Amplitude 首席工程师 Shadi Rostami 采访系列

Shadi 是数字分析领先者 Amplitude 的首席工程师。她是一位充满热情的、经验丰富的技术领导者和架构师，擅长于建设和管理高效的工程团队。在加入 Amplitude 之前，她曾在 Palo Alto Networks (PANW ) 担任工程副总裁。她曾创新并交付多个产品线和服务，专注于分布式系统、云计算、大数据、机器学习和安全性。

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

是什么最初吸引你进入计算机科学和工程领域？

我在伊朗长大，最初走的是一条通往医学的道路，这也是我父亲希望我走的道路，我的哥哥也走了这条路。大约一年半后，我决定这不是适合我的道路。于是，我转向了工程，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，这是一个为来自世界各地的高中生举办的年度竞赛，涉及数学、物理、信息学和化学。 这让我进入了伊朗的 Sharif 大学学习工程，并后来在加拿大的英属哥伦比亚大学获得了计算机工程博士学位。之后，我在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 担任首席工程师。

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 正在快速地改变几乎每个行业，随着这种转变而来的问题是公司将如何使用这种技术。我们坚信要正确地使用 AI。这一信念促使我们开发了以客户为中心的 AI 哲学，这个哲学基于五个主要原则：（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，（5）客户选择和控制。我们知道这些原则对于公司采用和测试 AI 以及最终成为真正的数据驱动型公司至关重要。对于我们来说，这意味着建设能够帮助人们更快地获取洞察力的 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。使用 AI 作为一种工具来补充人类的智慧和创造力，这是 AI 最能发挥其影响力的领域。

您能解释一下“数据民主”在今天的 AI 驱动型商业环境中的概念吗？

“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，他们的工作效率会更高、更快、更好。在今天快速发展的 AI 环境中，团队不能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，如果有合适的工具和流程，企业可以在数据民主化和数据治理之间取得平衡，从而实现更好的商业结果。”

您认为哪些组织文化的转变对于在 AI 时代实现真正的数据民主至关重要？

在您的组织中建立真正的数据民主，首先需要两个基础性的文化转变：提供正确的、最易访问的工具，并在组织范围内努力提高数据素养。这意味着采用自助式工具，让非技术团队成员（如营销或客户成功团队）不仅能够访问数据，还能够分析和采取行动。 我相信自助式数据分析可以并且应该为团队间的协作提供燃料，激发好奇心和探索，扩大数据素养，并偏向于行动和影响。另外，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，他们如何克服这些障碍？

在过去，公司曾尝试将数据集中在一个专家团队中，让组织的其他部分依赖于这个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个瓶颈至关重要，但这也可能带来挑战。当我与数据领导者讨论运营自助服务时，很明显存在一个谱系。一端是低设置工具，适用于非技术和业务团队。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。另一端是更技术性的工具，适用于更技术性的团队。这些工具在分析方面更具灵活性，但速度较慢，可能只有很少的人才能使用它们。我们称这些工具为“数据面包线”……你总是等待答案。团队需要一个中间的解决方案。要跳出思维定式，鼓励探索和实验，而不是抑制它们。有了适当的工具和团队教育，公司可以更容易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，公司应该采取什么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个文化挑战，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历中，发展这些技能的最佳方式是通过培训和实践学习的结合。我建议制定一个全面的培训计划，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，提供机会让员工深入数据并开始探索。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，带来更有启发性的洞察。如果您是一名数据专业人员，正在教导一名非技术团队成员，请记住您已经花了多年时间学习如何获取和使用数据，因此您对数据的看法与偶尔使用数据的人不同。要开放地教导他人，而不是自己做所有事情。否则，您将永远没有时间做其他事情，只能回答人们的问题。

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

数据治理是公司仍然面临的主要挑战之一，每个组织都必须解决它，以赋予有意义的 AI 和数据体验以力量。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、更幸福的用户和业务增长。因此，公司必须积极主动地进行数据清理和分类，并利用生成式 AI 来管理 AI 治理和质量。例如，在 Amplitude，我们去年推出了基于 AI 的数据助手产品，它提供智能推荐和自动化，以使数据治理变得无缝，并帮助用户掌控数据质量工作。

Amplitude 如何帮助企业更好地理解客户旅程？

建设伟大的数字产品和体验是困难的，尤其是在今天的竞争环境中。今天，许多公司仍然不知道他们为谁而建设，也不知道客户想要什么。Amplitude 通过量化和质化的数据洞察帮助企业回答诸如“我们的客户喜欢什么？他们在哪里遇到障碍？是什么让他们回来？”等问题。我们的平台通过提供数据来帮助企业更好地理解客户的整个旅程，以驱动客户获取、货币化和留存循环。今天，超过 2,700 家客户，包括 Atlassian (TEAM ) 、NBC Universal 和 Under Armour (UAA ) 等企业品牌，都利用 Amplitude 来建设更好的产品。

感谢这次精彩的采访，希望了解更多的读者可以访问 Amplitude。