Shadi Rostami, SVP de Engenharia na Amplitude – Série de Entrevistas

Shadi é SVP de Engenharia na líder em análise digital Amplitude. Ela é uma líder de tecnologia apaixonada e experiente e arquiteta com experiência em construir e gerenciar equipes de engenharia altamente qualificadas. Antes de Amplitude, ela foi VP de Engenharia na Palo Alto Networks. Ela inovou e entregou várias linhas de produtos e serviços especializados em sistemas distribuídos, computação em nuvem, big data, aprendizado de máquina e segurança.

Amplitude é construída com tecnologias de aprendizado de máquina e IA gerativa modernas que permitem que as equipes de produtos construam soluções mais inteligentes, aprendam mais rápido e criem as melhores experiências digitais para seus clientes.

O que a atraiu inicialmente para a ciência da computação e engenharia?

Eu cresci no Irã e originalmente segui um caminho no ensino médio que me permitiria seguir carreira em medicina, que era o caminho que meu pai queria que eu seguisse e o que meu irmão fez. Cerca de um ano e meio depois, eu decidi que não era o caminho para mim. Em vez disso, eu segui engenharia e acabei me tornando a primeira garota no Irã a ir para a Olimpíada de Informática (IOI) e ganhar a medalha de bronze, uma competição anual para estudantes do ensino médio de todo o mundo competindo em matemática, física, informática e química. Isso me levou a seguir engenharia na Universidade de Tecnologia de Sharif, no Irã, e mais tarde obter meu Ph.D. em engenharia de computação na Universidade da Colúmbia Britânica, no Canadá. Depois disso, eu trabalhei para startups por alguns anos e então passei uma década na Palo Alto Networks, eventualmente me tornando uma VP responsável por desenvolvimento, QA, DevOps e ciência de dados. Há cinco anos, eu me mudei para a Amplitude como SVP de Engenharia.

Pode discutir a filosofia central de IA da Amplitude de que a IA deve ajudar os humanos a melhorar seu trabalho, em vez de substituí-los?

A IA está transformando rapidamente quase todas as indústrias, e com a transformação vêm questões sobre como as empresas usarão a tecnologia. Nós acreditamos fortemente em fazer a IA correta. Essa crença nos levou a desenvolver nossa filosofia de IA centrada no cliente, que se baseia em cinco princípios principais: (1) desenvolvimento colaborativo e parceria de pensamento, (2) governança de dados e proteção de dados do usuário, (3) transparência, (4) privacidade, segurança e conformidade regulatória, e (5) escolha e controle do cliente. Sabemos que esses princípios são fundamentais à medida que as empresas continuam a adotar e testar a IA e eventualmente se tornam verdadeiramente orientadas por dados. Para nossos propósitos, isso significa construir ferramentas de IA que ajudem as pessoas a obter insights mais rápido. Quando utilizada corretamente, esses insights levam a decisões mais rápidas e melhores que impulsionam resultados de linha de fundo. Usar a IA como uma ferramenta para complementar a inteligência e criatividade humanas é onde eu vejo a IA tendo seu maior impacto.

Pode explicar o conceito de ‘democracia de dados’ no contexto do ambiente de negócios impulsionado por IA de hoje?

“A democracia de dados é impulsionada pelo conhecimento de que as equipes funcionam melhor, mais rápido e mais eficientemente quando podem acessar as informações de dados certas no momento certo. No ambiente de IA em rápida evolução de hoje, as equipes não podem se dar ao luxo de esperar dias ou semanas por extrações de dados. Para mitigar isso, as empresas devem empoderar suas equipes para aproveitar os dados de forma autosserviço. Agora, isso não significa caos de dados sem parâmetros. No final do dia, dados ruins levam a uma IA ruim. Mas com as ferramentas e processos certos no lugar, os negócios podem equilibrar a democratização de dados com a governança de dados, permitindo melhores resultados de negócios.”

Quais são as principais mudanças na cultura organizacional que você acredita serem essenciais para permitir a verdadeira democracia de dados na era da IA?

Estabelecer uma verdadeira democracia de dados dentro de sua organização começa com duas mudanças culturais fundamentais: fornecer as ferramentas certas e mais acessíveis e realizar esforços organizacionais em torno da alfabetização de dados. Isso significa adotar ferramentas de autosserviço que permitem que membros de equipes não técnicas, como equipes de marketing ou sucesso do cliente, não apenas acessem dados, mas também os analisem e tomem ações sobre eles. Acredito que a análise de dados de autosserviço pode e deve impulsionar a colaboração entre equipes, inspirar curiosidade e exploração, dimensionar a alfabetização de dados e dar prioridade à ação e impacto. Além disso, é importante dedicar esforços conjuntos entre a equipe central de dados e as equipes de negócios para fazer uma governança de dados contínua para garantir que a qualidade dos dados não se degrade com o tempo.

Em sua experiência, quais são os principais desafios que as organizações enfrentam para alcançar a democratização de dados, e como elas podem superar esses obstáculos?

No passado, as empresas tentaram centralizar os dados dentro de uma equipe de especialistas, deixando o restante da organização dependente dessa equipe para entregar análise e insights-chave que podem ser críticos para suas operações diárias e tomada de decisões. Embora a democratização do acesso aos dados seja fundamental para resolver esse gargalo, também pode ser desafiadora. Quando falo com líderes de dados sobre a operacionalização do autosserviço, fica claro que há um espectro. Em um extremo, você tem ferramentas de configuração baixa para equipes não técnicas e de negócios. No final, essas ferramentas não fornecem a profundidade e amplitude de respostas que essas equipes precisam. No outro extremo, você tem ferramentas mais técnicas para equipes mais técnicas. Elas são mais flexíveis em termos de análise, mas são lentas e provavelmente muito poucas pessoas podem até usá-las. Nós nos referimos a essas ferramentas como criando uma “fila de dados” … você sempre está esperando por respostas. As equipes precisam de uma solução no meio. Pense em soluções fora da caixa que incentivem, não inibam, a exploração e a experimentação. Com as ferramentas e a educação da equipe adequadas, as empresas podem mais facilmente atravessar a lacuna de democratização de dados.

Quão crucial é a alfabetização de dados no processo de democratização de dados, e quais passos as empresas devem tomar para melhorá-la entre seus funcionários?

Fomentar um ambiente de democratização de dados em suas equipes é um desafio cultural que requer educação e comprometimento em toda a empresa. Em minhas experiências ensinando processos de dados a membros não técnicos, a melhor maneira de desenvolver essas habilidades é por meio de uma combinação de treinamento e aprendizado prático. Recomendo desenvolver um programa de treinamento abrangente para garantir que os funcionários se sintam confortáveis e confiantes nas informações que estão tirando de seus dados. Certifique-se de que você está usando uma ferramenta que não proíba usuários não técnicos: por exemplo, qualquer ferramenta que exija conhecimento de SQL marginalizaria pessoas sem expertise em programação. A partir daí, forneça oportunidades para que os funcionários mergulhem e comecem a brincar com os dados. Finalmente, implemente uma ferramenta que fomente a exploração e a colaboração. Quanto menos as pessoas trabalharem em silos, mais elas podem trocar ideias umas com as outras, levando a insights mais iluminadores. Se você é um profissional de dados ensinando a um membro de equipe não técnico, lembre-se de que você passou anos aprendendo a obter e usar dados, então você pensa sobre isso de forma diferente do usuário casual. Seja aberto a ensinar aos outros, em vez de fazer tudo sozinho. Caso contrário, você nunca terá tempo livre para fazer algo além de responder às perguntas das pessoas.

Com a evolução rápida das ferramentas de dados e tecnologias de IA gerativa, como as empresas devem adaptar suas estratégias para se manter à frente no gerenciamento e utilização de dados?

A governança de dados é um dos principais desafios que as empresas ainda enfrentam, e é algo que toda organização deve resolver para permitir experiências de IA e dados significativas. A IA é tão boa quanto os dados que a alimentam, e dados limpos levam a insights mais impactantes, usuários mais felizes e crescimento de negócios. Dessa forma, as empresas devem ser proativas sobre a limpeza e taxonomia de dados, e há oportunidades de usar IA gerativa para gerenciar a governança e a qualidade de IA. Por exemplo, na Amplitude, lançamos nosso produto de Assistente de Dados com IA no ano passado, que oferece recomendações inteligentes e automação para tornar a governança de dados simples e ajudar os usuários a tomar conta dos esforços de qualidade de dados.

Como a Amplitude permite que as empresas entendam melhor a jornada do cliente?

Construir produtos e experiências digitais incríveis é difícil, especialmente no cenário competitivo de hoje. Hoje, muitas empresas ainda não sabem para quem estão construindo ou o que seus clientes querem. A Amplitude ajuda as empresas a responder a perguntas como “O que nossos clientes amam? Onde eles ficam presos? O que os mantém voltando?” por meio de insights de dados quantitativos e qualitativos. Nossa plataforma ajuda as empresas a entender melhor a jornada do cliente de ponta a ponta, trazendo dados para impulsionar o ciclo de aquisição, monetização e retenção do cliente. Hoje, mais de 2.700 clientes, incluindo marcas de empresas como Atlassian, NBC Universal e Under Armour, usam a Amplitude para construir produtos melhores.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar Amplitude.