Hoe kunnen analyses het bedrijf verbeteren? - transcript van techwise aflevering 2

Noot van de redactie: dit is een transcriptie van een van onze eerdere webcasts. De volgende aflevering komt snel, klik hier om te registreren.

Eric Kavanagh: Dames en heren, hallo en weer welkom in Aflevering 2 van TechWise. Ja, inderdaad, het is tijd om wijze mensen te krijgen! Ik heb vandaag een stel echt slimme mensen aan de lijn om ons daarbij te helpen. Mijn naam is natuurlijk Eric Kavanagh. Ik zal je gastheer zijn, je moderator, voor deze bliksemronde sessie. We hebben hier veel inhoud, mensen. We hebben een aantal grote namen in het bedrijf, die analisten in onze ruimte zijn geweest en vier van de meest interessante leveranciers. We gaan vandaag dus veel goede actie ondernemen. En natuurlijk, jij daar in het publiek speelt een belangrijke rol bij het stellen van vragen.

Dus nogmaals, de show is TechWise en het onderwerp van vandaag is "Hoe kan Analytics de business verbeteren?" Het is duidelijk een hot topic waar het gaat proberen de verschillende soorten analyses te begrijpen die je kunt doen en hoe dat je activiteiten kan verbeteren, want daar draait het uiteindelijk allemaal om.

Dus je kunt mezelf bovenaan zien, dat is echt van jou. Dr. Kirk Borne, een goede vriend van George Mason University. Hij is een datawetenschapper met een enorme hoeveelheid ervaring, een zeer diepe expertise in deze ruimte en datamining en big data en al dat soort leuke dingen. En natuurlijk hebben we onze eigen Dr. Robin Bloor, Chief Analyst hier bij de Bloor Group. Die vele, vele jaren geleden opgeleid is tot actuaris. En hij is het afgelopen half jaar echt heel erg gefocust op deze hele grote dataruimte en de analytische ruimte. Het is bijna vijf jaar geleden dat we de Bloor Group op zichzelf hebben gelanceerd. Dus de tijd vliegt als je plezier hebt.

We gaan ook horen van Will Gorman, Chief Architect van Pentaho; Steve Wilkes, CCO van WebAction; Frank Sanders, technisch directeur bij MarkLogic; en Hannah Smalltree, directeur van Treasure Data. Dus zoals ik al zei, dat is veel inhoud.

Hoe kunnen analyses uw bedrijf helpen? Nou, hoe kan het uw bedrijf niet helpen, eerlijk gezegd? Er zijn allerlei manieren waarop analyses kunnen worden gebruikt om dingen te doen die uw organisatie verbeteren.

Stroomlijn dus de operaties. Daarover hoor je niet zoveel over dingen als marketing of het verhogen van inkomsten of het identificeren van kansen. Maar het stroomlijnen van uw activiteiten is echt een heel krachtig ding dat u voor uw organisatie kunt doen, omdat u plaatsen kunt identificeren waar u iets kunt uitbesteden of u kunt bijvoorbeeld gegevens toevoegen aan een bepaald proces. En dat kan het stroomlijnen door niet te eisen dat iemand de telefoon opneemt om te bellen of iemand om te e-mailen. Er zijn zoveel verschillende manieren waarop u uw activiteiten kunt stroomlijnen. En dat alles helpt echt om uw kosten te verlagen, toch? Dat is de sleutel, het verlaagt de kosten. Maar het stelt u ook in staat uw klanten beter te bedienen.

En als je nadenkt over hoe ongeduldig mensen zijn geworden, en ik zie dit elke dag in termen van hoe mensen online omgaan, zelfs met onze shows, dienstverleners die we gebruiken. Het geduld dat mensen hebben, de aandachtsspanne, wordt met de dag korter en korter. En dat betekent dat u als organisatie steeds sneller moet reageren om uw klanten tevreden te stellen.

Dus als iemand bijvoorbeeld op uw webcast-site is of rondzoekt om iets te vinden, als hij gefrustreerd raakt en vertrekt, heeft u misschien net een klant verloren. En afhankelijk van hoeveel u in rekening brengt voor uw product of service, en misschien is dat een groot probleem. Het komt er dus op neer dat het stroomlijnen van operaties, denk ik, een van de heetste ruimtes is voor het toepassen van analyses. En u doet dat door naar de cijfers te kijken, door de gegevens te kraken, bijvoorbeeld door te vragen: "Hé, waarom verliezen we zoveel mensen op deze pagina van onze website?" "Waarom krijgen we nu enkele van deze telefoontjes?"

En hoe realtime je op dat soort dingen kunt reageren, hoe groter de kans dat je de situatie onder de knie krijgt en er iets aan doet voordat het te laat is. Omdat er een tijdvenster is waarin iemand van streek raakt, zijn ze ontevreden of proberen ze iets te vinden, maar ze zijn gefrustreerd; je hebt daar een kans om hen te bereiken, te grijpen, om met die klant te communiceren. En als je dat op de juiste manier doet met de juiste gegevens of een mooi klantenbeeld - begrijpen wie deze klant is, wat hun winstgevendheid is, wat hun voorkeuren zijn - als je daar echt grip op kunt krijgen, ga je doen een prima taak om uw klanten vast te houden en nieuwe klanten te krijgen. En daar draait het allemaal om.

Dus daarmee ga ik het in feite overhandigen aan Kirk Borne, een van onze datawetenschappers die vandaag aanwezig zijn. En tegenwoordig zijn ze vrij zeldzaam, mensen. We hebben er minstens twee aan de telefoon dus dat is heel belangrijk. Daarmee, Kirk, ga ik het aan jou overhandigen om te praten over analyse en hoe het bedrijven helpt. Ga ervoor.

Dr. Kirk Borne: Nou, heel erg bedankt Eric. Kan je me horen?

Eric: Dat is prima, ga je gang.

Dr. Kirk: Oké, goed. Ik wil gewoon delen als ik vijf minuten praat, en mensen zwaaien hun handen naar me. Dus de openingsopmerkingen, Eric, die je echt bij dit onderwerp hebt betrokken, waar ik het de komende minuten kort over zal hebben, namelijk het gebruik van big data en analyses voor data om beslissingen te ondersteunen, daar. De opmerking die je hebt gemaakt over operationele stroomlijning, valt voor mij een beetje in dit concept van operationele analyse waarin je in vrijwel elke applicatie over de hele wereld kunt zien of het een wetenschappelijke applicatie, een bedrijf, een cyberbeveiliging en wetshandhaving is en overheid, gezondheidszorg. Een willekeurig aantal plaatsen waar we een gegevensstroom hebben en we een soort reactie of beslissing nemen in reactie op gebeurtenissen en waarschuwingen en gedragingen die we in die gegevensstroom zien.

Dus een van de dingen waar ik het vandaag over wil hebben, is hoe je de kennis en inzichten uit big data haalt om op dat punt te komen waar we daadwerkelijk beslissingen kunnen nemen om acties te ondernemen. En vaak praten we hierover in een context van automatisering. En vandaag wil ik de automatisering combineren met de menselijke analist in de loop. Dus hiermee bedoel ik, terwijl de bedrijfsanalist hier een belangrijke rol speelt in termen van gokken, kwalificeren, valideren van specifieke acties of machine learning-regels die we uit de gegevens halen. Maar als we op een punt komen dat we er vrijwel van overtuigd zijn dat de bedrijfsregels die we hebben geëxtraheerd en de mechanismen om ons te waarschuwen geldig zijn, dan kunnen we dit vrijwel omzetten in een geautomatiseerd proces. We doen eigenlijk die operationele stroomlijning waar Eric het over had.

Dus ik heb hier wat woorden gespeeld, maar ik hoop dat, als het voor jou werkt, ik het heb gehad over de D2D-uitdaging. En D2D, niet alleen gegevens over de beslissingen in alle contexten, we bekijken dit aan de onderkant van deze dia, hopelijk kunt u het zien, ontdekkingen doen en inkomsten genereren uit onze analysepijplijnen.

Dus in deze context heb ik hier nu eigenlijk de rol van marketeer voor mezelf waar ik mee werk en dat is; het eerste wat u wilt doen, is uw gegevens karakteriseren, de functies extraheren, de kenmerken van uw klanten of welke entiteit dan ook die u in uw ruimte bijhoudt, extraheren. Misschien is het een patiënt in een omgeving voor gezondheidsanalyse. Misschien is het een webgebruiker als u op zoek bent naar een soort cyberveiligheidsprobleem. Maar karakteriseer en extraheer kenmerken en extraheer vervolgens enige context over dat individu, over die entiteit. En dan verzamel je de stukken die je zojuist hebt gemaakt en stop je ze in een soort verzameling waaruit je vervolgens machine learning-algoritmen kunt toepassen.

De reden dat ik het zo zeg, is dat, laten we zeggen, je een bewakingscamera hebt op een luchthaven. De video zelf is een enorm, groot volume en het is ook erg ongestructureerd. Maar u kunt extraheren uit videobewaking, gezichtsbiometrie en personen identificeren in de bewakingscamera's. Dus bijvoorbeeld op een luchthaven, kunt u specifieke personen identificeren, u kunt ze volgen door de luchthaven door dezelfde persoon in meerdere bewakingscamera's te identificeren. Zodat de geëxtraheerde biometrische functies die je echt mineert en volgt niet de daadwerkelijke gedetailleerde video zelf zijn. Maar zodra u die extracties hebt, kunt u regels en analyses voor machinaal leren toepassen om te beslissen of u in een bepaald geval een actie moet ondernemen of dat er iets verkeerd is gebeurd of dat u een kans hebt om een ​​bod uit te brengen. Als je bijvoorbeeld een winkel op de luchthaven hebt en je ziet die klant je kant op komen en je weet uit andere informatie over die klant, dat hij misschien echt geïnteresseerd is geraakt in het kopen van spullen in de belastingvrije winkel of zoiets, doe dat aanbod.

Dus wat voor soort dingen zou ik bedoelen met karakterisering en potentialisering? Met karakterisering bedoel ik, nogmaals, het extraheren van de kenmerken en kenmerken in de gegevens. En dit kan ofwel door een machine worden gegenereerd, dan kunnen de algoritmen bijvoorbeeld biometrische handtekeningen uit video- of sentimentanalyse halen. U kunt het sentiment van de klant extraheren via online beoordelingen of sociale media. Sommige van deze dingen kunnen door mensen worden gegenereerd, zodat de mens, de bedrijfsanalist, extra functies kan extraheren die ik in de volgende dia zal laten zien.

Sommige hiervan kunnen crowdsourced zijn. En door crowdsourced zijn er veel verschillende manieren waarop je daarover kunt nadenken. Maar heel eenvoudig, bijvoorbeeld, komen uw gebruikers naar uw website en zetten ze zoekwoorden, trefwoorden in, en ze eindigen op een bepaalde pagina en brengen daar daadwerkelijk tijd door op die pagina. Dat ze in feite tenminste begrijpen dat ze dingen bekijken, browsen of op dingen op die pagina klikken. Wat dat tegen je zegt, is dat het trefwoord dat ze in het begin hebben ingetypt, de descriptor van die pagina is, omdat het de klant op de pagina heeft gebracht die ze verwachtten. En dus kunt u dat extra stukje informatie toevoegen, dat wil zeggen klanten die dit trefwoord gebruiken, hebben deze webpagina in onze informatiearchitectuur daadwerkelijk geïdentificeerd als de plaats waar die inhoud overeenkomt met dat trefwoord.

En dus is crowdsourcing een ander aspect dat mensen soms vergeten, dat soort van het broodkruimels van uw klanten bij wijze van spreken; hoe bewegen ze door hun ruimte, of het nu gaat om een ​​online woning of een echte woning. En gebruik dan dat pad dat de klant als extra informatie neemt over de dingen waar we naar kijken.

Dus ik wil zeggen dat door mensen gegenereerde dingen, of door machines gegenereerde, uiteindelijk een context hebben in het annoteren of taggen van specifieke datakorrels of -entiteiten. Of het nu gaat om patiënten in een ziekenhuisomgeving, klanten of wat dan ook. En dus zijn er verschillende soorten tags en annotaties. Een deel daarvan gaat over de gegevens zelf. Dat is een van de dingen, wat voor soort informatie, wat voor soort informatie, wat zijn de kenmerken, de vormen, misschien de texturen en patronen, anomalie, niet-anomalie gedrag. En haal dan wat semantiek eruit, dat wil zeggen, hoe verhoudt dit zich tot andere dingen die ik weet, of deze klant is een elektronicaklant. Deze klant is een kledingklant. Of deze klant koopt graag muziek.

Dus als ze daar wat semantiek over identificeren, houden deze klanten die van muziek houden, vaak van entertainment. Misschien kunnen we ze wat ander amusement aanbieden. Dus begrip van de semantiek en ook wat herkomst, wat in feite zegt: waar kwam dit vandaan, wie heeft deze bewering gegeven, hoe laat, welke datum, onder welke omstandigheid?

Dus als je eenmaal al die annotaties en karakterisaties hebt, voeg daar dan de volgende stap aan toe, namelijk de context, soort van het wie, wat, wanneer, waar en waarom ervan. Wie is de gebruiker? Op welk kanaal kwamen ze? Wat was de bron van de informatie? Wat voor hergebruik hebben we gezien in dit specifieke stuk informatie of dataproduct? En wat is soort waarde in het bedrijfsproces? En verzamel vervolgens die dingen en beheer ze, en help eigenlijk bij het maken van een database, als u er op die manier over wilt denken. Maak ze doorzoekbaar, herbruikbaar, door andere bedrijfsanalisten of door een geautomatiseerd proces waarmee het systeem de volgende keer dat ik deze functies zie, deze automatische actie kan ondernemen. En dus komen we tot dat soort operationele analytische efficiëntie, maar hoe meer we nuttige, uitgebreide informatie verzamelen en deze vervolgens voor deze gebruiksscenario's samenstellen.

We komen aan de slag. Wij doen de data-analyse. We zoeken naar interessante patronen, verrassingen, uitschieters van nieuwe dingen, anomalieën. We zoeken naar de nieuwe klassen en segmenten in de populatie. We zoeken naar associaties en verbanden en verbanden tussen de verschillende entiteiten. En dan gebruiken we dat allemaal om ons ontdekkings-, beslissings- en dollarproces te stimuleren.

Dus nogmaals, hier hebben we de laatste gegevensdia die ik heb, gewoon kort samenvatten, de bedrijfsanalist op de hoogte houden, nogmaals, je haalt die mens niet uit en het is allemaal belangrijk om die mens erin te houden.

Deze functies worden dus allemaal geleverd door machines of menselijke analisten of zelfs via crowdsourcing. We passen die combinatie van dingen toe om onze trainingssets voor onze modellen te verbeteren en te eindigen met nauwkeurigere voorspellende modellen, minder valse positieven en negatieven, efficiënter gedrag, efficiëntere interventies met onze klanten of wie dan ook.

Dus, aan het einde van de dag, combineren we eigenlijk gewoon machine learning en big data met deze kracht van menselijke cognitie, en dat is waar dat soort tagging-annotatiestukjes uitkomen. En dat kan leiden door visualisatie en visuele analyse-type tools of meeslepende data-omgevingen of crowdsourcing. En uiteindelijk, wat dit echt doet, is onze ontdekking, inzichten en D2D genereren. En dat zijn mijn opmerkingen, dus bedankt voor het luisteren.

Eric: Hey dat klinkt geweldig en laat me doorgaan en de sleutels overhandigen aan Dr. Robin Bloor om ook zijn perspectief te geven. Ja, ik hoor graag je commentaar over dat stroomlijning van operations-concept en je hebt het over operationele analyse. Ik denk dat dit een groot gebied is dat vrij grondig moet worden onderzocht. En ik denk dat ik je heel snel voor Robin terug zal brengen, Kirk. Het vereist wel dat je een behoorlijk belangrijke samenwerking hebt tussen verschillende spelers in het bedrijf, toch? Je moet met operatiemensen praten; je moet je technische mensen halen. Soms krijg je je marketingmensen of je webinterface-mensen. Dit zijn meestal verschillende groepen. Heb je best practices of suggesties om iedereen zo goed mogelijk in het spel te krijgen?

Dr. Kirk: Nou, ik denk dat dit gepaard gaat met de bedrijfscultuur van samenwerking. Ik heb het eigenlijk over de drie C's van het soort analysecultuur. Een daarvan is creativiteit; een andere is nieuwsgierigheid en de derde is samenwerking. Dus je wilt creatieve, serieuze mensen, maar je moet deze mensen ook laten samenwerken. En het begint echt vanaf de top, dat soort van het opbouwen van die cultuur met mensen die openlijk moeten delen en samenwerken voor de gemeenschappelijke doelen van het bedrijf.

Eric: Het is allemaal logisch. En je moet echt goed leiderschap aan de top krijgen om dat te laten gebeuren. Dus laten we doorgaan en het overhandigen aan Dr. Bloor. Robin, de vloer is van jou.

Dr. Robin Bloor: Oké. Bedankt voor die intro, Eric. Oké, de manier waarop deze uitkomen, deze shows, omdat we twee analisten hebben; Ik krijg de presentatie van de analist te zien die de andere jongens niet zien. Ik wist wat Kirk ging zeggen en ik ga gewoon een heel andere hoek in, zodat we niet teveel overlappen.

Dus waar ik het hier eigenlijk over heb of van plan ben te praten, is de rol van de data-analist versus de rol van de business-analist. En de manier waarop ik het karakteriseer, tot op zekere hoogte tong-in-wang, is een beetje Jekyll and Hyde-ding. Het verschil is dat de gegevenswetenschappers, althans in theorie, weten wat ze doen. Hoewel de bedrijfsanalisten dat niet zijn, oké met de manier waarop de wiskunde werkt, wat kan worden vertrouwd en wat niet kan worden vertrouwd.

Laten we dus maar even op de reden ingaan dat we dit doen, de reden dat data-analyse plotseling een groot probleem is geworden, afgezien van het feit dat we daadwerkelijk zeer grote hoeveelheden gegevens kunnen analyseren en gegevens van buiten de organisatie kunnen binnenhalen; is het loont. De manier waarop ik hiernaar kijk - en ik denk dat dit alleen maar een zaak wordt, maar ik denk zeker dat het een zaak is - data-analyse is echt zakelijke R&D. Wat u eigenlijk op de een of andere manier met gegevensanalyse doet, is dat u op een of andere manier naar een bedrijfsproces kijkt of dat dat de interactie met een klant is, of dat is met de manier waarop uw retailactiviteiten, de manier waarop u implementeert uw winkels. Het maakt niet echt uit wat het probleem is. U kijkt naar een bepaald bedrijfsproces en probeert dit te verbeteren.

Het resultaat van succesvol onderzoek en ontwikkeling is een veranderingsproces. En je kunt de productie, als je wilt, als een gebruikelijk voorbeeld hiervan beschouwen. Omdat in de productie mensen informatie verzamelen over alles om het productieproces te verbeteren. Maar ik denk dat wat er is gebeurd of wat er gebeurt bij big data, dit alles nu wordt toegepast op alle bedrijven van welke aard dan ook, op een manier die iedereen kan bedenken. Dus vrijwel elk bedrijfsproces moet worden onderzocht als u er gegevens over kunt verzamelen.

Dus dat is één ding. Als u wilt, gaat dat over de analyse van gegevens. Wat kan data-analyse voor het bedrijf betekenen? Welnu, het kan het bedrijf volledig veranderen.

Dit specifieke diagram dat ik niet diepgaand zal beschrijven, maar dit is een diagram dat we hebben bedacht als het hoogtepunt van het onderzoeksproject dat we de eerste zes maanden van dit jaar hebben gedaan. Dit is een manier om een ​​big data-architectuur weer te geven. En een aantal dingen die het vermelden waard zijn voordat ik verder ga naar de volgende dia. Er zijn hier twee datastromen. Een daarvan is een realtime gegevensstroom, die bovenaan het diagram wordt weergegeven. De andere is een langzamere gegevensstroom die langs de onderkant van het diagram loopt.

Kijk onderaan het diagram. We hebben Hadoop als gegevensreservoir. We hebben verschillende databases. We hebben daar hele data met een hele hoop activiteit die er op gebeurt, waarvan de meeste analytische activiteit is.

Het punt dat ik hier maak en het enige punt dat ik hier echt wil maken, is dat de technologie moeilijk is. Het is niet eenvoudig. Het is niet makkelijk. Het is niet iets dat iedereen die nieuw is in het spel, gewoon in elkaar kan zetten. Dit is vrij complex. En als u een bedrijf gaat instrumenteren voor het uitvoeren van betrouwbare analyses in al deze processen, dan is het niet iets dat specifiek snel gaat gebeuren. Het zal veel technologie vereisen om aan de mix te worden toegevoegd.

Oke. De vraag wat een datawetenschapper is, zou ik kunnen beweren een datawetenschapper te zijn, omdat ik eigenlijk in de statistiek was opgeleid voordat ik ooit in de informatica was opgeleid. En ik heb een tijdje actuarieel werk gedaan, dus ik weet hoe een bedrijf statistische analyses organiseert, ook om zichzelf te runnen. Dit is geen triviale zaak. En er is ontzettend veel van de beste praktijken, zowel aan de menselijke kant als aan de technologische kant.

Dus bij het stellen van de vraag "wat is een datawetenschapper", heb ik de foto van Frankenstein gemaakt, simpelweg omdat het een combinatie is van dingen die moeten worden samengevoegd. Er is projectmanagement bij betrokken. Er is diep inzicht in statistieken. Er is domeinexpertise, wat een probleem van een bedrijfsanalist is, noodzakelijkerwijs de datawetenschapper. Er is ervaring of de behoefte om data-architectuur te begrijpen en om data-architect te kunnen bouwen en er is software-engineering bij betrokken. Met andere woorden, het is waarschijnlijk een team. Het is waarschijnlijk geen individu. En dat betekent dat het waarschijnlijk een afdeling is die moet worden georganiseerd en dat over de organisatie tamelijk uitgebreid moet worden nagedacht.

Het feit van machine learning in de mix gooien. We zouden het niet kunnen doen, ik bedoel, machine learning is niet nieuw in de zin dat de meeste statistische technieken die worden gebruikt in machine learning al tientallen jaren bekend zijn. Er zijn een paar nieuwe dingen, ik bedoel neurale netwerken zijn relatief nieuw, ik denk dat ze pas ongeveer 20 jaar oud zijn, dus sommige ervan zijn relatief nieuw. Maar het probleem met machine learning was dat we echt niet over de computerkracht beschikten om het te doen. En wat er is gebeurd, afgezien van iets anders, is dat de computerkracht nu aanwezig is. En dat betekent ontzettend veel van wat we, bijvoorbeeld, gegevenswetenschappers eerder hebben gedaan in termen van modellering, steekproeven van gegevens en dit vervolgens opstellen om een ​​diepere analyse van de gegevens te produceren. Eigenlijk kunnen we er in sommige gevallen gewoon computerkracht op gooien. Kies gewoon machine-learning algoritmen, gooi het naar de gegevens en kijk wat eruit komt. En dat is iets dat een bedrijfsanalist kan doen, toch? Maar de bedrijfsanalist moet begrijpen wat ze doen. Ik bedoel, ik denk dat dat echt het probleem is, meer dan iets anders.

Welnu, dit is alleen om meer over zaken te weten te komen uit de gegevens dan op enige andere manier. Einstein zei dat niet, ik zei het. Ik heb zojuist zijn foto opgemaakt voor geloofwaardigheid. Maar de situatie begint zich daadwerkelijk te ontwikkelen waarin de technologie, mits correct gebruikt, en de wiskunde, indien correct gebruikt, als een individu een bedrijf kunnen runnen. We hebben dit bekeken met IBM. Allereerst kan het de beste jongens bij het schaken verslaan, en dan kan het de beste jongens bij Jeopardy verslaan; maar uiteindelijk kunnen we de beste jongens verslaan in het runnen van een bedrijf. De statistieken zullen uiteindelijk zegevieren. En het is moeilijk om te zien hoe dat niet zal gebeuren, het is gewoon nog niet gebeurd.

Dus wat ik zeg, en dit is een soort complete boodschap van mijn presentatie, zijn deze twee zaken van het bedrijf. De eerste is, kun je de technologie goed krijgen? Kun je de technologie laten werken voor het team dat er daadwerkelijk voor gaat zitten en voordelen voor het bedrijf krijgt? En ten tweede, kun je de mensen goed krijgen? En beide zijn problemen. En het zijn problemen die tot nu toe niet zijn opgelost.

Oké Eric, ik geef het je terug. Of ik zou het misschien aan Will moeten doorgeven.

Eric: Eigenlijk wel, ja. Bedankt, Will Gorman. Ja, daar ga je, Will. Laten we eens kijken. Laat me je de sleutel tot de WebEx geven. Dus wat heb je aan de hand? Pentaho, jullie zijn natuurlijk al een tijdje bezig en open-source BI's zijn waar je bent begonnen. Maar je hebt veel meer dan vroeger, dus laten we eens kijken wat je tegenwoordig hebt voor analyse.

Will Gorman: Absoluut. Hallo iedereen! Mijn naam is Will Gorman. Ik ben de hoofdarchitect bij Pentaho. Voor degenen onder u die nog nooit van ons hebben gehoord, ik heb zojuist gezegd dat Pentaho een bedrijf is voor big data-integratie en analyse. We zijn al tien jaar actief. Onze producten zijn samen met de big data-gemeenschap geëvolueerd, beginnend als een open-sourceplatform voor data-integratie en analyse, innoverend met technologie zoals Hadoop en NoSQL, nog voordat commerciële entiteiten zich rond die technologie vormden. En nu hebben we meer dan 1500 commerciële klanten en nog veel meer productie-afspraken als gevolg van onze innovatie rond open source.

Onze architectuur is zeer inbedden en uitbreidbaar, speciaal gebouwd om flexibel te zijn, omdat met name big data-technologie zich in een zeer snel tempo ontwikkelt. Pentaho biedt drie belangrijke productgebieden die samenwerken om gebruik te maken van big data-analyses.

Het eerste product in de omvang van onze architectuur is Pentaho Data-integratie die is gericht op datatechnoloog en data-ingenieurs. Dit product biedt een visuele drag-and-drop-ervaring voor het definiëren van datapijplijnen en processen voor het orkestreren van data binnen big data-omgevingen en traditionele omgevingen. Dit product is een lichtgewicht, metadatabase, data-integratieplatform gebouwd op Java en kan worden ingezet als een proces binnen MapReduce of YARN of Storm en vele andere batch- en realtime platforms.

Ons tweede productgebied draait om visuele analyse. Met deze technologie kunnen organisaties en OEM's een rijke visualisatie- en analyse-ervaring bieden voor slepen en neerzetten voor bedrijfsanalisten en zakelijke gebruikers door moderne browsers en tablets, waardoor ad hoc rapporten en dashboards kunnen worden gemaakt. Evenals de presentatie van pixel-perfecte dashboarding en rapporten.

Ons derde productgebied is gericht op voorspellende analyses gericht op datawetenschappers, algoritmen voor machine-learning. Zoals eerder vermeld, kunnen net als neurale netwerken en dergelijke worden opgenomen in een datatransformatieomgeving, waardoor datawetenschappers kunnen overstappen van modellering naar productieomgeving, toegang geven tot voorspelling, en dat kan zeer onmiddellijk, zeer snel invloed hebben op bedrijfsprocessen.

Al deze producten zijn nauw geïntegreerd in een enkele agile ervaring en bieden onze zakelijke klanten de flexibiliteit die ze nodig hebben om hun zakelijke problemen aan te pakken. We zien een snel evoluerend landschap van big data in traditionele technologieën. Alles wat we horen van sommige bedrijven in de big data-ruimte dat de EDW bijna ten einde is. Wat we in onze zakelijke klanten zien, is dat ze big data moeten introduceren in bestaande zakelijke en IT-processen en deze processen niet moeten vervangen.

Dit eenvoudige diagram toont het punt in de architectuur dat we vaak zien, wat een type EDW-implementatiearchitectuur is met gegevensintegratie en BI-gebruiksscenario's. Nu is dit diagram vergelijkbaar met de dia van Robin over big data-architectuur, het bevat real-time en historische gegevens. Wanneer nieuwe gegevensbronnen en realtime vereisten opkomen, zien we big data als een extra onderdeel van de algehele IT-architectuur. Deze nieuwe gegevensbronnen omvatten machinaal gegenereerde gegevens, ongestructureerde gegevens, het standaardvolume en de snelheid en de verscheidenheid aan vereisten waarover we horen bij big data; ze passen niet in traditionele EDW-processen. Pentaho werkt nauw samen met Hadoop en NoSQL om de opname, gegevensverwerking en visualisatie van deze gegevens te vereenvoudigen en deze gegevens te combineren met traditionele bronnen om klanten een volledig overzicht te geven van hun gegevensomgeving. We doen dit op een beheerste manier, zodat IT een volledige analyseoplossing kan bieden voor hun branche.

Tot slot wil ik onze filosofie rond big data-analyse en integratie benadrukken; wij zijn van mening dat deze technologieën beter zijn samen te werken met één uniforme architectuur, waardoor een aantal use cases mogelijk is die anders niet mogelijk zouden zijn. De data-omgevingen van onze klanten zijn meer dan alleen big data, Hadoop en NoSQL. Alle gegevens zijn redelijk spel. En big data-bronnen moeten beschikbaar zijn en samenwerken om de bedrijfswaarde te beïnvloeden.

Tot slot zijn wij van mening dat, om deze bedrijfsproblemen in ondernemingen zeer effectief via gegevens op te lossen, IT en bedrijfsonderdelen moeten samenwerken aan een gereguleerde, gemengde benadering van big data-analyse. Heel erg bedankt dat je ons de tijd hebt gegeven om te praten, Eric.

Eric: Reken maar. Nee, dat is goed spul. Ik wil terug naar die kant van je architectuur als we naar de Q & As gaan. Laten we de rest van de presentatie doornemen en hartelijk bedanken. Jullie zijn de laatste jaren absoluut snel gegaan, dat moet ik zeker zeggen.

Dus Steve, laat me doorgaan en het aan jou overhandigen. En klik daar gewoon op de pijl-omlaag en ga ervoor. Dus Steve, ik geef je de sleutels. Steve Wilkes, klik gewoon op die verste pijl omlaag op je toetsenbord.

Steve Wilkes: Daar gaan we.

Eric: Daar ga je.

Steve: Maar dat is een geweldige intro die je me hebt gegeven.

Eric: Ja.

Steve: Dus ik ben Steve Wilkes. Ik ben de CCO bij WebAction. We zijn er pas de laatste paar jaar en sindsdien gaan we zeker ook snel. WebAction is een realtime big data-analyseplatform. Eric zei eerder hoe belangrijk realtime is en hoe realtime je applicaties worden. Ons platform is ontworpen om realtime apps te bouwen. En om de volgende generatie gegevensgestuurde apps mogelijk te maken waarop stapsgewijs kan worden gebouwd en om mensen in staat te stellen dashboards te bouwen op basis van de gegevens die zijn gegenereerd met die apps, maar gericht op realtime.

Ons platform is eigenlijk een volledig end-to-end platform, dat alles doet van data-acquisitie, dataverwerking tot en met datavisualisatie. En stelt meerdere verschillende soorten mensen binnen onze onderneming in staat om samen echte real-time apps te maken, waardoor ze inzicht krijgen in dingen die in hun onderneming gebeuren zoals ze zijn gebeurd.

En dit is een beetje anders dan wat de meeste mensen in big data hebben gezien, zodat de traditionele aanpak - nou ja, de laatste paar jaar traditioneel - de aanpak met big data is geweest om het uit een hele reeks verschillende bronnen vast te leggen en stapel het vervolgens op in een groot reservoir of meer of hoe je het ook wilt noemen. En verwerk het vervolgens wanneer u er een query op moet uitvoeren; om grootschalige historische analyses uit te voeren of zelfs om ad-hoc doorzoekingen te doen naar grote hoeveelheden gegevens. Nu werkt dat voor bepaalde gebruikssituaties. Maar als u proactief wilt zijn in uw onderneming, als u daadwerkelijk wilt worden verteld wat er aan de hand is in plaats van erachter te komen wanneer er iets aan het eind van de dag of het einde van de week is misgegaan, moet u echt verhuizen naar realtime.

En dat verandert de zaken een beetje. Het verplaatst de verwerking naar het midden. Dus u neemt effectief die stromen van grote hoeveelheden gegevens die continu binnen de onderneming worden gegenereerd en u verwerkt het zodra u het krijgt. En omdat u het verwerkt zoals u het krijgt, hoeft u niet alles op te slaan. U kunt gewoon de belangrijke informatie opslaan of de dingen die u moet onthouden die daadwerkelijk zijn gebeurd. Dus als u de GPS-locatie volgt van voertuigen die op de weg rijden, maakt het u niet echt uit waar ze zich elke seconde bevinden, hoeft u niet op te slaan waar ze zich elke seconde bevinden. Je hoeft alleen maar te zorgen om, hebben ze deze plek verlaten? Zijn ze hier aangekomen? Hebben ze de snelweg gereden of niet?

Het is dus echt belangrijk om te overwegen dat naarmate er meer en meer gegevens worden gegenereerd, de drie Vs. Snelheid bepaalt in principe hoeveel gegevens elke dag worden gegenereerd. Hoe meer gegevens worden gegenereerd, des te meer u moet opslaan. En hoe meer u moet opslaan, hoe langer het duurt om te verwerken. Maar als je het kunt verwerken zoals je het krijgt, dan krijg je een heel groot voordeel en kun je daarop reageren. Je kunt te horen krijgen dat er dingen gebeuren in plaats van dat je er later naar moet zoeken.

Ons platform is dus ontworpen om uiterst schaalbaar te zijn. Het heeft drie hoofdonderdelen - het acquisitiestuk, het verwerkingsstuk en vervolgens de afleveringsvisualisatiestukken van het platform. Aan de acquisitiekant kijken we niet alleen naar machinaal gegenereerde loggegevens zoals weblogs of applicaties met alle andere logs die worden gegenereerd. We can also go in and do change data capture from databases. So that basically enables us to, we've seen the ETL side that Will presented and traditional ETL you have to run queries against the databases. We can be told when things happen in the database. We change it and we capture it and receive those events. And then there's obviously the social feeds and live device data that's being pumped to you over TCP or ACDP sockets.

There's tons of different ways of getting data. And talking of volume and velocity, we're seeing volumes that are billions of events per day, right? So it's large, large amounts of data that is coming in and needs to be processed.

That is processed by a cluster of our servers. The servers all have the same architecture and are all capable of doing the same things. But you can configure them to, sort of, do different things. And within the servers we have a high-speed query processing layer that enables you to do some real-time analytics on the data, to do enrichments of the data, to do event correlation, to track things happening within time windows, to do predictive analytics based on patterns that are being seen in the data. And that data can then be stored in a variety places - the traditional RDBMS, enterprise data warehouse, Hadoop, big data infrastructure.

And the same live data can also be used to power real-time data-driven apps. Those apps can have a real-time view of what's going on and people can also be alerted when important things happen. So rather than having to go in at the end of the day and find out that something bad really happened earlier on the day, you could be alerted about it the second we spot it and it goes straight to the page draw down to find out what's going on.

So it changes the paradigm completely from having to analyze data after the fact to being told when interesting things are happening. And our platform can then be used to build data-driven applications. And this is really where we're focusing, is building out these applications. For customers, with customers, with a variety of different partners to show true value in real-time data analysis. So that allows people that, or companies that do site applications, for example, to be able track customer usage over time and ensure that the quality of service is being met, to spot real-time fraud or money laundering, to spot multiple logins or hack attempts and those kind of security events, to manage things like set-top boxes or other devices, ATM machines to monitor them in real time for faults, failures that have happened, could happen, will happen in the future based on predictive analysis. And that goes back to the point of streamlining operations that Eric mentioned earlier, to be able to spot when something's going to happen and organize your business to fix those things rather than having to call someone out to actually do something after the fact, which is a lot more expensive.

Consumer analytics is another piece to be able to know when a customer is doing something while they're still there in your store. Data sent to management to be able to in real time monitor resource usage and change where things are running and to be able to know about when things are going to fail in a much more timely fashion.

So that's our products in a nutshell and I'm sure we'll come back to some of these things in the Q&A session. Dank je.

Eric: Yes, indeed. Goed werk. OK goed. And now next stop in our lightning round, we've got Frank Sanders calling in from MarkLogic. I've known about these guys for a number of years, a very, very interesting database technology. So Frank, I'm turning it over to you. Just click anywhere in that. Use the down arrow on your keyboard and you're off to the races. Daar ga je.

Frank Sanders: Thank you very much, Eric. So as Eric mentioned, I'm with a company called MarkLogic. And what MarkLogic does is we provide an enterprise NoSQL database. And perhaps, the most important capability that we bring to the table with regards to that is the ability to actually bring all of these disparate sources of information together in order to analyze, search and utilize that information in a system similar to what you're used to with traditional relational systems, right?

And some of the key features that we bring to the table in that regard are all of the enterprise features that you'd expect from a traditional database management system, your security, your HA, your DR, your backup are in store, your asset transactions. As well as the design that allows you to scale out either on the cloud or in the commodity hardware so that you can handle the volume and the velocity of the information that you're going to have to handle in order to build and analyze this sort of information.

And perhaps, the most important capability is that fact that we're scheme agnostic. What that means, practically, is that you don't have to decide what your data is going to look like when you start building your applications or when you start pulling those informations together. But over time, you can incorporate new data sources, pull additional information in and then use leverage and query and analyze that information just as you would with anything that was there from the time that you started the design. Oke?

So how do we do that? How do we actually enable you to load different sorts of information, whether it be text, RDF triples, geospatial data, temporal data, structured data and values, or binaries. And the answer is that we've actually built our server from the ground up to incorporate search technology which allows you to put information in and that information self describes and it allows you to query, retrieve and search that information regardless of its source or format.

And what that means practically is that - and why this is important when you're doing analysis - is that analytics and information is most important ones when it's properly contextualized and targeted, right? So a very important key part of any sort of analytics is search, and the key part is search analytics. You can't really have one without the other and successfully achieve what you set out to achieve. Rechtsaf?

And I'm going to talk briefly about three and a half different use cases of customers that we have at production that are using MarkLogic to power this sort of analytics. Oke. So the first such customer is Fairfax County. And Fairfax County has actually built two separate applications. One is based around permitting and property management. And the other, which is probably a bit more interesting, is the Fairfax County police events application. What the police events application actually does is it pulls information together like police reports, citizen reports and complaints, Tweets, other information they have such as sex offenders and whatever other information that they have access to from other agencies and sources. Then they allow them to visualize that and present this to the citizens so they can do searches and look at various crime activity, police activity, all through one unified geospatial index, right? So you can ask questions like, "what is the crime rate within five miles" or "what crimes occurred within five miles of my location?" Oke.

Another user that we've got, another customer that we have is OECD. Why OECD is important to this conversation is because in addition to everything that we've enabled for Fairfax County in terms of pulling together information, right; all the information that you would get from all various countries that are members of the OECD that they report on from an economic perspective. We actually laid a target drill into that, right. So you can see on the left-hand side we're taking the view of Denmark specifically and you can kind of see a flower petal above it that rates it on different axes. Rechtsaf? And that's all well and good. But what the OECD has done is they've gone a step further.

In addition to these beautiful visualizations and pulling all these information together, they're actually allowing you in real time to create your own better life index, right, which you can see on the right-hand side. So what you have there is you have a set of sliders that actually allow you to do things like rank how important housing is to you or income, jobs, community, education, environment, civic engagement, health, life satisfaction, safety and your work/life balance. And dynamically based on how you are actually inputting that information and weighting those things, MarkLogic's using its real-time indexing capability and query capability to actually then change how each and every one of these countries is ranked to give you an idea of how well your country or your lifestyle maps through a given country. Oke?

And the final example that I'm going to share is MarkMail. And what MarkMail really tries to demonstrate is that we can provide these capabilities and you can do the sort of analysis not only on structured information or information that's coming in that's numerical but actually on more loosely structured, unstructured information, right? Things like emails. And what we've seen here is we're actually pulling information like geolocation, sender, company, stacks and concepts like Hadoop being mentioned within the context of an email and then visualizing it on the map as well as looking at who those individuals and what list across that, a sent and a date. This where you're looking at things that are traditionally not structured, that may be loosely structured, but are still able to derive some structured analysis from that information without having to go to a great length to actually try and structure it or process it at a time. En dat is het.

Eric: Hey, okay good. And we got one more. We've got Hannah Smalltree from Treasure Data, a very interesting company. And this is a lot of great content, folks. Thank you so much for all of you for bringing such good slides and such good detail. So Hannah, I just gave the keys to you, click anywhere and use the down arrow on your keyboard. Jij hebt het. Haal het weg.

Hannah Smalltree: Thank you so much, Eric. This is Hannah Smalltree from Treasure Data. I'm a director with Treasure Data but I have a past as a tech journalist, which means that I appreciate two things. First of all, these can be long to sit through a lot of different descriptions of technology, and it can all sound like it runs together so I really want to focus on our differentiator. And the real-world applications are really important so I appreciate that all of my peers have been great about providing those.

Treasure Data is a new kind of big data service. We're delivered entirely on the cloud in a software as a service or managed-service model. So to Dr. Bloor's point earlier, this technology can be really hard and it can be very time consuming to get up and running. With Treasure Data, you can get all of these kinds of capabilities that you might get in a Hadoop environment or a complicated on-premise environment in the cloud very quickly, which is really helpful for these new big data initiatives.

Now we talk about our service in a few different phases. We offer some very unique collection capabilities for collecting streaming data so particularly event data, other kinds of real-time data. We'll talk a little bit more about those data types. That is a big differentiator for our service. As you get into big data or if you are already in it then you know that collecting this data is not trivial. When you think about a car with 100 sensors sending data every minute, even those 100 sensors sending data every ten minutes, that adds up really quickly as you start to multiply the amount of products that you have out there with sensors and it quickly becomes very difficult to manage. So we are talking with customers who have millions, we have customers who have billions of rows of data a day that they're sending us. And they're doing that as an alternative to try and to manage that themselves in a complicated Amazon infrastructure or even try to bring it into their own environment.

We have our own cloud storage environment. We manage it. We monitor it. We have a team of people that's doing all that tuning for you. And so the data flows in, it goes into our managed storage environment.

Then we have embedded query engines so that your analyst can go in and run queries and do some initial data discovery and exploration against the data. We have a couple of different query engines for it actually now. You can use SQL syntax, which your analysts probably know and love, to do some basic data discovery, to do some more complex analytics that are user-defined functions or even to do things as simple as aggregate that data and make it smaller so that you can bring it into your existing data warehouse environment.

You can also connect your existing BI tools, your Tableau, is a big partner of ours; but really most BIs, visualization or analytics tools can connect via our industry standard JDBC and ODBC drivers. So it gives you this complete set of big data capabilities. You're allowed to export your queries results or data sets anytime for free, so you can easily integrate that data. Treat this as a data refinery. I like to think of it more as a refinery than a lake because you can actually do stuff with it. You can go through, find the valuable information and then bring it into your enterprise processes.

The next slide, we talk about the three Vs of big data - some people say four or five. Our customers tend to struggle with the volume and velocity of the data coming at them. And so to get specific about the data types - Clickstream, Web access logs, mobile data is a big area for us, mobile application logs, application logs from custom Web apps or other applications, event logs. And increasingly, we have a lot of customers dealing with sensor data, so from wearable devices, from products, from automotive, and other types of machine data. So when I say big data, that's the type of big data that I'm talking about.

Now, a few use cases in perspective for you - we work with a retailer, a large retailer. They are very well known in Asia. They're expanding here in the US. You'll start to see stores; they're often called Asian IKEA, so, simple design. They have a loyalty app and a website. And in fact, using Treasure Data, they were able to deploy that loyalty app very quickly. Our customers get up and running within days or weeks because of our software and our service architecture and because we have all of the people doing all of that hard work behind the scenes to give you all of those capabilities as a service.

So they use our service for mobile application analytics looking at the behavior, what people are clicking on in their mobile loyalty application. They look at the website clicks and they combine that with our e-commerce and POS data to design more efficient promotions. They actually wanted to drive people into stores because they found that people, when they go into stores spend more money and I'm like that; to pick up things, you spend more money.

Another use case that we're seeing in digital video games, incredible agility. They want to see exactly what is happening in their game, and make changes to that game even within hours of its release. So for them, that real-time view is incredibly important. We just released a game but we noticed in the first hour that everyone is dropping off at Level 2; how are we going to change that? They might change that within the same day. So real time is very important. They're sending us billions of event logs per day. But that could be any kind of mobile application where you want some kind of real-time view into how somebody's using that.

And finally, a big area for us is our product behavior and sensor analytics. So with sensor data that's in cars, that's in other kinds of machines, utilities, that's another area for us, in wearable devices. We have research and development teams that want to quickly know what the impact of a change to a product is or people interested in the behavior of how people are interacting with the product. And we have a lot more use cases which, of course, we're happy to share with you.

And then finally, just show you how this can fit into your environment, we offer again the capability to collect that data. We have very unique collection technology. So again, if real-time collection is something that you're struggling with or you anticipate struggling with, please come look at the Treasure Data service. We have really made capabilities for collecting streaming data. You can also bulk load your data, store it, analyze it with our embedded query engines and then, as I mentioned, you can export it right to your data warehouse. I think Will mentioned the need to introduce big data into your existing processes. So not go around or create a new silo, but how do you make that data smaller and then move it into your data warehouse and you can connect to your BI, visualization and advanced analytics tools.

But perhaps, the key points I want to leave you with are that we are managed service, that's software as a service; it's very cost effective. A monthly subscription service starting at a few thousand dollars a month and we'll get you up and running in a matter of days or weeks. So compare that with the cost of months and months of building your own infrastructure and hiring those people and finding it and spending all that time on infrastructure. If you're experimenting or if you need something yesterday, you can get up and running really quickly with Treasure Data.

And I'm just pointing you to our website and to our starter service. If you're a hands-on person who likes to play, please check out our starter service. You can get on, no credit card required, just name and email, and you can play with our sample data, load up your own data and really get a sense of what we're talking about. So thanks so much. Also, check our website. We were named the Gartner Cool Vendor in Big Data this year, very proud of that. And you can also get a copy of that report for free on our website as well as many other analyst white papers. So thanks so much.

Eric: Okay, thank you very much. We've got some time for questions here, folks. We'll go a little bit long too because we've got a bunch of folks still on the line here. And I know I've got some questions myself, so let me go ahead and take back control and then I'm going to ask a couple of questions. Robin and Kirk, feel free to dive in as you see fit.

So let me go ahead and jump right to one of these first slides that I checked out from Pentaho. So here, I love this evolving big data architecture, can you kind of talk about how it is that this kind of fits together at a company? Because obviously, you go into some fairly large organization, even a mid-size company, and you're going to have some people who already have some of this stuff; how do you piece this all together? Like what does the application look like that helps you stitch all this stuff together and then what does the interface look like?

Will: Great question. The interfaces are a variety depending on the personas involved. But as an example, we like to tell the story of - one of the panelists mentioned the data refinery use case - we see that a lot in customers.

One of our customer examples that we talk about is Paytronix, where they have that traditional EDW data mart environment. They are also introducing Hadoop, Cloudera in particular, and with various user experiences in that. So first there's an engineering experience, so how do you wire all these things up together? How do you create the glue between the Hadoop environment and EDW?

And then you have the business user experience which we talked about, a number of BI tools out there, right? Pentaho has a more embeddable OEM BI tool but there are great ones out there like Tableau and Excel, for instance, where folks want to explore the data. But usually, we want to make sure that the data is governed, right? One of the questions in the discussions, what about single-version experience, how do you manage that, and without the technology like Pentaho data integration to blend that data together not on the glass but in the IT environments. So it really protects and governs the data and allows for a single experience for the business analyst and business users.

Eric: Okay, good. That's a good answer to a difficult question, quite frankly. And let me just ask the question to each of the presenters and then maybe Robin and Kirk if you guys want to jump in too. So I'd like to go ahead and push this slide for WebAction which I do think is really a very interesting company. Actually, I know Sami Akbay who is one of the co-founders, as well. I remember talking to him a couple years ago and saying, "Hey man, what are you doing? What are you up to? I know you've got to be working on something." And of course, he was. He was working on WebAction, under the covers here.

A question came in for you, Steve, so I'll throw it over to you, of data cleansing, right? Can you talk about these components of this real-time capability? How do you deal with issues like data cleansing or data quality or how does that even work?

Steve: So it really depends on where you're getting your feeds from. Typically, if you're getting your feeds from a database as you change data capture then, again, it depends there on how the data was entered. Data cleansing really becomes a problem when you're getting your data from multiple sources or people are entering it manually or you kind of have arbitrary texts that you have to try and pull things out of. And that could certainly be part of the process, although that type simply doesn't lend itself to true, kind of, high-speed real-time processing. Data cleansing, typically, is an expensive process.

So it may well be that that could be done after the fact in the store site. But the other thing that the platform is really, really good at is correlation, so in correlation and enrichment of data. You can, in real time, correlate the incoming data and check to see whether it matches a certain pattern or it matches data that's being retrieved from a database or Hadoop or some other store. So you can correlate it with historical data, is one thing you could do.

The other thing that you can do is basically do analysis on that data and see whether it kind of matches certain required patterns. And that's something that you can also do in real time. But the traditional kind of data cleansing, where you're correcting company names or you're correcting addresses and all those types of things, those should probably be done in the source or kind of after the fact, which is very expensive and you pray that they won't do those in real time.

Eric: Yeah. And you guys are really trying to address the, of course, the real-time nature of things but also get the people in time. And we talked about, right, I mentioned at the top of the hour, this whole window of opportunity and you're really targeting specific applications at companies where you can pull together data not going the usual route, going this alternate route and do so in such a low latency that you can keep customers. For example, you can keep people satisfied and it's interesting, when I talked to Sami at length about what you guys are doing, he made a really good point. He said, if you look at a lot of the new Web-based applications; let's look at things like Twitter, Bitly or some of these other apps; they're very different than the old applications that we looked at from, say, Microsoft like Microsoft Word.

I often use Microsoft as sort of a whipping boy and specifically Word to talk about the evolution of software. Because Microsoft Word started out as, of course, a word processing program. I'm one of those people who remember Word Perfect. I loved being able to do the reveal keys or the reveal code, basically, which is where you could see the actual code in there. You could clean something up if your bulleted list was wrong, you can clean it up. Well, Word doesn't let you do that. And I can tell you that Word embeds a mountain of code inside every page that you do. If anyone doesn't believe me, then go to Microsoft Word, type "Hello World" and then do "Export as" or "Save as" .html. Then open that document in a text editor and that will be about four pages long of codes just for two words.

So you guys, I thought it was very interesting and it's time we talked about that. And that's where you guys focus on, right, is identifying what you might call cross-platform or cross-enterprise or cross-domain opportunities to pull data together in such quick time that you can change the game, right?

Steve: Yeah, absolutely. And one of the keys that, I think, you did elude to, anyway, is you really want to know about things happening before your customers do or before they really, really become a problem. As an example are the set-top boxes. Cable boxes, they emit telemetry all the time, loads and loads of telemetry. And not just kind of the health of the box but it's what you're watching and all that kind of stuff, right? The typical pattern is you wait till the box fails and then you call your cable provider and they'll say, "Well, we will get to you sometime between the hours of 6am and 11pm in the entire month of November." That isn't a really good customer experience.

But if they could analyze that telemetry in real time then they could start to do things like that we know these boxes are likely to fail in the next week based historical patterns. Therefore we'll schedule our cable repair guy to turn up at this person's house prior to it failing. And we'll do that in a way that suits us rather than having to send him from Santa Cruz up to Sunnyvale. We'll schedule everything in a nice order, traveling salesman pattern, etc., so that we can optimize our business. And so the customer is happy because they don't have a failing cable box. And the cable provider is happy because they have just streamlined things and they don't have to send people all over the place. That's just a very quick example. But there are tons and tons of examples where knowing about things as they happen, before they happen, can save companies a fortune and really, really improve their customer relations.

Eric: Yeah, right. No doubt about it. Let's go ahead and move right on to MarkLogic. As I mentioned before, I've known about these guys for quite some time and so I'll bring you into this, Frank. You guys were far ahead of the whole big data movement in terms of building out your application, it's really database. But building it out and you talked about the importance of search.

So a lot of people who followed the space know that a lot of the NoSQL tools out there are now bolting on search capabilities whether through third parties or they try to do their own. But to have that search already embedded in that, baked-in so to speak, really is a big deal. Because if you think about it, if you don't have SQL, well then how do you go in and search the data? How do you pull from that data resource? And the answer is to typically use search to get to the data that you're looking for, right?

So I think that's one of the key differentiators for you guys aside being able to pull data from all these different sources and store that data and really facilitate this sort of hybrid environment. I'm thinking that search capability is a big deal for you, right?

Frank: Yeah, absolutely. In fact, that's the only way to solve the problem consistently when you don't know what all the data is going to look like, right? If you cannot possibly imagine all the possibilities then the only way to make sure that you can locate all the information that you want, that you can locate it consistently and you can locate it regardless of how you evolve your data model and your data sets is to make sure you give people generic tools that allow them to interrogate that data. And the easiest, most intuitive way to do that is through a search paradigm, right? And through the same approach in search takes where we created an inverted index. You have entries where you can actually look into those and then find records and documents and rows that actually contain the information you're looking for to then return it to the customer and allow them to process it as they see fit.

Eric: Yeah and we talked about this a lot, but you're giving me a really good opportunity to kind of dig into it - the whole search and discovery side of this equation. But first of all, it's a lot of fun. For anyone who likes that stuff, this is the fun part, right? But the other side of the equation or the other side of the coin, I should say, is that it really is an iterative process. And you got to be able to - here I'll be using some of the marketing language - have that conversation with the data, right? In other words, you need to be able to test the hypothesis, play around with it and see how that works. Maybe that's not there, test something else and constantly change things and iterate and search and research and just think about stuff. And that's a process. And if you have big hurdles, meaning long latencies or a difficult user interface or you got to go ask IT; that just kills the whole analytical experience, right?

So it's important to have this kind of flexibility and to be able to use searches. And I like the way that you depicted it here because if we're looking at searching around different, sort of, concepts or keys, if you will, key values and they're different dimensions. You want to be able to mix and match that stuff in order to enable your analyst to find useful stuff, right?

Frank: Yeah, absolutely. I mean, hierarchy is an important thing as well, right? So that when you include something like a title, right, or a specific term or value, that you can actually point to the correct one. So if you're looking for a title of an article, you're not getting titles of books, right? Or you're not getting titles of blog posts. The ability to distinguish between those and through the hierarchy of the information is important as well.

You pointed out earlier the development, absolutely, right? The ability for our customers to actually pull in new data sources in a matter of hours, start to work with them, evaluate whether or not they're useful and then either continue to integrate them or leave them by the wayside is extremely valuable. When you compare it to a more traditional application development approach where what you end up doing is you have to figure out what data you want to ingest, source the data, figure out how you're going to fit it in your existing data model or model that in, change that data model to incorporate it and then actually begin the development, right? Where we kind of turn that on our head and say just bring it to us, allow you to start doing the development with it and then decide later whether or not you want to keep it or almost immediately whether or not it's of value.

Eric: Yeah, it's a really good point. That's a good point. So let me go ahead and bring in our fourth presenter here, Treasure Data. I love these guys. I didn't know much about them so I'm kind of kicking myself. And then Hannah came to us and told us what they were doing. And Hannah mentioned, she was a media person and she went over to the dark side.

Hannah: I did, I defected.

Eric: That's okay, though, because you know what we like in the media world. So it's always nice when a media person goes over to the vendor side because you understand, hey, this stuff is not that easy to articulate and it can be difficult to ascertain from a website exactly what this product does versus what that product does. And what you guys are talking about is really quite interesting. Now, you are a cloud-managed service. So any data that someone wants to use they upload to your cloud, is that right? And then you will ETL or CDC, additional data up to the cloud, is that how that works?

Hannah: Well, yeah. So let me make an important distinction. Most of the data, the big data, that our customers are sending us is already outside the firewall - mobile data, sensor data that's in products. And so we're often used as an interim staging area. So data is not often coming from somebody's enterprise into our service so much as it's flowing from a website, a mobile application, a product with lots of sensors in it - into our cloud environment.

Now if you'd like to enrich that big data in our environment, you can definitely bulk upload some application data or some customer data to enrich that and do more of the analytics directly in the cloud. But a lot of our value is around collecting that data that's already outside the firewall, bringing together into one place. So even if you do intend to bring this up sort of behind your firewall and do more of your advanced analytics or bring it into your existing BI or analytics environment, it's a really good staging point. Because you don't want to bring a billion rows of day into your data warehouse, it's not cost effective. It's even difficult if you're planning to store that somewhere and then batch upload.

So we're often the first point where data is getting collected that's already outside firewall.

Eric: Yeah, that's a really good point, too. Because a lot of companies are going to be nervous about taking their proprietary customer data, putting it up in the cloud and to manage the whole process.

Hannah: Yeah.

Eric: And what you're talking about is really getting people a resource for crunching those heavy duty numbers of, as you suggest, data that's third party like mobile data and the social data and all that kind of fun stuff. That's pretty interesting.

Hannah: Yeah, absolutely. And probably they are nervous about the products because the data are already outside. And so yeah, before bringing it in, and I really like that refinery term, as I mentioned, versus the lake. So can you do some basic refinery? Get the good stuff out and then bring it behind the firewall into your other systems and processes for deeper analysis. So it's really all data scientists can do, real-time data exploration of this new big data that's flowing in.

Eric: Yeah, that's right. Well, let me go ahead and bring in our analysts and we'll kind of go back in reverse order. I'll start with you, Robin, with respect to Treasure Data and then we'll go to Kirk for some of the others. And then back to Robin and back to Kirk just to kind of get some more assessment of this.

And you know the data refinery, Robin, that Hannah is talking about here. I love that concept. I've heard only a few people talking about it that way but I do think that you certainly mentioned that before. And it really does speak to what is actually happening to your data. Because, of course, a refinery, it basically distills stuff down to its root level, if you think about oil refineries. I actually studied this for a while and it's pretty basic, but the engineering that goes into it needs to be exactly correct or you don't get the stuff that you want. So I think it's a great analogy. What do you think about this whole concept of the Treasure Data Cloud Service helping you tackle some of those very specific analytical needs without having to bring stuff in-house?

Robin: Well, I mean, obviously depending on the circumstances to how convenient that is. But anybody that's actually got already made process is already going to put you ahead of the game if you haven't got one yourself. This is the first takeaway for something like that. If somebody assembled something, they've done it, it's proven in the marketplace and therefore there's some kind of value in effect, well, the work is already gone into it. And there's also the very general fact that refining of data is going to be a much bigger issue than it ever was before. I mean, it is not talked about, in my opinion anyway, it's not talked about as much as it should be. Simply apart from the fact that size of the data has grown and the number of sources and the variety of those sources has grown quite considerably. And the reliability of the data in terms of whether it's clean, they need to disambiguate the data, all sorts of issues that rise just in terms of the governance of the data.

So before you actually get around to being able to do reliable analysis on it, you know, if your data's dirty, then your results will be skewed in some way or another. So that is something that has to be addressed, that has to be known about. And the triangulator of providing, as far as I can see, a very viable service to assist in that.

Eric: Yes, indeed. Well, let me go ahead and bring Kirk back into the equation here just real quickly. I wanted to take a look at one of these other slides and just kind of get your impression of things, Kirk. So maybe let's go back to this MarkLogic slide. And by the way, Kirk provided the link, if you didn't see it folks, to some of his class discovery slides because that's a very interesting concept. And I think this is kind of brewing at the back of my mind, Kirk, as I was talking about this a moment ago. This whole question that one of the attendees posed about how do you go about finding new classes. I love this topic because it really does speak to the sort of, the difficult side of categorizing things because I've always had a hard time categorizing stuff. I'm like, "Oh, god, I can fit in five categories, where do I put it?" So I just don't want to categorize anything, right?

And that's why I love search, because you don't have to categorize it, you don't have to put it in the folder. Just search for it and you'll find it if you know how to search. But if you're in that process of trying to segment, because that's basically what categorization is, it's segmenting; finding new classes, that's kind of an interesting thing. Can you kind of speak to the power of search and semantics and hierarchies, for example, as Frank was talking about with respect to MarkLogic and the role that plays in finding new classes, what do you think about that?

Kirk: Well, first of all, I'd say you are reading my mind. Because that was what I was thinking of a question even before you were talking, this whole semantic piece here that MarkLogic presented. And if you come back to my slide, you don't have to do this, but back on the slide five on what I presented this afternoon; I talked about this semantics that the data needs to be captured.

So this whole idea of search, there you go. I firmly believe in that and I've always believed in that with big data, sort of take the analogy of Internet, I mean, just the Web, I mean having the world knowledge and information and data on a Web browser is one thing. But to have it searchable and retrievable efficiently as one of the big search engine companies provide for us, then that's where the real power of discovery is. Because connecting the search terms, sort of the user interests areas to the particular data granule, the particular webpage, if you want to think the Web example or the particular document if you're talking about document library. Or a particular customer type of segment if that's your space.

And semantics gives you that sort of knowledge layering on top of just a word search. If you're searching for a particular type of thing, understanding that a member of a class of such things can have a certain relationship to other things. Even include that sort of relationship information and that's a class hierarchy information to find things that are similar to what you're looking for. Or sometimes even the exact opposite of what you're looking for, because that in a way gives you sort of additional core of understanding. Well, probably something that's opposite of this.

Eric: Yeah.

Kirk: So actually understand this. I can see something that's opposite of this. And so the semantic layer is a valuable component that's frequently missing and it's interesting now that this would come up here in this context. Because I've taught a graduate course in database, data mining, learning from data, data science, whatever you want to call it for over a decade; and one of my units in this semester-long course is on semantics and ontology. And frequently my students would look at me like, what does this have to do with what we're talking about? And of course at the end, I think we do understand that putting that data in some kind of a knowledge framework. So that, just for example, I'm looking for information about a particular customer behavior, understanding that that behavior occurs, that's what the people buy at a sporting event. What kind of products do I offer to my customers when I notice on their social media - on Twitter or Facebook - that they say they're going to a sporting event like football, baseball, hockey, World Cup, whatever it might be.

Okay, so sporting event. So they say they're going to, let's say, a baseball game. Okay, I understand that baseball is a sporting event. I understand that's usually a social and you go with people. I understand that it's usually in an outdoor space. I mean, understanding all those contextual features, it enables sort of, more powerful, sort of, segmentation of the customer involved and your sort of personalization of the experience that you're giving them when, for example, they're interacting with your space through a mobile app while they're sitting in a stadium.

So all that kind of stuff just brings so much more power and discovery potential to the data in that sort of indexing idea of indexing data granules by their semantic place and the knowledge space is really pretty significant. And I was really impressed that came out today. I think it's sort of a fundamental thing to talk.

Eric: Yeah, it sure is. It's very important in the discovery process, it's very important in the classification process. And if you think about it, Java works in classes. It's an object oriented, I guess, more or less, you could say form of programming and Java works in classes. So if you're actually designing software, this whole concept of trying to find new classes is actually pretty important stuff in terms of the functionality you're trying to deliver. Because especially in this new wild, wooly world of big data where you have so much Java out there running so many of these different applications, you know there are 87, 000 ways or more to get anything done with a computer, to get any kind of bit of functionality done.

One of my running jokes when people say, "Oh, you can build a data warehouse using NoSQL." I'm like, "well, you could, yeah, that's true. You could also build a data warehouse using Microsoft Word." It's not the best idea, it's not going to perform very well but you can actually do it. So the key is you have to find the best way to do something.

Doe Maar.

Kirk: Let me just respond to that. It's interesting you mentioned the Java class example which didn't come into my mind until you said it. One of the aspects of Java and classes and that sort of object orientation is that there are methods that bind to specific classes. And this is really the sort of a message that I was trying to send in my presentation and that once you understand some of these data granules - these knowledge nuggets, these tags, these annotations and these semantic labels - then you can bind a method to that. They basically have this reaction or this response and have your system provide this sort of automated, proactive response to this thing the next time that we see it in the data stream.

So that concept of binding actions and methods to specific class is really one of the powers of automated real-time analytics. And I think that you sort of hit on something.

Eric: Good, good, good. Well, this is good stuff. So let's see, Will, I want to hand it back to you and actually throw a question to you from the audience. We got a few of those in here too. And folks, we're going long because we want to get some of these great concepts in these good questions.

So let me throw a question over to you from one of the audience numbers who's saying, "I'm not really seeing how business intelligence is distinguishing cause and effect." In other words, as the systems are making decisions based on observable information, how do they develop new models to learn more about the world? It's an interesting point so I'm hearing a cause-and-effect correlation here, root cause analysis, and that's some of that sort of higher-end stuff in the analytics that you guys talk about as opposed to traditional BI, which is really just kind of reporting and kind of understanding what happened. And of course, your whole direction, just looking at your slide here, is moving toward that predictive capability toward making those decisions or at least making those recommendations, right? So the idea is that you guys are trying to service the whole range of what's going on and you're understanding that the key, the real magic, is in the analytical goal component there on the right.

Will: Absolutely. I think that question is somewhat peering into the future, in the sense that data science, as I mentioned before, we saw the slide with the requirements of the data scientist; it's a pretty challenging role for someone to be in. They have to have that rich knowledge of statistics and science. You need to have the domain knowledge to apply your mathematical knowledge to the domains. So what we're seeing today is there aren't these out-of-the-box predictive tools that a business user, like, could pull up in Excel and automatically predict their future, right?

It does require that advanced knowledge in technology at this stage. Now someday in the future, it may be that some of these systems, these scale-out systems become sentient and start doing some wild stuff. But I would say at this stage, you still have to have a data scientist in the middle to continue to build models, not these models. These predictive models around data mining and such are highly tuned in and built by the data scientist. They're not generated on their own, if you know what I mean.

Eric: Yeah, exactly. That's exactly right. And one of my lines is "Machines don't lie, at least not yet."

Will: Not yet, exactly.

Eric: I did read an article - I have to write something about this - about some experiment that was done at a university where they said that these computer programs learned to lie, but I got to tell you, I don't really believe it. We'll do some research on that, folks.

And for the last comment, so Robin I'll bring you back in to take a look at this WebAction platform, because this is very interesting. This is what I love about a whole space is that you get such different perspectives and different angles taken by the various vendors to serve very specific needs. And I love this format for our show because we got four really interesting vendors that are, frankly, not really stepping on each others' toes at all. Because we're all doing different bits and pieces of the same overall need which is to use analytics, to get stuff done.

But I just want to get your perspective on this specific platform and their architecture. How they're going about doing things. I find it pretty compelling. Wat denk je?

Robin: Well, I mean, it's pointed at extremely fast results from streaming data and as search, you have to architect for that. I mean, you're not going to get away with doing anything, amateurish, as we got any of that stuff. I hear this is extremely interesting and I think that one of the things that we witnessed over the past; I mean I think you and I, our jaw has been dropping more and more over the past couple of years as we saw more and more stuff emerge that was just like extraordinarily fast, extraordinarily smart and pretty much unprecedented.

This is obviously, WebAction, this isn't its first rodeo, so to speak. It's actually it's been out there taking names to a certain extent. So I don't see but supposed we should be surprised that the architecture is fairly switched but it surely is.

Eric: Well, I'll tell you what, folks. We burned through a solid 82 minutes here. I mean, thank you to all those folks who have been listening the whole time. If you have any questions that were not answered, don't be shy, send an email to yours truly. We should have an email from me lying around somewhere. And a big, big thank you to both our presenters today, to Dr. Kirk Borne and to Dr. Robin Bloor.

Kirk, I'd like to further explore some of that semantic stuff with you, perhaps in a future webcast. Because I do think that we're at the beginning of a very new and interesting stage now. What we're going to be able to leverage a lot of the ideas that the people have and make them happen much more easily because, guess what, the software is getting less expensive, I should say. It's getting more usable and we're just getting all this data from all these different sources. And I think it's going to be a very interesting and fascinating journey over the next few years as we really dig into what this stuff can do and how can it improve our businesses.

So big thank you to Techopedia as well and, of course, to our sponsors - Pentaho, WebAction, MarkLogic and Treasure Data. And folks, wow, with that we're going to conclude, but thank you so much for your time and attention. We'll catch you in about a month and a half for the next show. And of course, the briefing room keeps on going; radio keeps on going; all our other webcast series keep on rocking and rolling, folks. Heel erg bedankt. We'll catch you next time. Tot ziens.