Shadi Rostami, SVP of Engineering at Amplitude – Rozhovorová série

Shadi je SVP of Engineering v digitálním analytickém líderovi Amplitude. Je vášnivá, zkušená technologická líderka a architektka s bohatými zkušenostmi s budováním a řízením vysoce kvalitních inženýrských týmů. Předtím, než nastoupila do Amplitude, byla VP of Engineering v Palo Alto Networks (PANW ). Vyvinula a dodala několik produktových linií 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 cestu, která by mi umožnila kariéru v medicíně, což byla cesta, kterou můj otec chtěl, abych absolvovala, a kterou můj bratr absolvoval. Asi rok a půl poté jsem se rozhodla, že to není cesta pro mě. Místo toho jsem se vydala na cestu inženýrství a stala se první dívkou v Íránu, která se zúčastnila Informatické olympiády (IOI) a získala bronzovou medaili, což je každoroční soutěž pro studenty středních škol z celého světa, kteří soutěží v matematice, fyzice, informatice a chemii. To mě vedlo k tomu, abych studovala inženýrství na Sharif University of Technology v Íránu a později získala doktorát v oboru počítačového inženýrství na University of British Columbia v Kanadě. Poté jsem pracovala pro startupy několik let a poté strávila deset let v Palo Alto Networks, kde se nakonec stala VP odpovědnou za vývoj, QA, DevOps a datové vědy. Před pěti lety jsem se přestěhovala do Amplitude jako SVP of Engineering.

Můžete diskutovat o základní AI filozofii Amplitude, že AI by měla pomáhat lidem při zlepšování jejich práce, 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, že je důležité udělat AI 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. Věříme, že tyto principy jsou klíčové, protože společnosti pokračují v přijímání a testování AI a nakonec se stanou skutečně datově orientovanými. Pro naše účely to znamená budování AI nástrojů, které pomáhají lidem získat informace rychleji. Když jsou tyto informace správně využity, vedou k rychlejším a lepším rozhodnutím, která povedou k lepšímu výsledku. Používání AI jako nástroje, který doplňuje lidskou inteligenci a kreativitu, je místo, kde vidím největší dopad AI.

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

“Data demokracie je poháněna vědomím, že týmy fungují lépe, rychleji a efektivněji, když mohou získat přístup k pravým datovým informacím ve správný čas. V dnešním rychle se vyvíjejícím AI-poháněném prostředí týmy nemohou dovolit čekat dny nebo týdny na data. Abyste tomu předešli, musíte společnosti vybavit své týmy, aby mohly využívat data samoobslužným způsobem. To však neznamená data chaos bez parametrů. Na konci dne špatná data vedou k špatnému AI. S správnými nástroji a procesy mohou podniky vyvážit data demokratizaci s datovou správou, což umožňuje lepší obchodní výsledky.”

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

Založení skutečné data demokracie uvnitř vaší organizace začíná dvěma základními kulturálními posuny: poskytováním správných a nejvíce přístupných nástrojů a prováděním organizací širokých úsilí o datovou gramotnost. To znamená přijetí samoobslužných nástrojů, které umožňují netechnickým členům týmů, 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 zkoumání, škálovat datovou gramotnost a klást důraz na akci a dopad. Také je důležité věnovat společné úsilí mezi centrálním datovým týmem a týmy obchodních linií, aby se prováděla nepřetržitá datová správa, aby se zajistilo, že kvalita dat se nezhoršuje s časem.

Jaké jsou podle vašich zkušeností největší výzvy, kterým čelí organizace při dosahování data demokratizace, a jak je možné tyto překážky překonat?

V minulosti se společnosti snažily centralizovat data uvnitř jednoho týmu expertů, což vedlo k tomu, že zbytek organizace byl závislý na tomto týmu, aby dodal analýzu a klíčové informace, které mohly být kritické pro jejich denní operace a rozhodování. Zatímco demokratizace datového přístupu je kritická pro řešení tohoto uzlu, může to být také výzvou. Když mluvím s datovými lídry o operacionalizaci samoobslužných nástrojů, je zřejmé, že existuje spektrum. Na jedné straně máte nástroje s nízkou konfigurací pro netechnické a obchodní týmy. Tyto nástroje však nedávají hloubku a šíři odpovědí, které tyto týmy potřebují. Na druhé straně máte více technické nástroje pro více technické týmy. Tyto nástroje jsou flexibilnější z hlediska analýzy, ale jsou pomalejší a pravděpodobně je mohou používat pouze少 lidé. Označujeme tyto nástroje jako “datový chleba” … vždy čekáte na odpovědi. Týmy potřebují řešení uprostřed. Myslete na netradiční řešení, která podporují, nikoli inhibují, zkoumání a experimentování. S správným nástrojem a vzděláním týmu mohou podniky snáze překlenout propast data demokratizace.

Jak důležité je datové vzdělávání v procesu data demokratizace, a jaké kroky by měly podniky podniknout ke zlepšení datové gramotnosti mezi svými zaměstnanci?

Vytvoření prostředí data demokratizace napříč vašimi týmy je kulturní výzvou, která vyžaduje vzdělávání a firemní souhlas. Z mých zkušeností s učením datových procesů netechnickým členům je nejlepší způsob, jak rozvinout tyto dovednosti, kombinací školení a praktického učení. Doporučuji vyvinout komplexní školicí program, aby se zajistilo, že zaměstnanci cítí sebevědomí a jistotu ve svých informacích, které získávají z dat. Ujistěte se, že používáte nástroj, který nebrání netechnickým uživatelům: například jakýkoli nástroj, který vyžaduje znalost SQL, by marginalizoval lidi bez programovacích znalostí. Poté poskytněte příležitosti pro zaměstnance, aby se ponořili a začali hrát si s daty. Nakonec implementujte nástroj, který podporuje zkoumání 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 profesionál, který učí netechnického člena týmu, pamatujte, že jste strávili roky učením se, jak získat a používat data, takže o nich přemýšlíte jinak než příležitostný uživatel. Buďte otevření učení ostatním, místo abyste dělali všechno sami. Jinak nikdy nebudete mít čas na nic jiného než na odpovědi na otázky lidí.

Jak by měly podniky přizpůsobit své strategie, aby zůstaly předními v oblasti datového managementu a využití s rychlou evolucí datových nástrojů a generativních AI technologií?

Správa dat je jednou z hlavních výzev, kterým čelí podniky, a je něco, co každá organizace musí vyřešit, aby mohla umožnit smysluplné AI a datové zkušenosti. AI je pouze tak dobrá, jako jsou data, která ji pohání, a čistá data vedou k více dopadovým informacím, šťastnějším uživatelům a obchodnímu růstu. V tomto smyslu musí podniky být proaktivní v oblasti čištění a taxonomie dat a existují příležitosti k využití generativního AI pro správu AI governance a kvality. Například v Amplitude jsme spustili náš AI-poháněný produkt Data Assistant minulý rok, který nabízí inteligentní doporučení a automatizaci, aby se datová správa stala bezproblémovou a uživatelé mohli převzít kontrolu nad úsilím 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 jejich zákazníci chtějí. Amplitude pomáhá podnikům zodpovědět otázky, jako “Co naši zákazníci milují? Kde se zasekávají? Co je přitahuje zpět?” prostřednictvím kvantitativních a kvalitativních datových informací. Naše platforma pomáhá podnikům lépe porozumět celkové zákaznické cestě tím, že přináší data, která pohání zákaznickou akvizici, monetizaci a retenci. Dnes více než 2 700 zákazníků, včetně podnikových značek, jako jsou Atlassian (TEAM ), NBC Universal a Under Armour (UAA ), využívá Amplitude k budování lepších produktů.

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