THURSDAY,  22  May  /14:30  –  15:00    

CAT  or  TMS  ImplementaAon:    CalculaAon  of  the  Number  of  Licenses  and  the  Total  

Cost  of  Ownership  Renat  Bikmatov,  Logrus  Interna4onal  

 

TAUS  ROUNDTABLE  2014    22  May/  Moscow  (Russia)  

TranslaAon  AutomaAon  Tools:  The  Use  Case  Big  Data  AnalyAcs  in  LocalizaAon  Industry  

The  Presenta+on  Topics:  

•  How  LSPs  could  minimize  the  cost  of  ownership  of  the  tools  

•  Live  demo:  the  calculaAon  of  number  of  CAT  licenses  

•  Which  Big  Data  and  business  intelligence  features  LSPs  might  need  

 

TranslaAon  AutomaAon  Tools:  The  Cost  Factors  How  LSPs  Could  Minimize  the  Cost  of  Ownership  of  the  Tools  •  Different  types  of  licenses  for  different  workflow  roles:  

o  project  manager  o  linguist  (translator,  editor,  proofreader)  

•  Flexible  licensing  schemas:  o  fixed  license  bound  to  PC  or  user  without  expiraAon  date  o  mobile  license  transferable  between  users  o  temporary  license  purchased  on  demand  for  limited  period  of  Ame  o  license  for  online  connecAon  to  the  translaAon  server  o  etc.  

•  OpportuniAes  for  LSP:  o  adjusAng  the  configuraAon  of  the  pool  of  licenses  o  minimizing  the  total  cost  of  licenses  

TranslaAon  AutomaAon  Tools:  The  Live  Demo  CalculaAon  of  Number  of  CAT  Licenses  

•  The  Task:  to  minimize  the  annual  cost  of  ownership  of  translator  licenses  

•  The  Method:  to  play  around  with  modifying  parameters  of  licensing  

schema  and  calculate  the  number  of  translator  licenses  needed  and  their  

annual  cost  in  each  case  

•  The  Source  Data:  daily  staAsAcs  of  translaAon  tasks  handed  off  to  

translators  and  delivered  back  for  all  translaAon  projects  got  from  

selected  client(s)  during  the  past  year(s)  

TranslaAon  AutomaAon  Tools:  The  Live  Demo  CalculaAon  of  Number  of  CAT  Licenses  

TranslaAon  AutomaAon  Tools:  The  Live  Demo  The  Summary  of  the  Live  Demo  

The  conclusions:  •  The  rental  longer  than  30  days  is  not  cost  saving  (the  opAmal  term  of  lease  would  be  

5  days  with  30%  savings  in  total  cost)  •  The  minimal  number  of  licenses  in  the  rental  package  (5)  is  unessenAal  factor  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  Big  Data  and  Business  Intelligence  That  LSPs  Might  Need  

Big  Data  and  Business  Intelligence  (BI)  clear  the  way  to  further  enhancements  in  LSP’s  business.  Let’s  consider  just  a  few  possible  benefits  using  the  following  template:    

•  The  translaAon  project/task  parameters  to  be  used  as  input  data  for  BI  tools  

•  The  BI  reports  generated  from  the  source  data  using  business  analyAc  methods  

•  The  business  decisions  that  can  be  made  using  the  generated  BI  reports  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  Comparison  of  Different  CAT  or  TMS  Products  

Input  data:  •  CAT  tool:  The  name  of  CAT  tool  used  by  translators  on  given  translaAon  

project  •  Project  cost:  The  invoiced  price  of  the  translaAon  project  

 BI  reports:  

•  DistribuAon  of  company  revenue  by  CAT  tools  in  use:    o  %  of  total  revenue  provided  by  each  CAT  tool  o  The  volume  of  revenue  provided  by  each  CAT  tool  

 The  business  quesAons  to  be  answered:  

•  Which  of  CAT  tools  in  use  could  be  replaced  by  compeAtors  (if  any)  to  reduce  the  cost  of  the  tool  ownership?  

•  Which  of  TranslaAon  Memory  Server  products  would  be  the  cheapest  soluAon  to  support  the  given  pool  of  CAT  clients  already  in  use?  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  UAlizaAon  of  Available  Pool  of  Licenses  

Input  data:  •  CAT  license  ID:  The  unique  idenAfier  of  each  CAT  license  (if  

supported  by  the  license  server)    BI  reports:  

•  DistribuAon  of  uAlizaAon  percentages  by  CAT  license  IDs    The  business  quesAons  to  be  answered:  

•  For  how  many  licenses  is  the  uAlizaAon  below  a  predicted  threshold  value?    

•  Does  it  make  sense  to  adjust  the  licensing  schema  secngs  so  as  to  fit  it  to  the  usage  scenario?  

 

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  IdenAfying  Bodlenecks  in  LocalizaAon  Workflow  

Input  data:  •  Translator’s/Editor’s  ProducAvity  Measurement  Log  records  

 BI  reports:  

•  DistribuAon  of  Ame  spent  by  the  translator  or  editor  on  different  subtasks:  translaAon  of  content;  searching  glossaries  for  term  translaAons;  reading  style  guides;  reading  other  reference  materials  provided  for  parAcular  project;  searching  Internet  for  addiAonal  reference  informaAon;  filling  in  feedback  or  Issue  Tracking  forms;  etc.  

 The  business  quesAons  to  be  answered:  

•  Which  acAviAes  other  than  translaAng  or  ediAng  as  primary  job  take  most  of  translator’s/editor’s  Ame?  

•  How  much  Ame  is  spent  on  supporAng  acAviAes  if  compared  to  translaAng  or  ediAng?  

•  Are  there  any  supporAng  acAviAes  that  might  be  further/beder  automated  to  save  more  Ame?  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  Measuring  Machine  TranslaAon  Quality  and  Post-­‐editor’s  ProducAvity  

Input  data:  •  Translator’s/Editor’s  ProducAvity  Measurement  Log  records  

 BI  reports:  

•  DistribuAon  of  Ame  spent  by  the  post-­‐editor  on  different  TranslaAon  Units  containing  machine  translaAons  

 The  business  quesAons  to  be  answered:  

•  What  is  the  average  personal  producAvity  of  each  of  post-­‐editors?  This  informaAon  needed  for  planning  resources  for  translaAon  projects  and  calculaAng  personal  rates.  

•  Which  pieces  of  MT  output  are  worse  and  which  are  the  best?  The  feedback  on  both  data  categories  would  help  to  enhance  the  MT  engine.    

•  The  average  post-­‐ediAng  Ame  normalized  by  personal  producAvity  could  be  used  as  indirect  measure  of  MT  quality.  

•  If  any  enhancements  have  been  implemented  in  localizaAon  workflow,  is  there  any  impact  on  the  overall  translator’s  or  editor’s  producAvity?  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  Measuring  Translator’s  Skill  Level  and  Domain  of  ExperAse  Input  data:  

•  Translator’s/Editor’s/Proofreader’s  ID  or  Name  •  Reviewer’s  feedback  report  as  a  set  of  quality  metrics  of  output  content    

BI  reports:  •  DistribuAon  of  quality  raAng  of  given  translator  by  the  domains  of  translated  

content  

The  business  quesAons  to  be  answered:  •  In  which  domains  the  translator  produce  translaAons  with  a  quality  score  of  

“good”  or  above?  o  This  informaAon  would  allow  to  implement  generally  accepted  translator’s  

cerAficate  of  quality  and  domain  of  experAse.  o  The  list  of  domains  of  experAse  can  be  used  for  automated  selecAon  of  

translators  for  incoming  translaAon  projects  in  TranslaAon  Management  System.  

o  The  list  of  domains  of  insufficient  experAse  can  be  used  as  a  guide  for  translator’s  self-­‐educaAon  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  UAlizaAon  of  Pool  of  Freelance  Translators  and  Editors  

Input  data:  •  Translator’s/Editor’s/Proofreader’s  ID  or  Name    

BI  reports:  •  %  of  uAlizaAon  of  given  translator/editor  in  translaAon  projects  within  

his/her  domain  of  experAse  

The  business  quesAons  to  be  answered:  •  Are  there  any  freelancers  who  are  underused?  

o  Underused  freelancers  usually  tend  to  cease  cooperaAon  with  the  employer.  As  a  result,  LSP  might  loose  the  money  spent  on  selecAon  and  training  of  the  translators  and  have  to  spend  more  to  replace  the  leakage  of  employees  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  Automated  Control  of  Quality  of  Service:  NDA  Agreements  

Input  data:  •  Client’s  instrucAon  not  to  transfer  the  content  to  any  Cloud  locaAons  

(TMS,  file  sharing  services,  etc.)  -­‐  OR  -­‐    

•  Client’s  instrucAon  not  to  transfer  the  content  to  specific  online  machine  translaAon  service  

BI  reports:  •  An  alert  to  be  issued  in  case  of  improper  configuraAon  of  any  translaAon  

project  received  from  that  client    The  business  quesAons  to  be  answered:  

•  Are  the  requirements  of  client’s  NDA  met  in  each  translaAon  project?  

TranslaAon  AutomaAon  Tools:  More  Use  Cases  (Cont.)  Automated  Control  of  Quality  of  Service:  ConnecAng  Proper  Style  Guides  and  Glossaries  

Input  data:  •  Style  Guide  ID  or  Name:  The  client  might  have  different  style  guides  and  

glossaries  for  different  content  domains    

BI  reports:  •  An  alert  to  be  issued  in  case  of  improper  configuraAon  of  any  translaAon  

project  received  from  that  client.  Typically,  clients  do  not  duplicate  all  the  instrucAon  in  each  handoff,  so  the  project  manager  at  LSP  should  keep  an  eye  on  projects  secngs.  The  domain  of  the  handoff  might  be  specified  in  email  or  encrypted  in  project  package  name.  

 The  business  quesAons  to  be  answered:  

•  Are  the  requirements  of  client’s  translaAon  instrucAons  met  in  each  translaAon  project?  

TranslaAon  AutomaAon  Tools  CalculaAon  of  the  Number  of  Licenses,    

EvaluaAon  of  the  Total  Cost  of  Ownership,    and  Other  ApplicaAons  of  Business  Intelligence  

THANK  YOU!  

QuesAons?