Como a análise pode melhorar os negócios? - transcrição do episódio 2 do techwise

Nota do Editor: Esta é uma transcrição de um dos nossos webcasts anteriores. O próximo episódio está chegando rápido, clique aqui para se registrar.

Eric Kavanagh: Senhoras e Senhores Deputados, olá e bem-vindos de volta ao Episódio 2 do TechWise. Sim, de fato, é hora de atrair pessoas sábias! Hoje tenho um monte de pessoas realmente inteligentes na linha para nos ajudar nesse empreendimento. Meu nome é Eric Kavanagh, é claro. Serei seu anfitrião, seu moderador, nesta sessão de raios. Temos muito conteúdo aqui, pessoal. Temos alguns grandes nomes do negócio, que foram analistas em nosso espaço e quatro dos fornecedores mais interessantes. Então, teremos muitas ações boas na chamada hoje. E, claro, você na platéia desempenha um papel importante ao fazer perguntas.

Então, mais uma vez, o programa é o TechWise e o tópico hoje é "Como o Analytics pode melhorar os negócios?" Obviamente, é um tópico importante em que ele tentará entender os diferentes tipos de análise que você pode fazer e como isso pode melhorar suas operações, porque é disso que se trata no final do dia.

Então você pode me ver lá em cima, que é sua de verdade. Dr. Kirk Borne, um bom amigo da Universidade George Mason. Ele é um cientista de dados com uma tremenda experiência, profundo conhecimento neste espaço, mineração de dados, big data e todo esse tipo de coisa divertida. E, é claro, temos nosso próprio Dr. Robin Bloor, analista-chefe aqui no Bloor Group. Quem treinou como atuário muitos, muitos anos atrás. E ele está realmente focado em todo esse espaço de big data e no espaço analítico bastante intensamente na última meia década. Faz cinco anos desde que lançamos o Bloor Group em si. Então o tempo voa quando você está se divertindo.

Também vamos ouvir Will Gorman, arquiteto-chefe da Pentaho; Steve Wilkes, CCO da WebAction; Frank Sanders, diretor técnico da MarkLogic; e Hannah Smalltree, diretora da Treasure Data. Então, como eu disse, é muito conteúdo.

Então, como a análise pode ajudar sua empresa? Bem, como isso não pode ajudar o seu negócio, francamente? Existem vários tipos de maneiras pelas quais a análise pode ser usada para fazer coisas que melhoram sua organização.

Simplifique as operações. Você não ouve tanto sobre coisas como marketing ou aumento de receita ou mesmo identificação de oportunidades. Mas otimizar suas operações é algo realmente muito poderoso que você pode fazer por sua organização, porque é possível identificar locais onde você pode terceirizar algo ou adicionar dados a um processo específico, por exemplo. E isso pode simplificá-lo, não exigindo que alguém atenda o telefone para ligar ou alguém para enviar e-mail. Há tantas maneiras diferentes que você pode otimizar suas operações. E tudo isso realmente ajuda a reduzir seu custo, certo? Essa é a chave, reduz o custo. Mas também permite que você atenda melhor seus clientes.

E se você pensar em como as pessoas se tornaram impacientes, e eu vejo isso todos os dias em termos de como as pessoas interagem on-line, mesmo com nossos programas, provedores de serviços que usamos. A paciência que as pessoas têm, o tempo de atenção diminui a cada dia. E o que isso significa é que você precisa, como organização, responder em períodos cada vez mais rápidos para poder satisfazer seus clientes.

Por exemplo, se alguém estiver no seu site de webcast ou navegando por aí tentando encontrar algo, se ficar frustrado e sair, bom, você pode ter perdido um cliente. E dependendo de quanto você cobra pelo seu produto ou serviço, e talvez isso seja um grande negócio. Portanto, acho que a racionalização das operações é um dos espaços mais quentes para a aplicação de análises. E você faz isso observando os números, analisando os dados, descobrindo, por exemplo, "Ei, por que estamos perdendo tantas pessoas nesta página do nosso site?" "Por que estamos recebendo algumas dessas ligações agora?"

E quanto mais tempo você puder responder a esse tipo de coisa, maiores serão as chances de ficar no topo da situação e fazer algo a respeito antes que seja tarde demais. Como existe aquela janela de tempo em que alguém fica chateado com alguma coisa, fica insatisfeito ou tenta encontrar alguma coisa, mas fica frustrado; você tem uma janela de oportunidade para alcançá-los, agarrá-los e interagir com esse cliente. E se você fizer isso da maneira correta, com os dados corretos ou com uma boa imagem do cliente - entendendo quem é esse cliente, qual é sua lucratividade, quais são suas preferências - se você realmente conseguir entender isso, você fará isso um ótimo trabalho em manter seus clientes e obter novos clientes. E é disso que se trata.

Então, com isso, vou entregá-lo, na verdade, a Kirk Borne, um de nossos cientistas de dados que está na chamada hoje. E eles são bem raros hoje em dia, pessoal. Temos dois deles pelo menos na chamada, então isso é grande coisa. Com isso, Kirk, vou entregar a você para falar sobre análise e como isso ajuda os negócios. Vá em frente.

Dr. Kirk Borne: Bem, muito obrigado, Eric. Você pode me ouvir?

Eric: Tudo bem, vá em frente.

Dr. Kirk: Ok, bom. Eu só quero compartilhar se eu falar por cinco minutos, e as pessoas estão acenando com as mãos para mim. Portanto, as observações de abertura, Eric, que você realmente ligou a este tópico, abordarei brevemente nos próximos minutos, que é esse uso de big data e análise para dados e decisões de suporte. O comentário que você fez sobre a racionalização operacional, para mim, se encaixa nesse conceito de análise operacional, no qual você pode ver praticamente todos os aplicativos em todo o mundo, seja um aplicativo científico, comercial, cibersegurança e aplicação da lei e governo, saúde. Qualquer número de lugares em que temos um fluxo de dados e estamos tomando algum tipo de resposta ou decisão em reação a eventos, alertas e comportamentos que vemos nesse fluxo de dados.

E assim, uma das coisas que eu gostaria de falar hoje é como você extrai o conhecimento e as idéias do big data para chegar a um ponto em que podemos realmente tomar decisões para tomar ações. E frequentemente falamos sobre isso em um contexto de automação. E hoje eu quero misturar a automação com o analista humano no loop. Portanto, quero dizer com isso enquanto o analista de negócios desempenha um papel importante aqui em termos de apostas, qualificação, validação de ações específicas ou regras de aprendizado de máquina que extraímos dos dados. Mas se chegarmos a um ponto em que estamos bastante convencidos de que as regras de negócios que extraímos e os mecanismos para nos alertar são válidos, podemos passar isso para um processo automatizado. Na verdade, fazemos a racionalização operacional de que Eric estava falando.

Por isso, brinco um pouco com as palavras aqui, mas espero que, se funcionar para você, falei sobre o desafio do D2D. E o D2D, não apenas os dados que tomam as decisões em todos os contextos, estamos analisando isso na parte inferior deste slide, espero que você possa vê-lo, fazendo descobertas e aumentando a receita proveniente de nossos pipelines de análise.

Portanto, nesse contexto, eu realmente tenho esse papel de profissional de marketing aqui agora que trabalho com isso; a primeira coisa que você deseja fazer é caracterizar seus dados, extrair os recursos, extrair as características de seus clientes ou qualquer entidade que você esteja rastreando em seu espaço. Talvez seja um paciente em um ambiente de análise de saúde. Talvez seja um usuário da Web se você estiver olhando para uma espécie de problema de segurança cibernética. Mas caracterize e extraia características e extraia algum contexto sobre esse indivíduo, sobre essa entidade. E então você reúne as peças que você acabou de criar e as coloca em algum tipo de coleção a partir da qual você pode aplicar algoritmos de aprendizado de máquina.

A razão de eu dizer dessa maneira é que, digamos, você tem uma câmera de vigilância em um aeroporto. O vídeo em si é um volume enorme e grande e também é muito desestruturado. Mas você pode extrair da vigilância por vídeo, biometria facial e identificar indivíduos nas câmeras de vigilância. Por exemplo, em um aeroporto, você pode identificar indivíduos específicos, rastreá-los através do aeroporto, identificando o mesmo indivíduo em várias câmeras de vigilância. De modo que os recursos biométricos extraídos que você está realmente pesquisando e rastreando não sejam os vídeos detalhados. Mas uma vez que você tenha essas extrações, poderá aplicar regras e análises de aprendizado de máquina para tomar decisões sobre a necessidade de executar uma ação em um caso específico ou se algo ocorreu incorretamente ou se você tem a oportunidade de fazer uma oferta. Por exemplo, se você tem uma loja no aeroporto e vê esse cliente vindo em sua direção e conhece outras informações sobre esse cliente, talvez ele tenha realmente se interessado em comprar coisas na loja isenta de impostos ou algo assim, faça essa oferta.

Então, que tipo de coisas eu quero dizer com caracterização e potencialização? Por caracterização, quero dizer, novamente, extrair os recursos e características dos dados. E isso pode ser gerado automaticamente, então seus algoritmos podem realmente extrair, por exemplo, assinaturas biométricas de vídeo ou análise de sentimentos. Você pode extrair o sentimento do cliente por meio de análises on-line ou mídias sociais. Algumas dessas coisas podem ser geradas por humanos, para que o ser humano, o analista de negócios, possa extrair recursos adicionais que mostrarei no próximo slide.

Alguns deles podem ser de crowdsourcing. E, por crowdsourcing, há muitas maneiras diferentes de pensar sobre isso. Mas, de maneira muito simples, por exemplo, seus usuários acessam seu site e inserem palavras de pesquisa, palavras-chave e acabam em uma determinada página e passam algum tempo nela. Que eles, pelo menos, entendam que estão visualizando, navegando, clicando nas coisas dessa página. O que isso diz a você é que a palavra-chave digitada no início é o descritor dessa página porque ela colocou o cliente na página que eles estavam antecipando. E, portanto, você pode adicionar informações adicionais, ou seja, os clientes que usam essa palavra-chave realmente identificaram essa página da Web em nossa arquitetura de informações como o local em que o conteúdo corresponde a essa palavra-chave.

E assim, o crowdsourcing é outro aspecto que às vezes as pessoas esquecem, que meio que rastreiam a farinha de rosca dos seus clientes, por assim dizer; como eles se movem pelo espaço, seja uma propriedade on-line ou uma propriedade real. E, em seguida, use esse tipo de caminho, que o cliente toma como informações adicionais sobre as coisas que estamos vendo.

Então, eu quero dizer que coisas geradas por humanos, ou geradas por máquina, acabaram tendo um contexto para anotar ou marcar grânulos ou entidades de dados específicos. Se essas entidades são pacientes em um ambiente hospitalar, clientes ou o que for. E, portanto, existem diferentes tipos de marcação e anotações. Parte disso é sobre os próprios dados. Essa é uma das coisas, que tipo de informação, que tipo de informação, quais são os recursos, as formas, talvez as texturas e padrões, comportamentos de anomalia e não-anomalia. E então extraia alguma semântica, isto é, como isso se relaciona com outras coisas que eu sei, ou esse cliente é um cliente de produtos eletrônicos. Este cliente é um cliente de roupas. Ou esse cliente gosta de comprar músicas.

Então, identificando alguma semântica sobre isso, esses clientes que gostam de música tendem a gostar de entretenimento. Talvez possamos oferecer-lhes outra propriedade de entretenimento. Então, entendendo a semântica e também alguma proveniência, que é basicamente dizendo: de onde isso veio, quem forneceu essa afirmação, a que hora, em que data e em que circunstância?

Portanto, depois de ter todas essas anotações e caracterizações, adicione a isso a próxima etapa, que é o contexto, o tipo de quem, o que, quando, onde e por quê. Quem é o usuário? Qual foi o canal em que eles entraram? Qual foi a fonte da informação? Que tipo de reutilização vimos nessa peça específica de informação ou produto de dados? E qual é, mais ou menos, valor no processo de negócios? E, em seguida, colete essas coisas e gerencie-as, e realmente ajude a criar um banco de dados, se você quiser pensar dessa maneira. Torne-os pesquisáveis, reutilizáveis, por outros analistas de negócios ou por um processo automatizado que, na próxima vez que vir esses conjuntos de recursos, o sistema poderá executar essa ação automática. E assim chegamos a esse tipo de eficiência analítica operacional, mas mais coletamos informações úteis e abrangentes e as selecionamos para esses casos de uso.

Vamos direto ao que interessa. Fazemos a análise de dados. Procuramos padrões interessantes, surpresas, novidades discrepantes, anomalias. Procuramos novas classes e segmentos na população. Procuramos associações, correlações e vínculos entre as várias entidades. E então usamos tudo isso para conduzir nosso processo de descoberta, decisão e tomada de dólares.

Então, novamente, aqui temos o último slide de dados que tenho, basicamente resumindo, mantendo o analista de negócios em dia, novamente, você não está extraindo esse humano e é muito importante mantê-lo lá.

Portanto, esses recursos são todos fornecidos por máquinas ou analistas humanos ou até por crowdsourcing. Aplicamos essa combinação de coisas para melhorar nossos conjuntos de treinamento para nossos modelos e acabamos com modelos preditivos mais precisos, menos falsos positivos e negativos, comportamento mais eficiente, intervenções mais eficientes com nossos clientes ou quem quer que seja.

Então, no final do dia, estamos realmente apenas combinando aprendizado de máquina e big data com esse poder da cognição humana, que é onde entra esse tipo de anotação de marcação. E isso pode levar à visualização e ao tipo de análise visual ferramentas ou ambientes de dados imersivos ou crowdsourcing. E, no final das contas, o que isso realmente está fazendo é gerar nossas descobertas, idéias e D2D. E esses são meus comentários, então obrigado por ouvir.

Eric: Ei, isso parece ótimo e deixe-me ir em frente e entregar as chaves ao Dr. Robin Bloor para dar sua perspectiva também. Sim, eu gosto de ouvir você comentar sobre esse conceito de racionalização de operações e você está falando sobre análise operacional. Eu acho que é uma área grande que precisa ser explorada com bastante profundidade. E acho que, bem rápido antes de Robin, eu trago você de volta, Kirk. Exige que você tenha uma colaboração bastante significativa entre vários participantes da empresa, certo? Você tem que conversar com o pessoal de operações; você precisa ter seu pessoal técnico. Às vezes, você chama seu pessoal de marketing ou de interface da Web. Estes são tipicamente grupos diferentes. Você tem alguma prática recomendada ou sugestão de como fazer com que todos coloquem a pele no jogo?

Dr. Kirk: Bem, acho que isso vem com a cultura de negócios da colaboração. De fato, falo sobre os três C's do tipo de cultura analítica. Um é a criatividade; outro é curiosidade e o terceiro é colaboração. Então você quer pessoas criativas e sérias, mas também precisa que essas pessoas colaborem. E realmente começa do topo, esse tipo de construção dessa cultura com pessoas que deveriam compartilhar e trabalhar abertamente juntos em direção aos objetivos comuns dos negócios.

Eric: Tudo faz sentido. E você realmente precisa obter uma boa liderança no topo para que isso aconteça. Então, vamos em frente e entregá-lo ao Dr. Bloor. Robin, o chão é seu.

Dr. Robin Bloor: Ok. Obrigado por essa introdução, Eric. Ok, do jeito que eles dão certo, esses programas, porque temos dois analistas; Eu vejo a apresentação do analista que os outros caras não vêem. Eu sabia o que Kirk ia dizer e apenas segui um ângulo completamente diferente para não nos sobrepormos demais.

Então, o que realmente estou falando ou pretendo falar aqui é o papel do analista de dados versus o papel do analista de negócios. E a maneira como eu a caracterizo, bem, de certa forma, é um tipo de coisa de Jekyll e Hyde. A diferença é que especificamente os cientistas de dados, pelo menos em teoria, sabem o que estão fazendo. Embora os analistas de negócios não sejam assim, tudo bem com o modo como a matemática funciona, o que pode ser confiável e o que não pode ser confiável.

Então, vamos apenas ao motivo pelo qual estamos fazendo isso, o motivo pelo qual a análise de dados tornou-se repentinamente um grande problema, além do fato de que podemos realmente analisar grandes quantidades de dados e extrair dados de fora da organização; é que vale a pena? A maneira como encaro isso - e acho que isso está apenas se tornando um caso, mas definitivamente acho que é um caso - a análise de dados é realmente P&D comercial. Na verdade, o que você está fazendo de uma maneira ou de outra com a análise de dados é observar um processo de negócios de um tipo ou se é essa a interação com um cliente, seja com a maneira como sua operação de varejo, como você implanta suas lojas. Realmente não importa qual é o problema. Você está olhando para um determinado processo de negócios e está tentando aprimorá-lo.

O resultado de pesquisa e desenvolvimento bem-sucedidos é um processo de mudança. E você pode pensar em fabricar, se quiser, como um exemplo usual disso. Porque na manufatura, as pessoas reúnem informações sobre tudo para tentar melhorar o processo de manufatura. Mas acho que o que aconteceu ou o que está acontecendo no big data está agora sendo aplicado a todos os negócios de qualquer tipo, da maneira que alguém possa imaginar. Portanto, praticamente qualquer processo de negócios pode ser examinado se você puder coletar dados sobre ele.

Então isso é uma coisa. Se você quiser, isso vai para a questão da análise de dados. O que a análise de dados pode fazer pelos negócios? Bem, isso pode mudar completamente o negócio.

Este diagrama em particular que não vou descrever em profundidade, mas este é um diagrama que surgiu como o culminar do projeto de pesquisa que fizemos nos primeiros seis meses deste ano. Essa é uma maneira de representar uma arquitetura de big data. E várias coisas que valem a pena apontar antes de passar para o próximo slide. Existem dois fluxos de dados aqui. Um é um fluxo de dados em tempo real, que percorre a parte superior do diagrama. O outro é um fluxo de dados mais lento que percorre a parte inferior do diagrama.

Veja a parte inferior do diagrama. Temos o Hadoop como um reservatório de dados. Temos vários bancos de dados. Temos um conjunto de dados lá com um monte de atividades acontecendo, a maioria das quais é atividade analítica.

O que estou dizendo aqui e o único que realmente quero dizer aqui é que a tecnologia é difícil. Não é simples. Não é fácil. Não é algo que alguém novo no jogo possa realmente criar. Isso é bastante complexo. E se você for instruir uma empresa a fazer análises confiáveis ​​em todos esses processos, não será algo que acontecerá especificamente rapidamente. Isso exigirá muita tecnologia para ser adicionada à mistura.

OK. A questão sobre o que é um cientista de dados, eu poderia afirmar ser um cientista de dados porque, na verdade, fui treinado em estatística antes de ser treinado em computação. E eu fiz um trabalho atuarial por um período de tempo, para que eu saiba como uma empresa organiza, análises estatísticas, também para executar a si mesma. Isso não é uma coisa trivial. E há muitas práticas recomendadas envolvidas, tanto do lado humano quanto do lado da tecnologia.

Então, ao fazer a pergunta "o que é um cientista de dados", coloquei a foto de Frankenstein simplesmente porque é uma combinação de coisas que precisam ser unidas. Há gerenciamento de projetos envolvido. Existe um profundo entendimento nas estatísticas. Existe experiência em negócios de domínio, que é mais um problema de um analista de negócios do que do cientista de dados, necessariamente. Existe experiência ou a necessidade de entender a arquitetura de dados e poder construir o arquiteto de dados, além da engenharia de software envolvida. Em outras palavras, provavelmente é uma equipe. Provavelmente não é um indivíduo. E isso significa que provavelmente é um departamento que precisa ser organizado e que sua organização precisa ser pensada amplamente.

Jogando na mistura o fato de aprendizado de máquina. Quer dizer, não poderíamos fazer, o aprendizado de máquina não é novo, no sentido de que a maioria das técnicas estatísticas usadas no aprendizado de máquina é conhecida há décadas. Existem algumas coisas novas, quero dizer, as redes neurais são relativamente novas, acho que elas têm apenas 20 anos, então algumas delas são relativamente novas. Mas o problema com o aprendizado de máquina era que na verdade não tínhamos o poder do computador para fazer isso. E o que aconteceu, além de qualquer outra coisa, é que a energia do computador está agora no lugar. E isso significa muito do que, digamos, os cientistas de dados já fizeram antes em termos de situações de modelagem, amostragem de dados e, em seguida, agrupando-os para produzir uma análise mais profunda dos dados. Na verdade, podemos apenas usar a energia do computador em alguns casos. Basta escolher algoritmos de aprendizado de máquina, jogá-lo nos dados e ver o que sai. E isso é algo que um analista de negócios pode fazer, certo? Mas o analista de negócios precisa entender o que está fazendo. Quero dizer, acho que esse é realmente o problema, mais do que qualquer outra coisa.

Bem, isso é apenas para saber mais sobre negócios a partir de seus dados do que por qualquer outro meio. Einstein não disse isso, eu disse isso. Acabei de colocar sua foto por credibilidade. Mas a situação que realmente está começando a se desenvolver é aquela em que a tecnologia, se usada corretamente, e a matemática, se usada corretamente, poderão administrar um negócio como qualquer indivíduo. Nós assistimos isso com a IBM. Antes de tudo, podia derrotar os melhores do xadrez e depois derrotar os melhores do Jeopardy; mas eventualmente seremos capazes de derrotar os melhores profissionais na administração de uma empresa. As estatísticas acabarão por triunfar. E é difícil ver como isso não vai acontecer, mas ainda não aconteceu.

Então, o que estou dizendo, e essa é uma espécie de mensagem completa da minha apresentação, são essas duas questões do negócio. O primeiro é: você consegue a tecnologia certa? Você pode fazer a tecnologia funcionar para a equipe que realmente poderá presidi-la e obter benefícios para os negócios? E então, em segundo lugar, você consegue acertar as pessoas? E ambos são problemas. E são questões que, até o momento, dizem que estão resolvidas.

Ok Eric, eu vou devolver para você. Ou talvez eu deva passar para Will.

Eric: Na verdade, sim. Obrigado, Will Gorman. Sim, lá vai você, Will. Então vamos ver. Deixe-me dar a chave para o WebEx. Então o que você está acontecendo? Pentaho, obviamente, vocês já existem há algum tempo e o tipo de BI de código aberto é onde você começou. Mas você tem muito mais do que costumava ter, então vamos ver o que você tem hoje em dia para análise.

Will Gorman: Absolutamente. Oi pessoal! Meu nome é Will Gorman. Sou o arquiteto-chefe da Pentaho. Para aqueles que nunca ouviram falar de nós, acabei de mencionar a Pentaho é uma empresa de integração e análise de grandes dados. Estamos no ramo há dez anos. Nossos produtos evoluíram lado a lado com a comunidade de big data, começando como uma plataforma de código aberto para integração e análise de dados, inovando com tecnologias como Hadoop e NoSQL, mesmo antes de entidades comerciais se formarem em torno dessas tecnologias. E agora temos mais de 1500 clientes comerciais e muitos outros compromissos de produção como resultado de nossa inovação em código aberto.

Nossa arquitetura é altamente incorporável e extensível, desenvolvida especificamente para ser flexível, pois a tecnologia de big data está particularmente evoluindo em um ritmo muito rápido. A Pentaho oferece três áreas principais de produtos: trabalhar em conjunto para tratar dos casos de uso da análise de big data.

O primeiro produto na extensão de nossa arquitetura é o Pentaho Data Integration, voltado para tecnólogos e engenheiros de dados. Este produto oferece uma experiência visual de arrastar e soltar para definir pipelines de dados e processos para orquestrar dados em ambientes de big data e ambientes tradicionais. Este produto é uma plataforma leve de integração de dados com metadatabase e construída em Java e pode ser implementada como um processo no MapReduce ou YARN ou Storm e em muitas outras plataformas em lote e em tempo real.

Nossa segunda área de produtos é em torno da análise visual. Com essa tecnologia, as organizações e os OEMs podem oferecer uma rica experiência de visualização e análise de arrastar e soltar para analistas de negócios e usuários de negócios por navegadores e tablets modernos, permitindo a criação ad hoc de relatórios e painéis. Bem como a apresentação de painéis e relatórios com pixel perfeito.

Nossa terceira área de produtos concentra-se em análises preditivas direcionadas a cientistas de dados, algoritmos de aprendizado de máquina. Como mencionado anteriormente, como redes neurais e outras, podem ser incorporadas a um ambiente de transformação de dados, permitindo que os cientistas de dados passem da modelagem para o ambiente de produção, dando acesso à previsão e que podem impactar os processos de negócios muito imediatamente, muito rapidamente.

Todos esses produtos são totalmente integrados a uma única experiência ágil e oferecem aos clientes corporativos a flexibilidade necessária para resolver seus problemas de negócios. Estamos vendo um cenário de big data em rápida evolução nas tecnologias tradicionais. Tudo o que ouvimos de algumas empresas no espaço de big data é que o EDW está próximo do fim. De fato, o que vemos em nossos clientes corporativos é que eles precisam introduzir big data nos processos comerciais e de TI existentes e não substituí-los.

Este diagrama simples mostra o ponto da arquitetura que vemos com frequência, que é um tipo de arquitetura de implantação EDW com integração de dados e casos de uso de BI. Agora, esse diagrama é semelhante ao slide de Robin na arquitetura de big data, incorpora dados históricos e em tempo real. À medida que surgem novas fontes de dados e requisitos em tempo real, vemos o big data como uma parte adicional da arquitetura geral de TI. Essas novas fontes de dados incluem dados gerados por máquina, dados não estruturados, volume e velocidade padrão e variedade de requisitos que ouvimos falar em big data; eles não se encaixam nos processos tradicionais da EDW. A Pentaho trabalha em estreita colaboração com o Hadoop e o NoSQL para simplificar a ingestão, o processamento e a visualização desses dados, além de mesclar esses dados com fontes tradicionais para oferecer aos clientes uma visão completa de seu ambiente de dados. Fazemos isso de maneira controlada para que a TI possa oferecer uma solução completa de análise para sua linha de negócios.

Para encerrar, gostaria de destacar nossa filosofia em torno da análise e integração de big data; acreditamos que essas tecnologias são melhores em conjunto, trabalhando com uma única arquitetura unificada, possibilitando vários casos de uso que, de outra forma, não seriam possíveis. Os ambientes de dados de nossos clientes são mais do que apenas big data, Hadoop e NoSQL. Qualquer dado é um jogo justo. E as fontes de big data precisam estar disponíveis e trabalhar juntas para impactar o valor comercial.

Finalmente, acreditamos que, para resolver esses problemas de negócios nas empresas de maneira muito eficaz por meio de dados, a TI e as linhas de negócios precisam trabalhar juntas em uma abordagem combinada e governada da análise de big data. Bem, muito obrigado por nos dar tempo para conversar, Eric.

Eric: Você aposta. Não, isso é bom. Eu quero voltar para esse lado da sua arquitetura quando chegarmos às perguntas e respostas. Então, vamos seguir o resto da apresentação e muito obrigado por isso. Vocês definitivamente estão se movendo rapidamente nos últimos dois anos, tenho que dizer isso com certeza.

Então, Steve, deixe-me ir em frente e entregá-lo a você. E basta clicar lá na seta para baixo e seguir em frente. Então Steve, estou lhe dando as chaves. Steve Wilkes, basta clicar na seta mais abaixo no teclado.

Steve Wilkes: Lá vamos nós.

Eric: Lá vai você.

Steve: Essa é uma ótima introdução que você me deu.

Eric: Sim.

Steve: Então eu sou Steve Wilkes. Sou o CCO da WebAction. Nós só existimos nos últimos dois anos e, definitivamente, temos nos movido rapidamente, desde então. O WebAction é uma plataforma de análise de big data em tempo real. Eric mencionou anteriormente, mais ou menos, quão importante é o tempo real e em tempo real seus aplicativos. Nossa plataforma foi projetada para criar aplicativos em tempo real. E para habilitar a próxima geração de aplicativos orientados a dados que podem ser construídos de forma incremental e permitir que as pessoas criem painéis a partir dos dados gerados a partir desses aplicativos, mas com foco no tempo real.

Nossa plataforma é na verdade uma plataforma completa, fazendo de tudo, desde aquisição de dados, processamento de dados até a visualização de dados. E permite que vários tipos diferentes de pessoas em nossa empresa trabalhem juntos para criar aplicativos em tempo real, fornecendo a eles informações sobre as coisas que acontecem na empresa à medida que acontecem.

E isso é um pouco diferente do que a maioria das pessoas tem visto em big data, de modo que a abordagem tradicional - bem, tradicional nos últimos dois anos - com o big data, foi capturá-lo de várias fontes diferentes e depois empilhe-o em um grande reservatório ou lago ou o que você quiser chamar. E, em seguida, processe-o quando precisar executar uma consulta; para executar análises históricas em larga escala ou até apenas consultas ad hoc de grandes quantidades de dados. Agora isso funciona para certos casos de uso. Mas se você quer ser proativo em sua empresa, se realmente quer saber o que está acontecendo, em vez de descobrir quando algo deu errado no final do dia ou no final da semana, você realmente precisa mudar em tempo real.

E isso muda um pouco as coisas. Move o processamento para o meio. Com eficiência, você recebe esses fluxos de grandes quantidades de dados que são gerados continuamente na empresa e os processa à medida que os obtém. E porque você está processando-o como obtém, não precisa armazenar tudo. Você pode simplesmente armazenar as informações importantes ou as coisas que você precisa lembrar que realmente aconteceu. Portanto, se você estiver rastreando a localização GPS dos veículos que estão descendo a estrada, não se importa onde eles estão a cada segundo, não precisa armazenar onde eles estão a cada segundo. Você só precisa se preocupar, eles deixaram este lugar? Eles chegaram a este lugar? Eles dirigiram, ou não, a estrada?

Portanto, é realmente importante considerar que, à medida que mais e mais dados são gerados, os três vs. A velocidade basicamente determina a quantidade de dados gerada todos os dias. Quanto mais dados são gerados, mais você precisa armazenar. E quanto mais você precisa armazenar, mais tempo leva para processar. Mas se você pode processá-lo como obtém, obtém um benefício muito grande e pode reagir a isso. Você pode saber que as coisas estão acontecendo, em vez de precisar procurá-las mais tarde.

Portanto, nossa plataforma foi projetada para ser altamente escalável. Possui três peças principais - a peça de aquisição, a peça de processamento e as peças de visualização da entrega da plataforma. No lado da aquisição, não estamos apenas olhando para dados de log gerados por máquina, como logs da Web ou aplicativos que possuem todos os outros logs que estão sendo gerados. 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. Obrigado.

Eric: Yes, indeed. Bom trabalho. Okay good. 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. Ai está.

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. Okay?

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. Certo?

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. OK. 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?" OK.

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. Certo? 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. Okay?

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. And that's it.

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. You got it. Leve embora.

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.

Go ahead.

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. O que você acha?

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. Muito obrigado. We'll catch you next time. Tchau tchau.