Jeremy Burton, CEO al Observe – Seria de interviuri

Jeremy Burton, CEO al Observe, este un executiv experimentat în software pentru întreprinderi, cu peste 20 de ani de experiență în conducere în cadrul unor companii tehnologice majore, inclusiv Dell Technologies (DELL ), EMC, Oracle (ORCL ) și VERITAS. El a condus echipe globale în dezvoltarea de produse, marketing și achiziții strategice, construind și extinzând afaceri în stocare, securitate și SaaS. Burton a co-fondat și Oracle Technology Network, care a crescut la milioane de membri în întreaga lume, și în prezent face parte din Consiliul de Administrație al Snowflake și este consilier al echipei de Formula 1 a McLaren.

Observe, cu sediul în San Mateo, California, este o platformă SaaS de observabilitate de ultimă generație care ajută echipele SRE, DevOps și de ingineri să investigheze și să optimizeze sistemele distribuite moderne. Construit pe infrastructura de date a Snowflake, ea unifică jurnalele, metricile și urmele într-un singur set de date contextualizat, permițând echipelor să accelereze răspunsul la incidente, să identifice cauzele radicale și să îmbunătățească fiabilitatea în medii cloud complexe.

Ați ocupat funcții de conducere în cadrul unor giganti globale, cum ar fi Dell, EMC și Oracle, și acum conduceți o companie startup cu Observe. Ce v-a motivat să lăsați în urmă stabilitatea și scala pentru a face saltul în construirea a ceva de la zero?

Am avut norocul să lucrez pentru niște lideri incredibili, inclusiv Larry Ellison și Michael Dell. Am lucrat cu ei 20 sau 30 de ani după ce au început, dar ceea ce îi face remarabili este că au fost acolo de la început. Ei au luat deciziile inițiale de produs, au stabilit rutele de piață și au creat o cultură pentru succes pe termen lung. Rolul meu a fost să aduc îmbunătățiri incrementale pe baza deceniilor de muncă grea pe care ei le-au făcut deja. În cele din urmă, am ajuns într-un moment în cariera mea în care am vrut să demonstrez mie însumi că pot construi o companie, să aduc un produs la potrivirea cu piața, să stabilesc o mișcare de vânzări și să creez o cultură care să poată prospera pe termen lung.

Observe se poziționează ca o nouă categorie în observabilitate, integrând jurnalele, analitica și monitorizarea într-o singură platformă unificată. Cum vedeți această abordare redesenând spațiul în comparație cu jucătorii legacy, cum ar fi Splunk și Datadog (DDOG )?

Problema majoră cu care se confruntă instrumentele legacy este că nu au fost construite pentru scală. În conversațiile cu clienții, am văzut de nenumărate ori că Splunk și Datadog devin costisitoare pe măsură ce volumul de telemetrie crește, și acesta este fundamental un problema cu modul în care instrumentele legacy au fost proiectate.

Observe se diferențiază prin faptul că platforma noastră este construită pe o arhitectură de lac de date cu fluxuri deschise, cum ar fi Apache Iceberg. Acest lucru ne permite să decuplăm calculul de la stocare, să scalăm elastic și să oferim observabilitate la o fracțiune din costul sistemelor tradiționale. Competitorii noștri, cum ar fi Splunk, încă se bazează pe arhitecturi monolitice care necesită planificarea capacității de vârf – și chiar instrumente mai noi, cum ar fi Datadog, necesită ierarhizarea datelor, rehidratarea și reindexarea pentru a ține sub control costurile.

De asemenea, ne concentrăm pe o experiență unificată de observabilitate. Jurnalele, metricile, urmele și evenimentele trăiesc într-un singur loc, cu un singur limbaj de interogare și un Graf de Cunoaștere care cartografiază automat relațiile dintre servicii, utilizatori și incidente. Acest context este ceea ce face ca debusolarea să fie mai rapidă. În contrast, Splunk și Datadog au back-end-uri separate pentru jurnale, metrici și urme, ceea ce duce la analize mai lente.

În cele din urmă, am investit masiv în depanarea bazată pe inteligență artificială. O11y AI SRE poate lua intrări de limbaj natural, genera ipoteze și ghida inginerii prin rezolvarea incidentelor, nu doar alertându-i. Și este construit pentru a face uz de Graful nostru de Cunoaștere, care oferă contextul necesar pentru depanarea precisă. Acesta este un pas dincolo de detectarea anomaliilor sau alertarea oferită de majoritatea competitorilor de astăzi.

Simplu spus: suntem eficienți din punct de vedere al costurilor, suntem uniți și suntem deschiși. Aceste trei calități sunt ceea ce clienții ne spun în mod constant că ne diferențiază de jucătorii legacy, cum ar fi Splunk și noii incumbenți, cum ar fi Datadog.

Ați supervizat operațiuni de miliarde de dolari și acum conduceți o companie startup. Care sunt lecțiile despre eficiență, agilitate sau inovare din întreprinderile mari care se aplică – și care nu se aplică?

Este contraintuitiv, dar companiile mari de succes fac un număr mic de lucruri foarte bine și înțeleg fiecare detaliu. Cele care se luptă fac prea multe și totul se degradează în mediocritate.

La o companie startup, vă concentrați pe un singur lucru odată și vă obsedați cu fiecare detaliu. Nu există suficientă finanțare pentru a face mai mult decât atât. Ca urmare, ceea ce face startup-urile atât de intense este că puteți literalmente ieși din afaceri dacă nu reușiți să figurați lucrurile suficient de repede. Prin urmare, trebuie să luați decizii mai repede, să lansați mai repede, să eșuați mai repede și să învățați mai repede. În plus, trebuie să faceți toate acestea cu mai puține persoane.

Cu toate acestea, aspectul cel mai eliberator al unei companii startup este că nu aveți un produs stabilit, un model de afaceri sau o rută de piață stabilită. Acest lucru înseamnă că aveți libertatea de a face noi ipoteze despre toate acestea. Nu este cazul la o companie mare. De exemplu, nu puteți rupe modelul de afaceri cu un produs nou disruptiv. Chiar dacă din punct de vedere tehnic ați putea să-l construiți, directorul financiar și Wall Street nu vă vor lăsa să maximizați potențialul său. De aceea, startup-urile câștigă de multe ori, chiar dacă, în teorie, nu ar trebui să aibă nicio șansă.

Ați fost și membru al consiliului de administrație al Snowflake de aproape un deceniu. Ce ați învățat din călătoria Snowflake care vă informează strategia la Observe?

Snowflake a atacat o problemă veche cu o arhitectură nouă. Ei au construit tehnologia lor pe o idee simplă, dar puternică, și au disruptat o piață masivă, încetinită de furnizorii legacy. Există câteva lecții aici: jucați în piețe masive, și puteți construi o companie masivă. În plus, trebuie să aveți o abordare radical diferită de cea a incumbenților, astfel încât clientul să poată vedea beneficii uriașe în a se muta.

Piața de observabilitate pe care o atacăm este masivă, 30 de miliarde de dolari și în creștere. Am rezolvat problema de observabilitate într-un mod foarte unic: utilizând o fundație de lac de date, calcul elastic și formate deschise. Acest lucru promite să ofere clienților o îmbunătățire de ordinul a zece în ceea ce privește viteza de depanare și costul general.

Ați fost implicat profund în dezvoltarea de produse, marketing și achiziții la scară largă. Cum influențează această experiență vastă modul în care prioritizați strategiile de creștere la Observe?

În primele zile ale unei companii startup, este foarte simplu: construiți un produs grozav și încercați să-l vindeți. Aceasta este strategia de creștere. Spunând aceasta, cariera mea este foarte îndreptată spre software pentru întreprinderi și rezolvarea problemelor complexe pentru întreprinderi mari, așa că nu este surprinzător că Observe se concentrează în mod clar pe aceasta!

Pe baza experienței mele, cred că pentru a construi o companie de observabilitate mare, trebuie să rezolvați problema pentru cele mai mari companii din lume. Acestea sunt problema datelor de petabytes, a mii de utilizatori și a mii de aplicații. Există multe companii de observabilitate, dar foarte puține pot câștiga în acest mediu; mă asigur că Observe poate face acest lucru.

Observabilitatea a devenit critică pe măsură ce aplicațiile distribuite moderne cresc în complexitate. Unde vedeți cele mai mari provocări și oportunități pentru întreprinderi în următorii 3-5 ani?

Cea mai mare provocare de astăzi este scala. Kubernetes, microservicii și acum încărcături de lucru cu inteligență artificială produc volume de date care copleșesc instrumentele tradiționale. Fiabilitatea acestor instrumente scade dramatic pe măsură ce costul explodează, și pur și simplu nu este sustenabil; o nouă arhitectură este necesară.

Pentru a face lucrurile și mai grave, în următorii câțiva ani, vom vedea mai mult cod scris, asistat de instrumente de codare cu inteligență artificială, decât oricând în istorie. Acest cod nu va fi perfect, și la un moment dat va eșua. Zona de creștere se află în a vă întreba: cum depanați codul pe care nimeni nu l-a scris? Și, în timp ce instrumentele de codare pot privi codul și remedia bug-urile, pot ele să privească cu adevărat modul în care aplicația se comportă în producție și să găsească codul problematic? Acesta este un oportunitate masivă pentru furnizorii de observabilitate în viitor.

Multe echipe se luptă cu proliferarea instrumentelor, utilizând sisteme separate pentru jurnale, metrici și urme. Cum ajută Observe să simplifice această experiență pentru echipele de ingineri și DevOps în practică?

În loc de a jongla cu trei sau patru instrumente, Observe oferă clienților o singură platformă pe care o pot utiliza. Jurnalele, metricile, urmele și alertele unei companii trăiesc în același sistem și sunt legate de un Graf de Cunoaștere. Graficul de cunoaștere oferă context care permite utilizatorilor să efectueze operațiuni de depanare și să pivoteze fără efort între jurnale, metrici și urme pentru a accelera depanarea. Acest lucru reduce timpul pe care trebuie să-l petreacă să sară de la o platformă la alta, permițându-le să descopere o problemă fără exporturi de date sau schimbări de context.

Puteți să împărtășiți un exemplu concret despre modul în care Observe a ajutat un client să rezolve o problemă majoră – ceva care ar fi fost dificil sau imposibil cu instrumente de observabilitate tradiționale?

Capital One utilizează Observe pentru a afișa starea călătoriilor critice ale clienților prin corelarea și îmbogățirea datelor de telemetrie cu contextul de afaceri relevant. Ei ingerează sute de terabiți de date de telemetrie pe zi, inclusiv jurnale, metrici, urme, înregistrări de modificări, jurnale de flux VPC și date de configurare AWS. Observe oferă Capital One o platformă unificată pentru observabilitate de la capăt la capăt, astfel încât dezvoltatorii și inginerii SRE pot efectua răspunsuri interactiv la incidente și depanare.

Care este rolul inteligenței artificiale sau al învățării automate în spatele scenei la Observe, și cum ajută clienții să descopere insight-uri mai rapid sau să detecteze automat problemele?

Inteligența artificială are o istorie controversată în observabilitate, deoarece mediile de întreprinderi sunt în mod inerent zgomotoase, și este foarte greu să produceți un model care să nu rezulte în mii de anomalii. Inteligența artificială generativă este o tehnologie foarte diferită și va avea un impact mult mai profund.

Credem că inteligența artificială va schimba modul în care inginerii interacționează cu instrumentele de observabilitate. În primul rând, ei vor putea să vorbească direct cu datele de observabilitate în limbaj natural, așezându-se în IDE; jumătate din utilizatorii noștri din viitor nu vor mai trebui să se autentifice sau să învețe Observe! În al doilea rând, agenții inteligenți artificiali vor fi prezenți în timpul “păcii” pentru a scana telemetria și a căuta potențialele probleme care ar putea duce la un incident. Agenții inteligenți artificiali nu se plictisesc și nu se obosește, și pot face lucrul pe care oamenii nu sunt în măsură să-l facă. În cele din urmă, în timpul “războiului”, agenții inteligenți artificiali vor asista inginerii și SRE cu cursul de acțiune pe care ar trebui să-l urmeze pentru a rezolva problema.

Stilul dvs. de conducere inspirat de Formula 1 subliniază tăria mentală și învățarea din greșeli. Cum a modelat această perspectivă abordarea dvs. de a construi Observe și de a conduce echipa prin atât victorii, cât și provocări?

Succesul în F1 se naște prin utilizarea datelor pentru a ghida deciziile viitoare, atât pentru șofer, cât și pentru mașină. Până la sfârșitul sezonului, 90% din piese au fost înlocuite, și mașina este cu 2 secunde mai rapidă pe pistă.

La Observe, trebuie să avem aceeași mentalitate pentru a reuși. Lansăm, măsurăm, ascultăm, ne adaptăm rapid. Aș imagina că 90% din produsul nostru este diferit astăzi față de cum era cu câțiva ani în urmă. Această abordare necesită o disciplină și o umilință considerabilă; nu este ușor să auzi vești proaste de nenumărate ori. Cu toate acestea, dacă acționați suficient de mult pe vești proaste, ele se transformă treptat în vești bune, și ARR crește. Nu este magic, este logic!

Vă mulțumim pentru acest interviu minunat; cititorii care doresc să afle mai multe despre Observe ar trebui să viziteze Observe.