è il nostro onore e privilegio per me
unisciti a questa società di cui quasi eri
sette mesi fa o nove mesi fa ora
161.000
dipendenti 190 paesi e se si guarda
alla nostra tuta di prodotto siamo d’accordo
dovrebbe in ogni mercato che operiamo così
parla della quantità di dati che questo
la compagnia genera internamente puoi vedere
alcune statistiche qui penso che generiamo
anche se guardi il modo in cui corriamo
la nostra azienda finora comincia con i dati
tutto inizia con i dati così
è lì che sai come ci avviciniamo
guardando la missione AI che impara in profondità
imparare è davvero imperativo come noi
costruire alcune capacità di base
sfruttando i dati quindi se guardi guarda
nel nostro approccio alla tecnologia in
Unilever abbiamo molte tecnologie come
qualsiasi grande società trenta tecnologia
piattaforme pubblichiamo letteralmente circa 100.000
Da usare come supporto su base giornaliera
questi sono colletti bianchi che usiamo i nostri
la piattaforma tecnologica ha circa 28 anni
petabyte di dati oggi in crescita
esponenzialmente su una media di pochi
petabyte ogni trimestre e come hai detto tu
abbiamo circa 190 paesi ma
sicuramente una sorta di circa 900 collegati
dimensione con le nostre fabbriche con i nostri utenti
tranne ecc. quindi la tecnologia è al
cuore come un DNA dell’azienda da gestire
questo e quando hai la tecnologia
i dati seguono attraverso di essa quindi cosa c’è
il nostro approccio alla tecnologia penso a tutti
la trasformazione digitale inizia con a
messaggio o figura che non puoi semplicemente fare
tecnologia per amore della tecnologia
giusto devi capire qual è il
valore della tecnologia che sono i cervelli
guida la società se è il
crescita superiore o la linea di fondo
trappola dell’uscita di risparmio
così nell’unità bene è sempre conditeli con
scopo giusto siamo tutto ciò che noi
fare è avere fiducia con lo scopo e che cosa
significa per i nostri utenti finali e consumatori e
clienti e costruire su quello da costruire
definire quali prodotti e innovazioni
voglio portare al mercato sia nel nostro
prodotti per la cura della persona un’assistenza domiciliare
prodotti o o cibo e bevande
capacità e costruire quella in cima
quello senza cultura e abilità te
quasi dove ha una cultura davvero unica
essere in attività in 190 paesi
a volte si sente come 200 culture ma
c’è un tema di fondo che guida
che è qui dove torniamo di nuovo
il nostro scopo e apprezzare la nostra tecnologia
le operazioni sono davvero più grandi
abbiamo parlato e la piattaforma è
piuttosto grande ma la linea di fondo è come abbiamo detto
la piattaforma digitale è tutto ciò che è
il valore della tecnologia sottostante
significa per la tabella non sulla tecnologia
segnalando il DA in un fanale posteriore nel
bene a destra non vogliamo essere in questo
spazio vogliamo guardare alla tecnologia come a
fondamento come capacità di guidare il
valore per l’azienda così tanti di voi
potrebbe aver visto questo che molti di voi sanno
che la parola intelligenza artificiale
sono stati coniati a Dartmouth nel 1956, penso
la visione di quel Dartmouth
la conferenza è tutto su come si fa
replicare gli esseri umani giusto abbiamo visto il
prima incarnazione su umanoidi o il
2001 spazio quindi è il computer Hal
che tu abbia visto o persino il
Film Terminator in cui il Terminator
personaggi eccetera ma penso che tu sappia
sono anche fantascienza, io
penso che siano ancora lontani da
ottenere quelle cose anche nella realtà
il tema di oggi intorno al 2030 dove i miei ragazzi
abbiamo parlato di come saremo lì in giro
venti e trenta per ottenere quella parità, ma io
pensiamo di avere cibo vecchio noi lungo abbastanza
fortemente da dove siamo partiti nel 1956
sull’intelligenza artificiale a più
basato su realistico invece di
replicando il cervello umano come si porta
quel processo di pensiero al mondo in
le macchine che sfruttano le macchine
con l’evoluzione o l’apprendimento automatico e
Apprendimento profondo Penso che tu sappia che abbiamo avuto
un ottimo punto per affrontare quel 2030
problema che il palco se lo sei
parlando oggi tornerò su questo a
la fine del discorso per riflettere di nuovo
perché ora giusto perché abbiamo parlato
su questo 50 anni in realtà 70 anni
e sono sicuro che ne parleremo per questo
i prossimi 50 anni
ma perché questo è diventato estremamente
critico e anche ora diventi pervasivo
i sistemi su larga scala che abbiamo costruito noi
conoscere le funzionalità di BI tradizionali ma BA
le capacità ti portano solo fino a te
può avere ragione aiuta a eseguire il
compagnia ti dice solo quello che è successo
quello che potrebbe essere successo non lo dice
come ottimizzare come prevedere
il futuro se guardi i set di dati
come si sta molto come hai detto 30
piattaforme che genera 22 petabyte di
dati ma sono tutti molto silos giusti
cercando di dare un senso al
i dati attraverso i sistemi sono stati molto
difficile per
e abbiamo anche una grande azienda
un silos di campagna che hai funzionale
silos ecc e c’è una proprietà dei dati
dentro quei silos che li portano tutti
insieme è un viaggio per noi
e allo stesso modo i dati sono seduti
mancanza di sistemi diversi sistemi diversi
di interfacce appropriate ecc. ottenendo l’accesso
ai dati è davvero doloroso per noi e
soprattutto mi piacciono tutti i sistemi di BI
potresti aver visto persone iniziare
interrogando i rapporti che genera
perché se i dati sono se non sei
sicuro dei risultati che stai cercando
per se il primo istinto sta per
domanda che i dati sono oh non mi fido
i dati quindi inizi a creare rapporti
prova i tuoi dati e il rapporto che tu
produrre ed è un ciclo infinito noi
sono a quel punto di svolta di
fondamentalmente cambiando la mentalità su
come ti allontani dall’istintivo
approccio al processo decisionale ai dati
approccio guidato penso che sia qui
le aziende rendono significativo
investimento in realtà non solo creando
il cambiamento culturale sul passaggio ai dati
approccio guidato e per aiutarlo a migrare
a tale approccio costruisci le fondamenta
con la tecnologia è per questo che chiamiamo
è un’opportunità significativa per noi
guardando tutte queste aree come un olistico
credo che tu sappia che la maggior parte di voi sia dentro
la stanza deve essere molto familiare
soprattutto la paura da IT o se lo sei
gestire un dipartimento IT correttamente
tradizionalmente è sempre iniziato con
la strada del ritorno negli anni ’80 e ’90 è cosa
chiamiamo bi tradizionale o bi tecnico
ma se abbiamo bisogno di un rapporto se necessario un pezzo
di informazioni che chiami i tuoi amici
IT e produrranno un report per
tu e tu sai che è continuato per a
mentre e poi la gente si è frustrata come
l’intervallo di tempo per produrre il report
ha iniziato ad andare più o meno lungo e uniforme
è diventato un progetto mensile trimestrale
progetto attraverso progetti annuali e
a volte sono nella nostra storia attiva
sono necessari anni per ottenere una relazione giusta
e tutti abbiamo visto che poi la tecnologia ha
passò a produrre più di a
self-service bi ok ecco un pezzo di
dati ti darò accesso ai dati voi
genera le tue intuizioni ti penso
sapere dove siamo nel momento dell’uva passa
con la maturità della tecnologia e
la disponibilità dei dati che possiamo ora
siamo un perfetto punto di svolta per
democratizzare dati e approfondimenti per
tutti nell’organizzazione
come ho detto 110.000 colletti bianchi in
la nostra azienda immagina di dare il potere di
i dati nelle loro mani che possono
generare le proprie intuizioni da
se stessi per fare meglio il lavoro penso
è dove siamo e cosa sei
andando a parlare un po ‘di oggi
è l’idea di un lago di dati come ciò sia
per aiutare a cambiare questo paradigma per
Unilever solo se hai sentito il termine dati
Lago okay, quindi penso che sia un
riso significativo per le mani se in altri modi
inizia a pensare se stiamo parlando
su ciò che è un dato in ritardo penso che tu sia
in termini più semplici dati Lake è un’idea
dove inserisci qualsiasi tipo di dati
forma dimensione colore qualunque cosa tu voglia
chiamalo portalo in un posto dove
puoi iniziare a dare un senso a questo
se il deplianing dell’apprendimento automatico
qualunque cosa tu voglia chiamarlo ma avere
in un unico luogo di tutti i tipi di dati I
penso che sia un potente cambio di paradigma
da dove eravamo venuti
tradizionalmente eravamo usati i nostri dati
tecnologia di magazzino in cui si trovano i dati
estremamente normalizzato penso che ci sia stato un
termine che spesso accompagna i dati
magazzini come Hotel California giusto
puoi solo metterlo dentro non puoi mai
tirarla fuori non si può mai lasciare i dati
magazzino quindi penso che ci sia un’idea per
dati Lake ci libera dalle
vincoli che avevamo sui dati
magazzini soprattutto come il volume di
i dati esplodono, voglio dire guardare al nostro
dati giusto 22 petabyte di dati ci sono
nessuna tecnologia nel data warehouse che può
tenere il tipo di dati e generare il
analisi che stiamo cercando finora
chi ti ha avvicinato a battere Diagnostics
e analitica descrittiva cosa è successo
perché è successo
ecc. ma non riguardo al futuro, cosa posso fare
fare con quella decisione ecc così che è
dove l’idea che viene la perdita di dati
davvero potente abbiamo passato molto tempo
cercando di capire cos’è una perdita di dati
nel costrutto consegnato è uno
gamba è più gambe perché ogni
il paese ha iniziato a chiedere ok ho bisogno di una gamba
per me stesso e la nostra funzione è iniziata
chiedendo alla nostra ferita sai che abbiamo fatto nostro
gamba allora è una specie di sconfitte nel suo complesso
scopo di un collegamento dati dati Lake corretto
deve essere universale
se vuoi democratizzare i dati e i nostri
intuizioni per tutti, ecco perché noi
ha preso una posizione molto dura
fossi veramente scala che andremo a
avere un dato fisico Lake che sta andando
per avere tutti i dati in modo uniforme
qualunque cosa produca , continuerò
per produrre altri dati esterni come
I Kantas di Nielsen sono tutti esterni
fonti Chatters sociali che vogliamo
preoccuparsi del nostro comportamento del consumatore personalizzato
vuoi portare tutti quei dati in
questa piattaforma è la ragione per cui l’abbiamo chiamata
Dati universali Lake ce ne sono due
aspetti importanti di questi dati come dati
innanzitutto è archiviato in questo
forma nativa perché vogliamo essere sicuri
i dati che riceviamo da a
fonte particolare hey ci è a
dati della catena di approvvigionamento o di feed twitter se
modifichiamo la forma dei dati prima
lo elaboriamo quindi è il lignaggio
rotto e la gente non si fiderebbe del
dati sicuri che l’ avvio del
fiducia che vogliamo iniziare con questo
assicurati che ci sia un lineare che noi
possiamo assicurare in modo che abbiamo la fonte
dati possiamo iniziare a fidarci dei dati
o la tua fonte ha sempre ragione
o costantemente sbagliato ma almeno noi
posso fidarmi dei dati quindi di più
punto importante è che vogliamo portarla
qui è l’idea delle serie temporali come
profondo vuoi se guardi il
sistemi di transazione tradizionali
memorizzare i dati per alcuni anni
paesi saranno sette anni a seconda
sui vari regolamenti nazionali ma se
vuoi eseguire un apprendimento approfondito e
algoritmi di apprendimento automatico hai bisogno di molto
più dati più la profondità è migliore
in entrambi i casi, in alcuni casi lo sarà
decrementale ma il più possibile
a seconda dei casi d’uso, il nostro tempo
serie di cose il più profondo possibile provare
alcuni casi stiamo andando fino a dieci anni
di dati quindi è l’idea di universale
dati di cui poi abbiamo detto ok hai ottenuto il
dati di origine
Non sto generando alcun intuito
o non sono nemmeno aggregato
consolidata Io non ho fatto ancora
ecco dove è la prima elaborazione
inizia così introdurre l’idea di a
dati aziendali Lake è di nuovo un’idea
non è una cosa fisica perché è ancora
siede nel lago dati universale ma è
dove iniziamo l’elaborazione in a
funzione particolare per esempio
marketing marketing potrebbe essere interessato a
una serie di filiere kaypea può essere
interessato a un altro insieme di KPI o nd
potrebbe essere in cerca in determinati KPI
ecco perché ho introdotto l’idea di a
dati aziendali Lago di nuovo un logico arriva
quello si siede sul fisico letteralmente ora
che abbiamo fatto questo abbiamo il
dati sorgente abbiamo il processo di kpi
eccetera ora possiamo servire in una volta
l’analisi attraverso i nostri prodotti sia
tramite API sono i dashboard naturali
elaborazione del linguaggio abbiamo in realtà PNL
interfaccia ad altre analisi
recentemente abbiamo fatto delle C purosene
Dimostrare questa capacità che parlano
sui beni a movimento lento possiamo prevedere
merci che si muovono lentamente prima che diventino
idea molto interessante di merci a movimento lento
non è giusto se lo sai questo
un particolare prodotto è un movimento lento
prodotto prima che diventi lento movimento I
piuttosto non farò maggiore
investimento nel prodotto quindi penso
in cosa credi in questa idea?
è questo sta per sbloccare completamente
e creare la democrazia di cui abbiamo parlato
sia per i dati che per l’ analisi, quindi
la domanda è perché ora e perché cosa sono
alcune delle facilitazioni di impedenza per questo
tecnologia penso che tu sappia oggi che siamo
l’incrocio con perpetuo
scalabilità con una nuvola che fornisce il
capacità di base per i dati
posato e gli algoritmi che in esso possono
corri sulla scala infinita che noi ora
avere a disposizione attraverso il cloud
calcolo penso che tu sappia il ml e
l’apprendimento profondo ora è qui guardando il
il grafico non è di 30 anni da oggi 20 anni
da ora Israele in questo momento è disponibile
ad un prezzo che è economico per
tutti noi per democratizzare i dati e
intuizioni ma allo stesso tempo ci sono
alcune cose che saranno davvero
ingombrante per noi
prima e soprattutto la porosità spinta giusto
come siamo in sempre più fonti di
dati se non si ha fiducia nel
dati a cui nessuno si fiderà del
analisi ne viene fuori così uno di
le cose che mi tengono sveglio sono
come faccio ad assicurarmi che i nostri dati sul lago
non diventa velum do Lake come a
palude se sai che non eri da
Balaalore pregiudica gli esseri umani giusti come
creano i modelli il pregiudizio
naturalmente arriva, rompe le persone
lo mancava perché c’era un nascosto
pregiudizio, credo che ci sia una battuta su
chi andrà ai fagioli?
beh, la coppa Germania che tutti hanno previsto
La Germania, anche se punto dotare di conferenza
creato quell’algoritmo che c’era
pregiudizi inerenti che hanno vinto il mondo
Coppa l’ ultima volta e sono i preferiti
hanno predetto quel pregiudizio intrinseco
mi tiene sveglio la notte e poi il recente
uno è la perdita di residenza dei dati che sta arrivando
molto diversi paesi Cina Russia come
recentemente come Vietnam due settimane fa e
ora India stanno tutti cercando di creare
confini in termini di dove i dati
viene memorizzato esclusivamente per la giurisdizione
scopi in modo che possano avere accesso a
i dati e questo avrà un
impatto su questa strategia, ma lo siamo
osservandolo molto attentamente perché la maggior parte di
i dati che abbiamo inserito in questo momento non lo sono
dati personali identificabili così sei
Va bene ma qualcuno diventa PII dati da noi
avrà un impatto così appena avvolgetelo I
pensa che l’idea di un dato Lake sia a
enorme sblocco quando vieni dal
tradizionale essere in grado di guardare
analisi predittiva e prescrittiva
e infine automatizzare il processo decisionale
in futuro penso che ci sia una grande
potenziale con le reliquie grazie
unisciti a questa società di cui quasi eri
sette mesi fa o nove mesi fa ora
161.000
dipendenti 190 paesi e se si guarda
alla nostra tuta di prodotto siamo d’accordo
dovrebbe in ogni mercato che operiamo così
parla della quantità di dati che questo
la compagnia genera internamente puoi vedere
alcune statistiche qui penso che generiamo
anche se guardi il modo in cui corriamo
la nostra azienda finora comincia con i dati
tutto inizia con i dati così
è lì che sai come ci avviciniamo
guardando la missione AI che impara in profondità
imparare è davvero imperativo come noi
costruire alcune capacità di base
sfruttando i dati quindi se guardi guarda
nel nostro approccio alla tecnologia in
Unilever abbiamo molte tecnologie come
qualsiasi grande società trenta tecnologia
piattaforme pubblichiamo letteralmente circa 100.000
Da usare come supporto su base giornaliera
questi sono colletti bianchi che usiamo i nostri
la piattaforma tecnologica ha circa 28 anni
petabyte di dati oggi in crescita
esponenzialmente su una media di pochi
petabyte ogni trimestre e come hai detto tu
abbiamo circa 190 paesi ma
sicuramente una sorta di circa 900 collegati
dimensione con le nostre fabbriche con i nostri utenti
tranne ecc. quindi la tecnologia è al
cuore come un DNA dell’azienda da gestire
questo e quando hai la tecnologia
i dati seguono attraverso di essa quindi cosa c’è
il nostro approccio alla tecnologia penso a tutti
la trasformazione digitale inizia con a
messaggio o figura che non puoi semplicemente fare
tecnologia per amore della tecnologia
giusto devi capire qual è il
valore della tecnologia che sono i cervelli
guida la società se è il
crescita superiore o la linea di fondo
trappola dell’uscita di risparmio
così nell’unità bene è sempre conditeli con
scopo giusto siamo tutto ciò che noi
fare è avere fiducia con lo scopo e che cosa
significa per i nostri utenti finali e consumatori e
clienti e costruire su quello da costruire
definire quali prodotti e innovazioni
voglio portare al mercato sia nel nostro
prodotti per la cura della persona un’assistenza domiciliare
prodotti o o cibo e bevande
capacità e costruire quella in cima
quello senza cultura e abilità te
quasi dove ha una cultura davvero unica
essere in attività in 190 paesi
a volte si sente come 200 culture ma
c’è un tema di fondo che guida
che è qui dove torniamo di nuovo
il nostro scopo e apprezzare la nostra tecnologia
le operazioni sono davvero più grandi
abbiamo parlato e la piattaforma è
piuttosto grande ma la linea di fondo è come abbiamo detto
la piattaforma digitale è tutto ciò che è
il valore della tecnologia sottostante
significa per la tabella non sulla tecnologia
segnalando il DA in un fanale posteriore nel
bene a destra non vogliamo essere in questo
spazio vogliamo guardare alla tecnologia come a
fondamento come capacità di guidare il
valore per l’azienda così tanti di voi
potrebbe aver visto questo che molti di voi sanno
che la parola intelligenza artificiale
sono stati coniati a Dartmouth nel 1956, penso
la visione di quel Dartmouth
la conferenza è tutto su come si fa
replicare gli esseri umani giusto abbiamo visto il
prima incarnazione su umanoidi o il
2001 spazio quindi è il computer Hal
che tu abbia visto o persino il
Film Terminator in cui il Terminator
personaggi eccetera ma penso che tu sappia
sono anche fantascienza, io
penso che siano ancora lontani da
ottenere quelle cose anche nella realtà
il tema di oggi intorno al 2030 dove i miei ragazzi
abbiamo parlato di come saremo lì in giro
venti e trenta per ottenere quella parità, ma io
pensiamo di avere cibo vecchio noi lungo abbastanza
fortemente da dove siamo partiti nel 1956
sull’intelligenza artificiale a più
basato su realistico invece di
replicando il cervello umano come si porta
quel processo di pensiero al mondo in
le macchine che sfruttano le macchine
con l’evoluzione o l’apprendimento automatico e
Apprendimento profondo Penso che tu sappia che abbiamo avuto
un ottimo punto per affrontare quel 2030
problema che il palco se lo sei
parlando oggi tornerò su questo a
la fine del discorso per riflettere di nuovo
perché ora giusto perché abbiamo parlato
su questo 50 anni in realtà 70 anni
e sono sicuro che ne parleremo per questo
i prossimi 50 anni
ma perché questo è diventato estremamente
critico e anche ora diventi pervasivo
i sistemi su larga scala che abbiamo costruito noi
conoscere le funzionalità di BI tradizionali ma BA
le capacità ti portano solo fino a te
può avere ragione aiuta a eseguire il
compagnia ti dice solo quello che è successo
quello che potrebbe essere successo non lo dice
come ottimizzare come prevedere
il futuro se guardi i set di dati
come si sta molto come hai detto 30
piattaforme che genera 22 petabyte di
dati ma sono tutti molto silos giusti
cercando di dare un senso al
i dati attraverso i sistemi sono stati molto
difficile per
e abbiamo anche una grande azienda
un silos di campagna che hai funzionale
silos ecc e c’è una proprietà dei dati
dentro quei silos che li portano tutti
insieme è un viaggio per noi
e allo stesso modo i dati sono seduti
mancanza di sistemi diversi sistemi diversi
di interfacce appropriate ecc. ottenendo l’accesso
ai dati è davvero doloroso per noi e
soprattutto mi piacciono tutti i sistemi di BI
potresti aver visto persone iniziare
interrogando i rapporti che genera
perché se i dati sono se non sei
sicuro dei risultati che stai cercando
per se il primo istinto sta per
domanda che i dati sono oh non mi fido
i dati quindi inizi a creare rapporti
prova i tuoi dati e il rapporto che tu
produrre ed è un ciclo infinito noi
sono a quel punto di svolta di
fondamentalmente cambiando la mentalità su
come ti allontani dall’istintivo
approccio al processo decisionale ai dati
approccio guidato penso che sia qui
le aziende rendono significativo
investimento in realtà non solo creando
il cambiamento culturale sul passaggio ai dati
approccio guidato e per aiutarlo a migrare
a tale approccio costruisci le fondamenta
con la tecnologia è per questo che chiamiamo
è un’opportunità significativa per noi
guardando tutte queste aree come un olistico
credo che tu sappia che la maggior parte di voi sia dentro
la stanza deve essere molto familiare
soprattutto la paura da IT o se lo sei
gestire un dipartimento IT correttamente
tradizionalmente è sempre iniziato con
la strada del ritorno negli anni ’80 e ’90 è cosa
chiamiamo bi tradizionale o bi tecnico
ma se abbiamo bisogno di un rapporto se necessario un pezzo
di informazioni che chiami i tuoi amici
IT e produrranno un report per
tu e tu sai che è continuato per a
mentre e poi la gente si è frustrata come
l’intervallo di tempo per produrre il report
ha iniziato ad andare più o meno lungo e uniforme
è diventato un progetto mensile trimestrale
progetto attraverso progetti annuali e
a volte sono nella nostra storia attiva
sono necessari anni per ottenere una relazione giusta
e tutti abbiamo visto che poi la tecnologia ha
passò a produrre più di a
self-service bi ok ecco un pezzo di
dati ti darò accesso ai dati voi
genera le tue intuizioni ti penso
sapere dove siamo nel momento dell’uva passa
con la maturità della tecnologia e
la disponibilità dei dati che possiamo ora
siamo un perfetto punto di svolta per
democratizzare dati e approfondimenti per
tutti nell’organizzazione
come ho detto 110.000 colletti bianchi in
la nostra azienda immagina di dare il potere di
i dati nelle loro mani che possono
generare le proprie intuizioni da
se stessi per fare meglio il lavoro penso
è dove siamo e cosa sei
andando a parlare un po ‘di oggi
è l’idea di un lago di dati come ciò sia
per aiutare a cambiare questo paradigma per
Unilever solo se hai sentito il termine dati
Lago okay, quindi penso che sia un
riso significativo per le mani se in altri modi
inizia a pensare se stiamo parlando
su ciò che è un dato in ritardo penso che tu sia
in termini più semplici dati Lake è un’idea
dove inserisci qualsiasi tipo di dati
forma dimensione colore qualunque cosa tu voglia
chiamalo portalo in un posto dove
puoi iniziare a dare un senso a questo
se il deplianing dell’apprendimento automatico
qualunque cosa tu voglia chiamarlo ma avere
in un unico luogo di tutti i tipi di dati I
penso che sia un potente cambio di paradigma
da dove eravamo venuti
tradizionalmente eravamo usati i nostri dati
tecnologia di magazzino in cui si trovano i dati
estremamente normalizzato penso che ci sia stato un
termine che spesso accompagna i dati
magazzini come Hotel California giusto
puoi solo metterlo dentro non puoi mai
tirarla fuori non si può mai lasciare i dati
magazzino quindi penso che ci sia un’idea per
dati Lake ci libera dalle
vincoli che avevamo sui dati
magazzini soprattutto come il volume di
i dati esplodono, voglio dire guardare al nostro
dati giusto 22 petabyte di dati ci sono
nessuna tecnologia nel data warehouse che può
tenere il tipo di dati e generare il
analisi che stiamo cercando finora
chi ti ha avvicinato a battere Diagnostics
e analitica descrittiva cosa è successo
perché è successo
ecc. ma non riguardo al futuro, cosa posso fare
fare con quella decisione ecc così che è
dove l’idea che viene la perdita di dati
davvero potente abbiamo passato molto tempo
cercando di capire cos’è una perdita di dati
nel costrutto consegnato è uno
gamba è più gambe perché ogni
il paese ha iniziato a chiedere ok ho bisogno di una gamba
per me stesso e la nostra funzione è iniziata
chiedendo alla nostra ferita sai che abbiamo fatto nostro
gamba allora è una specie di sconfitte nel suo complesso
scopo di un collegamento dati dati Lake corretto
deve essere universale
se vuoi democratizzare i dati e i nostri
intuizioni per tutti, ecco perché noi
ha preso una posizione molto dura
fossi veramente scala che andremo a
avere un dato fisico Lake che sta andando
per avere tutti i dati in modo uniforme
qualunque cosa produca , continuerò
per produrre altri dati esterni come
I Kantas di Nielsen sono tutti esterni
fonti Chatters sociali che vogliamo
preoccuparsi del nostro comportamento del consumatore personalizzato
vuoi portare tutti quei dati in
questa piattaforma è la ragione per cui l’abbiamo chiamata
Dati universali Lake ce ne sono due
aspetti importanti di questi dati come dati
innanzitutto è archiviato in questo
forma nativa perché vogliamo essere sicuri
i dati che riceviamo da a
fonte particolare hey ci è a
dati della catena di approvvigionamento o di feed twitter se
modifichiamo la forma dei dati prima
lo elaboriamo quindi è il lignaggio
rotto e la gente non si fiderebbe del
dati sicuri che l’ avvio del
fiducia che vogliamo iniziare con questo
assicurati che ci sia un lineare che noi
possiamo assicurare in modo che abbiamo la fonte
dati possiamo iniziare a fidarci dei dati
o la tua fonte ha sempre ragione
o costantemente sbagliato ma almeno noi
posso fidarmi dei dati quindi di più
punto importante è che vogliamo portarla
qui è l’idea delle serie temporali come
profondo vuoi se guardi il
sistemi di transazione tradizionali
memorizzare i dati per alcuni anni
paesi saranno sette anni a seconda
sui vari regolamenti nazionali ma se
vuoi eseguire un apprendimento approfondito e
algoritmi di apprendimento automatico hai bisogno di molto
più dati più la profondità è migliore
in entrambi i casi, in alcuni casi lo sarà
decrementale ma il più possibile
a seconda dei casi d’uso, il nostro tempo
serie di cose il più profondo possibile provare
alcuni casi stiamo andando fino a dieci anni
di dati quindi è l’idea di universale
dati di cui poi abbiamo detto ok hai ottenuto il
dati di origine
Non sto generando alcun intuito
o non sono nemmeno aggregato
consolidata Io non ho fatto ancora
ecco dove è la prima elaborazione
inizia così introdurre l’idea di a
dati aziendali Lake è di nuovo un’idea
non è una cosa fisica perché è ancora
siede nel lago dati universale ma è
dove iniziamo l’elaborazione in a
funzione particolare per esempio
marketing marketing potrebbe essere interessato a
una serie di filiere kaypea può essere
interessato a un altro insieme di KPI o nd
potrebbe essere in cerca in determinati KPI
ecco perché ho introdotto l’idea di a
dati aziendali Lago di nuovo un logico arriva
quello si siede sul fisico letteralmente ora
che abbiamo fatto questo abbiamo il
dati sorgente abbiamo il processo di kpi
eccetera ora possiamo servire in una volta
l’analisi attraverso i nostri prodotti sia
tramite API sono i dashboard naturali
elaborazione del linguaggio abbiamo in realtà PNL
interfaccia ad altre analisi
recentemente abbiamo fatto delle C purosene
Dimostrare questa capacità che parlano
sui beni a movimento lento possiamo prevedere
merci che si muovono lentamente prima che diventino
idea molto interessante di merci a movimento lento
non è giusto se lo sai questo
un particolare prodotto è un movimento lento
prodotto prima che diventi lento movimento I
piuttosto non farò maggiore
investimento nel prodotto quindi penso
in cosa credi in questa idea?
è questo sta per sbloccare completamente
e creare la democrazia di cui abbiamo parlato
sia per i dati che per l’ analisi, quindi
la domanda è perché ora e perché cosa sono
alcune delle facilitazioni di impedenza per questo
tecnologia penso che tu sappia oggi che siamo
l’incrocio con perpetuo
scalabilità con una nuvola che fornisce il
capacità di base per i dati
posato e gli algoritmi che in esso possono
corri sulla scala infinita che noi ora
avere a disposizione attraverso il cloud
calcolo penso che tu sappia il ml e
l’apprendimento profondo ora è qui guardando il
il grafico non è di 30 anni da oggi 20 anni
da ora Israele in questo momento è disponibile
ad un prezzo che è economico per
tutti noi per democratizzare i dati e
intuizioni ma allo stesso tempo ci sono
alcune cose che saranno davvero
ingombrante per noi
prima e soprattutto la porosità spinta giusto
come siamo in sempre più fonti di
dati se non si ha fiducia nel
dati a cui nessuno si fiderà del
analisi ne viene fuori così uno di
le cose che mi tengono sveglio sono
come faccio ad assicurarmi che i nostri dati sul lago
non diventa velum do Lake come a
palude se sai che non eri da
Balaalore pregiudica gli esseri umani giusti come
creano i modelli il pregiudizio
naturalmente arriva, rompe le persone
lo mancava perché c’era un nascosto
pregiudizio, credo che ci sia una battuta su
chi andrà ai fagioli?
beh, la coppa Germania che tutti hanno previsto
La Germania, anche se punto dotare di conferenza
creato quell’algoritmo che c’era
pregiudizi inerenti che hanno vinto il mondo
Coppa l’ ultima volta e sono i preferiti
hanno predetto quel pregiudizio intrinseco
mi tiene sveglio la notte e poi il recente
uno è la perdita di residenza dei dati che sta arrivando
molto diversi paesi Cina Russia come
recentemente come Vietnam due settimane fa e
ora India stanno tutti cercando di creare
confini in termini di dove i dati
viene memorizzato esclusivamente per la giurisdizione
scopi in modo che possano avere accesso a
i dati e questo avrà un
impatto su questa strategia, ma lo siamo
osservandolo molto attentamente perché la maggior parte di
i dati che abbiamo inserito in questo momento non lo sono
dati personali identificabili così sei
Va bene ma qualcuno diventa PII dati da noi
avrà un impatto così appena avvolgetelo I
pensa che l’idea di un dato Lake sia a
enorme sblocco quando vieni dal
tradizionale essere in grado di guardare
analisi predittiva e prescrittiva
e infine automatizzare il processo decisionale
in futuro penso che ci sia una grande
potenziale con le reliquie grazie
Please follow and like us: