Hämtmat: Värd Eric Kavanagh diskuterar samarbete mellan företag och IT med Wayne Eckerson från Eckerson Group och Josh Howard från Alteryx.
Du är för närvarande inte inloggad. Logga in eller registrera dig för att se videon.
Eric Kavanagh: Okej, mina damer och herrar, Eric Kavanagh här med Hot Technologies. Vi har Josh Howard och Wayne Eckerson på linje. Vi hade bara en rolig liten ljudproblem krasch och bränna där, men vi har ringt tillbaka och allt gungar och rullar.
Så Wayne Eckerson har jag känt i många år nu. Han är huvudkonsult på Eckerson Group. Och Josh Howard har jag också känt länge. Han är chef för nya produkter på Alteryx. Dessa killar är båda riktigt, riktigt utmärkta inom sina områden, och de kommer att dela med oss en hel del idéer om hur affärer och IT kan främja bättre relationer och verkligen samarbeta och få saker gjort.
Så jag ska trycka på nästa bild och överlämna den till Wayne. Så berätta lite om vad som händer.
Wayne Eckerson: Visst, Eric. Det är ett nöje att vara här och prata om den här frågan. Jag har varit i staterna länge och har sett en klyfta mellan affär och IT, och mycket av det beror på deras fokus och deras mål, vad de har anlitats för att göra. Så det är en naturlig klyfta, kan man säga, eller klyftan mellan företag och IT, men det leder till vissa skadliga resultat.Du vet att IT har anlitats för att tänka långsiktigt, att bygga system och applikationer, permanenta lösningar som erbjuder ekonomier med skala, hög återanvändningsnivå och skalbarhet, säkerhet, tillgänglighet och tillförlitlighet. Mycket konservativt, långsammare tankesätt. Affärer, å andra sidan, är inriktade på att tillgodose kundens behov, interaktionspunkten, mycket mer kortsiktig fokusering, incitament - och det kan delas ut månadsvis eller kvartalsvis. Deras fokus är snabbhet, smidighet och anpassningsbarhet. Så det är ingen överraskning att det borde vara eller kan vara friktion mellan dessa två grupper.
Nästa bild. Så det här är en typ av dialog som jag ibland hör på organisationer där jag går in för att konsultera och där jag känner att jag spelar rollen som en äktenskapsrådgivare, försöker få dessa två sidor till varandra, erkänna varandra och deras roll att leverera affärstekniska lösningar. Verksamheten tenderar att tänka på IT som för långsamt, dyrt och levererar aldrig vad de vill, när de vill ha det, hur de vill ha det. IT tenderar att se verksamheten som att ändra mening hela tiden och lägga till nya funktioner. Då förflyttar sig alla dessa saker på kort sikt och ser aldrig den stora bilden. Resultatet ofta med denna friktion är att den tillfälliga användningen. Det finns den verkställande chefen kommer att säga, "Vet du vad? Bara glömma det. Jag vet att jag inte kommer att få de data jag behöver, så jag klarar mig bara utan. ”Det är ganska läskigt. Strömanvändaren av data kommer att säga, "Ge mig bara en dumpning av data och stör mig inte." Och BU-ledarna, om de verkligen vill ha information, kommer de bara att få sin egen budget, lägga till sina egna människor och köpa sina egna verktyg. IT säger: ”Okej, bra. Men du vet, lycka till att försöka upprätthålla det på egen hand, för så småningom kommer det att gå sönder. ”Och det kommer. Det kommer att brytas antingen för att ingen använder det, för att det inte har utformats ordentligt, eller så kommer det att bryta för att alla använder det, och du har inte tillräckligt med tekniska experter på marken, inte tillräckligt med resurser för att skala det. Eller deras expert lämnar, och de är ute höga och torra. Nästa bild.
Eric Kavanagh: Det här är en undersökning, så telefonsamtal kan faktiskt pressa till val. Håll i en sekund. Så jag öppnar upp denna enkät just nu, förhoppningsvis kommer du att se på din skärm en pop-up. Om du inte gör det vanligtvis dyker det upp någonstans på botten. Och gå vidare. Vi är nyfiken på att höra ditt svar på det här.
Okej, jag fick några folk som ringde nu och ger oss lite feedback. Så vi frågar: vilken grad är verksamheten i linje med IT i din organisation? Så vi har ett gäng människor som svarar nu. Tack så mycket. Så du har naturligtvis väldigt hög, hög, måttlig, låg, mycket låg. Var ärlig, vi delar inte detta med de andra medlemmarna i ditt team. Vi vill att du ska ge oss ditt uppriktiga svar. Okej, låt mig ge oss några sekunder till, och när vi gör det, kanske Josh, ja, bara få dig riktigt snabbt för att hjälpa folk att svara på denna fråga. Ja, jag älskar den här processen för samarbete. Jag menar, vi har talat i flera år om en affärs- / IT-klyftan. Jag tror att det förändras. Jag tror att det delvis förändras på grund av DevOps, utvecklarna arbetar närmare med verksamheten. Den här typen av sätter lite värme från IT-sidan, men jag tror att det också förändras på grund av molnet, helt uppriktigt, för kanske blir människor bara mer kunniga på vad de gör på sin arbetsplats. Men vad tänker du på hur utvecklingen av IT / affärsskillnaden är?
Josh Howard: Ja, du vet, det är ett intressant ämne, och det kommer vi definitivt att komma in här om en sekund, men du vet, jag tror bara att verksamheten verkligen tvingas till IT: s hand. Det stämmer, så du vet, i åratal var allt IT-ledat, och vi har sett detta komma till att pendeln svänger fram och tillbaka från att vara IT-ledd till allt, du vet, köps genom verksamheten. Och jag tror att vi börjar se någon centralisering. Jag tror, du vet, du börjar se fler organisationer, stand-up centra för excellens, börjar se fler och fler företag-intelligenta företag, se center också inrättas, och så är det inte, du vet, IT eller verksamheten. Vi ser ett mycket bättre äktenskap mellan de två organisationerna och ser att dessa centra för excellens ska inrättas som finns i båda dessa organisationer, och de har både IT och företag som tar plats vid bordet och beställer mat. Vi måste välja andra affärsmål och därför tror jag att det är en av de trender som jag tror har varit mycket positiva under de senaste åren eller till och med längre. Och jag tror att det är en del av det vi ser.
Eric Kavanagh: Kan inte skylla på mig att jag kommer att kasta över till dig och jag kommer att läsa resultaten. Beroende på din webbläsare kan du se resultaten redan, men bara för att ge det till dig: Naturligtvis frågan, "I vilken grad är affärer i linje med IT?" Mycket högt fick 7 procent, högt fick 8 procent, måttligt fick stora majoriteten, det är 29 procent, låg är 10 procent och mycket låg är 0 procent. Det är i grund och botten det totala, så det du tittar på är att de flesta sa måttliga, 21 av 73. Sex av 73 sa högt, fem sa mycket högt, och så har vi naturligtvis en hel massa människor som bara inte svarar inte, men de flesta, faktiskt 43 av 73, svarade inte människor, men jag uppskattar din tid. Och med det vill jag trycka på nästa bild. Och jag tror, Josh, du skulle prata lite.
Josh Howard: Ja, och så, du vet, var jag var på väg var vi sett en hel del förändringar under de senaste fem åren, eller till och med gå tillbaka tio år tillbaka. Och det brukade vara det vilda västern, och sedan antar jag att det förmodligen finns några folk här på linjen som fortfarande tror att det är det vilda västern i deras organisation, men det brukade vara där allt var helt låst och styvt, och allt tvingades genom ett centraliserat IT-team, och det var precis hur BI levererades. Men problemet var att företagets användare inte använde det. De fick aldrig de resultat de behövde. De kunde inte, du vet, slå samman data som de behövde, och så såg du, du vet, organisationer som övergav sin BI-praxis i många fall. De fick bara inte den användning som de förväntade sig, och, du vet, det är förståeligt eftersom användarna, de ville ha lättanvända verktyg där de kunde ta, du vet, datakällor och göra något av sitt eget integrationsarbete.
Men de ville inte vänta på att IT skulle göra det åt dem. Och vad vi såg var att du fick alla dessa affärslag att gå och köpa sin egen licens, sina egna visualiseringsverktyg och fick sina skugga IT-kompisar att sätta upp en datormart och de var avstängda. Men det ledde till en helt ny uppsättning problem. Ja, verksamheten kunde få flexibilitet och smidighet och några av de resultat som de behövde mycket snabbare, men fortfarande lämnade IT, du vet, försöker räkna ut, "Hur styr vi detta? Hur skalar vi detta? ”
Eftersom också vad som hände byggde de upp dessa datamars. De började operativisera en hel del rapportering och visualiseringar, sedan skulle de bara gå tillbaka till IT för att få rätt, och så är det bara inte skalbart. Det var inte botemedlet, och så det var några av problemen. Men det behöver inte vara ett dragkamp mellan företaget, som vill ha användarvänlighet, och IT, som vill styra det. Det handlar verkligen om att få alla på samma sida och dra i samma riktning. Jag tror att det verkligen finns en, du vet, bästa-av-ras-strategi som kan tillgodose båda användarnas behov. Glida.
Eric Kavanagh: Alrighty. Varsågod.
Josh Howard: Ja tack. Och så vi närmar oss på Alteryx är att vi verkligen tittar på det ur en analytisk styrningssynpunkt. Och så, du vet, jag använder inte ordet "data governance" här eftersom jag tror att data governance är mycket mer en ram som omfattar många olika saker, men egentligen bara fokuserat på dessa tre viktiga områden för hur data hanteras, hur de nås och hur vi säkrar dem.
Till att börja med, på datahanteringssidan, när du vill aktivera självbetjäningsverktyg, vill du se till att, du vet, dessa användare har tillgång till alla olika datakällor de kan behöva. Och så, återigen, detta är en del av problemet som vi såg med traditionella BI-verktyg som MicroStrategy och Cognos och OB var, du vet, det var bara att knacka in i ett centraliserat datavaruhus, men de affärsanvändare ville verkligen ta den informationen och smälta in det med andra datakällor för att få ytterligare resultat.
Jag menar, så du vill se till att direkt till alla dessa olika datakällor, oavsett om de är relationella eller icke-relationella, och gör det på ett sätt som inte kommer att göra uppgifterna överflödiga. Och så vill du se till att du använder minneteknologier så att du trycker på de federerade datakällorna och inte duplicerar informationen någon annanstans i organisationen, eftersom det bara orsakar en hel uppsättning problem.
Och sedan vill du se till att du tittar på saker som datatillgänglighet och datasäkerhet, se till att data krypteras, se till att du har rätt behörigheter och behörigheter på plats. Och vad vi rekommenderar är att använda de system som dina IT-team redan har skapat, så saker som Active Directory och Windows-autentisering. Genom att använda de system som kan passera genom den autentiseringen hela vägen ner till applikationen, och på så sätt kan du säkerställa att rätt användare får tillgång till rätt data.
Det handlar verkligen om att flytta från ett kontrollstat till ett tillståndstillstånd och göra det med skyddsräcken. Så, du vet, analys av skyddsräcken, där IT ger alla verktyg för att bli framgångsrika, men de övervakar också det, ser till att det är konsekvent, det är pålitligt och att de gör det med rätt behörigheter på plats och se till att dessa användare bara har tillgång till rätt data. Nästa bild.
Eric Kavanagh: Okej, Dr. Wayne.
Wayne Eckerson: Ja, så det här är min bild. Detta visar bara dimensionerna av självbetjäning, som Josh talade om. Det är den affärsmässiga efterfrågan i dag, men de vill inte, som Josh sa, vänta på att IT ska leverera saker, och IT brukade göra allt. De brukade bygga arkitekturen och hantera infrastrukturen och välja verktygen och bygga applikationerna, rapporterna, instrumentpanelen och det fungerar bara inte för en stor majoritet av användare där ute. Och nu är vi nära självbetjäning. Vi har rapporter om självbetjäning, instrumentpaneler för självbetjäning, som jag kallar visuell upptäckt av självbetjäning. Vi har integrerad självbetjäningsdata eller förberedelse av data. Vi har avancerad analys för självbetjäning, där det finns några datavetare. Så vi funderar på alla dessa möjligheter som finns tillgängliga för människor, för affärsfolk som är benägna att göra saker på egen hand.
Nästa bild. Vi får lite feedback här, Eric, bara för att meddela dig. Så, du vet, självbetjäning på ytan ser ut som en win-win för både företag och IT-avdelningen. Användare får vad de vill ha när de vill ha det, hur de vill ha det. IT-avdelningen får typ av användare, de får ladda ner arbetet och de får leverera saker indirekt, men i vilket fall som helst ... I många situationer har självbetjäning några betydande nackdelar som du måste vara försiktig med. Och Josh gav dig några åtgärder för några av dessa nackdelar.
Gå till nästa bild, Eric, så ser vi bara organisationernas självbetjäning som en slags tidvattensvåg av kraft, som är dubblett, motstridiga. Och det kommer till den punkt där ingen litar på någon annans rapport utom deras egna, vilket inte är ett bra tillstånd. Du kan till och med säga att det är värre än när de började. Du har i princip en arkitektur som består av skuggrapporteringssystem, datautdrag, vilket i slutändan ökar kostnaden och omkostnader och redundans och duplicering och därmed ökar risken i organisationen. Så självbetjäning handlar om standarder där styrning egentligen bara är Tower of Babel. Alla kommunicerar, men ingen lyssnar. Nästa bild.
Eric Kavanagh: Det är ett bra citat, jag gillar det. ”Alla kommunicerar, men ingen lyssnar.” Jag tror att det sammanfattar det på vissa platser. Åst, här går du.
Wayne Eckerson: Så, du vet, jag kommer också att få hjälp, men många företag tycker att syftet med självbetjäning är att bli av med IT. Nåväl, det finns många counterintuitive saker i affärer, och det här är en av dem. Syftet med självbetjäning var inte att begränsa IT från ekvationen utan främja ett större samarbete med den. En annan ironi med självbetjäning som jag inte lagt här är att det kräver mycket standardisering för att stödja självbetjäning. Det är sånt som, tänk på att köra på en väg, eller hur? Det finns många regler som vi måste följa. Alla-
Automatiserad röst: Konferensinspelning har stoppats.
Eric Kavanagh: Oroa dig inte för det. Det är bara säkerhetskopian. Fortsätt.
Wayne Eckerson: OK. Så, och IT är verkligen den grupp som behöver sätta ihop dessa standarder. Och när dessa standarder är på plats och accepteras och antas, hej, då kan vi göra självbetjäning 'tills månen kommer ut. Nästa bild.
Eric Kavanagh: Jag tror att vi är tillbaka till Josh.
Josh Howard: Ja, och jag håller med mycket om det, Wayne, som du sa. Men saken är att om du vill få mer värde på data igen, måste vi komma ur verksamheten med att ha IT-kontroll över allt och gå in i verksamheten att aktivera. Så det innebär att ge användare användare sina egna analysverktyg och inte bara IT. Detta betyder inte att du måste ge dem nycklarna till kungariket. Du kan göra det med de befintliga skyddsräckorna. Utnyttja befintliga system på plats, utnyttja dina auktoriseringsverktyg, Active Directory, dina behörigheter, och detta kommer att säkerställa att, du vet, någon inte ger data till någon de inte borde göra. Och så, genom att göra alla dessa saker är det, ger du dessa analytiker att leverera större värde och göra det på ett sätt som styrs.
Nästa bild. Men verkligheten är att IT aldrig kommer att kunna hålla jämna steg med de olika sätten som en analytiker kommer att vilja se uppgifterna, manipulera den. Och så, inte bara det, utan du har inte tid att hålla jämna steg med dessa förfrågningar också. Arvsystemen, vattenfallsprocesserna. Om du bara tittar på en ETL-process för att lägga till en tabell kan det i vissa fall ta veckor om inte månader. Och så vill du kunna hålla jämna steg med den förändringen av verksamheten.
Om du faktiskt vill skapa en kultur för analys måste du göra det möjligt för dessa användare att göra det. Och sedan när du gör det kan fördelarna vara verkligen fantastiska. Du vet, när vi började prata om fem / tio år sedan, affärsintelligensprojekt, menar jag att det ofta citerades 70–80 procent av alla BI-projekt skulle misslyckas. Och det är bara inte fallet längre. När du beväpnar affärsanvändare med rätt verktyg ser vi några fantastiska resultat och enormt värde, och det är anledningen till att självbetjäningsverktyg sprider sig som en löpeld genom en organisation. Det är på grund av den framgång som vi ser.
Och jag har ett användningsfall som jag kommer att prata om här på en minut också, men du vet, vi har bokstavligen tiotusentals användare som gör självbetjäningsanalys och skala. Och dessa användare levererar insikter snabbare, de skapar nya produkter och de reagerar på förändrade affärsvillkor mycket snabbare för att hålla sig före tävlingen.
Du vet, den andra saken är att, du vet, de spenderar också mindre tid på att förbereda data och mer tid på att göra analysen. Det är bara en annan komponent till det, och jag har fått ett exempel här från CNA där de hade ett antal analytiker som tog tidskrävande tillvägagångssätt, som tog veckor eller månader och nu fick dem ner till några minuter. Det är utan överdrift. Vi har bokstavligen många av dessa exempel på kunder som gör detta, och detta är verkligen ett win-win-scenario. Analytiker är glada över att de inte behöver, vet du, att de kommer till sina data snabbare. IT är lyckligt eftersom, du vet, de kan fokusera på sina strategiska initiativ utan att skrämma över styrning, och slutligen är verkställande team glada för äntligen har de fått affärs- och IT-team som arbetar tillsammans för att skapa den analytiska kulturen. Tillbaka till dig.
Eric Kavanagh: OK. Vi hade en annan enkät, så du borde kunna se dessa resultat där ute i publiken. Vi borde se det redan i din omröstningspanel, men frågan var: "Har din organisation fått löften om självbetjäning?" Jag kan säga att respondenterna har ett rungande "Nej".
Jag tror att det talar för var vi är i branschen, men jag tror att du har gjort ett par riktiga, riktigt bra poäng där, Josh, nämligen att möjliggöra självbetjäning, om än med vissa standarder som Wayne diskuterade, faktiskt gör låter dig bygga i styrning. Det är de skyddsräcken vi har pratat om, eller hur? Styrningspolitiken kan fasas in i leveranssystemet, och det är när du faktiskt uppnår styrning samtidigt som du ger analytikerna möjlighet att självbetjäna. Är det rätt, Josh?
Josh Howard: Ja, det är exakt rätt.
Eric Kavanagh: Ja, så de svarande—
Wayne Eckerson: Så Eric, dessa resultat är intressanta, du vet. Jag skulle säga att orsaken till detta är antingen IT fortfarande kontrollerar, användarna får inte självbetjäning och får vad de vill när de behöver det, eller, du vet, de har understyrd självbetjäning. Och båda är dåliga. Så det är svårt att faktiskt slå nålen med självbetjäning, att ha en reglerad miljö som ger användarna all information de behöver och funktionalitet de behöver för att få den insikt de behöver och vidta de åtgärder de måste göra. Det är svårt, svårt, men du vet -
Wayne Eckerson: - Du står inför verktygen som, du vet, Alteryx, mycket kraftfulla verktyg, mycket kraftfulla. Så vi har förmågan nu när vi kan—
Eric Kavanagh: Och du har flera orsaker till att din råa affär med Sonic gick under lite, så se bara efter grundläggande ljud. Jag är lite förvånad, och jag tror att det verkligen är goda nyheter för Alteryx eftersom de har en lösning för att möjliggöra självbetjäning. För på det gamla sättet att göra saker med massor av olika verktyg, till exempel med massor av integrationspunkter, så springer människor bara runt, bara försöker hålla jämna steg med status quo, och jag tror att det är en av de verkliga utmaningarna.
En av våra klienter hade en kommentar för några veckor sedan som ringer i mina öron ända sedan han hänvisade till "brådskande tyranni" och hur det tenderar att dominera flera organisationer och förhindra förändringar. Du är alltid brådskande, du springer alltid bara för att få saker gjorda som redan måste göras. Och det förhindrar i princip att du gör nya saker.
Vid en viss tidpunkt måste du stoppa musiken, erkänna att en stol kommer att försvinna, men resten av stolarna måste sitta vid bordet och börja kasta lite samarbete tills vi arbetar tillsammans. Men det är på det sättet jag ser hela bilden. Så ja, svaren var vanligtvis 23 av 43 sa, "Nej", 6 av 43 personer sa, "Ja", och 6 av 43 personer sa, "Inte säker," men 38 personer eller så svarade inte. Men det är ett ganska rungande, "Nej." Med det vill jag gå in i en fallstudie.
Jag ger det tillbaka till dig, Josh. Ta bort det.
Josh Howard: Ja, och så tidigare talade jag om, du vet, detta samarbete mellan företag och IT. Jag känner verkligen att vi har sett några ganska stora förändringar, och fler och fler organisationer rör sig i denna riktning, vilket möjliggör självbetjäning och ser de resultat som jag pratade om. Och Ford är ett bra exempel på det. Ford har naturligtvis använt data och analys i årtionden, men som många organisationer gjordes det egentligen bara i fickorna på organisationen. Det var lite tillsyn över konsistens och samordning, och, du vet, de hade också metoder för datastyring som var inkonsekvent.
Och så hade de en enorm fråga; de hade över 4600 datakällor, och så kan du föreställa dig utmaningen att göra detta på ett företag som Ford. Och vad de gjorde var att de bara för två år sedan bildade Global Data Insights and Analytics Unit, som är ett centraliserat centrum för spetskompetens, bestående av team bestående av, du vet, datarbetare, så dataanalytiker, data forskare av den typen.
Du kan tänka på detta COE mycket som en HR-avdelning eller en finansavdelning som tjänar hela organisationen. Det var exakt vad detta nya team inrättades för att göra, och så de kunde identifiera och följa sina egna högprioriterade utmaningar och arbeta med olika affärsenheter som hanterar, vet du, olika problem. Men hela tanken var att de ville sikta och ändra den konversationen för att fokusera på själva affärsutmaningen, rätt och uppfylla dessa affärsbehov. Och du vet, de har börjat med en dataanalytiker till att börja med för ett par år sedan, och en Alteryx-licens, och en kombination av Tableau och QlikView.
Nu har de nu rullat ut Alteryx till över 1 200 datavetare under de senaste två åren, och de anställer fler. Och så har det varit riktigt fantastiskt att se att det sker inom deras organisation och att de fall som de löser är otroliga. De använder Alteryx för att lösa problem med tillverkningslinjer ända ner till sina NASCAR-lopp, så det är verkligen fascinerande att se några av de resultat de kör. Och du vet, vad som är intressant är, du vet, några av dessa användningsfall, fall för engångsbruk sparar tiotals miljoner dollar, och så det är väldigt enkelt att motivera dem. Och det är bara ett användningsfall och det används nu bokstavligen i hundratals olika affärssaker och över de 1 200 dataanalytiker och datavetare. Så fenomenala resultat och vi är verkligen nöjda med det partnerskap vi har med Ford.
Wayne Eckerson: Okej, det här är min bild. Så, du vet, jag undervisar en klass om självbetjäningsanalys, och det här är en sammanfattning, en mycket hög sammanfattning av lösningarna som jag tar med till en tabell för publiken. Och jag ska försöka förklara detta ganska snabbt. Du vet, jag ser självbetjäning, väl en, det finns ingen självbetjäning. Alla har en annan definition av självbetjäning i en organisation, så vad som är självbetjäning till en VD är verkligen inte självbetjäning till en datavetare. Men i allmänhet finns det två klasser av användare. Första klass, du vet, mer avslappnade användare, verkställande chefer, frontlinearbetare är i topp-down-världen i blått.
Och du vet, jag kallar dem "datakonsumenter" eller "datautforskare", och de är ganska mycket tänkande, du vet, rapporter och instrumentpaneler, förhoppningsvis interaktiva som folk har byggt för dem, antingen IT eller deras kollegor, och konsumerar det som det är. Upptäcktsresenärer tenderar att öppna dessa saker och redigera dem på plats, men de behöver inte nödvändigtvis börja med ett tomt pappersark. På något sätt betalas de för att göra det. Betalas inte nödvändigtvis analytikerna. Det är vad människorna i bottom-up-världen gör, datavetarna och dataanalytikerna, som dessutom har dataanalytiker som arbetar med kalkylblad, tillgång till databaser. Och datavetare har mer drag med, du vet, arbetsbänkarna för datan. Många av de självbetjäningsverktyg som har kommit har verkligen gett denna besättning nedifrån och upp. Det skulle vara mycket mer produktivt än de någonsin kunde göra tidigare. De kan inte bara, du vet, göra sina egna rapporter och instrumentpaneler, de kan också hämta egna data, blanda dem, matcha dem tillsammans och så vidare. Jag har faktiskt sett detta triumvirat av verktyg komma ut och importera bottom-up världen. Datakatalogerna så att de kan hitta data för antingen prep-verktyg så att de kan matcha dem tillsammans, och datavisualiseringsverktyg så att de kan analysera, visualisera och dela det. Jag tror att vi kommer att se den verktygssatsen bli en, och jag tror faktiskt att Alteryx bara är på väg mot att göra det.
Så jag kallar den här nedifrån och upp världen "verklig självbetjäning", medan den topp-ner-världen jag kallar den mer "silvertjänst" eftersom vi sorts att ge information om ett silverfat. Det har förpackats i viss utsträckning. Fortfarande interaktiv, fortfarande redigerbar, men någon var tvungen att tänka på vem folket var som skulle konsumera detta och skräddarsy det för att tillgodose deras specifika behov. Du kan se i topp-down-världen du har, du vet, de mer tunga centraliserade grupperna, datakommittén, som, du vet, sätter den på datasidor och rapporter. Och datalagringsteamet som försöker integrera data för beslutsfattande. Det är en mer traditionell IT-orienterad centraliserad top-down-styrningsprocess. Medan i den nedre delen av världen, som är mer som 10 procent, 20 procent av organisationen, får de styrning från gräsrotsnivån genom att faktiskt öppna uppsättningar, titta på dem, kommentera dem, tagga dessa datamängder - bygga i princip delade medelvärden för data från grunden. Du får kataloger och datormarknader och en organisation behöver båda dessa världar. I själva verket matar de varandra, mycket synergistiska, de är två sidor av samma mynt. Om du inte har analytiker där ute i varje avdelning, misslyckas verksamheten, marknadsföringen, finansieringen. Du saknar alla slags insikter som du behöver för att driva verksamheten eftersom de genererar svar på frågor som människor inte kunde ha kommit fram till vad de var dagen innan. Och IT kunde verkligen inte eller utvecklare kunde inte bygga dessa rapporter eller instrumentpaneler. Så de underbygger nästa våg av kraven och nästa våg av insikter som borde paketeras upp och läggas i topp-down-världen.
Nu är problemet när bottom-up-världen publicerar rapporter till top-down-världen som inte har certifierats eller reglerats, och du får motstridiga rapporter, duplikat och liknande saker. Så i min värld hjälper det att ha en gateway för datastyring mellan dessa två världar, och det är okej, om en dataanalytiker började skapa och kommer med en ny inblick och bygger en rapport. Människor gillar det, och sedan vet du att de vill fortsätta att publicera rapporten och dela den, kanske bredare för hela företaget, den måste granskas av datastyrningen, och förhoppningsvis mycket snabbt, för att säkerställa att den överensstämmer med standarder. Det kan behöva skrivas in i en standardplattform, nya data kan behöva läggas till i företagsförvaret. Och det vi ser nu är de verktyg som Alteryx faktiskt inbäddar de arbetsflöden som krävs för att stödja denna marknadsföringsprocess där vi marknadsför i en rapport som har blivit populärt för att få ett vattenstämpel eller en skala som företagskalibrerad certifierad rapport eller dataset . Så det är en del av datastyrningsläget som vägs i korthet som en granskningsprocess. Det kan finnas en produktionsdelning med utvecklingsteam, och det kan finnas behörigheter och styrning inbyggda i BI-verktygen, analysverktygen eller dessa arbetsflöden. Nästa bild.
Eric Kavanagh: Okej, jag tror att vi är tillbaka till Josh om den här.
Josh Howard: Ja, och så, du vet, när du pratade om att flytta från ett antal av dessa olika verktyg, och vad jag har hittat i mina egna, vet du, forskning är att de flesta analytiker använder 10 till 12 olika verktyg för att få sitt analysjobb gjort. Och du vet, de kanske använder en datakatalogiseringslösning för att hitta informationen, de kanske använder en datapreparationslösning, de kanske använder ett datavisualiseringsverktyg, något för avancerad analys, prediktiv analys och datavetenskapliga verktyg för att distribuera och hantera det. Och vi tycker verkligen att detta borde serveras via en enda plattform, och vi tror att det är där branschen går. Och så, de flesta känner till alla knep mot dataförberedelser och blandningsfunktioner och dess snäva integration med verktyg som Tableau och Power BI.
Men du vet, vi är mycket mer än bara dataförberedningsverktyg. Vi är verkligen en heltäckande plattform för dessa dataanalytiker och medborgardataforskare, som ger möjlighet att upptäcka dessa data, förbereda dem, blanda den, analysera den och göra det på ett repeterbart sätt och ett repeterbart arbetsflöde. Och sedan distribuera och dela dessa tillgångar på skalan, så det är verkligen det Alteryx handlar om. Och vi har ett fantastiskt samhälle som vi stöder, vilket du vet mer än bara din typiska gemenskap. Det har utbildningsområden med självbetjäning, det har forum och bästa praxis, och vi har verkligen en evangelisk gemenskap av användare där som stöder varandra. Och det fantastiska med detta är när du använder verktyg som Alteryx, dessa typer av samhällen verkligen minskar inlärningskurvan, så du kan komma snabbare på dessa nya verktygssatser. Även om de är riktigt enkla att använda, kräver de inte mycket kodning, och de är lätta att använda och komma igång snabbare, men fortfarande att ha den gemenskapen för att minska den inlärningskurvan är verkligen ovärderligt.
Och så vi har uppdelat det i är fyra områden. Först är det verkligen runt upptäckten och delningen, så innan du kan förbereda och blanda dina data måste du kunna hitta den. Och det är anledningen till att den första delen av vår plattform är den upptäckts- och delningskomponent som vi använder för att fånga din organisations stamkunskap. Så detta är i grund och botten en datakatalogiseringslösning som används för att dela kuraterade och reglerade datauppsättningar. Det låter användare hitta informationen som de letar efter i den lättanvända Google-liknande sökfunktionen och tillhandahåller också sociala funktioner för att samarbeta om datauppsättningar och till och med låta dig borras ned i tillgångarnas datatrafik, certifiera dessa tillgångar och vattenstämpel dem. Och detta är verkligen viktigt för självbetjäningsanalys eftersom det är, de flesta människor spenderar för mycket tid på att försöka hitta informationen - de vet inte vart de ska gå för att ens hitta dem. Och om de hittar en rapport, vet du, hur vet de att den är certifierad, är den betrodd? Så när du pratade om det och att ha en gateway för datastyrning så ser jag verkligen verktyg som Alteryx bli den gatewayen, när du gör din sökning kan du automatiskt och visuellt se vem som äger dessa data, vad är släktlinjen för den informationen, hur det skapades, om det var certifierat, och hur du får tillgång till det, och om du inte har tillgång till det, kan du använda chattfunktionerna för att, du vet, begära att få åtkomst. Det är en för just den personen, och så detta är verkligen ett bra sätt att producera många av dessa element. Nästa bild.
Nästa stycke är dessa prep och blandningar, igen, som vi är kända för, och så ser vi verkligen prep och blandning som on-rampen för mer avancerad analys. Utan att skriva SQL eller någon typ av kod kan du få tillgång till alla dina olika data, fråga dem - du vet, om det är strukturerad data, ostrukturerad data, molndata - och enkelt integrera allt det i minnet, forma det, rensa det , profilera den för att göra din datauppsättning redo för analys. Du kan också berika den med tredje parts datauppsättningar. Så vi har riktigt bra partnerskap med företag som TomTom om du är intresserad av drive-time-analys och gör rumsanalys. Vi arbetar också mycket nära Experian för hushållsdata eller för affärsdata. Så plötsligt kan du inte bara ta de data som du har på plats eller kanske i molnet, du kan också berika dem med dessa tredjepartskällor och verkligen komma med en fascinerande analys. Nästa bild.
Den tredje delen är denna analys- och modellkomponent. Så jag nämnde att Alteryx var kodfri. Det är också kodvänligt. Och så erbjuder vi mer än 60 olika prediktiva analysverktyg, så när du är redo att göra mer avancerad analys kan du använda R- och Python- och gnistbaserade verktyg utan kodning, eller så kan du faktiskt använda och skapa din egen anpassning paket. Så om du har ett datavetenskapsteam som skriver R och Python eller Scala eller vad som helst, kan du använda den koden, bygga dina egna paket och utnyttja det rätt i verktyget. Och återigen är det här jag tror att det verkliga värdet av självbetjäningsanalys är, och det är verkligen där vi vill hjälpa till att förvandla industrin från, du vet, traditionella dataanalytiker och dataarbetare till dessa, du vet, medborgardataforskare och göra datavetenskapligt arbete med riktigt lättanvända verktyg. Glida.
Okej, i slutligen har vi fått de senaste switcharna, den sista milen med avancerad analys. Så om du är vid den punkt där du arbetar med datavetenskap och bygger dina modeller, är nästa utmaning du möter: "Tja, hur får jag dessa modeller till produktion? Hur hanterar jag dem? Hur håller jag dem uppdaterade? ”Och det är här vår distributionskapacitet kommer in. Och enligt vår forskning hos kunderna som vi har pratat med, gör mindre än 50 procent av modellerna någonsin till produktion . Så du har anställt dessa datavetare för att bygga alla dessa modeller, men de gör verkligen aldrig den till produktion. Och så har vi byggt en lösning som hjälper dig att bygga dina modeller och sedan distribuera dem i realtid med RESTful API: er.
Och så kan du få dessa modeller och lägga dem direkt i webbapplikationer och mobilapplikationer snabbare och enklare, eftersom traditionella metoder bara inte fungerar. Det är en lång, utdragen process. Det kan ta allt från 12 till 20 veckor att distribuera en modell och kostar ofta mer än $ 250 000 att göra. Och sedan måste du oroa dig för hur du håller dem uppdaterade. Så igen, vi letar efter sätt att automatisera hela processen och ta en hel del mellansteg. Och så, utan att verkligen kasta över koden, eftersom den traditionella processen med vad som händer nu har du en datavetare som bygger sina modeller, och de distribuerar dem, och de kastar dem över staketet till en webbutvecklare som måste ta all den R- och Python-koden, skriv om den till någon slags webbapplikation eller mobilapplikation, och igen, det tar bara för mycket tid.
Och så, det finns ingen mer kasta kod över staketet för någon annan att göra. Vi har automatiserat den processen och har ett sätt att hantera den i skala. Och så, det är verkligen de fyra områdena som vi tittar på när det gäller en heltäckande självbetjäningsplattform för dataanalys. Och så är det, du vet, upptäcker och delar informationen enkelt, förbereder och blandar dem, gör avancerad analys och sedan har ett sätt att distribuera och hantera dem i skala. Varsågod. Så med Alteryx kan du, du vet, prata om den analytiska styrningen och kunna låsa upp dina data på ett sätt som är säkert och erbjuder både kodfria och kodvänliga sätt att göra all din analys, så om du har dataanalytiker som kanske inte känner till det semantiska, du vet, SQL-språk för att fråga en databas, du kan använda ett dra-och-släpp-verktyg som drar all denna data i minnet för att göra sin analys.
På samma sätt, om du har datavetare som använder R och Python, kan de fortfarande använda ett verktyg som Alteryx på ett kodvänligt sätt - och resultaten som vi har sett med våra kunder är enorma eftersom vi är kunna ge de repeterbara arbetsflöden du kan ta, uppgifter som tar, du vet, veckor eller månader och bokstavligen få dem ner till några minuter utan överdrift. Vi har ett antal fallstudier på vår webbplats där du kan lära dig mer om detta och några av de tidsbesparingar vi ser. Men du vet slutligen att det kommer att fungera med din IT-organisation eftersom den är skalbar och bryter ner de silon som jag talade om och gör det på ett reglerat sätt. Och det är verkligen vad Alteryx-plattformen handlar om och varför vi är annorlunda.
Eric Kavanagh: OK. Det är allt bra grejer. Jag måste säga, Wayne, jag tror att du verkligen går på något med den här gatewayen för datastyring är, tror jag, hur du beskrev det. Eftersom vi befinner oss i denna riktigt intressanta värld just nu där datalager, som har varit den betrodda källan i fyra decennier nu, inte riktigt kan hålla jämna steg med och hålla jämna steg med alla de olika datakällorna och datasorterna. Det är ett ganska styvt system ett datalager tenderar att vara, och det jag ser Alteryx levererar här är verkligen vad du kan kalla nästa fas i analytisk mognad, eftersom de tillåter dig att använda alla dessa olika källor, men för att de har detta kampsatsområde med policyer för dataförvaltning bakad, nu får du verkligen det bästa från båda världar där du kan ha många olika datauppsättningar, men du har styrning, och du kan också använda all slags information och service alla typer av olika analytiker för att få sina olika perspektiv på vad som händer i näringslivet. Men jag ser detta som ett ganska viktigt steg i utvecklingen av analyser för företaget, men vad tror du?
Wayne Eckerson: Nej, absolut. Datalagren, förvaren i en enda version av sanningen som de var, och jag tror att det bara ignorerades, du vet, organisationsdynamik och de roller som människor spelar. Och jag ser dessa två världar av BI eller analys, som du kallar dem.Och i de flesta företag går de i motsatta riktningar, och de pratar inte med varandra, de litar inte på varandra, men de är verkligen synergistiska, och vi måste bara få dem att erkänna varandra och typ av arbete tillsammans. Och verktyg som Alteryx som integrerar styrningen genom datakatalogiseringsförmågan, där förvaltare kan hantera datauppsättningen och certifiera och vattenstämma dem, vilket är något som jag har talat om i ett par år nu i mina klasser. Mycket få företag har gjort det, men det blir så mycket dragkraft och nu hör jag att det är överallt.
Och så, sättet att blanda dessa två världar ihop, för du vet att du har din kaka och du äter den också. Du kan låta maktanvändarna gå vad de behöver göra. Gå och hitta de nya insikterna på begäran, och sedan vet du, men du hindrar den från att komma ur kontroll. Du hindrar det från att skapa Tower of Babel med vissa standarder som kräver viss styrning. Och målet är verkligen att skapa en kultur för styrning där människor vill gå igenom styrningsprocessen. De vill att deras rapporter / datamängder ska granskas så att de konsumeras bredare. Det är målet, och det är verkligen IT: s nya roll i den här nya världen. Jag säger alltid att deras roll är att underlätta, inte diktera. Och det är ett stort sinnesskifte för de flesta IT-proffs som har varit vana vid att vara i en delad tjänst som gjorde allt för verksamheten. Nu gör verksamheten för sig själva, och IT behöver egentligen bara vara folket, som Josh sa och sätter upp dessa räcken.
Eric Kavanagh: Ja, jag tror att skyddsräcken är viktiga eftersom de tillåter frilek, om du vill, av analytiker att göra olika saker, men inte komma ut ur spåret. Och om jag förstår -
Wayne Eckerson: Exakt.
Eric Kavanagh: - du har rätt, Josh—
Josh Howard: Exakt.
Eric Kavanagh: Ja, du pratade lite om hur, jag har faktiskt spårat Alteryx nu sedan innan det kallades Alteryx för många år sedan - jag tror att det kallades SRC eller något längs dessa linjer - och en Wal-Mart var den första kunden. Och en av de riktigt coola saker som ni talade om långt tillbaka när var förmågan att verkligen förstå affärsprocesser och arbetsflöden. Och om du har så stark förståelse för arbetsflöde och affärsprocesser, kan du göra ett antal olika saker. Först och främst kan du leverera ett mycket perfektionerat användargränssnitt om du inte fördunklar de tillgängliga alternativen för användaren med extern information. Två, du kan också effektivisera processer för att bättre förstå var det finns chockpunkter eller kontrollpunkter. Och jag tror att det förmodligen är en del av magin av varför Alteryx har lyckats leverera denna mycket styrande-vänliga, men användarvänliga miljö som möjliggör alla typer av olika informationsuppsättningar och analytiska användningsfall. Skulle du hålla med om det?
Josh Howard: Ja, jag menar att det är, du vet, jag skulle vilja, Eric, och mycket av det här är bara att lägga dessa typer av verktyg i händerna på affärsanvändare och ge dem ett sätt att göra sitt arbete på ett affärsvänligt sätt som är lätt att användning och det är vänligt. Jag menar, om du tänker på något som förvaltar data, har vi pratat om datastyring i två decennier, och som IP-lagring, har vi försökt pressa detta till verksamheten, och det blir bara aldrig adopterat, aldrig blir någon typ av dragkraft, för det är inte byggt för företagets användare, eller hur? Den är IT-ledd, IT-driven, och den fungerar för IT, men den fungerar inte för de företagens användare. Och så vill vi ta samma metoder men tillämpa dem på en affärsvänlig verktygssats, och det är vår strategi med, du vet, datakatalogiseringslösningen och metadatahantering.
Du vet, när jag pratar med en affärsanvändare, talar jag aldrig om ett semantiskt dataskikt, och hur vi hjälper till att hantera, vet du, metadata. Men, du vet, på baksidan, det är i huvudsak vad det gör, dessa typer av saker har funnits inom IT länge, men för företagets användare handlar det om hur man hittar data snabbare, hur man gör ditt jobb gjort snabbare och tillhandahålla den informationen i ett lättanvänt gränssnitt som de är vana vid att använda, precis som i deras konsumentliv, eller hur? De vill ha ett Google-liknande sökgränssnitt, de vill ha ett socialt samarbetselement där de kan nätverka med andra användare i den organisationen för att bryta ner dessa datasilo och fånga den stamkunskapen. Och så tar vi bara en annan inställning till hur vi arbetar med verksamheten, men gör det på ett sätt som också är IT-vänligt.
Eric Kavanagh: Ja, och jag fick en bra fråga—
Wayne Eckerson: Du vet det andra - Josh, som slog mig i din presentation var att vi är i plattformens ålder nu. Jag tror att vi har gått förbi verktygens ålder, och det är bra, men plattformarna, eller hur? Och så har jag täckt BI i 20-några udda år och på BI-rymden har vi gått från verktyg till analytiska plattformar där, du vet, en produkt väsentligen deporterar varje analysläge för alla typer av användare , höger? Från rapporter till förutsägelse om en gemensam arkitektur och självtjänster. Vi ser också samma sak på datainsamlingssidan eller dataintegrationssidan där någon sätter ihop dessa plattformar som tar in data, lägger till dem, katalogiserar den, reparerar den, transformerar den och gör den tillgänglig för användare att ladda ner och analysera. Och nu, vad ni gör, tar nästa steg på många sätt och kombinerar de två plattformarna till en, så det är en kombinerad analys- och dataplattform, som du vet är vettig. Det är framtiden: konvergens. Det enda jag inte ser i din plattform är dina grundläggande rapporterings- och instrumentpanelverktyg eller -funktioner, men kanske det är inbäddat i din analysmodul.
Josh Howard: Ja, vi rapporterar mycket bra. Vi har en mycket robust lösning där, men du träffade på en punkt runt instrumentpaneler, och vi ser detta som en möjlighet för oss att växa. Vi har alltid haft riktigt bra partnerskap med Tableau, Power BI och Qlik, men vi kommer att fortsätta göra det. Men vad vi hittar är våra analytiker, våra kunder, de vill inte vänta "till slutet av arbetsflödet och den cykeln för att se deras resultat, okej? De vill se resultaten när de arbetar i realtid, och det är verkligen riktningen vi går, och med att vi vet vad vi märker som inline visualitics så att du ser dina data när du arbetar, och du kan upprepa det och se att det i realtid snarare än att vänta till slutet och publicera det till ett visualiseringsverktyg eller en instrumentbräda för att se dessa resultat. Och så eliminerar det bara behovet av balansering fram och tillbaka för att få dina insikter.
Wayne Eckerson: Ja, det är mycket meningsfullt. Och ni är kända nu för användarvänlighet. Du använder, du använder företaget Tableau för att öka berömmelse och förmögenhet. Du är där med dem, och vem är bättre att ta ledningen i detta konvergerade plattformsutrymme eftersom du har tagit foten både i analysen och i datahanteringen. Så vi testar beta för att se hur ni klarar sig under de närmaste åren.
Josh Howard: Ja, och du vet, jag tycker att det är intressant, och jag är glad att vara en del av detta utrymme, och det har verkligen varit intressant att se, titta på, du vet, dataintegrationsutrymmet, affärsintelligensutrymmet och det avancerade analysutrymmet och verkligen se dem som konvergerar. Och du vet, jag tror att plattformar som Alteryx verkligen kommer att hjälpa många av dessa affärsanvändare att utmärka sig och göra det möjligt för dessa användare att få tillgång till sina data och göra den analysen, du vet, och komma till dessa insikter snabbare och enklare.
Eric Kavanagh: Ja. Allt här, och jag håller med dig, Wayne, att hur det verkligen är meningsfullt, och jag tror, det finns en fråga från en publikmedlem som jag kommer att kasta in här. Det är väldigt trevligt för konversationen. Det handlar om DataOp. För dig som inte känner till begreppet—
Josh Howard: Nästa bild.
Eric Kavanagh: —Det har verkligen varit starkt under de senaste nio månaderna. Det började med en eller två leverantörer, sedan tre och fyra, sedan fem och sex, och nu talar många människor om DataOp. Det är i princip datahanteringssidan för DevOp. Så det vi ser är mycket fokus på att verkligen försöka förstå vilka olika verktyg och vilka olika tekniker som rör data när de rör sig genom dess livscykel och hur påverkar det din analytiska syn. Och det verkar för mig att Alteryx faktiskt löser DataOps-problemet genom att fokusera på denna plattformsstrategi innan DataOp till och med blev en term. Men jag kommer att kasta det till dig, Josh, först och sedan du, Wayne, för kommentarer. Josh, vad tycker du?
Josh Howard: Ja, jag tror att det är ett utvecklande utrymme. Du vet, vi försöker vara data agnostiska, och så att vi kan komma åt data - oavsett om det är inom din brandvägg, i molnet, ostrukturerad data, strukturerad data - så eftersom vi vet att detta kommer att fortsätta att förändras, vet du, och jag är säker på att Wayne skulle hålla med om detta, och du skulle också, Eric. Om du går tillbaka, vet du 10, 15 år i det här utrymmet, jag menar, det fanns bara en handfull databaser. Vi har nu upp till över 400 olika databastyper. Och så kommer vi bara aldrig att hålla jämna steg med det. Och så kommer det alltid att finnas något nytt och glänsande för en organisation att anta. Och så vill vi bara vara agnostiska och använda vår öppna teknik och API: er för att kunna integreras sömlöst med vad du redan har i din organisation. Och se också att det andra stycket på DataOp-sidan verkligen är att fler och fler arbetsbelastningar pressas till molnet och nya molnteknologier och maskininlärningstekniker driver oss verkligen in i det här nya paradigmet, och jag tror verkligen att det är där, du vet, DataOps kommer att gå. Och vi kommer att se en hel del intressanta saker hända i det utrymmet.
Wayne Eckerson: Ja, jag tror att en annan term som vi använder för DataOps är "datapipelines" eller "data supply chain", och vi ser många företag komma ut, särskilt i big data-världen. Du kan hantera den arbetsbelastningen och förhindra dataljöer från att bli dataskräv. Ja, och jag håller med om att mycket av det nu också flyttar in i molnet.
Eric Kavanagh: Och du vet, så Alteryx gjorde ett par förvärv. Jag vet inte om du vill prata om det under det senaste året eller två, antar jag, Josh, och det har verkligen utplattat denna plattform, vad gäller intag av data och i termer av några av de semantiska saker. Och nu har du verkligen den här typen av end-to-end-lösning som gör det möjligt för analytics att styra den. Jag känner inte till någon annan som har tagit ett riktigt fokus och tillvägagångssätt, och jag tycker att det var väldigt smart på din hälft. Men vill du prata om det lite?
Josh Howard: Ja visst. Och så har det varit ett stort år för Alteryx. Du visste, vi offentliggjordes tidigare i år, och vi gjorde två viktiga förvärv som hjälper oss, du vet, typ att avsluta vår plattform. Och så, den första, det var verkligen det datakatalogiseringsstycket. Återigen, du vet, vad vi finner är vad vi vill hjälpa dessa organisationer att styra dessa data. Och så förvärvade vi faktiskt ett datastyrningsföretag som heter Semanta, och det har blivit vår datakatalogiseringslösning och vad vi har byggt in i den övergripande plattformen. Eftersom vi gör det igen, ser vi styrning vara en viktig komponent för självbetjäning och för att möjliggöra självbetjäning. Och så, återigen, det gav oss alla, du vet, metadatahantering, datakatalogiseringsfunktioner. Och vad vi har gjort är att vi har byggt ett gränssnitt på det för att göra det enkelt att använda och mycket vänligt, integrerat det med vår övergripande plattform.
Det andra som vi gjorde var ett datavetenskapligt företag baserat i Brooklyn, New York, och det gjordes för att bygga ut våra maskininlärningsmöjligheter såväl som modellhanteringsstycket. Och så, vad jag nämnde tidigare var att vi har massor av datavetare som använder våra plattformar och utför mycket viktigt datavetenskapligt arbete. Men att få dessa modeller, du vet, till den sista milen var mycket utmanande. Och så nämnde jag, du vet, de 12 till 20 veckorna det ofta tar, de 250 000 dollar som det krävs för att bygga några av dessa modeller. Och sedan, hur operativiserar du och håller alla dessa modeller uppdaterade? Hur lär sig dessa modeller? Och hur tränar du dessa modeller? Och så, det är ett stort problem också, rätt, distributionsfunktionerna. Och så har de två teknikerna med datavetenskaplig sida och datastyrningssidan verkligen avrundat vår plattform och vad vi försöker göra, försöker föra den till organisationer, för att lösa denna utmaning.
Eric Kavanagh: Ja, och jag är glad att du kastade det där eftersom vi hade en fråga från publiken bara om maskininlärning och AI. Och Wayne, kanske kommer jag att kasta det här till dig riktigt snabbt. För mig finns det bara så mycket potential för maskininlärning att verkligen optimera en hel del av de olika frågorna som vi har kämpat med under åren - saker som datakvalitet, till exempel saker som trängsel i analys och hjälper den upptäcktsidan av ekvationen, eller hur? Eftersom vissa av dessa algoritmer som fortsätter att lära sig i synnerhet kan verkligen gå på egen hand och hitta några intressanta saker som kan dyka upp för användaren. Eftersom en av utmaningarna, naturligtvis, med analytiker i allmänhet är att varje analytiker tar med sig sin egen uppsättning av fördomar, sin egen syn på världen. Det kan vara ganska svårt att ändra ibland, och därför ser jag mycket potential för maskininlärning och AI i framtiden. Vad tror du?
Wayne Eckerson: Nej, absolut och bara grundläggande regler. Dessa saker tillsammans kommer att förenkla dessa verktyg för självbetjäning ytterligare och göra dem lättare att använda. Du vet som sagt allt från att göra rekommendationer för andra rapporter, för datauppsättningar att titta på, till justering av modeller, du vet, lugna korrelationer i datapreparationsverktyget. Du vet, vi har redan haft det som att Tableau förnyade rätt visualisering för den datauppsättning du vill visa. Så allt detta gör dessa verktyg mycket kraftfullare, gör självbetjäning mycket mer trolig och hjälper användare att använda data för att driva insikt och värde snabbare.
Eric Kavanagh: Ja, och du vet, i världen av företagsprogramvara finns det uppenbarligen så mycket coola saker som händer, men i första hand tar det alltid tid att bygga teknik. Så uppenbarligen kan du gå och skaffa saker, som Alteryx har gjort. Men när du har erfarenhet i ett rymd, vet du, det finns ett gammalt uttryck: Det finns ingen ersättning för upplevelse. Du vet bara hur man gör saker bättre, och jag tror att en av nycklarna till Alteryx långsiktiga framgång här har varit att Alteryx verkligen använde hela processen att använda tredjepartsdata för många år sedan. Jag kan inte komma ihåg exakt hur länge, men jag vill säga för sex eller sju år sedan, Alteryx har redan bakat förmågan att gå ut och ta data från företag som kreditföretag, till exempel, eller geolocationdata eller valfritt antal tredjepartsdatasystem. Och jag tror att det var början på vad vi nu ser mogna i termer av vad vi kallar datainsamling i dag, för vi hade inte ens den termen då.
Men Josh, jag kommer att kasta det tillbaka till dig igen. Och jag tror att det är mycket mättnad och erfarenhet bakat i Alteryx-plattformen kring det datblandningskonceptet, som nu just har förbättrats av förtäring, genom maskininlärning, genom datakatalogisering och så vidare. Jag tror att det är därför vi ser Alteryx där det är idag. Vad tror du?
Josh Howard: Ja, jag menar, nödvändigheten är modern till alla uppfinningar, eller hur? Och så, du vet, det var våra kunder som, du vet, vi, du vet, ursprungligen gjorde rumslig analys, och det var verkligen hur vi började, gjorde rumslig analys. Och du vet, genom att ta data som TomTom och göra körtidsanalys, kan du se, du vet, ladda upp den informationen med, du vet, hemdata från Experian. Så det var verkligen där vi började, och vad vi hittade var, du vet, våra kunder behövde en plattform för att blanda all den informationen. Och skulle det inte vara coolt om vi gav dem verktygen för att göra det. Och så, det var verkligen drivkraften från Alteryx.
Och du vet, vad vi har hittat är att du vet under åren är att datapreparation verkligen är det första steget i din analytiska resa. Så du vet, det tar 80 procent av en datavetenskapares tid, du vet, att förutsäga analyser och datavetenskapligt arbete spenderas faktiskt med att göra dataförberedande arbete, och mindre än 20 procent faktiskt gör analys, och så det är vad vi försöker betagen. Och så är data prep det första steget i din analytiska resa. Så innan du börjar göra någon form av rapportering, avancerad rapportering, prediktiv analys, hela vägen upp till kognitiv analys, måste du fortfarande få åtkomst till data, du måste fortfarande förbereda och blanda den och dra den ihop. Och det är vad vi löser med den här plattformen. Och gör det möjligt för dessa användare att göra alla dessa saker på både ett kodfritt och ett kodvänligt sätt.
Eric Kavanagh: Ja, och jag älskar det konceptet också: kodfritt och kodvänligt. Eftersom faktum är att du har många kodjockeys, vilket kan lägga till enormt värde, men det finns många affärsanvändare som ärligt stängda av med kod. De skrämmas av det, och vem kan skylla på dem? Så Wayne, jag tycker att det också är ett trevligt inslag, ett trevligt tillvägagångssätt. Det är kodfritt och kodvänligt, eller hur?
Wayne Eckerson: Åh, absolut. Ja, det är så du får fler och fler människor till självbetjäning.
Eric Kavanagh: Ja, och självbetjäning, tror jag, är nästa stora steg, och jag gillar verkligen det vi har diskuterat idag, så det handlar om hur man verkligen tänker igenom dina processer, dina arbetsflöden, dina datalivscykler och så vidare. Och bakning av dessa policyer i plattformen, till din punkt Wayne, det finns vissa frågor kring standardisering, du tappar lite flexibilitet, men när människor förstod metoderna för galenskap, slår du upp verkligen att hålla processen framåt så att -användare förstår att de nu kan få vad de vill. De behöver inte vänta på IT, och det förändrar karaktären på hur IT och affärsmän arbetar tillsammans, jag tror på ett mycket positivt sätt, för nu kan IT fungera som en möjliggörare, de behöver inte vara en portvakt på teknik så mycket som de brukade. Det finns inte så mycket stöd, helst om du har några standarder. Så du avslutar att främja större samarbete eftersom det är hela målet, eller hur?
Så för att stänga kommentarer från först Josh och sedan kanske Wayne.
Josh Howard: Nej, jag menar, du vet, jag håller med om allt du sa. Du vet, det är viktigt att vi ger både IT och företagets användare de verktyg de behöver för att lyckas.Så vi tror att IT inte bör vara i branschen för att skapa rapporter. Det borde överlåtas till den affärsanvändare som har den nackdelen med verksamheten och de uppgifter de använder, men gör det på ett reglerat sätt och något som också kommer att fungera för IT.
Eric Kavanagh: Okej, avsluta kommentarer från Wayne.
Wayne Eckerson: Ja, IT: s roll har förändrats från att göra det hela till att underlätta självbetjäning och verkligen vara mästarna för styrningskulturen och få användarna att vilja styra sin egen produktion, för deras fördel och fördelen i organisationen. Jag menar, IT: s roll är - Jag är ledsen för IT, du vet, för ibland måste de gå in och bygga den, uppdelningar i affärsmiljöer som juridisk och HR vanligtvis, jag kommer inte att göra något av det. Och verkligen om du vill ha något som är ett tvärfunktionellt företag, vem kommer annars att bygga det men IT? Men i allmänhet, ja, det måste förändras för att trivas i denna värld av självbetjäning. De måste vara i en mer stödjande roll snarare än.
Josh Howard: Ja, och jag tror med nästa utveckling med excentricentrum och där dessa projekt inte leds av IT eller företaget, utan snarare en centraliserad organisation. Du vet, vi börjar se att uppgiftschefens uppgång och dessa typer av projekt faller i det området där de båda har både styrelseperspektivet och affärsperspektivet. Jag tror att det är ett bästa fall för att skapa den data- och analyskulturen, och jag är glad att se vad som kommer av det.
Eric Kavanagh: Ja, vi hade ett par kommentarer från sista minuten från deltagare som kom in i chattrummet och även frågor och svar. Jag gillar den här kommentaren: Styr produktionen, det finns ingen tvetydighet i vem som är självbetjäningsrapport som är korrekt.
Josh Howard: Ja.
Eric Kavanagh: Ja, det är bra grejer. Det handlar om samarbete, det handlar om att arbeta tillsammans, och du vet, Josh, du nämnde också, vikten av att låta användare prata med varandra, och det är något som Alteryx också fokuserar på.
Så folkens, vi gick lite länge här, men vi började lite sent, så jag vill tacka er så mycket för all er tid och uppmärksamhet idag. Vi arkiverar alla dessa webbsändningar, så dela dem gärna med dina kollegor.
Och med det kommer vi att ta farväl. Tack igen till Wayne och naturligtvis till Josh från Alteryx. Vi pratar med dig nästa gång, folkens. Ta hand om dig. Hejdå.