與我閱讀: Monte Carlo CEO Barr Moses on Data Reliability

(圖說：美味的背後有多少辛苦的前置準備？ 拍攝於 Le Bouchon Ogasawara餐廳，渋谷，東京。圖片來源：Ernest。)

在當今資料驅動的商業世界中，確保資料的準確性和可靠性對於企業的成功至關重要。Monte Carlo ¹ 公司的創始人暨 CEO Barr Moses 深有體會，他詳細闡述了公司專注於資料可觀測性 (data observability) 的理念，這是一種讓公司如 CNN 和 JetBlue 等確保資料準確可靠的關鍵工具。Moses 的過往工作經驗讓他意識到資料團隊缺乏足夠的資料可靠性工具，因此創立了 Monte Carlo。通過直接與潛在客戶的早期接觸和反饋，Monte Carlo 塑造了產品發展方向，專注於解決企業在資料方面的真實、痛苦問題。該公司已實現了顯著增長，證明了各行各業的企業運營對可靠資料的迫切需求和價值。展望未來，Barr Moses 將持續加強資料可靠性技術，以滿足不斷演進的市場需求，並強調資料在戰略業務決策中日益重要的地位。

摘要 tl;dr

• 目前解決資料品質問題的方式並不充分。
• 建立新市場類別時，教育人們認知新問題並非最艱難，真正難的是如果沒有痛點，你可能會很長時間徒勞無功。
• 與足夠多的客戶交流、了解他們的痛點並設法解決才是正道。
• 資料團隊和可信賴資料在組織中變得越來越重要。
• 資料錯誤有三個原因：資料本身、系統或程式碼出錯。

影片觀看

內容選自 The Unusual Ventures Startup Field Guide: The Product-Market Fit Podcast。

內容

預覽 Preview

• 我當時打給一家大公司的 CTO，然後說:「嘿，你有這個問題嗎?」他立刻說:「有，我確實有這個問題。」當我與他會面時，我實際上分享了幾張描述這個問題的投影片，以及我打算如何解決的方式。我記得他告訴我:「你的投影片是我見過最醜的投影片。」
• 「這些投影片太糟糕了。但是，你思考這個產品的方式實在太棒了，如果你有現成的產品，我願意馬上採用。」這正是我們所期待的反應。

開場 Opening

• Sandhya: 歡迎來到 Startup Field Guide，在這裡我們將從獨角獸新創公司的成功創辦人那裡，學習他們公司如何真正實現 Product-Market Fit。我是你的主持人 Sandhya Hegde，今天我們將深入探討 Monte Carlo 的故事。Monte Carlo 是一個資料可觀測性平台，它監控管道中的遺失或不準確資料。最後估值為 16 億美元，Monte Carlo 擁有超過 150 名客戶，包括 CNN、JetBlue、HubSpot 和 Toast 等公司的資料團隊。今天加入我們的是 Barr Moses，Monte Carlo 的 CEO 兼共同創始人。歡迎來到 Field Guide，Barr。
• 感謝你的邀請，Sandhya。我很高興今天能與你交談。

為什麼是資料可觀測性 Why Data Observability

• Sandhya: 謝謝你，Barr。你在 2019 年創立了這家公司，所以已經五年了。你和你的共同創始人 Lior 是如何碰到資料可觀測性這個問題，並決定專注於它的？
• 是的，當然。很好的問題。我將從實際我們正在解決的問題開始描述，然後講述我們如何專注於它。我們正在解決的問題對聽眾來說可能很熟悉，基本上當你查看某個資料產品，可能是一個儀表板，可能是顯示價格的網站，可能是一個生成式 AI 應用程式。當你看著某個資料產品時，某些東西看起來不對勁，比如數字看起來不對，某些東西告訴你資料似乎沒有意義，你就會想，WTF，為什麼這裡的數字錯了？這正是我們解決的問題。因此，我們幫助資料團隊、資料工程師、資料分析師資料科學家成為第一個知道資料問題的人，但不僅僅是技術問題，也確保他們能夠隨著時間的推移對問題進行分類、解決和改進。
• 而且是的，我們非常榮幸能與世界上一些最好的資料團隊合作，包括像 Fox、Cisco、JetBlue 以及許多其他公司。所有這些公司都依賴資料來推動他們的營運。以 JetBlue 為例，你的行李按時到達。我們的其他客戶，他們將資料用在財務報告，或者用在建立生成式 AI 產品。
• 而且在所有這些案例中，確保資料受到信任且可靠，對於能夠使用資料至關重要。而且，回到五年前，時間飛逝真是不可思議。我當時就身處其中，我在 Gainsight 一家我之前工作的公司負責資料。聽起來我們有一些共同的朋友，世界真小。
• 對於那些不知道 Gainsight 的人，Gainsight 創造了客戶成功類別。這基本上開啟了一個新時代，基於訂閱業務和重覆收入模型，在這個時代，確保你的客戶實際使用你的產品，擴大和續訂對你的業務至關重要。
• 那實際上在訂閱時代之前並非如此。當時，我加入了這家公司，我們基本上使用了，我負責一個名為 GONG 的團隊，Gainsight on Gainsight，我們在內部使用我們自己的產品。我一直認為 GONG 這個縮寫非常聰明。實際上不是我的。
• 歸功於 Gainsight CEO Nick Mehta。作為其中的一部分，我們使用資料與我們的董事會、內部高管、外部客戶分享資料。我們與他們分享資料。在所有這些情況下，資料錯誤的情況發生得太頻繁了。GONG！我會從 Nick，我們的 CEO 那裡聽到這個。
• 我會從我們的客戶那裡聽到他們對資料錯誤感到沮喪。也許最令人沮喪的是，當我看著我們的工程同事時，他們都有很好的解決方案來確保他們的應用程式可靠。他們擁有像 New Relic、Datadog、AppDynamics 這樣的解決方案，但資料團隊實際上什麼也沒有。
• 我們就像，哦，讓我們送出這些資料並希望資料是準確的，對吧？這諷刺的是，今天許多資料團隊仍然是這樣運作的。因此，對於這種自己的親身經歷感到沮喪，再次強調，這是五年前的事了，所以當時的資料世界非常不同，但我在思考未來，我相信有一個世界。
• 資料將變得更加重要。如果資料將變得更加重要，那麼資料的信任和可靠性必須更加重要。我不認為我們迄今為止處理資料品質的方式是足夠的。這絕對是一個主題，已經被研究和思考了幾十年。
• 但開始 Monte Carlo 的驅動力或啟發是意識到有許多已經在工程領域開發的東西，無論是像 DevOps 或 SecOps，實際上是對工程團隊和安全團隊確保應用程式和業務可靠、安全、值得信賴的最佳實踐非常有幫助，而這些在資料中都不存在。
• 因此，我們以這個目標和這種假設開始了 Monte Carlo。我們可以將這些最佳實踐引入並賦予資料團隊同樣的嚴謹性、可見度、營運經驗營運卓越和支持這一切的正確技術嗎？這就是這個想法如何從我們自己的痛苦和經歷中開始的。

Early Adopter

• Sandhya: 現在顯然，幾乎任何公司，我認為顯然任何公司都可以是你的客戶。資料品質會以多種不同的方式降低。你是如何考慮從何處開始的？無論是要構建的早期功能還是要關注的早期領先用戶都是如此？我很想聽聽關於你和 Lior 在最初幾個月導航這個問題時的更多資訊。
• 是的，當然。這是一個很好的問題。正如您指出的那樣，任何公司都可以有一個資料團隊並遇到這個問題。因此，第一件事是走出我的經驗，對吧？所以說，好吧，我有過這個，但讓我們和外面的人，我的同行，各地的資料領導者交談，看看他們是否也有同樣程度的痛苦。
• 讓我們看看，讓我們還開始繪製地圖，看看在哪些行業中，是在 B2B 還是零售或電子商務中更多地經歷到痛苦？是這些小公司還是相對較大的公司經歷到這種痛苦？基本上開始考慮你可以建立某種市場地圖以了解痛苦在哪裡。
• 我認為建立類別時的一個誤解是，當你建立一個新類別時，需要帶來資訊並教育人們關於這個新問題。但真正困難的是，如果你創造了一個類別而沒有痛苦。你可能會長時間推動一塊巨石上山，直到那個痛苦存在。
• 因此，對我們來說，在最初的日子裡，甚至到今天，都不僅僅是關於建立類別。因為你的客戶不在乎你建立類別。他們在乎的程度是他們為你感到興奮並且想成為旅程的一部分。
• 我們對此感到非常自豪。但實際上，在一天結束時，客戶希望他們的問題得到解決，他們的痛點得到解決。因此，關鍵是找到誰，如果有人正在經歷這種痛苦以及他們對此做了什麼，以及他們願意對此做些什麼？因此，我認為作為創始人在最初階段，有些事情，就像有一疊撲克牌在你面前，成功的機率很低。
• 因為這是初創企業的本質，像 99% 的企業都會失敗。你還在與時間競賽，對吧？因為市場和機會總是有合適的時間。您也沒有無限的資金和無限的時間來解決問題。
• 而且你沒有資源。所以你基本上就是一個，兩個，也許三個人。因此，基本上一切都對你不利。我認為這實際上很有趣。在這種情況下，你就像，哇，我有一百個問題的清單。我不知道是你提到的一些事情，比如誰是對的公司，誰是對的人物，什麼是對的產品，什麼是對的價格，什麼是對的服務模型。
• 有這麼多問題，作為創始人，你需要專注。這在公司初創階段可能非常壓倒性，後來也是如此。因此，我們一直採取的方法是非常專注於什麼是會殺死我們的下一件事。什麼是我們基本上無法生存的事情？然後，我們對它們的假設是什麼？因此，非常清楚地表達我們需要相信什麼，以使這個痛點足夠大，客戶關心它，我們能夠幫助解決這個問題。在早期階段，第一個假設是有一個客戶在乎這個問題，我們可以幫助他們。因此，假設是我們可以讓一個客戶感到滿意。這就是我們需要證明的一切。因此，我記得實際上打了很多創始人朋友的電話，說，嘿，得到你的第一個客戶的訣竅是什麼？像，我應該怎麼做？你是怎麼做的？我肯定有一些我不知道的策略或技巧之類的。例如，你是怎麼開始的？
• 那有一種非常釋懷的感覺，因為我聊過的每個人都說，嘿，沒有捷徑。你就是需要與足夠多的客戶交談，了解他們的痛苦，並看看如何幫助他們。顯然還需要很多運氣。我認為這是我喜歡聽到的東西，因為我就像，看，對於努力工作沒有捷徑。對於對客戶著迷 (customer obsessed) 沒有捷徑。對於解決一個真正有意義的問題沒有捷徑。並在早期學到這一課然後向前推進。
• 所以，我做的是，我的假設是，有一個客戶我們可以讓他們感到滿意。因此，我們縮小了範圍，我想我們可能與幾百名資料領導者交談過，他們都是我們實際上不認識的人，好，這些是有痛苦的公司類型。
• 與此相關的事實是，正如你所指出的，世界上每家公司要不今天就有痛苦，要不以後，但有一些早期線索。例如，資料驅動型公司有更迫切和緊迫的問題。四五年前，這些行業實際上是我認為資料更豐富 (data rich) 或更資料密集 (data intensive) 的行業。例如電子商務。金融科技，零售，這些是在早期更快採用資料的公司，相比之下 B2B 公司實際上較慢導入資料。因此，我們專注於前者這些行業和公司，他們的問題更為急迫。這是一個例子。
• 第二個例子是，我們那時彼此辯論我們該與什麼類型的人一起合作、什麼類型的職稱、或什麼類型的範圍。例如，應該是資料工程師、資料分析師還是資料科學家？誰會在乎這個問題？然後我們最終了解到每個角色都參與了資料信任和資料可靠性的實現過程。
• 因此，我們如何實際上將所有這些人匯集到一個平台上討論資料問題和資料問題？我會說在於設計規劃公司的早期階段、在於專注、在於產品。這真的是基於，試圖找到一個客戶使他們感到滿意、然後五個客戶使他們感到滿意、然後十個客戶、並從那裡成長。但這非常像，我們現在可以幫助的這裡和現在的客戶。

常見痛點 Common pain points

• Sandhya: 回顧過去，如何描述您的早期領先用戶的模式？回顧過去，是什麼特點讓他們想要傾斜並與初創公司合作？
• 媽媽測試。這實際上不是一個很好的名字，但這是一本非常好的書。
• 這裡的想法是，世界上有一些人，如果你告訴他們，嘿，我有這個好主意，也許是你的媽媽或你的爸爸或你的祖父母，你就像，嘿，我要創業了。而且我有這個主意。他們大多數人會像，哇，Sandhya，這是這個星球上最好的主意。你是怎麼想出來的？你太聰明了，對吧？因為他們愛你，關心你，而且他們，與你有關係。問題是這些人對你的產品是非常糟糕的測試者，因為他們會對你想要的任何事情說「是 (yes)」。因此，世界上有很多人喜歡 Sandhya 並欣賞你並希望你成功，所以他們可能只是為了這個目的而與你互動，所以這個想法是在最初的日子裡，為了真正找到產品市場契合，你需要關注那些通過了媽媽的測試，他們實際上沒有那種親和力或隸屬關係，他們會給你誠實的反饋。
• 我記得，我給當時一家大公司的 CTO 打了一個冷電話，還有一些冷電子郵件，我就問他，嘿，你有這個問題嗎？他立刻說，是的，我有。如果你正在解決它，我很想立即談談。他不欠我什麼。他沒有必要抽出時間與我交談。然後當我與他會面時，我實際上分享了幾張描述問題的幻燈片，然後說明我將如何解決它。我記得他告訴我，你的幻燈片是我見過最醜的幻燈片。他們只是一堆垃圾。這些幻燈片很糟糕。但是，你對產品的思考方式很驚人，如果你有這個，我明天就想實施它。這正是我們期待的反應類型。有人實際上並不考慮所有額外的雜項，但更多地關注，這是否解決了我和我的業務的核心問題，是否可以增加價值？我就像，這就是你想要的。
• 因此，我們實際上給它起了一個名字，我們稱之為「他媽的是」或「地獄是」的時刻，當我們的非常早期客戶基本上對某事感到非常興奮時。因此，我們會與某人進行對話，如果他們，從椅子上跳起來對某事感到興奮，我們就像，喔耶，這就是我們在尋找的反應。
• Sandhya: 是的，你想要「明確的否 (clear no)」或「地獄是的 (hell yes)」。你真的不想要，也許，讓我們再開五次會議，不，它無處可去，對吧那就像初創企業的死亡。
• 是的，另一個好例子是，當你向某人展示某些東西時，你就像，這裡有五個功能我們正在考慮建立。
• 其中哪一個對你最有趣？然後最糟糕的答案是，哦，這看起來都很棒。因為這告訴你沒有一個實際上很重要。你真正想要尋找的是，我要第三個，而且我昨天就想要那個。好吧。如果我沒有第三個，那將是一場災難。
• 這就是那種你想要找的反應類型。人們說，哦，所有這些聽起來很棒、很興奮的這種反應類型。實際上很難從這種反應回饋中前進。

理想客戶檔案 Narrowed Down ICP (Ideal Customer Profile)

• Sandhya: 那，是否有一個特定的行業或商業模式或你專注於早期的某件事？你有沒有說，好吧，我們將追求大型消費科技公司。
• 那麼是否有什麼東西使他們實施資料可觀測性更有價值？也許他們正在生產中使用該資料。有沒有什麼你可以抓住的東西？是的，百分之百。因此，實際上有一些不同的變量，我們用來磨練我們所謂的 ICP (ideal customer profile)，我們理想的客戶檔案。
• 第一個是公司的規模。而且，早期初創企業最困難的事情之一是與太大的公司或太小的公司合作。因為如果是某種特定方式的公司，無論是太小還是太大，他們實際上都不代表更廣泛的市場。
• 因此，訣竅是找到代表更廣泛市場的客戶。在早期，我們真正專注於中端市場 (mid market segment)。我們使用它來基本上建立速度並建立產品。今天，我們支持世界上最大的 Databricks、Snowflake、AWS 等客戶。但在早期，從那裡開始真的很難。因此，我們不得不增長到那種規模。所以這是一種變量。
• 我提到的第二個變量是行業。所以回到那個時候，我們發現像 B2B 這樣的行業例如，遲到採用資料，正如那聽起來的那樣好笑。因此，我們專注於實際擁有大量資料並有在使用資料的公司。問題是有些公司擁有資料，但他們不會使用它。因此，如果他們並不真正使用它而資料錯誤，誰在乎呢？因此，我們需要找到一家對資料有真正用例的公司，人們實際上在查看資料。
• 一家電子商務公司有一個依賴資料的定價演算法、或有基於資料的廣告活動、或者網站上有折扣碼。如果其中任何一個錯了，那對業務立即造成重大影響。您知道，金融科技公司，如果股票號碼太高或太低，如果如果一家公司向華爾街報告錯誤的數字，那也會發生，對吧？在所有這些情況下，這都是對業務的實際影響。因此，我們在尋找實際使用資料的公司。
• 我們察看的第三種變量是誰真正掌握資料預算？是否有一個高級人物負責資料？幾年前，資料在組織中往往是事後考慮的事情，所以它可能是一個非常小的團隊，從 CFO 或 IT 部門下面幾層，他們基本上有整個季度來確保資料是準確的，在他們報告給街道之前，但他們可以使用很多手動方式以確保資料是準確的。快進到今天。每個資料團隊都像公司的前台一樣，尤其是在生成式 AI 中更是如此。因此，這種組織通常向 CTO 或首席資料官或 VP 工程報告。所有這些人都非常關心資料基礎設施，以及資料的可靠性。
• 但在早期，我們實際上必須確保我們正在與一個資料團隊合作。從事對公司至關重要的事情，他們有預算來支持這一點。我們實際上使用這一點來確保這對公司來說是一個足夠大的問題，因為如果這對公司來說不是一個足夠大的問題。
• 這也可能非常困難。然後我們使用的最後一個變量實際上就像我們從堆疊的哪裡開始。所以有點背景，資料可觀測性是唯一的方法，從源頭到消費全程查看你的堆疊。這包括，它可以是上游資料來源。它可以是資料倉庫、資料湖、ETL、編排和 BI 解決方案和 ML 解決方案，對吧？ML 模型。當我們與客戶合作時，我們會進行端到端整合。而且早期的問題是你從哪裡開始？因為我們，如果要花幾年時間實際建立這種覆蓋範圍，我們有幾十個整合點，但作為一家初創公司，你沒有時間，坐下來建立並希望五年後市場會在那裡。
• 因此，您必須對從哪裡開始進行押注。因此，我們所做的是，再次，我們試圖解決真實客戶痛點的即時解決方案。我們發現的是，我們的大多數客戶實際上都在被他們的下游消費者責罵，如果你願意，那些查看報告或使用模型的輸出或實際查看網站的人。
• 因此，這些人最接近最終用戶。而且這些人感受到了最強烈的痛苦。因此，我們所做的是真正關注他們。因此，我們的第一個整合是與資料倉庫、資料湖倉庫和 BI 解決方案一起。隨著時間的推移，我們已經開發了這個端到端堆疊，我們現在支持完整的端到端，但我們必須在一開始就在哪裡開始進行押注，這實際上獲得了大量吸引力，只需連接到你的資料倉庫和你的 BI 解決方案就解決了資料工程師和資料分析師的大量痛苦，但這並不明顯。我認為如果我們從堆疊的其他地方開始，可能需要更長的時間和更多的時間。
• Sandhya: 您是否有像幾個前瞻性的早期設計合作夥伴真正幫助您確定，從哪裡開始，首批功能是什麼，並且在第一次與客戶合作時的早期原型過程中是否有任何意外？如果你記得任何真正幫助你明確那個 MVP 的時刻，我很想聽到這些。
• 是的，當然。我認為對我們最有幫助的客戶是那些對我們的反饋最直接的客戶。所以他們可以像，真的切斷胡說八道並說這對我有幫助，這對我沒有幫助。所以我給你舉個例子。
• 早期，我們談到了所謂的資料可觀測性的五個支柱，它們提供了資料可能出錯的所有各種原因的全面視圖。因此，這些包括模式變更，這是資料出錯的常見罪魁禍首，這包括新鮮度，因此確保資料是準確的，包括音量。包括血統，包括資料品質。所以基本上像字段級，精確性，完整性等。傳統的資料品質變量。當你再次繪製地圖時，作為一家初創公司，你不能從第一天就建立所有這些。那是很多要建立的。因此，我記得，你知道，我們正在與一位非常早期的客戶交談。
• 他的名字是 Yoav。我們，我們基本上說，你能描述一下你過去三到四次資料事件的根本原因是什麼以及發生了什麼事嗎？通過這樣，我們發現實際上他所有的痛苦都可以歸結為模式變更。他就像，如果你每天只給我發送一個更新，它可以是一個 Excel 表格。
• 它可以是一封電子郵件。我不在乎。你可以用鴿子送達。我只需要每天一份資料庫結構定義變更清單，因為就像，Yoav 是一名資料分析師。他實際上是資料分析團隊的負責人，他就像，所有這些上游團隊都在進行變更。我對它們沒有任何了解。我不知道他們是否真的在刪除一個表。也許他們在變更，字段，類型或字段的名稱。我對此一無所知，然後我早上醒來，我的報告全都搞砸了。我不知道發生了什麼。誰做的？他們為什麼要這樣做？因此，如果你只是每天給我發送模式變更清單，我將永遠感激。
• 因此，這非常有幫助，因為他們像，好吧，這些支柱和資料可觀測性的概念非常廣泛，但這裡有一件非常特別的事情。可能真的很有幫助。因此，我記得這真的很有意義。順便說一下，我早期就像，哦，那會是什麼？我對此非常懷疑。
• 而且，他就像，不，我需要這個。我認為這教會了我一個重要的教訓，即使我自己作為一名用戶，客戶始終是對的，始終朝那個方向前進。另一個例子更多地涉及定價和市場推廣。我們在早期沒有向客戶收費。我們真的讓人們與我們一起工作。
• 我們，我們真的量測他們花在我們身上的時間。因此，如果他們花時間與我們在一起，這意味著問題對他們來說足夠重要，他們真的願意在這方面投資。他們花了相當多的時間與我們在一起。我記得在與這位特定客戶合作六到八周後，他的名字是 Rick，真的，他提出要付費。
• 他說，Barr，我們在使用你的產品。這真的是一個很棒的產品。這是一個真正的 SaaS 解決方案。這是一項真正的服務。我們應該為此付費。我就像，Rick，你在說什麼？我們太早了。我們還有很多東西需要費。
• 他就像，不，像我們應該為此付費。你們都瘋了。我記得那是我心態轉變的時刻，因為我就像，哦，好吧。所以我們的產品已經達到了一定的成熟度，我們的客戶告訴我們我們需要付費。這是一件大事。我記得告訴 Rick，沒關係，我們以後再回來討論，他不停地又回來找我，一次又一次，第三次後，我就像，好吧，我們看起來像傻瓜。
• 我們真的只需要向前發展。因此，這實際上推動了我們進入市場，如果那有意義的話。因此，再次，我認為沿途真正關注我們的客戶，我們非常感激，所有我們的神奇客戶，他們今天仍然以類似的方式推動我們。所以我可以告訴你，我們正在對新的定價模型或新的市場推廣模型進行迭代，或者，我們正在建立，額外的整合。
• 我們剛剛發布了 Pinecone 生成式 AI，向量資料庫整合。像那些都是由於我們的客戶說，嘿，像我們需要這個，或者，引導我們朝那個方向指引我們。

GTM (go-to-market) Strategy

• Sandhya: 擁有快樂的客戶是初創企業的最佳藥物。而且，在你到達那裡之前，你仍然在考慮哦，籌資和估值並像慶祝那些時刻。然後你發現實際上有一種更強烈的藥物。這就是客戶說，哦，天哪，我們愛你的產品。也許轉向市場推廣策略。顯然，這這不是像大多數人認為的哦，自助服務，PLG。您最初是如何考慮市場推廣策略的？顯然，你必須做了很多創始人銷售一段時間。你現在如何看待市場推廣策略？
• 是的，我會說，這與建立產品一樣，我們正在不斷發展和採用。就像我們在 Monte Carlo 發送變更，或者我們在發送新功能和錯誤修復等，每天和每週的基礎上一樣，我們也在考慮我們的市場推廣。
• 我認為最糟糕的事情是靜止不動，因為，你的客戶在改變、他們對市場的看法也在改變。並不是說，你不想引入變化只是為了變化。如果有些事情進展良好，你想要加倍投入並增加那一點。
• 因此，這確實是我們在早期所做的。所以你知道，我提到我與數百位領導者交談過，我問他們，嘿，你最大的痛點是什麼？資料停機或資料不正確或不準確，或由於任何其他原因錯誤。嗯，一直是幾乎所有資料領導者的前三個痛點之一，一次又一次。
• 我提到我們，我們與數百位領導者交談並基本上問他們是否這對他們來說是一個問題，這被列為前三名。好吧。然後，當我們進行更多發現並了解他們今天如何解決問題，他們在考慮什麼時，我們還了解到他們通常如何購買解決方案。
• 因此，他們有時會告訴我們，嘿，我剛剛購買了 Databricks，或者我們剛剛從 GCP 遷移到 Snowflake，或者我們剛剛，我們正在轉移到 Redshift 或任何其他東西。然後在那次對話中，我們了解到他們是預算持有者。而且他們需要從他們的 CFO 和 CIO 以及評估團隊獲得批准，包括，資料工程經理和他們團隊上的一群人。
• 我在這裡簡化了，但這個想法是，當你與你的客戶花更多時間時，你會了解到更多關於他們的痛點以及，特定解決方案可以如何解決它。您還將了解他們喜歡如何購買以及他們喜歡如何與您互動。並了解到，例如特定的定價模型對他們更好或更糟。
• 我們了解到有特定的方法可以使他們更容易與我們合作。作為一名資料領導者的最重要的事情之一對我來說至關重要，就像，你被數百個資料供應商資訊轟炸一般，你就像，哦，我現在必須管理所有這些。
• 因此，找到實際為這些人增值的方法，我們的客戶，並且非常容易與他們合作，一直是我們非常重視的事情。而且容易與之合作，我認為在市場推廣中意味著從行銷的角度來看很容易，就像了解該公司很容易，與銷售團隊合作很容易，與法律合作很容易。
• 像我們不想花幾個月，讓你的生活變得困難。如果我們可以，如果我們可以跳到您看到價值的部分，對吧？易於開帳和營運。因此，每個團隊都為這種強大的客戶體驗做出貢獻。因此，當我考慮改善市場推廣時，我正在考慮改善每個團隊。
• 如果那有意義的話。並在他們所在的地方與客戶會面。例如，對客戶來說非常重要的一件事是，開始使用非常容易。而且根據我們目前的定價模型，你只需支付你使用的費用。所以你註冊然後如果你。沒有監控特定的表，特定的資產。
• 你不需要為此付費。這非常透明，非常清晰，並且滿足客戶的需求。他們不想要像不透明的模型。或者開始使用起來很困難的東西。而且我認為通過類似的過程找到那些地獄是的時刻。人們就像，哦，我明天可以開始，並且在線上需要 30 分鐘，我可以在 24 天內看到價值，24 小時。
• 地獄是的，算我一份。所以那時，你會得到信號，你在市場推廣動作上正走在對的道路上。

Data Ecosystem and AI

• Sandhya: 有道理。也許轉換齒輪有點到更廣泛的資料基礎設施生態系統。我覺得這是過去 10 年來發生了如此戲劇性變化的一個領域，這對資料的終端用戶來說通常是不可見的，對吧？發生在幕後的事情，如果你願意。例如，10 年前，當我在 Amplitude 時，我們很早，很少有公司接受了資料倉庫，對吧？而且現在，人們想要使用資料倉庫的方式已經發生了很大變化。所以我很好奇，作為一個實際上從源頭到消費觀察資料管道和資料的人，你如何看待這些力量將如何改變生態系統，從 Monte Carlo 的角度來看？
• 是的，很好的問題。這實際上很有趣，看到你的觀點，資料空間的更廣泛演變，從，哦，什麼是資料倉庫到什麼是資料湖倉庫，哦，什麼是新的堆疊來支持生成式 AI，對吧？我該怎麼辦？我認為在你看到的每一個浪潮中，有兩件事保持不變。第一是資料和資料團隊在組織中變得更重要、更關鍵並對業務更加重要。你看到的第二件事是。在這些浪潮中，可信賴和可靠的資料變得更加重要。
• 因此，如果 10 年前根本不重要，也許它有點重要，今天，實際上在我們看到的調查中，有兩個障礙阻止釋放或發送生成式 AI 產品到生產。第一個是安全性，第二個是資料的可信度。
• 這是建立生成式 AI 產品的前兩個障礙。所以我會說在這些浪潮中，我們加速世界使用資料的信念和使命，通過使資料可信，實際上變得更加重要。所以我們對資料將成為更關鍵的角色更有信心。
• 你不能切角。每個人都會知道如果你的生成式 AI，如果聊天機器人或你正在建立的任何東西，是你知道的，如果有幻覺或，任何這樣的經歷，那會侵蝕客戶信任，這很清楚，如果它基於錯誤的資料。
• 事實上，我會說在生成式 AI 中，第一個競爭優勢和護城河就是公司使用的第一方資料，無論是與 RAG 還是微調 (fine tuning)。這意味著如果公司依賴他們的資料作為他們的生成式 AI 產品的護城河，這意味著該資料品質至關重要。
• 因此，我們現在看到很多公司為生成式 AI 產品做準備。他們實際上正在確保他們擁有的資料，無論是在資料倉庫還是資料湖倉庫，確保資料是準確的，因為他們知道，當他們開始建立這些解決方案時，他們擁有的資料是否準確將是非常明顯的。
• 所以這就是我要說的，所以在生態系統中更廣泛。我認為資料可觀測性即使在它存在的短暫時間內也走了很長的路。我認為我們最初只是在查看資料，相信或認為資料中的變化主要是資料問題的貢獻。
• 我們已經發展到這是不夠的。資料錯誤有三個原因。事情可能在資料、系統或程式碼中出錯。你實際上需要一個解決方案來涵蓋這三個。這是一個非常大的轉變。第二次轉變是大多數解決方案和大多數方法真正專注於檢測。
• 我認為在某種程度上，這正在變得商品化。異常檢測解決方案無處不在。但擁有強大的可觀測性方法的力量在於確保你超越檢測到問題的分類、解決和量測。而且實際上強大的資料團隊具有，這四個方面的能力。
• 那再次，隨著資料變得更加前沿和生成式 AI，變得更加重要。因此，當你考慮到，正在出現的生成式 AI 堆疊，你的管道是否支持它？你是否擁有支持高度可靠的生成式 AI 管道的正確營運能力和技術解決方案？這是我感興趣的事情。

建議 Advice for Founder

• 而且，我們也對此感到非常興奮。我看到很多初創公司正在努力，新的分析方法，新的也許像資料策劃訓練這些模型，基本上很多新的能量和熱情，資料堆疊。我好奇，你會給 2024 年在這個資料生態系統中建立新初創公司的創始人什麼建議。例如，你如何考慮為未來建立並擁有一個實際能在五年內經受住考驗的東西？因為我認為未來五年將是，相當混亂的，就，正在發生的變化而言。
• 哦，當然。我為接下來的五年感到興奮。我認為如果有一件事是肯定的，那就是這將是非常令人興奮的。
• 我不知道會發生什麼。我喜歡認為資料，資料空間就像是最好的派對，從某種程度上說，我們有點像泰勒·斯威夫特，就像你必須每隔幾年就重新發明自己一樣。我不知道為什麼資料空間，我們只是一直在重新發明自己。
• 我會說，首先也是最重要的，我的建議是根本不聽建議。我認為，大部分情況下，大多數建議真的都是垃圾，聽取建議不是一個好主意。我認為建議應該從提供建議的人們的各種重大影響來作加權，從他們背上的疤痕，從他們的經歷，從他們的議題，甚至不是惡意的，只是因為作為人類，這就是我們得到的建議。
• 因此，我的主要建議是真的不要聽取建議。唯一，您應該聽取的資訊來源是您的客戶。我認為這將在接下來的五年內為您提供指導，順便說一句，我先澄清，客戶可能是錯的。因此，有時他們會告訴你他們想要什麼，但他們實際上是指其他東西。
• 而作為創始人，你的工作是破譯這一點並弄清楚，客戶現在是在尋找解決方案還是在談論痛苦？他們永遠不會對他們的痛苦感到錯誤。因此，深入了解您的客戶痛苦是什麼，他們試圖解決什麼並幫助他們到達那裡是唯一重要的事情。別的什麼都不重要。而且專注於無情和快速，努力擁有強大的假設，這可以使您與真實客戶取得真正的勝利，這是唯一重要的事情，無論整個世界如何在你周圍崩塌整個市場在未來幾年可以改變五次，但如果你擁有這些基礎並繼續保持忠誠於那將是我的第一條建議。
• 然後我的第二條建議是，你知道作為一名創始人是一段漫長的旅程，如果你幸運的話
• Sandhya: 你不會說。
• 確切地說，所以我強烈建議嘗試找樂趣如果你可以做到。我，我認為對於在場的所有聽眾來說，你可能正在做一百件不同的事情，然而你選擇醒來並成為一名創始人或現在正在做的任何事情。
• 因此，專注於實際上在做這些事情時找到樂趣，我認為至關重要。所以和你喜歡一起工作的人一起工作，和你喜歡一起工作的客戶一起工作，建立一個你真正自豪的東西，你在一天結束時看著那一天，你為旅程感到自豪，這些都是你可以控制的事情。
• 因此，無論你的創始人之旅看起來如何，我認為記住要找到樂趣是讓旅程變得更特別的東西。
• Sandhya: 這太棒了，Barr。我感覺非常受啟發。非常感謝你來到 Startup Field Guide。
• 當然。感謝您邀請我提出這些很棒的問題。

參考資料 Reference