Jeremy Burton, CEO von Observe – Interview-Serie

Jeremy Burton, CEO von Observe, ist ein erfahrener Unternehmenssoftware-Manager mit über 20 Jahren Führungserfahrung bei großen Technologieunternehmen wie Dell Technologies (DELL ), EMC, Oracle (ORCL ) und VERITAS. Er hat globale Teams in der Produktentwicklung, Marketing und strategischen M&A geleitet und Unternehmen im Bereich Speicher, Sicherheit und SaaS aufgebaut und skaliert. Burton war auch Mitbegründer des Oracle Technology Network, das zu Millionen von Mitgliedern weltweit heranwuchs, und ist derzeit Mitglied des Board of Directors bei Snowflake und Berater des McLaren-Formel-1-Teams.

Observe, mit Sitz in San Mateo, Kalifornien, ist eine Next-Generation-SaaS-Beobachtbarkeitsplattform, die SRE-, DevOps- und Ingenieursteams hilft, moderne verteilte Systeme zu untersuchen und zu optimieren. Aufgebaut auf Snowflakes Dateninfrastruktur, vereint es Protokolle, Metriken und Spuren in einem einzigen, kontextreichen Datensatz – was es Teams ermöglicht, die Reaktionszeit auf Vorfälle zu beschleunigen, die Ursachen zu identifizieren und die Zuverlässigkeit in komplexen Cloud-Umgebungen zu verbessern.

Sie haben Führungspositionen bei globalen Giganten wie Dell, EMC und Oracle innegehabt und führen jetzt ein Startup mit Observe. Was hat Sie dazu bewogen, die Stabilität und Skalierbarkeit hinter sich zu lassen, um etwas Neues aufzubauen?

Ich hatte das Glück, in meiner Karriere für einige außergewöhnliche Führungskräfte zu arbeiten, darunter Larry Ellison und Michael Dell. Ich arbeitete mit ihnen 20 oder 30 Jahre nach ihrer Gründung, aber was sie bemerkenswert macht, ist, dass sie von Anfang an dabei waren. Sie trafen die ersten Produktentscheidungen, etablierten die Wege zum Markt und legten eine Kultur für langfristigen Erfolg fest. Meine Rolle bestand darin, inkrementelle Verbesserungen auf dem zu bauen, was sie bereits geleistet hatten. Irgendwann erreichte ich in meiner Karriere einen Punkt, an dem ich mich selbst beweisen wollte, dass ich auch ein Unternehmen aufbauen, ein Produkt auf den Markt bringen, eine Vertriebsstrategie etablieren und eine Kultur schaffen konnte, die langfristig erfolgreich sein könnte.

Observe positioniert sich als neue Kategorie in der Beobachtbarkeit, indem es Protokolle, Analysen und Überwachung in einer einzigen Plattform integriert. Wie sehen Sie diese Herangehensweise im Vergleich zu etablierten Anbietern wie Splunk und Datadog (DDOG )?

Das große Problem bei herkömmlichen Tools ist, dass sie nicht für die Skalierbarkeit ausgelegt sind. In Gesprächen mit Kunden haben wir immer wieder gesehen, dass Splunk und Datadog kostspielig werden, wenn das Volumen der Telemetrie wächst, und dass dies ein grundlegendes Problem mit der Architektur herkömmlicher Tools ist.

Observe unterscheidet sich dadurch, dass unsere Plattform auf einer Streaming-Daten-Speicher-Architektur mit offenen Formaten wie Apache Iceberg basiert. Das bedeutet, dass wir die Berechnung von der Speicherung trennen, elastisch skaliert werden können und Beobachtbarkeit zu einem Bruchteil der Kosten herkömmlicher Systeme liefern können. Wettbewerber wie Splunk verlassen sich immer noch auf monolithische Architekturen, die eine Planung für die Spitzenkapazität erfordern – und sogar neuere Tools wie Datadog erfordern Daten-Tiering, Rehydration und Reindexierung, um die Kosten unter Kontrolle zu halten.

Wir konzentrieren uns auch auf eine einheitliche Beobachtbarkeitserfahrung. Protokolle, Metriken, Spuren und Ereignisse leben an einem Ort, mit einer einzigen Abfragesprache und einem Wissensgraphen, der automatisch Beziehungen zwischen Diensten, Benutzern und Vorfällen kartiert. Dieser Kontext ist es, was die Fehlersuche beschleunigt. Im Gegensatz dazu haben Splunk und Datadog separate Backends für Protokolle, Metriken und Spuren, was zu langsameren Analysen führt.

Schließlich haben wir stark in die AI-gesteuerte Fehlersuche investiert. Unser O11y AI SRE kann natürliche Spracheingaben verwenden, Hypothesen generieren und Ingenieure durch die Lösung von Vorfällen leiten, und nicht nur Alarme auslösen. Und es ist so konzipiert, dass es unseren Wissensgraphen nutzt, der den notwendigen Kontext für eine genaue Fehlersuche bietet. Das ist ein Schritt über die Anomalie-Erkennung oder Alarmierung hinaus, die die meisten Wettbewerber heute anbieten.

Kurz gesagt: Wir sind kosteneffizient, einheitlich und offen. Diese drei Eigenschaften sind es, die Kunden uns gegenüber etablierten Anbietern wie Splunk und neuen etablierten Anbietern wie Datadog vorziehen.

Sie haben Erfahrungen in der Produktentwicklung, im Marketing und bei großen M&A-Transaktionen gesammelt. Wie beeinflusst diese breite Erfahrung Ihre Wachstumsstrategie bei Observe?

In den Anfangstagen eines Startups ist es ziemlich einfach: Man baut ein gutes Produkt und versucht, es zu verkaufen. Das ist die Wachstumsstrategie. Angesichts meiner Karriere, die stark auf Unternehmenssoftware und die Lösung komplexer Probleme für große Unternehmen ausgerichtet ist, ist es wahrscheinlich nicht überraschend, dass Observe sich ausschließlich darauf konzentriert!

Basierend auf meiner Erfahrung glaube ich, dass man, um ein großes Beobachtbarkeitsunternehmen aufzubauen, das Problem für die größten Unternehmen der Welt lösen muss. Das bedeutet, Petabyte an Daten, Tausende von Benutzern und Tausende von Anwendungen zu bewältigen. Es gibt viele Beobachtbarkeitsunternehmen, aber nur wenige können in dieser Umgebung gewinnen. Ich stelle sicher, dass Observe dazu in der Lage ist.

Die Beobachtbarkeit ist kritisch geworden, da moderne verteilte Anwendungen komplexer werden. Wo sehen Sie die größten Herausforderungen und Chancen für Unternehmen in den nächsten 3-5 Jahren?

Die größte Herausforderung heute ist die Skalierbarkeit. Kubernetes, Microservices und jetzt auch AI-Workloads produzieren Datenmengen, die herkömmliche Tools überwältigen. Die Zuverlässigkeit dieser Tools bricht zusammen, wenn die Kosten in die Höhe schießen, und es ist einfach nicht nachhaltig; eine neue Architektur ist erforderlich.

Um die Dinge noch schlimmer zu machen, werden wir in den nächsten Jahren mehr Code sehen, der mit AI-Code-Tools erstellt wird, als jemals zuvor. Dieser Code wird nicht perfekt sein, und irgendwann wird er fehlschlagen. Der Bereich des Wachstums liegt darin, sich zu fragen: Wie kann man Code fehlerhaft machen, den niemand geschrieben hat? Oder, während Code-Gen-Tools Code überprüfen und Fehler beheben können, können sie wirklich überprüfen, wie die Anwendung in der Produktion verhält und den fehlerhaften Code finden? Das ist eine massive Chance für Beobachtbarkeitsanbieter in der Zukunft.

Viele Teams kämpfen mit Tool-Sprawl, indem sie separate Systeme für Protokolle, Metriken und Spuren verwenden. Wie hilft Observe dabei, diese Erfahrung für Ingenieur- und DevOps-Teams zu vereinfachen?

Anstelle von drei oder vier Tools bietet Observe den Kunden eine einzige Plattform. Die Protokolle, Metriken, Spuren und Alarme eines Unternehmens leben in demselben System und sind durch einen Wissensgraphen miteinander verbunden. Der Wissensgraph bietet den Kontext, der es Benutzern ermöglicht, über Protokolle, Metriken und Spuren hinweg zu navigieren und die Fehlersuche zu beschleunigen. Dies reduziert die Zeit, die sie damit verbringen, zwischen Plattformen zu springen, und ermöglicht es ihnen, ein Problem ohne Datenexporte oder Kontextwechsel zu finden.

Können Sie ein konkretes Beispiel dafür nennen, wie Observe einem Kunden geholfen hat, ein großes Problem zu lösen – etwas, das mit herkömmlichen Beobachtbarkeitstools schwierig oder unmöglich gewesen wäre?

Capital One verwendet Observe, um den Status kritischer Kundenreisen zu überwachen, indem es Telemetriedaten mit relevantem Geschäftskontext korreliert und anreichert. Sie nehmen Hunderte von Terabyte an Telemetriedaten pro Tag auf, einschließlich Protokollen, Metriken, Spuren, Änderungsprotokollen, VPC-Flussprotokollen und AWS-Konfigurationsdaten. Observe bietet Capital One eine einheitliche Plattform für die Beobachtbarkeit von Ende zu Ende, sodass Entwickler und SREs interaktive Reaktionen auf Vorfälle und Fehlersuche durchführen können.

Wie spielt die künstliche Intelligenz oder AI hinter den Kulissen bei Observe eine Rolle, und wie hilft sie Kunden, Erkenntnisse schneller zu gewinnen oder Probleme automatisch zu erkennen?

Die künstliche Intelligenz hat in der Beobachtbarkeit eine wechselvolle Geschichte, da Unternehmensumgebungen von Natur aus laut sind und es sehr schwierig ist, ein Modell zu erstellen, das nicht zu Tausenden von Anomalien führt. Generative AI wird jedoch einen viel tiefgreifenderen Einfluss haben.

Wir glauben, dass die künstliche Intelligenz die Art und Weise verändern wird, wie Ingenieure mit Beobachtbarkeitstools interagieren. Erstens können sie direkt mit ihren Beobachtbarkeitsdaten in natürlicher Sprache sprechen, während sie in ihrer IDE sitzen; die Hälfte unserer Benutzer wird in Zukunft möglicherweise nie in Observe einloggen oder es lernen! Zweitens werden AI-Agenten während der “Friedenszeit” Telemetriedaten scannen und nach potenziellen Problemen suchen, die möglicherweise zu einem Vorfall führen. AI-Agenten werden nicht müde oder gelangweilt und können Arbeiten ausführen, die Menschen einfach nicht tun können. Schließlich werden AI-Agenten während der “Kriegszeit” Ingenieure und SREs bei der Lösung von Problemen unterstützen.

Ihre Formel-1-inspirierte Führungsstrategie betont mentale Stärke und das Lernen aus Fehlern. Wie hat diese Perspektive Ihre Herangehensweise an den Aufbau von Observe und die Führung des Teams durch Höhen und Tiefen geprägt?

Erfolg in der Formel 1 wird durch Daten gefördert, die zukünftige Entscheidungen leiten, sowohl für den Fahrer als auch für das Auto. Bis ein Formel-1-Auto das Ende der Saison erreicht, wurden 90 % der Teile ersetzt, und es ist 2 Sekunden schneller auf der Rennstrecke.

Bei Observe müssen wir dieselbe Mentalität haben, um erfolgreich zu sein. Wir veröffentlichen, messen, hören zu, passen uns schnell an. Ich würde mir vorstellen, dass 90 % unseres Produkts heute anders sind als vor ein paar Jahren. Diese Herangehensweise erfordert viel Disziplin und Demut; es ist nicht leicht, schlechte Nachrichten immer wieder zu hören. Wenn man jedoch auf genügend schlechte Nachrichten reagiert, verwandeln sie sich allmählich in gute Nachrichten, und der Umsatz beschleunigt sich. Es ist keine Magie, es ist Logik!

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Observe besuchen.