Shadi Rostami, SVP of Engineering di Amplitude – Seri Wawancara

Shadi adalah SVP of Engineering di pemimpin analitik digital Amplitude. Dia adalah pemimpin teknologi yang berpengalaman dan bersemangat, dan arsitek yang berpengalaman dalam membangun dan mengelola tim teknik yang sangat terampil. Sebelumnya, dia adalah VP of Engineering di Palo Alto Networks (PANW ). Dia telah mengembangkan dan mengirimkan beberapa lini produk dan layanan yang berspesialisasi dalam sistem terdistribusi, komputasi awan, big data, pembelajaran mesin, dan keamanan.

Amplitude dibangun pada teknologi pembelajaran mesin modern dan AI generatif yang memungkinkan tim produk untuk membangun produk yang lebih pintar, belajar lebih cepat, dan menciptakan pengalaman digital terbaik untuk pelanggan mereka.

Apa yang awalnya menarik Anda untuk ilmu komputer dan teknik?

Saya tumbuh di Iran dan awalnya mengikuti jalur sekolah menengah yang akan memungkinkan karir di bidang kedokteran, yang merupakan jalur yang diinginkan oleh ayah saya dan diikuti oleh saudara saya. Sekitar setahun setengah kemudian, saya memutuskan bahwa itu bukan jalur yang tepat untuk saya. Saya kemudian mengikuti teknik dan akhirnya menjadi gadis pertama di Iran yang mengikuti Olimpiade Informatika (IOI) dan memenangkan medali perunggu, sebuah kompetisi tahunan untuk siswa sekolah menengah di seluruh dunia yang bersaing dalam matematika, fisika, Informatika, dan kimia. Itu memimpin saya untuk mengikuti teknik di Universitas Teknologi Sharif di Iran dan kemudian mendapatkan gelar Ph.D. di bidang teknik komputer di Universitas British Columbia di Kanada. Setelah itu, saya bekerja untuk perusahaan rintisan selama beberapa tahun dan kemudian menghabiskan satu dekade di Palo Alto Networks, akhirnya menjadi VP yang bertanggung jawab atas pengembangan, QA, DevOps, dan ilmu data. Lima tahun yang lalu, saya pindah ke Amplitude sebagai SVP of Engineering.

Bisakah Anda membahas filosofi AI inti Amplitude yang menyatakan bahwa AI harus membantu manusia dalam meningkatkan pekerjaan mereka, bukan menggantikan mereka?

AI dengan cepat mengubah hampir setiap industri, dan dengan transformasi itu, muncul pertanyaan tentang bagaimana perusahaan akan menggunakan teknologi ini. Kami merasa sangat kuat tentang mendapatkan AI yang tepat. Keyakinan ini memimpin kami untuk mengembangkan filosofi AI yang berfokus pada pelanggan, yang berdiri di atas lima prinsip utama: (1) pengembangan kolaboratif dan kemitraan pemikiran, (2) tata kelola data dan perlindungan data pengguna, (3) transparansi, (4) privasi, keamanan, dan kepatuhan regulasi, dan (5) pilihan dan kontrol pelanggan. Kami tahu bahwa prinsip-prinsip ini sangat penting ketika perusahaan terus mengadopsi dan menguji AI dan akhirnya menjadi benar-benar berbasis data. Untuk tujuan kami, ini berarti membangun alat AI yang membantu orang untuk mendapatkan wawasan lebih cepat. Ketika digunakan dengan benar, wawasan ini memimpin ke keputusan yang lebih cepat dan lebih baik yang menghasilkan hasil yang lebih baik. Menggunakan AI sebagai alat untuk melengkapi kecerdasan dan kreativitas manusia adalah tempat saya melihat AI memiliki dampak terbesar.

Bisakah Anda menjelaskan konsep “demokrasi data” dalam konteks lingkungan bisnis yang didorong AI saat ini?

“Demokrasi data didorong oleh pengetahuan bahwa tim bekerja lebih baik, lebih cepat, dan lebih efisien ketika mereka dapat mengakses wawasan data yang tepat pada waktu yang tepat. Dalam lingkungan yang didorong AI yang berkembang pesat saat ini, tim tidak dapat menunggu berhari-hari atau berminggu-minggu untuk mendapatkan data. Untuk mengatasi hal ini, perusahaan harus memberdayakan tim mereka untuk menggunakan data dengan cara yang mandiri. Sekarang, ini tidak berarti kekacauan data tanpa parameter. Di akhir hari, data yang buruk menghasilkan AI yang buruk. Namun, dengan alat dan proses yang tepat, bisnis dapat menyeimbangkan demokratisasi data dengan tata kelola data, memungkinkan hasil bisnis yang lebih baik.”

Apa pergeseran budaya organisasi yang paling penting untuk memungkinkan demokrasi data yang sebenarnya di era AI?

Membangun demokrasi data yang sebenarnya dalam organisasi Anda dimulai dengan dua pergeseran budaya yang mendasar: menyediakan alat yang paling dapat diakses dan melakukan upaya organisasi-wide di sekitar literasi data. Ini berarti mengadopsi alat mandiri yang memungkinkan anggota tim non-teknis, seperti tim pemasaran atau tim keberhasilan pelanggan, untuk tidak hanya mengakses data tetapi juga menganalisis dan mengambil tindakan berdasarkan data. Saya percaya bahwa analitik data mandiri dapat dan harus memicu kolaborasi di seluruh tim, menginspirasi rasa ingin tahu dan eksplorasi, menskalakan literasi data, dan memprioritaskan tindakan dan dampak. Juga, penting untuk melakukan upaya bersama antara tim data pusat dan tim bisnis untuk melakukan tata kelola data yang berkelanjutan untuk memastikan kualitas data tidak menurun seiring waktu.

Menurut pengalaman Anda, apa tantangan terbesar yang dihadapi organisasi dalam mencapai demokratisasi data, dan bagaimana mereka dapat mengatasi hambatan ini?

Di masa lalu, perusahaan telah mencoba untuk memusatkan data dalam satu tim ahli, meninggalkan sisa organisasi bergantung pada tim ini untuk memberikan analisis dan wawasan kunci yang mungkin sangat penting untuk operasi dan pengambilan keputusan sehari-hari mereka. Sementara mendemokratisasi akses data sangat penting untuk memecahkan bottleneck ini, itu juga dapat menantang. Ketika saya berbicara dengan pemimpin data tentang operasionalisasi layanan mandiri, jelas ada spektrum. Di satu ujung, Anda memiliki alat dengan pengaturan rendah untuk tim non-teknis dan tim bisnis. Pada akhirnya, alat-alat ini tidak memberikan kedalaman dan keluasan jawaban yang tim-tim ini butuhkan. Di ujung lain, Anda memiliki alat yang lebih teknis untuk tim yang lebih teknis. Mereka lebih fleksibel dalam hal analisis, tetapi mereka lambat, dan kemungkinan hanya sedikit orang yang dapat menggunakannya. Kami menyebut alat-alat ini sebagai “garis roti data” … Anda selalu menunggu jawaban. Tim memerlukan solusi di tengah. Pikirkan solusi yang tidak biasa yang mendorong, bukan menghambat, eksplorasi dan eksperimen. Dengan alat dan pendidikan tim yang tepat, perusahaan dapat lebih mudah menjembatani kesenjangan demokratisasi data.

Seberapa pentingkah literasi data dalam proses demokratisasi data, dan apa langkah-langkah yang harus diambil perusahaan untuk meningkatkan literasi data di antara karyawan mereka?

Membangun lingkungan demokratisasi data di seluruh tim adalah tantangan budaya yang memerlukan pendidikan dan komitmen perusahaan. Dalam pengalaman saya dengan mengajar proses data kepada anggota non-teknis, cara terbaik untuk mengembangkan keterampilan ini adalah melalui kombinasi pelatihan dan pembelajaran praktis. Saya sarankan mengembangkan program pelatihan komprehensif untuk memastikan karyawan merasa nyaman dan percaya diri dengan wawasan yang mereka tarik dari data mereka. Pastikan Anda menggunakan alat yang tidak membatasi pengguna non-teknis: misalnya, setiap alat yang memerlukan pengetahuan SQL akan memarginalkan orang-orang tanpa keahlian pemrograman. Dari sana, berikan kesempatan kepada karyawan untuk memulai dan memainkan data. Akhirnya, implementasikan alat yang memfasilitasi eksplorasi dan kolaborasi. Semakin sedikit orang bekerja dalam silo, semakin mereka dapat memantulkan ide satu sama lain, menghasilkan wawasan yang lebih menggembirakan. Jika Anda adalah profesional data yang mengajar anggota non-teknis, ingatlah bahwa Anda telah menghabiskan bertahun-tahun untuk belajar cara mendapatkan dan menggunakan data, jadi Anda memikirkan hal itu secara berbeda dari pengguna kasual. Bersedia mengajar orang lain, bukan melakukan semua sendiri. Jika tidak, Anda tidak akan pernah memiliki waktu luang untuk melakukan apa pun selain menjawab pertanyaan orang.

Bagaimana perusahaan harus menyesuaikan strategi mereka untuk tetap memimpin dalam pengelolaan dan pemanfaatan data dengan evolusi cepat alat data dan teknologi AI generatif?

Tata kelola data adalah salah satu tantangan utama yang masih dihadapi perusahaan, dan ini adalah sesuatu yang setiap organisasi harus atasi untuk memungkinkan pengalaman AI dan data yang bermakna. AI hanya sebaik data yang memungkinkannya, dan data yang bersih menghasilkan wawasan yang lebih berdampak, pengguna yang lebih bahagia, dan pertumbuhan bisnis. Dengan cara ini, perusahaan harus proaktif tentang pembersihan data dan taksonomi, dan ada kesempatan untuk menggunakan AI generatif untuk mengelola tata kelola AI dan kualitas. Misalnya, di Amplitude, kami meluncurkan produk Asisten Data AI kami tahun lalu, yang menawarkan rekomendasi cerdas dan otomatisasi untuk membuat tata kelola data menjadi mudah dan membantu pengguna mengambil alih upaya kualitas data.

Bagaimana Amplitude memungkinkan perusahaan untuk lebih baik memahami perjalanan pelanggan?

Membangun produk digital dan pengalaman yang hebat sangat sulit, terutama di lanskap yang kompetitif saat ini. Saat ini, banyak perusahaan masih tidak tahu siapa yang mereka bangun atau apa yang diinginkan pelanggan mereka. Amplitude membantu bisnis menjawab pertanyaan seperti, “Apa yang disukai pelanggan kami? Di mana mereka terjebak? Apa yang membuat mereka kembali?” melalui wawasan data kuantitatif dan kualitatif. Platform kami membantu bisnis memahami perjalanan pelanggan dari ujung ke ujung dengan menyajikan data untuk menggerakkan siklus akuisisi pelanggan, moneterisasi, dan retensi. Saat ini, lebih dari 2.700 pelanggan, termasuk merek perusahaan seperti Atlassian (TEAM ), NBC Universal, dan Under Armour (UAA ), menggunakan Amplitude untuk membangun produk yang lebih baik.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut dapat mengunjungi Amplitude.