El manifiesto Inputless
Por qué nos negamos a que los operadores inventen la pregunta antes de poder ver el problema.
El cuello de botella casi nunca es la falta de datos. Es el rito: alguien tiene que saber qué preguntar, escribirlo, esperar e interpretar. Para entonces la ventana útil suele haberse cerrado. Construimos Inputless Analytics para que ese paso sea opcional.
Talorik, sobre Inputless Analytics
Cuatro restricciones
Lo que el producto tiene que hacer, o es solo otra herramienta BI.
Sin caja de consulta vacía
Si tienen que inventar la pregunta, perderán el evento. El software observa los feeds y señala lo que cambió.
Corre sobre el stream
El modelo se actualiza a medida que llegan los registros. No esperan el lote de anoche ni el paquete del lunes.
Sus máquinas
El modelo se genera y se almacena en infraestructura que ustedes operan. La nube es opcional.
Una decisión, con una traza
La salida es un Course of Action clasificado y los registros detrás. Los gráficos existen si los necesitan.
El argumento
Inputless Analytics es una elección de producto. Los stacks clásicos piden traducir una corazonada en una consulta, la consulta en un job, el job en un gráfico. Cada salto cuesta tiempo y pierde contexto.
Nos saltamos la corazonada. El software mantiene un modelo de cómo se conectan las cosas en su operación. Cuando un patrón se rompe, lo levanta, con el subgrafo adjunto. Alguien sigue decidiendo. Solo parte de una lista corta en lugar de una página en blanco.
No sustituimos el juicio. Recortamos las horas gastadas en buscar qué feed habría mostrado el problema si alguien hubiera sabido dónde mirar.
Seis reglas de trabajo
Cómo se supone que se comporta el stack en producción.
No esperen una pregunta
La BI clásica asume un analista que ya sabe qué buscar. Esa persona escribe SQL, espera, interpreta y repite. Inputless Analytics invierte la carga: primero el ingest, luego la señal. Los operadores siguen aprobando la acción. Solo dejan de pasar la mañana adivinando qué consulta habría importado ayer.
Mantengan un modelo que funcione
El Cognitive Substrate es el mapa en vivo de cómo su organización clasifica eventos y qué suele hacer después. Una ontología con historia. Cuando dos mesas discrepan sobre qué es un “incidente”, esa discrepancia es el bug. El substrate es cómo vuelven explícito el vocabulario.
Guarden los vínculos
Una fila en una tabla es un hecho. Una relación es por qué ese hecho importa. El Kinetic Graph guarda ambos: veintidós tipos de nodo, más de treinta tipos de relación, en Inputless DB. Pueden ver que un retraso y un movimiento de precio están conectados, no solo que ambos números cambiaron.
Déjenlo en las instalaciones
Si los datos no pueden salir, el software tiene que correr donde están los datos. On-premise y nube privada son de primera clase. No necesitamos una copia en nuestra nube para “pensar”. Es una restricción de despliegue.
Actualicen mientras el mundo se actualiza
Los informes programados congelan un momento que ya pasó. El substrate se refresca a medida que llegan los feeds. Una recomendación solo es tan actual como el último ingest. Si la línea está caída, el modelo es honesto sobre estar desfasado.
Respondan “¿y ahora?”
Un dashboard responde “qué pasó, si ya sabían dónde mirar”. Entregamos opciones clasificadas: qué revisar, qué pausar, qué escalar. El pasado está en la traza de evidencia. El producto es el siguiente paso, firmado por una persona que aún puede decir no.
Lean el resto, o háblennos
Si esto coincide con cómo trabajan de verdad sus mesas, podemos recorrer un feed y una traza de decisión.
Notas más largas viven en inputless.org. Una instalación que funciona vive en su red.
Notas más largas en inputless.org