Шаді Ростамі, старший віце-президент з інженерії в Amplitude – Серія інтерв’ю

Шаді – старший віце-президент з інженерії в лідері цифрової аналітики Amplitude. Вона – пристрасний, досвідчений технологічний лідер і архітектор, який має досвід будівництва та управління висококваліфікованими інженерними командами. До того, як приєднатися до Amplitude, вона обіймала посаду віце-президента з інженерії в компанії Palo Alto Networks (PANW ). Вона розробила та реалізувала кілька продуктів і послуг, спеціалізуючись на розподілених системах, хмарних обчисленнях, великих даних, машинному навчанні та безпеці.

Amplitude побудований на сучасних технологіях машинного навчання та генерації штучного інтелекту, які дозволяють командам продуктів будувати розумніші продукти, швидше вчиться та створювати найкращі цифрові досвіди для своїх клієнтів.

Що спочатку привернуло вашу увагу до комп’ютерних наук та інженерії?

Я виросла в Ірані та спочатку обрала шлях у школі, який би дозволив мені стати лікарем, що було бажанням мого батька та того, яким був мій брат. Через рік і пів я вирішила, що це не мій шлях. Замість цього я обрала інженерію та стала першою дівчиною в Ірані, яка взяла участь в Інформаційній Олімпіаді (IOI) та виграла бронзову медаль, щорічний конкурс для школярів з усього світу, який змагався в математиці, фізиці, інформатиці та хімії. Це призвело мене до вивчення інженерії в університеті Шаріфа в Ірані та пізніше до отримання ступеня доктора філософії з комп’ютерної інженерії в Університеті Британської Колумбії в Канаді. Після цього я працювала в стартапах протягом декількох років, а потім провела десятиліття в компанії Palo Alto Networks, де в підсумку стала віце-президентом, відповідальним за розвиток, тестування, DevOps та науку про дані. П’ять років тому я перейшла в Amplitude на посаду старшого віце-президента з інженерії.

Чи можете ви обговорити основну філософію штучного інтелекту Amplitude, згідно з якою штучний інтелект повинен допомагати людям у покращенні їхньої роботи, а не замінювати їх?

Штучний інтелект швидко трансформує майже кожну галузь, і разом з цією трансформацією виникають питання про те, як компанії будуть використовувати цю технологію. Ми твердо переконані в тому, що потрібно правильно використовувати штучний інтелект. Ця віра привела нас до розробки нашої клієнто-орієнтованої філософії штучного інтелекту, яка заснована на п’яти основних принципах: (1) спільна розробка та партнерство у думках, (2) управління даними та захист даних користувачів, (3) прозорість, (4) конфіденційність, безпека та дотримання нормативних вимог, і (5) вибір та контроль клієнта. Ми знаємо, що ці принципи є ключовими, оскільки компанії продовжують приймати та тестувати штучний інтелект та в підсумку стають真正ними даними. Для наших цілей це означає будівництво інструментів штучного інтелекту, які допомагають людям швидше отримувати інформацію. Коли штучний інтелект використовується правильно, ці знання призводять до швидших, кращих рішень, які приводять до результатів на рівні нижньої межі. Використання штучного інтелекту як інструменту для доповнення людського інтелекту та креативності – це місце, де я бачу найбільший вплив штучного інтелекту.

Чи можете ви пояснити концепцію “демократії даних” в контексті сучасної бізнес-середовища, яке рухається штучним інтелектом?

“Демократія даних рухається знанням того, що команди працюють краще, швидше та ефективніше, коли вони можуть отримувати правильні дані в правильний час. У сучасному швидкозмінному середовищі, яке рухається штучним інтелектом, команди не можуть дозволити собі чекати днів або тижнів на отримання даних. Щоб пом’якшити це, компанії повинні наділити свої команди можливістю використовувати дані самостійно. Тепер це не означає хаос даних без параметрів. У кінцевому підсумку погані дані призводять до поганого штучного інтелекту. Але з правильними інструментами та процесами компанії можуть балансувати демократизацію даних з управлінням даними, забезпечуючи кращі бізнес-результати.”

Які ключові зміни в організаційній культурі, на вашу думку, є необхідними для забезпечення真正ої демократії даних у добу штучного інтелекту?

Створення真正ої демократії даних в організації починається з двох фундаментальних змін культури: надання правильних, найбільш доступних інструментів та проведення організаційних зусиль щодо грамотності даних. Це означає прийняття інструментів самообслуговування, які дозволяють некваліфікованим членам команди, таким як маркетингові або служби клієнтів, не тільки отримувати дані, але й аналізувати та приймати рішення на їх основі. Я вважаю, що самообслуговування даних може та повинно стимулювати співробітництво між командами, надихати цікавість та дослідження, масштабувати грамотність даних та створювати упередження щодо дії та впливу. Також важливо проводити спільні зусилля між центральною командою даних та командами бізнесу для забезпечення безперервного управління даними та запобігання погіршенню якості даних з часом.

За вашим досвідом, які найзначущіші виклики стоять перед організаціями в досягненні демократизації даних, і як вони можуть подолати ці перешкоди?

У минулому компанії намагалися централізувати дані в одній команді експертів, залишаючи решту організації залежною від цієї команди для отримання аналізу та ключових знань, які можуть бути критичними для їх щоденної діяльності та прийняття рішень. Хоча демократизація доступу до даних є важливим для вирішення цієї瓶годи, це також може бути складним. Коли я розмовляю з лідерами даних про операціоналізацію самообслуговування, стає ясно, що існує спектр. З одного боку, є інструменти з низькими налаштуваннями для некваліфікованих та команд бізнесу. В кінцевому підсумку ці інструменти не дають глибини та ширини відповідей, яких потребують ці команди. З іншого боку, є більш технічні інструменти для більш технічних команд. Вони більш гнучкі щодо аналізу, але вони повільні, і, ймовірно, тільки кілька людей можуть їх використовувати. Ми називаємо ці інструменти “хлібною чергою” … ви завжди чекаєте на відповіді. Командам потрібен інструмент у середині. Подумайте про нестандартні рішення, які заохочують, а не гальмують дослідження та експерименти. З правильними інструментами та освітою команд компанії можуть легше подолати розрив у демократизації даних.

Як важлива грамотність даних у процесі демократизації даних, і які кроки повинні зробити компанії для покращення її серед своїх працівників?

Створення середовища демократизації даних серед команд – це культурний виклик, який вимагає освіти та загальної згоди компанії. У моїх досвідах з викладанням процесів даних некваліфікованим членам команди найкращий спосіб розвитку цих навичок – це поєднання навчання та практичного навчання. Я рекомендую розробити комплексну програму навчання, щоб забезпечити, щоб працівники відчували себе комфортно та впевнено у знаннях, які вони отримують з даних. Перевірте, чи використовуєте ви інструмент, який не забороняє некваліфікованим користувачам: наприклад, будь-який інструмент, який вимагає знання SQL, буде маргіналізувати людей без програмних знань. Потім надайте можливості працівникам зануритися в дані та почати експериментувати з ними. Нарешті, реалізуйте інструмент, який сприяє дослідженням та співробітництву. Чим менше людей працюють у ізоляції, тим більше вони можуть обмінюватися ідеями, що призводить до більш освічених знань. Якщо ви спеціаліст з даних, який навчає некваліфікованого члена команди, пам’ятайте, що ви провели роки, вивчаючи, як отримувати та використовувати дані, тому ви думаєте про це інакше, ніж звичайний користувач. Будьте відкритими до навчання інших, а не робіть все самостійно. В іншому випадку у вас ніколи не буде вільного часу для чогось іншого, окрім відповідей на питання людей.

Як компанії повинні адаптувати свої стратегії, щоб залишатися лідерами у управлінні та використанні даних з урахуванням швидкої еволюції інструментів даних та технологій генерації штучного інтелекту?

Управління даними – один з основних викликів, з якими все ще стикаються компанії, і це щось, що кожна організація повинна вирішити, щоб надати значущі досвіди штучного інтелекту та даних. Штучний інтелект такий же хороший, як дані, які його живлять, а чисті дані призводять до більш впізнаваних знань, щасливіших користувачів та бізнес-розвитку. У цьому сенсі компанії повинні бути проактивними щодо очищення даних та таксономії, і існують можливості використовувати генерацію штучного інтелекту для управління управлінням штучним інтелектом та якістю. Наприклад, в Amplitude ми запустили наш продукт Data Assistant, який пропонує розумні рекомендації та автоматизацію для забезпечення безперервного управління даними та допомоги користувачам у керуванні зусиллями щодо якості даних.

Як Amplitude дозволяє підприємствам краще зрозуміти шлях клієнта?

Створення великих цифрових продуктів та досвіду – це складно, особливо у сучасному конкурентному ландшафті. Сьогодні багато компаній все ще не знають, для кого вони будують продукти, або чого хочуть їх клієнти. Amplitude допомагає підприємствам відповісти на питання, такі як “Що люблять наші клієнти? Де вони застряють? Що тримає їх поверненнями?” через кількісні та якісні дані. Наша платформа допомагає підприємствам краще зрозуміти кінцевий шлях клієнта, надаюючи дані для керування циклом придбання клієнтів, монетизації та утримання клієнтів. Сьогодні понад 2 700 клієнтів, включаючи бренди підприємств, такі як Atlassian (TEAM ), NBC Universal та Under Armour (UAA ), використовують Amplitude для створення кращих продуктів.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Amplitude.