Shadi Rostami, Phó Chủ tịch Kỹ thuật tại Amplitude – Loạt Phỏng vấn

Shadi là Phó Chủ tịch Kỹ thuật tại công ty phân tích kỹ thuật số hàng đầu Amplitude. Cô là một nhà lãnh đạo công nghệ đầy đam mê, giàu kinh nghiệm và kiến trúc sư có kinh nghiệm trong việc xây dựng và quản lý các đội kỹ thuật có trình độ cao. Trước khi đến với Amplitude, cô từng là Phó Chủ tịch Kỹ thuật tại Palo Alto Networks (PANW ). Cô đã đổi mới và đưa ra nhiều 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 và trí tuệ nhân tạo hiện đại, 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 đã thu hút bạn đến với khoa học máy tính và kỹ thuật?

Tôi lớn lên ở Iran và ban đầu theo đuổi con đường học tập trung học để có thể theo đuổi sự nghiệp trong lĩnh vực y học, một con đường mà cha tôi muốn tôi theo đuổi và anh trai tôi đã theo đuổi. Khoảng một năm rưỡi sau, tôi quyết định rằng đó không phải là con đường dành cho tôi. Thay vào đó, tôi theo đuổi kỹ thuật và trở thành cô gái đầu tiên ở Iran tham gia cuộc thi 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 thi đấu về toán, vật lý, tin học và hóa học. Điều đó đã 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 Phó Chủ tịch phụ trách phát triển, kiểm tra chất lượng, DevOps và khoa học dữ liệu. Năm năm trước, tôi chuyển đến Amplitude với vị trí Phó Chủ tịch Kỹ thuật.

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 chuyển đổi gần như mọi ngành công nghiệp, và cùng với sự chuyển đổi đó là những câu hỏi về cách các công ty sẽ sử dụng công nghệ này. Chúng tôi tin tưởng mạnh mẽ vào việc làm cho AI trở nên đúng đắn. 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 hợp tác suy nghĩ, (2) quản lý dữ liệu và bảo vệ quyền riêng tư của người dùng, (3) minh bạch, (4) quyền 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 then chốt khi các công ty tiếp tục áp dụng và thử nghiệm AI và cuối cùng trở thành những tổ chức thực sự dựa trên dữ liệu. Đối với chúng tôi, điều này có nghĩa là xây dựng các công cụ AI giúp người dùng đến được những thông tin sâu sắc hơn nhanh chóng. Khi được sử dụng đúng cách, những thông tin này sẽ dẫn đến những quyết định nhanh chóng và tốt hơn, từ đó thúc đẩy kết quả kinh doanh. 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 làm việc hiệu quả hơn, nhanh hơn và hiệu quả hơn khi họ có thể truy cập vào những thông tin dữ liệu phù hợp vào đúng thời điểm. Trong môi trường được thúc đẩy bởi AI đang phát triển nhanh chóng như ngày nay, các đội không thể chờ đợi vài ngày hoặc vài tuần để có được dữ liệu. Để giảm thiểu điều này, các công ty phải trao quyền cho các đội của mình để tận dụng dữ liệu theo cách tự phục vụ. Tuy nhiên, điều này không có nghĩa là sự hỗn loạn về dữ liệu mà không có tham số. Cuối cùng, dữ liệu kém chất lượng dẫn đến AI kém chất lượng. Nhưng với các công cụ và quy trình phù hợp, các doanh nghiệp có thể cân bằng giữa dân chủ hóa dữ liệu và quản lý dữ liệu, từ đó mang lại kết quả kinh doanh tốt hơn.”

Những thay đổi quan trọng nào trong văn hóa tổ chức bạn cho là cần thiết để thực hiện 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 phù hợp và dễ tiếp cận nhất, và thực hiện các nỗ lực toàn tổ chức về năng lực dữ liệu. Điều này có nghĩa là áp dụng các công cụ tự phục vụ cho phép các thành viên không phải kỹ thuật, như đội marketing hoặc thành công khách hàng, không chỉ truy cập dữ liệu mà còn phân tích và thực hiện hành động trên dữ liệu đó. 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 năng lực dữ liệu và đặt ưu tiên vào hành động và tác động. Ngoài ra, điều quan trọng là phải dành sự cố gắng 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 gặp phải khi 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, khiến phần còn lại của tổ chức phụ thuộc vào đội này để cung cấp phân tích và thông tin quan trọng có thể là then chốt cho hoạt động hàng ngày và quyết định của họ. Mặc dù việc dân chủ hóa dữ liệu là quan trọng để giải quyết nút thắt này, nhưng nó cũng có thể đầy thách thức. Khi tôi nói chuyện với các nhà lãnh đạo dữ liệu về việc hoạt động hóa tự phục vụ, rõ ràng có một phổ. Ở một đầu, bạn có các công cụ thiết lập thấp cho các đội không phải kỹ thuật và kinh doanh. Cuối cùng, những công cụ này không cung cấp độ sâu và phạm vi của câu trả lời mà các đội này 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 rất ít người có thể sử dụng chúng. Chúng tôi gọi những công cụ này là tạo ra “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 sáng tạo khuyến khích, không cản trở, khám phá và thử nghiệm. Với công cụ phù hợp và giáo dục đội, 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 năng lực 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 toàn tổ chức là một thách thức văn hóa đòi hỏi giáo dục và sự chấp thuận của toàn công ty. Trong kinh nghiệm của tôi khi dạy các quy trình dữ liệu cho các thành viên không phải 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 rút ra từ dữ liệu. Hãy đảm bảo bạn đang sử dụng một công cụ không cản trở người dùng không phải kỹ thuật: ví dụ, bất kỳ công cụ nào yêu cầu kiến thức về SQL sẽ loại bỏ những người không có chuyên môn lập trình. Từ đó, cung cấp cơ hội cho nhân viên để bắt đầu và chơi với dữ liệu. Cuối cùng, triển khai một công cụ khuyến khích khám phá và hợp tác. Khi ít người làm việc trong các silo, họ 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 phải 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 mở lòng để dạy người khác thay vì làm mọi thứ mình.

Trong bối cảnh công cụ dữ liệu và công nghệ trí tuệ nhân tạo phát triển nhanh chóng, các công ty nên thích nghi chiến lược của mình như thế nào để ở vị trí dẫn 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 trao quyền cho những trải nghiệm dữ liệu và AI 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 và phân loại dữ liệu, và có cơ hội để sử dụng trí tuệ nhân tạo để quản lý quản trị AI và chất lượng. 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 trị dữ liệu trở nên dễ dàng và giúp người dùng kiểm soát nỗ lực chất lượng dữ liệu.

Amplitude giúp các doanh nghiệp hiểu rõ hơn về hành trình khách hàng như thế nào?

Xây dựng sản phẩm và trải nghiệm kỹ thuật số tuyệt vời là khó, đặc biệt là trong môi trường cạnh tranh như ngày nay. Hiện tại, 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 những câu hỏi như “Khách hàng của chúng tôi yêu thích gì? Họ bị kẹt ở đâu? Điều gì khiến 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, kiếm tiền và giữ chân khách hàng. Hiện tại, hơn 2.700 khách hàng, bao gồm cả các thương hiệu doanh nghiệp như Atlassian (TEAM ), NBC Universal và Under Armour (UAA ), sử dụng Amplitude để xây dựng sản phẩm tốt hơn.

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