Shadi Rostami, SVP of Engineering at Amplitude – Interview-Serie

Shadi ist SVP of Engineering bei dem digitalen Analyseführer Amplitude. Sie ist eine leidenschaftliche, erfahrene Technologieführerin und Architektin mit Erfahrung im Aufbau und Management hoch effizienter Ingenieursteams. Vor Amplitude war sie VP of Engineering bei Palo Alto Networks (PANW ). Sie hat mehrere Produktlinien und Dienstleistungen entwickelt und geliefert, die auf verteilten Systemen, Cloud-Computing, Big Data, Machine Learning und Sicherheit spezialisiert sind.

Amplitude basiert auf modernen Machine-Learning- und generativen AI-Technologien, die es Produktteams ermöglichen, intelligenter zu bauen, schneller zu lernen und die besten digitalen Erfahrungen für ihre Kunden zu schaffen.

Was hat Sie ursprünglich zur Informatik und zum Ingenieurwesen hingezogen?

Ich bin in Iran aufgewachsen und habe ursprünglich einen Schulweg eingeschlagen, der zu einer Karriere in der Medizin führen würde, was der Weg war, den mein Vater für mich vorgesehen hatte und den mein Bruder eingeschlagen hatte. Etwa ein Jahr und ein halbes Jahr später entschied ich mich, dass dies nicht der richtige Weg für mich war. Stattdessen verfolgte ich Ingenieurwesen und wurde die erste Mädchen in Iran, die an der Informatic Olympiad (IOI) teilnahm und die Bronzemedaille gewann, einem jährlichen Wettbewerb für Schüler aus aller Welt, die in Mathematik, Physik, Informatik und Chemie konkurrieren. Das führte mich dazu, Ingenieurwesen an der Sharif-Universität für Technologie in Iran zu studieren und später meinen Ph.D. in Computer-Ingenieurwesen an der University of British Columbia in Kanada zu erwerben. Danach arbeitete ich für Start-ups für einige Jahre und verbrachte dann ein Jahrzehnt bei Palo Alto Networks, wo ich schließlich zur VP für Entwicklung, QA, DevOps und Data Science wurde. Vor fünf Jahren wechselte ich zu Amplitude als SVP of Engineering.

Können Sie Amplitudes Kern-AI-Philosophie erläutern, dass AI dazu beitragen sollte, Menschen bei der Verbesserung ihrer Arbeit zu unterstützen, anstatt sie zu ersetzen?

AI transformiert schnell fast jede Branche, und mit dieser Transformation kommen Fragen auf, wie Unternehmen diese Technologie nutzen werden. Wir sind überzeugt, dass AI richtig eingesetzt werden muss. Diese Überzeugung führte uns dazu, unsere kundenorientierte AI-Philosophie zu entwickeln, die auf fünf Hauptprinzipien basiert: (1) kollaborative Entwicklung und Denkpartnerschaft, (2) Datenverwaltung und Schutz der Benutzerdaten, (3) Transparenz, (4) Datenschutz, Sicherheit und Einhaltung von Vorschriften und (5) Kundenwahl und Kontrolle. Wir wissen, dass diese Prinzipien entscheidend sind, wenn Unternehmen AI adoptieren und testen und schließlich wirklich datengetrieben werden. Für unsere Zwecke bedeutet dies, AI-Tools zu bauen, die Menschen dabei helfen, schneller zu Erkenntnissen zu gelangen. Wenn AI richtig eingesetzt wird, führen diese Erkenntnisse zu schnelleren, besseren Entscheidungen, die zu positiven Ergebnissen führen. Die Verwendung von AI als Werkzeug, um menschliche Intelligenz und Kreativität zu ergänzen, ist der Bereich, in dem ich AI am meisten Einfluss haben sehe.

Können Sie das Konzept der “Daten-Demokratie” im Kontext der heutigen AI-getriebenen Geschäftsumgebung erklären?

“Daten-Demokratie wird von der Erkenntnis getrieben, dass Teams besser, schneller und effizienter funktionieren, wenn sie die richtigen Daten-Einblicke zum richtigen Zeitpunkt erhalten. In der heutigen schnell fortschreitenden AI-getriebenen Umgebung können Teams es sich nicht leisten, Tage oder Wochen auf Datenabrufe zu warten. Um dies zu vermeiden, müssen Unternehmen ihre Teams in die Lage versetzen, Daten auf selbstständige Weise zu nutzen. Jetzt bedeutet dies nicht, dass es Daten-Chaos ohne Parameter gibt. Am Ende des Tages führt schlechtes Datenmaterial zu schlechtem AI. Aber mit den richtigen Tools und Prozessen können Unternehmen Daten-Demokratisierung mit Datenverwaltung in Einklang bringen und so bessere Geschäftsergebnisse erzielen.”

Welche wesentlichen Veränderungen in der Organisationskultur halten Sie für entscheidend, um eine wahre Daten-Demokratie im Zeitalter von AI zu ermöglichen?

Die Schaffung einer wahren Daten-Demokratie innerhalb Ihres Unternehmens beginnt mit zwei grundlegenden kulturellen Veränderungen: Bereitstellung der richtigen, am einfachsten zugänglichen Tools und Durchführung von unternehmensweiten Bemühungen um Datenkompetenz. Dies bedeutet die Adoption von Selbstbedienungstools, die es nicht-technischen Teammitgliedern, wie Marketing- oder Kundenerfolgsteams, ermöglichen, nicht nur auf Daten zuzugreifen, sondern auch diese zu analysieren und darauf zu reagieren. Ich glaube, dass Selbstbedienungs-Datenanalyse die Zusammenarbeit zwischen Teams fördern, Neugier und Erkundung anregen, Datenkompetenz skalieren und eine Voreingenommenheit für Handeln und Auswirkungen schaffen kann. Es ist auch wichtig, gemeinsame Anstrengungen zwischen dem zentralen Datenteam und den Fachabteilungen zu unternehmen, um kontinuierlich die Datenverwaltung zu gewährleisten und sicherzustellen, dass die Datenqualität im Laufe der Zeit nicht abnimmt.

Welche sind die größten Herausforderungen, denen Unternehmen bei der Erreichung der Daten-Demokratisierung gegenüberstehen, und wie können sie diese Hindernisse überwinden?

In der Vergangenheit haben Unternehmen versucht, Daten innerhalb eines Teams von Experten zu zentralisieren, wodurch der Rest des Unternehmens auf dieses Team angewiesen war, um Analysen und wichtige Erkenntnisse zu liefern, die für deren tägliche Arbeit und Entscheidungen entscheidend sein könnten. Während die Demokratisierung des Datenzugangs entscheidend ist, um diese Engstelle zu überwinden, kann sie auch herausfordernd sein. Wenn ich mit Datenführern über die Operationalisierung von Selbstbedienung spreche, ist klar, dass es ein Spektrum gibt. Auf der einen Seite haben Sie Tools mit geringer Konfiguration für nicht-technische und Fachabteilungsteams. Letztendlich liefern diese Tools nicht die Tiefe und Breite der Antworten, die diese Teams benötigen. Auf der anderen Seite haben Sie technischere Tools für technischere Teams. Sie sind viel flexibler in Bezug auf Analysen, aber sie sind langsam, und wahrscheinlich können nur sehr wenige Menschen sie überhaupt verwenden. Wir bezeichnen diese Tools als “Daten-Brotzeile” … Sie warten immer auf Antworten. Teams benötigen eine Lösung in der Mitte. Denken Sie an außergewöhnliche Lösungen, die Erkundung und Experimentierung fördern, anstatt sie zu behindern. Mit der richtigen Tooling und Team-Ausbildung können Unternehmen den Daten-Demokratisierungs-Abstand leichter überbrücken.

Wie wichtig ist Datenkompetenz für den Prozess der Daten-Demokratisierung, und welche Schritte sollten Unternehmen unternehmen, um diese bei ihren Mitarbeitern zu verbessern?

Die Schaffung einer Umgebung der Daten-Demokratie innerhalb Ihrer Teams ist eine kulturelle Herausforderung, die Bildung und unternehmensweite Zustimmung erfordert. In meinen Erfahrungen mit der Vermittlung von Datenprozessen an nicht-technische Mitglieder ist der beste Weg, diese Fähigkeiten zu entwickeln, durch eine Kombination aus Schulung und praktischem Lernen. Ich empfehle die Entwicklung eines umfassenden Schulungsprogramms, um sicherzustellen, dass die Mitarbeiter sich bei den Erkenntnissen, die sie aus ihren Daten ziehen, wohl und selbstbewusst fühlen. Stellen Sie sicher, dass Sie ein Tool verwenden, das nicht-technische Benutzer nicht ausschließt: Zum Beispiel würde jedes Tool, das Kenntnisse von SQL erfordert, Personen ohne Programmierkenntnisse marginalisieren. Von dort aus bieten Sie den Mitarbeitern die Möglichkeit, in die Daten einzutauchen und zu beginnen, mit ihnen zu experimentieren. Schließlich implementieren Sie ein Tool, das Erkundung und Zusammenarbeit fördert. Je weniger Menschen in Silos arbeiten, desto mehr können sie Ideen austauschen und zu mehr aufschlussreichen Erkenntnissen gelangen. Wenn Sie ein Datenprofi sind, der einem nicht-technischen Teammitglied beibringt, denken Sie daran, dass Sie Jahre damit verbracht haben, zu lernen, wie man Daten erhält und verwendet, also denken Sie anders über sie als ein gelegentlicher Benutzer. Seien Sie offen dafür, anderen beizubringen, anstatt alles selbst zu tun. Andernfalls werden Sie nie Zeit haben, um etwas anderes zu tun, als auf die Fragen der Menschen zu antworten.

Wie sollten Unternehmen ihre Strategien anpassen, um in der schnellen Evolution von Daten-Tools und generativen AI-Technologien voranzukommen?

Datenverwaltung ist eine der Haupt-Herausforderungen, denen Unternehmen noch gegenüberstehen, und es ist etwas, das jedes Unternehmen meistern muss, um sinnvolle AI- und Daten-Erfahrungen zu ermöglichen. AI ist nur so gut wie die Daten, die sie antreiben, und saubere Daten führen zu aussagekräftigeren Erkenntnissen, zufriedeneren Benutzern und Geschäftswachstum. Auf diese Weise müssen Unternehmen proaktiv bei der Datenbereinigung und Taxonomie sein und es gibt Möglichkeiten, generative AI zu nutzen, um AI-Governance und -Qualität zu verwalten. Zum Beispiel hat Amplitude letztes Jahr unser AI-gestütztes Data-Assistant-Produkt gestartet, das intelligente Empfehlungen und Automatisierung bietet, um Datenverwaltung nahtlos und Benutzern zu ermöglichen, Datenqualitätsbemühungen zu übernehmen.

Wie ermöglicht Amplitude es Unternehmen, den Kundenweg besser zu verstehen?

Die Schaffung großartiger digitaler Produkte und Erfahrungen ist schwierig, insbesondere in der heutigen Wettbewerbslandschaft. Heute wissen viele Unternehmen noch nicht, für wen sie bauen oder was ihre Kunden wollen. Amplitude hilft Unternehmen, Fragen wie “Was lieben unsere Kunden? Wo bleiben sie stecken? Was hält sie davon ab, zurückzukehren?” durch quantitative und qualitative Daten-Einblicke zu beantworten. Unsere Plattform hilft Unternehmen, den End-to-End-Kundenweg besser zu verstehen, indem sie Daten liefern, die den Kunden-Akquise-, Monetarisierungs- und Bindungszyklus antreiben. Heute nutzen mehr als 2.700 Kunden, darunter auch große Marken wie Atlassian (TEAM ), NBC Universal und Under Armour (UAA ), Amplitude, um bessere Produkte zu bauen.

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