Shadi Rostami, Amplituden SVP of Engineering – Haastattelusarja

Shadi on Amplituden, digitaalisen analytiikan johtajan, SVP of Engineering. Hän on intohimoinen, kokenut teknologiajohtaja ja arkkitehti, jolla on kokemusta rakentaa ja johtaa erittäin tehokkaita insinööritiimejä. Ennen Amplitudea hän toimi Palo Alto Networksin VP of Engineeringina. Hän on innovoinut ja toimittanut useita tuotelinjoja ja palveluja, jotka ovat erikoistuneet hajautettuihin järjestelmiin, pilvilaskentaan, big dataan, koneoppimiseen ja tietoturvaan.

Amplitude on rakennettu modernin koneoppimisen ja generatiivisen AI-teknologian varaan, joka mahdollistaa tuotetiimien rakentaa älykkäämpiä, oppia nopeammin ja luoda parhaat digitaaliset kokemukset asiakkailleen.

Mikä aluksi veti sinut tietokoneen ja insinööritieteiden pariin?

Minä kasvuin Iranissa ja seurasin aluksi lukion reittiä, joka olisi mahdollistanut uran lääketieteessä, joka oli isäni toivoma reitti ja veljeni valinta. Noin vuoden ja puolen jälkeen päättelin, ettei se ollut minun tie. Sen sijaan seurasin insinööritieteen reittiä ja päädyin Iranin ensimmäiseksi tytöksi, joka osallistui Informatic Olympiad (IOI):n, ja voitin pronssimitalin, joka on vuosittainen kilpailu lukio-opiskelijoille ympäri maailmaa, jotka kilpailevat matematiikassa, fysiikassa, informaatiotieteessä ja kemiassa. Se johti minua seuraamaan insinööritieteiden opintoja Sharifin teknillisen yliopiston Iranissa ja myöhemmin suorittamaan tohtorin tutkinnon tietokoneen insinööritieteessä Brittiläisen Kolumbian yliopistossa Kanadassa. Sen jälkeen työskentelin startup-yrityksissä muutaman vuoden ajan ja viimeksi olin Palo Alto Networksissa kymmenen vuoden ajan, ja lopulta vastasin kehityksestä, laadunvarmistuksesta, DevOpsista ja datasta. Viisi vuotta sitten siirryin Amplitudeen SVP of Engineeringiksi.

Voitko keskustella Amplituden ydinteollisuuden AI-filosofiasta, jonka mukaan AI tulisi auttaa ihmisiä parantamaan työtään sen sijaan, että se korvaisi heidät?

AI on nopeasti muuttamassa lähes jokaista teollisuutta, ja tämän muutoksen myötä tulee kysymyksiä siitä, miten yritykset käyttävät tätä teknologiaa. Me uskomme vahvasti siihen, että AI on oikein. Tämä usko johti meidät kehittämään asiakaslähtöistä AI-filosofiaamme, joka perustuu viiteen pääperiaatteeseen: (1) yhteistyöhön ja ajattelupartnersuuteen, (2) datan hallintaan ja käyttäjien tietosuojeluun, (3) avoimuuteen, (4) yksityisyyden, turvallisuuden ja sääntelyn mukaisuuteen ja (5) asiakkaan valintaan ja hallintaan. Tiedämme, että nämä periaatteet ovat avainasiaa, kun yritykset jatkavat AI:n omaksumista ja testaamista ja lopulta tulevat todella datajohtaisiksi. Meidän tarkoituksessamme tämä tarkoittaa rakentamista AI-työkaluja, jotka auttavat ihmisiä pääsemään nopeammin oivalluksiin. Kun AI on hankittu oikein, nämä oivallukset johtavat nopeampiin, parempiin päätöksiin, jotka johtavat liikevaihdon tuloksiin. AI:n käyttäminen työkaluna, joka täydentää ihmisen älykkyyttä ja luovuutta, on siellä, missä näen AI:n vaikuttavan eniten.

Voitko selittää “datademokratian” käsitteen nykyisessä AI-vetovassa liiketoimintaympäristössä?

“Datademokratia perustuu siihen, että tiimit toimivat paremmin, nopeammin ja tehokkaammin, kun he voivat päästä oikeisiin data-oivalluksiin oikeaan aikaan. Nykyisessä nopeasti kehittyvässä AI-vetovassa ympäristössä tiimit eivät voi odottaa päiviä tai viikkoja datasta. Tämän vuoksi yritysten on voitava antaa tiimilleen mahdollisuus hyödyntää dataa itsepalveluna. Tämä ei tarkoita datakaosta ilman parametreja. Lopputuloksena on, että yritykset voivat tasapainottaa data-demokratiaa ja data-hallintaa, mikä mahdollistaa paremmat liiketoimintatulokset.”

Mitä avainmuutoksia organisaatiokulttuurissa uskot olevan välttämättömiä datademokratian mahdollistamiseksi AI:n aikakaudella?

Perustavanlaatuinen datademokratian luominen organisaatiossasi alkaa kahdella perusmuutoksella: oikeiden, helposti saatavilla olevien työkalujen tarjoamisella ja organisaatiolaajuisilla ponnistelulla datakirjallisuuden suhteen. Tämä tarkoittaa itsepalvelutyökalujen omaksumista, jotka sallivat ei-tekniikan tiimien, kuten markkinointi- ja asiakaspalvelutiimien, pääsyn datan analysointiin ja toimintaan. Uskon, että itsepalvelu-data-analytiikka voi ja tulisi polttaa yhteistyötä tiimien välillä, innoittaa uteliaisuutta ja tutkimusta, skaalata datakirjallisuutta ja asettaa toiminnan ja vaikutuksen prioriteetiksi. On myös tärkeää tehdä yhteistyötä keskusdatatiimin ja liiketoimintatiimien kanssa jatkuvan datan hallinnan toteuttamiseksi, jotta data-laatu ei heikkene ajan myötä.

Mitä haasteita organisaatiot kohtaavat datademokratian saavuttamisessa, ja miten he voivat voittaa nämä esteet?

Aiemmin yritykset ovat yrittäneet keskittää datan yhteen asiantuntijatiimiin, jättäen loput organisaatiosta riippuvaiseksi tästä tiimistä datan analysointiin ja avainoivalluksiin, jotka ovat kriittisiä heidän päivittäisille operaatioilleen ja päätöksentekolleen. Datademokratian mahdollistaminen on kriittistä tukkivuuden ratkaisemiseksi, mutta se voi myös olla haasteellista. Kun puhun datajohtajien kanssa itsepalvelun toiminnallistamisesta, on selvää, että on spektri. Toisessa päässä on matalat asetustyökalut ei-tekniikan ja liiketoimintatiimien käyttöön. Lopputuloksena on, että nämä työkalut eivät anna syvyyttä ja laajuutta vastauksia, joita nämä tiimit tarvitsevat. Toisessa päässä on teknisempiä työkaluja teknisemmille tiimille. Ne ovat joustavampia analyysin suhteen, mutta ne ovat hitaampia, ja vain harvat ihmiset voivat edes käyttää niitä. Kutsumme näitä työkaluja “dataruokajonoksi” … olet aina odottamassa vastauksia. Tiimien on tarve ratkaisuun, joka on puolivälissä. Mieti ratkaisuja, jotka rohkaisevat, eivät estä, tutkimusta ja kokeilua. Oikean työkalun ja tiimikoulutuksen avulla yritykset voivat helpommin silittää datademokratian aukon.

Kuinka tärkeää on datakirjallisuus datademokratian prosessissa, ja mitä toimia yritysten tulisi tehdä parantamaan sitä työntekijöidensä keskuudessa?

Datademokratian luominen tiimien ympärille on kulttuurinen haaste, joka vaatii koulutusta ja yrityksen laajuisen sitoutumisen. Kokemukseni mukaan data-prosessien opettamisessa ei-tekniikan jäsenille parasta tapaa kehittää näitä taitoja on yhdistelmä koulutusta ja käytännön oppimista. Suosittelen kehittämään kattavan koulutusohjelman, jotta työntekijät tuntevat itsensä mukaviksi ja varmoiksi siinä, mitä he etsivät datansa havainnoista. Varmista, että käytät työkalua, joka ei estä ei-tekniikan käyttäjiä: esimerkiksi mikä tahansa työkalu, joka vaatii SQL-tuntemusta, syrjäyttäisi henkilöt ilman ohjelmointitaitoja. Sen jälkeen tarjoa mahdollisuuksia työntekijöille päästä käsiksi dataan ja aloittaa leikkiminen. Lopulta toteuta työkalu, joka edistää tutkimusta ja yhteistyötä. Mitä vähemmän ihmiset työskentelevät erillään, sitä enemmän he voivat heittää ideoita toisilleen, mikä johtaa valaistuneempiin oivalluksiin. Jos olet data-ammattilainen, joka opettaa ei-tekniikan tiimille, muista, että olet viettänyt vuosia datan hankkimiseen ja käyttöön, joten ajattelet sitä toisin kuin satunnainen käyttäjä. Ole avoin opettamaan muita, äläkä tee kaikkea itse. Muuten et ikinä ole vapaa tekemään mitään muuta kuin vastaamaan ihmisten kysymyksiin.

Miten yritysten tulisi sopeuttaa strategioitaan pysyäkseen edellä datahallinnassa ja -käytössä nopeasti kehittyvien data-työkalujen ja generatiivisen AI-teknologian myötä?

Datahallinta on yksi suurimmista haasteista, joita yritykset edelleen kohtaavat, ja se on asia, joka jokaisen organisaation on ratkaistava, jotta voidaan mahdollistaa merkityksellisiä AI- ja data-kokemuksia. AI on vain yhtä hyvä kuin data, joka sitä ohjaa, ja puhdas data johtaa vaikuttavampiin oivalluksiin, onnellisimpiin käyttäjiin ja liiketoiminnan kasvuun. Tässä suhteessa yritysten on oltava proaktiivisia datan puhdistamisessa ja taksonomiassa, ja on mahdollisuuksia käyttää generatiivista AI:ta datahallinnan ja -laadun hallitsemiseen. Esimerkiksi Amplitudessa lanseerasimme viime vuonna AI-pohjaisen Data Assistant -tuotteen, joka tarjoaa älykkäitä suosituksia ja automaatiota datan hallinnan helpottamiseksi ja käyttäjien datan laadun parantamiseksi.

Miten Amplitude mahdollistaa yritysten paremman ymmärtämisen asiakaspolusta?

Digitaalisten tuotteiden ja kokemusten luominen on haasteellista, etenkin nykyisessä kilpailutilanteessa. Monet yritykset eivät edelleenkään tiedä, kuka heidän asiakkaansa on tai mitä he haluavat. Amplitude auttaa yrityksiä vastaamaan kysymyksiin, kuten “Mitä asiakkaamme rakastavat? Missä he jäävät jumiin? Mitä pitää heidät tulemasta takaisin?” kvantitatiivisen ja kvalitatiivisen data-oivalluksen kautta. Meidän alustamme auttaa yrityksiä ymmärtämään asiakaspolun loppupäästä datan avulla, jotta voidaan ajaa asiakaspolun hankintaa, rahastusta ja säilyttämistä. Tänään yli 2 700 asiakasta, mukaan lukien suuret yritykset kuten Atlassian (TEAM ), NBC Universal ja Under Armour (UAA ), käyttävät Amplitudea luodakseen parempia tuotteita.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Amplitudessa.