De toekomst van BI is AI, zegt Qlik-CEO Capone

(Videostroom/Shutterstock)

De toekomst van business intelligence zal worden bepaald door hoe goed AI- en datawetenschapscapaciteiten kunnen worden geïntegreerd in traditionele analytische en beslissingsondersteunende tools die het bedrijf kunnen beïnvloeden met de snelheid van datageneratie, vertelt Qlik-CEO Mike Capone. Datanami in een recent interview.

Hoewel er altijd bepaalde hoogwaardige use-cases zullen zijn die afhankelijk zijn van de uitgebreide vaardigheden van datawetenschappers op PhD-niveau, is de hoeveelheid gegevens en de mogelijkheid om ernaar te handelen tegenwoordig gewoon te groot om op een beperkt aantal mensen te vertrouwen om er zakelijke waarde uit te creëren, volgens Capone, een veteraan in de technologiebusiness die sinds 2018 aan het hoofd staat van Qlik.

„Het is altijd dit ding geweest waar de datawetenschapper in witte jassen aan de kant staat“, zegt Capone. „Je neemt de gegevens, je geeft het aan hen, ze bekijken wat dingen, en dan kan het op de een of andere manier worden teruggevoerd naar je kernanalyses.“.

Gegevens en bedrijven gaan tegenwoordig te snel om een ​​dergelijke workflow te hebben. Zoals de meeste BI-leveranciers, gaat Qlik over om AI- en machine learning-mogelijkheden rechtstreeks in zijn productlijn te integreren, wat bedrijfsanalisten de voordelen biedt van patroon- en anomaliedetectie die alleen een machine kan bieden. Volgens een 2020-rapport van Gartner gebruiken alle belangrijke concurrenten van Qlik AI en machine learning, niet alleen om patronen en afwijkingen te herkennen, maar ook om gegevens voor te bereiden en bevindingen te verklaren.

Het heeft veel voordelen om van bedrijfsanalisten burgergegevenswetenschappers te maken, zegt Capone.

„Wat we zien en wat we feitelijk doen,“ zegt hij, „is dat we AutoML- en AI-mogelijkheden binnen ons analyseplatform uitbouwen om de gemiddelde soort BI-gebruiker echt te laten profiteren van AI en ML in de vorm van alledaags analysewerk en dat vervolgens nemen en brengen en dat in normale bedrijfsprocessen vastleggen.”

AI en ML worden ingebed in BI-producten (YAKOBCHUK-VIACHESLAV/Shutterstock)

Qlik, dat eigendom is van de private equity-onderneming Thoma Bravo, verwierf AutoML-functionaliteit met een overname in september 2021 van Big Squid, een datawetenschapsstartup die door Forrester werd vermeld als een uitdager in een verzameling AutoML-leveranciers van 2019. De Qlik AutoML-functionaliteit, die volgens een Qlik-persbericht dat vandaag is uitgegeven snel wordt toegepast, stelt gebruikers in staat voorspellende modellen te verkennen en wat-als-scenario’s te testen. Als de situatie daarom vraagt, kunnen de modellen ook geautomatiseerde reacties activeren.

Het draait allemaal om het mogelijk maken van snellere zakelijke beslissingen op basis van realtime en voorspellingen over toekomstige staten, zegt Capone. Dat is niet iets dat kan worden gedaan met alleen SQL-query’s en achteruitkijkende BI-interfaces om te achterhalen wat er in het verleden is gebeurd.

„Inzichten opsluiten, in dashboards of rapporten, is echt niet hoe zaken worden gedaan“, zegt Capone. “Er wordt nu in realtime zaken gedaan, en het vermogen om daadwerkelijk inzichten in realtime te ontwikkelen – in realtime leren van gegevens, maar vervolgens in realtime actie ondernemen op basis van die inzichten – is echt waar het om gaat. En dat is wat we proberen te doen, dat alles bij elkaar brengen.”

Zo gebruikt foodservicebedrijf Aramark producten van Qlik om in te spelen op veranderende situaties, zegt Capone. Als de vraag naar bier of hotdogs stijgt in Lincoln Financial Field (waar de Philadelphia Eagles spelen), kan Qlik AutoML dat signaal detecteren en automatisch actie ondernemen, zonder dat een Aramark-medewerker een vinger hoeft uit te steken.

„Wat ze doen, is dat ze die gegevens in realtime analyseren, begrijpen wat de implicaties zijn van een uitbarstingsscore – of we hebben geen bier meer, [so] om daar biertrucks te krijgen en vervolgens beslissingen te nemen, „zegt Capone. “Niemand staart naar een dashboard omdat de algoritmen al zijn getraind om beslissingen te kunnen nemen en vervolgens gegevens terug te sturen naar het kassasysteem. Dus verlaag de prijs van hotdogs, want we gaan er te veel hebben. Dat is het moderne data-analyseplatform.”

Aramark gebruikt realtime datafeeds en AI van Qlik AutoML om aanpassingen te maken in de voedselbezorging bij Lincoln Financial Field (Andriy Blokhin/Shutterstock)

Het optimaliseren van de prijs van bier en hotdogs klinkt misschien niet als het hoogste en beste gebruik van machine learning en AI. Dat is één visie. Maar vanuit een andere hoek gezien, is het een indicator dat bedrijfsleiders klaar zijn om AI en machine learning uit de ivoren toren te halen en ze in het veld te krijgen waar ze echte impact kunnen hebben.

Capones visie op het grote potentieel van citizen data science wordt niet door iedereen gedeeld. Er zijn zorgen dat datawetenschappers van burgers niet de nodige training hebben om voorspellende modellen te bouwen die op betrouwbare wijze de juiste antwoorden geven, ethische waarden weerspiegelen en geen vooroordelen bevatten.

“Deze essentiële, missiekritieke – vaak gereguleerde – modellen kunnen en mogen niet worden gemaakt door iemand anders dan professionele datawetenschappers om dezelfde reden dat een ziekenhuis niet mag worden bemand met ‚burgerchirurgen‘, luchtvaartmaatschappijen zouden niet moeten vertrouwen op ‚ Burgerpilots, ‚torens mogen niet worden gebouwd door ‚burgerarchitecten‘, en je C-suite mag niet bestaan ​​uit ‚burgermanagers“, schrijft Kjell Carlsson, een voormalige Forrester-analist die nu hoofd datawetenschapsstrategie en -evangelisatie bij Domino is. Datalab.

Maar Capone is onvermurwbaar dat het potentiële voordeel dat voortkomt uit een meer democratische uitwisseling van datawetenschapscapaciteiten met bedrijfsanalisten groter zal zijn dan alle schade die wordt veroorzaakt door de verwatering van ‚pure‘ datawetenschap.

„Begrijp me niet verkeerd: af en toe moet je gegevens verzamelen, er wat R- en Python-code op uitvoeren en het op die manier analyseren“, zegt Capone. “Ik beweer niet dat datawetenschap in zijn puurste vorm voor echt high-end use-cases zal verdwijnen. Wat ik zeg is meer en meer van dat [data science] wordt teruggebracht in uw kernanalyse-infrastructuur. En dan red je de datawetenschapper voor de echt moeilijke, complexe problemen, niet voor de dagelijkse problemen.”

Dit alles gaat ervan uit dat de gegevens in de eerste plaats in een schoon, gecentraliseerd en nuttig formaat zijn, wat vaak een te grote aanname is om te maken. Voor veel van Qlik’s klanten is er al veel werk verzet om de data te integreren en te normaliseren, meestal in een datawarehouse in de cloud, zegt Capone.

„De meeste bedrijven hebben veel werk verzet om hun gegevens op een analyseplatform te krijgen“, zegt hij. „Kijk, je hebt deze geweldige moderne soort clouddataplatforms zoals Snowflake of [AWS] Roodverschuiving, en dus alle gegevens zijn er. Dus het is echt verschrikkelijk om de data eruit te moeten halen, het aan een paar datawetenschappers aan de kant te moeten geven zodat ze er wat code tegen kunnen gaan gebruiken. Waarom doe je dat niet gewoon daar?”

Qlik-CEO Mike Capone wil AI democratiseren

Naast de verkoop van BI- en analysetools – en AutoML-mogelijkheden, zoals we hebben geleerd – heeft Qlik ook een reeks producten voor gegevensintegratie. Sommige klanten, zoals Urban Outfitters, vertrouwen uitsluitend op de data-integratietools van Qlik, terwijl andere klanten een mix van producten gebruiken.

En net als bij machine learning en AI, heeft Qlik het moeilijk om data-integratie te scheiden van analyses. “Onze vaste overtuiging is dat data-integratie en analyse één ding is. Het is een continuüm. Het is één ding“, zegt Capone. „En we hebben ons platform zo gebouwd dat het daadwerkelijk end-to-end is.“

Het is mogelijk om te verstrikt te raken in het volgen van de nieuwste technologieën en deze religieus toe te passen waar de experts dat voorschrijven, maar Capone lijkt niet vatbaar voor die zwakte. Hij herinnert zich met plezier zijn tijd als technologie-exec bij salarisgigant ADP en hoe het bedrijf de IBM iSeries midrange-server gebruikte – sinds de naamgeving van de IBM i-server, maar door sommige technologiepuristen nog steeds werd afgedaan als een groot ijzeren relikwie – tot groot zakelijk succes.

“Toen ik bij ADP zat, zou ik van die dingen houden. Die zou ik altijd gebruiken‘, zegt hij. „Ik betaalde elke betaaldag 30 miljoen mensen voor dat soort technologie. Het is een werkpaard, man. Het is geweldig.“

Capone heeft een vergelijkbare pragmatische kijk op machine learning en AI, die tot nu toe niet hetzelfde soort zakelijke waarde heeft opgeleverd als die werkpaard IBM-machine.

„Er was een tijd lang geleden – jij maakte er deel van uit, ik maakte er deel van uit – waarin er een overhype van AI was“, zegt hij. “Er waren enkele bedrijven die veel verdriet hebben begaan door het te overhypen. ‚We gaan kanker genezen, we worden beter dan dokters.‘ Dat spul was slecht voor ons allemaal. Maar nu is het een soort van herrezen in een veel praktischer formaat.”

Naarmate de aanvankelijke hype rond AI en machine learning vervaagt, biedt dit kansen voor Qlik en andere BI-leveranciers om er meer praktische toepassingen van te vinden. Of het nu gaat om het opsporen van afwijkingen in de gegevens of het beantwoorden van vragen in natuurlijke taal, het experimenteren met AI zal op de lange termijn waarschijnlijk iedereen ten goede komen.

Gerelateerde items:

Wat houdt vooruitgang in machine learning en AI tegen? Het zijn de gegevens, dom

De grenzen van burgergegevenswetenschappers

Augmented Analytics is het nieuwe BI-slagveld, zegt Gartner

Kommentar verfassen

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert