Shadi Rostami, SVP of Engineering at Amplitude – Interview Series

Shadi jest SVP of Engineering w liderze analityki cyfrowej Amplitude. Jest pasjonowanym, doświadczonym liderem technologicznym i architektem z doświadczeniem w budowaniu i zarządzaniu wysoko wykwalifikowanymi zespołami inżynieryjnymi. Przed Amplitude była VP of Engineering w Palo Alto Networks. Stworzyła i dostarczyła kilka linii produktów i usług specjalizujących się w systemach rozproszonych, chmurze obliczeniowej, dużych danych, uczeniu maszynowym i bezpieczeństwie.

Amplitude jest zbudowany na nowoczesnych technologiach uczenia maszynowego i generatywnego AI, które umożliwiają zespołom produktowym budowanie inteligentniejszych, szybszych i tworzenie najlepszych doświadczeń cyfrowych dla ich klientów.

Czym pierwotnie zainteresowała Cię informatyka i inżynieria?

Wychowałam się w Iranie i początkowo wybrałam ścieżkę szkoły średniej, która umożliwiłaby karierę w medycynie, co było ścieżką, którą chciał, abym podążała, i którą wybrał mój brat. Około rok i pół później zdecydowałam, że to nie jest ścieżka dla mnie. Zamiast tego, podążyłam za inżynierią i zostałam pierwszą dziewczyną w Iranie, która poszła na Olimpiadę Informatyczną (IOI) i wygrała brązowy medal, coroczne zawody dla uczniów szkół średnich z całego świata, konkurujących w matematyce, fizyce, informatyce i chemii. To doprowadziło mnie do podążania za inżynierią na Uniwersytecie Technologicznym Sharif w Iranie i później do uzyskania stopnia doktora w dziedzinie inżynierii komputerowej na Uniwersytecie Kolumbii Brytyjskiej w Kanadzie. Po tym pracowałam dla startupów przez kilka lat, a następnie spędziłam dekadę w Palo Alto Networks, ostatecznie zostając VP odpowiedzialnym za rozwój, QA, DevOps i naukę o danych. Pięć lat temu przeniosłam się do Amplitude jako SVP of Engineering.

Czy mogłabyś omówić podstawową filozofię AI Amplitude, że AI powinien pomagać ludziom w poprawie ich pracy, a nie zastępować ich?

AI szybko transformuje prawie każdy przemysł, a wraz z transformacją pojawiają się pytania o to, jak firmy będą wykorzystywać tę technologię. Uważamy, że jest to bardzo ważne. To przekonanie doprowadziło nas do opracowania naszej filozofii AI skupionej na klientach, która opiera się na pięciu głównych zasadach: (1) współpracy i partnerstwie, (2) zarządzaniu danymi i ochronie danych użytkowników, (3) przejrzystości, (4) prywatności, bezpieczeństwa i zgodności z przepisami, oraz (5) wyborze i kontroli klienta. Wiemy, że te zasady są kluczowe, gdy firmy kontynuują przyjmowanie i testowanie AI i ostatecznie stają się prawdziwie oparte na danych. Dla naszych celów oznacza to budowanie narzędzi AI, które pomagają ludziom uzyskać szybszy dostęp do wglądów. Gdy wykorzystywane są w odpowiedni sposób, te wglądy prowadzą do szybszych, lepszych decyzji, które napędzają wyniki finansowe. Używanie AI jako narzędzia do uzupełnienia ludzkiej inteligencji i kreatywności jest miejscem, w którym widzę największy wpływ AI.

Czy możesz 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 wydajnie, 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 wykorzystywanie danych w sposób samoobsługowy. Teraz, to nie oznacza chaosu danych bez parametrów. Na końcu dnia, złe dane prowadzą do złego 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 uważasz za niezbędne do umożliwienia prawdziwej demokracji danych w erze AI?

Ustanowienie prawdziwej demokracji danych wewnątrz Twojej organizacji zaczyna się od dwóch podstawowych zmian kulturowych: zapewnienia najbardziej dostępnych narzędzi i prowadzenia organizacyjnych wysiłków wokół analfabetyzmu danych. Oznacza to przyjęcie narzędzi samoobsługowych, które umożliwiają nie-technicznym członkom zespołu, takim jak zespoły marketingowe lub zespoły sukcesu klienta, nie tylko dostęp do danych, ale także analizowanie i podejmowanie działań na ich podstawie. Uważam, że analityka danych samoobsługowych może i powinna napędzać współpracę między zespołami, inspirując ciekawość i eksplorację, skalując analfabetyzm danych i kładąc nacisk na działanie i wpływ. Również ważne jest, aby połączyć wysiłki między centralnym zespołem danych a zespołami linii biznesu, aby prowadzić ciągłe zarządzanie danymi i upewnić się, że jakość danych nie pogarsza się z czasem.

W Twoim doświadczeniu, jakie są największe wyzwania, przed którymi stają organizacje w osiąganiu demokracji 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 kluczowe 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 operacjonalizowaniu samoobsługi, jest to jasne, że istnieje spektrum. Na jednym końcu, masz niskie narzędzia do konfiguracji dla nie-technicznych i zespołów linii biznesu. Ostatecznie, te narzędzia nie dają głębi i szerokości odpowiedzi, których te zespoły potrzebują. Na drugim końcu, masz bardziej techniczne narzędzia dla bardziej technicznych zespołów. Są one bardziej elastyczne pod względem analizy, ale są wolne i prawdopodobnie tylko nieliczni ludzie mogą ich używać. Nazywamy te narzędzia ” kolejką danych”… zawsze czekasz na odpowiedzi. Zespoły potrzebują rozwiązania pośrodku. Myśl o rozwiązaniach, które zachęcają, a nie hamują, eksplorację i eksperymentowanie. Z odpowiednim narzędziem i edukacją zespołu, firmy mogą łatwiej pokonać lukę w demokracji danych.

Jak kluczowe jest posiadanie umiejętności danych w procesie demokracji danych, i jakie kroki powinny przedsięwziąć firmy, aby poprawić je wśród swoich pracowników?

Wprowadzanie środowiska demokracji danych wśród Twoich zespołów jest wyzwaniem kulturowym, które wymaga edukacji i zaangażowania całej firmy. W moich doświadczeniach z nauczaniem procesów danych nie-technicznych członków, najlepszym sposobem na rozwinięcie tych umiejętności jest połączenie szkolenia i nauki praktycznej. Zalecam opracowanie kompleksowego programu szkoleniowego, aby upewnić się, że pracownicy czują się komfortowo i pewnie w wglądach, które pobierają z ich danych. Upewnij się, że używasz narzędzia, które nie wyklucza użytkowników nie-technicznych: na przykład, każde narzędzie, które wymaga wiedzy SQL, marginalizowałoby ludzi bez doświadczenia programistycznego. Następnie zapewnij możliwości dla pracowników, aby zanurzyć się i zacząć bawić się danymi. W końcu, wdrożenie narzędzia, które sprzyja eksploracji i współpracy. Im mniej ludzi pracuje w izolacji, tym więcej mogą odbijać pomysły od siebie, prowadząc do bardziej oświecających wglądów. Jeśli jesteś profesjonalistą danych, który uczy nie-technicznego członka zespołu, pamiętaj, że spędziłeś lata ucząc się, jak uzyskać i używać danych, więc myślisz o tym inaczej niż użytkownik casual. Bądź otwarty na uczenie innych, zamiast robić wszystko sam. W przeciwnym razie, nigdy nie będziesz miał czasu, aby zrobić coś poza odpowiedzią na pytania ludzi.

Z szybkim rozwojem narzędzi danych i technologii AI generatywnych, jak firmy powinny dostosować swoje strategie, aby pozostać na czele w zarządzaniu danymi i ich wykorzystaniu?

Zarządzanie danymi jest jednym z głównych wyzwań, przed którymi nadal stoją firmy, i jest to coś, co każda organizacja musi rozwiązać, aby umożliwić znaczące doświadczenia AI i danych. AI jest tak dobre, 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 generatywnej do zarządzania zarządzaniem AI i jakością. 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 bezproblemowym i pomóc użytkownikom w zarządzaniu wysiłkami jakości danych.

Jak Amplitude umożliwia przedsiębiorstwom lepsze zrozumienie ścieżki klienta?

Budowanie wielkich cyfrowych produktów i doświadczeń jest trudne, szczególnie w dzisiejszym konkurencyjnym krajobrazie. Dziś wiele firm wciąż nie wie, dla kogo budują, czy co ich klienci chcą. Amplitude pomaga firmom odpowiedzieć na pytania, takie jak: “Co naszym klientom się podoba? Gdzie się zawieszają? Co sprawia, że wracają?” za pomocą ilościowych i jakościowych wglądów danych. Nasza platforma pomaga firmom lepiej zrozumieć ścieżkę klienta od końca do końca, ujawniając dane, które pomagają napędzać cykl pozyskiwania klienta, monetyzacji i retencji. Dziś ponad 2 700 klientów, w tym marki korporacyjne, takie jak Atlassian, NBC Universal i Under Armour, wykorzystuje Amplitude, aby budować lepsze produkty.

Dziękujemy za wspaniałe wywiady, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Amplitude.