Tech Inconnu Avec Kirk Borne: Des îles reliées à l'innovation

Tech inconnu | Épisode 2

Avec l’invité Kirk Borne et l’animatrice Tamara McCleary

«Lorsque vous commencez à rechercher des points de jonction, ces intersections entre les différentes collections de données en silos et départements, vous serez peut-être surpris de ce que vous pourrez découvrir. 19659004] – Kirk Borne, expert principal en données et conseiller exécutif, Booz Allen Hamilton

La plupart des entreprises ont réduit au silence les départements qui poursuivent leur transformation numérique de manière indépendante, créant ainsi des «îlots d'innovation» dans l'ensemble de l'entreprise. Cet épisode explique comment unifier ces efforts dans une stratégie cohérente visant à développer une entreprise intelligente.

Que pourrait faire votre entreprise si vous contrôliez totalement vos données? Dans le cas de la NASA, c’est la transformation des données qui a rendu le télescope Hubble et d’innombrables autres découvertes étonnantes possibles. Notre invité cet épisode, Kirk Borne, était là quand c'est arrivé. Il a commencé sa carrière en tant qu’astrophysicien en combinant des jeux de données provenant de multiples domaines de façon sans précédent.

Les travaux de Kirk sont désormais plus simples. Dans cet épisode, il explique comment les entreprises peuvent «démocratiser les données» dans l'ensemble de l'entreprise. Et il explique comment la transparence des données associée à des analyses intelligentes peut conduire à de nouvelles efficiences, à de meilleures expériences des clients, voire à de nouveaux modèles commerciaux.

"La clé est ce concept de la culture de l'expérimentation, qui permet aux gens d'expérimenter des données."
– Kirk Borne, scientifique principal et conseiller principal en matière de données, Booz Allen Hamilton

Ecouter, apprendre

• Comment briser les silos de données pour favoriser l'innovation
• Les avantages de «l'ingénierie de mission» par rapport à « ingénierie système »
• Comment la démocratisation des données améliore l'expérience client
• Comment les entreprises peuvent se préparer pour l'avenir de la transformation numérique des données

À propos de notre invité:

Kirk Borne est un scientifique principal et conseiller principal chez Booz Allen Hamilton. Il est un conférencier mondial, un consultant, un défenseur de la maîtrise des données et un astrophysicien.

«Le succès de l'organisation repose sur sa mission et non sur des systèmes individuels.»
– Kirk Borne, scientifique principal et conseiller exécutif en matière de données, Booz Allen Hamilton (Cliquez pour Tweet)

Découvrez notre futur épisode

Explorez l'avenir de l'analyse avec Timo Elliott: Cliquez ici pour écouter .

Épisode 2: Transcription

Tamara: Vous savez, la plupart des entreprises ont cloisonné leurs départements, n'est-ce pas? Combien d'entre vous peuvent complètement me comprendre sur ce morceau? Et ces départements cloisonnés étudient réellement la transformation numérique de manière indépendante, ce qui, nous le savons tous, ne fonctionne pas et crée des îlots, des îlots d’innovation dans ces parties disparates de l’entreprise tout entière. Dans cet épisode, nous allons discuter de la manière d’unifier et de regrouper ces efforts dans une stratégie cohérente visant à développer une entreprise intelligente. Et je suis très heureux de présenter pour cet épisode, Kirk Borne. Et Kirk est en fait l’un des principaux chercheurs en données chez Booz Allen. Il est un conférencier, consultant et astrophysicien mondial, scientifique de l’espace, conseiller en Big Data et science des données, conférencier TEDx, chercheur, blogueur, défenseur de la maîtrise des données et influent de premier plan dans le monde depuis 2013. Whoo, Kirk. Kirk Borne, merci beaucoup de vous être joint à nous.

Kirk: Tamara, merci beaucoup. Wow, est-ce vraiment de moi que vous parlez?

Tamara: Eh bien, vous savez, vous êtes en fait le premier spécialiste des fusées que nous avons eu dans la série et vous avez un diplôme en astrophysique. Je dois dire, vous savez, qu'avez-vous appris de vos études qui portent sur le Big Data?

Kirk: Eh bien, je dirais, tout d'abord, la science de la science les données, la science des données, est vraiment un processus scientifique, et donc obtenir un diplôme en sciences entraîne certainement à penser ainsi. L’une des façons que j’aime y penser est donc l’opposé de ce que pourrait être l’analyse traditionnelle, l’analyse de données. Ainsi, l’analyse des données consiste souvent à vous poser une série de questions et à analyser les données pour trouver les réponses. Mais la vraie science, la vraie science exploratoire et donc la science des données consiste à trouver la bonne question dans les données. Donc, il ne s'agit pas de répondre aux questions qui vous ont été posées, mais de trouver les questions que vous devriez poser et qui pourraient se présenter sous différentes formes. Par exemple, si vous observez un modèle intéressant, une tendance intéressante, vous voyez peut-être des grappes émergentes dans les données, de nouveaux segments, des valeurs aberrantes, des anomalies, tout cela devrait éveiller votre curiosité en tant qu'être humain naturel, vous dites: Wow, pourquoi est-ce? Qu'est-ce que cela fait? Pourquoi est-ce arrivé? »

Cette curiosité, cette question de la génération de questions de la science des données est ce qui m'excite vraiment parce que c'est exactement ce que j'ai fait en tant qu'astrophysicien pour recueillir des données des étoiles et des galaxies. et l'univers et, vous le savez, nous essayons de répondre à certaines questions que nous avions, mais ces questions étaient réellement basées sur une hypothèse que nous avions de la façon dont les choses fonctionnaient dans notre univers. Et lorsque nous collectons les données, cela confirme parfois votre hypothèse et parfois non. C’est la même chose que nous faisons en science des données dans de nombreuses disciplines différentes, pas seulement en astrophysique. Donc de toute façon, je trouve que les deux sont assez fortement parallèles et qu’ils ne sont pas si éloignés que vous pourriez le penser.

Tamara: Qu'est-ce qui vous a donc beaucoup attiré dans la science des données et a attiré votre attention et vous a dit: «C’est ce que je veux être»?

Kirk: Eh bien, remontant dans ma jeunesse, j'ai reçu un cadeau lorsque j'avais neuf ans, un cadeau de Noël d'un membre de la famille qui était un livre d'astronomie et il était très coloré. , de beaux dessins, et ce n’était évidemment pas très technique pour un enfant de neuf ans. Mais j'étais tellement inspiré par les choses que j'ai vues là-bas. J'ai dit: «Je veux faire cela pour gagner ma vie. Je veux étudier ce genre de choses. Je veux apprendre en quoi cela consiste. »Et je me suis donc fixé comme objectif de pouvoir atteindre, vous savez, le poste où je suis allé aux études supérieures, où j'ai obtenu un doctorat. en astrophysique à Caltech, la première école d’astronomie et de troisième cycle au monde, et toutes les images que j’ai vues dans ces premiers livres lorsque j’étais à l’école provenaient de l’observatoire du mont Palomar, géré par Caltech, que j’ai pu visiter. Donc c'était une grande inspiration et ça a été fait.

Ainsi, pendant de nombreuses années, en fait… et vous parlez spécifiquement de la science des données, il y a eu un moment de transformation dans ma vie il y a environ 20 ans. Je serais heureux de partager si vous voulez un peu d'histoire ici.

Tamara: Oui, s'il vous plaît.

Kirk: Donc, pour que cela ait un sens, je dois révéler en quelque sorte mon âge, car littéralement, j'ai 20 ans en astrophysique, je faisais de belles choses dans cette profession, recueillant des données, analysant des données, effectuant mes recherches en astrophysique, mais mes travail de jour qui payait les factures, je travaillais à la NASA, l'agence spatiale, et ce travail de jour consistait à construire et à exploiter des systèmes de données permettant aux scientifiques d'accéder à toutes les données provenant des missions spatiales de la NASA. Et donc mon travail de jour était des données et mon travail de nuit était des données, j'étais entouré et je vivais avec des données tout le temps. Et il y a environ 20 ans, nous avons obtenu ce nouvel ensemble de données que nous collections les ensembles de données des différents scientifiques qui faisaient des expériences sur ces missions spatiales de la NASA. Ils nous envoient leurs données pour les conserver dans une bibliothèque numérique et l'un de ces ensembles de données. nous est arrivé, ce qui représentait à lui seul plus de deux fois la taille des 15 000 autres jeux de données que nous avions combinés.

Ainsi, en un jour, nous sommes passés de moins d’un téraoctet de capacité de données du centre de données à nécessitant deux téraoctets supplémentaires pour gérer cette nouvelle fonctionnalité, il suffit donc d’en ajouter un de plus aux 15 000. Et bien, nous n’avons finalement pas collecté cet ensemble de données, car c’était trop stressant pour le système à cette époque. Mais je me suis dit: «Que peut-on faire avec autant de données?» Je veux dire, je n'avais même jamais imaginé autant de données auparavant. Et donc un de mes amis m'a parlé de cette chose appelée «exploration de données», vous savez, j'ai dit: «Gee, c'est une combinaison intéressante de deux mots, data et mining.» Et ça, je n'ai jamais… c'était littéralement , Il y a 22 ans. J'ai donc commencé à étudier cela et découvert ce domaine appelé apprentissage automatique, qui est essentiellement ces algorithmes mathématiques qui apprennent des modèles et des données, vous savez, reconnaître des modèles, construire des modèles prédictifs, des modèles de classification, des modèles de regroupement, toutes sortes de données à partir de données. Et depuis que je suis astrophysicien, j'ai eu un million d'années de mathématiques dans ma formation, donc j'aime les mathématiques et c'est… donc l'apprentissage automatique était mathématique et j'ai dit: «Bon Dieu, c'est vraiment génial."

Je me trouvais donc un jour dans mon bureau de la NASA. Un courrier électronique a été envoyé sur ma ligne et le message portait sur une discussion à midi sur l’exploration de données. D'accord, c'est assez intéressant. Nous discutions tous les jours à l'heure du déjeuner, parfois deux ou trois chaque jour lorsque j'étais à la NASA, ce n'était pas inhabituel, mais ce qui était inhabituel était le fait qu'il se concentrait sur ce sujet même que je questionnais, l'extraction de données.

Un chercheur d'IBM a donc donné une conférence. Alors je dis: «Je vais y aller et voir si je peux apprendre quelque chose.» Alors je suis allé à cette conférence et je jure à ce jour qu'elle était la, je ne me souviens pas du nom de la scientifique mais elle a donné la meilleure présentation de sa façon de faire que je n’ai jamais vue. Je veux dire, j’ai tellement appris à parler en public pendant cette heure parce que c’est ce qu’elle a fait. Elle passa la première demi-heure à remplir le tableau avec des équations. Après avoir rempli le tableau avec les mathématiques, elle s'est arrêtée, s'est retournée pour faire face à son public et nous a dit: «Je vais maintenant vous parler de notre programme de stages d'été au Centre de recherche IBM Watson.» Et vous auriez pu entendre une épingle déposer dans la salle comme, "Quoi? Ici, nous avons cette conversation très mathématique et elle va nous parler de leur programme de stage d’été? »Vous savez, j’étais comme quoi, quoi? Je veux dire, la transition était comme: qu'est-ce qui se passe ici? En tout cas, alors, encore une fois, elle était très, très réfléchie, intelligente et s'arrêtait aux endroits appropriés, je l'appelle la pause enceinte. Donc, après avoir dit cela, elle a dit: "Oui." Elle lisait probablement dans nos pensées, c’est probablement ce qui se passait. Quoi qu'il en soit, elle a dit: «Oui, nous enseignons cela aux stagiaires du secondaire dans le cadre de notre programme d'été au centre-ville de New York."

Tamara: Wow.

Kirk: Et je me suis dit: “Oui, d'accord. Vous enseignez cela, quel doctorat les scientifiques dans la salle en ce moment sont en train de tout bousculer, aux lycéens? ", a-t-elle déclaré " Oui, nous enseignons ce genre de choses dans le contexte du basket-ball. Ces enfants adorent le basketball. Le basketball de rue, c’est leur passion. Avant l'école, après l'école, après l'école. »Et puis, ce que nous avons fait chez IBM avait à ce moment-là ce progiciel appelé Advanced Scout qu'IBM vendait essentiellement à l'association de basket-ball professionnelle. Chaque équipe possédait ce logiciel qui, en gros, prédisait le prochain match au cours d’un match en se basant sur l’historique complet de chaque équipe. Donc, avec, vous savez, selon les joueurs sur le terrain, combien de joueurs, qu’il s’agisse d’une pause rapide, d’une passe ou d’un lay-up ou autre, du temps restant sur le chronomètre, du différentiel de score, des équipes, tous ces facteurs ont été inclus dans le modèle et ils étaient capables de prédire le prochain meilleur match pour l'offensive et à quoi s'attendre si vous êtes du côté de la défense.

Quoi qu'il en soit, elle racontait ces histoires et je lui ai dit: «Waouh! cela semble vraiment intéressant. »Puis elle a répondu:« Oui, une fois que les enfants ont compris cela, une fois que ces étudiants ont vu cette application de tous ces trucs mathématiques à quelque chose qui les passionne et qui les passionne, à savoir le basket-ball, ils ont appris les mathématiques et la science comme ils ne l'avaient jamais vue auparavant. »Alors…

Tamara: Parce que cela les concerne. Il y a ce lien personnel…

Kirk: Avec un lien personnel.

Tamara: … pour eux à ce moment-là

Kirk: Donc de toute façon, si elle s'était arrêtée là, j'aurais eu quoi Je cherchais ce crochet. Mais elle a dit autre chose après cela qui a complètement changé ma vie, et puis ce n’est pas une blague. Alors, elle a raconté toute l'histoire et elle a déclaré: «L'important, c'est de réaliser que cela transforme vraiment ces étudiants.» Elle m'a donc dit, pas à moi, à l'équipe que ces étudiants venaient de lycées de l'intérieur. ville de New York, le taux de diplomation typique dans ces écoles secondaires était inférieur à 50%, mais elle a dit que les étudiants qui suivent leur programme ont un taux de diplomation de 97%.

Tamara: Wow. Ok.

Kirk: Et je me souviens littéralement de ce jour, il y a 21 ans, je me souviens encore de la pensée que j'avais dans ma tête quand elle a dit cela. J'ai dit: «Si ce genre de choses, ce genre de fouille de données et d'apprentissage automatique a autant de pouvoir pour changer la vie des gens, je dois le faire pour le restant de mes jours."

Tamara: Wow.

L'espace dans lequel je suis enraciné est une entreprise B2B et vous regardez ces monstres, ces entreprises et, vous savez, ce que vous voyez et je sais que je vais lancer ceci là-bas. Nous utilisons tous le mot «silo», mais bon, qui n’est pas là et qui ne sait pas de quoi je parle? Nous avons ces îles, non? Maintenant, nous avons des îlots d'innovation, n'est-ce pas?

Il y a donc des employés de divers départements qui travaillent à la transformation numérique dans leur petit domaine en utilisant des mégadonnées et des analyses intelligentes, mais il n'y a pas d'initiative organisationnelle pour les unir . Et nous savons que c’est là que réside la recette secrète, à savoir l’unification, mais nous sommes toujours cloisonnés. Alors, comment conseilleriez-vous aux entreprises de commencer à briser ces silos et d’agir de manière plus stratégique?

Kirk: Je pense que l’essentiel à quoi je pense quand je pense à ces îles et à ces silos, c’est son intersection, les points où ils se croisent où la découverte se produit, où l'innovation, que la nouvelle vision se produit. Donc, si vous pensez un peu comme si je pouvais, vous savez, démolir les silos et forcer les choses, cela semble vague, cela ne semble pas très stratégique, cela semble plutôt bâclé. Mais si vous réfléchissez bien, disons que nous avons des données sur les clients, par exemple. Nous pouvons avoir des données client dans le département des ventes. Nous pouvons avoir des données sur les clients dans le service des plaintes des clients. Nous pouvons avoir des données client dans le type de réseau social que nous surveillons et avec lesquels nous interagissons. Ainsi, nous connaissons nos clients sous de nombreuses dimensions différentes, qu’ils achètent en ligne, au magasin, etc.

Et si nous commençons à nous demander: «Comment pouvons-nous relier les informations et les connaissances dont nous disposons? sur les clients à travers ces différentes dimensions, ces différents canaux? Pouvons-nous découvrir de nouvelles idées? Par exemple, les clients qui souhaitent certains types de produits, à certaines périodes de l'année, à certaines heures de la journée, dans certaines régions géographiques ". Tout à coup, vous commencez à combiner ces informations, donc en reliant les points. C’est donc ce à quoi je pense, ces îlots d’innovation sont, vous savez, de grandes collections de points. Et vous vous connectez beaucoup à l’intérieur de cette île, mais si vous pouvez commencer à la connecter à travers les îles, vous vous rendrez compte que, tout à coup, vous réalisez: «Ce segment de ma population aime vraiment ce genre de chose en ce moment de crise. année »et peut-être, qui sait? Je veux dire, je fais juste des choses ici. Cela peut être lié, par exemple, à des événements sportifs, à des vacances saisonnières ou autre. Il y a quelque chose de plus dans l'histoire que vous ne voyez pas parce que vous ne faites pas le lien entre ces différents groupes, c'est donc la connexion et l'intégration, ces points d'intersection où vous commencez à avoir une vision plus précise.

Et je repense à mes jours en astrophysique. Quand je montais à l'école d'études supérieures, il y avait une approche très cloisonnée de l'astrophysique. Je veux dire, les gens ne le réalisent probablement pas si vous n’êtes pas en astrophysique mais c’était très cloisonné. Je veux dire, il y avait des astrophysiciens théoriques dont l'observatoire était leur cerveau. Ils ont réellement réfléchi à la question et ont créé de nouvelles théories et de nouveaux modèles. Il y avait des astronomes optiques, auxquels bon nombre d'entre nous pensons quand nous pensons aux télescopes, vous savez, donc les grands télescopes de verre au sommet des montagnes, mais il y a aussi des télescopes qui examinent le rayonnement infrarouge. Il y a des télescopes qui regardent les rayons X, et les radios,… Ainsi, toutes ces branches de l’astronomie étaient silencieuses. J'ai commencé à étudier des combinaisons de données provenant de différents types d'observatoires, infrarouge, radio, rayons X et optique. Et j'allais aux conférences et j'étais la seule personne dans la salle parmi des centaines de personnes qui le faisaient. Et j'étais comme si je me sentais vraiment mal à l'aise parce que personne d'autre ne faisait ces combinaisons.

Mais quand les gens ont commencé à le faire, tout d'un coup, ces découvertes étonnantes ont commencé à se produire sur le terrain parce que tout à coup, vous avez réalisé que cette chose qui semblait totalement ennuyeuse dans un jeu de données était en fait assez intéressante dans cet autre jeu de données. Et puis quand vous avez mis les deux choses ensemble, tout à coup, vous avez eu ceci, ce que vous pensiez auparavant était une chose ennuyeuse étant une chose totalement incroyablement intéressante. Et pour que vous puissiez imaginer des produits et des clients, des événements et des services, toutes sortes de choses dans une entreprise typique, lorsque vous commencez à examiner ces points de connexion, ces intersections entre les différentes collections de données cloisonnées et les départements cloisonnés, vous serez peut-être surpris ce que tu pourrais découvrir.

Tamara: Je pense que c'est très intéressant, car lorsque vous regardez ces organisations géantes, parfois elles sont tellement grosses, la main gauche ne sait pas ce que fait la droite et vous Sachez, nous avons commencé à parler au début de cet épisode, vous parliez de poser les bonnes questions sur les données alors que beaucoup de personnes recherchent simplement les données pour manifester comme par magie des réponses à des questions qu’ils n’ont même pas posées et qui ne le font pas. Et je vous ai déjà entendu parler de cela, vous savez, l’intelligence artificielle et les stratégies de données devraient avant tout être axées sur les résultats, et je voulais savoir si vous pouviez simplement approfondir un certain degré de spécificité. résultats voulez-vous dire précisément?

Kirk: Eh bien, certains résultats sont délibérés, donc vous avez un énoncé de mission sur les buts et objectifs de votre organisation, peut-être toute votre entreprise. Et donc, si vous pouvez créer des métriques qui mesurent la performance par rapport à ces résultats, c’est ce que vous faites, mais il existe également d’autres résultats qui sont peut-être un peu plus évolutifs, comme la satisfaction du client, L’expérience client, vous savez, des choses comme celle-ci, donc qui, vous savez, est peut-être un peu moins difficile à comprendre: «Qu'est-ce que c'est?» Mais, vous le savez quand vous le voyez. Et les résultats ne sont donc pas, vous savez, "Ai-je construit le …"? C'est ce que j'ai appris à la NASA, "Ai-je construit le bon système?" Et "Ai-je bien construit le système?"

D'accord, vous savez, d'accord, nous avons donc peut-être construit une interface utilisateur pour notre boutique en ligne ou un service d'assistance ou quelque chose de ce genre dans notre entreprise. Nous avons donc construit cette chose selon certaines spécifications, mais est-ce vraiment ce que nos clients recherchaient? Répond-il vraiment aux besoins de nos clients, de ceux qui, en réalité, assurent notre sécurité financière en tant qu’entreprise? Et alors, avez-vous construit le système correctement ou avez-vous construit le bon système? Il s’agit donc vraiment de découvrir des endroits où vous n’avez peut-être pas compris les exigences du succès avant de le voir. Et puis vous dites, vous le savez quand vous le voyez. Permettez-moi de vous donner un exemple, si vous le permettez. Donc…

Tamara: Oh, s'il vous plaît, oui.

Kirk: Dans le cadre de la transformation numérique, je veux dire, c'est une jolie terme large en soi, c’est un autre terme que j’aime tisser, c’est-à-dire une sorte de démocratisation des données, ce qui peut sembler effrayant, mais il donne aux personnes à tous les niveaux de l’organisation le pouvoir de faire ce genre de choses. dont nous parlons. Je veux dire, dans le contexte, bien sûr, de la réglementation et de la conformité de qui peut regarder quelles données, bien sûr, je ne dis pas Wild, Wild West ici. Mais dans le contexte de qui a été autorisé à examiner ce qui permet aux membres de toutes les parties de l’organisation d’examiner différents jeux de données et de combiner certaines de ces combinaisons pour voir s’ils voient peut-être quelque chose d’intéressant qu’ils n’auraient peut-être pas fait autrement parce pour ainsi dire, pas dans leur description de travail.

Il y a donc cette compagnie, une compagnie aérienne en Europe qui est fondamentalement une sorte de compagnie aérienne économique que la plupart des Européens aiment utiliser. Et ils ont cette politique de démocratisation des données qui… J'ai entendu le président de cette compagnie aérienne prendre la parole lors d'une conférence. Il a déclaré qu'il autorisait tous les membres de son organisation à examiner les données de leurs clients, leurs données d'exploitation et à voir s'ils pouvaient trouver des informations. cela va améliorer leurs affaires. Et il a dit: «Nous n'avons plus de guichet, d'arrière-guichet, tout le monde est un expert en informatique», et j'ai répondu: «C'est vraiment intéressant.»

Il y avait donc une personne qui, En gros, le back office, traditionnellement ingénieur de base de données pour le back office, avait pour tâche de créer les manifestes pour tous les vols, à savoir les listes de passagers, les vols dans les avions, les affectations de siège, vous savez, les allergies alimentaires, etc. etc., etc., y compris le programme de fidélisation de la clientèle, les programmes de fidélisation, toutes sortes d'informations. Cette personne devait essentiellement créer ce manifeste pour les vols à chaque fois.

Eh bien, maintenant qu’ils ont le pouvoir de consulter les données, cette personne a remarqué un jour, en regardant ce manifeste de vol, que l'une de leurs clientes les plus fidèles, elle volait en avion avec son enfant, sa fille, âgée de 10 ans, utilisant l'un des billets compagnon, l'un des billets gratuits accompagnant les clients fidèles. obtenir. C'était donc intéressant, mais ce que la personne a remarqué, c'est que la date de naissance de la fille qui a été enregistrée dans la base de données a coïncidé avec la date du vol.

Tamara: Oh,

Kirk: Et si normalement, l'histoire continue, l'histoire continue, et encore une fois, peut-être que j'embellis ceci, mais l'histoire se passe comme suit: dans un environnement de travail normal en silos , cette personne pourrait dire, vous savez, que l’ingénieur de la base de données du bureau administratif pourrait dire «c’est intéressant» et poursuivre son travail, non? Mais ils ne l’ont pas fait, ils ont été habilités à faire quelque chose avec les données.

Alors j'ai dit: «Waouh. C'est amusant et intéressant. Que pouvons-nous faire à ce sujet? »Alors, la voilà, et là encore, j’élabore ici, mais je ne connais pas tous les détails. Elle a alors contacté un membre de l'équipage de conduite ou, vous le savez, via des canaux, et a finalement fini par obtenir cette information entre les mains de l'équipage de conduite pour ce vol particulier. Alors ils sont allés acheter un petit gâteau, peut-être 5 dollars, et pendant le vol, ils sont sortis et ont chanté «Joyeux anniversaire» pour la petite fille avec le gâteau dans l'avion et ils ont vu… Ce président de l'entreprise qui Il racontait cette histoire: «Vous ne croiriez pas le sentiment social incroyablement positif qui a éclaté en Europe pour notre compagnie aérienne ce jour-là, lorsque les gens ont posté toutes ces vidéos de tout le monde dans l'avion chantant et à quel point cette compagnie aérienne est merveilleuse pour célébrer le anniversaire », a-t-il déclaré.« Pour un investissement de 5 dollars, le sentiment et l'engagement positifs des clients étaient incroyables. »Je veux dire, il n'y avait tout simplement aucun retour sur investissement, vous pouvez dire, un investissement de 5 dollars pour un continent. célébration à l'échelle mondiale de ce que cette compagnie aérienne a fait ce jour-là.

Tamara: Bien. Vous savez, ce dont vous parlez est intéressant, et donc, nous parlons ici, vous savez, de relier des îlots d'innovation et d'entreprise intelligente. Ce qui est vraiment intéressant, c'est que vous avez évoqué quelque chose de si humain…

Kirk: Et simple.

Tamara: … un anniversaire et un gâteau d'anniversaire, vous savez?

Kirk: C’est simple. [crosstalk 00:31:07] Ce n’est pas un réseau de neurones qui a fait cela, c’est l’humanité de la personne travaillant avec les données qui l’a vue.

Tamara: C'est absolument le meilleur des cas d'utilisation. Vous savez, je me demande comment les entreprises peuvent s'unir, selon vous. Je veux dire, nous parlons de données, n'est-ce pas? Ceci est votre spécialité. Comment peuvent-ils unir des données frontales, telles que les interactions client, avec des données finales, les métriques vérifiant les performances?

Kirk: Eh bien, j’ai écrit à ce sujet récemment. Je parle du yin et du yang des données. Je veux dire, il y a des données qui arrivent sur le front-end, ensuite nous avons des métriques sur le back-end qui mesurent la performance des analyses que nous effectuons par rapport à ces données. C’est donc vraiment un exercice d’équilibre, car vous savez, vous pensez savoir pour quoi vous collectez vos données et vous concevez des métriques par rapport aux résultats attendus, mais il existe ensuite des résultats différents, comme celui que je viens de décrire, ce jour-là, il n'avait pas été prévu de créer un sentiment positif et positif auprès des clients sur les médias sociaux, alors qui savait qu'ils étaient censés mesurer les statistiques des médias sociaux ce jour-là, n'est-ce pas? Donc, vous ne savez jamais vraiment avec certitude si vous mesurez la bonne chose ou si vous collectez la bonne chose. Et donc, vous suivez un peu la corde raide de la mesure et de la performance contre les données, puis vous modifiez les choses, vous savez, pour bien faire les choses.

Donc, je pense que la clé pour tout cela est: Ce concept de culture d'expérimentation que vous permettez, vous le savez, aux gens d'expérimenter des données. Et puis, encore une fois, cela reste dans les limites de la conformité et des restrictions réglementaires sur l’utilisation des données. Ce n’est pas, vous savez, je ne dis pas que vous devez sortir du cadre de cela, mais dans les limites où vous devez utiliser et intégrer des données, faites-le. Encore une fois, je reviens à ce que j'ai dit plus tôt au sujet de l'intégration ou de la recherche des intersections. Ainsi, par exemple, connectez simplement les points entre les différents clients, événements, comportements, résultats, les différentes sources de données que vous possédez et voyez s'il existe une sorte de connectivité qui, vous savez, une sorte de tissu qui se matérialise, si je puis dire, c'est comme ça. Il n’ya pas que des points isolés, il existe un lien entre ces points qui vous raconte une histoire.

Tamara: C’est ça, raison de relier ces points pour raconter une histoire. Vous savez, quel rôle une plate-forme numérique de données peut-elle jouer dans la connexion, vous savez, les îles de l'innovation dont nous avons parlé?

Kirk: La ​​plate-forme de Je suis cet endroit paradisiaque où vous conservez ces données et je dis toujours aux gens que, toutes mes années à la NASA, nous étions en train de gérer des systèmes de données, essentiellement une bibliothèque numérique, et que je canalisais donc mon bibliothécaire intérieur. Je veux dire, j'ai vraiment trouvé que je l'aimais. Je veux dire, être capable de collecter les données, de les annoter, de les étiqueter, en créant essentiellement l'équivalent d'un catalogue, un catalogue de données, afin de permettre aux scientifiques de découvrir et de trouver des données pertinentes pour leurs questions et leurs cas d'utilisation. Et c’est le rôle de bibliothécaire dans lequel vous savez ce qu’il y a dans votre collection, vous savez ce qu’il y a dans la bibliothèque. Ainsi, lorsque quelqu'un entre et dit qu'il cherche quelque chose, vous pouvez non seulement le diriger, mais vous pouvez aussi dire: aussi être intéressé par cela. Et les gens qui ont regardé ça ont aussi regardé ça. »Eh bien, cela commence à ressembler à un moteur de recommandation, non? Et c'est vraiment en quelque sorte.

Tamara: Bien.

Kirk: Et ainsi sur cette plate-forme, vous pouvez collecter toutes ces données, mais vous collectez également les métadonnées, qui les utilise, quels sont les cas d'utilisation utilisés auparavant, quels étaient les résultats qu’ils ont obtenus, quels rapports ou documents, tableaux ou graphiques ou quoi que ce soit ont été générés. Et donc, si les gens commencent à annoter et à baliser les données et que cette plate-forme devient ce lieu de conservation des données, ces balises et annotations font partie de la collecte de données, il s'agit de métadonnées, qui… Les métadonnées ressemblent à un mot drôle un peu comme la date et l'heure ou quelque chose comme ça, mais les métadonnées peuvent être contextuelles et basées sur le contenu. Il pourrait vous expliquer le contenu des données, leur utilisation et leur utilisation, ainsi que les raisons de son utilisation et des utilisateurs, de sorte que le contenu est sémantique et contextuel.

des informations supplémentaires sont maintenant présentes, donc les métadonnées ne sont que des données sur vos données. Désormais, maintenant que vous avez d'autres données sur vos données, vous pouvez commencer à relier les points entre les métadonnées. Trouvez-moi d'autres cas où des personnes ont utilisé des données pour l'analyse de la fraude pour ce type de réclamation ou ce type d'événement, et vous seriez surpris de ce que vous pouvez découvrir lorsque vous commencez à ajouter ces dimensions supplémentaires aux données et où vous pouvez éventuellement le faire. that, where can you possibly integrate all that but a platform?

Tamara: So who do you think the key stakeholders in the organization are that should be helping drive these data initiatives? And by the way, Kirk, who do you think needs a seat at the table?

Kirk: Now, you’re getting…

Tamara: We should have been really majestic music in here.

Kirk: Yes. The music swells.

Tamara: Right? Trick question.

Kirk: Okay, I’m gonna give you a trick answer.

Tamara: Awesome.

Kirk: The trick answer is the CEO. Over 100 years ago, one of the primary executives in the C-suite with the seat at the table was the CEO, the Chief Electricity Officer. Pourquoi? Because electricity was a new thing. People didn’t know what it was about. It was disruptive to the business. It changed the way they thought about their business and how they powered their business and ran their business and there were new revenue streams and new, you know, new costs and risks and benefits and it’s like they needed this person to sit there to help manage all of those fears and things. And I think about analytics and data and AI in the same way, the new electricity, I mean, we’ve seen the hype cycles, right? Five, six years ago, data’s the new electricity.

Tamara: Yeah.

Kirk: And now it’s AI is the new electricity and, you know, pretty soon, it’s gonna be blockchain is the new electricity, then it’s gonna be quantum computing is the new electricity. And so every organization will have a different person who’s in that managing of the fear and benefits and risks role and that could be the chief analytics officer, chief AI officer, chief algorithm officer, chief data scientist, I mean, the list goes on and on, chief product officer, chief marketing officer. And I don’t want to say it’s any specific one of those because it depends upon your organization but, again, it’s got to be someone who is, got some kind of handle on risk and benefits, costs and revenues associated with this thing, the culture change that’s gonna come with it because people will fear it. There’s change in digital disruption.

Tamara: Yes. And that’s real, by the way, Kirk. I mean, globally, I think the future of work is on everyone’s mind.

Kirk: There’s also the fear on the outside about, “What are you doing with my data?” The customers’ customers. You know, or the…GDPR, you think about nations, governments who are worrying about what you’re doing with the data. So, yes, so there’s all these issues both internally and externally. And algorithms, same thing, but about trust and transparency, explainability, all those kinds of things. So you can’t say that this person’s CDO or CAO is going to necessarily know all of those details. But they certainly need to manage those details. And so they have to be aware of what is sort of, you know, what is happening in the markets or right now, there’s all this concern about future of work, there’s this concern about automation and is it gonna displace jobs. But I think we all know, I think, that every industrial revolution does change the work that people do. I had a big laugh at a conference last week because people started saying, I was on an AI panel and people started saying the exact same things that I’ve been saying and they were reading my mind. I said, you know, 30 years ago, when sort of the PC, the desktop computing revolution started, the story was, “Oh, wow, we’re gonna be so much more efficient in our work, we’ll be working 20 hours a week and we’ll have all this relaxation time.” Well, I’m sort of wondering what happened with that because I’m not seeing it.

Tamara: I’m not seeing it either. I mean, like, where’s my relaxation time?

Kirk: It’s true, the amount of work that I do in a given week is now a factor of two different but it’s a factor of two in the other direction.

Tamara: Yeah. I’m not seeing the release of a burden for me yet, but I am looking forward to that. And what’s funny because what you’re saying is when I think of like the chief data officer and the chief analytics officer, it’s almost like they need to come to the executive table with their crystal balls and a little turban and go, “What I see for the future is…” because it’s almost as if we’re asking them to do the impossible and to know that which we don’t even know yet, which then kind of circles me back to the big data piece which is, you know, what are the advantages of using big data and intelligent analytics more strategically? I mean, what happens when we turn the islands of innovation into a connected continent?

Kirk: Wow, then you have mission success.

Tamara: Did you like that question?

Kirk: I did. Droite? I had an aha moment recently that really moved me. So for years, I sort of learned the language of system engineering when I was at NASA, right? You’d figure out what are the user requirements for this thing you’re building, you know, what are the users expected to do, what do the stakeholders expect, and then you design the system to that, you have system requirements, you know, functional requirements, user requirements, and then you build to that. And I learned that language and I learned how to do that and I think of sort of data science that way, that what are the outcomes we’re trying to achieve in our business, and how we design products, and services and analytics and tools, etc., to get there. So I was all on board with this. I was having this conversation with a sort of senior professor that I know at the university who had quite a colorful career himself. He was the vice president of a very large corporation before that and he worked on the NASA Apollo program decades ago. And he said, “Kirk, you’re missing a point here.” And I said, “Well, what’s the point?” And he said, “Let me tell you. When we were in the Apollo program, we didn’t care about system engineering. The systems people cared about system engineering. We cared about mission engineering. And I said, “What the heck is mission engineering?” He said, “Mission engineering is when you measure your success and you design towards the success of the mission, not the success of the individual systems.” So, for example…

Tamara: Interesting.

Kirk: …on the Apollo mission, there was the lander, there was the orbiter, there was the launch system, there was the recovery system, you know, there was the actual on surface of the moon operations system, there were all these different systems that had requirements and they were built and they worked fine and everything was great. But he said, “The mission, NASA’s mission was not successful until those astronauts were returned home safely to their families.” That is the success factor for the mission, getting those astronauts back home in their homes with their families.

Tamara: You know, that’s really profound, actually.

Kirk: And I just was, like, really moved by this and he and I were standing in a parking lot having this conversation, we were just leaving some conference and we ended been standing in the parking lot for two hours talking about this and we designed the concept for a book that he and I keep, in fact, he called me yesterday about the book on this concept of mission engineering because it’s really mission success. And so strategic thinking is what is the overall mission of the business, what does the overall mission success look like for the business, not individual departments or individual islands of innovation as you’ve been calling it. So it’s getting all of the team together onto this continent to fulfill the mission of the organization. The success of the organization is the mission, not the systems.

Kirk, before we end our… I actually loved this chat with you. I have just three quick questions for you, totally off the cuff, and I think you’re gonna embrace these because I’m talking about the future. So, how do you see the field continuing to evolve in the next five years and really, to be more specific, what do you think you and I would be talking about if we were having this conversation five years from now?

I mean, I don’t know, obviously, but a short answer I like to give is more of the same in the sense that what do we see happening? We see a lot more integration and convergence, I think, of everything coming to the platform where you got the databases, the analytics, the algorithms, the products, the customer interactions. So we’re gonna see more sort of a platformification, if you will, where there are entire businesses as we know like ride shares and room shares, and other kinds of things where the businesses are run off of a platform. They don’t actually own the asset that’s being used, for example, on ride shares.

And so platformification, that’s basically the convergence of all kinds of technologies like the analytics and the cloud and the computing and algorithm, so we’re gonna see that. And consequently, we’re gonna see a lot more things that are as a service, you know, platform as a service, infrastructure as a service, algorithm, deep learning as a service, computer vision as a service. We’re gonna see huge amounts of development in those areas, and who knows what will come in those different areas, but we’re gonna see the ability basically to call a service or call an algorithm, an API.

Tamara: Yeah. And leave us with this one thing. What or who inspires you the most? What are you most passionate about when you wake up every day?

Kirk: Wow.

Tamara: Yeah, you didn’t get that question either but that’s on purpose. We really want to know from you.

Kirk: Well, it’s multidimensional. I don’t know if I could say a single thing. I mean, certainly, just loving my family and loving my life, for being able to follow the passions that I have which includes scientific discovery ever since that nine-year-old experience. It could be astrophysics or it can be something else, it doesn’t matter. And also I’m a…like I said, I sort of like curating knowledge so that, it gets me excited when I get on Twitter in the morning and I find new and interesting things to share with people, basically curating the knowledge of the world around data science and AI just through that platform, I get excited by that every day because it’s…my inner educator, I guess, is being fulfilled when I do that. And so anyway, I think that just reaching out to people and touching people, you know, through this and I love to see the excitement in people’s eyes and faces when I tell them these stories. It sort of energizes me. I’ve been energized by students in my classes who come in, especially in the freshman data science class, and in that freshman class, it’s typically students who say that they’re not very interested in math or science but they need a class to graduate, a science class, and data science looks more attractive to them than, say, physics or chemistry or biology or something, and by the end of the semester, they’re hooked on math and science. So that really charges my batteries when I see that transformation and people said, “Wow, I can really do this.”

Tamara: I see that you really care. Kirk, you inspire me. Ladies and gentlemen, Kirk Borne, Principal Data Scientist at Booz Allen. Thank you so much for this incredible conversation and for your time, your energy, and your humanity. I really appreciate your authenticity and transparency with us today and being willing to answer a lot of questions that you had no idea I was going to ask.

Kirk: Well, Tamara, this was a real pleasure to talk with you, thank you so much for making this opportunity possible.