Jeremy Burton, CEO của Observe – Loạt Phỏng Vấn

Jeremy Burton, CEO của Observe, là một giám đốc phần mềm doanh nghiệp có kinh nghiệm với hơn 20 năm kinh nghiệm lãnh đạo tại các công ty công nghệ lớn như Dell Technologies (DELL ), EMC, Oracle (ORCL ) và VERITAS. Ông đã lãnh đạo các đội toàn cầu trong phát triển sản phẩm, tiếp thị và mua lại chiến lược, xây dựng và mở rộng các doanh nghiệp trong lĩnh vực lưu trữ, bảo mật và SaaS. Burton cũng đồng sáng lập Mạng Công nghệ Oracle, đã phát triển đến hàng triệu thành viên trên toàn thế giới, và hiện đang ngồi trong Hội đồng Quản trị của Snowflake và là cố vấn cho đội Formula 1 của McLaren.

Observe, có trụ sở tại San Mateo, California, là một nền tảng quan sát SaaS thế hệ tiếp theo giúp các đội SRE, DevOps và kỹ sư điều tra và tối ưu hóa các hệ thống phân bố hiện đại. Được xây dựng trên cơ sở hạ tầng dữ liệu của Snowflake, nó thống nhất các nhật ký, số liệu và dấu vết vào một tập dữ liệu duy nhất, giàu ngữ cảnh – cho phép các đội tăng tốc độ phản hồi sự cố, xác định nguyên nhân gốc rễ và cải thiện độ tin cậy trên các môi trường đám mây phức tạp.

Bạn đã từng giữ các vị trí lãnh đạo cấp cao tại các công ty lớn toàn cầu như Dell, EMC và Oracle, và bây giờ bạn đang lãnh đạo một công ty khởi nghiệp với Observe. Điều gì đã thúc đẩy bạn rời bỏ sự ổn định và quy mô để nhảy vào việc xây dựng một thứ gì đó từ đầu?

Tôi đã may mắn trong sự nghiệp khi làm việc cho một số nhà lãnh đạo đáng kinh ngạc, bao gồm Larry Ellison và Michael Dell. Tôi đã làm việc với họ 20 hoặc 30 năm sau khi họ bắt đầu, nhưng điều khiến họ đáng chú ý là họ đã ở đó từ đầu. Họ đưa ra các quyết định sản phẩm ban đầu, thiết lập các tuyến đường đến thị trường và thiết lập một văn hóa cho sự thành công lâu dài. Vai trò của tôi là cung cấp các cải tiến dần dần trên cơ sở nhiều thập kỷ làm việc chăm chỉ mà họ đã thực hiện. Cuối cùng, tôi đã đạt đến một điểm trong sự nghiệp của mình nơi tôi muốn chứng minh cho bản thân rằng tôi cũng có thể xây dựng một công ty, đưa một sản phẩm đến thị trường phù hợp, thiết lập một chuyển động bán hàng và tạo ra một văn hóa mà tôi tin rằng có thể phát triển trong dài hạn.

Observe đang định vị mình như một thể loại mới trong khả năng quan sát, tích hợp nhật ký, phân tích và giám sát vào một nền tảng thống nhất. Bạn nhìn thấy cách tiếp cận này định nghĩa lại không gian so với các công ty cũ như Splunk và Datadog (DDOG ) như thế nào?

Vấn đề lớn mà các công cụ cũ phải đối mặt là chúng không được xây dựng để mở rộng quy mô. Trong các cuộc trò chuyện với khách hàng, chúng tôi đã thấy lại và lại rằng Splunk và Datadog trở nên tốn kém khi khối lượng telemetry tăng lên, và đó là một vấn đề cơ bản với cách các công cụ cũ được thiết kế.

Observe khác biệt ở chỗ nền tảng của chúng tôi được xây dựng trên kiến trúc hồ dữ liệu luồng sử dụng các định dạng mở như Apache Iceberg. Điều đó có nghĩa là chúng tôi có thể tách biệt tính toán khỏi lưu trữ, mở rộng quy mô đàn hồi và cung cấp khả năng quan sát với một phần nhỏ chi phí của các hệ thống truyền thống. Các đối thủ như Splunk vẫn phụ thuộc vào kiến trúc monolithic đòi hỏi phải lập kế hoạch cho công suất đỉnh – và thậm chí các công cụ mới hơn như Datadog đòi hỏi phải phân cấp dữ liệu, tái hydrat hóa và tái lập chỉ mục để kiểm soát chi phí.

Chúng tôi cũng tập trung vào trải nghiệm quan sát thống nhất. Nhật ký, số liệu, dấu vết và sự kiện đều sống trong một nơi, với một ngôn ngữ truy vấn duy nhất và một Biểu đồ Tri thức tự động ánh xạ các mối quan hệ giữa dịch vụ, người dùng và sự cố. Đó là ngữ cảnh làm cho việc giải quyết sự cố nhanh hơn. Ngược lại, Splunk và Datadog có các backend riêng biệt cho nhật ký, số liệu và dấu vết, dẫn đến phân tích chậm hơn.

Cuối cùng, chúng tôi đã đầu tư mạnh mẽ vào việc giải quyết sự cố dựa trên AI. O11y AI SRE của chúng tôi có thể nhận đầu vào ngôn ngữ tự nhiên, tạo ra các giả thuyết và hướng dẫn các kỹ sư thông qua việc giải quyết sự cố, không chỉ cảnh báo họ. Và nó được thiết kế để tận dụng Biểu đồ Tri thức của chúng tôi, cung cấp ngữ cảnh cần thiết cho việc giải quyết sự cố chính xác. Đó là một bước tiến vượt bậc so với việc phát hiện bất thường hoặc cảnh báo mà hầu hết các đối thủ cạnh tranh cung cấp ngày nay.

Đặt đơn giản: chúng tôi tiết kiệm chi phí, chúng tôi thống nhất và chúng tôi mở. Đó là những phẩm chất mà khách hàng liên tục cho chúng tôi biết là gì làm cho Observe khác biệt so với các công ty cũ như Splunk và các công ty mới như Datadog.

Đã từng giữ các vị trí lãnh đạo cấp cao tại các công ty lớn và hiện đang điều hành một công ty khởi nghiệp, bạn học được những bài học gì về hiệu quả, sự linh hoạt hoặc đổi mới từ các doanh nghiệp lớn – và những bài học nào không?

Điều này trái ngược với trực giác, nhưng các công ty lớn thành công chỉ làm một số điều thực sự tốt, và họ hiểu mọi chi tiết. Những công ty đó gặp khó khăn làm quá nhiều thứ, và mọi thứ suy giảm thành trung bình.

Tại một công ty khởi nghiệp, bạn tập trung vào một điều tại một thời điểm và ám ảnh mọi chi tiết. Không có đủ tài trợ để làm hơn thế. Kết quả là, điều khiến các công ty khởi nghiệp trở nên mãnh liệt là bạn có thể thực sự phá sản nếu bạn không giải quyết được vấn đề đủ nhanh. Do đó, bạn phải đưa ra quyết định nhanh hơn, phát hành nhanh hơn, thất bại nhanh hơn và học hỏi nhanh hơn. Trên hết, bạn phải làm tất cả những điều đó với ít người hơn.

Tuy nhiên, khía cạnh giải phóng nhất của một công ty khởi nghiệp là bạn không có một sản phẩm, mô hình kinh doanh hoặc tuyến đường đến thị trường đã được thiết lập. Điều đó có nghĩa là có sự tự do để đưa ra những giả định mới về tất cả những điều này. Đó không phải là trường hợp tại một công ty lớn. Ví dụ, bạn không thể phá vỡ mô hình kinh doanh với một sản phẩm mới phá vỡ. Ngay cả khi về mặt kỹ thuật bạn có thể xây dựng nó, thì CFO và Phố Wall sẽ không cho phép bạn tối đa hóa tiềm năng của nó. Đó là lý do tại sao các công ty khởi nghiệp thắng nhiều lần khi, về mặt lý thuyết, họ không nên có cơ hội.

Bạn cũng đã từng là thành viên hội đồng quản trị tại Snowflake trong gần một thập kỷ. Bạn đã học được những gì từ hành trình của Snowflake mà thông báo cho chiến lược của bạn tại Observe?

Snowflake đã tấn công một vấn đề cũ với một kiến trúc mới. Họ đã xây dựng công nghệ của mình trên một ý tưởng đơn giản nhưng mạnh mẽ và phá vỡ một thị trường khổng lồ bị kẹt lại bởi các nhà cung cấp cũ. Có một số bài học ở đây: chơi trong các thị trường khổng lồ, và bạn có thể xây dựng một công ty khổng lồ. Ngoài ra, bạn phải có một cách tiếp cận khác biệt so với các công ty cũ để khách hàng có thể thấy những lợi ích khổng lồ khi chuyển đổi.

Thị trường quan sát mà chúng tôi đang tấn công là khổng lồ, 30 tỷ đô la và đang phát triển. Chúng tôi đã giải quyết vấn đề quan sát theo một cách rất độc đáo: sử dụng một nền tảng hồ dữ liệu, tính toán đàn hồi và các định dạng mở. Điều này hứa hẹn sẽ mang lại cho khách hàng một sự cải thiện đáng kể về tốc độ giải quyết sự cố và chi phí tổng thể.

Bạn đã từng tham gia sâu vào phát triển sản phẩm, tiếp thị và mua lại quy mô lớn. Làm thế nào nền tảng rộng lớn đó ảnh hưởng đến cách bạn ưu tiên các chiến lược tăng trưởng tại Observe?

Trong những ngày đầu của một công ty khởi nghiệp, điều này khá đơn giản, bạn xây dựng một sản phẩm tuyệt vời và cố gắng bán nó. Đó là chiến lược tăng trưởng. Đó được nói, sự nghiệp của tôi rất thiên về phần mềm doanh nghiệp và giải quyết các vấn đề phức tạp cho các doanh nghiệp lớn, vì vậy điều đó không có gì ngạc nhiên khi Observe tập trung vào đó!

Dựa trên kinh nghiệm của tôi, tôi tin rằng để xây dựng một công ty quan sát lớn, bạn phải giải quyết vấn đề cho các công ty lớn nhất trên thế giới. Đó là vấn đề về petabyte dữ liệu, hàng nghìn người dùng và hàng nghìn ứng dụng. Có nhiều công ty quan sát, nhưng rất ít có thể thắng trong môi trường đó, tôi đang đảm bảo rằng Observe có thể.

Khả năng quan sát đã trở thành quan trọng khi các ứng dụng phân bố hiện đại trở nên phức tạp hơn. Bạn nhìn thấy những thách thức và cơ hội lớn nhất cho các doanh nghiệp trong 3-5 năm tới?

Thách thức lớn nhất ngày nay là quy mô. Kubernetes, microservices và bây giờ là các công việc AI đang tạo ra các khối lượng dữ liệu khiến các công cụ truyền thống bị quá tải. Độ tin cậy của các công cụ đó giảm mạnh khi chi phí tăng vọt và điều đó không bền vững; một kiến trúc mới là cần thiết.

Để làm cho vấn đề trở nên tồi tệ hơn, trong vài năm tới, chúng ta sẽ thấy nhiều mã được viết, được hỗ trợ bởi các công cụ mã hóa AI, hơn bất kỳ thời điểm nào trong lịch sử. Mã đó sẽ không hoàn hảo, và vào một thời điểm nào đó, nó sẽ thất bại. Khu vực tăng trưởng nằm ở việc hỏi bản thân: làm thế nào để giải quyết mã mà không ai viết? Và hoặc, trong khi các công cụ mã-gen có thể nhìn vào mã và sửa lỗi, chúng có thể thực sự nhìn vào cách ứng dụng đang hoạt động trong sản xuất và tìm ra mã có vấn đề? Đó là một cơ hội khổng lồ cho các nhà cung cấp khả năng quan sát trong tương lai.

Nhiều đội gặp khó khăn với sự chồng chéo của công cụ, sử dụng các hệ thống riêng biệt cho nhật ký, số liệu và dấu vết. Observe giúp đơn giản hóa trải nghiệm đó cho các đội kỹ sư và DevOps như thế nào?

Thay vì phải xử lý ba hoặc bốn công cụ, Observe cung cấp cho khách hàng một nền tảng duy nhất để sử dụng. Nhật ký, số liệu, dấu vết và cảnh báo của một công ty sống trong cùng một hệ thống và được kết nối bởi một Biểu đồ Tri thức. Biểu đồ Tri thức cung cấp ngữ cảnh cho phép người dùng khoan và xoay mượt mà qua nhật ký, số liệu và dấu vết để tăng tốc độ giải quyết sự cố. Điều này giảm thiểu thời gian họ phải dành để nhảy từ nền tảng này sang nền tảng khác, cho phép họ khám phá ra vấn đề mà không cần xuất dữ liệu hoặc chuyển đổi ngữ cảnh.

Bạn có thể chia sẻ một ví dụ cụ thể về cách Observe đã giúp một khách hàng giải quyết một vấn đề lớn – một thứ gì đó sẽ khó khăn hoặc không thể với các công cụ quan sát truyền thống?

Capital One sử dụng Observe để hiển thị trạng thái của các hành trình khách hàng quan trọng bằng cách liên kết và làm giàu dữ liệu telemetry với ngữ cảnh kinh doanh liên quan. Họ tiêu thụ hàng trăm terabyte dữ liệu telemetry mỗi ngày, bao gồm nhật ký, số liệu, dấu vết, hồ sơ thay đổi, nhật ký lưu lượng VPC và dữ liệu cấu hình AWS. Observe cung cấp cho Capital One một nền tảng quan sát thống nhất để các nhà phát triển và SRE có thể thực hiện phản hồi và gỡ lỗi sự cố tương tác.

Vai trò của học máy hoặc AI là gì đằng sau các cảnh tại Observe, và nó đang giúp khách hàng đưa ra những hiểu biết nhanh hơn hoặc tự động phát hiện vấn đề như thế nào?

Học máy đã có một lịch sử phức tạp trong khả năng quan sát vì môi trường doanh nghiệp vốn dĩ là ồn ào, và rất khó để tạo ra một mô hình không dẫn đến hàng nghìn bất thường. AI sinh là một công nghệ rất khác và sẽ có tác động sâu sắc hơn.

Chúng tôi tin rằng AI sẽ thay đổi cách các kỹ sư tương tác với công cụ quan sát. Đầu tiên, họ sẽ có thể nói trực tiếp với dữ liệu quan sát của họ bằng ngôn ngữ tự nhiên trong khi ngồi trong IDE, nửa số người dùng trong tương lai có thể sẽ không bao giờ đăng nhập hoặc học Observe! Thứ hai, các tác nhân AI sẽ có mặt trong “thời gian hòa bình” để quét telemetry và tìm kiếm các vấn đề tiềm ẩn có thể cuối cùng dẫn đến một sự cố. Các tác nhân AI không mệt mỏi hoặc chán nản và chúng có thể thực hiện công việc mà con người không thể làm. Cuối cùng, trong “thời gian chiến tranh”, các tác nhân AI sẽ hỗ trợ các kỹ sư và SRE với hành động họ nên thực hiện để giải quyết vấn đề.

Phong cách lãnh đạo của bạn lấy cảm hứng từ Công thức 1 nhấn mạnh sự kiên cường về tinh thần và học hỏi từ sai lầm. Phong cách lãnh đạo đó đã định hình cách tiếp cận của bạn trong việc xây dựng Observe và lãnh đạo đội ngũ thông qua cả những thành công và thách thức như thế nào?

Sự thành công trong F1 được tạo ra bằng cách sử dụng dữ liệu để hướng dẫn các quyết định trong tương lai, cả cho người lái xe và chiếc xe. Bằng thời điểm một chiếc xe F1 đến cuối mùa, 90% các bộ phận đã được thay thế, và nó nhanh hơn 2 giây trên đường đua.

Tại Observe, chúng tôi phải có cùng tâm lý để thành công. Chúng tôi phát hành, đo lường, lắng nghe, thích nghi nhanh chóng. Tôi sẽ tưởng tượng 90% sản phẩm của chúng tôi khác biệt so với chỉ hai năm trước. Cách tiếp cận này đòi hỏi sự kỷ luật và sự khiêm tốn, không dễ dàng khi nghe những tin xấu liên tục. Tuy nhiên, nếu bạn hành động đủ nhiều tin xấu, nó sẽ dần dần chuyển thành tin tốt, và ARR tăng tốc. Đó không phải là ma thuật, đó là logic!

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Observe.