Šadi Rostami, amplitūdas inženierzinātņu viceprezidents — interviju sērija

Shadi ir digitālās analītikas līdera Amplitude inženierzinātņu SVP. Viņa ir kaislīga, pieredzējusi tehnoloģiju vadītāja un arhitekte ar pieredzi augsti kvalificētu inženieru komandu veidošanā un vadīšanā. Pirms Amplitūda, viņa bija Palo Alto Networks inženierzinātņu viceprezidente. Viņa ir ieviesusi jauninājumus un piegādājusi vairākas produktu līnijas un pakalpojumus, kas specializējas sadalītajās sistēmās, mākoņdatniecībā, lielos datos, mašīnmācībā un drošībā.

Amplitūda ir balstīta uz modernām mašīnmācībām un ģenerējošām AI tehnoloģijām, kas ļauj produktu komandām veidot viedākus, ātrāk mācīties un radīt vislabāko digitālo pieredzi saviem klientiem.

Kas jūs sākotnēji piesaistīja datorzinātnēs un inženierzinātnēs?

Es uzaugu Irānā un sākotnēji mācījos vidusskolā, kas ļautu veidot karjeru medicīnā, kuru mans tēvs vēlējās iet, un to darīja mans brālis. Pēc apmēram pusotra gada es nolēmu, ka tas nav man piemērots ceļš. Tā vietā es nodarbojos ar inženierzinātnēm un kļuvu par pirmo meiteni Irānā, kas piedalījās informātikas olimpiādē (IOI), un ieguvu bronzas medaļu, kas ir ikgadējs konkurss vidusskolēniem visā pasaulē, kas sacenšas matemātikā, fizikā, informātikā un ķīmijā. Tas lika man turpināt inženierzinātnes Šarifas Tehnoloģiju universitātē Irānā un vēlāk iegūt doktora grādu. datortehnikā Britu Kolumbijas Universitātē Kanādā. Pēc tam es dažus gadus strādāju jaunizveidotajos uzņēmumos un pēc tam desmit gadus pavadīju Palo Alto Networks, beidzot kļūstot par viceprezidentu, kas atbild par attīstību, QA, DevOps un datu zinātni. Pirms pieciem gadiem es pārcēlos uz Amplitūdu kā inženierzinātņu SVP.

Vai jūs varētu apspriest Amplitūdas AI pamatfilozofiju, ka AI vajadzētu palīdzēt cilvēkiem uzlabot viņu darbu, nevis tos aizstāt?

AI ātri pārveido gandrīz katru nozari, un līdz ar pārveidi rodas jautājumi par to, kā uzņēmumi izmantos šo tehnoloģiju. Mēs esam ļoti pārliecināti, ka mākslīgais intelekts ir pareizs. Šī pārliecība lika mums izstrādāt uz klientu orientētu AI filozofiju, kas balstās uz pieciem galvenajiem principiem: (1) sadarbības attīstība un pārdomāta partnerība, (2) datu pārvaldība un lietotāju datu aizsardzība, (3) pārredzamība, (4) privātums, drošība. , un atbilstība normatīvajiem aktiem, un (5) klientu izvēle un kontrole. Mēs zinām, ka šie principi ir būtiski, jo uzņēmumi turpina pieņemt un testēt AI un galu galā kļūst patiesi balstīti uz datiem. Mūsu vajadzībām tas nozīmē AI rīku izveidi, kas palīdz cilvēkiem ātrāk iegūt ieskatu. Pareizi izmantojot šīs atziņas, tiek pieņemti ātrāki un labāki lēmumi, kas nodrošina labākos rezultātus. Manuprāt, mākslīgā intelekta izmantošana kā rīks cilvēka intelekta un radošuma papildināšanai ir vieta, kur AI ir vislielākā ietekme.

Vai varat izskaidrot jēdzienu “datu demokrātija” mūsdienu AI vadītās uzņēmējdarbības vides kontekstā?

“Datu demokrātiju virza zināšanas, ka komandas darbojas labāk, ātrāk un efektīvāk, ja tās var piekļūt pareizajiem datu ieskatiem īstajā laikā. Mūsdienu strauji progresējošajā AI vadītajā vidē komandas nevar atļauties gaidīt dienas vai nedēļas, līdz tiks iegūti dati. Lai to mazinātu, uzņēmumiem ir jādod iespēja savām komandām izmantot datus pašapkalpošanās veidā. Tagad tas nenozīmē datu haosu bez parametriem. Galu galā slikti dati noved pie slikta AI. Bet, izmantojot pareizos rīkus un procesus, uzņēmumi var līdzsvarot datu demokratizāciju ar datu pārvaldību, nodrošinot labākus biznesa rezultātus.

Kādas galvenās pārmaiņas organizācijas kultūrā, jūsuprāt, ir būtiskas, lai AI laikmetā nodrošinātu patiesu datu demokrātiju?

Patiesas datu demokrātijas izveide jūsu organizācijā sākas ar divām kultūras pamatmaiņām: pareizo, vispieejamāko rīku nodrošināšanu un visas organizācijas centienus saistībā ar datu pratību. Tas nozīmē, ka ir jāievieš pašapkalpošanās rīki, kas ļauj netehniskiem komandas locekļiem, piemēram, mārketinga vai klientu veiksmes komandām, ne tikai piekļūt datiem, bet arī analizēt un rīkoties ar tiem. Es uzskatu, ka pašapkalpošanās datu analīze var veicināt un tai vajadzētu veicināt sadarbību starp komandām, rosināt zinātkāri un izpēti, palielināt datu pratību un radīt neobjektivitāti uz darbību un ietekmi. Ir svarīgi arī kopīgi strādāt starp centrālo datu komandu un biznesa grupām, lai veiktu nepārtrauktu datu pārvaldību, lai nodrošinātu, ka datu kvalitāte laika gaitā nepasliktinās.

Pēc jūsu pieredzes, kādi ir būtiskākie izaicinājumi, ar kuriem organizācijas saskaras, panākot datu demokratizāciju, un kā tās var pārvarēt šos šķēršļus?

Agrāk uzņēmumi ir mēģinājuši centralizēt datus vienā ekspertu komandā, atstājot pārējās organizācijas atkarību no šīs komandas, lai sniegtu analīzi un galvenās atziņas, kas var būt ļoti svarīgas to ikdienas darbībai un lēmumu pieņemšanai. Lai gan datu piekļuves demokratizācija ir ļoti svarīga, lai atrisinātu šo vājo vietu, tā var būt arī sarežģīta. Kad es runāju ar datu vadītājiem par pašapkalpošanās darbību, ir skaidrs, ka pastāv spektrs. No vienas puses, jums ir zemi iestatīšanas rīki netehniskām un biznesa komandām. Galu galā šie rīki nesniedz šīm komandām nepieciešamo atbilžu dziļumu un plašumu. No otras puses, jums ir vairāk tehnisko rīku tehniskām komandām. Tie ir daudz elastīgāki attiecībā uz analīzi, taču tie ir lēni, un, iespējams, tikai daži cilvēki tos var izmantot. Mēs šos rīkus dēvējam par “datu maizes līnijas” izveidi… jūs vienmēr gaidāt atbildes. Komandām ir nepieciešams risinājums pa vidu. Padomājiet par gataviem risinājumiem, kas veicina, nevis kavē izpēti un eksperimentēšanu. Izmantojot atbilstošus rīkus un komandas izglītību, uzņēmumi var vieglāk pārvarēt datu demokratizācijas plaisu.

Cik būtiska ir datu pratība datu demokratizācijas procesā, un kādi pasākumi būtu jāveic uzņēmumiem, lai to uzlabotu darbinieku vidū?

Datu demokratizācijas vides veicināšana jūsu komandās ir kultūras izaicinājums, kas prasa izglītību un uzņēmuma mēroga dalību. Pēc manas pieredzes, mācot datu procesus dalībniekiem, kas nav tehniski, labākais veids, kā attīstīt šīs prasmes, ir apmācības un praktiskas mācīšanās kombinācija. Es iesaku izstrādāt visaptverošu apmācību programmu, lai darbinieki justos ērti un pārliecināti par ieskatiem, ko viņi gūst no saviem datiem. Pārliecinieties, vai izmantojat rīku, kas neaizliedz netehniskus lietotājus: piemēram, jebkurš rīks, kam nepieciešamas zināšanas par SQL, atstumtu cilvēkus bez programmēšanas zināšanām. No turienes sniedziet darbiniekiem iespējas ienirt un sākt spēlēties ar datiem. Visbeidzot, ieviesiet rīku, kas veicina izpēti un sadarbību. Jo mazāk cilvēku strādā tvertnēs, jo vairāk viņi var viens no otra izcelt idejas, tādējādi radot spilgtākus ieskatus. Ja esat datu profesionālis, kas māca netehnisku komandas locekli, atcerieties, ka esat pavadījis vairākus gadus, mācoties iegūt un izmantot datus, tāpēc domājat par to savādāk nekā parasts lietotājs. Esiet atvērts mācīt citus, nevis darīt visu pats. Pretējā gadījumā jums nekad neatliks brīva laika, lai kaut ko darītu, izņemot atbildēšanu uz cilvēku jautājumiem.

Ņemot vērā datu rīku un ģeneratīvo AI tehnoloģiju straujo attīstību, kā uzņēmumiem būtu jāpielāgo savas stratēģijas, lai saglabātu progresu datu pārvaldībā un izmantošanā?

Datu pārvaldība ir viens no galvenajiem izaicinājumiem, ar ko uzņēmumi joprojām saskaras, un katrai organizācijai tas ir jāpieliek, lai sniegtu jēgpilnu AI un datu pieredzi. AI ir tikai tik labi, cik labi to nodrošina, un tīri dati sniedz ietekmīgāku ieskatu, laimīgākus lietotājus un biznesa izaugsmi. Tādā veidā uzņēmumiem ir jābūt aktīviem attiecībā uz datu tīrīšanu un taksonomiju, un ir iespējas izmantot ģeneratīvo AI, lai pārvaldītu jūsu AI pārvaldību un kvalitāti. Piemēram, Amplitude mēs pagājušajā gadā izlaidām mūsu ar mākslīgo intelektu darbinātu produktu Data Assistant, kas piedāvā viedus ieteikumus un automatizāciju, lai padarītu datu pārvaldību nevainojamu un palīdzētu lietotājiem uzņemties atbildību par datu kvalitāti.

Kā amplitūda ļauj uzņēmumiem labāk izprast klienta ceļu?

Lielisku digitālo produktu un pieredzes izveide ir sarežģīta, it īpaši mūsdienu konkurences apstākļos. Mūsdienās daudzi uzņēmumi joprojām nezina, kam tie būvē un ko vēlas viņu klienti. Amplitūda palīdz uzņēmumiem atbildēt uz tādiem jautājumiem kā: “Kas mūsu klientiem patīk? Kur viņi iestrēgst? Kas viņiem liek atgriezties?" izmantojot kvantitatīvus un kvalitatīvus datu ieskatus. Mūsu platforma palīdz uzņēmumiem labāk izprast klientu ceļu no gala līdz galam, atklājot datus, lai palīdzētu virzīt klientu iegūšanas, monetizācijas un noturēšanas ciklu. Šobrīd vairāk nekā 2,700 klientu, tostarp uzņēmumu zīmoli, piemēram, Atlassian, NBC Universal un Under Armour, izmanto Amplitude, lai izveidotu labākus produktus.

Paldies par lielisko interviju, lasītājiem, kuri vēlas uzzināt vairāk, vajadzētu apmeklēt Amplitūda.