Jeremy Burton, CEO of Observe – Wywiad

Jeremy Burton, CEO of Observe, to doświadczony menedżer oprogramowania przedsiębiorstw z ponad 20-letnim doświadczeniem w kierowaniu zespołami w firmach technologicznych, takich jak Dell Technologies (DELL ), EMC, Oracle (ORCL ) i VERITAS. Kierował globalnymi zespołami w dziedzinie rozwoju produktów, marketingu i strategicznych połączeń, budując i skalując biznesy w dziedzinie przechowywania, bezpieczeństwa i oprogramowania jako usługi. Burton współzałożył również Oracle Technology Network, który rozrosł się do milionów członków na całym świecie, a obecnie zasiada w radzie dyrektorów Snowflake i pełni funkcję doradcy zespołu Formuły 1 McLarena.

Observe, z siedzibą w San Mateo, w Kalifornii, to platforma obserwowalności SaaS nowej generacji, która pomaga zespołom SRE, DevOps i inżynierom badać i optymalizować nowoczesne systemy rozproszone. Zbudowana na infrastrukturze danych Snowflake, łączy dzienniki, metryki i ślady w jedną, bogatą w kontekst zestaw danych, umożliwiając zespołom przyspieszenie reakcji na incydenty, ustalenie przyczyn pierwotnych i poprawę niezawodności w złożonych środowiskach chmury.

Miałeś stanowiska kierownicze w globalnych gigantach, takich jak Dell, EMC i Oracle, a teraz prowadzisz startup z Observe. Co skłoniło Cię do porzucenia stabilności i skali, aby zaryzykować i zbudować coś od podstaw?

Miałem szczęście pracować w mojej karierze dla niezwykłych liderów, w tym Larry’ego Ellisona i Michaela Della. Pracowałem z nimi 20 lub 30 lat po ich objęciu stanowiska, ale to, co sprawia, że są niezwykli, to fakt, że byli tam od samego początku. Podjęli wczesne decyzje dotyczące produktów, ustanowili trasy rynkowe i ustalili kulturę na długi okres. Moja rola polegała na wprowadzaniu ulepszeń w oparciu o dekady ciężkiej pracy, którą już wykonali. Ostatecznie doszedłem do punktu w mojej karierze, w którym chciałem udowodnić sobie, że również mogę zbudować firmę, wprowadzić produkt na rynek, ustanowić ruch sprzedaży i stworzyć kulturę, w której mogę uwierzyć, że może przetrwać długo.

Observe prezentuje się jako nowa kategoria w obserwowalności, łącząc dzienniki, analitykę i monitorowanie w jedną zintegrowaną platformę. Jak widzisz tę strategię jako zmieniającą przestrzeń w porównaniu z tradycyjnymi graczami, takimi jak Splunk i Datadog (DDOG )?

Duży problem, z którym borykają się tradycyjne narzędzia, polega na tym, że nie zostały one zaprojektowane z myślą o skali. W rozmowach z klientami widzieliśmy wielokrotnie, że Splunk i Datadog stają się zbyt drogie, gdy objętość telemetryczna rośnie, a to jest fundamentalnym problemem związanych z tym, jak tradycyjne narzędzia zostały zaprojektowane.

Observe różni się tym, że nasza platforma jest zbudowana na architekturze jeziora danych przesyłanych strumieniowo przy użyciu otwartych formatów, takich jak Apache Iceberg. Oznacza to, że możemy oddzielić obliczenia od przechowywania, skalować elastycznie i dostarczać obserwowalność przy ułamku kosztów tradycyjnych systemów. Konkurenci, tacy jak Splunk, nadal polegają na architekturach monolitycznych, które wymagają planowania pojemności szczytowej, a nawet nowsze narzędzia, takie jak Datadog, wymagają warstw danych, rehydratacji i ponownego indeksowania, aby utrzymać koszty pod kontrolą.

Kładziemy również nacisk na zintegrowane doświadczenie obserwowalności. Dzienniki, metryki, ślady i zdarzenia wszystkie mieszczą się w jednym miejscu, z jednym językiem zapytań i grafem wiedzy, który automatycznie mapuje relacje między usługami, użytkownikami i incydentami. To kontekst jest tym, co sprawia, że rozwiązywanie problemów jest szybsze. W przeciwieństwie do tego, Splunk i Datadog mają oddzielne back-endy dla dzienników, metryk i śladów, co prowadzi do wolniejszych analiz.

Wreszcie, zainwestowaliśmy dużo w AI-driven rozwiązywanie problemów. Nasz O11y AI SRE ™ może przyjmować dane wejściowe w języku naturalnym, generować hipotezy i prowadzić inżynierów przez rozwiązywanie incydentów, a nie tylko ich alarmowanie. I jest zaprojektowany do wykorzystania naszego grafu wiedzy, który zapewnia niezbędny kontekst do dokładnego rozwiązywania problemów. To jest krok naprzód w porównaniu z wykrywaniem anomalii lub alarmowaniem, które oferują dziś większość konkurentów.

Krótko mówiąc: jesteśmy opłacalni, zintegrowani i otwarci. Te trzy cechy to te, które klienci nam mówią, że odróżniają Observe od tradycyjnych graczy, takich jak Splunk i nowszych, takich jak Datadog.

Pełniłeś funkcje kierownicze w rozwoju produktów, marketingu i dużych połączeniach. Jak wpływa to na Twoją strategię wzrostu w Observe?

We wczesnych dniach startupu jest to dość proste: budujesz świetny produkt i próbujesz go sprzedać. To jest strategia wzrostu. Powiedzmy, że moja kariera jest bardzo ukierunkowana na oprogramowanie przedsiębiorstw i rozwiązywanie złożonych problemów dla dużych przedsiębiorstw, więc nie jest zaskakujące, że Observe koncentruje się głównie na tym!

Uważam, że aby zbudować duże przedsiębiorstwo obserwowalności, trzeba rozwiązać problem dla największych firm na świecie. Chodzi o petabajty danych, tysiące użytkowników i tysiące aplikacji. Istnieje wiele firm obserwowalności, ale tylko nieliczne mogą wygrać w tym środowisku, więc upewniam się, że Observe może to zrobić.

Jak Twoje doświadczenie w rozwoju produktów, marketingu i dużych połączeniach wpływa na Twoją strategię wzrostu w Observe?

Wczesne dni startupu są dość proste: budujesz świetny produkt i próbujesz go sprzedać. To jest strategia wzrostu. Powiedzmy, że moja kariera jest bardzo ukierunkowana na oprogramowanie przedsiębiorstw i rozwiązywanie złożonych problemów dla dużych przedsiębiorstw, więc nie jest zaskakujące, że Observe koncentruje się głównie na tym!

Uważam, że aby zbudować duże przedsiębiorstwo obserwowalności, trzeba rozwiązać problem dla największych firm na świecie. Chodzi o petabajty danych, tysiące użytkowników i tysiące aplikacji. Istnieje wiele firm obserwowalności, ale tylko nieliczne mogą wygrać w tym środowisku, więc upewniam się, że Observe może to zrobić.

Obserwowalność stała się kluczowa wraz ze wzrostem złożoności nowoczesnych aplikacji rozproszonych. Gdzie widzisz największe wyzwania i możliwości dla przedsiębiorstw w ciągu najbliższych 3-5 lat?

Największym wyzwaniem dzisiaj jest skala. Kubernetes, mikrousługi i teraz obciążenia AI produkują objętości danych, które przytłaczają tradycyjne narzędzia. Niezawodność tych narzędzi spada, a koszty szokująco wzrastają, i po prostu nie jest to zrównoważone; potrzebna jest nowa architektura.

Co gorsza, w ciągu najbliższych kilku lat zobaczymy więcej napisanego kodu, wspieranego przez narzędzia do kodowania AI, niż kiedykolwiek wcześniej. Ten kod nie będzie idealny, i w pewnym momencie zawiedzie. Obszar wzrostu leży w pytaniu: jak debugować kod, który nikt nie napisał? A także, czy narzędzia do kodowania mogą naprawdę patrzeć na kod i naprawiać błędy, ale czy mogą również patrzeć, jak aplikacja zachowuje się w produkcji i znajdować problematyczny kod? To jest ogromna okazja dla dostawców obserwowalności w przyszłości.

Wiele zespołów boryka się z rozproszeniem narzędzi, używając oddzielnych systemów dla dzienników, metryk i śladów. Jak Observe pomaga uprościć to doświadczenie dla zespołów inżynierskich i DevOps w praktyce?

Zamiast jonglować trzema lub czterema narzędziami, Observe daje klientom jedną platformę do użycia. Dzienniki, metryki, ślady i alerty firmy mieszczą się w tym samym systemie i są połączone grafem wiedzy. Graf wiedzy zapewnia kontekst, który pozwala użytkownikom przeglądać i przechylać się bezproblemowo przez dzienniki, metryki i ślady, aby przyspieszyć rozwiązywanie problemów. To redukuje ilość czasu, który muszą spędzić, przechodząc z platformy na platformę, zamiast tego pozwalając im odkryć problem bez eksportowania danych ani przełączania kontekstu.

Czy możesz podzielić się konkretnym przykładem, jak Observe pomógł klientowi rozwiązać duży problem, coś, co byłoby trudne lub niemożliwe z tradycyjnymi narzędziami obserwowalności?

Capital One używa Observe, aby ujawnić stan krytycznych podróży klientów, korelując i wzbogacając dane telemetryczne o odpowiedni kontekst biznesowy. Przesyłają setki terabajtów danych telemetrycznych dziennie, w tym dzienniki, metryki, ślady, rekordy zmian, dzienniki przepływu VPC i dane konfiguracyjne AWS. Observe zapewnia Capital One zintegrowaną platformę obserwowalności, dzięki której deweloperzy i SRE mogą wykonywać interaktywne rozwiązywanie incydentów i debugowanie.

Jaka rola odgrywa uczenie maszynowe lub AI za kulisami Observe, i jak pomaga klientom ujawniać spostrzeżenia szybciej lub automatycznie wykrywać problemy?

Uczenie maszynowe ma burzliwą historię w obserwowalności, ponieważ środowiska przedsiębiorstw są z natury hałaśliwe, i bardzo trudno wyprodukować model, który nie skutkuje tysiącami anomalii. AI generatywny to zupełnie inna technologia i będzie miała znacznie głębszy wpływ.

Wierzymy, że AI zmieni sposób, w jaki inżynierowie wchodzą w interakcje z narzędziami obserwowalności. Po pierwsze, będą mogli rozmawiać bezpośrednio ze swoimi danymi obserwowalności w języku naturalnym, siedząc w swoim IDE, a połowa naszych użytkowników w przyszłości może nigdy nie zalogować się ani nie nauczyć Observe! Po drugie, agenci AI będą obecni podczas “czasu pokoju”, aby przeskanować dane telemetryczne i szukać potencjalnych problemów, które mogą w końcu doprowadzić do incydentu. Agenci AI nie zmęczą się ani nie znudzą i mogą wykonywać pracę, której ludzie po prostu nie są w stanie wykonać. Wreszcie, podczas “czasu wojny”, agenci AI pomogą inżynierom i SRE w określeniu kursu działań, które należy podjąć, aby rozwiązać problem.

Twój styl przywództwa inspirowany Formułą 1 podkreśla wytrwałość psychiczną i uczenie się z błędów. Jak ta perspektywa ukształtowała Twoje podejście do budowania Observe i prowadzenia zespołu przez wyzwania?

Sukces w F1 jest pielęgnowany za pomocą danych, które kierują przyszłymi decyzjami, zarówno dla kierowcy, jak i samochodu. Do czasu, gdy samochód F1 dociera do końca sezonu, 90% części zostało już wymienionych, i jest o 2 sekundy szybszy na torze.

W Observe musimy mieć taki sam sposób myślenia, aby odnieść sukces. Wypuszczamy, mierzymy, słuchamy, dostosowujemy się szybko. Wydaje mi się, że 90% naszego produktu jest inne dzisiaj niż było nawet kilka lat temu. To podejście wymaga dużej dyscypliny i dużej skromności, nie jest łatwo słuchać złych wiadomości jeden raz po drugim. Jednak jeśli wystarczająco często działasz na podstawie złych wiadomości, stopniowo zmieniają się one w dobre wiadomości, a ARR przyspiesza. To nie jest magia, to logika!

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Observe.