带走： 主持人Eric Kavanagh与Impact Analytix的Jen Underwood和Alteryx的Nick Jewell讨论了数据和分析以及首席数据官（CDO）和首席分析官（CAO）的角色。
埃里克·卡瓦纳（Eric Kavanagh）： 女士们，先生们，您好，欢迎再次回到Hot Technologies的特别版。亲爱的，我是埃里克·卡瓦纳（Eric Kavanagh），我将主持您今天的节目“ CxO剧本：数据和分析的未来”。是的，我必须说这是一个很大的话题。实际上，今天我们这里有一些创纪录的人群。今天早上，我们有540多人注册了网络广播。我们是在特殊的时间进行的，众所周知，通常在东部时间4:00进行，但我们想容纳来自池塘对面的非常特别的客人。今天让我直接进入演示。
因此，今年很热-从很多方面来说，这都是非常动荡的一年，我认为云与这有很大关系。我们在市场上看到的技术融合是主要推动力，而我当然也将它们称为SMAC。我们说的是SMAC：社交，移动，分析，云–所有这些东西融合在一起。组织可以真正改变他们的业务方式。执行业务操作的渠道更多，需要分析的数据也更多。这是一个非常荒凉的世界，我们今天要讨论的是C套件中的事情如何变化，因此，首席执行官，这些组织中的高层人员以及整个世界都在发生变化，而我们正在谈论这个。
真正有您的名列前茅。今天，我们有来自Impact Analytix的Jen Underwood和来自Alteryx的首席技术推广者Nick Jewell。这是非常令人兴奋的东西。伙计们，昨晚我想出了这个概念，我认为这真的很有趣。当然，我们都知道音乐椅，一种儿童游戏，您将所有这些椅子围成一圈，开始播放音乐，每个人都开始走动，然后一把椅子被拉开。当音乐停止时，每个人都必须争先恐后地坐在椅子上，而在这种情况下，一个人会迷失在椅子上。现在，在C套件中发生的一件非常奇怪且引人注目的事情，如果您在此处看到此图片，那么后面有两把空椅子。通常情况下，一把椅子会消失在音乐椅子上，而如今，我们看到的是C级还有另外两把椅子：CAO和CDO，首席分析官和首席数据官。
他们俩都在起飞。坦白说，这些天首席数据官真的像野火一样起飞，但这意味着什么？这意味着非常重要的事情。这意味着数据和分析的功能是如此重要，以至于董事会或执行室，我要说的是C套件正在发生变化–他们在C套件中增加了人员，整个新主管都在填补这些新职位。如果您考虑改变组织的文化有多么困难，那确实是一件很严肃的事情。文化是一件很难改变的事情，通常通过良好的管理，良好的想法和诸如此类的事情可以促进积极的改变。如果您考虑一下我们现在拥有的机会，通过在C套件中增加新的主管人员来进行分析和数据处理，那确实是一件很重要的事情。它为组织提供了改变轨迹的机会，让我们面对现实，因为市场的变化，大型的老公司确实需要改变。
例如，我通常以Uber或Airbnb为例，它们从根本上破坏了整个行业，并且这种情况到处都在发生。今天我们要谈论的是您的组织如何适应，如何利用这些信息，这种见解来改变您的业务轨迹并在信息经济中取得成功。
这样，我将把WebEx的密钥移交给Jen Underwood，然后Nick Jewell也将加入。他是从英国打来的。感谢你们和Jen，我将把这件事交给您。把它拿开。
詹·安德伍德（Jen Underwood）： 谢谢，埃里克，听起来不错。大家，早安。今天，我们将讨论这个CxO手册；这是数据和分析的未来，我将继续深入探讨。埃里克（Eric）在谈论为何如此重要方面已经做得很好。今天，我们的演讲者再次看到了包含此信息的另一张幻灯片，但是今天您将在本次会议中与自己和Nick Jewell进行互动交流。我们将首先介绍这些角色是什么以及它们要执行的任务的类型。我们将研究分析行业，总体前景以及这些人将面临的一些挑战。当您为未来做准备时，当今组织内部的动态，然后，如果您要探索组织中的某些角色，我们将讨论下一步，并为您提供规划指导。
谈到此CxO（例如CAO），即首席分析官，这是负责组织内数据分析的高级管理人员的职位。当您考虑到我们现在正在以公司制定和做出业务决策的方式来考虑变革的规模及其数字化转型时，CAO通常会向首席执行官报告，而迅速崛起的职位将至关重要。
如果您认为数字化转型和情报是数字化转型的核心，那么该CAO就是组织内非常重要的战略角色。他们不仅将强大的数据科学带回实际的见解和知识中，而且拥有所带来的投资回报率和影响，那么，他们将如何衡量？他们如何利用他们拥有的数据以及整个组织的一些底线数字来带来ROI，以策略性地利用数据。由于技术和数字转换的兴起以及数据的价值，该职位以及首席信息官（CIO）地位日益突出。
多年以来，在这个具有货币化和智能功能并正在转换这些信息的特定世界中，数据已成为黄金。能够采取这些积极行动，而不仅仅是总是向后看。这两个职位的相似之处在于它们都处理信息，但是CIO本身将专注于基础架构，而CAO则专注于分析信息所需的基础架构。CDO的情况与此类似，您确实会听到很多，我们今天可能比您对CAO听到的更多。 CDO更加侧重于数据管理整个生命周期中的数据处理和维护以及治理过程。
这些人还将负责货币化数据并从数据中获取价值，并负责整个生命周期的整个治理和安全生命周期的成熟度。这些人本身非常乐于助人，或者负责确保GDPR –我们将稍作讨论–欧洲数据保护法案，以确保组织中涵盖这些类型的事物。现在，我们正在获得破坏性的动态数据密集型角色的结构和未来。这些是CDO负责的类型，而不仅仅是他们自己–他们将建立一个跨职能的团队，而我有一些例子，其中有些人可能会逐渐积累自己的能力。包括架构师和治理人员的组织结构，甚至组织中的分析师以及数据科学家和工程师也可能会采用这种结构。
进一步进入分析行业的前景，在这个特定行业经历了惊人的发展（可能长达十年甚至更长）。它一直在不断增长，非常令人兴奋，即使在几年前的市场崩溃期间，它的需求仍然很高。这真是一个很棒的地方，如果您查看2017年Gartner的CIO议程，BI和分析仍在对组织最重要的三项排名之内，并着眼于软件市场的增长，我们一直在在那里看到增长。自从我进入这个领域以来，这一直是一个非常光明的职业。
当我们展望这个数字时代和转型时，对我来说，非常有趣的是我们拥有的这些流程，并且通常是在流程或业务流程中获取信息并采取行动。现在，Gartner估计，到2020年，您使用的信息将被重新发明，数字化甚至消除。我们十年前拥有80％的业务流程和产品，现在我们开始看到了，对吗？我们开始看到，用亚马逊的诗句也许是一些大型商店，Uber，Airbnbs –这些数字模型正在破坏流程，现在人们正在互动。甚至是黑色星期五-我也不知道真正有多少人去过商店-很多人正在网上购物，您如何与该客户联系？这样做需要智慧。它采用了一种非常不同的方式进行交互和个性化，并具有这种智能，可以在正确的时间为他们提供正确的报价，现在也许只需单击一个按钮即可。他们离开您的在线商店非常容易。在这个世界上，事情确实发生了变化，我想尼克也想聊一聊。
尼克·珠宝（Nick Jewell）： 是的，大家好，非常感谢。如果您从伦敦传来的音频稍有延迟，我会向您道歉，Jen。
您是完全正确的，随着组织从定制产品（可能是脱机的应用程序）转移到更开放，更连接的平台中，消除浪费，进行数字化改造是经常发生的。如果您的流程是数字化的，那么查看数据的端到端旅程将变得容易得多。通过使用数据来优化该过程，从而真正完善您采取的步骤。
如果可以的话，让我们继续幻灯片。当涉及到数字化转型时，对于组织而言，这意味着令人兴奋或令人生畏，这取决于您所处的频谱范围。请看此处的图表，其中显示了公司的寿命以及破坏性影响如何影响组织的命运。如果您在1920年代创立了一家公司，那么在另一家公司扰乱您之前，您平均有将近70年的时间。以今天的标准来看，这是相当轻松的日子，因为如今，一家公司仅用了15年的时间便受到破坏威胁到它的存在。据预测，在当今的《财富》 500强公司中，大约有40％的公司（即标准普尔500强公司）将在10年后消失。到2027年，标准普尔500指数中的75％将被替换，因此，组织如今在担心中断之前的半衰期确实正在缩小。成功的公司需要在数字创新竞赛中保持领先地位。
如今，没有人真正质疑分析。数字业务转型是核心。实际上，组织将数字创新放在其战略的首位。这些公司是全球市值最高的前五名公司，市值达2万亿美元。
詹·安德伍德（Jen Underwood）： 是的，真的很棒。它确实在变化，而且速度很快。我们已经讨论过的另一种动态，现在我想我们终于可以看到了，组织感觉到数据源呈指数级增长，甚至不再只是分析结构化数据源上的数据了。再说一次，我们只是在讨论其中的一些数字过程中做出决定，而这些都是来自REST API的JSON，我们在谈论的是非结构化数据，无论是日志文件，还是各种各样的东西。不同类型的数据，以及极度稳定的增长。
尼克·珠宝（Nick Jewell）： 是的，Jen，正如您所指出的那样，分析型领导者淹没在数据的海洋中。最终的目标也许是使用现有或新的分析技术来获得高价值的见解，但我们与之合作的许多组织确实面临着一个简单而根本的问题。我们委托《哈佛商业评论》进行了调查，并与数据分析师和业务经理进行了交谈。他们询问他们在组织中使用多少个数据源来做出决定，而且很显然，最近几年发生了根本性的变化。 IT曾经将数据混合在一起，然后将其推送到数据仓库，但是我想，尽管IT小组已经完成了出色的工作，即创建了集中式数据管理，但是分析人员仍然面临着创建特定分析数据集的任务，但是他们需要回答业务问题。实际上，只有6％的人将所有数据集中在一个地方，并且大多数分析师不得不从五个或更多来源中提取数据，例如电子表格，云应用程序，社交媒体等，当然，不要忘记该数据仓库。
现在，大多数组织已经意识到了这一点，但是大多数组织没有处理的一个简单事实是，数据专业人员花费更多的时间来管理和搜索数据，而不是真正地获取价值。这些并不是企业高管希望听到的引人注目的战略分析问题。但是，如果不解决根本问题，实际上将阻止组织获得价值驱动的见解。仁吗
詹·安德伍德（Jen Underwood）： 那很有意思。我肯定已经看到了不同的研究，这是本文的一部分，无论是80％的时间还是数以万亿计的美元一次又一次地修复同一数据，这在组织中效率非常低下。确实加起来，这37和这23％是非常昂贵的时间浪费。令我惊讶的是，没有对此给予更多关注。
综观其中的一些，我称之为市场力量，以及很多次我谈到行业趋势时，我喜欢跟随行业并保持不断发展。重要的是要了解什么时候不仅仅是趋势，什么时候真的是您需要注意的力量，而这是当前需要注意的三大力量。正是这种快速增长，第一是非关系数据库的快速增长。我只是提到了整个概念，即无需花费大量时间来查询JSON本身，正是这种类型的非关系场景正在迅速发展-我想我现在有一些统计数据。
另一件事是正在进行的向云的转变。在电话会议之前，我曾提到我是一家大型科技公司的全球产品经理，三年前与各小组进行了艰苦的交谈，他们说：“我们不会在云计算中放任何东西。我们将不会迁移到云。”而且，一年后，两年后看到小组非常有趣，现在我从同一个小组听到，每个人都有一个云计划。我认为每个人都是一个极端的极端主义者，但是我要说的是，那些一直反对云的人们，即使在我与世界各地的团体谈论此事之后，态度也肯定在很短的时间内发生了巨大变化。这些类型的东西。
自动化，这是我一直着迷的领域，我们当然也看到了很多活动和出色的活动。我们在浪费时间和浪费时间方面谈论了其中的一些事情。当我考虑为组织带来价值时，自动化无疑是我最兴奋的领域之一。
我将要讨论的下一张幻灯片是IDC进行的一项研究，他们研究了细分市场和增长情况，这是一种很好的方法来对真正的增长情况，同行购买的东西进行调整。他们不再对什么类型的东西感兴趣？这些类型的东西并付诸实施。
根据IDC的数据，全球大数据分析软件市场有16个细分市场，就该细分市场而言，我们甚至希望进行一些名称更改。新增了连续分析软件，认知AI软件平台，搜索系统，因此这里甚至增加了一些新类别。该市场概述几乎涵盖了水平工具，预打包的应用程序以及一些决策支持和决策自动化用例。再次，这将是解决方案的类型，当您考虑CDO，放入CDO时，他们的产品组合可能正在管理，从数据集成到分析可视化，机器学习以及他们需要的所有这些类型的功能拥有数字时代
根据IDC的数据，按当前货币计算，这些类型的解决方案的全球市场本身增长了8.5％，整个市场增长了9.8％。相比之下，您查看了几年内的货币波动，波动程度很小，但我强调的前三部分只是让您对那些非关系分析数据源有一种感觉，即58％与去年同期相比，内容分析和搜索系统增长了15％，其中一些客户关系应用程序，CRM类型的东西或Salesforce爱因斯坦的增长速度超过10％，而现在则为12％。我认为尼克也想对此发表一些评论。
尼克·珠宝（Nick Jewell）： 谢谢，仁很棒的视觉效果我认为，在Alteryx，我们一直认为，数据准备和混合将始终是任何分析系统的核心能力，但这实际上是任何更高级分析的基础。现在，在过去的几年中，让我们来谈谈这个行业-它可能过于关注某些新的交互式可视化功能。它们看起来很漂亮，因为它们可以增加参与度，可以驱动洞察力，但是并没有真正使我们超越描述性分析。
但是，我想现在人们的眼光更高了，组织开始了解业务价值将来自那些刚刚进入主流的更复杂的分析。那里的问题变成了，如何，或更具体地说，谁？这跃升为更高价值的分析；这真的使分析型人才短缺的问题大为缓解，您同意吗？
詹·安德伍德（Jen Underwood）： 没错，我刚刚发了一条推文，昨晚Adobe副总裁发表了一个非常有趣的评论，说：“机器学习已成为赌注，”人们过去一直很警惕，现在已经成为一种需要，并且挺有趣的。看着这个，本身就是一个很小的不同角度。许多人开始将其视为具有非关系型分析商店和认知AI，这些机器学习以及这些高价值分析的高增长领域。但是仍然到了今天，现在是最大的细分市场，所以今天大多数购买活动仍在此基础上，我要说的是查询报告，一些可视化分析，并且仍在增长，而且很多人认为您已经拥有了它-不一定。它仍以每年6.6％的速度增长。
作为CDO，并且我喜欢展示此幻灯片，基本上就是说，当您担任这一新角色或查看组织中的数据时，这很混乱，我认为这张幻灯片确实可以做得很好–这些都是您可能拥有数据的所有不同潜在领域。它们可能是本地的，可能驻留在云中，可能是混合的，无处不在，这是一个巨大的压倒性–再次，它现在是组织中的C级类型角色，这不是一个简单的任务或简单的任务–在这个特殊的世界中，有时会让人不知所措。这是CDO需要导航的世界，以便能够掌握我所说的，最大化数据的价值。
继续挑战，最大程度地发挥所有这些不同来源的价值，而随着这些数字过程或行动见解的到来，我们正在面对的是这些紧迫的时间窗口。如果您想想大概是五年前，十年前，也许您会收到报告，说您会做出一些有关库存或行动的决策，这些决策可能每周，每月运行，然后变成每天或整夜，也许是每小时。
现在，我们看到的是这些智能机器学习嵌入式人工智能办公室，可以在现场进行决策和更正，因此，即使是诸如物联网，位于边缘的物联网嵌入式分析之类的东西，这些系统也很智能，并且这些算法可以在适当的时间自行调整并更改他们当场做出的一些决定。看到数字革命和这些接触点带来的这种特殊动态非常有趣，尽管它们已经增加了，但采取行动的时间却在不断减少，并且针对这些情况，技术也在不断发展。
尼克·珠宝（Nick Jewell）： 是的，Jen，我认为分析提供方式正在发生变化的最有趣的方面之一就是分析到达了最终用户的位置。我们是在要求用户做出关键决策时跳入仪表板，还是在洞察力，流程中直接获得洞察力，这是次佳行动，以推动竞争优势？而且我们正在讨论的分析模型可能需要从众多不同的来源（传统数据仓库，地理位置，社交媒体，传感器，点击流）中获取输入，所有这些数据都与决策和可行的结果息息相关。 。
詹·安德伍德（Jen Underwood）： 继续挑战和变革这一主题，我们现在所面临的挑战以及首席执行官需要接受并计划解决这些挑战的方法所面临的挑战，从本质上讲，我们拥有的数据太多，无法有效地进行管理和手动分析。有很长的延迟；我们需要缩短这些延迟，我们需要找到一种方法来最大化我们拥有的数据的价值。世界上缺少数据科学人才，因此无法涵盖这些见解以及我们称之为海洋的数据。好消息是，如今在每个方面都出现了一些很棒的创新，这些创新正在不断涌现，看到技术将带给我们什么，以帮助我们应对这些挑战，这真是令人兴奋。
当我继续研究时，使用这些工具与客户交谈或与小组交谈时，有些困惑。如今，一些经典挑战仍然存在，尝试查找要分析的数据只会使它更加恶化。某些搜索工具，某些目录肯定会有所帮助-现在我们发现的是何时使用哪个目录。有几个不同的目录，因此您可以在不同的地方存储和共享数据，因此要设法找出一个目录，也许就是我们应该查找的目录。
另一件事是协作共享。我们讨论了《哈佛商业评论》的一项研究，花费了多少时间，基本上是在做非增值任务，浪费时间，以及花费多少。如果您具有协作能力，可以共享和使用通用数据源，那么脚本已经开发完毕，逻辑已经存在，您可以有效地对其进行治理，因此在治理与分析敏捷性之间取得平衡，这确实是您要努力做到的并导航到我称之为的世界，我们拥有适当的工具，自动化的工作流程工具，经典的Excel，数据目录，自助服务BI和数据科学工具。就像一张图片所示，它们之间有很多工具和很多重叠之处。
尼克·珠宝（Nick Jewell）： 是的，完美，Jen，正如您提到的，我认为洞察力的窗口肯定在缩小，但是实际部署模型所需的时间并没有跟上。预测模型的部署仍然是许多公司面临的主要挑战。我们一直在与Rexer Analytics总裁Carl Rexer进行交谈，在Carl的2017年数据科学调查中，他发现只有13％的数据科学家表示他们的模型始终处于部署状态，并且这种部署比例并未提高，因此我们返回上一次的调查。实际上，回到2009年，当我们第一次提出这个问题时，我们看到的结果几乎相同，因此我们之间确实存在差距。
詹·安德伍德（Jen Underwood）： 当我们看分析的成熟度时，它正在迅速发展。再次，在两，三年前，我们对可视化自助服务分析感到非常兴奋，并最终灵活地将BI本身扩展到了大众。当我说群众时，可能仍然可以推动组织内的用户。现在，我们看到了优化，预测分析，深度学习，自然语言以及许多其他技术，这些技术实际上已嵌入到日常流程中，最终将真正为群众无缝地实现分析的民主化，从而使真正的群众能够在内部使用他们已经拥有的现有业务流程。
尼克·珠宝（Nick Jewell）： 是的，Jen，如果可以的话，让我们简单地谈谈最后一个类别。如今，通话中的大多数听众都将熟悉Google DeepMind的AlphaGo软件，该软件在过去几年中击败了世界上一些最佳的Go播放器。 AlphaGo通过研究大量先前记录的比赛来学习玩游戏。如此之多，以至于AlphaGo锦标赛的评论员声称，不管您信不信，该软件采用的是日本大师的风格。
但是，在一个月的最后一个月里，报告的结果几乎惊人。这就是AlphaGo Zero，深度学习，神经网络，仅配备了简单的游戏规则和优化的功能。它自学成才，成为世界上最强大的围棋选手，并且没有经过监督的培训，并且大约40天就完成了所有这些工作。这种由人类定义挑战的增强学习，让深度学习系统进行探索，改进，确实可以在分析领域产生最大的影响。所以，我想，请继续关注。
詹·安德伍德（Jen Underwood）： 是的，您提到的那真的很有趣。您能想象排除情况吗？这就是我开始看到的。的确，当我谈论自动化时，非常令人兴奋的是，解决方案足够智能以清洁空气，自动从系统中学习，即插即用并仅基于过去的某些决策或其他决策知道下一步该怎么做。这些是在组织内部制作的，并且已经管理了其中的一些系统，ETL系统并对其进行了维护，并且回过头来，蜂鸣器和电话在流程未运行时给我发出警报，想起来真是令人兴奋， “哇，现在它很聪明，可以自我修复。”
我的丈夫管理着一个自我修复的网格，我们将进行自我修复的数据集成，自我修复的分析，并且随着它的发展越来越好，这确实令人兴奋。作为CDO，当您开始考虑人员处理技术时，我们将研究一下，现在我们正在研究技术，然后我们将研究人员以及如何建立团队和建立团队技能。如果您看一下现代分析平台，我会马上告诉您，并不是每个人都可以将所有内容都放在这里，尽管最大的组织可能具有所有这些不同的组件，本质上，某些小组可能只有两个或三个小盒子在这里，所以我不想让这个人不知所措。但是现代的BI平台并不一定需要IT构建，预定义的报告语义层。
实际上，应该仅授权用户和专家为分析速度和敏捷性准备数据，如果您考虑到我们所说的由用户和专家主导的分析的兴起，让主题专家具有敏捷性，他们需要快速做出决定。我们看到越来越多的人采用我们所说的东西，即个人数据准备工具，数据整理，充实，清理，Alteryx从事的活动类型以及他们提供的一些数据科学类型的活动。好。他们提供的现代化准备解决方案确实提供了智能，自动的连接，空气分辨率，数据转移，当您拥有大数据管道时，它非常非常酷。再次，这可能是我热爱并真正享受行业测试的领域之一。
与传统的以IT为主导的商业智能不同，当今的IT真正专注于使业务发展，而您却像CDO这样的人，聚集或选择正确的解决方案来编排，组织和统一这些数据，并确保治理吧？对我来说很有趣的一件事，当然我想我们已经推断出了这一点，但是我认为我们并没有直截了当地说这件事，一个适合所有人的数据仓库的时代已经过去了。归根结底，肯定结束了。数据无处不在，您需要制作–数据湖已经出现，流数据和实时数据，现在有许多不同的数据源，实际上更多是基于用例的，“您需要什么？” “我们必须将所有东西都放入数据仓库中。”尼克，我不确定，您想对此发表评论吗？我不记得了。
尼克·珠宝（Nick Jewell）： 我只会说一件事，而只是看一下组件的发展。专家在五到十年前所做的事情现在已经掌握在用户手中，因此那里的右边的东西将以无拖放代码的形式在用户中变得更加普遍，很快。它会越来越快地移动，因此请注意这一点。
詹·安德伍德（Jen Underwood）： 是的，那真的很好。我喜欢考虑这一点。不同的数据科学终于成为现实，并且工具变得越来越好。考虑技术，现在我们需要掌握技能和人员，我们需要做什么？目前，最出色的职位包括数据科学家，数据工程师和业务分析师等头衔，但我们发现，雇主自己发现很难做到这一点。即使在数据准备空间中，我也会说：“这是数据准备吗？是数据争吵吗？人们称其为什么术语？”找到它非常有趣。
该企业不知道他们需要什么，并且这个新兴领域将跨越许多不同领域。如果您现在看到每个人都需要掌握其数据，业务分析，IT项目经理，管理电网和项目组合的丈夫，那么他需要能够进行分析。不仅是财务和数据分析，而且还扩展到组织的其他领域。我认为我看到了一项有关营销使用多少数据源的研究，而且该研究势不可挡。同样，当您想到《哈佛商业评论》所做的研究时，人们不仅需要将它们融合在一起并从中寻找见解，还不再只是一个数据源，它是许多数据源，并且需要技巧来做到这一点。
当您从本质上看全局时，大多数新员工将处于粉红色泡沫的底部，当您将这些业务分析师与数据挖掘分析师，HR经理，这一领域讨论时，只是该行内的常规角色使用数据的业务。增长最快的职位将减少工作，但可以肯定的是，我们今天所听到的关于数据科学家和数据工程师的最多信息。作为CDO，他们正在向前看，您正在计划人才，您需要考虑一些日常任务的自动化和更具战略意义的技能类型，并再次为您的组织增加价值，不仅支持分析，而且还支持那里的数据科学和数据工程师。考虑一下您争夺最好和最聪明的职位时，您的未发布职位甚至一些自由职业者的经济可能会如何变化。
并且，还始终在考虑您的人才流水线，帮助求职者驾驭市场或寻找可能与您想要的略有不同的东西，并创建内部分析课程，这可能并不是最快，最快速的。具有成本效益的策略让您跟上。考虑考虑专门针对此小组或不同小组进行培训的人员，我相信Alteryx在今天的会议结束时推荐了一个课程作为行动呼吁，您可以利用其中的一些内容并帮助您的团队利用一些已经可用的现有资源。
尼克·珠宝（Nick Jewell）： 绝对。有很多方法可以填补人才缺口而又不会陷入军备竞赛。向后滑动几张，不知道您是否可以在那儿翻转几张。数据科学竞赛网站Kaggle刚刚发布了一项调查，对数据科学的现状进行了17,000项回复，并且该调查围绕人们的技能进行了非常有趣的回答，而且大多数受访者没有博士学位。 ，这不再是前提条件。
下一代分析专家的想法，即您刚刚显示的重大泡沫，可以使他们从纳米学位课程中获得所需的知识。他们可以访问Udacity之类的网站，并且可以直接在业务中立即部署这些知识，而短时间的交付周期使它们成为公司竞争优势的直接来源。所以，我想提防一些事情。
詹·安德伍德（Jen Underwood）： 不，我同意。即使考虑到这一点，自从我在UCSD参加了为期两年的课程以来，肯定还有很长的路要走。我认为，这是在2009年，2010年的时间框架中恢复的，实际上在该国确实有少数人允许您这样做。现在一般来说，还有更多的选择以及专门的程序，无论是通过供应商提供的，还是如今可用循环提供的大量资源以及所有这些不同的在线资源，这真是太神奇了，这是时候了花时间和预算，安排自己跟上进度。您想学什么？然后遵循您要学习的路径。
谈到要考虑这一点，并根据CDO的前瞻者将自己的技能计划整合在一起，请确保他们具有涉及领域的人员，从我所说的能力框架本身，看技能或看领域知识等方面尽管这些解决方案可以自我训练和自我学习，但它仍然是真正的关键，它实际上是业务主题专家，可以指导并确保结果有意义。
总有一些东西，我想以我为一家保险公司进行关键分析时为例，该算法的发现之一就是没有从纽约雇用任何人。好吧，不，我们不会从纽约雇用任何人–我们必须找出为什么算法会向我们提供此信息。这是因为法律（其中一项法律）已经更改，因此我们在该特定细分市场中流失了很多。需要请一位业务主题专家来对此进行解释，但我看不到这种变化，我也看不到那种指导，以确保结果看起来准确，看起来有些效果–仍然如此，有人说是人类的思想，它的美丽与机器的力量相结合，才是我们真正要去的地方。
当您查看技能，可视化，讲述数据中的有效故事，讲述有效故事是否涉及机器学习输出时，还有其他类型的事情。放在一起看看影响是什么，理解决策的人性，不管哪种技术，这些类型的事情都是非常重要的。治理确实非常重要，道德正变得越来越重要。让社会科学家参与进来，他们会理解并接受培训，他们会研究您的数据中是否存在偏见，您甚至没有意识到或组织中没有任何人甚至可能不认识这一点，甚至将他们带入专家，拥有这些类型的东西。
再说一遍，当然要拥有工程和硬件的基础架构，并确保您可以扩展并进行开发，并确保您使用的是正确的云提供商，也许您没有被锁定或者可以选择移动或您了解这些费用的价格。正是这些类型的技能，当您查看这些技能时，我们会称其为不同领域的技能，无论是数据驱动的一线决策者（其中大部分将担任角色）一直到那些数据工程师和数据科学家都会在这些海洋中进行按摩和工作。您需要将这些类型归纳为一个框架。
在查看能力框架时，您通常在查看一个组织，您不仅要考虑技能，还想要考虑能力。当您查看此字词时，会有一点细微差别。您组织的能力框架是一个明确的信号。战争政策制定者，教育提供者虽然技能可以说是用R键入的，但是您考虑这些类型的事情时，您拥有一个称职的编码人员，但您想要拥有的不仅仅是这些技能。当您了解胜任力时，一个人必须具备的能力并了解框架，这很重要，那里有一些细微差别。
在构建此模型时，您要诊断对业务有积极影响的所谓能力，并突出那些高潜力领域，因此，您要优先考虑要在组织中提升哪些能力以及然后将其与业务目标重新对齐。他们将研究负责最大程度地提高数据价值的CDO，以及将要使用分析方法最大化数据价值的CAO。他们将研究过去在我那里工作的能力和不同领域，然后他们还将研究员工的高潜力。您将与员工进行交叉引用，以进行数据和分析工作，并对其进行投资，为他们提供学习机会，而不仅仅是培训，本质上是解决实际业务问题的机会。
没有什么比这更好的了–即使我上学了几年，也直到我去应用了其中的一些算法或了解了支票欺诈，了解了一些我以前从未想过的东西，然后开始在现实世界中放在一起，这是您真正学习的地方。使人们有机会获得这些领域的经验。那些最有能力建设强大功能的公司，可以系统地识别，进行客观评估，并了解我的组织在学习和为员工目标设定一些指标方面存在的差距，这些都是可以做到的交付。
同样，当您考虑培训成年人时，通常这是一个时间紧缺的时间-我们都被时间紧紧-但要看对每个人都有效的方法。我个人有书，因此，即使今天很多人喜欢录像带，如果您今天要来我的办公室，您也会看到大量的书。因此，要弄清楚组织中某人喜欢学习的方式—激励他们学习—还为他们提供一些时间来做到这一点，并达到某种目标—什么是达到目标的有效方法，通常就是不仅是混合课程，而且要检查记分卡上的标记本身，还可以将其与实际目标项目融合在一起，您从该项目中学到了什么，下一步要做什么？什么意思？扩大团队力量或激励团队进一步发展。
同样，那些学习目标，如果您这样做，实际上不应该，对于企业来说应该很容易，因为这些目标应该与战略业务利益保持一致。这些都是伟大的项目。他们是实验项目。他们是可以使工作前进的项目。
尼克，您要添加任何内容吗？我不确定。
尼克·珠宝（Nick Jewell）： 不，如果可以的话，我将在下一个屏幕上跳入案例研究。特定组织的更多细节。我想他们已经将您所说的很多东西付诸实践了。与许多公司一样，福特汽车公司数十年来一直依靠数据分析，但是它在业务中很少使用，整个公司可能很少进行监督以确保一致性和协调性。他们的问题可能对于一个规模如此庞大的组织来说是相当典型的，因此，正如我们所说，分析专业知识包含在内，数据管理和治理实践不一致，甚至到某些业务部门都无法获得基本分析专业知识的程度。
再次，我们今天讨论了许多不同类型的数据源，它们有4600多个数据源。这意味着即使开始旅程并找到他们所需的数据也确实是分析洞察力的障碍。我看到你在笑，但这是一件可怕的事，对吧？
詹·安德伍德（Jen Underwood）： 4,600，我的天哪，是的。
尼克·珠宝（Nick Jewell）： 因此，福特组建了全球洞察力和分析部门，并由数据科学家和分析师团队组成，这是一个集中的中心（您可以将其称为卓越中心），这些团队有组织地分享了分析的最佳实践，并帮助将优化的数据驱动数据传播这生意。该部门选择了一流的工具，不仅在功能上，而且在它们很好地集成在一起的能力上，因此非常重要。他们的民主化重点实际上是围绕报告和描述性分析，然后才是我们讨论过的需求金字塔。
现在，民主化不仅使某人一夜之间成为数据科学家；员工需要知道何时何地获得帮助，以及可以提供帮助的所有培训，治理，方法论。另外，不仅仅涉及工具培训，还涉及数据科学培训，以弥合我们提到的技能差距。那么，福特公司的一个实际用例，优化了物流网络，那么福特公司是否支付了正确的金额将物料从A点移到B点？他们的旧版分析实际上并没有强调可采取行动的机会；这使他们在市场上非常反动。现在，该过程的许多复杂性已被锁定在分析师的脑海中，当自助服务工作流程实际上与企业进行迭代并且分析专家坐在一起并在一起时，他们就取得了巨大突破。
这将分析从多年转移到了季度，甚至降低到了近实时，为企业带来了巨大的利益。自助服务分析对业务价值的影响是，福特可以快速规划和建立公司范围内数据驱动的战略，以应对新兴趋势，帮助塑造新服务，并从根本上避免竞争的威胁，而不仅仅是不得不看那个后视镜。
现在，如果我们看一下另一位客户是如何真正将分析从公司单个部门的垂直优先转移到所有部门的水平条纹的，我们将讨论壳牌。壳牌经营一个卓越中心，向首席数字官汇报-因此，我们的CxO手册还有另一个D-负责数字化转型和可持续发展。这些家伙，他们知道他们的环境包含多个层次，并且技术堆栈，存储，数据处理以及所有您都熟悉的特色技术。像SAP HANA，Databricks，Spark之类的公司，它们利用公共云来达到适当的规模经济。
现在，他们选择了Alteryx作为许多R代码的分析包装，并将其引入Spotfire，Power BI等技术中。但是现在，他们看到采用率与数据处理和可视化有着更紧密的联系。 Jen只是回想一下所有这些功能的幻灯片，随着我们开始使更多的分析人员能够访问，这种事情正在蔓延。您知道，他们在提供此功能和COE方面取得了巨大的成功，他们希望现在就提供将来的功能，其中一些我们谈论的深度学习内容–机器视觉，自然语言处理–他们的一半任务是交付，一半是关于在各个业务部门中解释和促进这些想法。这是旅程的一部分； COE一直在寻找与业务受众进行交流的不同方式。
一方面考虑到持怀疑态度的人说：“嗯，这个黑匣子永远都不会像我的分析师那么好。”一直到那些看到无处不在相关性的狂热者或发烧友，甚至可能不是因果关系，但您需要在两侧都小心。这是一个令人着迷的中间立场，当您在整个组织中都拥有水平条纹时，就需要说服双方的混合技能。
尼克·珠宝（Nick Jewell）： 好，仁，你在吗？
詹·安德伍德（Jen Underwood）： 我是。
尼克·珠宝（Nick Jewell）： 我想我们要在此处引用Clayton Christensen的话说的是，对于许多组织而言，我想统一分析议程以推动我们今天一直在谈论的数字化转型将是一个挑战。通常，我们发现分析团队手无力。尝试利用分析过程，技术，团队结构的传统保留来进行创新，并保留这些文物，这将成为分析一致性和分析创新的最大障碍。詹，您对此有何想法？
詹·安德伍德（Jen Underwood）： 我喜欢选择的照片。是的，对我来说当然很有意义。您必须采用其中的一些新技术，例如实时流式传输。如果您必须在浏览器中进行JavaScript刷新，而不一定要具有旧的遗产-可能是仪表板应用程序或这类东西，则不一定能够获得这些实时结果。是的，您确实需要拥抱其中的一些新工具，而且我再次认为这张图片非常可爱，一张图片说了一千个字。手推车和越野车，您必须放开一些旧技术方法。
尼克·珠宝（Nick Jewell）： 绝对。因此，如果我们转到下一张幻灯片，我们认为有更好的方法。我想首先，请使用类似于Google的搜索工具来快速找到您最相关的所有数据资产。了解他们的缺点，了解依赖关系，并考虑到真正简单的事情，例如由您所在社区的专家撰写的业务词汇表，并通过您对同事首长的所有部族知识保持生气。
通过数据发现变得精明。考虑与报表所有者和专家进行对话的能力。上载，执行一些Trip Advisor或Yelp，上载最有用的资产，证明组织认为最有价值的资产，然后将所有这些反馈给搜索结果，最终反馈到搜索排名，从而使其更适合下一个用户。找到所需的内容后，进入快速，无代码，用户友好，准备和分析阶段，以开发完善的数据集，并从中发布可重复的流程。
回到我们的自动化对话，构建用户友好的应用程序。建立分析模型所需的一切。说到模型，我们多年来一直支持诸如R之类的开源技术，使我们能够建立真正先进的分析功能，以简单，拖放的方式涵盖描述性，预测性和规范性分析。下降的方式。
现在，从右手边开始，实际上是在数据平台内部或最近将交互式可视化，模型和评分的洞察力挖掘出来，使洞察力可在业务流程中立即直接获得。我认为，正是整个平台的这些功能使我们在今年的Gartner Peer Insights客户选择调查中被公认为金奖得主，这是一个了不起的成就。我强烈建议您访问Gartner网站以了解更多信息，并添加自己的投票和评论。
很酷，Jen，如果我们再跳过一张幻灯片–我想我们总结一下，我想为您提供所有后续步骤。首先，请访问Alteryx.com下载免费的我们最新的研究摘要的副本，该摘要是与国际分析学会（IIA）共同完成的，旨在消除分析障碍。您也可以访问udacity.com/alteryx，以了解更多有关如何使您的团队，使用高级分析纳米学位使他们迈向下一步的更多信息，然后最终自己体验Alteryx。访问主页，下载功能全面的评估，并快速解决问题。
仁，交给你我们可能有一些时间进行一些问答。
埃里克·卡瓦纳（Eric Kavanagh）： 我会很快发出声音。我们确实有几个问题。如果您要对此发表评论，我想先给您介绍尼克，然后是詹，但是它肯定对欧盟具有更大的适用性，这就是臭名昭著的GDPR，即《全球数据保护条例》。这如何影响Alteryx和您的路线图以及您关注的重点？
尼克·珠宝（Nick Jewell）： 我想这是一个布吉兵，现在就在那里。很多人都在谈论它，很多人都非常担心，但这实际上只是即将进入数据和分析领域的一系列法规中的第一个。实际上，从我们的角度来看，这是关于理解和分类数据的。确保作为任何特殊口味的CxO，您都知道资产的位置，知道资产的缺点，并且可以信任它们，这是在更大范围内真正管理和管理数据的第一步。
埃里克·卡瓦纳（Eric Kavanagh）： 我想我会在将Jen带回公司之前再提一个问题，那就是培训数据，如果有人要求将其数据从您的企业中删除，那么这不仅会影响他们的姓名，地址等等。第四，不仅是他们的联系信息，而且，如果算法使用的训练数据包括您的数据，那么您应该重新训练算法，不是吗？
尼克·珠宝（Nick Jewell）： 特别复杂。我认为，不仅数据库是某些个人身份信息的来源，还是分析工作流，应用程序和可视化效果的来源。组织中的数据无处不在，因此具有这样的缺点：绝对至关重要。
埃里克·卡瓦纳（Eric Kavanagh）： 仁，你在想什么？显然，这在美国并不算什么大问题，即使技术上确实适用于美国，我们现在也没有太多公司对此感到担忧。如果一家美国公司拥有欧盟公民的数据，那么您对GDPR的意义有多大的重视？
詹·安德伍德（Jen Underwood）： 好吧，我当然认为这需要对数据进行负责任的处理。我已经写过几次了，并且对其中一些内容有一些指导。我认为您提出的有关算法的问题很有趣。当然，我今天要看的一些解决方案，他们的一些产品团队已经设计了功能，以便您可以看到他们如何制定决策以及使用了哪些个人数据来确定该算法的结果。我们在美国看到产品设计受到一些影响。
许多技术公司在美国和世界各地都设有非常大的办事处和开发团队，因此我们在产品开发中看到了它。我看到有更多的数据目录被投入。更多的政府倡议被发起，以便人们理解，他们也了解所有数据处于混乱状态。设法使他们至少组织起来，能够找到它并对其进行处理。
埃里克·卡瓦纳（Eric Kavanagh）： 我将推送我们之前讨论的这张幻灯片，并将其交给您，尼克。我认为这是一张很棒的幻灯片，因为在我看来，这确实表明了对分析的迫切需求。您如何看待这种变化的动力？我的意思是，公司的底线是必须敏捷，而我认为分析才是领导者。你怎么看？
尼克·珠宝（Nick Jewell）： 这很有趣。我认为总会有公司和技术始终存在于三个州，因此要么是战争，要么是和平，要么是奇迹。战争将是激烈的竞争。 Wonder是您在平台之上构建的所有出色的新事物。然后在比赛和战争之前重新和平。我认为这场战斗总是在进行。
在今天的电话会议之前，我们讨论了当今世界各地正在进行的其他一些会议和主要笔记。一些大型云供应商已经建立了这个平台，现在他们正在该平台上构建新奇的东西。公司必须密切关注这一点，并确保他们选择的东西具有一致的平台，可以为未来带来价值。他们将成为在这场破坏中幸存下来的人。
埃里克·卡瓦纳（Eric Kavanagh）： 是的，这是个好主意，您知道，Jen，您早些时候在展会前发表了评论，关于云战略以及您在行业中认识的很多人都在说大公司，甚至包括银行，现在都拥有云策略。我对实现这一过程花了多长时间感到惊讶，我想也许其中一些人参加了AWS Reinvent会议并意识到它的规模，并得出了时间已到的结论。您如何看待大企业高管对云导入的认识以及这如何改变他们的计划？
詹·安德伍德（Jen Underwood）： 当我想到这个可以管理的海量数据世界时，我认为在某种程度上让大型公司之一对某些安全方面负责是一种安心，所以介意在那里。您知道云的规模有限。
另一件事是，我看到了，我当时在一个团队中，该团队在云中重新开发了一个产品，它肯定是劣势产品，并且没人关注它，并且在两年之内，由于每周发布，甚至我要说的是，这几乎是每天在云中发布的地步。我知道亚马逊说他们每天发布多次。当您面临威胁时，您的竞争对手每天都可以发布和改进，无论他们在做什么，至少在软件行业中，而当您开始研究数字化转型时，每个人实际上都在软件行业中，这完全是另一回事。球类运动，任何人都可以旋转并扩大规模。
同样，将要利用的数据将发挥作用，并提高算法的智能性，这就是为什么人们在谈论数据是新石油还是数据是黄金。当我看云时，它是改变游戏规则的人，它确实实现了非常非常快速的开发和扩展。太奇妙了。
埃里克·卡瓦纳（Eric Kavanagh）： 尼克，我将带您再次提出另一个问题-如果可以解决其中的一些问题，我们将在这里走一分钟，但是，正如我回想的那样，五六年，甚至七年前， Alteryx确实是利用第三方数据的创新者-因此，可以从Experian等数据源或地理空间数据中引入数据。我认为这可能是一项战略优势，因为Alteryx的DNA中包含这种东西，对吗？随着公司向云计算发展，我认为你们在桥接这些世界方面拥有丰富的经验。本地和第三方数据以及基于云的数据世界，您如何看待？
尼克·珠宝（Nick Jewell）： 是的，绝对。终极连通性将对将要在这种基于云的环境中工作的任何公司起到如此强大的作用。但是我会说，当我们谈论诸如信息经济学之类的东西时，即认为信息和数据应被视为贵公司的一项资产。您将要带来的大部分价值是获取外部数据源，将它们混合并与内部数据源一起丰富它们，以在此过程中创造和货币化更多的价值。平等地使用内部和外部数据绝对至关重要。
埃里克·卡瓦纳（Eric Kavanagh）： 是的，这很不错。我认为混合云的整个世界将继续存在。詹，我想把这个问题交给您，也许可以给他们一些结束语。对我而言，具有战略眼光并能够统一为新术语来描述各个来源的数据，这将是前进的关键成功因素，对吗？
詹·安德伍德（Jen Underwood）： 不，绝对，这很有趣，我听到的是这种混合动力，混合动力，混合动力。您听说过这一点，四年前，您开始考虑Hadoop，Hadoop和大数据，然后开始听到混合，混合的声音，因此肯定存在，我们并不一定，这是机器学习的一年，没有了。我的意思是，人工智能，机器学习在今年已经占据了舞台，但是为了在今天正在走向云或必须处理所有这些不同云数据源的组织中真正发挥作用，也许是Salesforce或工作日，所有这些存储在云中的不同类型的资源，唯一可以解决的方法就是混合。您不可能在任何地方复制数据，因此您确实需要能够直接连接，并且确实需要找到一种方法来处理遍布各处的数据，找到遍布各处的数据，因为这就是我们所处位置的真实情况。现在。
埃里克·卡瓦纳（Eric Kavanagh）： 如果我不将机器学习带回对话中，我想我会很失落的，所以，尼克，我会把它交给你。我知道你们现在专注于这一点–您能否谈谈您在哪里看到机器学习与分析以及我们用来理解我们的业务和数据的系统相一致？
尼克·珠宝（Nick Jewell）： 当然可以。因此，非常简短地，让我们快速回到我们的技能差距。我们的想法是，组织的功能绝对会吸引Excel强大的用户。我们有数据科学家在经历，但增长速度不尽相同。两者之间存在巨大差距。考虑一下今天的机器学习。我们的手机或手表上有多少种结合了机器学习技术的算法？它是一种商品，无处不在。我们需要以最简单的方式为这些高级用户提供支持，以确保将机器成功应用于整个企业。
埃里克·卡瓦纳（Eric Kavanagh）： 也许我会把最后一个交给你。我们在这里迟到了几个问题。仁，我问你这个与会者评论了无监督学习的整个概念，事实是您确实需要培训数据来完成这些工作，并且通常培训数据需要特定于公司。即使在行业中存在很多相关性，组织也有很多相似的方式。但是，每家公司都是独特的，无论是其业务模型还是营销或销售方法，或者无论是哪种情况，都是产品开发。
问题在于，这些算法是否能够使用第三方数据进行训练？在我看来，即使周期时间从六个月（在某些情况下是这种情况）缩短到40天或20天，无论如何，周期都将需要使用自己的数据来训练这些算法。情况可能是这样。您确实必须使用自己的数据，并且必须确保数据非常干净，对吗？
詹·安德伍德（Jen Underwood）： 这真的是一种融合。您将要拥有外部骗局。实际上，我今天背靠背预订，下一次网络研讨会是关于准备和清理数据的，讽刺地是为机器学习。真正的关键是您正在与组织整合外部联系，我很喜欢您询问有关数据准备和清理的问题，因为老实说，某些工具正在变得非常非常好–它们可以处理其中的某些方面，但是人的思想，或者能够破译问题，看待问题并确保他们没有被遗忘–说我们有某种疏漏偏见。您对待问题的方式以及设计自动化问题的方式或自动化决策的方式，都具有艺术意义，并确保其能够准确反映出业务流程。
回到我在保险公司的例子，当时我们正在为客户流失建模，并聘请谁来参加这次赞助的保险销售培训；该模型本身不是法律环境，而是针对不同州的不同法律。总会有某些方面，您将必须将外部数据与内部数据以及人的思维结合在一起。那里将有不同的组成部分。
埃里克·卡瓦纳（Eric Kavanagh）： 我认为您在这里提出了一个非常好的观点。我们不断听到有关机器人，机器和机器学习的信息。对我来说，这是一个极具破坏性的趋势-毫无疑问-但我从来没有看到对人类的需求正在消失，尤其是数据，企业数据分析。
尼克，您的最后一个问题。对我来说，无论算法有多好，您总是需要人们监视发生的事情，在指定的时间进行自我注入，并真正综合了解发生的事情。我认为，对于《财富》 2000年公司来说，任何算法都无法综合大局，但是您认为呢？
尼克·珠宝（Nick Jewell）： 好吧，让我们举一个完全非Alteryx的例子，让我们来谈谈去年的Uber。优步（Uber）在澳大利亚发生恐怖事件期间，试图逃离该地区的人们突然加价，因为该算法说的是，这样做造成了巨大的声誉损失。此后，他们立即实现了人员和算法的协同工作。每当这将要发生时，一个人就必须对该过程进行监督。人与算法的伙伴关系，这就是前进的方向。
埃里克·卡瓦纳（Eric Kavanagh）： 哇，这是一个很好的例子，非常感谢。伙计们，我们在网上直播上花了一个多小时。非常感谢Impact Analytics的Jen Underwood。当然，要感谢Nick Jewell和Alteryx团队付出的时间和精力，也感谢你们所有人的时间和精力。我们感谢这些重大问题。我们确实将所有这些网络广播存档，以供以后查看，并随时与您的朋友和同事共享。这样一来，我们将告别您。今天的精彩网络广播。再次感谢您，我们下次再见。照顾自己。再见。