Naukowiec ds. Danych Hilary Mason chce ci pokazać (najbliższą) przyszłość

Jeśli chcesz poznać najnowsze osiągnięcia w dziedzinie inteligencji maszyn, udaj się do miejsca, gdzie Manhattan Lower East Side graniczy z Chinatown, nieruchoma, ale gentryfikująca okolica, gdzie modne kawiarnie wyrastają obok sklepów z artykułami przemysłowymi i hurtowni.

Lokalizacja, obszar pośród przemian i modernizacji, jest odpowiednim miejscem dla Fast Forward Labs, startupu założona, aby pomagać firmom w innowacjach i konkurować wykorzystując to, co założyciel i CEO Hilary Mason nazywa "ostatnio możliwymi" technikami i technologiami wywiadowczymi maszyn.

Fast Forward Labs ma nietypowy model biznesowy. Tworzy kwartalne raporty na temat pojawiających się - lub tego, co Mason nazywa "najbliższą przyszłością" - technologii, buduje prototypy w celu demonstrowania technologii i oferuje usługi doradcze. Firma opiera się na modelu subskrypcji: za roczną opłatę klienci mają dostęp do raportów i prototypów oraz czasu z Masonem i jej współpracownikami, którzy prowadzą ich w zakresie zastosowania technologii w swoich firmach. "Rola, w którą gramy, polega na tym, że jesteśmy ich najlepszymi przyjaciółmi" - mówi Mason.

Podstawową ideą jest pomoc firmom w przyśpieszeniu ich wiedzy o danych i zdolnościach w zakresie analizy maszyn. 8-osobowy zespół Fast Forward Lab przyciąga uwagę na rozwijającym się rynku dla zorientowanych na inteligencję dostawców, firm konsultingowych i firm badających rynek, w dużej mierze dzięki sile profilu branżowego Mason i unikatowemu podejściu do badań - kilka publikacji, w tym The Wall Street Journal, nazwał jej "wielkoformatowa gwiazda rocka".

Marc Ferranti

Fast Forward Labs spogląda z góry na wolny sklep z meblami restauracyjnymi do dzielnicy Manhattan Lower East Side w okresie przejściowym.

Przed założeniem Fast Forward Labs w 2014 roku Mason zajmował stanowisko głównego naukowca w firmie Bitly, która skracała czas na adresy URL, aw ciągu ostatnich kilku lat znalazła się w rankingu Fortune "40 na 40. pod tym tytułem".

Mason mówi, że zaczęła programować w wieku pięciu lat, ale jej gwiazda wzrosła nie tylko dzięki sile umiejętności technicznych. Ma humanistyczne podejście do nauki o danych, angażujący styl mówienia publicznego oraz umiejętność udostępniania zawiłych tematów osobom nie będącym ekspertami. Jako naukowiec danych "naprawdę musisz mieć dużo empatii w pracy, którą wykonujesz, i ludzi, którzy ostatecznie próbują pomóc, czy to jest kolega biznesowy, szef, czy ostatecznie użytkownik oprogramowania, które Technologie badane przez Fast Forward Labs obejmują jak dotąd generowanie języka naturalnego, z prototypem, który automatycznie tworzy listy nieruchomości z pełnymi zdaniami na podstawie listy atrybutów, które użytkownicy klikną.

Firma zbadała również probabilistyczne metody analizy strumieni w czasie rzeczywistym, z prototypem wyświetlającym popularne tematy na Twitterze i Reddit jako węzły na dynamicznie zmieniającym się wykresie.

Nowszy raport zgłębia głębokie uczenie się - algorytmiczna rodzina technik , w oparciu o silnie połączone sieci neuronowe - stosowane w analizie obrazu, z prototypami identyfikującymi obrazy na zdjęciach Instagram, kategoryzuj je, wyświetlaj w formie piktogramów i wyświetlaj najważniejsze zainteresowania użytkowników. (Jeśli jesteś na Instagramie, możesz się zabawić, bawiąc się publiczną, uproszczoną wersją tego prototypu.

Nowe podejście do innowacji

Mason nazwał Fast Forward Labs "moim obecnym hackowaniem", próbą aby wypełnić luki w rozwoju nowych technologii w uznanych firmach, środowiskach akademickich i startupach. "Wierzę, że jest wiele nieskuteczności w sposobie innowacji technicznych." Na przykład, zauważa, "istnieją tarcia" dla ludzi, którzy chcą zrobić coś innego w uznanych przedsiębiorstwach z udanymi produktami.

"Siedzimy w samym środku przedsiębiorstwa, startupów i społeczności badawczej, i przeglądamy te rzeczy, które stały się możliwe i interesujące, a następnie staramy się, aby były użyteczne dla naszych klientów, którzy mają dane, mają firmę, rozumieć te rzeczy bardzo dobrze i szukają możliwości rozwoju ", mówi. Firma nie pisze kodu dla klientów, ale doradza im w kwestiach dotyczących architektury systemu i tworzenia zespołu zajmującego się naukami o danych.

Coraz częściej przedsiębiorstwa konkurują ze sobą i wprowadzają innowacje, analizując zgromadzone dane, aby zoptymalizować proces podejmowania decyzji, wykorzystując zaawansowane technologie. analityka i algorytmy uczenia maszynowego.

"W 2018 roku ponad połowa dużych organizacji na całym świecie będzie konkurować z wykorzystaniem zaawansowanej analityki i zastrzeżonych algorytmów, powodując zakłócenia całej branży", powiedział Gartner, firma zajmująca się badaniem rynku, w ostatnim raporcie autorstwa analityka Jima Hare'a. Firmy zaczynają używać analizy statystycznej, modelowania predykcyjnego i optymalizacji decyzji jako sposobów konkurowania, napisał Hare.

Kluczowym elementem tego, co Fast Forward Labs jest znalezienie technik inteligencji maszynowej, które są interesujące i stają się możliwe do zrobienia w rzeczywistości. scenariusze biznesowe, które jeszcze nie zostały skomunikowane - warunek, który może stworzyć przewagę konkurencyjną dla firm, które są wczesnymi adaptatorami nowych technologii.

Chociaż zespół Fast Forward Labs jest mały, to fakt, że członkowie mają zróżnicowane Tła pomagają im rzucić szeroką sieć, gdy szukają nowych tematów do odkrycia, mówi Ryan Micallef, jeden z pracowników. Sam Micallef zaczynał jako programista po studiach, ale potem poszedł do szkoły prawniczej i został prawnikiem patentowym.

Marc Ferranti

CEO Hilary Mason, Fast Forward Labs, po lewej, w swoim biurze z członkami zespołu, od lewej do Zgadza się, Nick Vermeer i Ryan Micallef.

Aby zidentyfikować nowe technologie, na których należy się skupić: "Robimy notatki, gdy widzimy rzeczy, które przyciągają nasze oko, a następnie usuwamy tę listę" - mówi Micallef. "Patrzymy na to, gdzie są rzeczy, gdzie coś osiągnęło punkt krytyczny ekonomicznie lub technicznie, znajdź punkty, w których rzeczy zrobiły skok do przodu, ale nie stały się towarem takim, że można je kupić na półce."

Wielu klientów Mason'a to CIO i inni liderzy zajmujący się rolami technologicznymi, tacy jak CTO (główni oficerowie ds. Technologii) i szefowie R & D. Mason mówi, że widziała zmianę w tym, co liderzy technologii mają robić w swoich firmach. "Teraz są wezwani do rzeczywistej wizji tego, co biznes może osiągnąć dzięki tej technologii."

Nowa rola liderów technologii

Jest wiele różnych zmian zmieniających rolę CIO, Mason zauważa. Wiele wydatków na technologie w przedsiębiorstwach przeniosło się na gałęzie biznesu, na przykład dział marketingu może kupować swoją technologię za pośrednictwem niezależnych dostawców bez konieczności przechodzenia przez własny dział IT

Liderzy techniczni muszą teraz współpracować z liderami biznesowymi, i wprowadzić odpowiednią technologię, aby wspierać wspólną wizję. Dotyczy to w szczególności analizy danych, gdzie technologia jest niezbędna do dobrej pracy, zauważa Mason. Stawia również kierownictwo techniczne w sytuacji, w której potrzebują strategii, i być liderem w taki sposób, że być może nie musieli tego robić wcześniej, mówi Mason.

Podczas gdy istnieje ogromna ilość personalizacji technologii w na arenie konsumenckiej, to samo nie dotyczy świata biznesu, w szczególności technologii danych. "Możesz sam zbudować klaster Hadoop, ale niezależnie od tego, czy tworzysz to wirtualnie, czy na fizycznym sprzęcie, ile potrzebujesz węzłów, jaki rodzaj zarządzania kolejkami i jakiego rodzaju analizy nie są oczywiste i nie jest to oczywiste. coś, co możesz po prostu kupić - powiedział Mason. "Teraz używasz tej technologii danych do wspierania swoich priorytetów biznesowych, a jeśli robisz to dobrze, to nie tylko będziesz je wspierał, ale wprowadzisz innowacje; i dlatego jest to coś, w czym silne przywództwo technologiczne jest niezbędne do osiągnięcia sukcesu. "

Fast Forward Labs posiada kadrę zarządzającą technologiami z różnych branż wśród klientów, w tym ubezpieczenie, bankowość, działalność wydawniczą, media i startup. Niezależnie od tego, czy klient jest firmą o ugruntowanej pozycji, czy małym startupem, firma rozpoczyna rozmowę o danych, zadając serię zdefiniowanych pytań. "Proces jest bardzo ważny, ponieważ w przeciwnym razie kończy się to bałaganem - kończy się powielanie pracy", ostrzega Mason.

Jak sformułować strategię danych

Istnieją trzy podstawowe pytania dotyczące danych, które każda firma powinna zadawać sobie pytania. Pierwszy to po prostu "jakie dane mamy?" To niekoniecznie jest proste zadanie, szczególnie dla dużych firm z wieloma działami i silosem informacji. Fast Forward Labs pozwala klientom przeglądać ich produkty i zapisywać dane, które zbierają. Proces obejmuje sprawdzenie serwerów, aby potwierdzić, jakie dane są przechowywane.

Drugie pytanie brzmi: jakie dane powinna mieć firma, której obecnie nie posiada? Firmy powinny zastanowić się, w jaki sposób działa firma, i rodzaju pytań, które mogą dostarczyć odpowiedzi, które mogłyby generować wzrost. Firmy powinny również patrzeć w przyszłość i zastanawiać się, w jaki sposób będą gromadzić nowe dane, które mogą gromadzić, na przykład w klastrach Hadoop, na serwerach wewnętrznych lub na platformie Amazon S3.

Na koniec, zespół Fast Forward Labs prosi firmy o założeniach, które poczynili na temat ich firmy, które można zwalidować za pomocą danych. Wiele firm ma intuicję dotyczącą tego, jak przeniknąć rynki i możliwości dla swoich produktów. Analiza danych może zweryfikować - lub zakwestionować - takie założenia.

"Zawsze, gdy zaczynasz od tych rzeczy, które prawdopodobnie już znasz, prawdopodobnie potwierdzisz większość z tego, co wiesz, ale zaczniesz się uczyć rzeczy, których nie znasz , "Mówi Mason. "Kiedy zaczniesz zadawać pytania i uzyskiwać przydatne odpowiedzi, proces będzie narastał - gdy będziesz miał kilka dobrych pytań, otrzymasz o wiele więcej."

Patrząc w przyszłość, Mason mówi, że ścieżka do Fast Forward Labs nie jest po prostu dodać więcej pracowników, mimo że istnieją duże firmy badające rynek, firmy konsultingowe i dostawcy, którzy przeskakują na temat inteligencji maszynowej i technologii informacyjnych. "Jest świetna energia, kiedy masz zespół, który ma mniej niż 15 lat, gdzie w pewnym stopniu wiesz, co wszyscy robią i nie ma zbytniej biurokracji", mówi. Jak dotąd model biznesowy firmy działał: po wpłaceniu części własnych pieniędzy i nieopłacaniu wynagrodzenia przez jakiś czas, Mason płaci teraz i twierdzi, że firma przynosi zyski.

Mason nieco poprawił model biznesowy firmy, oferowanie opcji innych niż roczna subskrypcja. Firma Fast Forward Labs właśnie udostępniła raport na temat generowania języka naturalnego na podstawie wielowarstwowych cen, od 250 USD za krótką, podstawową wersję, aż do 5000 USD za wersję, która obejmuje prototyp i czas konsultacji z firmą.

Ambasada Mason, jednak należy przemyśleć stosowane badania na szerszą skalę - jak ludzie wprowadzają nowe możliwości techniczne w organizacjach i jak znaleźć możliwości wzrostu wokół tych możliwości. "Wierzę, że jest coś cennego w naszym modelu badań stosowanych i doradztwa, które można zastosować nawet poza światem ścisłych danych - ale jest to eksperyment, który będziemy wykonywać za kilka lat."

Pasek boczny: Trzy typowe błędy co może doprowadzić do awarii górnictwa danych

Przedsiębiorstwa przeskakują na modę big data. Nie chcą pozostać w tyle, ponieważ konkurencyjne firmy starają się zdobyć sens zgromadzonych danych - na przykład dzięki nowym aplikacjom internetowym - i przekształcić swoją analizę w przewagę konkurencyjną. Ale uważaj: "Istnieje wiele trybów awaryjnych dla tego typu rzeczy" mówi Mason. Oto trzy duże:

-Inne inwestycje w infrastrukturę techniczną. Wiele firm wydaje pieniądze na technologię, nie wiedząc, co z nimi zrobić. "Widziałem, jak organizacje wydają miliony dolarów na sprzęt i oprogramowanie bez tak naprawdę planu", mówi Mason.

-Uzyskiwanie złych ludzi. Aby przekształcić swoje dane w przewagę konkurencyjną, niektórzy przedsiębiorcy uważają, że wszystko, co muszą zrobić, to zatrudnić naukowca zajmującego się danymi, a ostatecznie zatrudnić kogoś z umiejętnościami matematycznymi, ale bez doświadczenia w tłumaczeniu problemów biznesowych na problemy matematyczne. Po około sześciu miesiącach mogą zakończyć strzelanie do naukowca danych i zastanowić się, co dalej;

- Niepowodzenie w przywództwie. Firmy potrzebują kogoś, kto może ominąć politykę wokół tego, kto jest właścicielem danych, a co to za silos firmy kontroluje. Firmy potrzebują zarówno silnych praktyków - ludzi, którzy faktycznie wykonają pracę - ale także potrzebują kogoś, kto jest w stanie dać im siłę do wykonania pracy. "Nigdy nie widziałem, by wysiłek się udał, jeśli nie miał silnego przywództwa", mówi Mason.