Shadi Rostami, SVP of Engineering at Amplitude – Interview Series

Shadi je SVP of Engineering v digitálním leaderu analytiky Amplitude. Je vášnivá, zkušená technologická líderka a architektka s zkušenostmi s budováním a řízením vysoce kvalitních inženýrských týmů. Předtím, než nastoupila do Amplitude, byla VP of Engineering ve společnosti Palo Alto Networks. Inovovala a dodala několik produktových linek a služeb specializujících se na distribuované systémy, cloud computing, big data, strojové učení a bezpečnost.

Amplitude je postaven na moderních technologiích strojového učení a generativního AI, které umožňují produktovým týmům budovat chytřejší, učit se rychleji a vytvářet nejlepší digitální zkušenosti pro své zákazníky.

Co vás původně přitáhlo k počítačovým vědám a inženýrství?

Vyrůstala jsem v Íránu a původně jsem se vydala na střední školu, která by mi umožnila kariéru v medicíně, což byla cesta, kterou můj otec chtěl, aby jsem šla, a kterou můj bratr udělal. Asi rok a půl jsem se rozhodla, že to není cesta pro mě. Místo toho jsem se vydala na inženýrství a nakonec se stala první dívkou v Íránu, která se zúčastnila Informatického olympiádu (IOI) a vyhrála bronzovou medaili, roční soutěže pro studenty středních škol z celého světa, kteří soutěží v matematice, fyzice, informatice a chemii. To mě vedlo k tomu, aby jsem se vydala na inženýrství na Technické univerzitě Sharif v Íránu a později získala doktorát z počítačového inženýrství na Univerzitě Britské Kolumbie v Kanadě. Poté jsem pracovala pro startupy několik let a poté strávila deset let ve společnosti Palo Alto Networks, kde jsem se nakonec stala viceprezidentkou odpovědnou za vývoj, QA, DevOps a datové vědy. Před pěti lety jsem se přestěhovala do Amplitude jako SVP of Engineering.

Můžete diskutovat o základním AI filozofii Amplitude, že AI by měl pomáhat lidem zlepšovat jejich práci, spíše než je nahrazovat?

AI rychle transformuje téměř každý průmysl, a s touto transformací přicházejí otázky o tom, jak společnosti budou používat tuto technologii. Silně věříme v to, aby AI bylo správně. Tato víra nás vedla k vývoji naší zákaznicky orientované AI filozofie, která stojí na pěti hlavních principech: (1) spolupráce a partnerství, (2) správa dat a ochrana uživatelských dat, (3) transparentnost, (4) soukromí, bezpečnost a dodržování předpisů, a (5) volba a kontrola zákazníků. Vědíme, že tyto principy jsou klíčové, protože společnosti pokračují v přijímání a testování AI a nakonec se stávají skutečně datově orientovanými. Pro naše účely to znamená budování AI nástrojů, které pomáhají lidem dostat se k informacím rychleji. Když je AI správně využita, tyto informace vedou k rychlejším, lepším rozhodnutím, která vedou k lepšímu výsledku. Používání AI jako nástroje, který doplňuje lidskou inteligenci a kreativitu, je místo, kde vidím AI mít největší dopad.

Můžete vysvětlit koncept “data demokracie” v kontextu dnešního AI-driven obchodního prostředí?

“Data demokracie je poháněna znalostí, že týmy fungují lépe, rychleji a efektivněji, když mohou získat přístup k pravým datovým informacím ve správný čas. V dnešním rychle se rozvíjejícím AI-driven prostředí týmy nemohou čekat dny nebo týdny na data pulls. Abychom tento problém zmírnili, společnosti musí vybavit své týmy, aby využívaly data samoobslužným způsobem. Nyní to neznamená data chaos s žádnými parametry. Na konci dne špatná data vedou k špatnému AI. Ale s pravými nástroji a procesy na místě, podniky mohou vyvážit datové demokratizaci s datovou správou, umožňující lepší obchodní výsledky.”

Co jsou klíčové posuny v organizační kultuře, které podle vás jsou nezbytné pro umožnění skutečné datové demokracie v éře AI?

Zavedení skutečné datové demokracie v rámci vaší organizace začíná dvěma základními kulturálními posuny: poskytováním pravých, nejvíce přístupných nástrojů a organizací-wide úsilí kolem datové gramotnosti. To znamená přijetí samoobslužných nástrojů, které umožňují netechnickým týmům, jako jsou marketingové nebo zákaznické týmy, nejen získat přístup k datům, ale také je analyzovat a jednat na jejich základě. Věřím, že samoobslužná data analýza může a měla by pohánět spolupráci napříč týmy, inspiruje zvědavost a探索, škálovat datové gramotnosti a umístit přednost na akci a dopad. Také je důležité věnovat společné úsilí mezi centrálním datovým týmem a line of business týmy, aby se kontinuálně zabývaly datovou správou a zajistily, aby kvalita dat se nezhoršovala s časem.

Ze své zkušenosti, co jsou nejvýznamnější výzvy, kterým čelí organizace při dosahování datové demokratizace, a jak je možné tyto překážky překonat?

V minulosti se společnosti snažily centralizovat data v rámci jednoho týmu odborníků, což zanechalo zbytek organizace závislé na tomto týmu, aby dodal analýzu a klíčové informace, které mohou být kritické pro jejich denní operace a rozhodování. Zatímco demokratizace přístupu k datům je kritická pro řešení této láhve, může to být také výzvou. Když mluvím s datovými lídry o operationalizaci samoobslužných nástrojů, je zřejmé, že existuje spektrum. Na jedné straně máte nízko nastavené nástroje pro netechnické a line of business týmy. Tyto nástroje nakonec nedávají hloubku a šíři odpovědí, které tyto týmy potřebují. Na druhé straně máte více technické nástroje pro více technické týmy. Tyto nástroje jsou mnohem flexibilnější z hlediska analýzy, ale jsou pomalé a pravděpodobně pouze několik lidí je může použít. Označujeme tyto nástroje jako “data breadline” … vždy čekáte na odpovědi. Týmy potřebují řešení uprostřed. Myslete na nestandardní řešení, která podporují, neinhibují, exploraci a experimentování. S pravými nástroji a vzděláním týmů mohou společnosti snáze překlenout datovou demokratizační mezeru.

Jak zásadní je datová gramotnost v procesu datové demokratizace, a jaké kroky by měly podniky učinit, aby ji zlepšily mezi svými zaměstnanci?

Pěstování prostředí datové demokracie napříč vašimi týmy je kulturní výzvou, která vyžaduje vzdělávání a firemní souhlas. Ve svých zkušenostech s učením datových procesů netechnickým členům doporučuji, že nejlepší způsob, jak rozvinout tyto dovednosti, je kombinací školení a praktického učení. Doporučuji vyvinout komplexní školicí program, aby zaměstnanci cítili pohodlně a sebevědomě v informacích, které získávají ze svých dat. Ujistěte se, že používáte nástroj, který nebrání netechnickým uživatelům: například jakýkoli nástroj, který vyžaduje znalost SQL, by marginalizoval lidi bez programovacích znalostí. Odtud poskytujte příležitosti pro zaměstnance, aby se ponořili a začali hrát si s daty. Nakonec implementujte nástroj, který podporuje exploraci a spolupráci. Čím méně lidí pracuje v izolaci, tím více mohou házet nápady jeden na druhého, což vede k více osvětlujícím informacím. Pokud jste datový odborník, který učí netechnického člena týmu, pamatujte, že jste strávili roky učením se, jak získat a používat data, takže o nich přemýšlíte jinak než běžný uživatel. Buďte otevření učení ostatním, místo aby jste dělali všechno sami. Jinak budete mít čas pouze na odpovědi na otázky lidí.

S rychlou evolucí datových nástrojů a generativních AI technologií, jak by měly podniky přizpůsobit své strategie, aby zůstaly předními v datové správě a využití?

Datová správa je jednou z hlavních výzev, kterým společnosti stále čelí, a je něco, co každá organizace musí zvládnout, aby mohla umožnit smysluplné AI a datové zkušenosti. AI je pouze tak dobrá, jako jsou data, která ji pohání, a čisté data vedou k více dopadovým informacím, šťastnějším uživatelům a obchodnímu růstu. Společnosti musí být proaktivní ohledně čištění dat a taxonomie, a existují příležitosti používat generativní AI pro správu AI governance a kvality. Například v Amplitude jsme spustili náš AI-powerný Data Assistant produkt minulý rok, který nabízí inteligentní doporučení a automatizaci, aby se datová správa stala bezproblémovou a uživatelé mohli převzít kontrolu nad úsilími o kvalitu dat.

Jak Amplitude umožňuje podnikům lépe porozumět zákaznické cestě?

Budování skvělých digitálních produktů a zkušeností je obtížné, zejména v dnešním konkurenčním prostředí. Dnes mnoho společností stále neví, pro koho budují, nebo co chtějí jejich zákazníci. Amplitude pomáhá podnikům odpovědět na otázky, jako “Co milují naši zákazníci? Kde se zaseknou? Co je udržuje?” prostřednictvím kvantitativních a kvalitativních datových informací. Naše platforma pomáhá podnikům lépe porozumět koncové zákaznické cestě tím, že přináší data, která pomáhají pohánět zákaznickou akvizici, monetizaci a retenci. Dnes více než 2 700 zákazníků, včetně podnikových značek jako Atlassian, NBC Universal a Under Armour, využívají Amplitude k budování lepších produktů.

Děkuji za skvělý rozhovor, čtenáři, kteří chtějí se dozvědět více, by měli navštívit Amplitude.