Shadi Rostami, wiceprezes ds. inżynierii w Amplitude – seria wywiadów

Shadi jest wiceprezesem ds. inżynierii w Amplitude, liderze w dziedzinie analizy cyfrowej. Jest pasjonowanym, doświadczonym liderem technologicznym i architektem, który ma doświadczenie w budowaniu i zarządzaniu wysoko wykwalifikowanymi zespołami inżynierskimi. Przed dołączeniem do Amplitude była wiceprezesem ds. inżynierii w Palo Alto Networks (PANW ). Stworzyła i dostarczyła wiele linii produktów i usług specjalizujących się w systemach rozproszonych, chmurze obliczeniowej, dużych danych, sztucznej inteligencji i bezpieczeństwie.

Amplitude jest zbudowane na nowoczesnych technologiach sztucznej inteligencji i generatywnej AI, które umożliwiają zespołom produktowym budowanie inteligentniejszych, szybszych i tworzenie najlepszych cyfrowych doświadczeń dla swoich klientów.

Czym pierwotnie zainteresowała się panie informatyką i inżynierią?

Wychowałam się w Iranie i początkowo wybrałam ścieżkę szkolną, która umożliwiłaby mi karierę w medycynie, co było drogą, którą mój ojciec chciał, abym podążyła, i którą wybrał mój brat. Około rok i pół później zdecydowałam, że to nie jest droga dla mnie. Zamiast tego, wybrałam inżynierię i zostałam pierwszą dziewczyną w Iranie, która wzięła udział w Olimpiadzie Informatycznej (IOI) i wygrała brązowy medal, coroczny konkurs dla uczniów ze szkół średnich z całego świata, którzy rywalizują w dziedzinach matematyki, fizyki, informatyki i chemii. To doprowadziło mnie do studiowania inżynierii na Uniwersytecie Technicznym w Sharif w Iranie, a później do uzyskania stopnia doktora w dziedzinie inżynierii komputerowej na Uniwersytecie Kolumbii Brytyjskiej w Kanadzie. Po tym pracowałam w startupach przez kilka lat, a następnie spędziłam dekadę w Palo Alto Networks, awansując ostatecznie na stanowisko wiceprezesa odpowiedzialnego za rozwój, QA, DevOps i naukę o danych. Pięć lat temu dołączyłam do Amplitude jako wiceprezes ds. inżynierii.

Czy mogłaby panie omówić podstawową filozofię AI w Amplitude, która mówi, że AI powinna pomagać ludziom w poprawie ich pracy, a nie zastępować ich?

AI szybko transformuje prawie każdą branżę, a wraz z tą transformacją pojawiają się pytania o to, jak firmy będą wykorzystywać tę technologię. Uważamy, że musimy postawić wszystko na AI. To przekonanie doprowadziło nas do opracowania naszej filozofii AI, która opiera się na pięciu głównych zasadach: (1) współpracy i partnerstwa, (2) zarządzaniu danymi i ochronie danych użytkowników, (3) transparentności, (4) prywatności, bezpieczeństwa i zgodności z przepisami, oraz (5) wyborze i kontroli klienta. Wiemy, że te zasady są kluczowe, gdy firmy kontynuują adopcję i testowanie AI, a ostatecznie stają się prawdziwie oparte na danych. Dla naszych celów oznacza to budowanie narzędzi AI, które pomagają ludziom uzyskać szybciej wgląd. Gdy AI jest wykorzystywana właściwie, te wglądy prowadzą do szybszych, lepszych decyzji, które napędzają wyniki na poziomie dolnej granicy. Używanie AI jako narzędzia, które uzupełnia ludzką inteligencję i kreatywność, to miejsce, w którym widzę największy wpływ AI.

Czy mogłaby panie wyjaśnić pojęcie “demokracji danych” w kontekście dzisiejszego środowiska biznesowego napędzanego przez AI?

“Demokracja danych jest napędzana przez wiedzę, że zespoły funkcjonują lepiej, szybciej i bardziej efektywnie, gdy mogą uzyskać dostęp do odpowiednich wglądów danych w odpowiednim czasie. W dzisiejszym szybko rozwijającym się środowisku napędzanym przez AI zespoły nie mogą pozwolić sobie na czekanie dni lub tygodni na pobieranie danych. Aby temu przeciwdziałać, firmy muszą umożliwić swoim zespołom wykorzystanie danych w sposób samoobsługowy. Nie oznacza to jednak chaosu danych bez parametrów. Na końcu dnia złe dane prowadzą do złej AI. Ale z odpowiednimi narzędziami i procesami na miejscu, firmy mogą równoważyć demokratyzację danych z zarządzaniem danymi, umożliwiając lepsze wyniki biznesowe.”

Jakie kluczowe zmiany w kulturze organizacyjnej uważa pani za niezbędne do umożliwienia prawdziwej demokracji danych w erze AI?

Ustanowienie prawdziwej demokracji danych wewnątrz organizacji zaczyna się od dwóch podstawowych zmian kulturowych: zapewnienia odpowiednich, najbardziej dostępnych narzędzi oraz prowadzenia organizacyjnych wysiłków wokół umiejętności danych. Oznacza to przyjęcie narzędzi samoobsługowych, które pozwalają nie-technicznym członkom zespołu, takim jak zespoły marketingowe lub zespoły ds. sukcesu klienta, nie tylko uzyskać dostęp do danych, ale także je analizować i podejmować działania. Uważam, że analityka danych samoobsługowa może i powinna napędzać współpracę między zespołami, inspirując ciekawość i eksplorację, skalując umiejętności danych i nakładając bias na działanie i wpływ. Również ważne jest, aby połączyć wysiłki między centralnym zespołem danych a zespołami biznesowymi, aby prowadzić ciągłe zarządzanie danymi i upewnić się, że jakość danych nie pogarsza się z czasem.

W swoim doświadczeniu, jakie są największe wyzwania, z którymi organizacje muszą się zmierzyć, aby osiągnąć demokratyzację danych, i jak mogą one pokonać te przeszkody?

W przeszłości firmy próbowały scentralizować dane w ramach jednego zespołu ekspertów, pozostawiając resztę organizacji w zależności od tego zespołu, aby dostarczyć analizy i kluczowe wglądy, które mogą być krytyczne dla ich codziennych operacji i podejmowania decyzji. Chociaż demokratyzacja dostępu do danych jest kluczowa do rozwiązania tego wąskiego gardła, może być również wyzwaniem. Gdy rozmawiam z liderami danych o operacjonalizacji samoobsługi, jest jasne, że istnieje spektrum. Na jednym końcu mamy narzędzia o niskim poziomie konfiguracji dla nie-technicznych i zespołów biznesowych. Ostatecznie te narzędzia nie zapewniają głębi i szerokości odpowiedzi, których te zespoły potrzebują. Na drugim końcu mamy bardziej techniczne narzędzia dla bardziej technicznych zespołów. Są one bardziej elastyczne pod względem analizy, ale są wolne i prawdopodobnie tylko nieliczni ludzie mogą je nawet używać. Nazywamy te narzędzia “kolejką danych” … zawsze czekasz na odpowiedzi. Zespoły potrzebują rozwiązania pośredniego. Myśl o rozwiązaniach, które zachęcają, a nie hamują, eksplorację i eksperymentowanie. Z odpowiednim narzędziem i edukacją zespołu, firmy mogą łatwiej przezwyciężyć lukę w demokratyzacji danych.

Jak ważna jest umiejętność danych w procesie demokratyzacji danych, i jakie kroki powinny przedsięwziąć firmy, aby poprawić ją wśród swoich pracowników?

Wprowadzanie środowiska demokracji danych w zespołach jest wyzwaniem kulturowym, które wymaga edukacji i zaangażowania całej firmy. W moim doświadczeniu z nauczaniem procesów danych nie-technicznych członków zespołu, najlepszym sposobem na rozwinięcie tych umiejętności jest połączenie szkolenia i praktycznego uczenia się. Zalecam opracowanie kompleksowego programu szkoleniowego, aby upewnić się, że pracownicy czują się komfortowo i pewnie w wglądach, które pobierają z danych. Upewnij się, że używasz narzędzia, które nie ogranicza nie-technicznych użytkowników: na przykład, każde narzędzie, które wymaga wiedzy o SQL, marginalizowałoby ludzi bez doświadczenia programistycznego. Następnie zapewnij możliwości dla pracowników, aby zanurzyć się i zacząć grać z danymi. Na koniec wdrożenie narzędzia, które wspiera eksplorację i współpracę. Im mniej ludzi pracuje w izolacji, tym bardziej mogą wymieniać się pomysłami, prowadząc do bardziej oświecających wglądów. Jeśli jesteś specjalistą danych, który uczy nie-technicznego członka zespołu, pamiętaj, że spędziłeś lata ucząc się, jak uzyskać i używać danych, więc myślisz o nich inaczej niż użytkownik okazjonalny. Bądź otwarty na uczenie innych, zamiast robić wszystko samemu. W przeciwnym razie nigdy nie będziesz miał czasu na nic poza odpowiadaniem na pytania ludzi.

Jak firmy powinny dostosować swoje strategie, aby utrzymać przewagę w zarządzaniu danymi i ich wykorzystaniu wraz z szybkim rozwojem narzędzi danych i technologii AI?

Zarządzanie danymi jest jednym z głównych wyzwań, z którymi firmy nadal się mierzą, i jest to coś, co każda organizacja musi opanować, aby umożliwić znaczące doświadczenia AI i danych. AI jest tylko tak dobra, jak dane, które ją napędzają, a czyste dane prowadzą do bardziej wpływowych wglądów, szczęśliwszych użytkowników i wzrostu biznesu. W ten sposób firmy muszą być proaktywne w zakresie czyszczenia i taksonomii danych, a istnieją możliwości wykorzystania AI do zarządzania AI i jakością danych. Na przykład, w Amplitude uruchomiliśmy nasz produkt Data Assistant zasilany przez AI w zeszłym roku, który oferuje inteligentne rekomendacje i automatyzację, aby uczynić zarządzanie danymi łatwym i pomóc użytkownikom w zarządzaniu wysiłkami jakości danych.

Jak Amplitude umożliwia przedsiębiorstwom lepsze zrozumienie podróży klienta?

Budowanie wielkich cyfrowych produktów i doświadczeń jest trudne, zwłaszcza w dzisiejszym konkurencyjnym krajobrazie. Dziś wiele firm wciąż nie wie, dla kogo budują, czyli co ich klienci chcą. Amplitude pomaga firmom odpowiedzieć na pytania takie jak: “Czego nasi klienci kochają? Gdzie się zawieszają? Co sprawia, że wracają?” za pomocą ilościowych i jakościowych wglądów danych. Nasza platforma pomaga firmom lepiej zrozumieć podróż klienta na całej drodze, dostarczając dane, które napędzają cykl pozyskiwania, monetyzacji i retencji klienta. Dziś ponad 2,700 klientów, w tym marki przedsiębiorstw takie jak Atlassian (TEAM ), NBC Universal i Under Armour (UAA ), wykorzystuje Amplitude, aby budować lepsze produkty.

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