约翰·福斯特罗姆，Zencore 联合创始人兼首席执行官 – 采访系列

Zencore 是一家领先的 Google Cloud 咨询和工程合作伙伴，通过专业指导、综合服务和对风险减少和客户成功的不懈关注，帮助组织取得成功。

约翰·福斯特罗姆 是 Zencore 的联合创始人兼首席执行官，他专注于帮助公司转型为基于云的服务。

约翰是云计算的早期倡导者，他于 2009 年加入了 AWS 云管理软件公司 RightScale。当时，许多人对云计算的使用持怀疑态度，但这段经历使他能够亲眼目睹 AWS 的影子采用和大型组织中 IaaS 的价值。

2013 年，约翰加入 Google Cloud，成为最初的商业团队成员，与产品和工程团队合作，针对大型企业和数字原生公司制定策略。

当约翰不忙于为 Zencore 的客户、合作伙伴和 Google 建立联系时，他可以在最近的水体（冲浪、钓鱼、游泳、划桨）中找到他。

您在 Google Cloud 工作了五年多，您在那段时间的主要职责是什么？您在那段时间的亮点是什么？

我于 2013 年 9 月加入 Google Cloud，当时 Cloud 部门只是 Google 内部的一个小型初创公司。我是第一个外部招聘的业务开发团队成员，该团队与产品和工程团队合作，获得最初的大型战略客户。

那是一个相当独特的时期，Google Cloud 只有几百名员工（现在这个业务有 35,000 多名员工），我们都在一起工作，共同竞争对手 AWS，当时 AWS 的产品更成熟。我们 100% 专注于客户，并作为早期采用者的值得信赖的顾问。这些公司知道 Google Cloud 没有与 Amazon (AMZN ) 相同的功能，但他们发现与 Google 建立关系的价值，因为 Google 正在构建其产品并优先考虑功能。

对我来说，亮点是在 2015 年，当我为第一个亿美元收入的 Google Cloud 客户获得了一份合同。

您能否详细介绍 Zencore 的起源，以及是什么激励您作为前 Google 内部人员创建一家专门从事 Google Cloud 服务的公司？

我认为我们在 Zencore 创造了些特别的东西，但这个概念相当简单。我们公司的超过一半员工都是前 Google 员工，我们都经历过客户从零开始在 Google Cloud 中建立重要基础设施的复杂性。

我们利用在 Google 内部的经验，创建了一家公司来解决客户在开始或扩展 Google Cloud 之旅时面临的主要挑战。对我个人和 Zencore 的许多员工来说，能够不受限制地做出决定并每次都为客户做正确的事情，这是一种令人耳目一新的感觉。Zencore 的设计是对早期 Google Cloud 日子的致敬。

此外，我们在 Google 时期与合作伙伴生态系统的经验主要是与那些没有从云开始的合作伙伴合作。许多 Google 的合作伙伴从 Workspace、AWS 或 IT 服务开始，然后扩展到 Google Cloud 实践。生态系统已经成熟，但我们看到的机会是创建一家从一开始就专注于 Google Cloud 工程的业务。我们的前提是，一家只做一件事并做得非常好的合作伙伴将对 Google 和其客户产生最大的影响。

Zencore 选择从成立开始就专门从事 Google Cloud。这种专门化在迅速发展的云市场中带来了什么独特的机会和挑战？

当您将公司与单一供应商对齐时，存在固有的风险。然而，考虑到 Google Cloud 的增长、广泛的数据和基础设施产品组合以及对 Gen AI 的投资，这种风险并不显著。

专注于一件事情的好处是，我们每天都在同一个方向努力。我们的工程师之间的协作是我们文化中非常强大的一个方面，这只来自于每个人都在解决类似的挑战。 当您已经交付了数百个 Google Cloud 基础设施、数据和 Gen AI 项目时，您已经看到了很多东西，这在处理复杂的高风险项目时非常有价值。

您说得对，市场变化很快，我们觉得专注于 Google Cloud 允许我们保持领先并为客户提供最大的价值。

您强调了客户中心和有见解的方法。这种理念如何转化为客户的有形利益，特别是在考虑开源解决方案集成时？

Zencore 的客户正在购买来自值得信赖的顾问的经验。当他们开始一个具有重大风险的项目时，他们希望知道我们与他们的利益完全一致，有时这包括分享一些艰难的真相。很多时候，我们做出的建议是使用开源选项，因为它是最好的解决方案。我认为这种情况比您想象的要少。Google 已经在广泛采用开源解决方案的基础上构建了管理产品，这些产品具有低的运营开销，并且与平台的其他部分集成良好。

但是，在每一次对话中，我们都会根据现实生活中的经验概述所有选项的利弊和挑战。客户从这种方法中受益，因为速度至关重要。有很多决定要做，当我们推荐 Google Cloud 本地产品时，客户不需要花时间质疑这个决定或浪费时间进行评估。他们知道我们带来了独立的、富有经验的视角来看待每一个决定。

您的创新支持模型已经被许多人赞扬，该模型绕过了传统的票务系统。您能否详细说明这种模型如何提高运营效率和客户满意度？

我喜欢开玩笑说，与 Zencore 合作最大的好处之一是，我们没有专业服务的背景。我们的经销商支持服务就是一个很好的例子，我们在这个领域采取了创新的方法。

许多我们的客户都是中型至大型软件公司。他们拥有经验丰富的工程师，想要快速行动，但有时会卡住。

当他们有一个咨询性问题时，他们不想打开一个票， 由一名缺乏经验的支持代表进行分类，升级，并且这个过程需要一两天。 这对他们来说是对时间的浪费，他们最终不会参与合作伙伴的支持服务。

所以我们创建了一个适应他们当前工作方式的模型。每个客户都会获得一个专用的 Slack 频道。在该频道的后端是 Zencore 的整个工程团队。

因此，当您向我们提出一个深入的技术问题时，您将在 15-30 分钟内直接与一位有经验的云工程师或架构师进行 Slack 通信，他们将帮助您解决挑战。另外，许多我们收到的问题与客户连接到 Google Cloud 的技术（如 Terraform 或特定的 CI/CD 产品）有关，而不是与 Google Cloud 本身有关。客户的技术栈和 Google Cloud 的交叉点可能是最复杂的部分。

直接访问我们的工程师对我们的客户来说就像黄金一样。他们不必为一个问题苦苦挣扎，搜索 Stack Overflow 并感到沮丧，他们只需 ping 一个频道，就会立即从处理过许多复杂项目的工程师那里获得帮助。

我们的客户将其描述为“拥有直接访问 Google 的 Slack 通道的下一个最佳选择”。

公司在迁移到云技术时面临的最常见的陷阱是什么？Zencore 如何帮助客户克服这些挑战？

我们对这个问题进行了深入思考，并在去年确定了五个最常见的陷阱：

• 不了解工作负载需求和应用程序评估不足。现有的工作负载可能在新的云环境中表现出不可预测的行为，这可能导致性能问题和应用程序迁移失败。
• 实施和战略开发不足。不正确的实施或战略开发可能导致停机、成本超支以及组织的目标与云实施的结果不匹配。
• 安全性和合规性考虑。安全性和合规性考虑不足可能导致安全漏洞、罚款以及客户信任、收入和数据的损失。
• 成本优化不足和资源管理不善。如果没有对计费、成本和如何最大化云资源支出的返回的适当理解，云成本可能无法与业务目标保持一致。
• 技能缺口。技能缺口可能导致一系列问题，包括设计不良的架构、资源分配效率低下、安全漏洞以及最终的项目失败。

Zencore 优先采用基于结果的方法，专注于快速与客户实践。我们希望策略和架构得到充分考虑，但您不能花太多时间参加由顾问主持的无休止的研讨会。这些五个支柱最能描述我们的整体方法论。

• 对云平台的深入理解。我们对 Google Cloud 有深入的了解，包括关键领域，如数据云、机器学习、AI 和 Kubernetes。
• 成熟的方法论。我们的评估、规划和迁移流程简化、快速，尽量减少对员工的影响。
• 指导选择正确的初始云项目以实现成功。我们指导您选择和规划云项目，这些项目从一开始就注定会成功，特别是在工作负载迁移评估等早期阶段。
• 云安全方面的专业知识。我们通过对云安全的深入了解来帮助您降低风险，保护您免受数据泄露和其他昂贵问题的影响。
• 实践开发能力。我们专注于结果，并提供必要的工程资源来部署和运行您的解决方案。

随着云技术的不断演变，您认为哪些新兴趋势将在未来几年内显著影响组织采用和利用 Google Cloud 的方式？

我认为我们正在经历一个旅程，在不断演变的云空间中。我将其描述为三个步骤，我相信我们现在处于步骤 2 和 3 之间。

首先，我们都经历了从基础设施即服务（IaaS）到平台即服务（PaaS）的转变。公司越来越喜欢 PaaS 解决方案，因为它们简化了开发过程，减少了对底层基础设施的管理需求，并加快了上市时间。Google Cloud 的 PaaS 产品，如 Cloud Run，允许开发人员专注于编码，减少维护，从而促进创新和效率。

第二，托管服务的兴起正在改变组织处理云运营的方式。像 Google Kubernetes Engine（GKE）、Cloud SQL 和 BigQuery 这样的托管服务从 IT 团队的肩上卸下了日常管理任务的重担。这一转变不仅提高了运营效率，还确保了更高的可靠性和安全性。通过利用这些托管服务，组织可以将更多资源分配到战略计划而不是日常维护上。

最后，生成式 AI 的集成将彻底改变各个行业的业务运营。Google Cloud 的 AI 和机器学习服务，包括新的生成式 AI 模型，赋予企业利用高级分析、自动化复杂流程和增强客户体验的能力。例如，Vertex AI 这样的工具使公司更容易开发和部署复杂的 AI 模型，从而推动创新并创造新的价值主张。

这只是 AI 在组织使用 Google Cloud 的日常生活中的时代的开始，我们在这里看到很多势头。为此，我们在 Zencore 建立了一套名为 Zen AI 的服务，以帮助公司构建 AI 应用程序或将 AI 集成到其现有流程中。

您在 Google 的背景如何影响您在 Zencore 的领导风格，您在组建云专家团队时会寻找什么关键品质？

这是一个很好的问题。当你查看 Google 的 SRE 组织时，个人贡献者（IC）是组织中最重要的部分，而不是经理。个人贡献者薪水高，受到尊重，并在没有太多监督的情况下使事情正常运转。他们是 Google 内部的特种部队。

我所学到的就是，如果你雇佣合适的人，事情实际上会在没有专门的人员管理层的情况下顺利进行。Zencore 最独特的事情之一是，没有一个人只负责管理人员。我们是一群仍然在各自领域中非常擅长的个人贡献者，他们领导着可能经验稍微少一点的人。创建一个由领导者组成的公司，而不是由经理组成的公司，已经成为我们文化的关键组成部分。你尊重你的经理，因为在大多数情况下，他们在自己的工作中更有经验，并且仍然以很高的水平执行。

从工程角度来看，我们的标准非常高。我们审查了很多简历，它们看起来都一样，列出了标准的 Google Cloud 专业认证。我们通常不关心您获得了多少认证。我们在招聘架构师或工程师时关心的是您在 Google Cloud 上的实践经验。您在迁移、ML 操作、构建 Kubernetes 操作员或复杂数据环境中使用 BigQuery 的经验，对 Zencore 和我们的客户来说是有意义的。

您能否分享一个案例研究，展示 Zencore 的方法如何显著改善客户的业务成果通过云采用？

尽管迁移工作是我们业务的关键组成部分，但真正脱颖而出的却是数据平台参与。一个项目真正脱颖而出的是一个复杂的参与，涉及与一个由多个软件品牌组成的公司合作。他们正在努力应对运营效率低下和由于数据分散在各个品牌而无法对业务有完整的了解所带来的问题。这导致了不一致的数据标准，并使他们难以获得可行的见解。

当 Zencore 参与时，我们的主要目标是将这些不同的数据源整合到一个高度可扩展的 Google Cloud Platform 数据平台中。我们通过几个关键举措来解决这个挑战：

首先，我们将他们的各种数据库（包括 Redshift 和 SQL Server）迁移到 BigQuery。这一步统一了他们的数据格局，使他们更容易、更高效地访问和分析他们的数据。

接下来，我们专注于增强他们的数据摄取和验证过程。通过实施和自动化他们的数据作业编排，并将 CI/CD 管道集成，我们确保了他们的数据摄取是可靠和及时的。这种设置还提高了数据验证检查，这对于维护数据完整性至关重要。

我们还使用 DBT（一种开源工具，允许您以版本控制和易于理解的方式开发数据转换模型）标准化了他们的数据建模。这使得他们的各个品牌的数据模型标准化，使得他们的团队更容易进行数据分析和报告。

此外，我们将多个 BI 工具整合到一个 Looker 环境中，位于 GCP。这简化了他们的报告流程，并为他们的所有品牌提供了一个统一的平台来生成见解。

这些努力的影响是变革性的。我们的客户现在拥有一个整合的数据环境，为他们提供了对业务运营的全面了解。这个统一的数据平台显著提高了他们的战略决策能力和运营效率。此外，这一转变使他们能够开发一种新的数据货币化策略，创造了新的收入来源，并在市场上获得了战略优势。

展望未来，您对 Zencore 的长期目标是什么，您计划如何发展您的服务以满足客户的未来需求？

市场变化如此之快，我不是开玩笑地说，六个月就是长期。我认为 Zencore 和 Google Cloud 最大的机会在于生成式 AI。我们已经超越了炒作阶段，现在正在处理具有真正运营价值的项目，这些项目将投入生产。生成式 AI 的价值如此令人信服，以至于它正在对组织施加巨大的压力，迫使他们整理好自己的数据，以利用这项技术。参与和了解生成式 AI 的价值的风险在于，如果您不这样做，您的竞争对手将利用它来在市场上超越您。

Zencore 正在采取几项措施来应对这一机会。首先，我们将继续投资于具有广泛行业和用例经验的架构师和工程师，特别是那些专注于生成式 AI 的人，例如 RAG、企业搜索和 Google 产品，如 Vertex AI。

您还会看到我们采取更垂直的方法，这是我们以前没有做过的。当您为一个客户解决一个特定行业的特定挑战时，您已经完成了 80% 的工作，以解决该行业的许多客户的挑战。这是我们在时间至关重要时的独特优势。

最后，您将看到我们在数据云实践上进行大量投资。Zencore 将始终以 360 度的方式对待生成式 AI 项目，并准备好专注于基础设施、安全性、数据管道和 ML 操作，以确保成功的端到端生产解决方案。

感谢您接受这次精彩的采访，希望您能通过访问 Zencore 来了解更多信息。