Shadi Rostami，Amplitude 工程副总裁 – 采访系列

Shadi 是数字分析领先者 Amplitude 的工程副总裁。她是一位充满热情、经验丰富的技术领导者和架构师，擅长于构建和管理高效的工程团队。在加入 Amplitude 之前，她曾是 Palo Alto Networks 的工程副总裁。她曾创新并交付了多个产品线和服务，专注于分布式系统、云计算、大数据、机器学习和安全。

Amplitude 建立在现代机器学习和生成式 AI 技术之上，能够让产品团队构建更智能、学习更快、为客户创造最佳的数字体验。

您最初为什么被吸引到计算机科学和工程领域？

我在伊朗长大，最初走的是一条可以让我从事医学事业的高中道路，这是我的父亲希望我走的道路，也是我哥哥所走的道路。大约一年半后，我决定这不是适合我的道路。相反，我追求工程学，并最终成为伊朗第一个参加信息学奥林匹克（IOI）的女孩，并获得了铜牌，这是一个每年为来自世界各地的高中生举办的数学、物理、信息学和化学竞赛。这让我去伊朗的 Sharif 科技大学学习工程学，并后来在加拿大的 British Columbia 大学获得计算机工程博士学位。之后，我为几家初创公司工作了几年，然后在 Palo Alto Networks 度过了十年，最后成为负责开发、QA、DevOps 和数据科学的副总裁。五年前，我加入 Amplitude 担任工程副总裁。

您能否讨论 Amplitude 的核心 AI 哲学，即 AI 应该辅助人类改进工作，而不是取代他们？

AI 正在快速改变几乎每个行业，随着这种转变而来的问题是，公司将如何使用这种技术。我们坚信要正确使用 AI。这一信念使我们开发了以五个主要原则为基础的客户中心 AI 哲学：（1）协作开发和思想伙伴关系，（2）数据治理和用户数据保护，（3）透明度，（4）隐私、安全和法规遵从性，（5）客户选择和控制。我们知道这些原则对于公司继续采用和测试 AI 以及最终成为真正的数据驱动型公司至关重要。对于我们的目的来说，这意味着构建能够帮助人们更快地获得洞察力的 AI 工具。当正确利用时，这些洞察力会带来更快、更好的决策，从而推动底线结果。将 AI 用作补充人类智慧和创造力的工具是我认为 AI 会产生最大影响的地方。

您能否解释“数据民主”在今天的 AI 驱动型商业环境中的概念？

“数据民主”是由这样的认识驱动的：当团队能够在正确的时间访问正确的数据洞察时，团队可以更好、更快、更高效地运作。在今天快速发展的 AI 驱动环境中，团队无法等待数天或数周的数据提取。为了减轻这一问题，公司必须赋予团队自行利用数据的能力。这并不意味着没有任何参数的数据混乱。最终，糟糕的数据会导致糟糕的 AI。但是，通过正确的工具和流程，企业可以平衡数据民主化与数据治理，从而实现更好的业务成果。

您认为在 AI 时代实现真正的数据民主需要哪些组织文化的关键转变？

在您的组织中建立真正的数据民主需要两个基础性的文化转变：提供最合适、最易访问的工具，并在整个组织范围内开展数据素养工作。这意味着采用允许非技术团队成员（如营销或客户成功团队）不仅可以访问数据，还可以分析和采取行动的自助工具。我相信自助式数据分析可以并且应该在团队之间促进合作，激发好奇心和探索，扩大数据素养，并偏向于行动和影响。此外，中央数据团队和业务团队之间的共同努力对于持续的数据治理至关重要，以确保数据质量不会随着时间的推移而恶化。

在您的经验中，组织在实现数据民主化方面面临的最重大挑战是什么，以及它们如何克服这些障碍？

在过去，公司曾试图将数据集中在一个专家团队中，使得组织的其他部分依赖于该团队来提供分析和关键洞察，这些洞察可能对于他们的日常运营和决策至关重要。虽然民主化数据访问对于解决这一瓶颈至关重要，但也可能具有挑战性。当我与数据领导者讨论自助式运营时，很明显存在一个光谱。一端是为非技术和业务团队提供低设置工具。最终，这些工具无法提供这些团队所需的深度和广度的答案。另一端是为更技术团队提供更技术的工具。它们在分析方面更具灵活性，但速度更慢，可能只有很少的人才能使用它们。我们将这些工具称为创建“数据面包线”……您总是等待答案。团队需要一个中间的解决方案。可以鼓励而不是抑制探索和实验的创新解决方案。通过适当的工具和团队教育，公司可以更轻松地弥合数据民主化的差距。

数据民主化过程中数据素养有多重要，公司应该采取哪些步骤来提高员工的数据素养？

在您的团队中营造数据民主化的环境是一项文化挑战，需要教育和公司范围的认同。在我与非技术成员教授数据流程的经验中，发展这些技能的最佳方式是通过培训和实践学习的结合。我建议开发一个全面培训计划，以确保员工在从数据中获取洞察时感到舒适和自信。确保您使用的工具不会限制非技术用户：例如，任何需要 SQL 知识的工具都会边缘化没有编程专业知识的人。从那里开始，为员工提供机会，让他们深入数据并开始玩弄数据。最后，实施一个促进探索和协作的工具。人们越少在信息孤岛中工作，就越能相互交流思想，从而带来更有启发性的洞察。如果您是一名数据专业人员，正在教非技术团队成员，请记住您已经花了多年时间学习如何获取和使用数据，因此您与普通用户的思考方式不同。要开放地教导他人，而不是自己做一切。否则，您将永远没有时间回答人们的问题。

随着数据工具和生成式 AI 技术的快速演进，公司应该如何调整策略以在数据管理和利用方面保持领先地位？

数据治理是公司仍然面临的主要挑战之一，这是每个组织必须解决的，以赋予有意义的 AI 和数据体验。AI 的好坏取决于其背后的数据，干净的数据会带来更有影响力的洞察、更快乐的用户和业务增长。因此，公司必须积极主动地清理和管理数据，并且有机会使用生成式 AI 来管理 AI 治理和质量。例如，在 Amplitude，我们去年推出了 AI 驱动的数据助手产品，提供智能推荐和自动化，使数据治理变得无缝，并帮助用户掌控数据质量工作。

Amplitude 如何使企业更好地理解客户旅程？

构建伟大的数字产品和体验是困难的，尤其是在今天的竞争格局中。今天，许多公司仍然不知道他们正在为谁构建产品，也不知道客户想要什么。Amplitude 通过量化和定性数据洞察帮助企业回答诸如“我们的客户喜欢什么？他们在哪里遇到困难？什么让他们继续回来？”等问题。我们的平台通过提供数据洞察来帮助企业更好地理解客户获取、变现和留存周期中的端到端客户旅程。今天，超过 2,700 家客户，包括 Atlassian、NBC Universal 和 Under Armour 等企业品牌，都使用 Amplitude 来构建更好的产品。

感谢这次精彩的采访，希望了解更多的读者可以访问 Amplitude。