เจเรมี เบอร์ตัน CEO ของ Observe – สัมภาษณ์ ซีรีส์

เจเรมี เบอร์ตัน CEO ของ Observe เป็นนักบริหารซอฟต์แวร์ระดับองค์กรที่มีประสบการณ์มากกว่า 20 ปีในบริษัทเทคโนโลยีชั้นนำ เช่น Dell Technologies (DELL ), EMC, Oracle (ORCL ) และ VERITAS เขาได้นำทีมระดับโลกในการพัฒนาผลิตภัณฑ์ การตลาด และการควบรวมกิจการแบบเชิงกลยุทธ์ โดยสร้างและขยายธุรกิจในด้านการเก็บข้อมูล ความปลอดภัย และ SaaS เบอร์ตันยังเป็นผู้ร่วมก่อตั้ง Oracle Technology Network ซึ่งมีสมาชิกหลายล้านคนทั่วโลก และปัจจุบันเขาดำรงตำแหน่งในคณะกรรมการบริษัท Snowflake และเป็นที่ปรึกษาให้กับทีม Formula 1 ของ McLaren

Observe ตั้งอยู่ที่ San Mateo, California เป็นแพลตฟอร์ม SaaS Observability รุ่นต่อไปที่ช่วยให้ทีม SRE, DevOps และวิศวกรสามารถตรวจสอบและปรับปรุงระบบกระจายสมัยใหม่ได้ โดยสร้างขึ้นบนโครงสร้างพื้นฐานข้อมูลของ Snowflake ทำให้สามารถรวมข้อมูลล็อก เมตริก และแทรค thànhชุดข้อมูลเดียวที่มีบริบท ทำให้ทีมสามารถเร่งการตอบสนองต่อเหตุการณ์ ระบุเหตุผลรากฐาน และปรับปรุงความน่าเชื่อถือทั่วสภาพแวดล้อมคลาวด์ที่ซับซ้อน

คุณเคยดำรงตำแหน่งผู้นำระดับสูงในบริษัทระดับโลก เช่น Dell, EMC และ Oracle และตอนนี้คุณเป็นผู้นำในบริษัท Observe สิ่งใดกระตุ้นให้คุณละทิ้งความมั่นคงและขนาดเพื่อสร้างสิ่งใหม่จากศูนย์?

ฉันโชคดีที่ได้ทำงานกับหัวหน้าที่น่าเหลือเชื่อ เช่น Larry Ellison และ Michael Dell ฉันทำงานกับพวกเขา 20 หรือ 30 ปีหลังจากที่พวกเขาก่อตั้งบริษัทแล้ว สิ่งที่ทำให้พวกเขาโดดเด่นคือพวกเขาอยู่ที่นั่นตั้งแต่ต้น พวกเขาได้ตัดสินใจเกี่ยวกับผลิตภัณฑ์ ในระยะแรก พวกเขาได้สร้างเส้นทางสู่ตลาด และกำหนดวัฒนธรรมสำหรับความสำเร็จในระยะยาว บทบาทของฉันคือการปรับปรุงสิ่งที่พวกเขาทำได้ดีแล้ว แต่ฉันสุดท้ายก็มาถึงจุดหนึ่งในอาชีพของฉัน ที่ฉันต้องการพิสูจน์ตัวเองว่าฉันสามารถสร้างบริษัทได้ นำผลิตภัณฑ์ไปสู่ความเหมาะสมของตลาด สร้างการเคลื่อนไหวในการขาย และสร้างวัฒนธรรมที่ฉันเชื่อว่าสามารถเติบโตได้ในระยะยาว

Observe กำลังกำหนดตำแหน่งตัวเองเป็นหมวดหมู่ใหม่ในด้าน Observability โดยรวมล็อก อนาลิติกส์ และการตรวจสอบเข้าด้วยกันในแพลตฟอร์มเดียว คุณเห็นว่าการเข้าใกล้นี้จะเปลี่ยนแปลงพื้นที่นี้อย่างไรเมื่อเทียบกับผู้เล่นในยุคก่อนๆ เช่น Splunk และ Datadog (DDOG )?

ปัญหาใหญ่ที่สุดสำหรับเครื่องมือในยุคก่อนๆ คือพวกมันไม่ได้ถูกสร้างขึ้นสำหรับการปรับขนาด ในการอภิปรายกับลูกค้า เราได้เห็นซ้ำแล้วซ้ำอีกว่า Splunk และ Datadog กลายเป็นค่าใช้จ่ายที่ไม่เหมาะสมเมื่อปริมาณข้อมูลลักษณะการทำงานเติบโต และนั่นก็คือปัญหาหลักในการออกแบบเครื่องมือในยุคก่อนๆ

Observe ต่างออกไปในด้านที่แพลตฟอร์มของเราถูกสร้างขึ้นโดยใช้โครงสร้างพื้นฐานข้อมูลแบบสตรีมมิ่ง โดยใช้รูปแบบเปิด เช่น Apache Iceberg ซึ่งหมายความว่าเราสามารถแยกการคำนวณออกจากการจัดเก็บข้อมูล ปรับขนาดได้อย่างยืดหยุ่น และส่งมอบความสามารถในการสังเกตเห็นได้ในราคาที่เป็นเศษส่วนของต้นทุนของระบบแบบดั้งเดิม Competitors เช่น Splunk ยังคงพึ่งพาโครงสร้างแบบโมโนลิธิกที่ต้องการการวางแผนสำหรับความจุสูงสุด และแม้แต่เครื่องมือใหม่ๆ เช่น Datadog ต้องการการแบ่งชั้นข้อมูล การฟื้นฟู และการสร้างดัชนีใหม่เพื่อรักษาค่าใช้จ่ายให้ถูกต้อง

เรายังเน้นไปที่ประสบการณ์ Observability ที่เป็นเอกลักษณ์ ล็อก เมตริก แทรค และเหตุการณ์ทั้งหมดอาศัยอยู่ในสถานที่เดียวกัน โดยมีภาษาควอรี่เดียวและกราฟความรู้ที่แมปกับบริบทความสัมพันธ์ระหว่างบริการ ผู้ใช้ และเหตุการณ์ นั่นคือสิ่งที่ทำให้การแก้ปัญหาเร็วขึ้น เมื่อเปรียบเทียบกับ Splunk และ Datadog มีแบ็คเอนด์ที่แยกจากกันสำหรับล็อก เมตริก และแทรค ซึ่งนำไปสู่การวิเคราะห์ที่ช้ากว่า

สุดท้าย เราได้ลงทุนอย่างมากในการแก้ปัญหาโดยใช้ AI O11y AI SRE ของเราสามารถรับข้อมูลภาษาธรรมชาติ สร้างสมมติฐาน และช่วยเหลือวิศวกรผ่านการแก้ไขเหตุการณ์ ไม่ใช่แค่การแจ้งเตือนเท่านั้น และมันถูกสร้างขึ้นเพื่อใช้ประโยชน์จากกราฟความรู้ของเรา ซึ่งให้บริบทที่จำเป็นสำหรับการแก้ปัญหาอย่างถูกต้อง นั่นคือสิ่งที่ล้ำหน้ากว่าการตรวจจับความผิดปกติหรือการแจ้งเตือนที่ผู้แข่งขันส่วนใหญ่มีในปัจจุบัน

โดยสรุป เราเป็นค่าใช้จ่ายที่มีประสิทธิภาพ เราเป็นเอกลักษณ์ และเราเปิดกว้าง สิ่งเหล่านี้คือคุณสมบัติที่ลูกค้าบอกเราว่าทำให้ Observe แตกต่างจากผู้เล่นในยุคก่อนๆ เช่น Splunk และผู้เล่นใหม่ๆ เช่น Datadog

คุณเคยเกี่ยวข้องกับการพัฒนาผลิตภัณฑ์ การตลาด และการควบรวมกิจการขนาดใหญ่ สิ่งเหล่านี้ส่งผลต่อวิธีการจัดลำดับความสำคัญของกลยุทธ์การเติบโตที่ Observe อย่างไร?

ในระยะแรกของการเริ่มต้นธุรกิจ มันค่อนข้างง่าย คุณสร้างผลิตภัณฑ์ที่ดีและพยายามขายมัน นั่นคือกลยุทธ์การเติบโต แต่การงานของฉันถูกขับเคลื่อนโดยซอฟต์แวร์สำหรับองค์กรและแก้ปัญหาที่ซับซ้อนสำหรับองค์กรขนาดใหญ่ ดังนั้นจึงไม่น่าแปลกใจที่ Observe มุ่งเน้นไปที่สิ่งนั้นอย่างเต็มที่

จากประสบการณ์ของฉัน ฉันเชื่อว่าในการสร้างบริษัท Observability ที่ใหญ่ คุณต้องแก้ปัญหาให้กับบริษัทที่ใหญ่ที่สุดในโลก ซึ่งเป็นปัญหาเกี่ยวกับข้อมูลหลายพีตะไบ ผู้ใช้หลายพันคน และแอปพลิเคชันหลายพันรายการ มีบริษัท Observability หลายแห่ง แต่ไม่มากที่สามารถชนะในสภาพแวดล้อมนั้นได้ ฉันกำลังทำให้แน่ใจว่า Observe สามารถทำได้

ความสามารถในการสังเกตเห็นได้กลายเป็นสิ่งสำคัญเมื่อแอปพลิเคชันแบบกระจายสมัยใหม่เติบโตขึ้นเรื่อยๆ คุณเห็นความท้าทายและโอกาสที่ใหญ่ที่สุดสำหรับองค์กรในช่วง 3-5 ปีข้างหน้าอย่างไร?

ความท้าทายที่ใหญ่ที่สุดในปัจจุบันคือการปรับขนาด Kubernetes, microservices และตอนนี้ workloads ของ AI กำลังผลิตข้อมูลในปริมาณที่ท่วมท้นเครื่องมือแบบดั้งเดิม ความน่าเชื่อถือของเครื่องมือเหล่านั้นลดลงเมื่อค่าใช้จ่ายพุ่งสูงขึ้น และไม่สามารถรักษาได้โดยไม่ต้องมีโครงสร้างพื้นฐานใหม่

เพื่อให้สถานการณ์เลวร้ายยิ่งขึ้น ในช่วงไม่กี่ปีข้างหน้า เราจะเห็นโค้ดถูกเขียนมากขึ้น โดยได้รับการช่วยเหลือจากเครื่องมือเขียนโค้ด AI มากกว่าที่เคยเป็นมา และโค้ดเหล่านั้นจะไม่สมบูรณ์แบบ และจะล้มเหลวในบางจุด การเติบโตอยู่ที่การถามตัวเองว่า คุณจะแก้ปัญหาโค้ดที่ไม่มีใครเขียนได้อย่างไร และเครื่องมือสร้างโค้ดสามารถดูโค้ดและแก้ไขบั๊กได้ แต่พวกเขาสามารถดูว่าแอปพลิเคชันทำงานอย่างไรในระหว่างการผลิตและหาโค้ดที่มีปัญหาได้หรือไม่ นั่นคือโอกาสที่ยิ่งใหญ่สำหรับผู้ให้บริการ Observability ในอนาคต

หลายทีมต้องดิ้นรนกับการกระจายเครื่องมือ โดยใช้ระบบแยกจากกันสำหรับล็อก เมตริก และแทรค Observe ช่วยให้ประสบการณ์นั้นง่ายขึ้นสำหรับทีมวิศวกรรมและ DevOps อย่างไรในทางปฏิบัติ?

แทนการโยนลูกบอลระหว่างเครื่องมือสามหรือสี่เครื่อง Observe ให้ลูกค้าแพลตฟอร์มเดียวที่จะใช้ ล็อก เมตริก แทรค และการแจ้งเตือนของบริษัทอาศัยอยู่ในระบบเดียวกัน และเชื่อมโยงด้วยกราฟความรู้ กราฟความรู้ให้บริบทที่ช่วยให้ผู้ใช้สามารถเจาะและพลิกผันอย่างราบรื่นระหว่างล็อก เมตริก และแทรคเพื่อเร่งการแก้ปัญหา สิ่งนี้ลดเวลาในการกระโดดจากแพลตฟอร์มหนึ่งไปยังอีกแพลตฟอร์มหนึ่ง และช่วยให้พวกเขาเปิดเผยปัญหาโดยไม่ต้องส่งออกข้อมูลหรือเปลี่ยนบริบท

คุณสามารถแบ่งปัน примерที่เป็นรูปธรรมของวิธีที่ Observe ช่วยลูกค้าแก้ปัญหาใหญ่ๆ ได้หรือไม่ ซึ่งเป็นสิ่งที่ยากหรือเป็นไปไม่ได้กับเครื่องมือ Observability แบบดั้งเดิม?

Capital One ใช้ Observe เพื่อแสดงสถานะของการเดินทางลูกค้าที่สำคัญโดยการเชื่อมโยงและเพิ่มข้อมูลลักษณะการทำงานด้วยบริบททางธุรกิจที่เกี่ยวข้อง พวกเขารับข้อมูลลักษณะการทำงานหลายร้อยเทระไบต์ต่อวัน รวมถึงล็อก เมตริก แทรค บันทึกการเปลี่ยนแปลง ล็อก VPC flow และข้อมูลการกำหนดค่า AWS Observe ให้ Capital One มีแพลตฟอร์ม Observability ที่เป็นเอกลักษณ์ เพื่อให้นักพัฒนาและ SRE สามารถทำการตอบสนองต่อเหตุการณ์และการแก้ปัญหาแบบโต้ตอบได้

บทบาทของการเรียนรู้ของเครื่องหรือ AI มีบทบาทอย่างไรเบื้องหลังที่ Observe และช่วยให้ลูกค้าเปิดเผยข้อมูลเชิงลึกได้เร็วขึ้นหรือตรวจจับปัญหาโดยอัตโนมัติ?

การเรียนรู้ของเครื่องมีประวัติที่ซับซ้อนในด้าน Observability เนื่องจากสภาพแวดล้อมขององค์กรโดยธรรมชาติเป็นสิ่งที่ซับซ้อนและยากที่จะสร้างแบบจำลองที่ไม่ส่งผลให้เกิดความผิดปกติหลายพันรายการ AI ที่สร้างขึ้นเป็นเทคโนโลยีที่แตกต่างและจะมีผลกระทบอย่างลึกซึ้ง

เราเชื่อว่า AI จะเปลี่ยนแปลงวิธีที่วิศวกรโต้ตอบกับเครื่องมือ Observability อันดับแรก พวกเขาจะสามารถพูดกับข้อมูล Observability ได้โดยตรงโดยใช้ภาษาธรรมชาติในขณะที่นั่งอยู่ใน IDE ของพวกเขา ครึ่งหนึ่งของผู้ใช้ของเราอาจไม่ต้องเข้าสู่ระบบหรือเรียนรู้ Observe ในอนาคต AI ตัวแทนจะตรวจสอบข้อมูลลักษณะการทำงานในช่วง “สันติภาพ” เพื่อค้นหาปัญหาในอนาคตที่อาจส่งผลให้เกิดเหตุการณ์ AI ตัวแทนไม่เหนื่อยหรือเบื่อ และสามารถทำงานที่มนุษย์ไม่สามารถทำได้ สุดท้ายในช่วง “สงคราม” AI ตัวแทนจะช่วยเหลือวิศวกรและ SRE ในการดำเนินการเพื่อแก้ไขปัญหา

รูปแบบการเป็นผู้นำที่ได้รับแรงบันดาลใจจาก Formula One ของคุณ เน้นย้ำถึงความแข็งแกร่งทางจิตใจและการเรียนรู้จากความผิดพลาด มุมมองนี้มีอิทธิพลต่อวิธีการสร้าง Observe และนำทีมผ่านชัยชนะและความท้าทายอย่างไร?

ความสำเร็จใน F1 ถูกสร้างขึ้นโดยใช้ข้อมูลเพื่อชี้นำการตัดสินใจในอนาคต ทั้งสำหรับนักขับและรถยนต์ เมื่อถึงจุดสิ้นสุดของฤดูกาล รถ F1 จะถูกเปลี่ยนไปเกือบ 90% และจะเร็วขึ้น 2 วินาทีในสนามแข่ง

ที่ Observe เราต้องมีมุมมองเดียวกันเพื่อประสบความสำเร็จ เราปล่อย เราวัด เราฟัง เราปรับให้เหมาะสมอย่างรวดเร็ว ฉันคิดว่า 90% ของผลิตภัณฑ์ของเราจะแตกต่างจากที่เป็นอยู่ 2 ปีที่แล้ว มุมมองนี้ต้องการความมุ่งมั่นและความอ่อนน้อมถ่อมตนอย่างมาก ไม่ใช่เรื่องง่ายที่จะฟังข่าวร้ายซ้ำแล้วซ้ำอีก แต่ถ้าคุณดำเนินการตามข่าวร้ายเพียงพอ มันจะเปลี่ยนเป็นข่าวดี และ ARR จะเร่งตัวขึ้น มันไม่ใช่เวทมนตร์ มันคือตรรกะ!

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเยี่ยมชม Observe เพื่อเรียนรู้เพิ่มเติม