Estás leyendo la publicación: Cómo este Google-for-Analytics basado en Mumbai automatiza la generación de datos para obtener información
Con la intención de transformar la supervisión empresarial, Nimesh Mehta creó una plataforma de análisis empresarial cognitivo, ‘Rockmetric’. La idea era automatizar el viaje de ‘datos a conocimientos’ para los equipos comerciales y permitir que las empresas brinden análisis visuales ad-hoc, conocimientos aumentados y análisis de causa raíz sin expandir los equipos de soporte.
En una interacción exclusiva con Revista de análisis de la IndiaNimesh, fundador y director ejecutivo de Rockmetric, compartió varios puntos de vista sobre la idea detrás de Rockmetric, cómo aprovecha la IA y el ML, la creación de intuición en los modelos de IA, sus planes futuros y mucho más.
APUNTAR: ¿Qué te inspiró a crear Rockmetric?
Nimesh: Teniendo He estado asociado con la consultoría de gestión durante mucho tiempo, era muy consciente de que, si bien la información del mundo está al alcance de su mano, la alta dirección se esfuerza mucho por monitorear a sus equipos por varias razones. Uno, la pila de datos es muy compleja. En segundo lugar, la intervención humana necesaria para preparar los datos también es muy tediosa. Entonces, la idea general era construir una arquitectura que les diera a los líderes senior una visibilidad completa de la organización y pudiera ser un aliado para que los CXO senior hicieran que el equipo fuera más productivo. Entonces, de ahí surgió la idea de crear Rockmetric, una búsqueda de análisis similar a Google.
OBJETIVO: ¿Cómo interpreta a Rockmetric como “Google para análisis”?
Nimesh: Google le permite buscar datos de manera más efectiva y le permite aprender cosas nuevas. Lo más importante que hace Google es escanear todos sus datos y continuar proactivamente indicándole qué sigue. Nuestra idea general es ser ese tipo de aliado para un usuario comercial, donde una vez que nos usan, pueden hacernos preguntas en cualquier momento y obtener resultados en cualquier momento. Si quieren explorar más sobre el negocio, pueden hacerlo sin ninguna restricción, y el sistema puede ayudarlos de manera proactiva para descubrir qué falla y qué funciona bien.
OBJETIVO: ¿Cómo identificó el problema que aborda esencialmente Rockmetric?
Nimesh: Tratamos de entender tres cosas. Primero, si hay una industria donde todo está ahí, el problema está resuelto. En segundo lugar, si los titulares tienen décadas de antigüedad y no hay innovación. Y tercero, si los clientes no están contentos. Entonces, si tal tríada existe, es como un espacio perfecto para la disrupción. La información empresarial era una de esas áreas. Todos habían pasado a análisis avanzados y big data. Pero, la presentación de informes como un problema todavía estaba desatendida. La gente todavía usaba herramientas de hace una década, como hojas de cálculo de Excel y análisis manual.
Además, aunque las personas usaban herramientas de visualización, no eran suficientes. Por lo tanto, ponemos los informes en esteroides con potentes funcionalidades como la búsqueda en lenguaje natural, la exploración de datos ad hoc y los conocimientos automatizados y lo habilitamos en tablas de datos muy grandes. Por ejemplo, Rockmetric permite a los usuarios comerciales analizar conjuntos de datos de hasta 250 GB, a diferencia de los casos habituales de menos de un GB.
OBJETIVO: ¿Podría mencionar algunos de los casos de uso que aborda Rockmetric?
Nimesh: Básicamente, nos enfocamos en casos de uso de análisis de alto valor, como el monitoreo de carteras en servicios financieros, conocimientos de clientes, investigación de riesgos y fraudes, segmentación de clientes y adquisiciones. Estas son las áreas en las que un usuario comercial necesita generar información y obtener alertas e informes de excepción sin aprender una secuela o Python.
OBJETIVO: ¿Atender a una amplia variedad de clientes dificulta la generación de conocimientos a partir de diferentes tipos de datos? Si es así, ¿cómo lidias con eso?
Nimesh: Tenemos una amplia variedad de clientes con diferentes conjuntos de datos y escenarios. Sin embargo, nuestra plataforma no intenta entregar instancias de dominio. En cambio, automatiza la canalización de datos, la generación de información y la capacidad de los clientes para extraer información de sus datos. Mientras configuramos información adecuada para un negocio en particular, colaboramos con los líderes empresariales. Además, una vez que se generan los conocimientos de diagnóstico, delegamos el aspecto de la toma de decisiones a los usuarios comerciales porque ahí es donde reside su experiencia en el dominio. Así que ahora, el equipo de análisis trabaja en modelos complejos y el equipo comercial obtiene acceso directo a los conocimientos de diagnóstico generados a partir de los datos con la ayuda de herramientas. Es entonces cuando los usuarios comerciales generan resultados a partir de esos datos. Esto es diferente al caso anterior en el que el usuario del dominio acudiría a un analista sin experiencia en el dominio para descifrar los datos.
OBJETIVO: Rockmetric es una herramienta de análisis empresarial de bajo código. ¿Por qué elegiste optar por la opción sin código?
Nimesh: La idea general era que si un líder empresarial, por ejemplo, un director ejecutivo de ventas, tiene un equipo empresarial analíticamente sólido que quiere analizar un conjunto de datos más grande que no es posible con MS Access o Excel, el equipo empresarial no va a aprender SQL o Pitón. En tal escenario, entra Rockmetric. Tenemos un sistema en el que a través del lenguaje natural en inglés, uno puede hacer la pregunta y la máquina la convierte automáticamente en una consulta SQL y entrega un resultado automáticamente. Nuestro enfoque se ha centrado en gran medida en cómo un usuario comercial no técnico que es muy experto en análisis puede analizar grandes conjuntos de datos sin aprender a codificar.
OBJETIVO: ¿Cómo integra IA y ML en su pila tecnológica?
Nimesh: No vendemos AI y ML a nuestros clientes. Les damos una solución y así simplificamos el problema. Ahí es donde se usa la IA. Por ejemplo, en el caso de la búsqueda en lenguaje natural, la IA se usa para tratar de descubrir cuál es la consulta y generar información; se aplica un algoritmo de clasificación para entregar un resultado preciso basado en la consulta del usuario; se utiliza un modelo de motor de recomendación para brindar información automatizada al cliente. Por lo tanto, hay varias etapas en las que se utiliza la IA. La idea general es hacer que la arquitectura sea inteligente de modo que las personas con habilidades técnicas moderadas a bajas puedan operar y generar resultados comerciales.
OBJETIVO: ¿Cómo ha construido la ‘intuición’ dentro del modelo de IA?
Nimesh: Se consideran tres cosas para explicar la intuición en el modelo de IA. Primero está la búsqueda en sí. El segundo es el producto de UI o UX. Y, el tercero es el tipo de conocimientos que se entregan. Entonces, cuando un líder sénior mira un gráfico de tendencias y quiere averiguar por qué las ventas caen día a día, el mayor desafío es capacitar a los analistas para que entreguen algo relevante. En Rockmetric, tomamos las mentes más brillantes de nuestros clientes y nuestro equipo y luego entrenamos la máquina para brindar información relevante automáticamente. Por lo tanto, si una organización lo está utilizando, no tiene que capacitar a las personas para generar resultados relevantes. La máquina da una salida una vez que se entrena por primera vez.
AIM: ¿Hay nuevos productos en preparación?
Nimesh: Tenemos dos ofertas más próximamente. El primero es ‘Rockmetric Flash’, una oferta de productos livianos donde las empresas pueden entregar informes seguros a los distribuidores de fuerza de campo o clientes externos. El segundo es un módulo pequeño de código bajo para automatizar la creación del proceso de data mart. Esto permitirá que los equipos de datos proporcionen un data mart descentralizado a las empresas. Con esto, Rockmetric se convertirá en una plataforma mucho más completa en lugar de una pequeña herramienta de utilidad.
OBJETIVO: ¿Cree que si entra en vigor una ley de regulación de datos, tendrá un impacto negativo en las operaciones comerciales de Rockmetric?
Nimesh: No. De hecho, si entra la regulación, creo que será genial para Rockmetric. Somos una de las pocas herramientas extremadamente seguras diseñadas para BFSI, en contenedores y portátiles en cualquier plataforma en la nube. Además, también puede funcionar en las instalaciones. Hay muchas plataformas en el mercado que solo están en la nube y pueden bloquearlo en un proveedor de nube. Por lo tanto, la mayoría de las empresas deberán asegurarse de no quedar atrapadas con un proveedor de nube específico o tener una opción de respaldo para operar localmente en caso de guerra o desastre. Rockmetric es una opción ideal en tales circunstancias. Cuanto más estrictos sean los controles de datos, mejor será el crecimiento de Rockmetric.
APUNTAR: ¿Cómo imaginas el futuro de Rockmetric?
Nimesh: Nuestros planes de futuro son dos. Una es que queremos ser el socio de monitoreo comercial más confiable y esperamos que los líderes sénior y todas las organizaciones principales moneticen el monitoreo comercial, las revisiones comerciales y brinden acceso seguro a los usuarios finales. Queremos transformar el mercado de solo crear tableros e informes a monitorear activamente su negocio. En segundo lugar, queremos ser una plataforma de análisis integral y de precio confiable que proporcione un entorno seguro en el que los usuarios empresariales no se vean limitados a un solo proveedor de la nube.
