Observe CEO’sü Jeremy Burton – Röportaj Serisi

Jeremy Burton, Observe’in CEO’su, 20 yılı aşkın liderlik deneyimiyle büyük teknoloji şirketlerinde görev yapmış bir entreprise yazılımı yöneticisidir. Dell Technologies (DELL ), EMC, Oracle (ORCL ) ve VERITAS gibi şirketlerde ürün geliştirme, pazarlama ve stratejik birleşme ve satın alma konularında küresel ekiplere liderlik etmiştir. Burton, ayrıca Oracle Teknoloji Ağı’nın kurucularından biri olup, bu ağ milyonlarca üye ile büyümüştür ve şu anda Snowflake’ın Yönetim Kurulu’nda ve McLaren’ın Formula 1 takımının danışmanlarından biridir.

Observe, San Mateo, Kaliforniya merkezli bir sonraki nesil SaaS gözlemleme platformudur. Bu platform, SRE, DevOps ve mühendislik ekiplerinin modern dağıtılmış sistemleri araştırmasına ve optimize etmesine yardımcı olur. Snowflake’ın veri altyapısı üzerine inşa edilen Observe, günlükleri, metrikleri ve izleri tek bir bağlam zenginleştirilmiş veri setine birleştirir, böylece ekipler incident yanıtlarını hızlandırabilir, kök nedenleri belirleyebilir ve karmaşık bulut ortamlarında güvenilirliği artırabilir.

Dell, EMC ve Oracle gibi global devlerde üst düzey liderlik rollerinde bulunmuş ve şimdi Observe ile bir startup’ı yönetiyorsunuz. İstikrar ve ölçek bırakıp bir şeyleri sıfırdan inşa etmenin zorluğuna rağmen, bu adımı atmaya sizi ne motiv etti?

Kariyerimde harika liderlerle çalıştım, bunların arasında Larry Ellison ve Michael Dell de vardı. Onlarla birlikte 20 veya 30 yıl sonra onların yanında çalıştım, ancak onları özel yapan şey, başlangıçtan beri orada olmalarıydı. İlk ürün kararlarını verdiler, pazara ulaşma yollarını belirlediler ve uzun vadeli başarı için bir kültür oluşturdular. Benim rolüm, onlarca yıl önce yaptıkları zorlu çalışmaların üzerine küçük iyileştirmeler yapmaktı. Kariyerimde bir noktaya geldim ki, kendime bir şirket kurup, bir ürünü pazara sürüp, satış hareketini oluşturup ve uzun vadede réussi olabilecek bir kültür oluşturabileceğimi kanıtlamak istedim.

Observe, günlükleri, analitikleri ve izlemeyi birleşik bir platformda entegre ederek gözlemleme alanında yeni bir kategori oluşturuyor. Bu yaklaşım, Splunk ve Datadog (DDOG ) gibi eski oyunculara kıyasla alanı nasıl yeniden tanımlıyor?

Eski araçların karşılaştığı büyük sorun, ölçek için inşa edilmemiş olmalarıdır. Müşterilerle yaptığımız görüşmelerde, Splunk ve Datadog’un telemetri hacmi arttıkça maliyetinin arttığı ve bu sorunun temel olarak eski araçların mimarisiyle ilgili olduğu görülüyor.

Observe, farklı olarak, bir akış veri gölü mimarisi kullanarak açık formatlar gibi Apache Iceberg kullanır. Bu, hesaplama ve depolamayı ayırarak, esnek bir şekilde ölçeklenmesini ve geleneksel sistemlerin maliyetinin bir kısmında gözlemleme sunmasını sağlar. Rakiplerimiz gibi Splunk, hala monolitik mimarilere dayanır ve kapasite zirvesi için planlama gerektirir—ve daha yeni araçlar gibi Datadog, maliyetleri kontrol altında tutmak için veri katmanlama, yeniden hidrasyon ve yeniden indeksleme gerektirir.

Ayrıca, birleşik bir gözlemleme deneyimi sunmaya odaklanıyoruz. Günlükler, metrikler, izler ve olaylar tek bir yerde, tek bir sorgu dili ve otomatik olarak hizmetler, kullanıcılar ve olaylar arasındaki ilişkileri haritalayan bir Bilgi Grafiği ile birlikte bulunurlar. Bu bağlam, hata ayıklamayı hızlandırır. Karşılaştırıldığında, Splunk ve Datadog’un günlükler, metrikler ve izler için ayrı arka uçları vardır, bu da daha yavaş analitik sonuçlara yol açar.

Son olarak, AI destekli hata ayıklama üzerine büyük yatırımlar yaptık. O11y AI SRE’miz doğal dil girişini alabilir, hipotezler üretebilir ve mühendisleri olay çözümüne rehberlik edebilir, sadece onları uyarmaz. Ayrıca, doğru hata ayıklama için gerekli bağlamı sağlayan Bilgi Grafiğimizden faydalanır. Bu, günümüzde rakiplerimizin sunduğu anomali tespiti veya uyarılardan daha ötedir.

Basitçe söylemek gerekirse: maliyet etkiniz, birleşik ve açıkız. Bunlar, müşterilerin Observe’i Splunk ve Datadog gibi eski oyunculardan ayıran özelliklerdir.

Büyük şirketlerde çok büyük operasyonları yönetmiş ve şimdi bir startup’ı yönetiyorsunuz. Büyüme stratejilerini önceliklendirmenizde, büyük şirketlerden neler kalıyor ve neler kalmıyor?

Başarılı büyük şirketler birkaç şeyi gerçekten iyi yaparlar ve her ayrıntıyı anlarlar. Başarısız olan şirketler ise çok şey yapmaya çalışır ve her şey orta düzeyde kalır.

Bir startup’ta, bir şey üzerinde odaklanırsınız ve her ayrıntıya takıntılı olursunuz. Birden fazla şey yapmak için yeterli fon yoktur. Sonuç olarak, startup’ların neden bu kadar yoğun olduğu, hızlı bir şekilde karar vermeniz, hızlı bir şekilde yayınlayabilmeniz, hızlı bir şekilde başarısız olabilmeniz ve hızlı bir şekilde öğrenebilmeniz gerektiğidir. Buna ek olarak, tüm bunları daha az insanla yapmanız gerekir.

Bununla birlikte, bir startup’ın en özgürleştirici yönü, kurulmuş bir ürün, iş modeli veya pazara ulaşma yolu olmamasıdır. Bu, tüm bu konularda yeni varsayımlar yapma özgürlüğü sağlar. Büyük bir şirketin bunu yapması mümkün değildir. Örneğin, yeni ve yıkıcı bir ürünle iş modelini bozamazsınız. Teknik olarak bunu yapabilirsiniz, ancak CFO ve Wall Street, potansiyelini maksimum düzeyde gerçekleştirmenize izin vermez. Bu nedenle startup’lar, teoride hiç şansı olmasa bile, genellikle kazanır.

Snowflake’ın Yönetim Kurulu’nda neredeyse on yıldır bulunuyorsunuz. Snowflake’ın yolculuğundan Observe’de stratejinizi şekillendiren neler öğrendiniz?

Snowflake, eski bir sorunu yeni bir mimari ile ele aldı. Basit ama güçlü bir fikir üzerine inşa edilen teknoloji ile büyük bir pazarı değiştirdi. Burada birkaç ders var: büyük pazarlarda oynayın, büyük bir şirket kurabilirsiniz. Ayrıca, müşterilerin büyük faydalar görmesini sağlayacak şekilde, mevcut oyunculardan radikal olarak farklı bir yaklaşımınız olmalıdır.

Gözlemleme pazarı, $30 milyar ve büyüyen bir pazar. Biz de gözlemleme sorununu benzersiz bir şekilde çözdük: veri gölü temeli, esnek hesap ve açık formatlar kullanarak. Bu, müşterilere hata ayıklama hızında ve genel maliyetlerde on katlık bir iyileşme vaat ediyor.

Ürün geliştirme, pazarlama ve büyük ölçekli birleşme ve satın alma konularında geniş bir geçmişiniz var. Bu geçmiş, Observe’de büyüme stratejilerinizi nasıl önceliklendiriyor?

Bir startup’ın başlangıç günlerinde, oldukça basit, harika bir ürün inşa etmeye ve satmaya çalışırsınız. Bu, büyüme stratejisi. Kariyerim, büyük şirketlere kompleks sorunlar çözen entreprise yazılımlarına eğilimlidir, bu nedenle Observe’in de bu alanda odaklanması şaşırtıcı değildir!

Deneyimlerime dayanarak, büyük bir gözlemleme şirketini inşa etmek için, dünyanın en büyük şirketlerinin sorunlarını çözmelisiniz. Bu, petabaytlarca veri, binlerce kullanıcı ve binlerce uygulamayla ilgili bir sorundur. Çok fazla gözlemleme şirketi var, ancak çok azı bu ortamda kazanabilir, ben de Observe’in bunu başarabileceğinden emin olmak istiyorum.

Gözlemleme, modern dağıtılmış uygulamalar daha karmaşık hale geldikçe kritik bir hal alıyor. Bir sonraki 3-5 yıl içinde şirketler için en büyük zorluklar ve fırsatlar nerede?

Şu anda en büyük zorluk, ölçek. Kubernetes, mikro hizmetler ve şimdi AI iş yükleri, geleneksel araçları aşan veri hacimleri üretiyor. Bu araçların güvenilirliği, maliyetleri arttıkça düşüyor ve bu sürdürülebilir değil; yeni bir mimari gerekli.

Gelecek birkaç yıl içinde, tarihte hiç görülmemiş miktarda kod yazılacağı öngörülüyor ve bu kod, AI kodlama araçları tarafından yardımcı olacaktır. Ancak bu kod mükemmel olmayacak ve bir noktada hata verecektir. Büyümenin alanı, kimsenin yazmadığı kodu nasıl hata ayıkladığını sormak ve ya kod-gen araçlarının kodu inceleyip hataları düzeltmesinin yanı sıra, uygulamanın üretimdeki davranışını gerçekten inceleyip sorunlu kodu bulup bulamayacağını sormaktır. Bu, gelecekte gözlemleme sağlayıcıları için büyük bir fırsat.

Çok fazla takım, günlükler, metrikler ve izler için ayrı sistemler kullanarak araç karmaşası ile mücadele ediyor. Observe, bu deneyimi mühendislik ve DevOps ekipleri için nasıl basitleştiriyor?

Observe, müşterilere tek bir platform sunar. Bir şirketin günlükleri, metrikleri, izleri ve uyarıları aynı sistemde bulunur ve bir Bilgi Grafiği ile bağlanır. Bilgi Grafiği, kullanıcıların günlükler, metrikler ve izler arasında kolayca gezinip hata ayıklamayı hızlandırmasına olanak tanıyan bir bağlam sağlar. Bu, platformdan platforma atlamaktan ziyade, sorunları daha hızlı keşfetmelerine yardımcı olur.

Observe’in bir müşterinin önemli bir sorunu çözmesine yardımcı olduğu somut bir örnek verebilir misiniz? Geleneksel gözlemleme araçlarıyla bu mümkün olmayacaktı.

Capital One, Observe’i kullanarak, telemetri verilerini ilgili iş bağlamıyla ilişkilendirerek ve zenginleştirdiği kritik müşteri yolculuklarının durumunu ortaya koyar. Günde yüzlerce terabayt telemetri verisi alırlar, bu veriler günlükler, metrikler, izler, değişiklik kayıtları, VPC akış günlükleri ve AWS yapılandırma verilerini içerir. Observe, Capital One’a, geliştiricilerin ve SRE’lerin etkileşimli olay yanıtları ve hata ayıklaması yapabileceği birleşik bir platform sağlar.

Observe’de arka planda makine öğrenimi veya AI nasıl bir rol oynuyor ve müşterilerin daha hızlı şekilde içgörüler elde etmesine veya sorunları otomatik olarak tespit etmesine nasıl yardımcı oluyor?

Makine öğrenimi, gözlemleme alanında karışık bir geçmişe sahiptir, çünkü kurumsal ortamlar doğası gereği gürültülüdür ve binlerce anomaliye yol açmayan bir model üretmek çok zordur. Nesne tabanlı AI, çok daha derin bir etkiye sahip olacak.

AI’nin, mühendislerin gözlemleme araçlarıyla etkileşim şeklini değiştireceğine inanıyoruz. İlk olarak, doğal dil girişini kullanarak, hipotezler üretebilecek ve mühendisleri olay çözümüne rehberlik edebilecek. Ayrıca, Bilgi Grafiğimizden faydalanarak, doğru hata ayıklama için gerekli bağlamı sağlar. Bu, günümüzde rakiplerimizin sunduğu anomali tespiti veya uyarılardan daha ötedir.

Formula 1’e ilham veren liderlik tarzınız, zihinsel dayanıklılık ve hatalardan öğrenme vurgusunu içeriyor. Bu perspektif, Observe’i inşa etme ve ekibi zorluklar ve başarılar boyunca liderlik etme şeklinizi nasıl şekillendirdi?

Formula 1’de başarı, verilere dayalı kararlar almakla elde edilir, hem sürücü hem de araç için. Bir F1 arabası, sezon sonuna geldiğinde, parçalarının %90’ı değiştirilir ve pistte 2 saniye daha hızlıdır.

Observe’de de aynı zihniyete sahip olmamız gerekiyor. Yayınlarıyoruz, ölçüyoruz, dinliyoruz, hızlı bir şekilde uyum sağlıyoruz. Sanırım ürünümüzün %90’ı, birkaç yıl öncesine kıyasla şimdi farklı. Bu yaklaşım, disiplin ve alçakgönüllülük gerektirir, kötü haberleri tekrar tekrar duymak kolay değildir. Ancak, yeterli kötü haberin üzerine harekete geçerseniz, yavaş yavaş iyi haberlere dönüşür ve ARR hızlanır. Bu, sihir değil, mantıktır!

Harika röportaj için teşekkür ederiz, daha fazla bilgi edinmek isteyen okuyucular Observe‘i ziyaret edebilir.