Shadi Rostami, SVP of Engineering at Amplitude – Interview Series

Shadi adalah SVP of Engineering di pemimpin analitik digital Amplitude. Ia adalah pemimpin teknologi yang bersemangat dan berpengalaman, serta arsitek yang berpengalaman dalam membangun dan mengelola tim teknik yang sangat terampil. Sebelum Amplitude, ia adalah VP of Engineering di Palo Alto Networks. Ia telah mengembangkan dan mengirimkan beberapa lini produk dan layanan yang berspesialisasi dalam sistem terdistribusi, komputasi awan, big data, machine learning, dan keamanan.

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

Apa yang awalnya menarik Anda ke 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 ayah saya dan yang diikuti oleh saudara laki-laki saya. Sekitar setahun dan setengah, saya memutuskan bahwa itu bukan jalur yang tepat untuk saya. Sebagai gantinya, saya 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 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.

Apakah Anda bisa 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 datang pertanyaan tentang bagaimana perusahaan akan menggunakan teknologi tersebut. Kami merasa kuat tentang mendapatkan AI yang tepat. Keyakinan ini memimpin kami untuk mengembangkan filosofi AI yang berfokus pada pelanggan, yang berdiri 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 peraturan, dan (5) pilihan dan kontrol pelanggan. Kami tahu prinsip-prinsip ini adalah kunci 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 mengarah ke hasil akhir yang lebih baik. Menggunakan AI sebagai alat untuk melengkapi kecerdasan dan kreativitas manusia adalah tempat saya melihat AI memiliki dampak terbesarnya.

Apakah Anda bisa menjelaskan konsep ‘demokrasi data’ dalam konteks lingkungan bisnis yang didorong AI saat ini?

“Demokrasi data didorong oleh pengetahuan bahwa tim berfungsi lebih baik, lebih cepat, dan lebih efisien ketika mereka dapat mengakses wawasan data yang tepat pada waktu yang tepat. Di lingkungan yang didorong AI yang berkembang pesat saat ini, tim tidak bisa menunggu berhari-hari atau berminggu-minggu untuk menarik 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 mengarah ke AI yang buruk. Tetapi 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 Anda percaya penting untuk memungkinkan demokrasi data yang sebenarnya di era AI?

Membangun demokrasi data yang sebenarnya dalam organisasi Anda dimulai dengan dua pergeseran budaya dasar: menyediakan alat yang paling dapat diakses dan melakukan upaya organisasi-wide sekitar literasi data. Ini berarti mengadopsi alat self-service 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 itu. Saya percaya analitik data self-service dapat dan harus memicu kolaborasi di seluruh tim, membangkitkan rasa ingin tahu dan eksplorasi, menskala literasi data, dan menempatkan bias pada tindakan dan dampak. Juga, penting untuk menghabiskan upaya bersama antara tim data pusat dan tim bisnis untuk melakukan tata kelola data terus-menerus untuk memastikan kualitas data tidak memburuk seiring waktu.

Dalam 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 tersebut untuk mengirimkan analisis dan wawasan kunci yang mungkin penting untuk operasi dan pengambilan keputusan sehari-hari mereka. Sementara mendemokratisasikan akses data sangat penting untuk memecahkan bottleneck ini, itu juga bisa menantang. Ketika saya berbicara dengan pemimpin data tentang operationalisasi self-service, jelas ada spektrum. Di satu ujung, Anda memiliki alat setup rendah untuk tim non-teknis dan 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 bisa menggunakannya. Kami menyebut alat-alat ini sebagai membuat “garis roti data” … Anda selalu menunggu jawaban. Tim membutuhkan solusi di tengah. Pikirkan solusi out-of-the-box yang mendorong, bukan menghambat, eksplorasi dan eksperimen. Dengan tooling 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 demokrasi data di seluruh tim Anda adalah tantangan budaya yang memerlukan pendidikan dan komitmen perusahaan-wide. Dalam pengalaman saya dengan mengajarkan proses data kepada anggota non-teknis, cara terbaik untuk mengembangkan keterampilan ini adalah melalui kombinasi pelatihan dan pembelajaran tangan. 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 melarang pengguna non-teknis: misalnya, alat apa pun yang memerlukan pengetahuan SQL akan memarginalkan orang-orang tanpa keahlian pemrograman. Dari sana, berikan kesempatan kepada karyawan untuk terjun dan mulai bermain dengan data. Akhirnya, implementasikan alat yang memfasilitasi eksplorasi dan kolaborasi. Semakin sedikit orang bekerja dalam silo, semakin mereka dapat memantulkan ide satu sama lain, mengarah ke wawasan yang lebih menarik. Jika Anda adalah profesional data yang mengajar anggota tim non-teknis, ingatlah bahwa Anda telah menghabiskan bertahun-tahun untuk belajar bagaimana mendapatkan dan menggunakan data, sehingga Anda berpikir tentang hal itu secara berbeda dari pengguna kasual. Terbuka untuk mengajar orang lain daripada melakukan semuanya sendiri. Jika tidak, Anda tidak akan pernah memiliki waktu luang untuk melakukan apa pun selain menjawab pertanyaan orang.

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

Tata kelola data adalah salah satu tantangan utama yang masih dihadapi perusahaan, dan ini adalah sesuatu yang setiap organisasi harus kuasai untuk memungkinkan pengalaman AI dan data yang bermakna. AI hanya sebaik data yang memungkinkannya, dan data yang bersih mengarah ke wawasan yang lebih berdampak, pengguna yang lebih bahagia, dan pertumbuhan bisnis. Dengan cara ini, perusahaan harus proaktif tentang pembersihan data dan taksonomi, dan ada peluang 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 dan pengalaman digital yang hebat itu sulit, terutama di lanskap kompetitif saat ini. Hari ini, banyak perusahaan masih tidak tahu siapa yang mereka bangun untuk atau apa yang diinginkan pelanggan mereka. Amplitude membantu bisnis menjawab pertanyaan seperti, “Apa yang dicintai pelanggan kami? Di mana mereka terjebak? Apa yang membuat mereka kembali?” melalui wawasan data kuantitatif dan kualitatif. Platform kami membantu bisnis memahami perjalanan pelanggan ujung-ke-ujung dengan menyajikan data untuk membantu mengarahkan siklus akuisisi pelanggan, moneterisasi, dan retensi. Hari ini, lebih dari 2.700 pelanggan, termasuk merek perusahaan seperti Atlassian, NBC Universal, dan Under Armour, menggunakan Amplitude untuk membangun produk yang lebih baik.

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