Shadi Rostami, SVP của Kỹ sư tại Amplitude – Loạt phỏng vấn

Shadi là SVP của Kỹ sư tại công ty phân tích kỹ thuật số hàng đầu Amplitude. Cô là một nhà lãnh đạo công nghệ đam mê, có kinh nghiệm và kiến trúc sư có kinh nghiệm trong việc xây dựng và quản lý các đội kỹ sư rất giỏi. Trước khi Amplitude, cô là VP của Kỹ sư tại Palo Alto Networks. Cô đã đổi mới và cung cấp một số dòng sản phẩm và dịch vụ chuyên về hệ thống phân tán, điện toán đám mây, dữ liệu lớn, học máy và bảo mật.

Amplitude được xây dựng trên công nghệ học máy hiện đại và trí tuệ nhân tạo tạo ra, cho phép các đội sản phẩm xây dựng thông minh hơn, học hỏi nhanh hơn và tạo ra những trải nghiệm kỹ thuật số tốt nhất cho khách hàng của họ.

Điều gì ban đầu thu hút bạn đến với khoa học máy tính và kỹ thuật?

Tôi lớn lên ở Iran và ban đầu theo đuổi con đường trung học mà sẽ cho phép một sự nghiệp trong y học, con đường mà cha tôi muốn tôi theo đuổi và con đường mà anh trai tôi đã làm. Khoảng một năm rưỡi, tôi quyết định đó không phải là con đường cho tôi. Thay vào đó, tôi theo đuổi kỹ thuật và cuối cùng trở thành cô gái đầu tiên ở Iran tham gia Olympic Tin học (IOI) và giành huy chương Đồng, một cuộc thi hàng năm cho học sinh trung học trên toàn thế giới tham gia vào toán, vật lý, Tin học và hóa học. Điều đó dẫn tôi đến theo đuổi kỹ thuật tại Đại học Công nghệ Sharif ở Iran và sau đó lấy bằng Tiến sĩ về kỹ thuật máy tính tại Đại học British Columbia ở Canada. Sau đó, tôi làm việc cho các công ty khởi nghiệp trong vài năm và sau đó dành một thập kỷ tại Palo Alto Networks, cuối cùng trở thành VP chịu trách nhiệm về phát triển, QA, DevOps và khoa học dữ liệu. Năm năm trước, tôi chuyển đến Amplitude với tư cách là SVP của Kỹ sư.

Bạn có thể thảo luận về triết lý AI cốt lõi của Amplitude rằng AI nên hỗ trợ con người trong việc cải thiện công việc của họ chứ không phải thay thế họ?

AI đang nhanh chóng biến đổi gần như mọi ngành công nghiệp, và với sự biến đổi này, có những câu hỏi về cách các công ty sẽ sử dụng công nghệ này. Chúng tôi cảm thấy mạnh mẽ về việc làm cho AI đúng. Niềm tin này đã dẫn chúng tôi đến việc phát triển triết lý AI lấy khách hàng làm trung tâm, dựa trên năm nguyên tắc chính: (1) phát triển và đối tác suy nghĩ hợp tác, (2) quản lý dữ liệu và bảo vệ dữ liệu người dùng, (3) minh bạch, (4) riêng tư, bảo mật và tuân thủ quy định, và (5) lựa chọn và kiểm soát của khách hàng. Chúng tôi biết những nguyên tắc này là chìa khóa khi các công ty tiếp tục áp dụng và thử nghiệm AI và cuối cùng trở thành thực sự dựa trên dữ liệu. Đối với mục đích của chúng tôi, điều này có nghĩa là xây dựng các công cụ AI giúp người dùng đến được thông tin nhanh hơn. Khi được sử dụng đúng cách, những thông tin này dẫn đến quyết định nhanh hơn, tốt hơn, thúc đẩy kết quả cuối cùng. Sử dụng AI như một công cụ để bổ sung trí tuệ và sáng tạo của con người là nơi tôi thấy AI có tác động lớn nhất.

Bạn có thể giải thích khái niệm “dân chủ hóa dữ liệu” trong bối cảnh môi trường kinh doanh được thúc đẩy bởi AI hiện nay?

“Dân chủ hóa dữ liệu được thúc đẩy bởi kiến thức rằng các đội hoạt động tốt hơn, nhanh hơn và hiệu quả hơn khi họ có thể truy cập vào thông tin dữ liệu đúng vào đúng thời điểm. Trong môi trường được thúc đẩy bởi AI đang phát triển nhanh chóng ngày nay, các đội không thể chờ đợi vài ngày hoặc vài tuần để lấy dữ liệu. Để giảm thiểu điều này, các công ty phải trao quyền cho các đội của họ để tận dụng dữ liệu theo cách tự phục vụ. Bây giờ, điều này không có nghĩa là hỗn loạn dữ liệu mà không có tham số. Cuối cùng, dữ liệu xấu dẫn đến AI xấu. Nhưng với các công cụ và quy trình đúng đắn, các doanh nghiệp có thể cân bằng giữa dân chủ hóa dữ liệu và quản lý dữ liệu, cho phép đạt được kết quả kinh doanh tốt hơn.”

Điều gì bạn tin là những thay đổi quan trọng trong văn hóa tổ chức để cho phép thực sự dân chủ hóa dữ liệu trong thời đại AI?

Thiết lập một nền dân chủ hóa dữ liệu thực sự trong tổ chức của bạn bắt đầu với hai thay đổi văn hóa cơ bản: cung cấp các công cụ dễ tiếp cận nhất và thực hiện các nỗ lực toàn tổ chức xung quanh khả năng đọc dữ liệu. Điều này có nghĩa là áp dụng các công cụ tự phục vụ cho phép các thành viên không kỹ thuật trong đội, chẳng hạn như đội tiếp thị hoặc thành công của khách hàng, không chỉ truy cập dữ liệu mà còn phân tích và thực hiện hành động trên nó. Tôi tin rằng phân tích dữ liệu tự phục vụ có thể và nên thúc đẩy sự hợp tác giữa các đội, khơi dậy sự tò mò và khám phá, mở rộng khả năng đọc dữ liệu và đặt sự thiên vị về hành động và tác động. Ngoài ra, điều quan trọng là phải dành nỗ lực chung giữa đội dữ liệu trung tâm và các đội kinh doanh để thực hiện quản lý dữ liệu liên tục và đảm bảo chất lượng dữ liệu không suy giảm theo thời gian.

Trong kinh nghiệm của bạn, những thách thức quan trọng nhất mà các tổ chức phải đối mặt trong việc đạt được dân chủ hóa dữ liệu là gì và họ có thể vượt qua những chướng ngại vật này như thế nào?

Trong quá khứ, các công ty đã cố gắng tập trung hóa dữ liệu trong một đội chuyên gia, để lại phần còn lại của tổ chức phụ thuộc vào đội này để cung cấp phân tích và thông tin chính mà có thể quan trọng đối với hoạt động hàng ngày và ra quyết định của họ. Mặc dù dân chủ hóa dữ liệu là rất quan trọng để giải quyết nút thắt này, nhưng nó cũng có thể là một thách thức. Khi tôi nói chuyện với các nhà lãnh đạo dữ liệu về việc vận hành tự phục vụ, rõ ràng là có một phổ. Ở một đầu, bạn có các công cụ thiết lập thấp cho các đội không kỹ thuật và kinh doanh. Cuối cùng, các công cụ này không cung cấp độ sâu và chiều rộng của câu trả lời mà các đội cần. Ở đầu kia, bạn có các công cụ kỹ thuật hơn cho các đội kỹ thuật hơn. Chúng linh hoạt hơn về phân tích, nhưng chúng chậm và có thể chỉ một vài người có thể sử dụng chúng. Chúng tôi gọi những công cụ này là tạo ra một “hàng lang dữ liệu” … bạn luôn chờ đợi câu trả lời. Các đội cần một giải pháp ở giữa. Hãy nghĩ về các giải pháp ngoài hộp khuyến khích, không cản trở sự khám phá và thử nghiệm. Với công cụ và giáo dục đội phù hợp, các công ty có thể dễ dàng hơn trong việc bắc cầu khoảng cách dân chủ hóa dữ liệu.

Làm thế nào quan trọng là khả năng đọc dữ liệu trong quá trình dân chủ hóa dữ liệu và các công ty nên thực hiện những bước nào để cải thiện nó trong số nhân viên của họ?

Tạo ra một môi trường dân chủ hóa dữ liệu trên các đội của bạn là một thách thức văn hóa đòi hỏi giáo dục và chấp nhận của toàn công ty. Trong kinh nghiệm của tôi khi dạy các quy trình dữ liệu cho các thành viên không kỹ thuật, cách tốt nhất để phát triển những kỹ năng này là thông qua sự kết hợp của đào tạo và học tập thực hành. Tôi khuyên bạn nên phát triển một chương trình đào tạo toàn diện để đảm bảo nhân viên cảm thấy thoải mái và tự tin trong những thông tin họ đang kéo từ dữ liệu của họ. Hãy đảm bảo bạn đang sử dụng một công cụ không cản trở người dùng không kỹ thuật: ví dụ, bất kỳ công cụ nào yêu cầu kiến thức về SQL sẽ loại trừ những người không có chuyên môn lập trình. Từ đó, cung cấp cơ hội cho nhân viên để tham gia và bắt đầu chơi với dữ liệu. Cuối cùng, thực hiện một công cụ khuyến khích khám phá và hợp tác. Người dùng càng ít làm việc trong các silo, họ càng có thể ném ý tưởng cho nhau, dẫn đến những thông tin sâu sắc hơn. Nếu bạn là một chuyên gia dữ liệu đang dạy một thành viên không kỹ thuật, hãy nhớ rằng bạn đã dành nhiều năm để học cách có được và sử dụng dữ liệu, vì vậy bạn nghĩ về nó khác với người dùng thông thường. Hãy cởi mở để dạy người khác thay vì làm mọi thứ mình. Nếu không, bạn sẽ không bao giờ có thời gian để làm gì ngoài việc trả lời các câu hỏi của mọi người.

Với sự tiến hóa nhanh chóng của các công cụ dữ liệu và công nghệ AI tạo ra, các công ty nên thích nghi chiến lược của họ như thế nào để ở vị trí hàng đầu trong quản lý và sử dụng dữ liệu?

Quản lý dữ liệu là một trong những thách thức chính mà các công ty vẫn phải đối mặt, và đó là điều mà mọi tổ chức phải giải quyết để kích hoạt các trải nghiệm AI và dữ liệu có ý nghĩa. AI chỉ tốt như dữ liệu cung cấp cho nó, và dữ liệu sạch dẫn đến những thông tin sâu sắc hơn, người dùng hạnh phúc hơn và tăng trưởng kinh doanh. Theo cách này, các công ty phải chủ động về việc làm sạch dữ liệu và phân loại, và có cơ hội để sử dụng AI tạo ra để quản lý quản lý AI và chất lượng của bạn. Ví dụ, tại Amplitude, chúng tôi đã ra mắt sản phẩm Trợ lý Dữ liệu AI của mình vào năm ngoái, cung cấp các khuyến nghị thông minh và tự động hóa để làm cho quản lý dữ liệu trở nên dễ dàng và giúp người dùng chịu trách nhiệm về nỗ lực chất lượng dữ liệu.

Làm thế nào Amplitude cho phép các doanh nghiệp hiểu rõ hơn về hành trình của khách hàng?

Xây dựng các sản phẩm và trải nghiệm kỹ thuật số tuyệt vời là khó, đặc biệt là trong môi trường cạnh tranh ngày nay. Ngày nay, nhiều công ty vẫn không biết họ đang xây dựng cho ai hoặc khách hàng của họ muốn gì. Amplitude giúp các doanh nghiệp trả lời các câu hỏi như “Khách hàng của chúng tôi yêu thích gì? Họ bị kẹt ở đâu? Điều gì giữ họ quay lại?” thông qua thông tin dữ liệu định lượng và định tính. Nền tảng của chúng tôi giúp các doanh nghiệp hiểu rõ hơn về hành trình khách hàng từ đầu đến cuối bằng cách đưa ra dữ liệu để thúc đẩy chu kỳ thu hút khách hàng, kiếm tiền và giữ chân. Ngày nay, hơn 2.700 khách hàng, bao gồm cả các thương hiệu doanh nghiệp như Atlassian, NBC Universal và Under Armour, sử dụng Amplitude để xây dựng các sản phẩm tốt hơn.

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