字幕表 動画を再生する
Welcome to the Analytics Engineering Podcast, featuring conversations with practitioners inventing the future of analytics engineering.
アナリティクス・エンジニアリング・ポッドキャストへようこそ。アナリティクス・エンジニアリングの未来を創造する実務家との会話をお届けします。
We are on site, Coalesce24.
我々は現地にいる、Coalesce24だ。
I am sitting here with Scott from Brooklyn Data.
私はブルックリン・データのスコットとここに座っている。
Scott, there's a lot of people who listen to this podcast who know who you are already.
スコット、このポッドキャストを聴いている人の中には、あなたのことをすでに知っている人もたくさんいると思う。
Take a minute to just say hi and give a little bit of background.
ご挨拶と経歴を少しお聞かせください。
Sure.
もちろんだ。
So I'm Scott.
だから、僕はスコットだ。
I'm founder of Brooklyn Data.
私はブルックリン・データの創設者です。
We're a data consultancy that works with, let's say, companies all shapes and sizes to help them with their data strategy and then to implement that strategy.
私たちはデータ・コンサルタント会社で、大小さまざまな企業のデータ戦略を支援し、その戦略を実行に移しています。
And, you know, one of the tools we work with very often is dbt.
それに、私たちがよく使うツールのひとつにDBTがある。
And I guess personally, I've been involved in the dbt community.
そして個人的には、私はdbtのコミュニティに関わってきたと思う。
Oh, my God. 2016?
なんてことだ。2016?
I mean, you are the dbt community.
つまり、あなた方はdbtコミュニティなのだ。
I've had the pleasure of kind of, you know, knowing Tristan and the dbt gang for ages.
トリスタンやdbtのメンバーとは長い付き合いだ。
And it's just been a pleasure to watch it all grow.
そして、その成長を見守ることができたのは喜びだった。
And we're going to talk a lot more about your background.
そして、あなたの経歴についてもっとたくさん話すつもりです。
Before I ask you my first question, I just wanted to do a little behind the scenes.
最初の質問をする前に、少し裏話をさせてください。
Both of us have been here all week.
2人ともずっとここにいた。
This is Thursday, right?
木曜日だよね?
I can't tell you.
言えないよ。
I think it's Thursday.
木曜日だと思う。
We were both just talking about how our voices are like an octave lower than they normally are and because of the long week.
長い1週間のせいで、声がいつもより1オクターブ低くなってしまったと話していたところなんだ。
And it was really funny right there.
そして、その場は本当に面白かった。
You and I have had a certain level of like end of conference energy.
あなたと私は、大会終了後のエネルギーのようなものを一定レベル持っていた。
And then I asked you this question, we're on air and you just you just did it.
そして、私はあなたにこの質問をした。
And you like you brought the energy.
そして、あなたはエネルギーをもたらした。
I'm like, OK, I will do it.
よし、やるぞ、と。
All right.
分かった。
All right.
分かった。
We're to rally.
我々は結集する。
That's good.
それはいいことだ。
We haven't had a lot of sleep and I don't know what time zone or date is, but we'll rally.
寝不足だし、時間帯も日付もわからないけど、結集しよう。
OK, good.
よし、いいぞ。
I'm here with you.
私はあなたとここにいる。
So you have some some news to share that I think you've been talking with some some different folks about.
いろいろな人と話していると思うが、いくつかニュースがあるようだね。
So I don't think we're going to break this live or anything, but but it is a little bit new information.
だから、これを生中継したりすることはないと思うけど、でも、ちょっと新しい情報なんだ。
Do you want to get it out there?
それを外に出したい?
I started Brooklyn Data in summer of twenty eighteen.
ブルックリン・データを始めたのは18年の夏だった。
That is kind of crazy.
それはちょっとクレイジーだ。
The number twenty two.
数字は22だ。
Yeah.
そうだね。
Something like that.
そんな感じだ。
Yeah.
そうだね。
That seems all right.
それでいいと思う。
Six years, six years, two months.
6年、6年と2カ月。
We grew rapidly.
私たちは急速に成長した。
I mean, I think big thanks to, you know, DBT and all the success the DBT community has had and build something really special.
つまり、DBTとDBTコミュニティが成功し、本当に特別なものを築き上げたことに大きな感謝をしているんだ。
And about a year and a half ago, we went to an acquisition we were acquired by Valir, which is an amazing digital agency based out of Boston.
そして約1年半前、ボストンを拠点とする素晴らしいデジタルエージェンシー、ヴァリルに買収された。
And I couldn't have asked for a better home for Brooklyn Data.
ブルックリン・データにとって、これ以上のホームはない。
And for the last year and a half, I've been working hard on integrating and making kind of any acquisition is like a marriage.
そしてこの1年半、私は統合と買収を結婚のようなものにすることに懸命に取り組んできた。
And I feel like I can do a whole podcast on just kind of integrations and acquisitions and everything I've learned.
統合や買収、そして私が学んだことすべてについて、ポッドキャスト1本分くらい話せそうな気がする。
But the story is the integration has gone great.
しかし、統合がうまくいったという話だ。
We're one company.
我々は一つの会社だ。
And as of kind of the end of this month, October, I'm going to be stepping back from the day to day.
そして、今月末の10月をもって、私は日常から身を引くつもりだ。
So I'll still be a board member of Valir and Brooklyn Data.
だから、私はまだヴァリールとブルックリン・データの役員を続けるよ。
I'm going to be involved in the strategy, big picture, all that kind of fun stuff, but kind of won't be doing any more hands on keyboard and not quite sure what's next.
戦略や全体像、そういった楽しいことには関わっていくつもりだが、キーボードを打つことはもうしないだろうし、次がどうなるかはわからない。
No plans.
予定はない。
I mean, you know, my last day is, you know, end of October and the next day after that, I literally do not have a plan.
つまり、私の最終日は10月末で、その次の日は文字通りノープランなんだ。
So I feel like I'm going to have to ask Tristan for some help on coming up with hobbies.
だから、トリスタンに趣味を思いつくのを手伝ってもらう必要がありそうだ。
Yeah, I maybe I can help you just a tiny bit, but I'm not great at hobbies.
ああ、ほんの少しなら力になれるかもしれないけど、趣味は苦手なんだ。
I don't remember the details of this, but when when you were at Casper, obviously, and I want to hear the whole history, but you were very involved in DBT and the DBT community, and then you started Brooklyn Data and and we kept in close touch.
詳しくは覚えていないのですが、あなたがキャスパーにいた頃、明らかにDBTとDBTコミュニティに深く関わっていました。
At first, I was like, oh, like what's going to happen to DBT at Casper?
最初は、ああ、キャスパーのDBTはどうなるんだろう?
But that actually turned out to be totally fine.
でも、実際はまったく問題なかった。
But then I was like, OK, this is interesting.
でも、よし、これは面白い。
At the time we were Fishtown Analytics, we were and you, a longtime friend and supporter, were now a competitor because, you know, you were also a professional services company.
当時、私たちはフィッシュタウン・アナリティクス社で、長年の友人でありサポーターであったあなたは、プロフェッショナル・サービス企業でもあったため、競合相手となりました。
But, you know, there's like this bond between the different people doing this very hard thing.
でもね、この大変なことをやっているいろいろな人たちの間には、絆のようなものがあるんだ。
And so we stayed in touch.
そうして私たちは連絡を取り合っていた。
And I seem to remember in the early days asking you, like how you were managing to be a husband, a new father and the start like the what did I say?
最初の頃は、夫として、新しい父親として、どのようにやりくりしているのかと聞いていたように記憶している。
And well, and your answer was something like, I just don't sleep a lot.
それでまあ、あなたの答えは、ただあまり眠れないだけだ、というようなものだった。
And you said it a little bit with like crazed look in your eyes.
そして、あなたは少し狂ったような目つきで言った。
Can you talk about like, what did it take to get this thing off the ground?
これを軌道に乗せるために何が必要だったのか、話していただけますか?
Yeah, I think the answer is I didn't sleep a lot.
ああ、その答えは、あまり眠れなかったからだと思う。
You hear the saying like it doesn't work if you love what you're doing.
自分のやっていることが好きでなければ、うまくいかないというような言葉を耳にすることがあるだろう。
And it's true.
そして、それは真実だ。
I mean, the reason I have to find a hobby is because building Brooklyn Data has been a hobby.
つまり、私が趣味を見つけなければならない理由は、ブルックリン・データを作ることが趣味だったからだ。
It's been, you know, any free processor time I had on my mental CPU, I was thinking about new and innovative ways in Brooklyn Data, not because I was on the clock, not because I had to, but because I loved it.
ブルックリン・データで新しい革新的な方法を考えていたのは、時間に追われていたからでもなく、そうしなければならなかったからでもなく、それが好きだったからだ。
And so the journey has been great.
そうして旅は素晴らしいものになった。
We met when you were kind of, you know, working with us at Casper and helping us set up DBT.
私たちが出会ったのは、あなたがキャスパーで私たちと一緒に働いていて、DBTの立ち上げを手伝ってくれていたときでしたね。
And I felt kind of very privileged to be in the know on something that's like DBT.
そして、DBTのようなものを知ることができるのは、ある意味とても光栄なことだと思った。
It was special and cool.
特別でクールだった。
And I told all my friends not because, you know, there was anything in it for me or I thought I'd start a business in it because DBT was awesome.
DBTは素晴らしいものだから、自分のためになるとか、DBTでビジネスを始めようと思ったからじゃない。
It was changing my life, changing my team's life and changing, you know, the data scene, especially in the New York data scene.
それは私の人生を変え、チームの人生を変え、データ・シーン、特にニューヨークのデータ・シーンを変えた。
And so, you know, we had a lot of people asking us for advice because I think at that point we had probably one of the more sophisticated DBT setups back in, you know, 2017, 2018.
というのも、2017年、2018年当時、私たちはおそらく、より洗練されたDBTのセットアップの1つを持っていたと思うからだ。
You'd already gone through some refactoring efforts then.
その時、あなたはすでにリファクタリングに取り組んでいた。
Yeah.
そうだね。
I remember the first time you had the DAG visualization.
あなたが初めてDAGを視覚化したときのことを覚えています。
And we were kind of you had to manually run it for us and it shook like it was like this.
そして、僕らのために手動で動かしてくれたんだけど、こんな感じで揺れたんだ。
Yeah.
そうだね。
Like this nest.
この巣のように。
Before you could visualize the DAG, you just kind of built whatever.
DAGを視覚化する以前は、ただ何となく作っていた。
You yellowed it.
あなたが黄ばませたんだ。
And then all of a sudden you could see it.
そして突然、それが見えるようになった。
And you're like, oh, yeah.
そして、ああ、そうなんだと。
What did we do?
私たちは何をしたのか?
Man, it's like living in like a pigsty.
まるで豚小屋に住んでいるようだ。
Then someone put some ice and you're like, oh, my God.
そして誰かが氷を入れたら、ああ、なんてこった、となる。
But yeah, then some people would ask me for questions and advice.
でも、何人かの人は僕に質問やアドバイスを求めてきたよ。
And I think there was a point where like, hey, I think there's a business here.
そして、ここにビジネスがあるんじゃないかと思うようになったんだ。
I think everyone, you know, very smart people are working on very cool pieces of software, DBT, Snowflake, you know, Looker at that time.
当時は、DBT、スノーフレーク、ルッカーなど、とても賢い人たちがとてもクールなソフトウェアに取り組んでいたと思う。
But, you know, there was a gap in professional services, people that could guide companies on this journey to get the most out of these tools.
しかし、専門的なサービス、つまり、これらのツールを最大限に活用するために企業を導くことのできる人材にはギャップがあった。
Because the kind of classic consulting companies like had not really woken up.
というのも、そのような古典的なコンサルティング会社はまだ目を覚ましていなかったからだ。
Totally.
まったくだ。
This.
これだ。
And you couldn't just like show up to Accenture and say, like, help me build a modern data stack and move faster and all this stuff.
アクセンチュアに顔を出して、最新のデータ・スタックを構築するのを手伝ってくれ、より速く移動するのを手伝ってくれ、などと言うことはできなかった。
There's a whole crop of company.
たくさんの会社がある。
You know, there's I think the original one was Dash 42.
元々はダッシュ42だったと思う。
That's right, too.
それもそうだ。
And super sharp.
そして超シャープ。
For a little while, Das and Lucas and Nick were my like arch nemesis.
しばらくの間、ダスとルーカスとニックは宿敵のような存在だった。
Really?
本当に?
Well, just we were competing for all the very few deals that were out there.
まあ、ただ、私たちはごくわずかしかない案件を争っていたんだ。
And I can't believe that you at Casper ended up selecting us.
そして、キャスパーの皆さんが最終的に私たちを選んでくれたことが信じられない。
Anyway, it doesn't we don't have to get into all that.
いずれにせよ、そんなことに立ち入る必要はない。
But Das was out there.
しかし、ダスはそこにいた。
Then we started and there were a couple like Montreal Data Co.
それから私たちは、モントリオール・データ社(Montreal Data Co.
Yeah, Montreal Analytics is great.
モントリオール・アナリティクスは素晴らしいよ。
Yeah, right.
そうだね。
And there's Serial and awesome.
シリアルもあるし、最高だよ。
There's Data Climber.
データクライマーがある。
Do you remember anybody else from this?
他に覚えている人はいますか?
I was catching up with Aaron yesterday.
昨日、アーロンに追いついたんだ。
Data Climber, Data Culture.
データクライマー、データカルチャー。
And there's a few different freelance folks.
フリーランスの人たちも何人かいる。
But I think those were those were the usual suspects.
でも、それはいつものことだと思う。
So it really was that these folks had gotten to see how to use this new set of tools ahead of where the market was.
つまり、この新しいツールの使い方を、市場に先駆けて知ることができたのだ。
I saw the light.
私は光を見た。
And everybody that I talked to at that time said, I think that there's another McKinsey to be built.
当時、私が話をした誰もが、マッキンゼーはもう1つ建設されるはずだと言っていた。
Yeah, I think you said that.
ああ、そう言っていたね。
I think I said that multiple times to you.
あなたには何度もそう言ったと思う。
And you're like, I don't know about that.
そして、あなたは、そんなことは知らない、と言う。
So now there's this kind of been this life cycle.
だから今、このようなライフサイクルがあるんだ。
And I think every one of those companies has now joined a larger entity.
そして、そのような企業はすべて、今ではより大きな組織に加わっていると思う。
Yeah, I mean, Aaron Data Climber, you know, joined a larger company about, I know, six months ago and Montreal Analytics about a year, year and a half ago.
ええ、つまり、アーロン・データクライマーは、半年ほど前に大きな会社に入社し、モントリオール・アナリティクスは1年か1年半ほど前に入社しました。
Yeah.
そうだね。
Do you think that the McKinsey of the modern data environment is just McKinsey?
現代のデータ環境におけるマッキンゼーは、ただのマッキンゼーだと思いますか?
Maybe.
たぶんね。
Is there still like a great independent consultancy to be built out of this era of data?
このデータの時代から、独立した素晴らしいコンサルタント会社を作ることはできるのだろうか?
I don't think there will be a pure play large scale data consultancy.
純粋な大規模データ・コンサルタント会社は存在しないと思う。
I think that's too narrow.
それは狭すぎると思う。
You need to be a broader.
もっと幅広くなる必要がある。
You need to be a broader.
もっと幅広くなる必要がある。
You need to go.
君は行くべきだ。
So there's a few things.
だから、いくつかあるんだ。
And the reason why I think you'll see that kind of Aaron and the rest of the gang ended up kind of joining forces with larger firms is you need scale.
アーロンや他の選手たちが大企業と手を組むことになったのは、スケールが必要だからだ。
And what's happened over the years is that the industry has just matured and you need scale for brand awareness to scale the investment systems and account management and sales teams and sponsoring conferences and all the things that, you know, when it was just me and my Brooklyn apartment coding, I couldn't have even imagined or afforded.
業界は成熟し、投資システムや口座管理、営業チーム、カンファレンスのスポンサーなど、私一人とブルックリンのアパートでコーディングをしていた頃には想像もできなかったし、そんな余裕もなかった。
And so you need that scale.
だからスケールが必要なんだ。
And I'm a big believer that at least one of the reasons that Brooklyn Data and we chose to join Valeer, which is a digital agency, is you need multiple service lines, multiple complimentary service lines because data work by its very nature will ebb and flow.
ブルックリン・データが、そして私たちがデジタル・エージェンシーであるヴァレアーに加わることを選んだ理由の少なくともひとつは、複数のサービスライン、複数の補完的なサービスラインが必要だということです。
You know, not every organization is going to refactor their data warehouse every single year.
すべての組織が毎年データウェアハウスをリファクタリングするわけではない。
And don't get me wrong.
誤解しないでほしい。
We have these kind of long, durable, amazing relationships with our clients.
私たちは顧客とこのような長く、耐久性のある、素晴らしい関係を築いている。
It typically starts with kind of a bigger project than it evolved to kind of other different projects.
通常、大きなプロジェクトから始まり、他のさまざまなプロジェクトへと発展していく。
And for many, many of our clients, we have a long, durable, you know, similar size relationship for many years.
そして、多くのクライアントとは、長年にわたって、同じような規模の、耐久性のある関係を築いてきた。
And I think the best way to kind of keep those long, durable relationships is to take that trust that you have built with this client, with this kind of, you know, your stakeholder, with this organization and help them with other stuff, help them with other stuff.
そして、このような長く続く関係を維持する最善の方法は、このクライアント、このような利害関係者、このような組織と築いた信頼関係を活かして、他のことで彼らを助け、他のことで彼らを助けることだと思う。
Yeah.
そうだね。
And it's you've got their trust, you know, their organization, you're not doing a cold start.
そして、あなたは彼らの信頼を得ている。
In fact, you know, the beautiful thing about data is it plugs into everything.
実際、データの素晴らしいところは、あらゆるものに接続できるということだ。
And so we're already working with the marketing team.
だから、すでにマーケティングチームと協力している。
So we're already working with the supply chain team.
だから、私たちはすでにサプライチェーン・チームと協力している。
So why not help them with other things?
では、なぜ他のことで彼らを助けないのか?
Yeah, it is so interesting.
ああ、とても興味深い。
You know, I started my career at Deloitte and I've now gotten to see things on the other side, partnering with lots of the largest consulting organizations in the world.
私はデロイトでキャリアをスタートさせ、今では世界最大のコンサルティング会社とパートナーを組み、その裏側を見てきた。
And it really does seem like the biggest competitive mode that you can have is those like partner relationships with the business stakeholders.
そして、ビジネス・ステークホルダーとのパートナー関係のようなものが、最大の競争モードであるように思える。
You got that.
そうだろう。
The trust and the context is just not replicable without like years and years of relationship building.
信頼関係やその背景は、何年も何年も関係を築いていかなければ再現できないものなのだ。
People buy from people.
人は人から買う。
It's with any product people buy from people, but with services, the people are the product.
人が人から買うのはどんな商品でも同じだが、サービスでは人が商品なのだ。
So it's like doubly true.
だから、二重の意味でそうなんだ。
And, you know, I've tried to kind of reinforce to my colleagues at Brooklyn Data that we're somewhat in the hospitality business, you know, we're in the surprise and delight business.
そして、ブルックリン・データの同僚には、私たちはホスピタリティ・ビジネスをやっているんだ。
We're in the kind of really, you know, listen and read behind the lines, give people what they want and give them what they need.
私たちは、彼らが望むものを提供し、彼らが必要とするものを提供する。
You know, it isn't as I'm sure there are organizations that, hey, here's a spec, we'll build it.
スペックがあるから作ろうという組織はないだろう。
But I think truly successful consultancies that we built at Brooklyn Data are empathetic, have these great relationships and are, like you said, partners.
しかし、私たちがブルックリン・データで築き上げた本当に成功しているコンサルタント会社は、共感性があり、素晴らしい人間関係を持ち、あなたが言ったようにパートナーであると思います。
Not it's, you know, listen, at the end of the day, there is going to be a transactional relationship to any third party consultancy, but it should feel as much like a partnership as possible.
そうではなく、結局のところ、第三者のコンサルタント会社とは取引関係になるわけだが、できるだけパートナーシップのように感じるべきだ。
And I think we've done that.
そして、それはできたと思う。
A lot of our clients call us like the consultancy that doesn't feel like a consultancy.
私たちのクライアントの多くは、私たちのことを "コンサルタントらしくないコンサルタント会社 "と呼ぶ。
And I think that is the compliment.
それが褒め言葉だと思う。
Yeah.
そうだね。
Let's go back in time a little bit.
少し時間を遡ろう。
Your story and I don't I don't actually know that your full professional story and I want to get it out of you.
私はあなたのプロとしての全容を知らないし、それを聞き出したいんだ。
But I think that you are a little bit emblematic of like the data practitioner of a particular era.
でも、あなたはある時代のデータ実務家のような存在だと思います。
I think that's very true.
その通りだと思う。
You like started as an econ person, right?
経済学者としてスタートしたのが好きなんだろう?
Well, yes, I started.
まあ、そうだね。
I studied business.
私はビジネスを学んだ。
I did management consulting, kind of like you, strategy consulting for four years, Excel, PowerPoint.
私は経営コンサルティングをやっていました。4年間、エクセルやパワーポイントを使った戦略コンサルティングを。
And it was very quantitative, very quantitative, but no sequel, no little VBA, record a macro, that kind of stuff.
とても定量的で、とても定量的で、でも続編はなく、ちょっとしたVBAもなく、マクロを記録したり、そういうものだった。
But that's as technical as it got.
しかし、それは技術的なことだ。
You built like models to forecast economic things and economic things, revenue, financials.
経済的なこと、経済的なこと、収益、財務を予測するためのモデルのようなものを構築した。
You know, I remember having, you know, waking up at two in the morning early in my career with Excel nightmares.
エクセルの悪夢にうなされ、キャリアの初期に夜中の2時に目が覚めたのを覚えている。
I feel like anybody that's done that and just now I look back and I see the testing and all the version control that you have in data.
それをやった人なら誰でもそうだと思うし、今振り返ってみると、データのテストやすべてのバージョン管理が見えてくる。
I would have saved a lot of heartache in my early in my career.
私のキャリアの初期に、多くの心痛を避けることができただろう。
And and your your Excel macros were strong.
そして、あなたのエクセルのマクロは強力だった。
I was really good.
本当に良かったよ。
I'm really I feel I'm very, extremely good at Excel shortcuts.
僕はエクセルのショートカットが得意なんだ。
In 2009, I remember hanging out with some friends from business school and one of them was like a person who liked to start conversations with big questions.
2009年、私はビジネススクール時代の友人たちとつるんでいたことを覚えている。そのうちの一人は、大きな質問から会話を始めるのが好きな人だった。
And I remember he asked this question.
そして彼はこう質問したのを覚えている。
He said, what is the thing you think your top ten thousand in the world at?
彼は言った、「世界でトップ1万人だと思うものは何だ?
And I said, I think I'm really good at Excel.
エクセルが得意なんだ。
Everybody else had like better.
他のみんなはもっと良かった。
And I was just like, I'm really good at Excel.
僕はエクセルが得意なんだ。
There's like something.
何かがあるようだ。
And, you know, I went to pride.
それに、プライドもあった。
I mean, it's still my happy spot.
つまり、今でも僕の幸せな場所なんだ。
Like, yeah, I love when I go to DVD.
そう、DVDに行くのが大好きなんだ。
I don't do much very often.
あまり頻繁にはしないんだ。
But when I do, it's like very tangible, very fulfilling.
でも、そうすると、とても具体的で、とても充実したものになるんだ。
I love when I do Excel.
エクセルを使うのが好きなんだ。
I mean, and it's like no one's looking.
つまり、誰も見ていないようなものなんだ。
I'm still going to format it really nicely.
それでも、本当にきれいにフォーマットするつもりだよ。
I mean, no one's going to see it.
つまり、誰も見ようとしない。
This is just for me.
これは僕のためなんだ。
Yeah, it's going to look great.
ああ、素晴らしいものになるよ。
I particularly find I really like it to always be the correct font size across the entire sheet.
特に、シート全体で常に正しいフォントサイズであることがとても気に入っている。
And then the references from the other sheet have to be green and the constants have to be blue.
そして、もう一方のシートからの参照は緑、定数は青でなければならない。
I mean, you got to.
つまり、そうしなければならない。
A hundred percent, a hundred percent.
100%、100%だ。
And we've never had this conversation before, but you got to know those conventions.
今までこんな話をしたことはなかったけど、あなたはそういう慣例を知っている。
Green and blue, green, blue and black.
緑と青、緑と青と黒。
Exactly.
その通りだ。
OK, this is where you kind of started.
よし、ここからが君のスタートだ。
You somehow got a job running data at Casper.
あなたはどうにかしてキャスパーのデータ管理の仕事に就いた。
How did that happen?
どうしてそうなったのか?
Yeah, that's a head scratcher for me.
ああ、それは私にとって頭の痛い問題だ。
I'm not quite sure how I got that.
どうしてそうなったのかはよくわからない。
So I was living in London at the time in working consulting, moved to New York, had taken sabbatical for my consulting job.
当時、私はロンドンでコンサルティングの仕事をしていて、ニューヨークに移り、コンサルティングの仕事のために休暇を取っていた。
That's kind of like a fallback if things didn't work out.
うまくいかなかった場合の予備みたいなものだ。
And I'm like, I'm going to go work in like tech.
そして、僕は技術系の仕事に就くことにしたんだ。
And I didn't know what that meant.
それが何を意味するのか分からなかった。
And I just literally went to meetups and reached out to anybody I had the most tenuous connection with on LinkedIn, went to a meetup every night for like two months.
そして文字通り、ミートアップに参加し、LinkedInで最もつながりの薄い人に連絡を取り、2ヶ月間毎晩ミートアップに参加した。
Oh, my God, that's a lot.
ああ、大変だ。
My goal was a meetup every night and at least two coffees every day.
私の目標は毎晩のミーティングと毎日少なくとも2回のコーヒーだった。
And I just did it for months.
それを何カ月も続けた。
And I just got to know.
そして知ったんだ。
That was a good era for meetups, though.
ミートアップにはいい時代だったけどね。
Everyone was not like meetup out at that point.
その時点では、みんなミートアップのような感じではなかった。
Correct.
その通りだ。
I mean, it was it was like the heyday, you know, people, their guard was down.
つまり、全盛期みたいなもので、みんなガードが緩んでいたんだ。
I mean, it was just like a good place to meet people.
つまり、人に会うにはいい場所だったんだ。
And, you know, listen, it is in the heyday, especially post COVID.
特にCOVID以降は全盛期だ。
But I do really, really recommend to everybody networking is key.
でも、僕は本当に、みんなに人脈作りが重要だと勧めているんだ。
Build your network.
ネットワークを構築する。
Go to meet people.
人に会いに行く。
Meeting people in real life is that builds a much stronger relationship than digitally.
リアルに人と会うことで、デジタルよりもずっと強い関係が築ける。
And so I kind of landed on tech and I was thinking about finance.
それで技術にたどり着いたんだけど、金融について考えていたんだ。
And then someone told me about this data thing that people are doing.
そしてある人が、みんながやっているこのデータのことを教えてくれたんだ。
That was, you know, 2014.
2014年のことだ。
So Redshift had come out like two years before.
レッドシフトはその2年前に発売されたんだ。
It was really early days.
本当に初期の頃だった。
People talk about Vertica and all sorts of things like that.
人々はヴァーティカについて、そしてそのような様々なことについて話す。
And so a friend of a friend introduced me to the founders of Casper.
そして、友人の友人からキャスパーの創業者を紹介された。
They brought me on as a, you know, a freelancer.
彼らは僕をフリーランサーとして連れてきたんだ。
And I remember to the like, you know, if you could call it an interview, they asked, like, why should I hire you?
そして、面接と呼べるようなもので、なぜあなたを雇わなければならないのか、と聞かれたことを覚えている。
I said, you don't want to hire someone that knows the tool and only knows the tool.
私は、ツールを知っていて、ツールしか知らない人を雇いたくないと言ったんだ。
You want to hire someone who knows how to think and can learn any tool.
あなたは、どのように考えるかを知っていて、どんなツールでも学ぶことができる人を雇いたい。
Yeah, I didn't know where that came from, but it landed and it worked.
ああ、それがどこから来たのかわからなかったけど、着地してうまくいった。
And I actually I do actually believe that very strong.
そして、私はそれを強く信じている。
So you were the first quote unquote data.
つまり、あなたが最初のデータだったわけだ。
Yeah, I was employee number like 16 at Casper.
ああ、僕はキャスパーの従業員番号16番だった。
Oh, and I was there for four years.
ああ、私は4年間そこにいた。
It grew to a hundred four hundred people.
その規模は1400人にまで拡大した。
The data team grew to 15 or 16 people.
データチームは15、16人に増えた。
Did it get acquired?
買収されたのですか?
This isn't a nice company.
ここはいい会社ではない。
So, I mean, I think, you know, a lot of those DTC darlings had kind of you had a moment at a moment and then there was a little bit of a reckoning.
つまり、DTCの寵児たちの多くは、ある瞬間、その瞬間があり、その後、ちょっとした清算があったと思うんだ。
And so it went it went public.
そして、それは公開された。
I did not know that went public maybe to twenty nineteen, maybe.
19年まで公開されていたとは知らなかった。
And and it didn't do well, even though, you know, the first day, you know, you have this when you have shares, you have this kind of block up period and you can't sell it for six months.
そして、初日はうまくいかなかったが、株を持つと、このようなブロックアップ期間があり、6ヶ月間は売ることができない。
And, you know, I think everybody in Casper was collectively just watching the stock slowly go down over six months, which is fine.
そして、キャスパーのみんなは、半年かけてゆっくりと株価が下がっていくのをただ見ているだけだったと思う。
I mean, I I wouldn't trade anything.
つまり、僕は何も交換しない。
Well, the Casper experience was amazing.
まあ、キャスパーの体験は素晴らしかった。
I learned so much.
多くのことを学んだ。
It set my whole career up.
それが私のキャリアのすべてを決めた。
And it was like, you know, people talk about like the in the PayPal mafia.
ペイパル・マフィアみたいな話もあったしね。
I think there's like a Casper mafia, like everybody's doing very cool things.
キャスパー・マフィアみたいなのがいて、みんなすごくクールなことをやっていると思う。
And so so Casper, then then they went private again.
そうしてキャスパーは、その後再び非公開になった。
OK, so somebody took him private, took him private.
誰かが彼をプライベートで連れて行ったんだ。
And it's I mean, I still buy Casper mattresses.
今でもキャスパーのマットレスを買っている。
I still do.
今でもそうだ。
I don't know anybody that works there, but I buy it out of brand affinity and like I bought the like top of the line mattress.
そこで働いている知り合いはいないけど、ブランドへの親近感から買うし、最高級のマットレスを買ったようにね。
I'm still supposed to keep you cooler.
私はまだあなたを冷やすことになっている。
I was like, did it work?
うまくいったの?
It took.
かかった。
I love it.
大好きだよ。
I it's actually worth your convincing me.
私を納得させる価値がある。
I always go to the standard.
私はいつもスタンダードに行く。
But we had a podcast about data and now we're talking about this.
でも、ポッドキャストでデータについて話していたのに、今はこれについて話しているんだ。
Here's the reason that I wanted to go back in time to this, because I think that historically data teams or it wasn't even a thing like data teams.
というのも、歴史的にはデータ・チーム、あるいはデータ・チームというものすら存在しなかったと思うからです。
But mostly there were IT organizations that did data things because executives needed dashboards.
しかし、ほとんどの場合、経営陣がダッシュボードを必要としていたため、IT組織がデータ処理をしていた。
And so there was a data capability in that organization.
そして、その組織にはデータ機能があった。
But when you hire people inside of IT, they are not they don't have the background that you just described.
しかし、IT部門の人材を採用する場合、彼らは今あなたが言ったような経歴を持っているわけではありません。
And so all of a sudden there was this all the tools were changing.
そうして突然、すべてのツールが変わったんだ。
There were startups.
新興企業があった。
There was no kind of existing data infrastructure.
既存のデータインフラのようなものはなかった。
And so you got the opportunity to take people who understood strategy and give them control of the infrastructure and like the keys to the castle.
それで、戦略を理解している人たちを、インフラストラクチャーや城の鍵のようなものを管理させる機会を得たわけだ。
And it produced like very interesting, neat things.
そして、とても興味深く、すてきなものを生み出した。
Yes.
そうだ。
I don't want us to go back to a world where like data is IT.
データがITのような世界に戻ってほしくない。
That's not to say that IT and data engineering and all like there's real systems to be built fine.
だからといって、ITやデータエンジニアリングなど、実際に構築されるべきシステムを否定しているわけではない。
Agreed.
同感だ。
But there was a beauty in that the world that got created when the people that understood the business also like decided how the tech worked and how the word structure worked and all that stuff.
でも、ビジネスを理解している人たちが、技術的な仕組みや言葉の構造、その他もろもろを決めたときに生まれる世界には美しさがあった。
I agree.
私もそう思う。
It's interesting.
興味深いことだ。
I think the evolution of the Casper data team kind of exemplified that.
キャスパーのデータチームの進化は、それを象徴しているようなものだと思う。
And so when we started, everybody in the Casper data team looked a lot like me, former management consultants.
そうしてスタートしたとき、キャスパーのデータ・チームは皆、元経営コンサルタントの私によく似ていた。
And actually, we looked a lot like our stakeholders.
そして実際、私たちはステークホルダーによく似ていた。
We would start to specialize.
私たちは専門化を始めるだろう。
So we'd have people in the data team that would report with the marketing team and they would go to marketing meetings and be embedded.
だから、データ・チームにはマーケティング・チームと一緒に報告する人がいて、彼らはマーケティング会議に出席し、組み込まれることになる。
But we got a point, I would say two years in where the scale of the data, of the challenge, of the complexity of the technical infrastructure we were managing.
しかし、データの規模や課題、管理する技術的インフラの複雑さに直面したのは、2年後のことだった。
And again, this wasn't rocket science, but, you know, we're trying to sort keys and disk keys and let's not be vacuuming anymore.
これはロケット・サイエンスじゃないけど、キーとディスク・キーを分類しようとしているんだ。
And, you know, Drew, my co-founder, went to a Halloween party one time as a redshift vacuum.
私の共同設立者であるドリューは、あるときハロウィーン・パーティーにレッドシフトのバキュームとして参加したんだ。
And I'm sure there's one person at the party that got it and found it hilarious.
そして、パーティーの中で一人くらいは、それを聞いて愉快に思った人がいるはずだ。
Yep.
そうだね。
But I'm scarred from the sort keys and disk keys and vacuuming.
でも、ソートキーとディスクキーと掃除機で傷だらけだよ。
And so then we saw a little bit of a divergence and evolution of the team where we started seeing more STEM degrees, more people with kind of, you know, engineering or tech, not necessarily computer science backgrounds, but, you know, more technical backgrounds come in.
その結果、STEMの学位、つまり工学や技術、必ずしもコンピューター・サイエンスのバックグラウンドがあるわけではないが、より技術的なバックグラウンドを持つ人たちが入ってくるようになった。
And we saw actually a divergence in the personas.
そして、ペルソナに乖離が見られた。
We still have the people that we had kind of the OG, you know, Casper data team.
キャスパーのデータチームには、まだOGのような人たちがいる。
They were a little bit more stakeholder facing.
彼らはもう少しステークホルダーに向き合っていた。
I mean, you know, we were all one office.
つまり、私たちはひとつのオフィスだったんだ。
We all talked to STEM stakeholders, but there were folks that were a little bit more, you know, focused on the technology, you know, writing good, clean pull requests.
私たちは皆、STEMの関係者と話をしたが、もう少し技術的なことに集中している人たちもいた。
And I think that evolution totally made sense.
そして、その進化はまったく理にかなっていると思う。
They were all kind of and even I look back and those people that I'm describing, those are early analytics engineers.
彼らはみんな、そして私でさえ振り返ってみて、私が説明した人たちは初期のアナリティクス・エンジニアたちです。
Yep.
そうだね。
And, you know, we that that was kind of we organically saw the split of the analyst and the analytics engineer.
そして、アナリストとアナリティクス・エンジニアが分かれることになった。
Yeah.
そうだね。
OK, so this is the thing that I think that the thread that I was trying to pull out, I have I had a conversation in 2015 with somebody who ran a, I think, modestly sized data team at Zillow, and they had a similar background to you.
2015年に、Zillowでそこそこの規模のデータチームを運営していた人と話したことがあるんですが、彼らはあなたと似たような経歴を持っていました。
They were like econometrics or something like that.
計量経済学みたいなものだった。
And, you know, Zillow is pretty quantitative place, good data systems, et cetera.
それに、ジローはかなり定量的で、優れたデータ・システムを持っている。
And I asked him to show me their workflow and their workflow was they had Redshift and they wrote 500 line SQL queries on Redshift.
そのワークフローは、Redshiftを使い、Redshift上で500行のSQLクエリを書くというものだった。
Yeah.
そうだね。
Then they pushed like copy this data set.
そして、このデータセットをコピーするようにプッシュした。
They dumped it to Google Sheets.
彼らはそれをGoogle Sheetsに捨てた。
Then they took the 500 line SQL query and like dumped it in a tab called SQL.
そして、500行のSQLクエリーをSQLというタブにダンプした。
And it was just like this persona that like truly understood the quantitative part, but like knew nothing about how to build large scale systems.
定量的な部分は本当に理解しているけれど、大規模なシステムを構築する方法については何も知らないというような人物像だった。
And I think so much of the journey that I'm interested in in the past 10 years is like, how do you understand the the spectrum of personas that are needed to do great data work?
この10年間、私が関心を抱いてきたのは、優れたデータ業務に必要なペルソナのスペクトルをどのように理解するかということだった。
Because you really do need the systems thinkers and you really also do need the quantitative and more business facing people.
というのも、システム・シンカーは本当に必要だし、定量的でビジネスに直結した人材も本当に必要だからだ。
And they're often just not the same people.
そして、彼らはしばしば同じ人間ではない。
And how do you get them to work together?
そして、どうやって彼らを協力させるのか?
I agree.
私もそう思う。
I would also say, like, even if you get more technical, then you have more platform engineers or even further, like, you know, everybody's building on that.
さらに技術的なことを言えば、プラットフォーム・エンジニアを増やすとか、もっと先のことを言う。
That's the challenge.
それが課題だ。
But your vision and I think and what I've seen is get them all speaking in common language.
しかし、あなたのビジョンと私が思うこと、そして私が見てきたことは、彼ら全員を共通の言葉で話せるようにすることだ。
And that was SQL.
それがSQLだった。
That was like one of the big ahas, you know, six, seven years ago when remember, I mean, there was a clear debate, Python versus SQL.
6、7年前、Python対SQLという明確な論争があったのを覚えていますか?
And we all kind of forget about that.
そして私たちは皆、そのことを忘れてしまう。
I'm not saying that Python lost, but like SQL has very much become the language of communication I've seen between kind of analysts and engineers.
Pythonが負けたとは言いませんが、SQLがアナリストとエンジニアの間のコミュニケーション言語になっているように思います。
It was like deeply uncool in 2016, 17.
2016年、17年はまるでかっこ悪かった。
And I don't know that it's now cool, but like it's not like a knock.
そして、今がクールかどうかはわからないが、ノックのような感じではない。
It's people don't not adopt DBT or tools like DBT because they're like, oh, that looks like a that's like a mark on my job, on my resume.
DBTやDBTのようなツールを採用しないのは、「ああ、これは私の仕事や履歴書に印がつくようなものだ。
Yeah.
そうだね。
What do you think created the opportunity for change over the past decade?
この10年間で何が変化のきっかけを作ったと思いますか?
Because things in data have changed a lot.
データにおける状況は大きく変わったからだ。
I'm a believer in the trends and forces theory of history and not the great man theory.
私は歴史のトレンドと勢力説を信じており、偉人説は信じない。
I don't think it's that Ali Goethe or whomever like invented some magical thing and like changed the world.
私は、アリ・ゲーテや誰かが魔法のようなものを発明して世界を変えたとは思わない。
I think it's like there are these trends that happen.
このような傾向があるように思う。
It created space for us to do stuff.
僕らが何かをするためのスペースを作ってくれたんだ。
Yeah, because you probably also see your story not as like, oh, my God, I'm so incredible.
ええ、おそらくあなたも自分のストーリーを、ああ、なんてこった、俺はこんなにすごいんだ、とは思っていないでしょうから。
I created this great, incredible company.
私はこの素晴らしい、信じられないような会社を作った。
You probably see it as like it was a funny opportunity that I stepped into.
おそらく、私が足を踏み入れたのはおかしなチャンスだったというように見ているのだろう。
Yeah.
そうだね。
Holy shit.
なんてこった。
This happened.
こんなこともあった。
I mean, I think it's it's compute and storage just got cheaper, got cheaper.
つまり、コンピュートとストレージが安くなっただけだと思う。
And I think that's that is if you strip away all the things, that's the thing.
いろいろなものを取り除くと、そういうことになると思うんだ。
Yeah.
そうだね。
I mean, it's cloud driving compute and storage to be cheap for you to I mean, that's that's that's what kind of allowed us to to kind of E.L.T.
つまり、クラウドによってコンピュートとストレージが安くなり、E.L.T.を実現することができたんだ。
Let's you know, let's store, you know, not just kind of save some data.
ただデータを保存するだけでなく、保存しよう。
What the heck?
何なんだ?
Let's save it all.
全部取っておこう。
You know, let's not just look at five days of data that look all the data.
5日間のデータだけを見て、すべてのデータを見るのはやめよう。
I mean, it's just like storage, compute, columnar storage, Redshift.
つまり、ストレージ、コンピュート、カラムナー・ストレージ、レッドシフトのようなものだ。
I think Redshift was very much the big unlock.
レッドシフトは大きな鍵を開けてくれたと思う。
It's not like because I remember early days I was chatting with.
初期の頃を思い出すと、チャットをしていたような気がしないでもない。
I think that's how you know OG in the space that they have an emotional connection to Redshift.
それが、OGがレッドシフトに感情的なつながりがあることを知る方法だと思う。
But I remember chatting with people that had Vertica, Teradata.
でも、ヴァーティカやテラデータを持っている人たちと話をしたのを覚えている。
It's not like people weren't doing it before.
以前からやっていなかったわけじゃない。
What Redshift did was made it a click of a button.
Redshiftがやったのは、ボタンをクリックすることだった。
And then, you know, you had these layer layers of Looker made BI and transformations like the first level transformations.
そして、LookerがBIを作り、第1レベルのトランスフォームのようなトランスフォームのレイヤーがあった。
I remember we had our first Looker demo from Lloyd Tabb came into the Casper office, demoed Looker.
ロイド・タブがキャスパーのオフィスに来て、ルッカーのデモをしたのを覚えている。
He's like, just put Looker on a read replica, do your transformations and PDTs.
ルッカーをリードレプリカにつけて、変身とPDTをすればいいんだ。
And that would have been cool.
そして、それはクールだっただろう。
I never got a Lloyd demo of Looker.
ルッカーのロイド・デモは手に入らなかった。
I mean, he was very passionate, very convincing.
彼はとても情熱的で、説得力があった。
And we like sighed on the spot and it worked until it didn't until we outgrew the PDTs and nested PDTs.
私たちはその場でため息をつくのが好きで、PDTやネストしたPDTを使いこなすまではうまくいっていた。
And it wasn't performing and it was like, go get your coffee, you know, and then your dashboards will be ready.
ダッシュボードは、コーヒーを飲みに行って、それから準備するんだ。
But like all these things, Fivetran made it easier to bring data in, you know, DBT made it easier to transform and scale and use GitHub and version control.
DBTは変換や拡張を容易にし、GitHubやバージョン・コントロールの使用を容易にした。
So it's just all these kind of technologies that allow people to do something easier and easier and cheaper and cheaper.
つまり、人々がより簡単に、より簡単に、より安く、より安く何かを行えるようにする、こういった種類の技術なんだ。
People have always been making decisions since they were cavemen.
人は原始人の頃から常に決断をしてきた。
You know, do I hunt in the woods or the pasture?
森で狩りをするか、牧草地で狩りをするか。
I mean, like, is that a line that you use in sales meetings?
営業会議で使うセリフですか?
It does sound good.
確かにいい音だ。
I should use it.
私はそれを使うべきだ。
It's a good line.
いいセリフだ。
What the technology just has enabled us to use better and better decisions.
テクノロジーによって、私たちはより良い判断を下せるようになった。
And I think at the end of the day, it's storage and compute getting cheaper.
結局のところ、ストレージとコンピュートが安くなっているのだと思う。
Yep, yep.
そう、そうだ。
And that brought us to there was like this fundamental thing that was going on, which I think you described very nicely.
その結果、根本的なことに行き着いたんだ。
And that brought us to this interesting point that mashed up against zero interest rate.
そして、ゼロ金利とマッシュアップしたこの興味深い点に行き着いた。
Yeah.
そうだね。
And the availability, like almost infinite availability of venture capital.
そして、ベンチャーキャピタルがほぼ無限に利用できる。
And, you know, we're at Coalesce right now.
今、コアレッセにいるんだ。
And you could see in 21, 22, this show up by the like vendor booths at events. And all of a sudden it was like, there are 10 companies that do X thing.
そして21、22年には、イベントのベンダー・ブースみたいなところで、このショーを見ることができた。 そして突然、○○をやっている会社が10社ある、というようになった。
And, and, and, you know, we're probably starting to back our way out of that a little bit, which is, you know, a messy process, but natural.
そして、そして、私たちはおそらく、そこから少し後退し始めている。
It feels like this is the year where, you know, the next 12 months is when things solidify.
今年は、次の12カ月で物事が固まる年だと感じている。
Yeah.
そうだね。
That might be true.
それはそうかもしれない。
But like every wave has its crest and there's a new wave.
しかし、どんな波にも頂上があり、また新しい波がやってくる。
There's a lot of interesting things going on in the space right now.
今、このスペースでは興味深いことがたくさん起こっている。
Iceberg, AI, there's just a lot.
氷山、AI、とにかくたくさんある。
If you created Brooklyn Datacode out of this one set of this one particular context, like what are the companies that are going to get created, like the professional services companies, what are they going to get created based on now?
ブルックリン・データコードをこの特定のコンテクストから作成した場合、例えば、プロフェッショナル・サービス企業のように、これから作成される企業は何に基づいて作成されるのでしょうか?
What are the waves?
波とは?
The modern data sec wave was gigantic.
現代のデータセックの波は巨大だった。
And I think like, I think back and I feel very privileged to be at the right, exact right place at the right time when it happened.
思い返せば、あの時、あの場所にいたことをとても光栄に思っている。
And, and, and, and kind of just like the dbt community, like, I don't know if I will ever see something like that in my lifetime.
そして、そして、dbtコミュニティと同じように、私が生きている間にそのようなものを見ることができるかどうかわからない。
And that's the dbt, that's analytics engineering, that's modern data sec.
それがDBTであり、アナリティクス・エンジニアリングであり、モダン・データ・セキュリティーなのだ。
I think that was a, an experience that I'll maybe only see once in a lifetime, but I think there are other waves.
あれは、たぶん一生に一度しか見られない経験だったと思う。
I think, you know, you see people talking about AI, of course.
もちろん、AIについて話している人もいると思う。
I mean, I think, I think that's, that's a kind of opportunity.
つまり、これは一種のチャンスだと思うんだ。
Clean tech, energy, quantum.
クリーンテック、エネルギー、量子。
I mean, have you seen, are there boutique AI consulting shops?
つまり、ブティック型のAIコンサルティング・ショップを見たことがあるだろうか?
I haven't looked around, but I'm sure there has to be, right?
探し回ったわけじゃないけど、きっとあるはずだよね?
I'm, I'm not familiar with that, but I imagine it's, it's in a similar place to when maybe it was 2015, 2016, you know, when maybe there was a DOS 42 and a bunch of freelancers.
私は詳しくないのですが、2015年や2016年、DOS42やフリーランサーが大勢いた頃と同じような状況だと想像しています。
I think the only difference maybe with AI though, is that the modern data sec flew under the radar for many years.
しかし、AIとの唯一の違いは、最新のデータ・セキュリティーが長年にわたって水面下に潜んでいたことだと思う。
Yeah.
そうだね。
AI went straight to quantum.
AIは量子に直行した。
It was never like a New York times front page on the modern data stack.
現代のデータスタックに関するニューヨーク・タイムズの一面記事のようなものではなかった。
And so it was actually easier to kind of.
だから、そのほうが楽だったんだ。
I mean, we, we even today, I mean, we win against the big, big, big, you know, global consultants, as you know, because we know the tools better.
つまり、私たちは今日でも、ご存知のように、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、大手の、グローバルなコンサルタントに対して、ツールをよく知っているからこそ、勝つことができる。
We've been using them.
私たちはそれを使ってきた。
I mean, I've been using dbt since 2016.
つまり、私は2016年からdbtを使っている。
You know, it wasn't enterprise ready back then.
当時はまだ企業としての準備が整っていなかったんだ。
It wasn't on the radar.
レーダーには映っていなかった。
You think?
そう思うか?
It was a fun experience.
楽しい経験だった。
It's not even clear that it was Casper ready, but we made it work. Um, but I think that's the big difference is, is that, you know, you look at Accenture, you know, making, you know, one to $2 billion a year on, on AI work.
Casperの準備が整っていたかどうかも定かではありませんが、私たちはそれを実現しました。 しかし、アクセンチュアがAIの仕事で年間10億ドルから20億ドルを稼いでいるのを見ると、これは大きな違いだと思います。
I mean, like that didn't exist.
つまり、そんなものは存在しなかったということだ。
I feel like I've heard people quote something like that before.
前にも同じようなことを言われたような気がする。
Um, that was definitely not the case in, in, in, um, in modern data stack.
現代のデータスタックでは、そうではなかった。
So I think there's a, I definitely think there's a different dynamic.
だから、間違いなく違うダイナミズムがあると思う。
I think there will be an opportunity there, but I think it's like burning hotter, faster and might blow up hotter, faster.
チャンスはあると思うが、より熱く、より速く燃え上がり、より熱く、より速く爆発するかもしれない。
Um, that's interesting.
それは興味深いね。
Even the whole AI industry, uh, it, it feels, um, we all universally agree that there's a there, there.
AI業界全体でさえ、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー、あー」。
Um, I think we all universally agree that, uh, 90% of the startups we see will, will fail and these kind of VCs are paying really, really, really, really high, you know, valuations for investments.
私たちが目にするスタートアップの90%は失敗するだろうし、この種のVCは投資に対して本当に、本当に、本当に、本当に、高い評価額を支払っている。
I think a lot of people are going to get washed, but they'll also find that one next thing too.
多くの人が洗礼を受けると思うが、その人たちも次のものを見つけるだろう。
But it's, it's going to be beautiful, creative destruction in the AI space. It's sometimes hard to disentangle the I'm bullish on the underlying technology versus I'm bullish on the equity returns currently.
しかし、AIの分野では創造的破壊が起こるでしょう。 基礎技術に強気なのか、現在の株式リターンに強気なのかを区別するのは難しい。
A hundred percent.
100パーセントだ。
I'm reading a book right now on exactly that.
今、まさにそれに関する本を読んでいるところだ。
Um, I think what moves markets.
マーケットを動かすものは何だと思う。
Um, and it's, it's basically saying that, you know, not many people made money on canals, railroads, anything.
基本的には、運河や鉄道で儲けた人はあまりいない、ということなんだ。
I mean, they like, they were hugely value creating for America, but a lot of people, a lot of people got wiped out.
つまり、彼らはアメリカにとって非常に大きな価値を生み出した。
A lot of people got wiped out.
多くの人が全滅した。
And that's, I mean, you got to know, like anything, it's all about timing.
つまり、何でもそうだけど、タイミングが大事なんだ。
You got to ride the wave and know how to know when to hold them.
波に乗り、いつ波を止めるべきかを知る必要がある。
Know when to fold them.
畳むタイミングを知る。
Did they talk about the, um, the Panama canal in this book at all?
この本の中で、パナマ運河の話は全く出てこなかったのですか?
A little bit.
少しね。
I, I have admittedly about 20% in it, but, um, get to the Panama canal stuff at what I read about this a little bit at one point and, um, the number of people who died in constructing the Panama canal is just astronomical.
パナマ運河建設で亡くなった人の数は天文学的な数字です。
It's like tens of thousands.
何万人という感じだ。
Yes.
そうだ。
It's shocking.
衝撃的だ。
And the idea that we were just like, well, it's just, it's really important.
そして、私たちはただ、まあ、これは本当に重要なことなんだ。
We're just going to keep going.
このまま進むだけだ。
That is a different era.
それは時代が違う。
And the wildness is it's that's, that's durable.
そして野性味は、それはそれは耐久性がある。
I mean, the, the Pam canal is still, I mean, they made it wider, the various six, the expansion project, but it's like, it's very similar to what it was.
つまり、パム運河はまだ、つまり、6つの拡張プロジェクトによって広くなったが、以前とほとんど変わらない。
When it started, that's, that's real value.
それが始まったとき、それが本当の価値なんだ。
That's amazing.
すごいね。
Are you saying people are still going to use redshift on a hundred years?
100年後も赤方偏移を使うつもりだと言うのか?
I mean, well, I think redshift, redshift's coming to have a comeback. Yeah, totally.
つまり、レッドシフトが、レッドシフトがカムバックすると思うんだ。 そうだね。
There was a time where there was a meme in the dbt community that that was that, that the redshift was not where it needed to be.
dbtのコミュニティでは、赤方偏移は必要な場所ではないというミームがあった。
But, but I think that that time has just multiple years behind us.
でも、でも、その時期はもう何年も過ぎてしまったと思う。
Totally.
まったくだ。
It, it definitely feels even, you know, it coalesces here.
それは、間違いなく、ここに集結していると感じる。
Like it, it, it was really exciting to, you haven't heard innovation and redshift in the same sentence in a long time.
イノベーションとレッドシフトを同じ文章で聞くのは久しぶりだった。
And I feel like it coalesce recently, you know, when there's been, listen, there's been kind of serverless, there's been kind of various different notes, but like, even today, most people use dense compute still. I do think like redshift has a really cool ecosystem play.
最近、サーバーレスのようなものが出てきて、いろいろなことが言われるようになりましたが、今日でも、ほとんどの人が密な計算を使っています。 redshiftは、本当にクールなエコシステムだと思います。
I mean, zero copy ETL, like that's really cool stuff.
つまり、ゼロコピーETLは本当にクールなものなんだ。
Yep.
そうだね。
He's like, you know, everybody's running a database on, on AWS.
彼は、みんなAWS上でデータベースを動かしている。
Totally.
まったくだ。
There was a lot of haymaid about the benefits that a company like a snowflake or Databricks could have because they could run on all the different hyperscalers, but there's also a very unique set of benefits that I think you can have if you're a cloud, like a one cloud native product, like you're talking about, like they can create integrations with their other services that like you just couldn't do otherwise.
snowflakeやDatabricksのような企業は、さまざまなハイパースケーラーで稼働することができるため、そのメリットについて多くの議論がありました。しかし、あなたが話しているようなクラウド・ネイティブ製品であれば、他のサービスとの統合が可能で、他の方法では実現できないような、非常にユニークなメリットもあると思います。
So it's, it's neat to see that ecosystem evolve.
だから、エコシステムが進化していくのを見るのは素晴らしいことだよ。
Do you have any thoughts on Iceberg?
アイスバーグについてどう思いますか?
It's still one of these destabilizers.
今でも不安定要因のひとつだ。
It's like, uh, we all, okay.
それは......みんな、オーケー。
Maybe there's like very smart technologists that understood the 15 different components of a database, but I like never actually had to get to that level.
もしかしたら、データベースの15種類のコンポーネントを理解している、とても賢い技術者がいるかもしれない。
I was like, okay, I understand the optimizer.
オプティマイザーのことはわかった。
I understand like some different things about redshifts.
赤方偏移について、私はいくつかの異なることを理解している。
And then Iceberg comes along and we're all thinking about file format.
そしてアイスバーグが登場し、私たちは皆ファイルフォーマットについて考えるようになった。
Yeah.
そうだね。
And that was like, not a thing that we thought about for a long time.
そしてそれは、私たちが長い間考えてもみなかったようなことだった。
And now all of a sudden we realize we like our concept of a data system has been a little bit shifted on its head.
そして今、私たちは突然、データシステムの概念が少し覆されたことに気づいた。
Yep.
そうだね。
Are you finding customers engaged in this thought, like the people that you are working with care about this topic?
あなたが一緒に働いている人たちが、このトピックに関心を寄せているように、この思考に関与している顧客を見つけていますか?
No.
そうだ。
Really?
本当に?
I'm not yet.
私はまだだ。
I would say as a, as a conceptual concept, yes.
コンセプトとしてはそうだ。
I don't think any of the, um, any of the use cases are perfectly ready for primetime.
どのユースケースも、ゴールデンタイムの準備が完璧に整っているとは思わない。
I think everyone's excited about the direction of travel.
誰もがこの方向性に興奮していると思う。
Um, it's really exciting to see Snowflake support Iceberg, um, both kind of as a native format and external tables.
SnowflakeがIcebergを、ネイティブフォーマットとしても外部テーブルとしてもサポートしているのは、本当にエキサイティングなことだ。
And you play that forward.
そして、それを前方でプレーする。
Theoretically, you know, your abstracting storage made the best compute platform win.
理論的には、ストレージを抽象化することで、最高のコンピュート・プラットフォームが勝つことになる。
Which both Ali and Sridhar said literally that line on stage at their conferences.
アリもスリダールも会見の壇上で文字通りそのセリフを言った。
I mean, they said it.
つまり、彼らはそう言ったんだ。
No, I mean, they said it, but I have to think just like any software, like I think Snowflake will do enough, you know, and they'll all do enough to support external storage while also making it easier and better if it is, you know, they are the catalog.
いや、彼らはそう言ったけど、他のソフトウェアと同じように、スノーフレークも十分なことをしてくれると思うし、外部ストレージをサポートするのに十分なことをしてくれると思う。
And so it's like, it's, I mean, it's a balance.
つまり、バランスが大事なんだ。
Like you have a balance, open source versus paid.
オープンソースと有料のバランスを取るようにね。
Yeah.
そうだね。
And I think they're going to have a similar balance of, I mean, unless something dramatically happens, it's always going to be a better, more performant experience to have a, to query a Snowflake managed Iceberg table than an externally managed Iceberg table.
つまり、何か劇的なことが起こらない限り、外部で管理されたIcebergテーブルよりも、Snowflakeで管理されたIcebergテーブルの方が、常に、より良いパフォーマンスでクエリを実行できるのです。
You don't think so?
そう思わないか?
Want Snowflake?
スノーフレークが欲しい?
Wait, I'm giving, just got a look.
待ってください、今見てきました。
Maybe 5%, maybe 10%.
5%かもしれないし、10%かもしれない。
Data points that indicate that you can approach the same levels of performance.
同じレベルのパフォーマンスに近づけることを示すデータポイント。
I, I, I don't know.
私は、私は、私は知らない。
Uh, I, I don't claim to be a super expert on the performance characteristics here, but I've seen some compelling data.
性能特性について超専門家だとは言わないが、説得力のあるデータをいくつか見た。
Listen, I think this is a very cool direction.
聞いてくれ、これはとてもクールな方向性だと思う。
Um, I, I'm excited where it's going.
僕は、この先が楽しみだよ。
I don't think it'll be this, like you have this free-flowing data lake in Iceberg that kind of everybody goes, you know, you use Snowflake, use Databricks, you use this and I'll hit it.
アイスバーグのデータレイクが自由自在に流れていて、みんながスノーフレイクを使ったり、データブリックスを使ったり、これを使ったりして、私がそれを使う、というようなことにはならないと思う。
Um, and it, with the kind of equal performance and ease, maybe the idea, I just feel like there's just going to be an interest of these platforms to kind of keep people in, in, in, in their ecosystem.
そして、同じようなパフォーマンスと手軽さで、多分、これらのプラットフォームは、人々を自分たちのエコシステムの中に閉じ込めておくことに関心があるような気がするんだ。
Totally.
まったくだ。
That it's, it doesn't take a rocket scientist to understand how this like maps onto the incentives of the different platforms.
これは、ロケット科学者でなくても、このようなことが異なるプラットフォームのインセンティブにどのようにマッピングされるかを理解できるだろう。
And I think that there will be an interesting question of like, hey, get it's some Fortune 500 data architect organizations, like they are really bought into this vision of the future.
そして、フォーチュン500に名を連ねるデータ・アーキテクトの組織が、この未来のビジョンを本当に信じているのか、というような興味深い疑問も出てくると思う。
And then you get to figure out how much those customers can turn the crank on.
そして、その顧客がどれだけクランクを回せるかを見極めるんだ。
Yeah, totally.
ああ、まったくだ。
Listen, everybody I talk to, don't get me wrong, is excited about this.
誤解しないでほしいんだけど、僕が話をする人はみんな、このことに興奮しているんだ。
Yep.
そうだね。
But they're, I think they're all in a holding pattern.
でも、彼らは皆、保留状態だと思う。
They're experimenting it.
彼らはそれを実験しているんだ。
They're reusing it for kind of ad hoc use cases.
彼らはそれをアドホックなユースケースに再利用している。
I don't know.
分からないよ。
I don't know of anybody who is like, uh, their, their entire data lake is on Iceberg and they use a eight different compute plan.
データレイク全体がIcebergで、8つの異なるコンピュート・プランを使っているような人は知らない。
No, totally with you.
いや、まったく同感だ。
Yeah.
そうだね。
But I, I'm excited to experiment.
でも、僕は実験するのが楽しみなんだ。
I'm excited to flip on Iceberg, um, as a kind of a materialization, materialization kind of, uh, method in, in dbt and, and play around with it.
アイスバーグを、dbtにおける物質化、具体化の一種の方法として、使ってみるのが楽しみなんだ。
I'm going to start, and the team is already starting to test into it.
私はこれから始めるつもりだし、チームはすでにテストを始めている。
And I think there might be a moment where we go to our clients.
そして、クライアントに会いに行く瞬間があるかもしれない。
It's like, Hey, it's got, it's hit the tipping point.
もう転換期なんだ。
I think we should convert everything to Iceberg and start thinking about from an, like an Iceberg first, you know, mindset when doing architecture.
すべてのものをアイスバーグに変換して、建築をするときにはまずアイスバーグから考えるべきだと思うんだ。
Yeah.
そうだね。
Fivetran has gone very at Iceberg.
フィベトランはアイスバーグで大暴れした。
Yep.
そうだね。
I'm not going to remember exactly what they're calling it, but they're making it very easy to take data and deliver it directly to Iceberg and then you can kind of use it from there, however you want.
正確には覚えていないが、データを直接アイスバーグに送り、そこから好きなように使うことができる。
I mean, that's a lot because we, you know, when we bring Fivetran into enterprise clients, a lot of them do want some sort of landing zone in some cloud storage before bringing it into their, um, data warehouse.
というのも、ファイベトランを企業のクライアントに導入する際、彼らの多くはデータウェアハウスに導入する前に、クラウド・ストレージにある種のランディング・ゾーンを求めているからだ。
And I think that, I think that speaks to both kind of an Iceberg trend and like just a need in the enterprise to have a separate landing zone. One of the other interesting things that I've heard this week is that I think we first talked about the dbt semantic layer at Coalesce 21.
これは、アイスバーグのトレンドのようなものでもあり、企業における独立した着地点を持つ必要性のようなものでもあると思います。 今週私が聞いた他の興味深いことのひとつに、私たちが最初にdbtセマンティック・レイヤーについて話したのはCoalesce 21だったと思います。
I remember that.
それは覚えている。
And there was a great video, the debut of the semantic layer.
そして、セマンティック層のデビューという素晴らしいビデオもあった。
I could, I don't even remember.
覚えてないんだ。
I think Drew did it, right?
ドリューがやったんだろう?
I saw it, but yeah, I remember that way back, but yeah.
見たけど、ああ、昔のことだけど覚えているよ。
Yeah.
そうだね。
And it has been an interesting journey.
そしてそれは興味深い旅だった。
It took us two years and an acquisition to get the technology really working.
この技術が本当に機能するようになるまでには、2年の歳月と買収が必要だった。
And the past year has seen, on our side, has seen usage numbers go up into the right, but from a small base.
そしてこの1年で、私たちの側では、使用率が右肩上がりになったが、ベースは小さなものだった。
And this year, the thing that I'm hearing over and over again is people say, I'm finally ready to make the investment to do this.
そして今年、私が何度も何度も耳にしたのは、ようやくこのための投資をする準備ができた、という人々の声だった。
In the past, the semantic layer, so Coalesce 23, our semantic layer enablement sessions were oversubscribed.
過去には、セマンティック・レイヤーのイネーブルメント・セッションは定員オーバーになりました。
We need to actually add more of them.
実際にもっと増やす必要がある。
And then most of those folks went back to their offices and said like, I've got so much other shit to do.
そして、その人たちのほとんどはオフィスに戻り、他にやることがたくさんあるんだ、と言った。
But those same people are here this year and they're like, we're ready.
でも、同じ人たちが今年もここにいて、準備はできているんだ。
We're doing it.
私たちはやっている。
Have you seen conversations in clients where there's, is there an interest in a semantic layer that spans BI tools?
BIツールにまたがるセマンティック・レイヤーに関心があるかどうか、顧客との会話を見たことがありますか?
Or is this another conversation like Iceberg where it's like that in theory sounds great, but we're just like not there yet.
それとも、アイスバーグのように、理論的には素晴らしいが、まだそこに到達していないというような会話なのか。
A hundred percent.
100パーセントだ。
There's interest.
興味はある。
I mean, the, the, you, you know, you, you've known even from the early days of Fisheye Analytics that, that, that the power of having some sort of semantic, semantic layer, I mean, like it was such an advantage for Looker.
つまり、Fisheye Analyticsの初期の頃から、ある種のセマンティック(意味論的)なレイヤーを持つことのパワーは、Lookerにとって大きなアドバンテージであることを知っていた。
Yeah.
そうだね。
It's really very powerful.
実にパワフルだ。
And everyone who was saying is like, I wish I had that elsewhere.
そして、誰もが、他の場所でもそれがあればいいのに、と言うんだ。
And I think Looker made some ways to do it, like a Tableau integration of this.
そして、LookerはTableauとの統合など、それを実現するためのいくつかの方法を作ったと思う。
And I think nothing really ever landed.
そして、本当に何も着地しなかったと思う。
But there's universally been a, been a desire.
しかし、普遍的な願望がある。
I think people are really excited about doing this.
みんな、これをやることにとても興奮していると思う。
I think there's a few things that have happened.
いくつかのことが起こったと思う。
I mean, it really only, it was only in the semantic layer, this kind of current metric flow version of it was only GA last summer, like summer of 23, right?
つまり、セマンティック・レイヤーのみで、このような現在のメトリックフローのバージョンは、昨年の夏、23年の夏にGAされたばかりなんだ。
Yeah.
そうだね。
When it was integrated into dbt core.
dbtコアに統合されたとき。
And so, I mean, we're kind of a year, you know, 16 months in for being kind of GA.
つまり、GAになって1年、16カ月が経とうとしている。
There is the network effects of now all the integrations.
すべての統合によるネットワーク効果もある。
Like, I mean, I, we have a, I kept my eyes on one of our clients works at a large enterprise when you announced the Power BI integration.
Power BIとの統合が発表されたとき、ある大企業のクライアントに注目していました。
People were really excited.
人々は本当に興奮していた。
Eyes and a smile, ear to ear.
目と笑顔、耳と耳。
And that's game changing.
それがゲームを変えるんだ
I mean, not only was kind of, you know, the, the metrics that are newer, but you had limited venues to where you could use it.
つまり、指標が新しいだけでなく、使える場所が限られていたんだ。
And I think that has all changed now.
そして今、それはすべて変わったと思う。
And so people, you have more comfortable with it, more places to use it.
そうすれば、人々はより快適に、より多くの場所で使うことができる。
It does definitely feel like a moment.
確かに一瞬のような気がする。
I think that's like, it is, it feels much less, much more tangible and less theoretical than iceberg at the moment.
今のところ、氷山よりもずっと具体的で理論的でないように感じる。
So there's a desire.
だから欲望がある。
Okay.
オーケー。
I'll take that.
そうしよう。
That's a compliment.
褒め言葉だよ。
Okay.
オーケー。
So let's, let's close on the community.
では、コミュニティについて締めましょう。
You have seen a real journey from a couple of folks in a room at Casper to you hosted a meetup, you shared dbt with folks like Kickstarter and Venmo and it's like New York tech crew.
Casperの一室で2、3人がミートアップを主催し、KickstarterやVenmoのような人々とdbtを共有し、まるでニューヨークのテック・クルーのようだ。
And then at some point it became kind of the, one of the darlings of Silicon Valley, BC for 12 to 24 months.
そして、ある時点でシリコンバレーの寵児となり、BC州では12カ月から24カ月の間、注目されるようになった。
And now it feels like it's in a maturation phase.
そして今は、成熟期にあると感じている。
Like there are still wonderful people that are here at coalesce that have been using dbt since the beginning.
コアレッセには、初期からdbtを使っている素晴らしい人たちがまだいる。
But there's also people who this is the first time they've been a part of quote unquote, a community that is outside of the people that they work next to at their desk in a large enterprise and integrating these different sets of people and what they need.
しかし、大企業で机を並べて働く人たちとは別の、いわば初めてコミュニティの一員となる人たちもいる。
It's been an interesting journey.
興味深い旅だった。
What do you think this group of people needs next, whether it's from their software or maybe more importantly, if like from each other, like how can, what's the next version of the dbt?
このグループの人たちが次に必要とするものは何だと思いますか?それが彼らのソフトウェアからなのか、あるいはもっと重要なことかもしれませんが、お互いに、たとえばdbtの次のバージョンはどうすればいいのか?
Yeah.
そうだね。
I mean, I first, maybe I'd step back and just say how grateful I am.
つまり、まずは一歩引いて、どれだけ感謝しているかということを言いたいんだ。
I mean, I, just to be kind of an early member, just watch, you know, you said the dbt community.
つまり、初期のメンバーとして、DBTのコミュニティを見ていたんだ。
I just say my friends.
私はただ友人たちに言うだけだ。
I mean, like, this is like the, you know, I go to coalesce for a few things.
つまり、これは、その、いくつかのことのために合流しに行くようなものなんだ。
I go to see the product announcements.
製品発表を見に行くんだ。
I go to see which vendors are cool.
どのベンダーがかっこいいか見に行くんだ。
I'm going to see people.
人に会いに行くんだ。
And I think for a lot of people, that's why, because it's the community.
多くの人々にとって、それが理由だと思う。
I mean, we love the Slack version, but there's nothing beats in person.
Slackのバージョンも大好きだけど、実際に会って話すことに勝るものはないんだ。
And it's just been such a wonderful experience.
とても素晴らしい経験だった。
And what I've loved is how inclusive it is.
そして、私が気に入っているのは、その包容力だ。
And I think that's the key to a success and what needs to continue.
それが成功の鍵であり、続けるべきことだと思う。
And that's what the community needs because come as you are, you know, it also means, you know, wear a button down in a suit to coalesce, you know, come in a t-shirt, you know, be an executive at a, you know, fortune 500 or be an analyst at a startup.
なぜなら、ありのままの自分、つまりスーツを着てボタンダウンを着て集まったり、Tシャツを着て集まったり、フォーチュン500の重役になったり、新興企業のアナリストになったりすることもできるからだ。
Um, and so I think that's what we need to do.
だから、私たちはそうする必要があると思う。
And I think what the community has done a really good job of.
地域社会は本当にいい仕事をしていると思う。
I saw some button downs.
ボタンダウンも見たよ。
I saw some blazers.
ブレザーも見たよ。
I don't know that I've seen anyone in a full suit yet.
フルスーツを着た人はまだ見たことがない。
You didn't see the tuxedo guy?
タキシードの男を見なかったのか?
No, I'm just kidding.
いや、冗談だよ。
If you want to wear a coalesce, a suit to coalesce, I'm here for it.
コアレッセ、コアレッセのためのスーツを着たいなら、私はここにいる。
But I think that the thing is like what, what I think dbt and the dbt community has done is be very welcoming.
でも、私が思うに、dbtやdbtコミュニティがやってきたことは、とてもウェルカムなことだと思う。
I think there were several moments and there will be moments in the future where it's just like, no, this is kind of more startup be like East coasty or this now dbt is, is a collection of people that have kind of, you know, shared interests, shared challenges, now a common language to express those challenges, the common community to like, to, to learn and interact.
いや、これはイースト・コースティのような、あるいは今のDBTのような、共通の興味、共通の課題を持つ人々の集まりであり、その課題を表現するための共通言語であり、学び、交流するための共通のコミュニティなんだ。
And so it's been very cool how that's happened.
だから、それが起きたのはとてもクールなことなんだ。
I think what it needs is that to continue because, um, the community is only going to get bigger.
私は、それが継続されることが必要だと思う。
The personas are only going to get more kind of, you know, varied.
ペルソナはますます多様化していくだろう。
Um, and that's, you know, I'd love this kind of, you know, I really love the one dbt aspect because it's community, but it's also the tool.
コミュニティであり、ツールでもある。
I mean, I felt, and I'm sure you felt for the longest time that, you know, I wanted to get everybody in dbt and our clients, but there were people that are never going to learn SQL.
つまり、私も感じていたし、あなたも長い間感じていたと思うけど、私はdbtとクライアントのみんなを集めたいと思っていた。
There are people that.
そんな人たちがいる。
No, might be able to, but it might be needed on ramp.
いや、できるかもしれないが、スロープで必要になるかもしれない。
That's a little less intimidating than the command line.
コマンドラインより少しは敷居が低い。
And that's where, you know, the cloud ID came in.
そこで登場したのがクラウドIDだ。
Um, I mean, we're all used to it now, but like, I remember the first time I used command line, it was dbt and I had to pip install.
でも、僕が初めてコマンドラインを使ったのはdbtで、pipでインストールしたんだ。
I literally had no idea how to do any of this stuff.
文字通り、どうすればいいのかまったくわからなかったんだ。
Um, and so, you know, we've made it easier.
だから、もっと簡単にしたんだ。
I learned the command line because I was anti Microsoft in the 2000s.
私がコマンドラインを学んだのは、2000年代に反マイクロソフトだったからだ。
And so I, I installed Fedora core six on my home computer, and then I was an expert at copying and pasting command line scripts from my browser into my stack overflow.
そして私は、自宅のコンピューターにFedora core 6をインストールし、ブラウザからスタックオーバーフローにコマンドラインスクリプトをコピー&ペーストするエキスパートとなった。
Yeah, right.
そうだね。
Exactly.
その通りだ。
Yeah.
そうだね。
So, but you're, you're a hundred percent right.
でも、君の言うことは100%正しいよ。
And then I, so now the drag and drop is going to be really interesting and it's a, it's a good opportunity for make the tool more welcoming, but also it's an opportunity to, I mean, it's going to be very interesting to see what the talks look like next year, because there's going to be talks for people that literally know dbt only as a drag and drop interface.
ドラッグ・アンド・ドロップは本当に面白いし、ツールをもっと歓迎するいい機会だと思う。
It's a whole new persona. And listen, they, you know, they don't have, you know, they're not purple with five eyes.
まったく新しいペルソナなんだ。 聞いてくれ、彼らには紫色の5つの目はないんだ。
I mean, they're like people and humans and analysts too, but, um, it's a different community.
つまり、彼らも人間やアナリストのようなものだけど、うーん、違うコミュニティなんだ。
And so we just need to keep welcoming and, and, and being open to all the different personas.
だから私たちは、すべての異なるペルソナを歓迎し、オープンであり続ける必要がある。
So I, and I think that was a long answer to, to what I think the community needs.
だから私は、地域社会が何を必要としているかについての長い答えだったと思う。
Yeah.
そうだね。
I, uh, I, I really agree with you.
僕は、ああ、本当にそう思う。
The things that I think about a lot are what are the ways in which we connect with each other? I think that Slack does not scale at a certain level or like the human relationships on Slack don't scale at a certain level, like certainly continues to work as a platform, but it, uh, we could really build human relationships in a Slack channel with 200 people in it.
私がよく考えるのは、私たちが互いにつながる方法とは何かということだ。 Slackは一定のレベルではスケールしないと思うし、Slack上の人間関係も一定のレベルではスケールしないと思う。確かにプラットフォームとしては機能し続けるけど、200人が参加するSlackチャンネルで人間関係を構築するのは難しい。
Yeah.
そうだね。
Whereas that's very challenging with a hundred thousand people.
一方、10万人規模では非常に難しい。
A hundred some agree.
百人百様の意見だ。
Also, it is just like, anyway, some of the digital stuff needs to change.
また、とにかくデジタルの一部を変える必要がある、という感じだ。
And then I think that in-person becomes more important than ever.
そして、対面がこれまで以上に重要になると思う。
Um, so I, I'm, I'm spending a lot of time thinking about how do we just continue to facilitate the, that's the thing that I've always enjoyed.
だから、僕は、どうすれば僕らがいつも楽しんでいることを促進し続けることができるかを考えることに多くの時間を費やしているんだ。
And honestly, it's not something that I created.
正直なところ、これは私が作ったものではない。
It's something that I think Drew was very instrumental in creating is that there was always a helpfulness and a nonjudgmentalness to the vibe in the community.
ドリューのおかげで、コミュニティには常に親切で偏見のない雰囲気があった。
And like the dbt community never, never had that.
dbtのコミュニティもそうだった。
Now that you say that, it does feel very Drew.
そう言われると、確かにドリューって感じがする。
You see, you see like elements of Drew in the community.
ほら、ドリューのような要素がコミュニティーにあるじゃないか。
Yeah.
そうだね。
How do we scale culture as things continue to get bigger and bigger?
物事がどんどん大きくなっていく中で、文化をどのようにスケールアップしていくのか。
And that's, that's hard, but I think.
それは難しいことだけど、僕はそう思う。
I'd say it's worked so far and each year it's going to be different, but I mean, I, it feels like a, it's a priority for the organization.
今のところうまくいっていると思うし、毎年違うだろうけど、つまり、組織にとっては優先事項だと感じている。
So.
だから
A hundred percent, a hundred percent.
100%、100%だ。
What is the first hobby you're going to try on the first day after you?
帰国後、最初に挑戦する趣味は何ですか?
Yeah.
そうだね。
It's, oh man, I haven't done much thinking, but I do have, I have this, I have this problem where people recommend a book and I just buy it.
でも、本を薦められるとつい買ってしまうんだ。
And so I just literally have a stack of four years of four or five years of books in my house that I've never read.
だから、私の家には文字通り、4年分、5年分の読んだことのない本が山積みになっている。
It just gets larger and larger.
どんどん大きくなる。
So, I mean, I feel like that's what I'm going to tackle.
だから、つまり、僕が取り組むのはそういうことなんだ。
Is there a chair that you're going to be sitting in?
座る椅子はありますか?
Oh yeah.
そうそう。
There is a chair.
椅子がある。
I identified the chair.
私はその椅子を確認した。
Okay.
オーケー。
I'm going to sit and read a book.
座って本を読むよ。
That's good.
それはいいことだ。
And I think the other thing I'm really excited.
そしてもうひとつ、本当に興奮していることがある。
I mean, my, my kids are eight and five now, you know, my son who's five has only known me in Brooklyn data.
つまり、僕の子供たちは今8歳と5歳なんだけど、5歳の息子はブルックリンのデータでしか僕を知らないんだ。
And my, my daughter's eight has only remembered me in Brooklyn data.
それに、娘の8歳はブルックリンのデータでしか私を覚えていない。
Yeah.
そうだね。
That's wild.
ワイルドだね。
And so, um, I'm excited to, to sleep a little bit more going back to the first question and then spend a lot of time with my kids.
だから、最初の質問に戻るけど、もう少し寝て、子供たちと一緒に過ごすのが楽しみなんだ。
I think we're, we've got this really exciting window of time before they want to have nothing to do with me, um, when they're in their teens and I'm just going to enjoy the heck out of it.
私たちは、彼らが10代になったとき、私と関わりたくないと思うようになるまで、本当にエキサイティングな時間を過ごしていると思う。
Awesome.
素晴らしい。
Thanks for hanging out.
付き合ってくれてありがとう。
Thanks.
ありがとう。
This is great.
これは素晴らしいことだ。
The analytics engineering podcast is sponsored by dbt labs.
アナリティクス・エンジニアリング・ポッドキャストのスポンサーはdbtラボです。
I'm your host, Tristan Handy.
ホストのトリスタン・ハンディです。
Email us at podcast at dbt labs.com with comments and guest suggestions.
ご意見、ご感想、ゲストのご提案などは、podcast at dbt labs.comまでEメールでお寄せください。
Our producers are Jeff Fox and Dan Poppy.
プロデューサーはジェフ・フォックスとダン・ポピー。
If you enjoyed the show, drop us a review or share with a friend.
ショーを楽しんでいただけたなら、レビューをお寄せいただくか、お友達とシェアしてください。
Thanks for listening.
ご清聴ありがとう。