जेरेमी बर्टन, ऑब्जर्व के सीईओ – साक्षात्कार श्रृंखला

जेरेमी बर्टन, ऑब्जर्व के सीईओ, एक अनुभवी एंटरप्राइज सॉफ्टवेयर कार्यकारी हैं जिनके पास 20 से अधिक वर्षों का नेतृत्व अनुभव है, जिसमें डेल टेक्नोलॉजीज, ईएमसी, ओरेकल और वेरिटास जैसी प्रमुख प्रौद्योगिकी कंपनियों में शामिल हैं। उन्होंने उत्पाद विकास, विपणन और रणनीतिक एमएंडए में वैश्विक टीमों का नेतृत्व किया है, स्टोरेज, सुरक्षा और सास में व्यवसायों का निर्माण और विस्तार किया है। बर्टन ने ओरेकल टेक्नोलॉजी नेटवर्क की भी सह-स्थापना की, जो विश्वभर में लाखों सदस्यों तक बढ़ गया, और वर्तमान में स्नोफ्लेक के बोर्ड ऑफ डायरेक्टर्स में और मैकलारेन की फॉर्मूला 1 टीम के सलाहकार के रूप में कार्य करता है। (DELL ) (ORCL )

ऑब्जर्व, जो सैन मेटो, कैलिफोर्निया में स्थित है, एक अगली पीढ़ी का सास ऑब्जर्वेबिलिटी प्लेटफ़ॉर्म है जो एसआरई, डेवओप्स और इंजीनियरिंग टीमों को आधुनिक वितरित प्रणालियों की जांच और अनुकूलन में मदद करता है। स्नोफ्लेक के डेटा इन्फ्रास्ट्रक्चर पर निर्मित, यह लॉग, मेट्रिक्स और ट्रेस को एक ही संदर्भ-समृद्ध डेटासेट में एकीकृत करता है – जिससे टीमें घटना प्रतिक्रिया को तेज कर सकती हैं, मूल कारणों का पता लगा सकती हैं और जटिल क्लाउड वातावरण में विश्वसनीयता में सुधार कर सकती हैं।

आपने वैश्विक दिग्गजों जैसे डेल, ईएमसी और ओरेकल में वरिष्ठ नेतृत्व भूमिकाएं निभाई हैं, और अब आप ऑब्जर्व के साथ एक स्टार्टअप का नेतृत्व कर रहे हैं। स्थिरता और पैमाने को पीछे छोड़कर कुछ नया बनाने के लिए क्या प्रेरित किया?

मैं अपने करियर में भाग्यशाली रहा हूं कि मैं कुछ अविश्वसनीय नेताओं के लिए काम कर पाया, जिनमें लैरी एलिसन और माइकल डेल शामिल हैं। मैंने उनके साथ 20 या 30 वर्षों में उनके कार्यकाल के दौरान काम किया, लेकिन जो उन्हें उल्लेखनीय बनाता है वह यह है कि वे शुरू से ही वहां थे। उन्होंने प्रारंभिक उत्पाद निर्णय लिए, मार्ग को बाजार में स्थापित किया और दीर्घकालिक सफलता के लिए एक संस्कृति स्थापित की। मेरी भूमिका उन दशकों के कठिन काम पर कुछ निरंतर सुधार प्रदान करना था जो उन्होंने पहले से ही किया था। अंततः, मैं अपने करियर में एक बिंदु पर पहुंच गया जहां मैं स्वयं से साबित करना चाहता था कि मैं भी एक कंपनी बना सकता हूं, एक उत्पाद को बाजार में ला सकता हूं, एक बिक्री गति स्थापित कर सकता हूं और एक संस्कृति बना सकता हूं जो दीर्घकालिक रूप से समृद्ध हो सकती है।

ऑब्जर्व खुद को एक नए श्रेणी के रूप में स्थापित कर रहा है, जो लॉग, विश्लेषण और निगरानी को एक ही एकीकृत प्लेटफ़ॉर्म में एकीकृत करता है। आप इस दृष्टिकोण को विरासती खिलाड़ियों जैसे स्प्लंक और डेटाडॉग की तुलना में स्थान को फिर से परिभाषित करने के रूप में कैसे देखते हैं? (DDOG )

विरासती उपकरणों को जो बड़ी समस्या का सामना करना पड़ता है वह यह है कि वे पैमाने के लिए नहीं बने थे। ग्राहकों के साथ बातचीत में, हमने बार-बार देखा है कि स्प्लंक और डेटाडॉग टेलीमेट्री की मात्रा बढ़ने के साथ लागत-प्रभावी नहीं होते हैं, और यह मूल रूप से विरासती उपकरणों के वास्तुकला के साथ एक मूल समस्या है।

ऑब्जर्व अलग है क्योंकि हमारा प्लेटफ़ॉर्म एक स्ट्रीमिंग डेटा लेक आर्किटेक्चर पर निर्मित है, जो खुले प्रारूप जैसे अपाचे आइसबर्ग का उपयोग करता है। इसका मतलब है कि हम कम्प्यूट और स्टोरेज को अलग कर सकते हैं, लोचदार रूप से स्केल कर सकते हैं और पारंपरिक प्रणालियों की तुलना में एक अंश की लागत पर ऑब्जर्वेबिलिटी प्रदान कर सकते हैं। प्रतिस्पर्धियों जैसे स्प्लंक अभी भी एकात्मक वास्तुकला पर निर्भर करते हैं जो शीर्ष क्षमता के लिए योजना बनाने की आवश्यकता होती है – और यहां तक कि नए उपकरण जैसे डेटाडॉग को लागत को नियंत्रित करने के लिए डेटा टियरिंग, रिहाइड्रेशन और री-इंडेक्सिंग की आवश्यकता होती है।

हम एकीकृत ऑब्जर्वेबिलिटी अनुभव पर भी ध्यान केंद्रित करते हैं। लॉग, मेट्रिक्स, ट्रेस और इवेंट सभी एक ही स्थान पर रहते हैं, एक ही प्रश्न भाषा और एक ज्ञान ग्राफ के साथ जो स्वचालित रूप से सेवाओं, उपयोगकर्ताओं और घटनाओं के बीच संबंधों को मैप करता है। यह संदर्भ ही समस्या निवारण को तेज करता है। इसके विपरीत, स्प्लंक और डेटाडॉग में लॉग, मेट्रिक्स और ट्रेस के लिए अलग-अलग बैकएंड हैं, जो विश्लेषण को धीमा करते हैं।

अंत में, हमने समस्या निवारण में एआई-संचालित ट्राउटलेसिंग में भारी निवेश किया है। हमारा ओ 11 वाई एआई एसआरई टीमें प्राकृतिक भाषा इनपुट ले सकता है, परिकल्पना उत्पन्न कर सकता है और घटना समाधान के माध्यम से इंजीनियरों को मार्गदर्शन कर सकता है, न कि केवल उन्हें अलर्ट करता है। और यह हमारे ज्ञान ग्राफ का उपयोग करने के लिए बनाया गया है, जो सटीक समस्या निवारण के लिए आवश्यक संदर्भ प्रदान करता है। यह आज उपलब्ध अधिकांश प्रतिस्पर्धियों द्वारा प्रदान की जाने वाली विसंगति का पता लगाने या अलर्टिंग से परे एक कदम है।

साधारण शब्दों में: हम लागत-प्रभावी हैं, हम एकीकृत हैं, और हम खुले हैं। ये तीन गुण हैं जो ग्राहकों को लगातार बताते हैं कि ऑब्जर्व को विरासती खिलाड़ियों जैसे स्प्लंक और नए निवासियों जैसे डेटाडॉग से अलग करता है।

बहुत बड़े उद्यमों में और अब एक स्टार्टअप में आपके द्वारा देखी गई कुछ चीजों के आधार पर, क्या कुछ ऐसी चीजें हैं जो आपको लगता है कि बड़े उद्यमों से सीखी जा सकती हैं और क्या कुछ ऐसी चीजें हैं जो नहीं सीखी जा सकती हैं?

यह विरोधाभासी है, लेकिन सफल बड़ी कंपनियां कुछ चीजें वास्तव में अच्छी तरह से करती हैं, और वे हर विवरण को समझती हैं। जो असफल होते हैं वे बहुत कुछ करते हैं, और सब कुछ औसत दर्जे का हो जाता है।

एक स्टार्टअप में, आप एक समय में एक चीज पर ध्यान केंद्रित करते हैं और हर विवरण पर जुनूनी होते हैं। इतना पैसा नहीं है कि आप इसके अलावा और कुछ कर सकें। इसके परिणामस्वरूप, जो स्टार्टअप को इतना तीव्र बनाता है वह यह है कि आपको जल्दी से निर्णय लेने होते हैं, जल्दी से रिलीज करना होता है, जल्दी से विफल होना होता है और जल्दी से सीखना होता है। इसके अलावा, आपको कम लोगों के साथ यह सब करना होगा।

हालांकि, स्टार्टअप की सबसे उदार बात यह है कि आपके पास एक स्थापित उत्पाद, व्यवसाय मॉडल या बाजार में जाने का मार्ग नहीं है। इसका मतलब है कि इन सभी चीजों के बारे में नए अनुमान लगाने की स्वतंत्रता है। यह एक बड़ी कंपनी में नहीं है। उदाहरण के लिए, आप एक नए विघटनकारी उत्पाद के साथ व्यवसाय मॉडल को तोड़ नहीं सकते। भले ही तकनीकी रूप से आप इसे बना सकते हैं, सीएफओ और वॉल स्ट्रीट आपको इसकी क्षमता का अधिकतम उपयोग करने देंगे। यही कारण है कि स्टार्टअप जीतते हैं जब उन्हें सिद्धांत रूप से कोई मौका नहीं होना चाहिए।

आप स्नोफ्लेक में लगभग एक दशक से बोर्ड सदस्य रहे हैं। ऑब्जर्व में आपकी रणनीति को सूचित करने के लिए स्नोफ्लेक की यात्रा से आपने क्या सीखा है?

स्नोफ्लेक ने एक पुरानी समस्या का सामना एक नए आर्किटेक्चर के साथ किया। उन्होंने अपनी प्रौद्योगिकी को एक सरल लेकिन शक्तिशाली विचार पर बनाया और एक विशाल बाजार को विघटित किया जो विरासती विक्रेताओं द्वारा अवरुद्ध था। यहां कुछ सबक हैं: बड़े बाजारों में खेलें और आप एक बड़ी कंपनी बना सकते हैं। इसके अलावा, आपको प्रतिस्पर्धियों से बहुत अलग दृष्टिकोण होना चाहिए ताकि ग्राहक बड़े लाभ देख सकें।

हम जिस ऑब्जर्वेबिलिटी बाजार पर हमला कर रहे हैं वह विशाल है, $ 30 बी और बढ़ रहा है। हमने एक डेटा लेक फाउंडेशन, लोचदार कंप्यूट और खुले प्रारूप का उपयोग करके ऑब्जर्वेबिलिटी समस्या का समाधान किया है। यह ग्राहकों को समस्या निवारण की गति और समग्र लागत में एक क्रमिक सुधार का वादा करता है।

उत्पाद विकास, विपणन और बड़े पैमाने पर एमएंडए में आपका व्यापक अनुभव ऑब्जर्व में विकास रणनीतियों को प्राथमिकता देने के तरीके को कैसे प्रभावित करता है?

शुरुआती दिनों में, यह बहुत सरल है; आप एक अच्छा उत्पाद बनाते हैं और इसे बेचने की कोशिश करते हैं। यह विकास रणनीति है। यह कहा जा सकता है कि मेरा करियर एंटरप्राइज सॉफ्टवेयर और बड़े उद्यमों के लिए जटिल समस्याओं का समाधान करने की ओर झुका हुआ है, इसलिए यह आश्चर्य की बात नहीं है कि ऑब्जर्व विशेष रूप से उस पर केंद्रित है!

मेरे अनुभव के आधार पर, मुझे लगता है कि एक बड़ी ऑब्जर्वेबिलिटी कंपनी बनाने के लिए, आपको दुनिया की सबसे बड़ी कंपनियों के लिए समस्या का समाधान करना होगा। ये पेटाबाइट्स के डेटा, हजारों उपयोगकर्ताओं और हजारों अनुप्रयोगों के मुद्दे हैं। कई ऑब्जर्वेबिलिटी कंपनियां हैं, लेकिन बहुत कम ही उस वातावरण में जीत सकती हैं। मैं सुनिश्चित कर रहा हूं कि ऑब्जर्व कर सकता है।

आधुनिक वितरित अनुप्रयोगों की जटिलता बढ़ने के साथ, ऑब्जर्वेबिलिटी महत्वपूर्ण हो गई है। अगले 3-5 वर्षों में उद्यमों के लिए सबसे बड़ी चुनौतियां और अवसर कहां हैं?

आज सबसे बड़ी चुनौती पैमाने पर है। कुबेरनेट्स, माइक्रोसेवा और अब एआई कार्यभार डेटा की मात्रा का उत्पादन कर रहे हैं जो पारंपरिक उपकरणों को अभिभूत कर देते हैं। जैसे ही लागत आसमान छूती है, इन उपकरणों की विश्वसनीयता गिर जाती है और यह स्थायी नहीं है; एक नई वास्तुकला की आवश्यकता है।

चीजों को और जटिल बनाने के लिए, अगले कुछ वर्षों में, हम एआई कोडिंग टूल्स द्वारा सहायता प्राप्त कोड की तुलना में अधिक कोड लिखने जा रहे हैं जो कभी भी इतिहास में नहीं हुआ है। वह कोड परफेक्ट नहीं होगा, और किसी बिंदु पर यह विफल हो जाएगा। वृद्धि का क्षेत्र यह पूछना है: आप कोड की समस्या निवारण कैसे करते हैं जिसे किसी ने नहीं लिखा? और या तो क्या कोड-जेन टूल कोड को देख सकते हैं और दोषों को ठीक कर सकते हैं, लेकिन क्या वे वास्तव में उत्पादन में कैसे अनुप्रयोग व्यवहार कर रहे हैं और समस्याग्रस्त कोड का पता लगा सकते हैं? यह भविष्य में ऑब्जर्वेबिलिटी विक्रेताओं के लिए एक बड़ा अवसर है।

कई टीमें लॉग, मेट्रिक्स और ट्रेस के लिए अलग-अलग प्रणालियों का उपयोग करने के साथ संघर्ष करती हैं। ऑब्जर्व इंजीनियरिंग और डेवओप्स टीमों के लिए इस अनुभव को सरल बनाने में कैसे मदद करता है?

तीन या चार उपकरणों को संभालने के बजाय, ऑब्जर्व ग्राहकों को एक ही प्लेटफ़ॉर्म प्रदान करता है। कंपनी के लॉग, मेट्रिक्स, ट्रेस और अलर्ट एक ही प्रणाली में रहते हैं और एक ज्ञान ग्राफ द्वारा जुड़े हुए हैं। ज्ञान ग्राफ संदर्भ प्रदान करता है जो उपयोगकर्ताओं को लॉग, मेट्रिक्स और ट्रेस में सMOOTHLY ड्रिल और पिवट करने की अनुमति देता है और समस्या निवारण में तेजी लाता है। यह उन्हें प्लेटफ़ॉर्म से प्लेटफ़ॉर्म पर कूदने में बिताए जाने वाले समय की मात्रा को कम करता है, और इसके बजाय उन्हें कोई डेटा निर्यात या संदर्भ स्विचिंग के बिना एक मुद्दे का पता लगाने की अनुमति देता है।

क्या आप एक ग्राहक के लिए एक बड़ी समस्या का समाधान करने का एक ठोस उदाहरण साझा कर सकते हैं – कुछ ऐसा जो पारंपरिक ऑब्जर्वेबिलिटी टूल के साथ कठिन या असंभव होगा?

कैपिटल वन ऑब्जर्व का उपयोग महत्वपूर्ण ग्राहक यात्राओं की स्थिति को सतह पर लाने के लिए करता है, जो टेलीमेट्री डेटा को प्रासंगिक व्यवसाय संदर्भ के साथ सहसंबंधित और समृद्ध करता है। वे प्रतिदिन सैकड़ों टेराबाइट टेलीमेट्री को निगलते हैं, जिसमें लॉग, मेट्रिक्स, ट्रेस, परिवर्तन रिकॉर्ड, वीपीसी फ्लो लॉग और एएचएस कॉन्फ़िग डेटा शामिल हैं। ऑब्जर्व कैपिटल वन को एक एकीकृत प्लेटफ़ॉर्म प्रदान करता है जो अंत-से-अंत की दृष्टि के लिए, ताकि डेवलपर और एसआरई इंटरैक्टिव घटना प्रतिक्रिया और डीबगिंग कर सकें।

ऑब्जर्व में मशीन लर्निंग या एआई की भूमिका क्या है, और यह ग्राहकों को अंतर्दृष्टि को तेजी से सतह पर लाने या स्वचालित रूप से मुद्दों का पता लगाने में कैसे मदद कर रहा है?

ऑब्जर्वेबिलिटी में मशीन लर्निंग का एक जटिल इतिहास है क्योंकि एंटरप्राइज़ वातावरण स्वाभाविक रूप से शोर होते हैं, और यह एक मॉडल बनाना बहुत मुश्किल है जो हजारों विसंगतियों का परिणाम नहीं है। जनरेटिव एआई एक बहुत ही अलग प्रौद्योगिकी है और इसका एक बहुत ही गहरा प्रभाव पड़ेगा।

हमारा मानना है कि एआई ऑब्जर्वेबिलिटी टूलिंग के साथ इंजीनियरों के बातचीत करने के तरीके को बदल देगा। सबसे पहले, वे अपने आईडीई में बैठे हुए अपने ऑब्जर्वेबिलिटी डेटा के साथ सीधे बातचीत कर सकते हैं; हमारे आधे उपयोगकर्ता भविष्य में ऑब्जर्व में लॉग इन या सीखने की जरूरत नहीं होगी! दूसरा, एआई एजेंट “शांति” के दौरान टेलीमेट्री को स्कैन करने और भविष्य में घटना का कारण बनने वाली संभावित समस्याओं की तलाश करने के लिए मौजूद रहेंगे। एआई एजेंट थके हुए या ऊब नहीं होते हैं और वे ऐसा काम कर सकते हैं जो मानवों के लिए असंभव है। अंत में, “युद्ध” के दौरान, एआई एजेंट समस्या को हल करने के लिए इंजीनियरों और एसआरई को पाठ्यक्रम के साथ मदद करेंगे।

आपकी फॉर्मूला वन-प्रेरित नेतृत्व शैली मानसिक कठोरता और गलतियों से सीखने पर जोर देती है। यह दृष्टिकोण ऑब्जर्व का निर्माण करने और टीम को जीत और चुनौतियों के माध्यम से नेतृत्व करने के तरीके को कैसे आकार देता है?

एफ 1 में सफलता डेटा का उपयोग करके भविष्य के निर्णयों को निर्देशित करने के लिए निर्मित होती है, दोनों चालक और कार के लिए। एक फॉर्मूला 1 कार जब सीज़न के अंत में पहुंचती है, तो 90% हिस्से बदल दिए जाते हैं, और यह दौड़ के मैदान में 2 सेकंड तेज है।

ऑब्जर्व में, हमें उसी तरह की मानसिकता होनी चाहिए। हम रिलीज करते हैं, हम मापते हैं, हम सुनते हैं, हम तेजी से अनुकूलन करते हैं। मुझे लगता है कि हमारे उत्पाद का 90% आज से दो साल पहले की तुलना में अलग है। इस दृष्टिकोण को बनाए रखने के लिए अनुशासन और विनम्रता की बहुत आवश्यकता होती है, यह आसान नहीं है बार-बार बुरी खबर सुनना। फिर भी, यदि आप पर्याप्त बुरी खबर पर कार्रवाई करते हैं, तो यह धीरे-धीरे अच्छी खबर में बदल जाती है, और एआरआर तेजी से बढ़ता है। यह जादू नहीं है, यह तर्क है!

धन्यवाद महान साक्षात्कार के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें ऑब्जर्व पर जाना चाहिए।