PURE //加速数字2021 |注册商会
我们如何工作

协作和客户焦点:纯粹的机器学习团队

在纯粹亚搏充值后支付宝能申诉吗的存储中,每次决定都是一个目标:让客户的生活更容易。创建机器学习团队也不例外。


“纯粹一直从第一天收集数据,”Farhan Abrol解释一下,在2014年加入公司作为工程师,并成为Pure1的机器学习负责人®三年后。“我们在未来的某些时候知道,我们能够利用该数据来帮助客户。我们只需要弄清楚如何。“


介绍

在推出纯第一家商业产品以来的五年内,该团队对其客户的痛点深切了解。大多数竞争对手提供了数千个设置的复杂存储工具 - 并且在交付数据之前,经常,延迟时间长。但纯净的激光专注于简单性和接近的存储作为客户产品 - 以及客户是版税。

例如,纯粹开发了一个名为“Load”的单个可操作的数字,而不是强制用户涉及数十个性能指标。由于团队努力进一步优化升级和迁移等事件,因此他们意识到机器学习(ML)将是关键。

“我们向ML背后,”亚风说。“我们划出了能力和性能预测,这是我们客户面临的最艰难的问题。然后,'没关系,我们如何解决它?'我们意识到我们有这个数据。“

最终的所有权

在启动其第一个项目工作负载计划者后,基于AI驱动的“水晶球”Pure1元®平台- ML团队继续增长。当时,大多数公司的数据科学家都在研究消费产品,Pure的机会就不一样了。

“因为我们是B2B,每个客户互动都很重要。我们不能只写下一个特定的事件作为一个异常值,“亚伯尔解释道。“我们考虑绝对而不是平均值的模型的输出。”

为了与客户保持密切联系,团队定期与Pure的UX设计师和产品经理合作——他们直接与用户交流。Abrol说:“我们参加Pure//Accelerate年会,这样我们就可以直接看到客户对我们开发的功能的反应。”

他表示,他的团队对客户体验的独特能见度水平也创造了独特的所有权文化。“很多公司都有分开的资产,数据计划,模型研究和部署团队,”他解释道。“但是因为我们了解整个用户故事,我们都能够结束结束。”

谦卑和团队合作

Pure的另一个关键文化价值是谦逊,Abrol说。“我们对错误很诚实。如果你尝试了一些新东西,但没有效果,你不会因此而受到惩罚。我们的目标是提炼出公司可以利用的经验教训。”对于ML团队来说,每个项目都提供了学习和与其他Pure团队成员合作的新机会。例如,时间戳一开始是一个挑战。“我们有一种定义过去和未来的方式,而前端团队有另一种方式,”Abrol解释道。“我们一起打了个电话,弄清楚了它对客户来说应该是什么样子。”

数据质量问题也提供了早期课程。通过客户反馈警告一些问题,ML团队通过询问数据生成团队对初始理论进行重量。然后,他们分析并分割了客户数据以识别其同事可以进一步研究的特定子集。“我们建立了一个迭代管道,”亚伯拉尔说。我们将界面问题,他们识别改进,我们冲洗并重复。我们能够弥合我们专家之间的差距以及客户看到的内容。“

没有假边界

在未来的几个月里,ML团队将超越优化,并计划挖掘新区域:发现。一如既往,简单就是一个目标。

Abrol解释说:“我们正在测量存储、虚拟机分析——所有这些相互依赖的指标都可以帮助客户发现业务中的问题。”“但是找到这些问题的根源就像是大海捞针。我们正在想办法给客户提供更多的指导,这样他们就知道应该立即关注哪里,并开始着手解决问题。”

从长远来看,Abrol说,下一个大项目可能来自 - 并由团队的任何成员领导。“我们不受资历的推动。如果你有一个好主意,并且有信心你可以运行它,这就是重要的。“

至于那个项目是什么?指路明灯将保持不变:只要对顾客最好。“没有人为的界限,”Abrol说。“当你看到有需要做的事情时,你就和你需要交谈的人交谈,建立你需要建立的东西。这就是Pure的意义所在。”

你看起来很好

更多地了解我们是谁,我们的立场,以及我们每天是如何做出改变的。