शादी रोस्तामी, एम्प्लिट्यूड के इंजीनियरिंग के एसवीपी – साक्षात्कार श्रृंखला

शादी एम्प्लिट्यूड में इंजीनियरिंग के एसवीपी हैं, जो एक डिजिटल एनालिटिक्स लीडर है। वह एक उत्साही और अनुभवी प्रौद्योगिकी नेता और वास्तुकार हैं, जिन्हें उच्च कुशल इंजीनियरिंग टीमों को बनाने और प्रबंधित करने में अनुभव है। एम्प्लिट्यूड से पहले, वह पालो अल्टो नेटवर्क्स में इंजीनियरिंग के वीपी थीं। उन्होंने वितरित प्रणाली, क्लाउड कंप्यूटिंग, बड़े डेटा, मशीन लर्निंग और सुरक्षा में विशेषज्ञता वाले कई उत्पाद लाइनों और सेवाओं को नवाचार और वितरित किया है।

एम्प्लिट्यूड आधुनिक मशीन लर्निंग और जेनरेटिव एआई तकनीकों पर बनाया गया है जो उत्पाद टीमों को स्मार्टर बनाने, तेजी से सीखने और अपने ग्राहकों के लिए सर्वोत्तम डिजिटल अनुभव बनाने में सक्षम बनाता है।

कंप्यूटर विज्ञान और इंजीनियरिंग में आपकी रुचि क्या थी?

मैं ईरान में पली-बढ़ी और मूल रूप से एक हाई स्कूल पथ का पालन किया जो मेरे पिता के लिए एक चिकित्सा करियर के लिए उपयुक्त होगा, जो मेरे भाई ने किया था। लगभग एक साल और आधे में, मैंने决定 कि यह मेरे लिए नहीं है। इसके बजाय, मैंने इंजीनियरिंग का पीछा किया और ईरान में इन्फॉर्मेटिक्स ओलंपियाड (आईओआई) में पहली लड़की बन गई और कांस्य पदक जीता, जो दुनिया भर के हाई स्कूल छात्रों के लिए एक वार्षिक प्रतियोगिता है जो गणित, भौतिकी, सूचना और रसायन विज्ञान में प्रतिस्पर्धा करते हैं। इससे मुझे ईरान के शरीफ यूनिवर्सिटी ऑफ टेक्नोलॉजी में इंजीनियरिंग का अध्ययन करने और बाद में कनाडा के ब्रिटिश कोलंबिया विश्वविद्यालय में कंप्यूटर इंजीनियरिंग में पीएचडी करने के लिए प्रेरित किया। इसके बाद, मैंने कुछ साल स्टार्टअप्स के लिए काम किया और फिर पालो अल्टो नेटवर्क्स में एक दशक बिताया, जो अंततः विकास, क्यूए, डेवओप्स और डेटा साइंस के लिए जिम्मेदार वीपी बन गया। पांच साल पहले, मैं एम्प्लिट्यूड में इंजीनियरिंग के एसवीपी के रूप में चली गई।

एम्प्लिट्यूड के कोर एआई दर्शन पर चर्चा करें जो एआई को मानवों को उनके काम में सुधार करने में मदद करने के लिए है, न कि उन्हें बदलने के लिए?

एआई जल्द ही लगभग हर उद्योग को बदल रहा है, और इस परिवर्तन के साथ यह सवाल उठता है कि कंपनियां इस तकनीक का उपयोग कैसे करेंगी। हम एआई को सही तरीके से करने के बारे में मजबूत महसूस करते हैं। यह विश्वास हमें अपने ग्राहक-केंद्रित एआई दर्शन विकसित करने के लिए प्रेरित करता है, जो पांच मुख्य सिद्धांतों पर आधारित है: (1) सहयोगी विकास और विचार साझेदारी, (2) डेटा शासन और उपयोगकर्ता डेटा सुरक्षा, (3) पारदर्शिता, (4) गोपनीयता, सुरक्षा और नियामक अनुपालन, और (5) ग्राहक विकल्प और नियंत्रण। हम जानते हैं कि ये सिद्धांत महत्वपूर्ण हैं क्योंकि कंपनियां एआई को अपनाती और परीक्षण करती हैं और अंततः वास्तव में डेटा-चालित बन जाती हैं। हमारे लिए, इसका अर्थ है ऐसे एआई टूल्स बनाना जो लोगों को तेजी से अंतर्दृष्टि प्राप्त करने में मदद करते हैं। जब सही तरीके से उपयोग किया जाता है, तो ये अंतर्दृष्टि तेजी से और बेहतर निर्णय लेने की ओर ले जाती हैं जो नीचे की रेखा परिणामों को चलाती हैं। मानव बुद्धिमत्ता और रचनात्मकता को पूरक बनाने के लिए एआई का उपयोग करना है जहां मैं एआई को अपना सबसे बड़ा प्रभाव देखता हूं।

आज के एआई-संचालित व्यवसायिक वातावरण में ‘डेटा लोकतंत्र’ की अवधारणा को समझाएं?

“डेटा लोकतंत्र इस ज्ञान से चलाया जाता है कि टीमें तब बेहतर, तेजी से और अधिक कुशलता से काम करती हैं जब वे सही समय पर सही डेटा अंतर्दृष्टि तक पहुंच सकती हैं। आज के तेजी से आगे बढ़ने वाले एआई-संचालित वातावरण में, टीमें डेटा पुल के लिए दिन या सप्ताह नहीं प्रतीक्षा कर सकती हैं। इसे कम करने के लिए, कंपनियों को अपनी टीमों को स्व-सेवा तरीके से डेटा का लाभ उठाने के लिए सशक्त बनाना चाहिए। अब, इसका अर्थ यह नहीं है कि कोई पैरामीटर नहीं है डेटा अराजकता। अंत में, खराब डेटा खराब एआई की ओर ले जाता है। लेकिन सही उपकरण और प्रक्रियाओं के साथ, व्यवसाय डेटा लोकतंत्र को डेटा शासन के साथ संतुलित कर सकते हैं, जो बेहतर व्यवसायिक परिणामों को सक्षम बनाता है।”

एआई के युग में सच्चे डेटा लोकतंत्र को सक्षम करने के लिए आपको कौन से संगठनात्मक संस्कृति में बदलाव आवश्यक लगते हैं?

संगठन के भीतर सच्चे डेटा लोकतंत्र की स्थापना दो मूलभूत सांस्कृतिक परिवर्तनों से शुरू होती है: सही उपकरण प्रदान करना और संगठनव्यापी डेटा साक्षरता के प्रयास करना। इसका अर्थ है स्व-सेवा उपकरण अपनाना जो गैर-तकनीकी टीम के सदस्यों, जैसे कि विपणन या ग्राहक सफलता टीमों को न केवल डेटा तक पहुंच प्रदान करते हैं, बल्कि इसका विश्लेषण भी करते हैं और उस पर कार्रवाई करते हैं। मुझे विश्वास है कि स्व-सेवा डेटा विश्लेषण टीमों के बीच सहयोग को ईंधन दे सकता है, जिज्ञासा और अन्वेषण को प्रेरित कर सकता है, डेटा साक्षरता को बढ़ा सकता है, और कार्रवाई और प्रभाव पर पक्षपात कर सकता है। इसके अलावा, यह केंद्रीय डेटा टीम और व्यवसाय टीमों के बीच संयुक्त प्रयासों के लिए महत्वपूर्ण है ताकि यह सुनिश्चित किया जा सके कि डेटा गुणवत्ता समय के साथ खराब न हो।

संगठन डेटा लोकतंत्र को प्राप्त करने में किन सबसे महत्वपूर्ण चुनौतियों का सामना करते हैं, और वे इन बाधाओं को कैसे दूर कर सकते हैं?

पिछले समय में, कंपनियों ने डेटा को एक टीम के विशेषज्ञों के भीतर केंद्रीकृत करने का प्रयास किया है, जिससे संगठन के बाकी हिस्से विश्लेषण और महत्वपूर्ण अंतर्दृष्टि के लिए इस टीम पर निर्भर हो जाते हैं। डेटा को विकेंद्रित करना महत्वपूर्ण है, लेकिन यह चुनौतीपूर्ण भी हो सकता है। जब मैं डेटा नेताओं से स्व-सेवा के बारे में बात करता हूं, तो यह स्पष्ट है कि एक स्पेक्ट्रम है। एक छोर पर, आपके पास गैर-तकनीकी और व्यवसाय टीमों के लिए कम सेटअप वाले उपकरण हैं। अंततः, वे टीमों को जो उत्तर चाहिए, उसकी गहराई और व्यापकता प्रदान नहीं करते हैं। दूसरी ओर, आपके पास अधिक तकनीकी उपकरण हैं जो अधिक तकनीकी टीमों के लिए हैं। वे विश्लेषण के मामले में अधिक लचीले हैं, लेकिन वे धीमे हैं और शायद ही कोई उन्हें उपयोग कर सकता है। हम इन उपकरणों को “डेटा ब्रेडलाइन” के रूप में संदर्भित करते हैं … आप हमेशा उत्तरों की प्रतीक्षा कर रहे हैं। टीमों को एक मध्यवर्ती समाधान की आवश्यकता होती है। बाहर-से-बॉक्स समाधान के बारे में सोचें जो अन्वेषण और प्रयोग को प्रोत्साहित करते हैं। उचित टूलिंग और टीम शिक्षा के साथ, कंपनियां डेटा लोकतंत्र के अंतर को अधिक आसानी से पुल सकती हैं।

डेटा लोकतंत्र की प्रक्रिया में डेटा साक्षरता कितनी महत्वपूर्ण है, और कंपनियां अपने कर्मचारियों के बीच में इसे बेहतर बनाने के लिए क्या कदम उठा सकती हैं?

टीमों के माध्यम से डेटा लोकतंत्र का वातावरण बनाना एक सांस्कृतिक चुनौती है जिसके लिए शिक्षा और कंपनी-व्यापी खरीदारी की आवश्यकता होती है। मेरे अनुभव में, गैर-तकनीकी सदस्यों को डेटा प्रक्रियाओं का अध्ययन कराने का सबसे अच्छा तरीका प्रशिक्षण और हाथों-हाथ सीखने का संयोजन है। मैं एक व्यापक प्रशिक्षण कार्यक्रम विकसित करने की सलाह देता हूं ताकि यह सुनिश्चित किया जा सके कि कर्मचारी अपने डेटा से अंतर्दृष्टि निकालते समय आत्मविश्वास महसूस करते हैं। सुनिश्चित करें कि आप एक ऐसे उपकरण का उपयोग कर रहे हैं जो गैर-तकनीकी उपयोगकर्ताओं को प्रतिबंधित नहीं करता है: उदाहरण के लिए, कोई भी उपकरण जो एसक्यूएल के ज्ञान की आवश्यकता होती है उन लोगों को अलग कर देगा जिनके पास प्रोग्रामिंग विशेषज्ञता नहीं है। इसके बाद, कर्मचारियों को डेटा के साथ खेलना शुरू करने के अवसर प्रदान करें। अंत में, एक ऐसा उपकरण लागू करें जो अन्वेषण और सहयोग को बढ़ावा देता है। जितना कम लोग सिलोस में काम कर रहे हैं, उतना ही वे एक दूसरे के विचारों को उछाल सकते हैं, जिससे अधिक रोशनी वाली अंतर्दृष्टि मिलती है। यदि आप एक डेटा पेशेवर हैं जो एक गैर-तकनीकी टीम के सदस्य को सिखा रहे हैं, तो याद रखें कि आपने वर्षों से डेटा कैसे प्राप्त और उपयोग करना सीखा है, इसलिए आप इसे एक अन्य व्यक्ति से अलग तरीके से सोचते हैं। दूसरों को सिखाने के लिए खुले रहें और सब कुछ स्वयं करने से बचें, अन्यथा आपके पास लोगों के प्रश्नों का उत्तर देने के अलावा कुछ भी करने के लिए कोई मुफ्त समय नहीं होगा।

डेटा उपकरणों और जेनरेटिव एआई तकनीकों के तेजी से विकास के साथ, कंपनियां डेटा प्रबंधन और उपयोगिता में आगे रहने के लिए अपनी रणनीतियों को कैसे अनुकूलित कर सकती हैं?

डेटा शासन एक प्रमुख चुनौती है जिसका सामना कंपनियां अभी भी करती हैं, और यह हर संगठन के लिए एक ऐसी चीज है जिसे उन्हें निपटाना होगा ताकि वे अर्थपूर्ण एआई और डेटा अनुभवों को सशक्त बना सकें। एआई उतना ही अच्छा है जितना डेटा जो इसे शक्ति प्रदान करता है, और साफ डेटा अधिक प्रभावी अंतर्दृष्टि की ओर ले जाता है, जो खुश उपयोगकर्ताओं और व्यावसायिक विकास को बढ़ावा देता है। इस तरह, कंपनियों को डेटा साफ करने और टैक्सोनॉमी के बारे में सक्रिय रहना चाहिए, और जेनरेटिव एआई का उपयोग डेटा शासन और गुणवत्ता का प्रबंधन करने के अवसर हैं। उदाहरण के लिए, एम्प्लिट्यूड में, हमने पिछले साल अपने एआई-संचालित डेटा सहायक उत्पाद लॉन्च किया, जो डेटा शासन को स्वचालित और सुगम बनाने के लिए बुद्धिमान सिफारिशें और स्वचालन प्रदान करता है और उपयोगकर्ताओं को डेटा गुणवत्ता प्रयासों पर नियंत्रण देता है।

एम्प्लिट्यूड ग्राहक यात्रा को बेहतर ढंग से समझने में उद्यमों को कैसे सक्षम बनाता है?

महान डिजिटल उत्पादों और अनुभवों का निर्माण करना मुश्किल है, खासकर आज के प्रतिस्पर्धी परिदृश्य में। आज, कई कंपनियां अभी भी नहीं जानती हैं कि वे किसके लिए बना रहे हैं या उनके ग्राहक क्या चाहते हैं। एम्प्लिट्यूड व्यवसायों को यह प्रश्न पूछने में मदद करता है कि “हमारे ग्राहक क्या पसंद करते हैं? वे कहां फंस जाते हैं? क्या उन्हें वापस लाता है?” मात्रात्मक और गुणात्मक डेटा अंतर्दृष्टि के माध्यम से। हमारा प्लेटफ़ॉर्म व्यवसायों को अंत-से-अंत ग्राहक यात्रा को बेहतर ढंग से समझने में मदद करता है ताकि वे ग्राहक अधिग्रहण, मुद्रीकरण और प्रतिधारण चक्र को चला सकें। आज, 2,700 से अधिक ग्राहक, जिनमें एटलसियन, एनबीसी यूनिवर्सल और अंडर आर्मर जैसे उद्यम ब्रांड शामिल हैं, एम्प्लिट्यूड का उपयोग बेहतर उत्पाद बनाने के लिए करते हैं।

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