Hur kan analytics förbättra verksamheten? - Tekniskt avsnitt 2 avskrift

Redaktörens anmärkning: Detta är ett transkript av en av våra tidigare webbsändningar. Nästa avsnitt kommer snabbt, klicka här för att registrera dig.

Eric Kavanagh: Mina damer och herrar, hej och välkomna igen till avsnitt 2 av TechWise. Ja, det är dags att få kloka människor! Jag har ett gäng riktigt smarta människor i dag för att hjälpa oss i den strävan. Jag heter naturligtvis Eric Kavanagh. Jag kommer att vara din värd, din moderator, för den här blixt-sessionen. Vi har mycket innehåll här, folkens. Vi har några stora namn i branschen som har varit analytiker i vårt utrymme och fyra av de mest intressanta leverantörerna. Så vi kommer att ha mycket bra åtgärder på samtalet idag. Och naturligtvis spelar ni där ute i publiken en viktig roll när det gäller att ställa frågor.

Så återigen är showen TechWise och ämnet idag är "Hur kan Analytics förbättra affärer?" Uppenbarligen är det ett hett ämne där det kommer att försöka förstå de olika typerna av analyser du kan göra och hur det kan förbättra dina operationer eftersom det är vad det handlar om i slutet av dagen.

Så du kan se mig själv uppe, det är ditt verkligen. Dr. Kirk Borne, en god vän från George Mason University. Han är en datavetare med en enorm mängd erfarenhet, mycket djup expertis inom detta utrymme och data mining och big data och all den typen av roliga grejer. Och naturligtvis har vi vår helt egen Dr. Robin Bloor, Chief Analyst här på Bloor Group. Som utbildade sig som aktuar för många, många år sedan. Och han har verkligen varit fokuserad på hela detta big data-utrymme och det analytiska utrymmet ganska intakt under det senaste halva decenniet. Det har gått fem år nästan sedan vi lanserade Bloor Group i sig. Så tiden flyger när du har kul.

Vi kommer också att höra från Will Gorman, chefarkitekt i Pentaho; Steve Wilkes, CCO för WebAction; Frank Sanders, teknisk chef på MarkLogic; och Hannah Smalltree, chef för Treasure Data. Så som jag har sagt, det är mycket innehåll.

Så hur kan analytics hjälpa ditt företag? Tja, hur kan det inte hjälpa ditt företag, helt uppriktigt? Det finns alla typer av sätt som analytics kan användas för att göra saker som förbättrar din organisation.

Så effektivisera verksamheten. Det är en som du inte hör så mycket om som du gör om saker som marknadsföring eller skaffa intäkter eller till och med identifiera möjligheter. Men att effektivisera dina verksamheter är det här riktigt, riktigt kraftfulla som du kan göra för din organisation eftersom du kan identifiera platser där du antingen kan lägga ut något eller så kan du lägga till data till en viss process, till exempel. Och det kan effektivisera det genom att inte kräva att någon tar upp telefonen för att ringa eller någon att skicka e-post. Det finns så många olika sätt att du kan effektivisera dina operationer. Och allt detta hjälper verkligen till att sänka dina kostnader, eller hur? Det är nyckeln, det sänker kostnaderna. Men det gör att du också kan betjäna dina kunder bättre.

Och om du tänker på hur otåliga människor har blivit, och jag ser detta varje dag när det gäller hur människor interagerar online, även med våra show, tjänsteleverantörer som vi använder. Det tålamod som människor har, uppmärksamhetsspannet, blir kortare och kortare med dagen. Och vad det betyder är att du som organisation måste svara på snabbare och snabbare perioder för att kunna tillfredsställa dina kunder.

Så, till exempel, om någon är på din webbplats eller bläddrar runt och försöker hitta något, om de blir frustrerade och lämnar, ja, du kanske just har tappat en kund. Och beroende på hur mycket du debiterar för din produkt eller tjänst, och det är kanske en stor sak. Så slutet är att effektiviseringsoperationer, tror jag, är ett av de hetaste utrymmena för att tillämpa analys. Och du gör det genom att titta på siffrorna, genom att klämma in data, genom att ta reda på till exempel "Hej, varför förlorar vi så många människor på den här sidan på vår webbplats?" "Varför får vi några av dessa telefonsamtal just nu?"

Och ju mer realtid du kan svara på den typen av saker, desto bättre chanser kommer du att ha på toppen av situationen och göra något åt ​​det innan det är för sent. Eftersom det finns det fönstret av tid då någon blir upprörd över något, de är missnöjda eller de försöker hitta något men de är frustrerade; du fick ett fönster av möjligheter där att nå ut till dem, ta dem, att interagera med den kunden. Och om du gör det på rätt sätt med rätt data eller trevlig kundbild - förstå vem som är denna kund, vad är deras lönsamhet, vad är deras preferenser - om du verkligen kan ta hand om det, kommer du att göra ett bra jobb med att hålla fast vid dina kunder och få nya kunder. Och det är vad det handlar om.

Så med det ska jag faktiskt överlämna det till Kirk Borne, en av våra datavetare på samtalet idag. Och de är ganska sällsynta i dag, folkens. Vi har åtminstone två av dem på samtalet så det är stor sak. Med det, Kirk, ska jag överlämna det till dig för att prata om analys och hur det hjälper företag. Kör på.

Dr. Kirk Borne: Tja, tack, Eric. Kan du höra mig?

Eric: Det är bra, fortsätt.

Dr. Kirk: Okej, bra. Jag vill bara dela om jag pratar i fem minuter, och människor vinkar med mig. Så inledningsanmärkningarna, Eric, att du verkligen binder dig till det här ämnet jag kommer att prata kort om de närmaste minuterna som är denna användning av big data och analys för data till beslut att stödja, där. Den kommentar du gjorde om operationell rationalisering, för mig, faller den slags in i detta begrepp av operativ analys där du kan se nästan i alla applikationer över hela världen om det är en vetenskaplig applikation, ett företag, cybersäkerhet och lagstiftning och regering, sjukvård. Varje antal platser där vi har en dataström och vi tar något slags svar eller beslut som reaktion på händelser och varningar och beteenden som vi ser i den dataströmmen.

Och så en av de saker som jag skulle vilja prata om idag är hur man drar ut kunskapen och insikten från big data för att komma till den punkten där vi faktiskt kan fatta beslut om att vidta åtgärder. Och ofta talar vi om detta i ett automatiseringssammanhang. Och idag vill jag blanda automatiseringen med den mänskliga analytikern i slingan. Så med detta menar jag medan affärsanalytiker spelar en viktig roll här vad gäller vadslagning, kvalificering, validering av specifika åtgärder eller maskininlärningsregler som vi drar ut från uppgifterna. Men om vi kommer till en punkt där vi är ganska övertygade om affärsreglerna som vi har extraherat och mekanismerna för att varna oss är giltiga, kan vi ganska mycket överlämna detta till en automatiserad process. Vi gör faktiskt den operationella effektivisering som Eric talade om.

Så jag har lite spel på ord här men jag hoppas att om det fungerar för dig talade jag om D2D-utmaningen. Och D2D, inte bara uppgifter om besluten i alla sammanhang, vi tittar på det här i den nedre delen av denna bild förhoppningsvis kan du se det, göra upptäckter och öka intäktsdollar från våra analyspipelinjer.

Så i detta sammanhang har jag faktiskt denna roll som marknadsförare för mig själv nu när jag arbetar med och det är; det första du vill göra är att karakterisera dina data, extrahera funktionerna, extrahera dina kunders egenskaper eller vilken enhet du än spårar i ditt utrymme. Kanske är det en patient i en hälsoanalysmiljö. Kanske är det en webbanvändare om du tittar på ett slags cybersäkerhetsproblem. Men karakterisera och extrahera egenskaper och extrahera sedan lite sammanhang om den personen, om den enheten. Och sedan samlar du de bitar som du just skapade och lägger dem i någon slags samling som du sedan kan tillämpa maskininlärningsalgoritmer.

Anledningen till att jag säger det på detta sätt är att, låt oss bara säga, du har en övervakningskamera på en flygplats. Videon i sig är en enorm, stor volym och är också väldigt ostrukturerad. Men du kan extrahera från videoövervakning, ansiktsbiometri och identifiera individer i övervakningskamerorna. Så till exempel på en flygplats kan du identifiera specifika individer, du kan spåra dem genom flygplatsen genom att korsa identifiera samma person i flera övervakningskameror. På så sätt att de extraherade biometriska funktioner som du verkligen bryter och spårar inte är själva detaljerade videon i sig. Men när du väl har fått dessa extraheringar kan du tillämpa maskininlärningsregler och analyser för att fatta beslut om du behöver vidta en åtgärd i ett visst fall eller något hänt fel eller något som du har en möjlighet att göra ett erbjudande. Om du till exempel har en butik på flygplatsen och ser att kunden kommer dig och du vet från annan information om den kunden, att han kanske blev riktigt intresserad av att köpa saker i taxfree-butiken eller något liknande, gör det erbjudandet.

Så vilken typ av saker skulle jag mena med karakterisering och potentialisering? Med karaktärisering menar jag återigen att extrahera funktioner och egenskaper i data. Och detta kan antingen vara maskingenererad, då kan dess algoritmer faktiskt extrahera till exempel biometriska signaturer från video- eller sentimentanalys. Du kan extrahera kundens känsla genom online recensioner eller sociala medier. En del av dessa saker kan vara mänskligt genererade, så att människan, affärsanalytiker, kan extrahera ytterligare funktioner som jag kommer att visa i nästa bild.

Vissa av dessa kan samlas in. Och av Crowdsourced finns det många olika sätt du kan tänka på. Men helt enkelt, till exempel kommer dina användare till din webbplats och de lägger in sökord, nyckelord och de hamnar på en viss sida och tillbringar faktiskt tid där på den sidan. Att de faktiskt åtminstone förstår att de antingen tittar, bläddrar, klickar på saker på den sidan. Det som säger till dig är att nyckelordet som de skrev in i början är deskriptorn för den sidan eftersom det landade kunden på den sida som de förutsåg. Och så kan du lägga till den ytterligare informationen, det vill säga kunder som använder detta sökord faktiskt identifierade denna webbsida inom vår informationsarkitektur som platsen där innehållet matchar det sökordet.

Och så är crowddsourcing en annan aspekt som ibland glömmer, den typen av att spåra dina kunders brödsmulor, så att säga; hur går de igenom sitt utrymme, vare sig det är en onlinefastighet eller en fastighet. Och använd sedan den typ av väg de, som kunden tar som ytterligare information om de saker vi tittar på.

Så jag vill säga att mänskliga genererade saker, eller maskingenererade, slutade med att ha en kontext i form av att kommentera eller märka specifika datagranuler eller enheter. Oavsett om dessa enheter är patienter i sjukhusmiljö, kunder eller vad som helst. Och så det finns olika typer av taggning och anteckningar. En del av det handlar om själva uppgifterna. Det är en av sakerna, vilken typ av information, vilken typ av information, vad är funktionerna, formerna, kanske texturer och mönster, avvikelse, icke-anomaliska beteenden. Och sedan extrahera lite semantik, det vill säga hur förhåller det sig till andra saker som jag vet, eller att denna kund är en elektronikkund. Denna kund är en klädkund. Eller den här kunden gillar att köpa musik.

Så att identifiera vissa semantik om det, dessa kunder som gillar musik tenderar att gilla underhållning. Vi kan kanske erbjuda dem någon annan underhållningsegendom. Så att förstå semantiken och även en viss härkomst, som i princip säger: var kom detta ifrån, vem gav detta påstående, vilken tid, vilket datum, under vilken omständighet?

Så när du väl har alla dessa anteckningar och karaktärer, lägg till det då nästa steg, som är sammanhanget, sorteringen av vem, vad, när, var och varför det. Vem är användaren? Vad var kanalen de kom in på? Vad var källan till informationen? Vilken typ av återanvändning har vi sett i denna information eller dataprodukt? Och vad är, det är typ av värde i affärsprocessen? Och sedan samla in dessa saker och hantera dem, och faktiskt hjälpa till att skapa databas, om du vill tänka på det på det sättet. Gör dem sökbara, återanvändbara, av andra affärsanalytiker eller av en automatiserad process som kommer att nästa gång jag ser dessa uppsättningar av funktioner kan systemet vidta denna automatiska åtgärd. Och så kommer vi till den typen av operationell analyseffektivitet, men desto mer samlar vi användbar, omfattande information och sedan sammanställer den för dessa användningsfall.

Vi kommer till affärer. Vi gör dataanalysen. Vi letar efter intressanta mönster, överraskningar, nyhetsutövare, avvikelser. Vi letar efter de nya klasserna och segmenten i befolkningen. Vi letar efter föreningar och korrelationer och länkar mellan de olika enheterna. Och sedan använder vi allt detta för att driva vår upptäckt, beslut och dollarprocess.

Så där igen, här har vi den sista datadia som jag har är bara i princip att sammanfatta, hålla affärsanalytiker i loopen, igen, du drar inte ut den mänskliga och det är viktigt att hålla den mänskliga där inne.

Så de här funktionerna tillhandahålls alla av maskiner eller mänskliga analytiker eller till och med crowddsourcing. Vi använder den kombinationen av saker för att förbättra våra träningsuppsättningar för våra modeller och slutar med mer exakta prediktiva modeller, färre falska positiva och negativa, mer effektiva beteenden, mer effektiva interventioner med våra kunder eller vem som helst.

Så i slutet av dagen kombinerar vi egentligen maskininlärning och big data med denna kraft av mänsklig kognition, som är där den typen av märkningsanteckningsdel kommer in. Och det kan leda genom visualisering och visuell analytisk typ verktyg eller uppslukande datamiljöer eller folkmassor. Och i slutet av dagen, vad detta verkligen gör är att generera vår upptäckt, insikter och D2D. Och det är mina kommentarer, så tack för att du lyssnade.

Eric: Hej, det låter bra och låt mig gå vidare och överlämna nycklarna till Dr. Robin Bloor för att ge hans perspektiv också. Ja, jag gillar att höra dig kommentera om det effektiviserade operationskonceptet och du pratar om operativ analys. Jag tror att det är ett stort område som måste utforskas ganska noggrant. Och jag antar, verkligen snabbt innan Robin, jag tar dig tillbaka, Kirk. Det kräver att du har ett ganska betydande samarbete mellan olika aktörer i företaget, eller hur? Du måste prata med operatörer; du måste få dina tekniska personer. Ibland får du dina marknadsförare eller dina webbgränssnittsfolk. Dessa är vanligtvis olika grupper. Har du några bästa praxis eller förslag på hur man kan få alla att lägga sin hud i spelet?

Dr. Kirk: Tja, jag tror att det kommer med företagskulturen för samarbete. I själva verket talar jag om de tre C: erna av typen av analytisk kultur. En är kreativitet; en annan är nyfikenhet och den tredje är samarbete. Så du vill ha kreativa, seriösa människor, men du måste också få dessa människor att samarbeta. Och det börjar verkligen från toppen, den typen av att bygga den kulturen med människor som öppet bör dela och arbeta tillsammans mot de gemensamma målen för företaget.

Eric: Det är meningsfullt. Och du måste verkligen få bra ledarskap i toppen för att få det att hända. Så låt oss gå vidare och överlämna det till Dr. Bloor. Robin, golvet är ditt.

Dr. Robin Bloor: Okej. Tack för den introduktionen, Eric. Okej, hur dessa panorerar, dessa visar, för vi har två analytiker; Jag får se analytikerens presentation som de andra killarna inte gör. Jag visste vad Kirk skulle säga och jag går bara en helt annan vinkel så att vi inte går för mycket överlappningar.

Så det jag faktiskt pratar om eller avser att prata om här är dataanalytikerens roll jämfört med affärsanalytikerens roll. Och det sätt som jag karaktäriserar det, ja, tunga i kinden i viss utsträckning, är typ av Jekyll och Hyde. Skillnaden är specifikt dataforskare, i alla fall i teorin, vet vad de gör. Medan affärsanalytikerna inte är så, okej med matematikens arbete, vad som kan lita på och vad som inte kan lita på.

Så låt oss bara ta reda på orsaken till att vi gör detta, anledningen till att dataanalys plötsligt har blivit en stor del bortsett från det faktum att vi faktiskt kan analysera mycket stora mängder data och dra in data utanför organisationen; är det lönar sig. Hur jag tittar på det här - och jag tror att detta bara blir ett fall men jag tror definitivt att det är ett fall - dataanalys är verkligen FoU. Vad du faktiskt gör på ett eller annat sätt med dataanalys är att du tittar på en affärsprocess i ett slag eller om det är interaktionen med en kund, oavsett om det är så som din detaljhandelsverksamhet, det sätt du distribuerar dina butiker. Det spelar ingen roll vad frågan är. Du tittar på en viss affärsprocess och du försöker förbättra den.

Resultatet av framgångsrik forskning och utveckling är en förändringsprocess. Och du kan tänka på tillverkning, om du vill, som ett vanligt exempel på detta. Eftersom tillverkningen samlar in människor information om allt för att försöka förbättra tillverkningsprocessen. Men jag tror att vad som hände eller vad som händer vid big data är att allt detta nu tillämpas på alla företag av alla slag på något sätt som någon kan tänka på. Så nästan alla affärsprocesser är för att granska om du kan samla in data om det.

Så det är en sak. Om du vill är det i fråga om dataanalys. Vad kan dataanalys göra för verksamheten? Tja, det kan ändra verksamheten helt.

Detta specifika diagram som jag inte kommer att beskriva på något djup, men detta är ett diagram som vi kom fram till som kulminationen på det forskningsprojekt som vi gjorde under de första sex månaderna i år. Detta är ett sätt att representera en big data-arkitektur. Och ett antal saker som är värda att påpeka innan jag går vidare till nästa bild. Det finns två dataflöden här. Den ena är en dataström i realtid som går längst upp i diagrammet. Den andra är en långsammare dataström som går längst ner i diagrammet.

Titta längst ner i diagrammet. Vi har Hadoop som datatank. Vi har olika databaser. Vi har en hel data där med en hel massa aktiviteter som händer på den, mest av det är analytisk aktivitet.

Poängen jag gör här och den enda punkt som jag verkligen vill göra här är att tekniken är svår. Det är inte enkelt. Det är inte lätt. Det är inte något som någon som är ny i spelet faktiskt bara kan sätta ihop. Detta är ganska komplicerat. Och om du ska instrumentera ett företag för att göra pålitlig analys i alla dessa processer, är det inte något som kommer att hända särskilt snabbt. Det kommer att kräva mycket teknik för att läggas till blandningen.

Okej. Frågan vad är en datavetare, jag kan hävda att jag var datavetare eftersom jag faktiskt utbildades i statistik innan jag någonsin utbildades i datoranvändning. Och jag gjorde ett aktuarellt jobb under en tid så jag vet hur ett företag organiserar, statistisk analys, också för att driva sig själv. Detta är inte en triviell sak. Och det finns väldigt många bästa praxis som är involverade både på mänsklig sida och på teknisk sida.

Så när jag ställer frågan "vad är en datavetare" har jag lagt Frankenstein-bilden helt enkelt för att det är en kombination av saker som måste stickas ihop. Det är projektledning involverat. Det finns djup förståelse för statistik. Det finns domänföretagskompetens, som nödvändigtvis är ett problem av en affärsanalytiker än datavetenskapsmannen. Det finns erfarenhet eller behovet av att förstå dataarkitektur och att kunna bygga dataarkitekt och det är programvaruteknik involverat. Med andra ord, det är förmodligen ett team. Det är förmodligen inte en individ. Och det betyder att det förmodligen är en avdelning som måste organiseras och dess organisation måste tänka på ganska omfattande.

Kasta i blandningen faktumet att maskininlärning. Vi kunde inte göra, jag menar, maskininlärning är inte nytt i den meningen att de flesta av de statistiska tekniker som används i maskininlärning har varit kända för i årtionden. Det finns några nya saker, jag menar att neurala nätverk är relativt nya, jag tror att de bara är cirka 20 år gamla, så en del av det är relativt nytt. Men problemet med maskininlärning var att vi egentligen inte hade datorkraften för att göra det. Och vad som hände, bortsett från allt annat, är att datorns ström nu är på plats. Och det betyder mycket fruktansvärt av det vi, säger, datavetare har gjort tidigare när det gäller modelleringssituationer, samplingsdata och därefter marschering för att göra en djupare analys av uppgifterna. Vi kan faktiskt bara kasta datorkraft på det i vissa fall. Välj bara maskininlärningsalgoritmer, kasta den på data och se vad som kommer ut. Och det är något som en affärsanalytiker kan göra, eller hur? Men affärsanalytiker måste förstå vad de gör. Jag menar, jag tror att det är frågan verkligen mer än något annat.

Det här är bara att veta mer om affärer från dess data än på något annat sätt. Einstein sa inte det, jag sa det. Jag lägger bara upp hans bild för trovärdighet. Men situationen börjar faktiskt utvecklas där tekniken, om den används korrekt, och matematiken, om den används korrekt, kommer att kunna driva ett företag som alla individer. Vi har sett detta med IBM. Först och främst kunde det slå de bästa killarna i schack, och sedan kunna slå de bästa killarna på Jeopardy; men så småningom kommer vi att kunna slå de bästa killarna på att driva ett företag. Statistiken kommer så småningom att segra. Och det är svårt att se hur det inte kommer att hända, det har bara inte hänt ännu.

Så det jag säger, och det här är ett fullständigt meddelande från min presentation, är dessa två frågor i verksamheten. Den första är, kan du få tekniken rätt? Kan du få tekniken att fungera för det team som faktiskt kommer att kunna ordna det och få fördelar för verksamheten? Och sedan för det andra, kan du få folket rätt? Och båda dessa är frågor. Och det är frågor som inte är, till den här tidpunkten, säger de att det är löst.

Okej Eric, jag skickar det tillbaka till dig. Eller borde jag kanske överföra det till Will.

Eric: Faktiskt, ja. Tack, Will Gorman. Ja, där går du, Will. Så låt oss se. Låt mig ge dig nyckeln till WebEx. Så vad har du hänt? Pentaho, uppenbarligen, ni har funnits ett tag och öppen källkod BI: s typ där ni började. Men du har mycket mer än du brukade ha, så låt oss se vad du har idag för analys.

Will Gorman: Absolut. Hej allihopa! Jag heter Will Gorman. Jag är chefarkitekt på Pentaho. För er som inte har hört talas om för mig, nämnde jag precis Pentaho är ett big data integration och analysföretag. Vi har varit i branschen i tio år. Våra produkter har utvecklats sida vid sida med stordatasamhället och börjat som en öppen källkodsplattform för dataintegration och analys, innovativt med teknik som Hadoop och NoSQL redan innan kommersiella enheter bildades kring dessa tekniker. Och nu har vi över 1500 kommersiella kunder och många fler produktionsanställningar till följd av vår innovation kring open source.

Vår arkitektur är mycket inbäddad och utbyggbar, specialbyggd för att vara flexibel eftersom big data-teknik i synnerhet utvecklas i mycket snabb takt. Pentaho erbjuder tre huvudsakliga produktområden som fungerar tillsammans för att hantera användningsfall för big data-analys.

Den första produkten i omfattning av vår arkitektur är Pentaho Data Integration som är inriktad på datateknolog och datatekniker. Den här produkten erbjuder en visuell, dra-och-släpp-upplevelse för att definiera datapipelslinjer och processer för att orkestrera data inom big data-miljöer och traditionella miljöer också. Denna produkt är en lätt, metadatabas, dataintegrationsplattform byggd på Java och kan distribueras som en process inom MapReduce eller YARN eller Storm och många andra batch- och realtidsplattformar.

Vårt andra produktområde handlar om visuell analys. Med denna teknik kan organisationer och OEM: er erbjuda en rik drag-and-drop-visualiserings- och analysupplevelse för affärsanalytiker och affärsanvändare av moderna webbläsare och surfplattor, vilket möjliggör ad hoc-upprättande av rapporter och instrumentpaneler. Samt presentation av pixel-perfekt instrumentpaneler och rapporter.

Vårt tredje produktområde fokuserar på prediktiv analys som är inriktad på datavetare, maskininlärningsalgoritmer. Som nämnts tidigare, som neurala nätverk och sådant, kan införlivas i en dataomvandlingsmiljö, vilket gör det möjligt för datavetare att gå från modellering till produktionsmiljö, ge tillgång till förutsäga, och det kan påverka affärsprocesser mycket omedelbart, mycket snabbt.

Alla dessa produkter är tätt integrerade i en enda smidig upplevelse och ger våra företagskunder den flexibilitet de behöver för att hantera sina affärsproblem. Vi ser ett snabbt utvecklande landskap med big data inom traditionell teknik. Allt vi hör från vissa företag i big data-utrymmet att EDW är nära ett slut. Det vi ser hos våra företagskunder är faktiskt att de behöver införa big data i befintliga affärs- och IT-processer och inte ersätta dessa processer.

Detta enkla diagram visar punkten i arkitekturen som vi ofta ser, som är en typ av EDW-distribueringsarkitektur med dataintegration och BI-användningsfall. Nu är det här diagrammet liknande Robin's bild på big data-arkitektur, det innehåller realtids- och historiska data. När nya datakällor och realtidskrav dyker upp ser vi big data som en ytterligare del av den övergripande IT-arkitekturen. Dessa nya datakällor inkluderar maskingenererade data, ostrukturerad data, standardvolym och hastighet och olika krav som vi hör till i big data; de passar inte in i traditionella EDW-processer. Pentaho arbetar nära med Hadoop och NoSQL för att förenkla förtäring, databehandling och visualisering av dessa data samt att blanda dessa data med traditionella källor för att ge kunderna en fullständig bild av sin datamiljö. Vi gör detta på ett reglerat sätt så att IT kan erbjuda en komplett analyslösning för deras bransch.

Avslutningsvis vill jag lyfta fram vår filosofi kring big data-analys och integration; vi tror att dessa tekniker bättre samarbetar med en enhetlig arkitektur, vilket möjliggör ett antal användningsfall som annars inte skulle vara möjligt. Våra kunders datamiljöer är mer än bara big data, Hadoop och NoSQL. All data är rättvist spel. Och stora datakällor måste vara tillgängliga och arbeta tillsammans för att påverka affärsvärde.

Slutligen tror vi att för att lösa dessa affärsproblem i företag mycket effektivt genom data, måste IT och branscher arbeta tillsammans på ett reglerat, blandat tillvägagångssätt för big data-analys. Tack så mycket för att du gav oss tid att prata, Eric.

Eric: Du satsar. Nej, det är bra grejer. Jag vill komma tillbaka till den sidan av din arkitektur när vi kommer till frågor och svar. Så låt oss gå igenom resten av presentationen och tacka dig så mycket för det. Ni har definitivt gått snabbt de senaste åren, det måste jag säga säkert.

Så Steve, låt mig gå vidare och överlämna det till dig. Och klicka bara på pilen nedåt och gå efter den. Så Steve, jag ger dig nycklarna. Steve Wilkes, klicka bara på den längst nedåtpilen där på tangentbordet.

Steve Wilkes: Där går vi.

Eric: Där går du.

Steve: Det är en bra introduktion du har gett mig.

Eric: Ja.

Steve: Så jag är Steve Wilkes. Jag är CCO på WebAction. Vi har bara funnits de senaste åren och vi har definitivt gått snabbt också sedan dess. WebAction är en realtidsanalysplattform för big data. Eric nämnde tidigare, typ av, hur viktig realtid är och hur realtid dina applikationer blir. Vår plattform är utformad för att bygga appar i realtid. Och för att möjliggöra nästa generation av datadrivna appar som kan byggas stegvis på och för att låta människor bygga instrumentpaneler från data som genereras från dessa appar, men fokuserar på realtid.

Vår plattform är faktiskt en fullständig än-till-än-plattform som gör allt från datainsamling, databehandling, hela vägen till datavisualisering. Och gör det möjligt för flera olika typer av människor inom vårt företag att arbeta tillsammans för att skapa riktiga appar i realtid, vilket ger dem insikt om saker som händer i deras företag när de hände.

Och detta är lite annorlunda än vad de flesta har sett i big data, så att den traditionella metoden - ja, traditionell de senaste åren - har varit att fånga den från en hel massa olika källor och höja den sedan upp i en stor behållare eller sjö eller vad du vill kalla det. Och bearbeta sedan det när du behöver köra en fråga; att genomföra storskalig historisk analys eller till och med bara ad hoc-fråga om stora datamängder. Nu fungerar det för vissa användningsfall. Men om du vill vara proaktiv i ditt företag, om du verkligen vill få höra vad som händer snarare än att ta reda på när något gick fel på typ av slutet av dagen eller veckans slut, måste du verkligen flytta till realtid.

Och det växlar lite om. Den flyttar behandlingen till mitten. Så effektivt tar du dessa strömmar av stora mängder data som genereras kontinuerligt inom företaget och du bearbetar den när du får den. Och eftersom du bearbetar det som du får det, behöver du inte lagra allt. Du kan bara lagra den viktiga informationen eller de saker som du behöver för att komma ihåg att det faktiskt hände. Så om du spårar GPS-platsen för fordon som rör sig längs vägen bryr du dig inte riktigt om var de är varje sekund, du behöver inte lagra där de är varje sekund. Du behöver bara bry sig om, har de lämnat den här platsen? Har de kommit till det här stället? Har de kört, eller inte, motorvägen?

Så det är verkligen viktigt att tänka på att när allt fler data genereras, då kommer de tre Vs. Hastigheten avgör i grund och botten hur mycket data som genereras varje dag. Ju mer data som genereras desto mer måste du lagra. Och ju mer du måste lagra, desto längre tid tar det att bearbeta. Men om du kan behandla det som du får det, får du en riktigt stor fördel och du kan reagera på det. Du kan få höra att saker händer snarare än att behöva söka efter dem senare.

Så vår plattform är utformad för att vara mycket skalbar. Den har tre stora delar - förvärvsdelen, behandlingsstycket och sedan leveransvisualiseringsdelarna på plattformen. På förvärvsidan tittar vi inte bara på maskingenererade loggdata som webbloggar eller applikationer som har alla andra loggar som genereras. 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. Tack.

Eric: Yes, indeed. Great job. 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. Varsågod.

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. Right?

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. Okej. 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?" Okej.

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. Right? 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. Ta bort det.

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. Vad tror du?

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. Tack så mycket. We'll catch you next time. Hejdå.