Es enero de 2010. La gran recesión está desapareciendo en los Estados Unidos y la economía mundial aún está recuperándose. En el mundo tecnológico, escuchaste rumores de una innovadora tableta de Apple llamada el “iPad” o el “iPal” (no recuerdas bien), pero estás intentando comprender cómo alguien puede pagar USD 500 por una versión más grande de tu iPhone 3.
Aún no lo sabes, pero está ocurriendo un cambio histórico en la ciencia de datos y en la industria analítica. Gracias a los cambios efectuados en la tecnología y en la cultura, los datos son cada vez más frecuentes y, por lo tanto, también lo es la necesidad de encontrarles sentido (y aplicarlos para resolver problemas económicos, empresariales y sociales).
Dean Stoecker, CEO de Alteryx, formula la revolución de la siguiente manera: “La era agraria nos ayudó a alimentar a las personas y dio lugar a los datos que nos indican cómo los humanos dependemos de la tierra. La era industrial nos ayudó a elaborar productos que generaron datos sobre cómo los humanos interactúan con cosas que no pertenecen a la tierra. La era de la información condujo a la expansión de datos por los humanos tanto física como virtualmente, y ahora la cuarta es la era de la analítica, donde el humano se encarga de encontrarles sentido a todos los datos para resolver cualquier problema que hayamos enfrentado. Esto va a ser divertido”.
EL PASADO DE LA ANALÍTICA
Los datos se vuelven un producto básico
Nadie hubiera considerado como “raros” a los datos en los primeros años de la década de 2010. Según la IDC, el mundo generaba un zettabyte (ZB) de datos por año en 2010. Pero en comparación con los 33 ZB generados en 2018 y con los 175 ZB que se estiman que se generarán en 2025, ese pequeño ZB era tan solo una gota en el diluvio.
Para aportar un poco de perspectiva, un zettabyte es un billón de gigabytes o mil trillones de bytes, mucho más que la cantidad de respiros humanos en 2019 (77 mil billones). Y quizás ya lo descifraste, el aumento de un ZB a 175 ZB es del 17,400 %. Incluso Starship Enterprise hubiera necesitado un nuevo nivel de valentía para explorar datos de tal magnitud.
¿Qué causo semejante crecimiento?
Primero, la proliferación de datos. Muchos factores contribuyeron, pero quizás el más evidente fue la llegada del internet de las cosas (Internet of Things, IoT). De repente, todos nuestros dispositivos IoT (dispositivos conectados a internet a través de Wi-Fi o de otra red, como Bluetooth o celular) estaban generando datos. Desde nuestros teléfonos inteligentes hasta nuestras heladeras inteligentes, estos dispositivos producían datos sobre cualquier ámbito de nuestras vidas: desde nuestros hábitos de ejercicio hasta la cantidad de leche descremada que teníamos. Lógicamente, las organizaciones no podían ver la hora de reunir y comenzar a usar más datos de los productos, las personas y las transacciones, como nunca antes lo habían hecho.
Como la generación de datos comenzó a dispararse, necesitábamos descifrar dónde podíamos ponerlos. Andrew Brust, CEO/fundador de Blue Badge Insights, lo explica: “Al contar en un principio con la tecnología como Hadoop, y luego con el almacenamiento de objetos en la nube, lo que era un recurso limitado [datos] se volvió un producto básico, y la tendencia en la analítica cambió de ‘¿Qué cosas merecen que las analicemos?’ a ‘¿Por qué mejor no guardamos y exploramos estos datos?’”.
“Lo que era un recurso limitado [datos] se volvió un producto básico, y la tendencia en la analítica cambió de ‘¿Qué cosas merecen que las analicemos?’ a ‘¿Por qué mejor no guardamos y exploramos estos datos?’”.
— Andrew Brust, CEO/fundador, Blue Badge Insights
Si bien los hardware y servidores locales ofrecían seguridad, el almacenamiento local de datos podía ser caro y difícil de ampliar. El almacenamiento en la nube ofrecía una solución más económica donde podían ser monitoreados por terceros y, luego, el almacenamiento de objetos en la nube hizo que el almacenamiento de Big Data sea más viable, gracias a que los datos se almacenaban como objetos en lugar de como archivos o bloques.
La producción masiva de datos se combinó con el almacenamiento de datos que, al parecer, es infinito. Fue oficial: la era de Big Data había llegado.
Los equipos directivos llevan a las organizaciones en una travesía inolvidable
El obstáculo final fue convencer a los equipos directivos de que valía la pena invertir en los datos y en la analítica. Para muchas organizaciones, los datos eran recuerdos: eran algo para coleccionar, pero todavía tenía que comprobarse su uso práctico. Incluso, si las organizaciones podían obtener los datos específicos que necesitaban en el formato adecuado en que los requerían, ¿podían analizarlos de una forma eficiente y rápida que bastara para afectar positivamente la toma de decisiones?
Para muchas organizaciones, los datos eran recuerdos: eran algo para coleccionar, pero todavía tenía que comprobarse su uso práctico.
Los líderes ejecutivos que se comprometen a desarrollar sus organizaciones siempre se hacen cargo cuando importa. En la década de 1980, el rol de director financiero (CFO) se popularizó debido a las iniciativas de los líderes que buscaban administrar mejor sus activos y relaciones de inversión. Asimismo, el director de marketing (CMO) pasó a ser un ejecutivo esencial gracias a la creciente complejidad de los canales de marketing. Como los resultados del progreso digital comenzaron a ser evidentes, los equipos directivos recurrieron al director de datos para luchar por este nuevo dominio de datos y analítica.
A pesar de que los equipos directivos veían el valor de la analítica, aún no era un proceso comprobado. Los científicos de datos y los equipos analíticos eran caros y difíciles de establecer, y encontrar el talento oportuno era sumamente complicado. Parecía que aún faltaba una pieza fundamental. Allí fue cuando la década tomó un desvío del cual nunca regresaría. Destino: la democratización de datos.
Los analistas empoderados toman el control
Durante los primeros años de la década, los software de datos y de analítica comenzaron a conocerse, desde tecnologías para preparar y mezclar hasta la inteligencia empresarial (BI) y las tecnologías de visualización. Al mismo tiempo, una empresa conocida como SRC se cambió el nombre a Alteryx. Estas tecnologías populares de software eran soluciones para los procesos analíticos cada vez más complejos.
Ashley Kramer, SVP de administración de productos en Alteryx, recuerda: “Solías tener un producto o una herramienta separada para ETL, otra para la preparación de datos, otra para la generación de informes, generación de catálogos de datos, visualización y aún otra para el modelado. Ahora todos han comenzado a juntarse en plataformas”.
El desastre de los procesos analíticos y las herramientas heredadas que no estaban listas para Big Data hicieron que la analítica fuera un dolor de cabeza. El surgimiento de las plataformas de autoservicio fue la salvación. La complejidad desapareció de la ecuación y, ya que el software se ocupaba de la codificación y del back-end, la analítica se tornó un proceso de arrastrar y soltar. Los obstáculos para comenzar como profesional de datos, así como el costo para establecer un equipo de datos, bajaron drásticamente, especialmente cuando se incluyó el retorno de la inversión.
Paige Bartley, analista principal de 451 Research, explica: “Se expandió drásticamante el uso de datos y del autoservicio de analítica dentro de las organizaciones”. Antes el terreno exclusivo de las personas con más tendencia a la tecnología, el uso de los datos se democratizó de una forma en la que permitía que individuos con conocimientos técnicos básicos pudieran obtener insights a partir de la información que, a menudo, en el pasado, estaba confiscada y accesible solo por un grupo especifico.
“Se expandió drásticamante el uso de datos y del autoservicio de analítica dentro de las organizaciones”.
— Paige Bartley, analista principal, 451 Research
Los precios y los conocimientos técnicos ya no eran barreras para poder alcanzar la analítica. Con la analítica de autoservicio, TI se convirtió en un verdadero socio. Los analistas no solo podían obtener sus propios datos y comenzar sus proyectos más rápido, sino que también TI ya no tenía las tediosas solicitudes de datos ad-hoc que siempre agotaban sus recursos. “El equipo de TI pasó de ser el proveedor de analítica, de datos y de informes en las empresas a ser el intermediario”, dice Chris Love, gerente de administración en The Information Lab. “Esto les permitió a los analistas y usuarios de las áreas de negocios realizar su propia preparación y visualización de datos”. Con costos más bajos y plazos de entrega más rápidos, habíamos convencido a los equipos directivos. La transformación digital, impulsada por los datos y la analítica, se extendió por las organizaciones. La liberación de los trabajadores de datos se había completado; todo gracias a las sencillas plataformas de autoservicio. Sin dudas, la creación de la analítica de autoservicio fue el acontecimiento que definió la última década de datos y analítica.
La década de 2010: los datos ya democratizados
“En pocas palabras, el cambio más grande de la última década ha sido la democratización de la analítica”.
— Mark Frisch, CEO, Marquee Crew
“Hay igualdad de condiciones gracias a la accesibilidad de las herramientas y plataformas analíticas que les permite a las personas usar sus habilidades no técnicas junto con las increíbles mejoras técnicas de la última década para hacer que sus negocios y sus comunidades tengan resultados más impactantes”.
— Nicole Johnson, Sr. Business Solutions Consultant, T-Mobile
“Los datos estaban escondidos dentro del equipo centralizado y tradicional de la inteligencia empresarial, con muy pocas personas que sabían cómo acceder y usarlos. Hoy en día, son una ventaja clave, popular y democratizada que es fácil de aprovechar”.
— Heather Harris, directora de la práctica, inteligencia y analítica, ProKarma
“Gracias a las herramientas de autoservicio desarrolladas, verificadas y en continua mejora que están disponibles hoy en día para los trabajadores de datos, estamos en la edad de oro de la democratización de datos”.
— Nick Haylund, director, Tessellation EMEA
“La democratización de la inteligencia empresarial y la analítica es el cambio más grande que recuerdo de la última década. Llegar a los usuarios finales es un cambio radical”.
— AJ Guisande, director, Decision Science
La década, el final
Para el final de la década, el valor de la analítica alcanzó un récord histórico. Según la IDC, había unos 54 millones de trabajadores de datos a nivel mundial, y los ingresos de Big Data y las soluciones analíticas alcanzaron casi los USD 200 mil millones.
Todos valoraban los datos y aquellos que podían encontrarles el sentido obtuvieron ascensos en sus carreras profesionales y se volvieron campeones de insights empresariales. Todo esto estaba preparando el camino para la próxima década.
El futuro de la analítica
Es enero de 2020. Muchas cosas cambiaron en diez años. La economía de los Estados Unidos ha estado en su tendencia de crecimiento más larga desde 1854 y, en cuanto a las noticias de tecnología, el iMac Pro de Apple ya comenzó a venderse. Al igual que hace diez años, te preguntas quién gastaría USD 52,400 en una computadora de escritorio con ruedas cuando el iPhone 11 Pro satisface muy bien tus necesidades.
Durante la última década, presenciaste un gran cambio en el valor de los datos y te beneficiaste de la analítica de autoservicio. Ahora estás tocando el cielo con las manos: tus habilidades de autoservicio son tu cetro y tus insights transformadores, tu corona. Lo único que podría mejorar aún más la situación es saber qué viene después.
Para poder echar un vistazo al futuro de los datos y de la analítica, recurrimos a nuestras fuentes más creíbles, a los líderes de pensamiento en analítica, entre ellos, los analistas industriales, los ejecutivos de Alteryx y nuestros clientes innovadores. Estas fueron sus cuatro predicciones:
1. Primero que nada: conocimiento de datos
DE LOS EJECUTIVOS EN BIG DATA E INTELIGENCIA ARTIFICIAL AÚN NO TRATAN A LOS DATOS COMO UNA VENTAJA EMPRESARIAL.
— Encuesta ejecutiva de Big Data e inteligencia artificial, NewVantage Partners
Después de que el mundo de la inteligencia empresarial quedo cautivado por el autoservicio de analítica, las organizaciones esperaban que los resultados empresariales fueran inmediatos o, por lo menos, evidentes. “La pelea terminó y la promoción se completo”, declara Andrew Brust. ”Ahora que el equipo directivo participa, es hora de realizar y aportar resultados”, agrega.
Nick Haylund, director en Tessellation EMEA, explica: “Si la tecnología está volviéndose más fácil de usar, ¿por qué las empresas no ven el retorno de la inversión que esperaban? A pesar de que tener e implementar las mejores tecnologías de datos y de analítica siempre será importante, muchos departamentos y empresas suelen restarle importancia a la inversión de tiempo en las personas y en los procesos”.
“A pesar de que tener e implementar las mejores tecnologías de datos y de analítica siempre será importante, muchos departamentos y compañías suelen restarle importancia la inversión de tiempo en las personas y en los procesos”.
— Nick Haylund, director, Tessellation EMEA
Perfeccionar un stack tecnológico siempre vendrá después de empoderar las mentes detrás de la tecnología. A pesar de que no es ningún secreto, se subestima mucho que el valor de los datos solo provenga de la aplicación de la inteligencia humana. Hasta que los analistas y los científicos de datos no les den voz, los datos siempre permanecerán como una recopilación de hechos y observaciones silenciosos.
A pesar de que no es ningún secreto, se subestima mucho que el valor de los datos solo provenga de la aplicación de la inteligencia humana.
El poder real de las plataformas de autoservicio está en que no solo alivian el umbral de quién es capaz de volverse un analista o un ciudadano científico de datos, sino que también empoderan a los trabajadores de cada ámbito empresarial para avivar su trabajo con insights. Desde RR. HH. hasta Finanzas, la fuerza predominante de la tecnología de autoservicio es que permite la creación de una cultura analítica.
Paige Bartley de 451 Research dice: “Los empleados con experiencias diversas ahora podrían agregar sus perspectivas únicas a la interpretación de datos, lo cual llevaría a una comprensión mucho más integral del rendimiento y del potencial empresarial”.
En la próxima década, ahora que los datos y la analítica ya forman parte de las masas, las empresas que tengan los empleados con más conocimientos de datos estarán por encima de todo. Alan Jacobson, director de Datos y Analítica en Alteryx, explica: “Un nuevo foco en la educación dentro de las organizaciones en torno a una mejor transformación aumentará en 2020, ya que las empresas crecen más rápido con un director de datos (CDO) u otro rol similar que dirija el ambiente de trabajo cambiante. La empresa con buen conocimiento digital vence a la competencia no digital, y el 2020 confirmará esto con el hecho de que muchas más empresas harán uso de sus activos digitales para resolver problemas comerciales”.
Ashley Kramer agrega: “Habrá un ímpetu por una administración ejecutiva que impulse la ciencia de datos y el autoservicio de analítica de arriba abajo. Los líderes deben comprometerse a evolucionar más allá del enfoque anticuado de la analítica y a impulsar un cambio cultural dentro de sus organizaciones”.
Similar al liderazgo de los equipos directivos al adoptar la analítica para las empresas, las iniciativas de la alfabetización de datos vendrán de arriba abajo, y para que sean efectivas, estas iniciativas tendrán que democratizarse en toda la organización.
Andy Uttley, gerente de Consultoría en Javelin Group, explica: “El conocimiento de datos ya no es una habilidad que necesitan pocas personas; la necesita la mayoría de ellas, y ser capaz de comprender y utilizar los datos en todos los niveles es fundamental para que las empresas tengan éxito”.
Pero hay una advertencia. Uttley explica que la democratización de los datos y el surgimiento del autoservicio presentan nuevos desafíos, ya que “dejar los datos al control de todos puede incrementar el riesgo: gobernanza de datos, modelos incorrectos por profesionales de datos no calificados o errores integrados a las fuentes de datos que se usan por toda la compañía por la falta de formación o de habilidades”.
Con el poder de los profesionales empresariales para hacer uso de los datos, viene el riesgo de que los datos podrían usarse incorrectamente, inadecuadamente o incluso sin ética. Dado que los datos están cada vez más generalizados, se establecerán las pautas para las organizaciones y la protección del consumidor. El conocimiento de datos debe ser una prioridad en la agenda del equipo directivo por dos razones: la transformación y gobernanza empresarial.
El conocimiento de datos debe ser una prioridad en la agenda del equipo directivo por dos razones: la transformación y gobernanza empresarial.
Paige Bartley agrega: “La ética del uso apropiado de los datos se volverá el zeitgeist social. “Los datos son el nuevo petróleo”, dicen muchos, y esa metáfora va más allá del valor monetario superficial del recurso en cuestión. Así como la conciencia y el activismo ambiental fueron eventualmente una respuesta a la explotación de recursos naturales que ocurrió con la Revolución Industrial, de la misma manera el activismo en torno a la privacidad y la ética de datos se convertirá en una respuesta a la explotación de recursos personales e informativos que está ocurriendo actualmente con la revolución digital”.
2. El surgimiento de los nativos de datos
Junto con el conocimiento y la fluidez de datos vendrá una nueva generación: aquellos que crecieron rodeados de datos, es decir, los “nativos de datos”. Al igual que los nativos digitales crecieron rodeados de teléfonos inteligentes y de tecnología digital, los nativos de datos no sabrán que hubo una época antes del Fitbit, los termostatos Nest y Propeller.
“Las generaciones más jóvenes que son flexibles y rápidos aprendices se destacarán, ya que las habilidades de adquirir nuevos lenguajes y de realizar análisis de datos tienen una gran demanda”, dice Andy Uttley. “Por lo tanto, creo que deberíamos ver un cambio de base y esperar, si no los impulsamos antes, cambios en los sistemas educativos que preparen mejor a los niños para el mundo que quizás habiten. Estos cambios deberían incluir la resolución de problemas y, por supuesto, habilidades obligatorias en lenguajes como Python”.
Las nuevas generaciones continuarán integrándose a un mundo repleto de datos y de analítica. Según Ashley Kramer, SVP de administración de productos: “Las nuevas empresas han formado ese foco en la alfabetización de datos, y vemos cómo la analítica se vuelve más importante en las universidades de todo el mundo”. Un ejemplo es Arizona State University, con quien Alteryx se unió para facilitar iniciativas de la ciudad inteligente en Phoenix.
Pero ¿qué cambiará para quienes no somos nativos, quienes aprendimos a usar los datos de la forma tradicional, lo cual era muchísimo más difícil que hoy en día? Mientras que en el comienzo de la última década los datos eran como un recuerdo (algo para coleccionar), en esta década los datos se volverán su idioma. La jerga analítica se volverá un idioma principal, integrado al idioma empresarial.
3. Predecir la analítica predictiva
Si en la última década logramos la preparación y la combinación de datos, en esta próxima década, lograremos la analítica predictiva y la analítica prescriptiva (con ayuda de nuestros dos grandes amigos: la inteligencia artificial y el aprendizaje automático).
Nuestros datos de búsquedas de la Comunidad Alteryx confirman el aumento del interés en la analítica predictiva y el aprendizaje automático:
Como dice Jarrod Thuener, director de Analítica en Kristalytics: “A riesgo de usar en exceso otra palabra de moda, nos estamos acercando a la era del aprendizaje automático. Esto quiere decir, utilizar realmente los datos que estamos reuniendo. Ser capaz de actuar basándose en analítica es clave y, muy pronto, todos tendremos sistemas de autovigilancia, donde un bucle continuo de retroalimentación controlará las decisiones posteriores”.
No te imagines el año 2025 como una distopía en donde las máquinas han tomado el control total. Dean Stoecker cree que todos deberíamos confiar un poco más en nosotros mismos: “Si piensas que la inteligencia artificial tomará el control, reconsidéralo. Si ampliamos la inteligencia humana, ¡la singularidad nunca ocurrirá! Nunca acabará con los humanos”.
A pesar de que los datos alimentan los modelos de aprendizaje automático, los humanos continuarán siendo quienes guíen la selección de los datos y las aplicaciones de sus usos. La inteligencia artificial (o "estupidez artificial", como a veces solemos considerarla cuando Alexa, Google Home o Siri no entienden lo que queremos, a pesar de que lo que pedimos es claro) es tan inteligente como los humanos detrás de ella. Nunca podremos reemplazar al arte con las matemáticas, la música con los códigos ni tampoco la conexión humana con un algoritmo. La inteligencia artificial y el aprendizaje automático son más bien una mejora y no un reemplazo”, explica Jacobson.
“La inteligencia artificial y el aprendizaje automático potencian a las personas, no las reemplazan”.
— Alan Jacobson, director de Datos y Analítica, Alteryx
“Lo que pasará”, continúa Jacobson, “es que pasaremos de un foco en los lenguajes y los códigos detrás de la inteligencia artificial, el aprendizaje automático y la analítica predictiva a la democratización de esas tecnologías; al igual que hicimos al democratizar la accesibilidad a los datos en la última década”. “Desde el 2019, las tecnologías de modelado y procesamiento de lenguajes son sólidas, pero no son accesibles. Cuando todos, desde los analistas empresariales hasta los científicos de datos, tengan accesibilidad total, las mejoras tangibles acelerarán rápidamente”.
Al igual que el aumento del conocimiento de datos presenta nuevos desafíos en la gobernanza, también lo hace el aumento de la analítica avanzada y accesible. Paige Bartley, analista principal en 451 Research, agrega: “Quizás paradójicamente, necesitamos usar la ciencia de datos y la analítica para comprender mejor los efectos que el creciente uso de la automatización y los sistemas algorítmicos están teniendo en la interacción humana y el comportamiento en el mundo. Ahora que podemos cuantificar y usar para obtener insights casi cualquier aspecto del comportamiento humano, debemos comprender mejor las posibles ramificaciones de nuestro uso tecnológico sistemático antes de que podamos usarlo para avanzar como sociedad”.
Stoecker está seguro de que incluso los problemas complejos como este tienen solución con la magia de los datos más la inteligencia humana. “Si podemos resolver un problema usando datos relevantes, entonces podemos resolver todos los problemas con datos relevantes”, explica. “El único factor limitante para resolver los desafíos será amplificar la inteligencia humana para saber qué preguntas debemos hacer”.
4. Analítica para el bien
Para redondear este vistazo hacia la próxima década, le preguntamos a nuestra comunidad de líderes de pensamiento qué problemas mundiales urgentes le gustaría resolver con ayuda de los datos y la analítica. Algunas de sus respuestas fueron las siguientes:
“Me gustaría trabajar en iniciativas para la paz mundial. Me gustaría desterrar las armas y, en su lugar, hacer participar a los jóvenes en la analítica. Hacer modelos, no declarar guerras”.
— Mark Frisch, CEO, Marquee Crew
“Reparación del cambio climático, análisis y optimización de la educación pública, disminución de la falta de vivienda e interrupción del aislamiento social”.
— Heather Harris, directora de la práctica, inteligencia y analítica, ProKarma
“Análisis de las niñas de 11 años en adelante: qué caminos durante sus vidas las llevan a distinguirse como mujeres dentro de la industria tecnológica (en cualquier rol). Además de esto, un análisis de la naturaleza versus la crianza, pero desde un punto de vista orientado a la tecnología”.
— Sharmila Mulligan, directora de estrategia, Alteryx
"Educación. Aún tenemos un problema: una gran parte de la población mundial no está calificada, y mientras más podamos usar la tecnología para comprender y facilitar el aprendizaje, mejor para todos nosotros, ya que un planeta más educado es económicamente más estable y toma mejores decisiones”.
— Sean Adams, vicepresidente ejecutivo y director ejecutivo, Multinational Investment Bank
“Los escenarios médicos son un gran ejemplo de aplicación de la ciencia de datos y la analítica. Aspirar más alto y aplicarlas a cuestiones como el cambio climático y los asuntos internacionales debería ser una meta que procuremos conseguir, por más audaz que sea. También necesitamos analizar la ética; de lo contrario, ocurrirá lo opuesto: la inteligencia artificial se aplicará a las guerras en lugar de a la paz y a la participación constructiva”.
— Andrew Brust, CEO/fundador, Blue Badge Insights
“La distribución de la pobreza a nivel mundial”.
— AJ Guisande, director, Decision Science
“Bueno, si tuviera que elegir solo un problema para resolver, sería el cáncer infantil”.
— Michael Barone, científico de datos, Paychex
“La atención médica y el uso del aprendizaje automático para mejorar los resultados de la salud como, por ejemplo, las investigaciones sobre el cáncer y las alertas predictivas de atención médica”.
— Adrian Loong, gerente de ciencia de datos, Datacom
“La desigualdad en la sociedad y el uso de la analítica para mejorar el ascenso social”.
— Joseph Serpis, consultor, Keyrus
Al 2030 y más allá
La analítica de autoservicio revolucionó la última década y está preparada para hacer lo mismo en la próxima, pero por muchas razones distintas. ¿Las cosas saldrán como lo hemos predicho? Tendrás que esperar y ver. Salvo que ya hayas usado la analítica para construir una máquina del tiempo. Eso sería fantástico.
NO TE MUEVAS.
Leer
“Una década de inspiración” destaca los momentos decisivos de la Comunidad Alteryx en la última década.
ESCUCHA
Ponte los auriculares y escucha como Libby Duane Adams, cofundadora y CCO de Alteryx, y dos empleados veteranos comparten sus pensamientos sobre todo, desde la primera oficina de Alteryx hasta el futuro de la analítica en “Alteryx-ing the Decade” en el podcast Alter Everything.
COMPARTIR
Chatea con nosotros en @alteryx sobre tus momentos más memorables de la última década de analítica.