Amplitude’de Mühendislik Başkan Yardımcısı Shadi Rostami – Röportaj Serisi

Shadi, dijital analitik lideri Amplitude’de Mühendislik Başkan Yardımcısıdır. Tutkulu, deneyimli bir teknoloji lideri ve mimarıdır ve yüksek performanslı mühendislik ekipleri oluşturup yönetme konusunda uzmanlaşmıştır. Amplitude’den önce, Palo Alto Networks’ (PANW ) te Mühendislik Başkan Yardımcısı olarak görev yapıyordu. Dağıtılmış sistemler, bulut bilişim, büyük veri, makine öğrenimi ve güvenlik konularında uzmanlaşmış çeşitli ürün ve hizmetler geliştirmiş ve sunmuştur.

Amplitude, modern makine öğrenimi ve üretken AI teknolojileri üzerine kuruludur ve ürün ekiplerinin daha akıllı, daha hızlı öğrenmelerine ve müşterileri için en iyi dijital deneyimleri yaratmalarına olanak tanır.

Bilgisayar bilimi ve mühendisliğe ilk olarak neler sizi çekti?

İran’da büyüdüm ve ilk olarak babamın istediği gibi tıp alanında bir kariyer yolu izlemeye yönlendirildim. Ancak yaklaşık bir buçuk yıl sonra, bu yolun benim için doğru olmadığını anladım. Bunun yerine mühendislik alanında eğitim aldım ve İran’da Informatic Olympiad (IOI) yarışmasına katılan ilk kız oldum ve bronz madalya kazandım. Bu, beni İran’ın Sharif Üniversitesi’nde mühendislik eğitimi almaya ve daha sonra Kanada’da British Columbia Üniversitesi’nde bilgisayar mühendisliği alanında doktora yapmaya yöneltti. Daha sonra birkaç yıl startup’lar için çalıştım ve ardından Palo Alto Networks’te on yıl geçirdim ve sonunda geliştirme, QA, DevOps ve veri biliminden sorumlu bir Başkan Yardımcısı oldum. Beş yıl önce, Amplitude’e Mühendislik Başkan Yardımcısı olarak katıldım.

Amplitude’in AI felsefesini insanları işlerini geliştirmek için AI’ı kullanma değil, insanları işlerinden uzaklaştırmak için kullanma konusundaki görüşünüzü tartışabilir misiniz?

AI, neredeyse her endüstriyi hızla değiştiriyor ve bu dönüşümle birlikte, şirketlerin bu teknolojiyi nasıl kullanacağına ilişkin sorular geliyor. AI’ı doğru kullanma konusundaki güçlü inancımız, bizim müşteri odaklı AI felsefemizi geliştirmemize yol açtı. Bu felsefe, beş temel ilkeye dayanır: (1) işbirliği ve düşünce ortaklığı, (2) veri yönetimi ve kullanıcı veri koruması, (3) şeffaflık, (4) gizlilik, güvenlik ve düzenleyici uyum, ve (5) müşteri seçimi ve kontrolü. Bu ilkelerin, şirketlerin AI’ı benimsemeye ve test etmeye devam ettikçe veri odaklı olma yolunda önemli olduğunu biliyoruz. Amacımız, insanların daha hızlı ve daha iyi kararlar almasına yardımcı olmak için AI araçları geliştirmektir. AI, insan zekası ve yaratıcılığını tamamlayıcı bir araç olarak kullanıldığında, en büyük etkisini gösterir.

AI驱动的商业环境中的“数据民主化” kavramını açıklar mısınız?

“Veri demokrasisi, ekiplerin doğru zamanda doğru veri içgörülerine erişebildiklerinde daha iyi, daha hızlı ve daha verimli çalışabileceği bilincine dayanır. Bugün hızla gelişen AI驱动 ortamında, ekipler veri çekme için günler veya haftalar bekleyemez. Bunu önlemek için, şirketlerin ekiplerini veri kullanımını özelleştirerek güçlendirmesi gerekir. Ancak bu, parametrelerin olmadığı veri kaosunu anlamına gelmez. Sonunda, kötü veri kötü AI’ya yol açar. Ancak doğru araçlar ve süreçler yerinde olduğunda, şirketler veri demokrasini veri yönetimi ile dengeleyerek daha iyi iş sonuçları elde edebilir.”

AI çağındaki gerçek veri demokrasisini sağlamak için organizasyonel kültürde hangi ana değişikliklere inanıyorsunuz?

Organizasyonunuz içinde gerçek bir veri demokrasisi kurmak, iki temel kültürel değişiklikle başlar: doğru ve erişilebilir araçları sağlamak ve veri okuryazarlığı konusunda şirket çapında çabalar göstermek. Bu, non-teknik takım üyelerinin, örneğin pazarlama veya müşteri başarısı ekiplerinin, yalnızca veri erişimi değil, aynı zamanda veri analizi ve eyleme geçirme yeteneklerini kazanmasını sağlar. Kendi kendine hizmet veren veri analitiği araçları, takım içi işbirliğini teşvik edebilir, meraklılığı ve keşfi teşvik edebilir, veri okuryazarlığını ölçeklendirebilir ve etki ve sonuçlara odaklanabilir. Ayrıca, merkezi veri ekibi ve iş birimi ekipleri arasında ortak çabalar göstermek önemlidir, böylece veri kalitesi zamanla bozulmaz.

Organizasyonların veri demokrasini gerçekleştirmekte karşılaştıkları en önemli zorluklar nelerdir ve bu engelleri nasıl aşabilirler?

Şirketler, geçmişte veri merkezi bir ekip içinde toplamak için çalıştılar ve organizasyonun geri kalanı, günlük operasyonlar ve karar alma için kritik olabilecek analiz ve önemli içgörüler için bu ekibe bağımlı kaldı. Veri erişiminin demokrasileştirilmesi, bu tıkanıklığı çözmek için kritiktir, ancak zor da olabilir. Veri liderleriyle self-servis hakkında konuştuğumda, bir spektrum olduğunu görüyorum. Bir uçta, non-teknik ve iş birimi ekipleri için düşük kurulum araçları var, ancak bu araçlar derinlik ve genişlikte cevaplar sunmuyor. Diğer uçta, daha teknik ekipler için daha teknik araçlar var, ancak bunlar daha esnek, ancak yavaş ve muhtemelen çok az kişi tarafından kullanılabilir. “Veri ekmeği” yaratıyorlar … her zaman cevapları bekliyorsunuz. Ekiplere, keşif ve deneysel çalışmaya teşvik eden, değilse engellemeyen, orta düzeyde bir çözüm gerekiyor. Doğru araçlar ve takım eğitimi ile şirketler, veri demokrasini daha kolay bir şekilde gerçekleştirebilir.

Veri demokrasinde veri okuryazarlığı ne kadar önemlidir ve şirketler çalışanlarının veri okuryazarlığını nasıl geliştirebilir?

Takımlarınız arasında veri demokrasisi ortamını teşvik etmek, eğitim ve şirket çapında kabul gerektiren bir kültürel zorluktur. Non-teknik üyelere veri işlemlerini öğretme deneyimimde, bu becerileri geliştirmenin en iyi yolu, eğitim ve pratik öğrenmenin bir kombinasyonudur. Kapsamlı bir eğitim programı geliştirmenizi öneririm, böylece çalışanlar, elde ettikleri içgörülerde kendilerini rahat ve güvenli hissedebilirler. SQL bilgisine ihtiyaç duyan araçlar gibi, non-teknik kullanıcıları dışlayıcı araçlar kullanmamaya dikkat edin. Ardından, çalışanların veri ile oynamaya ve deneyim kazanmaya başlaması için fırsatlar sunun. Son olarak, keşif ve işbirliğini teşvik eden bir araç uygulayın. İnsanlar daha az yalnız çalıştıkça, birbirlerinin fikirlerini daha fazla paylaşabilir ve daha aydınlatıcı içgörüler elde edebilirler. Bir veri uzmanı olarak, non-teknik bir ekibe öğretiyorsanız, yıllarca veri nasıl elde edileceği ve kullanılacağı konusunda eğitim aldığınızı unutmayın, bu nedenle farklı düşünüyorsunuz. Başkalarına öğretmeye açık olun, yoksa başkalarına sorularını cevaplamak için hiç zamanınız olmayacak.

Veri araçları ve üretken AI teknolojilerinin hızlı evrimi karşısında, şirketlerin veri yönetimi ve kullanım stratejilerini nasıl uyarlamaları gerekir?

Veri yönetimi, şirketlerin masih karşılaştığı ana zorluklardan biridir ve anlamlı AI ve veri deneyimleri için her organizasyonun halletmesi gereken bir konudur. AI, onu besleyen verilerin kalitesine bağlıdır ve temiz veri, daha etkili içgörüler, daha mutlu kullanıcılar ve iş büyümesi sağlar. Bu nedenle, şirketlerin veri temizleme ve taksonomisi konusunda proaktif olmaları ve AI yönetimini ve kalitesini yönetmek için üretken AI’ı kullanma fırsatları olması gerekir. Örneğin, Amplitude’de geçen yıl AI Güçlü Veri Asistanı ürünümüzü piyasaya sürdük, bu ürün akıllı öneriler ve otomasyon sunar ve veri yönetimini sorunsuz hale getirir ve kullanıcıların veri kalitesi çabalarına liderlik etmesini sağlar.

Amplitude, şirketlerin müşteri yolculuğunu daha iyi anlamalarına nasıl yardımcı olur?

Harika dijital ürünler ve deneyimler yaratmak zor, özellikle de bugün rekabetin yüksek olduğu ortamda. Bugün birçok şirket, kimin için ürün geliştirdiğini veya müşterilerinin ne istediğini bilmiyor. Amplitude, şirketlere “Müşterilerimiz neyi sever? Nerede takılırlar? Ne onları geri getirir?” gibi soruları cevaplamak için nicel ve nitel veri içgörülerini sağlar. Platformumuz, müşteri edinimi, para kazanma ve müşteri tutma döngüsünü yönlendirmek için verileri ortaya çıkarmaya yardımcı olur. Bugün, 2.700’den fazla müşteri, Atlassian (TEAM ), NBC Universal ve Under Armour (UAA ) gibi büyük şirketler, Amplitude’i daha iyi ürünler yaratmak için kullanıyor.

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