Почему я присоединился к Validio в качестве первого коммерческого сотрудника
Присоединение к команде высокопроизводительных инженеров +15 в качестве первого коммерческого найма было волнующим, образовательным, интеллектуально стимулирующим и, не буду лгать, иногда немного ошеломляющим (вы все знаете, как проходят первые недели на новой работе).
Но кто я? Меня зовут Ричард, и я недавно присоединился к Validio в качестве руководителя стратегии роста и коммерческой деятельности, поддерживая наших основателей в настройке GTM и коммерческих операций и создании основы для глобального масштабирования платформы качества данных Validio.
Я инженер по образованию и специализируюсь на финансовом инжиниринге и математическом моделировании. Мой предыдущий опыт включает в себя работу в команде бизнес-разработчиков в Google Cloud до того, как я присоединился к Bain, где я занимался корпоративной стратегией, и совсем недавно в качестве CxO для стартапа внутреннего машинного обучения, где мы масштабировали его от пилотной фазы до ARR с 1 миллионом долларов за 12 месяцев.
Я очень рад присоединиться к команде и с нетерпением жду масштабирования Validio до $1 млн ARR и выше.
Работая с нашим внутренним стартапом машинного обучения в Bain, я понял, что мы преодолели пропасть, когда дело доходит до признания важности качества данных. Объемы данных, разнообразие данных и источники данных резко выросли за последние годы, что потребовало решений для автоматического мониторинга и проверки качества данных в контексте современной инфраструктуры облачных данных.
Как однажды заявил Эндрю Нг в прошлом году: «Если 80 % нашей работы — это подготовка данных, то обеспечение качества данных — важная задача команды машинного обучения».
Помимо этого понимания, зачем присоединяться к Validio и миссии по созданию платформы качества данных, определяющей категории? Как говорится, все хорошие аргументы состоят из трех:
1. Возможность в идеальное время
Каждая организация сегодня стремится стать управляемой данными. Создание сквозных инфраструктур данных исторически было дорогостоящим и трудоемким делом, требующим инвестиций в миллионы долларов и месяцев или даже лет развертывания. С появлением облачных хранилищ данных и современного стека данных за последние несколько лет перспективы больших данных действительно раскрылись.
Сегодня любая компания, независимо от ее размера, может стать компанией, работающей с данными. Компания, переходящая на современный стек данных, означает компанию, готовую удовлетворить меняющиеся требования современных данных. Современный стек данных направлен на преодоление проблем и проблем, связанных с современными данными, и в то же время позволяет организации внедрять инновации и автоматизировать, как никогда раньше.
Впоследствии, по мере того как компании всех размеров обрабатывают, хранят и используют больше данных, чем когда-либо прежде, современные решения для обеспечения качества данных на основе машинного обучения, выходящие за рамки ручных настроек на основе правил, все чаще становятся гигиеническим фактором в современном стеке данных. Не верьте мне на слово, респонденты Опроса инженеров данных 2022 (в основном инженеры данных) назвали качество данных и их проверку своей проблемой №1. Кроме того, 27 % респондентов не были уверены, какое решение по обеспечению качества данных использует их организация (и использует ли вообще). Это число подскочило до 39% для организаций с низкой зрелостью DataOps.
В общем, пора действовать. Из того, что мне удалось узнать от моих друзей-венчурных капиталистов, вопрос: «Почему сейчас?» может быть одним из самых сложных вопросов, которые венчурные капиталисты могут задать стартапам; Само собой разумеется, я чувствую, что мы в Валидио покрыли это.
2. Международная и исключительно опытная команда
Талант, который удалось привлечь Валидио, действительно впечатляет. Старшие и опытные разработчики со всего мира со средним опытом более 10 лет, а также авторитетные инвесторы и консультанты поручились за команду основателей своей карьерой, временем и деньгами.
Есть несколько скандинавских стартапов на посевной стадии, у которых есть команда с таким же техническим опытом и логотипами, как у Validio — поговорка о том, что хорошие люди привлекают хороших людей, действительно просвечивает здесь.
Сочетание этого с стремлением Validio стать мировым лидером в своей категории сделало возможность присоединиться еще более привлекательной.
В процессе принятия решения о присоединении к стартапу решающим фактором номер один, по моему мнению, всегда должна быть команда. Сильная и амбициозная команда в сочетании с вполне реальной и глобальной решаемой задачей — не достаточное, а действительно необходимое условие для успешного масштабирования стартапа.
3. По-настоящему дифференцированная платформа качества данных
Есть ряд причин, по которым я считаю, что наша платформа действительно отличается — наш генеральный директор и соучредитель Патрик обсуждает некоторые из них здесь (блин, я бы хотел, чтобы он написал это на три месяца раньше, это спасло бы меня много головной боли во время моего процесса должной осмотрительности).
В процессе интервью основатели рассказали мне, как 18 месяцев назад все спрашивали, чем Validio отличается от того, что сейчас можно считать «устаревшими инструментами качества данных»; Инструменты, которые были разработаны для другой эпохи, чем современный стек данных, такие как Informatica Data Quality (выпущен в 2001 г.), Talend (выпущен в 2005 г.) или Oracle Enterprise Data Quality. Современное пространство качества данных, которое практически не существовало, быстро взлетело во второй половине 2020 года, разместив несколько компаний с общим финансированием более 200 миллионов долларов, привлеченным за последние 18 месяцев. Впоследствии разговоры перешли к дифференциации этих новых появляющихся решений.
Абсолютное большинство этих новых инструментов контроля качества данных, появившихся за последние 18 месяцев, ориентированы либо на мониторинг данных в состоянии покоя с помощью SQL-запросов к хранилищу данных, либо на мониторинг только метаданных конвейера.
Validio был создан, чтобы иметь возможность проверять и контролировать как потоковые, так и пакетные конвейеры данных в режиме реального времени, что позволяет заблаговременно выявлять и устранять проблемы с качеством данных и неизвестные сбои данных. Validio также имеет несколько уникальных функций Validio, в том числе возможность автоматического разрешения неверных данных в реальном времени, применения многомерного анализа качества данных и разделения данных перед анализом. Платформа также анализирует фактические данные как на уровне точек данных, так и на уровне наборов данных, а также отслеживает метаданные конвейера.
Validio создан для современных групп обработки данных, которые ищут платформу качества данных, с которой они могут расти и масштабироваться по мере того, как они все больше ориентируются на данные. Видение и дифференциация, которые мы применяем для решения проблемы качества данных в масштабе в контексте современного стека данных, действительно захватывают. Возможности огромны, и мы едва поцарапали поверхность.
Вкратце
В современном цифровом мире эксперты по данным, консультанты и бизнес-лидеры объявили данные одним из самых ценных бизнес-ресурсов. Компании, которым удастся раскрыть ценность своих наборов данных, опередят своих конкурентов на много миль. Чтобы оставаться конкурентоспособными, лидеры рынка данных делают качество данных главным приоритетом. Качество данных имеет важное значение для любой аналитической системы, независимо от того, является ли она старой простой отчетностью, BI, операционной аналитикой или расширенным машинным обучением в реальном времени.
Я лично очень воодушевлен тем, что ждет в будущем пространство данных и все новые продукты, клиентский опыт и бизнес-модели, которые оно открывает и делает доступными.
Если вы активно работаете в этой области или знаете группу данных, которая могла бы извлечь выгоду из платформы качества данных, созданной для современных групп данных , — давайте поговорим! :)
