīku, kas visus šos datus ievelk atmiņā, lai veiktu analīzi.
Tādā pašā veidā, ja jums ir datu zinātnieki, kuri izmanto R un Python, viņi joprojām var izmantot tādu rīku kā Alteryx kodiem draudzīgā veidā - un rezultāti, ko mēs esam redzējuši ar mūsu klientiem, ir milzīgi, jo mēs esam spēja nodrošināt tās atkārtojamās darbplūsmas, kuras varat veikt, uzdevumus, kas prasa, jūs zināt, nedēļas vai mēnešus, un burtiski tos pārspīlēt līdz minūtēm, nepārspīlējot. Mūsu vietnē ir pieejama virkne gadījumu izpētes, kurā varat uzzināt vairāk par to un dažiem ietaupītajiem laika ietaupījumiem. Bet, visbeidzot, jūs zināt, ka tā strādās ar jūsu IT organizāciju, jo tā ir pielāgojama un sagrauj tos tvertnes, par kuriem es runāju, un to dara pārvaldītā veidā. Un tas tiešām ir Alteryx visaptverošā platforma un kāpēc mēs esam atšķirīgi.
Ēriks Kavanaghs: Labi. Tas viss ir labs. Man jāsaka, Wayne, es domāju, ka jūs patiešām kaut ko esat ieguvis, izmantojot šos datu pārvaldības vārtus, un, manuprāt, tas, kā jūs to aprakstījāt. Tā kā mēs šobrīd atrodamies šajā patiešām interesantajā pasaulē, kurā datu noliktavas, kuras jau četrus gadu desmitus ir uzticams avots, patiesībā nespēj sekot līdzi laikam un sekot līdzi visiem dažādajiem datu avotiem un datu variantiem. Tā ir diezgan stingra sistēma, kurai parasti ir datu noliktava, un tāpēc tas, ko es redzu, kā Alteryx šeit piegādā, ir patiešām tas, ko jūs varētu nosaukt par nākamo analītiskā brieduma posmu, jo tie ļauj jums izmantot visus šos dažādos avotus, bet tāpēc, ka viņiem ir šī cīņas zona ar datu pārvaldības politikām, kas ir izceptas, tagad jūs patiešām gūstat labāko no abām pasaulēm, kurās var būt daudz dažādu datu kopu, bet jums ir pārvaldība, un jūs varat arī izmantot visa veida informāciju un apkalpot visu veidu dažādus analītiķus, lai iegūt dažādas perspektīvas par to, kas notiek biznesa pasaulē. Bet es to uzskatu par diezgan nozīmīgu soli uzņēmuma analītikas attīstībā, bet ko jūs domājat?
Wayne Eckerson: Nē, absolūti. Datu noliktavas, vienas patiesības versijas krātuves, kādas tās bija, un, manuprāt, to vienkārši ignorējat, jūs zināt, organizatoriskā dinamika un lomas, kuras cilvēki spēlē. Un es redzu šīs divas BI vai analītikas pasaules, kā jūs tās saucat.Un lielākajā daļā uzņēmumu viņi iet pretējos virzienos, un viņi nerunā viens ar otru, neuzticas viens otram, bet patiesībā viņi ir ļoti sinerģiski, un mums vienkārši jāpanāk, lai viņi viens otru atzītu un veida darbu kopā. Un tādi rīki kā Alteryx, kas iekļauj pārvaldību, izmantojot datu kataloģizēšanas iespēju, kur pārvaldnieki var pārvaldīt datu kopu un sertificēt un ūdenszīmi, par ko es jau pāris gadus runāju savās klasēs. Ļoti maz uzņēmumu to ir darījuši, taču tas ir tik daudz vilces, un tagad es dzirdu, ka tas ir visur.
Un tā, veids, kā sajaukt šīs divas pasaules kopā, jo, jūs zināt, jums ir sava kūka un jūs to ēdat arī. Jūs varat ļaut enerģijas lietotājiem darīt to, kas viņiem jādara. Dodieties atrast jaunās atziņas pēc pieprasījuma, un tad, jūs zināt, taču jūs neļaujat to iegūt no kontroles. Jūs neļaujat radīt Bābeles torni ar dažiem standartiem, kuriem nepieciešama zināma pārvaldība. Un mērķis patiešām ir radīt tādu pārvaldības kultūru, kurā cilvēki vēlas iziet pārvaldības procesu. Viņi vēlas, lai viņu pārskati / datu kopas tiktu pārskatītas, lai viņi tiktu patērēti plašāk. Tas ir mērķis, un tā ir patiešām IT jaunā loma šajā jaunajā pasaulē. Es vienmēr saku, ka viņu loma ir atvieglot, nevis diktēt. Un tā ir liela prāta maiņa lielākajai daļai IT profesionāļu, kuri jau ir pieraduši atrasties kopīgā pakalpojumā, kas visu dara biznesa labā. Tagad bizness darbojas pats par sevi, un IT tiešām ir jābūt tikai cilvēkiem, kā teica Džošs, sakārtojot šīs margas.
Ēriks Kavanaghs: Jā, es domāju, ka aizsargmargas ir galvenās, jo tās ļauj analītiķiem brīvi spēlēt, ja vēlaties, darīt dažādas lietas, bet neizkļūt no ceļa. Un, ja es saprotu -
Wayne Eckerson: Tieši tā.
Ēriks Kavanaghs: —Jūs pareizi, Džošs—
Džošs Hovards: Tieši tā.
Ēriks Kavanaghs: Jā, jūs runājāt par to, kā es patiesībā tagad sekoju Alteryx, jo pirms daudziem gadiem to sauca par Alteryx - es domāju, ka to sauca par SRC vai kaut ko tamlīdzīgu - un Wal-Mart bija pirmais klients. Un viena no patiešām foršajām lietām, par kuru jūs, puiši, runājāt jau tālajā laikā, bija spēja patiesi izprast biznesa procesus un darbplūsmas. Un, ja jums ir tik liela izpratne par darbplūsmu un biznesa procesiem, tad varat darīt vairākas dažādas lietas. Pirmkārt, jūs varat piegādāt ļoti pilnveidotu lietotāja saskarni, ja neaizklājat lietotājam pieejamās iespējas ar citu informāciju. Otrkārt, jūs varat arī pilnveidot procesus, lai labāk saprastu, kur ir aizrīties punkti vai vadības punkti. Un es domāju, ka tas, iespējams, ir daļa no maģijas, kāpēc Alteryx ir spējusi nodrošināt šo ļoti pārvaldībai draudzīgo, bet lietotājam draudzīgo vidi, kas ļauj izmantot visa veida dažādas informācijas kopas un analītiskas izmantošanas gadījumus. Vai jūs tam piekrītat?
Džošs Hovards: Jā, es domāju, ka tas ir, jūs zināt, es, Ēriks, un tas viss ir tikai šāda veida rīku nodošana biznesa lietotājiem un dot viņiem iespēju darīt savu darbu biznesam draudzīgā veidā, kas ir viegli izdarāms. izmantot, un tas ir draudzīgi. Es domāju, ja domājat par kaut ko līdzīgu datu pārvaldībai, mēs jau divus gadu desmitus esam runājuši par datu pārvaldību, un kā IP glabāšanu mēs mēģinājām to virzīt uz biznesu, un tas vienkārši nekad netiks pieņemts, nekad jebkāda veida vilce, jo tā nav paredzēta biznesa lietotājiem, vai ne? Tas ir IT virzīts, IT virzīts un darbojas IT, bet nedarbojas šiem biznesa lietotājiem. Un tāpēc mēs vēlamies izmantot tās pašas metodikas, bet pielietot tās uzņēmējdarbībai draudzīgā rīku kopā, un tā ir mūsu pieeja, kā jūs zināt, datu kataloģizācijas risinājumam un metadatu pārvaldībai.
Jūs zināt, kad es runāju ar biznesa lietotāju, es nekad nerunāju par semantisko datu slāni un to, kā mēs palīdzam pārvaldīt, jūs zināt, metadatus. Bet, kā jūs zināt, tas būtībā ir tas, ko tā dara, šāda veida lietas jau sen ir IT iekšienē, bet biznesa lietotājam tas viss ir par to, kā ātrāk atrast datus, kā paveikt darbu ātrāk un nodrošinot šo informāciju viegli lietojamā saskarnē, kuru viņi ir pieraduši lietot, tāpat kā patērētāja dzīvē, vai ne? Viņi vēlas Google līdzīgu meklēšanas saskarni, viņi vēlas sociālās sadarbības elementu, kur viņi var izveidot tīklu ar citiem šīs organizācijas lietotājiem, lai sadalītu šos datu tvertnes un iegūtu šīs cilts zināšanas. Tātad mēs vienkārši izmantojam atšķirīgu pieeju tam, kā mēs strādājam ar biznesu, bet darām to arī IT draudzīgā veidā.
Ēriks Kavanaghs: Jā, un man radās lielisks jautājums -
Wayne Eckerson: Jūs zināt citu lietu - Džošs, kas mani pārsteidza jūsu prezentācijā, bija tas, ka mēs tagad esam platformu laikmetā. Es domāju, ka mēs esam pārgājuši pāri instrumentu laikmetam, un tas ir labi, bet platformas, vai ne? Tātad, es esmu bijis saistīts ar BI jau 20-dažus nepāra gadus, un BI-telpā mēs esam pārgājuši no rīkiem uz analītiskām platformām, kur, jūs zināt, viens produkts būtībā deportē katru analītisko režīmu jebkura veida lietotājiem. , pa labi? Sākot no pārskatiem un beidzot ar kopīgas arhitektūras un pašapkalpošanās prognozēšanu. To pašu mēs redzam arī datu apkopošanas pusē vai datu integrācijas pusē, kur kāds apkopo šīs platformas, kas izmanto datus, tos pievieno, kataloģizē, labo, pārveido un ļauj lietotājiem lejupielādēt un analizēt. Un tagad tas, ko jūs darāt, daudzējādā ziņā sper nākamo soli un apvieno šīs divas platformas vienā, tātad tā ir apvienota analītika un datu platforma, kurai, kā jūs zināt, ir jēga. Tāda ir nākotne: konverģence. Vienīgais, ko es neredzu jūsu platformā, ir jūsu galvenie pārskatu un informācijas paneļa rīki vai iespējas, bet varbūt tas ir iestrādāts jūsu analītiskajā modulī.
Džošs Hovards: Jā, mēs ļoti labi pārskatām partijas. Mēs tur esam ieguvuši ļoti stabilu risinājumu, bet jūs trāpījāt uz punktu ap paneļiem, un mēs to redzam kā iespēju augt. Mums vienmēr ir bijušas patiešām labas partnerattiecības ar Tableau, Power BI un Qlik, bet mēs to turpināsim. Bet to, ko mēs atrodam, ir mūsu analītiķi, klienti, viņi nevēlas gaidīt līdz darbplūsmas beigām un ciklam, lai redzētu viņu rezultātus, vai ne? Viņi vēlas redzēt rezultātus, strādājot reālajā laikā, un tas tiešām ir mūsu virziens, un, līdz ar to, mēs zinām, ko mēs marķējam kā inline vizītiku, lai jūs redzētu savus datus, strādājot, un jūs varat to atkārtot un redzēt to reālā laikā, nevis gaidīt līdz beigām un publicēt to vizualizācijas rīkā vai informācijas panelī, lai redzētu šos rezultātus. Tātad tas vienkārši novērš nepieciešamību līdzsvarot turp un atpakaļ, lai iegūtu jūsu ieskatu.
Wayne Eckerson: Jā, labi, ka tam ir liela jēga. Un jūs, puiši, tagad esat pazīstams ar ērtu lietošanu. Jūs zināt, ka jūs izmantojat uzņēmumu Tableau, lai viņu slava un laime pieaugtu. Jūs esat turpat kopā ar viņiem, un kam labāk uzņemties vadību šajā saplūdinātajā platformas telpā, jo esat spēlējis gan analītiku, gan datu pārvaldību. Tātad, mēs pārbaudām beta versiju, lai redzētu, kā jūs, puiši, maksājat nākamajos pāris gados.
Džošs Hovards: Jā, un jūs zināt, es domāju, ka tas ir interesanti, un es priecājos, ka esmu daļa no šīs telpas, un tas tiešām ir bijis interesanti redzēt, aplūkot, jūs zināt, datu integrācijas telpu, biznesa informācijas telpu un uzlabotās analītikas telpa, un tiešām redzam, ka tie saplūst. Un, jūs zināt, es domāju, ka tādas platformas kā Alteryx patiešām palīdzēs daudziem no šiem biznesa lietotājiem izcelties un ļaut šiem lietotājiem piekļūt saviem datiem un veikt šo analīzi, jūs zināt, un ātrāk un vieglāk iegūt šo ieskatu.
Ēriks Kavanaghs: Jā. Viss šeit, un es piekrītu jums, Wayne, ka tam ir patiesa jēga, un es domāju, ka, jā, ir kāds publikas locekļa jautājums, kuru es šeit iemetīšu. Tas ir ļoti svarīgi sarunai. Tas attiecas uz DataOp. Tiem no jums, kuri nepārzina terminu -
Džošs Hovards: Nākamais slaids.
Ēriks Kavanaghs: — Tas tiešām ir spēcīgs pēdējos deviņos mēnešos. Tas sākās ar vienu vai diviem pārdevējiem, pēc tam trim un četriem, tad pieciem un sešiem, un tagad daudzi cilvēki runā par DataOp. Tā pamatā ir DevOp datu pārvaldības puse. Tātad tas, ko mēs redzam, ir koncentrēts uz patiesu mēģinājumu izprast, kādi dažādi rīki un kādas dažādas tehnoloģijas pieskaras datiem, mainoties tā dzīves ciklam, un kā tas ietekmē jūsu analītisko skatu. Un man šķiet, ka Alteryx faktiski atrisina DataOps problēmu, koncentrējoties uz šo platformas pieeju, pirms DataOp pat kļuva par terminu. Bet vispirms es to nodosšu Džošai, bet pēc tam komentāriem jūs, Wayne. Džošs, ko tu domā?
Džošs Hovards: Jā, es domāju, ka tā ir mainīga telpa. Jūs zināt, ka mēs cenšamies būt dati agnostiski, un tāpēc mēs varam piekļūt datiem - neatkarīgi no tā, vai tie atrodas jūsu ugunsmūrī, mākonī, nestrukturētiem datiem, strukturētiem datiem - tāpēc, ka mēs zinām, ka tas mainīsies, jūs zināt, un esmu pārliecināts, ka Veins tam piekritīs, tāpat kā jūs, Ēriks. Ja jūs atgriezīsities, jūs zināt 10, 15 gadus šajā telpā, es domāju, ka bija tikai nedaudz datu bāzu. Tagad mums ir vairāk nekā 400 dažādu veidu datu bāzu. Un tā, mēs vienkārši nekad to neatkāpsimies. Un tāpēc organizācijai vienmēr būs kaut kas jauns un spīdīgs. Tātad, mēs vienkārši vēlamies būt agnostiski un izmantot mūsu atvērtās tehnoloģijas un API, lai varētu nemanāmi integrēties ar visu, kas jums jau ir jūsu organizācijā. Un, skatiet arī otro daļu no DataOp puses, patiešām arvien vairāk un vairāk darba slodžu tiek novirzīts uz mākoni, un jaunās mākoņu tehnoloģijas un mašīnmācīšanās tehnoloģijas mūs patiešām stumj šajā jaunajā paradigmā, un es tiešām domāju, ka tieši tur, jūs zināt, DataOps gatavojas iet. Un mēs redzēsim daudz interesantu lietu, kas notiek šajā telpā.
Wayne Eckerson: Jā, es domāju, ka vēl viens termins, ko mēs izmantojam DataOps, ir “datu cauruļvadi” vai “datu piegādes ķēdes”, un mēs redzam, ka iznāk daudz uzņēmumu, īpaši lielo datu pasaulē. Jūs varat pārvaldīt šo darba slodzi un neļaut datu ezeriem kļūt par datu purviem. Jā, un es piekristu, ka daudz kas tagad pārvietojas arī mākonī.
Ēriks Kavanaghs: Nu, un jūs zināt, tāpēc Alteryx veica pāris pirkumus. Es nezinu, vai jūs vēlaties par to runāt pagājušā vai divu gadu laikā, domāju, Džoš, un tas patiešām ir izveidojis šo platformu datu ieņemšanas ziņā un dažu šo semantisko lietu ziņā. Un tagad jums patiešām ir šāda veida visaptverošs risinājums, kas ļauj analītikai to pārvaldīt. Es nezinu nevienu citu, kurš būtu izvēlējies tik lielu uzmanību un pieeju, un es domāju, ka tas bija ļoti gudrs jūsu pusē. Bet vai jūs vēlaties par to mazliet runāt?
Džošs Hovards: Jā, protams. Un tā, tas ir bijis liels gads Alteryx. Jūs zināt, šī gada sākumā mēs nonācām publiskajā telpā, un mēs izdarījām divus galvenos ieguvumus, kas mums palīdz, jūs zināt, mūsu platformas izbeigšanai. Un tā, pirmais, tas tiešām bija tas datu kataloģizēšanas gabals. Atkal, jūs zināt, tas, ko mēs atrodam, ir tas, ko mēs vēlamies palīdzēt šīm organizācijām pārvaldīt šos datus. Tātad mēs faktiski iegādājāmies datu pārvaldības uzņēmumu Semanta, un tas ir kļuvis par mūsu datu kataloģizācijas risinājumu un to, ko esam iebūvējuši kopējā platformā. Tā kā mēs to darām, mēs atkal redzam, ka pārvaldība ir galvenā pašapkalpošanās un pašapkalpošanās iespēju sastāvdaļa. Un tas atkal ļāva mums visiem, jūs zināt, metadatu pārvaldībai, datu kataloģizācijas iespējām. Un tas, ko mēs esam paveikuši, ir izveidojis interfeisu, lai tas būtu ērti lietojams un ļoti draudzīgs, integrēts mūsu kopējā platformā.
Otrais, ko mēs izveidojām, bija datu zinātnes uzņēmums, kas atradās Bruklinā, Ņujorkā, un tas tika darīts, lai attīstītu mūsu mašīnmācīšanās iespējas, kā arī modeļa pārvaldības daļu. Un tāpēc es jau iepriekš minēju, ka mums ir daudz datu zinātnieku, kuri izmanto mūsu platformas un veic ļoti svarīgu datu zinātnes darbu. Tomēr, jūs zināt, sasniegt šos modeļus līdz pēdējai jūdzei bija ļoti izaicinoši. Un tāpēc, es minēju, jūs zināt, ka 12 līdz 20 nedēļu laikā, kas bieži prasa 250 000 ASV dolāru, kas nepieciešami dažu šo modeļu izveidošanai. Un kā tad jūs varētu visus šos modeļus izmantot un atjaunināt? Kā šie modeļi mācās? Un kā jūs apmācāt tos modeļus? Un tā, tā ir liela problēma, arī izvietošanas iespējas. Un tā, šīs divas tehnoloģijas, kas saistītas ar datu zinātni un datu pārvaldību, patiešām ir noapaļojušas mūsu platformu un to, ko mēs cenšamies darīt, cenšoties to nogādāt organizācijās, lai atrisinātu šo izaicinājumu.
Ēriks Kavanaghs: Jā, un es priecājos, ka jūs to ielaidāt, jo mums bija auditorijas jautājums tikai par mašīnmācību un AI. Un, Wayne, varbūt es jums to pateikšu tiešām ātri. Man šķiet, ka mašīnmācībai ir tik liels potenciāls, lai patiešām optimizētu daudzus un dažādus jautājumus, ar kuriem mēs gadiem ilgi esam saskārušies - tādas lietas kā datu kvalitāte, piemēram, tādas kā sastrēgumi analītikā un palīdzot šai atklājumu pusei. vienādojums, vai ne? Tā kā daži no šiem algoritmiem, kas jo īpaši turpina mācīties, patiešām var darboties paši un atrast dažas interesantas lietas, kuras lietotājs varētu atklāt. Tā kā viens no izaicinājumiem, protams, ar analītiķiem kopumā, ir tas, ka katrs analītiķis nes savu aizspriedumu kopumu, savu skatījumu uz pasauli. To dažreiz var būt diezgan grūti mainīt, un tāpēc es nākotnē redzu lielu potenciālu mašīnmācībai un AI. Ko tu domā?
Wayne Eckerson: Nē, absolūti un vienkārši pamatnoteikumi. Šīs lietas kopā vienkāršos šos pašapkalpošanās rīkus, padarīs tos vieglāk lietojamus. Jūs jau zināt, kā jūs teicāt, sākot ar ieteikumu sniegšanu citiem pārskatiem, datu kopām, lai apskatītu, līdz modeļu pielāgošanai, jūs zināt, mierīgas korelācijas datu sagatavošanas rīkā. Ziniet, mēs jau esam rīkojušies šādi, piemēram, Tableau ir ieviesis jauninājumus pareizajā datu kopas vizualizācijā, kuru vēlaties parādīt. Tas viss padara šos rīkus daudz jaudīgākus, padara pašapkalpošanos daudz ticamāku un palīdz lietotājiem izmantot datus, lai ātrāk gūtu ieskatu un novērtētu vērtību.
Ēriks Kavanaghs: Jā, un jūs zināt, ka biznesa programmatūras pasaulē acīmredzami notiek tik daudz lielisku lietu, taču vissvarīgākais ir tas, ka tehnoloģiju izveidošanai vienmēr ir nepieciešams laiks. Tātad, protams, jūs varat doties un iegādāties lietas, kā to dara Alteryx. Bet, ja jums ir pieredze kosmosā, jūs zināt, ir sena izteiksme: pieredze neaizstāj. Jūs vienkārši zināt, kā labāk rīkoties, un es domāju, ka viens no Alteryx ilgtermiņa panākumu atslēgas punktiem ir tas, ka Alteryx pirms daudziem gadiem patiešām bija iesaistījies visā trešo personu datu izmantošanas procesā. Es precīzi neatceros, cik ilgi, bet es vēlos teikt, ka pirms sešiem vai septiņiem gadiem Alteryx jau ir izteicies par iespēju iziet un apkopot datus no uzņēmumiem, piemēram, kredītkompānijām, vai ģeogrāfiskās atrašanās vietas datus, vai jebkuru citu trešo personu datu sistēmas. Un es domāju, ka tas bija sākums tam, ko mēs tagad redzam nobriest, ņemot vērā to, ko mūsdienās sauc par datu sajaukšanu, jo toreiz mums pat nebija šī vārda.
Bet, Džoš, es jums to atkal atdošu. Un es uzskatu, ka tas ir daudz piesātinājuma un pieredzes, kas iestrādāts Alteryx platformā ap šo datu sajaukšanas koncepciju, kuru tagad tikko ir papildinājusi ievadīšana, mašīnmācība, datu kataloģizēšana utt. Es domāju, ka tāpēc mēs redzam Alteryx tur, kur tas ir šodien. Ko tu domā?
Džošs Hovards: Jā, es domāju, ka nepieciešamība ir visa izgudrojuma māte, vai ne? Un tā, jūs zināt, mūsu klienti bija tie, kuri, jūs zināt, mēs sākotnēji nodarbojāmies ar telpisko analītiku, un tieši tā mēs sākām, veicot telpisko analīzi. Un jūs zināt, ņemot datus, piemēram, TomTom, un veicot braukšanas laika analīzi, jūs varat redzēt, jūs zināt, augšupielādējot šos datus, izmantojot, jūs, mājas datus no Experian. Tātad, tas bija, kur mēs sākām, un tas, ko mēs atradām, bija, jūs zināt, mūsu klientiem bija nepieciešama platforma visu šo datu apvienošanai. Un vai tas nebūtu forši, ja mēs viņiem dotu instrumentus, lai to izdarītu. Un tā, tas tiešām bija Alteryx stimuls.
Un jūs zināt, ka gadu gaitā mēs esam secinājuši, ka datu sagatavošana patiešām ir pirmais solis jūsu analītiskajā ceļojumā. Tātad, jūs zināt, tas prasa 80 procentus no datu zinātnieka laika, jūs zināt, ka, veicot prognozējošo analītiku un datu zinātnes darbu, tas faktiski tiek iztērēts, veicot datu sagatavošanas darbu, un mazāk nekā 20 procenti faktiski veic analīzi, un tāpēc mēs to cenšamies pārvarēt. Tātad, datu sagatavošana ir pirmais solis analītiskajā ceļojumā. Tāpēc, pirms sākat veikt jebkāda veida pārskatus, uzlabotas atskaites, jutīgo analītiku, līdz pat kognitīvajai analītikai, jums joprojām bija piekļuve datiem, jums vēl bija jāsagatavo un jāsajauc un jāsavelk. Un to mēs risinām, izmantojot šo platformu. Un ļaujot šiem lietotājiem darīt visas šīs lietas gan bez koda, gan ar kodu draudzīgā veidā.
Ēriks Kavanaghs: Jā, un es arī mīlu šo koncepciju: bez koda un bez koda. Tā kā patiesībā jums ir daudz kodu žokeju, kas var radīt milzīgu vērtību, taču ir daudz biznesa lietotāju, kurus atklāti izslēdz ar kodu. Viņus tā iebiedē, un kas viņus var vainot? Tātad, Wayne, es domāju, ka tā ir arī jauka īpašība, jauka pieeja. Vai ir kods bez koda un draudzīgs, vai ne?
Wayne Eckerson: Ak, absolūti. Jā, tas ir tas, kā jūs arvien vairāk un vairāk cilvēku izmantojat pašapkalpošanos.
Ēriks Kavanaghs: Jā, un, manuprāt, pašapkalpošanās ir nākamais lielais solis, un man ļoti patīk tas, par ko mēs šodien diskutējām, tāpēc tas ir par to, cik patiesībā domāšana notiek caur jūsu procesiem, jūsu darba plūsmām, datu dzīves cikliem utt. Un, ieliekot šīs politikas platformā, Wayne, ir daži standartizācijas jautājumi, jūs zaudējat nedaudz elastības, bet, tiklīdz cilvēki saprot trakuma metodes, jūs patiešām pabeidzat procesu tā, ka -lietotāji saprot, ka tagad viņi var iegūt to, ko vēlas. Viņiem nav jāgaida IT, un tas maina to, kā IT un biznesa cilvēki strādā kopā, es domāju, ka ļoti pozitīvā veidā, jo tagad IT var kalpot kā veicinātājs, viņiem nav jābūt vārtsargam. uz tehnoloģijām tikpat daudz kā agrāk. Ideālā gadījumā, ja jums ir kādi standarti, atbalsta nav tik daudz. Tātad jūs veicat lielāku sadarbību, jo tas ir viss mērķis, vai ne?
Tātad par pirmā Džoša un pēc tam varbūt Veina komentāru slēgšanu.
Džošs Hovards: Nē, es domāju, jūs zināt, es piekrītu visam, ko jūs teicāt. Jūs zināt, ka ir svarīgi, lai mēs IT un biznesa lietotājiem dotu rīkus, kas viņiem nepieciešami, lai gūtu panākumus.Tāpēc mēs domājam, ka IT nevajadzētu būt pārskatu veidošanas biznesam. Tas būtu jāatstāj biznesa lietotājam, kuram ir šī biznesa problēma un dati, ko viņi izmanto, taču dariet to pārvaldītā veidā un kaut ko tādu, kas noderēs arī IT.
Ēriks Kavanaghs: Labi, noslēdzot Veina komentārus.
Wayne Eckerson: Jā, IT loma ir mainījusies no tā, ka tas viss tiek darīts, līdz pašapkalpošanās atvieglošanai un patiesībā kā pārvaldības kultūras čempioniem un panākot, ka lietotāji vēlas pārvaldīt savu produkciju viņu labā un labā organizācijā. Es domāju, ka IT loma ir - man žēl IT, jūs zināt, jo dažreiz viņiem tas ir jāiet iekšā un jāveido, biznesa antīkās nodaļās, piemēram, juridiskajā un personālajā jomā, es parasti neko nedarīšu. Un, protams, ja vēlaties kaut ko tādu, kas ir daudzfunkcionāls uzņēmums, kurš cits to veidos, bet gan IT? Bet kopumā jā, IT ir jāmaina, lai šajā pašapkalpošanās pasaulē varētu attīstīties. Viņiem ir jābūt atbalstošākiem, nevis.
Džošs Hovards: Jā, un es domāju, ka ar nākamo attīstību ar izcilības centriem un tur, kur šos projektus vada nevis IT vai bizness, bet gan centralizēta organizācija. Jūs zināt, mēs sākam redzēt galvenā datu apstrādātāja paaugstināšanos un šāda veida projektus, kas ietilpst šajā jomā, kur viņiem abiem ir gan pārvaldības, gan biznesa perspektīva. Es domāju, ka tas ir vislabākais scenārijs, lai izveidotu šos datus un analītisko kultūru, un es ar prieku redzu, kas no tā izriet.
Ēriks Kavanaghs: Jā, mums bija pāris pēdējā brīža komentāri no tērzētavā ienākušajiem dalībniekiem, kā arī jautājumi un atbildes. Man patīk šis komentārs: pārvaldiet rezultātu, nav neviennozīmības par to, kurš ir pareizs pašapkalpošanās ziņojums.
Džošs Hovards: Jā.
Ēriks Kavanaghs: Jā, tas ir labi. Tas viss attiecas uz sadarbību, tas ir arī uz sadarbību, un, jūs zināt, Džoš, jūs arī minējāt, cik svarīgi ir lietotājiem sarunāties savā starpā, un tas ir tas, uz ko arī koncentrējas Alteryx.
Tātad, ļaudis, mēs šeit mazliet devāmies, bet sākām mazliet novēloti, tāpēc es vēlos jums pateikties par visu jūsu šodienas laiku un uzmanību. Mēs arhivējam visas šīs tīmekļa pārraides, tāpēc jūtieties brīvi dalīties tajās ar saviem kolēģiem.
Un ar to mēs jūs atvadīsimies. Vēlreiz paldies Wayne un, protams, Josh no Alteryx. Mēs sarunāsimies ar jums nākamreiz, ļaudis. Rūpēties. Labdien!