Kehidupan awal

Saya hampir tidak tahu apa-apa tentang kehidupan. Bahkan lebih benar lagi ketika saya bergabung dengan perusahaan pertama saya setelah lulus kuliah. Itu adalah startup kecil di industri adtech, sekitar 25 orang, semuanya muda dan keren. Perusahaan baru saja menaikkan putaran pertamanya, dan sudah waktunya untuk berakselerasi. Saya dipekerjakan sebagai Ilmuwan Data untuk mengekstrak wawasan dari sejumlah besar data yang telah dikumpulkan perusahaan. Saya pikir pekerjaan saya adalah melatih model pembelajaran mesin, menulis kode dengan Python, dan bermain sepak bola. Aku sangat salah.

Hidup itu menyenangkan

Saya adalah anggota tim Data kedua, tepat setelah Kepala itu sendiri, jadi semuanya harus dibangun dari bawah ke atas. Itu menyenangkan dan menantang. Saya menghabiskan waktu membaca makalah penelitian tentang pembelajaran mesin, menyadari betapa sedikit yang saya ketahui, dan menulis kode seperti orang gila. Saya segera menyadari bahwa sekolah gagal mengajari saya banyak keterampilan dasar yang dibutuhkan untuk pekerjaan saya sehari-hari. Jadi saya belajar. Setiap hari. Saya belajar menulis kode tingkat produksi dengan Python dan Scala, membuat pekerjaan Spark, dan mengaturnya dengan Airflow DAG. Saya belajar untuk rebase dan menangani konflik di git. Saya belajar cara membuat pipeline CI/CD. Saya belajar menggunakan AWS. Saya tercabik-cabik dalam ulasan kode oleh anggota senior. Ratusan komentar per permintaan penarikan itu adalah kursus kilat saya tentang rekayasa data.

Saya menyukainya. Saya memiliki gelembung kecil di mana saya dapat belajar dan berkreasi pada saat yang sama, dengan kecepatan saya sendiri, karena saya berada di bawah payung Penelitian dan Pengembangan, karena "segala sesuatu membutuhkan waktu dalam ilmu data", dan karena saya masih junior. Jadi beberapa bulan berlalu sampai saya mulai memperhatikan sesuatu yang berbeda.

Saya melihat tekanannya

Pada manajemen, bertanggung jawab atas puluhan orang.
Insinyur back-end, bertanggung jawab untuk mengirimkan jutaan iklan 24/7 dalam waktu kurang dari 50 milidetik.
Pada orang-orang infra, bertanggung jawab untuk memelihara infrastruktur bernilai jutaan dolar setiap saat.
On account executives, bertanggung jawab untuk menjual solusi kepada pelanggan dan menghasilkan uang.
Pada pendiri, bertanggung jawab atas visi dan kelangsungan hidup perusahaan.

Saya melihat mereka terbangun di tengah malam, berurusan dengan kegagalan dan eskalasi. Cangkir kopi hancur berkeping-keping, orang-orang saling berteriak, dan orang-orang dipanggang karena tidak membuat target. Perubahan suasana hati sangat epik.

Saat itulah saya mengerti.

Ini tentang bertahan hidup

Saat Anda bekerja untuk startup, ini semua tentang bertahan hidup. Dan untuk bertahan hidup, Anda membutuhkan dua hal: nilai dan eksekusi. Segala sesuatu yang lain adalah kebisingan.

Nilai

Nilai adalah hal yang paling penting untuk dipahami, terutama bagi orang-orang teknologi, karena kita cenderung terlalu fokus pada sisi teknologi.

Perusahaan ada karena satu alasan: untuk memecahkan masalah yang penting. Itu dia.

Bahasa pemrograman apa yang digunakan? Kerangka kerja apa yang digunakan? Editor teks apa yang digunakan? Arsitektur apa? Haruskah kita menggunakan pembelajaran mesin? Itu tidak relevan. Paling-paling, ini adalah detail implementasi.

Nilai berasal dari masalah, masalah, dan pengguna. Jadi pertama-tama, kita perlu memahami mereka. Maka kita perlu membuat produk yang akan membuat hidup mereka lebih mudah. Akhirnya, kita harus melakukannya dengan cepat. Tapi ada tangkapan.

Eksekusi

Ini semua tentang kecepatan. Kita harus menemukan keseimbangan antara terlambat mengirimkan sesuatu yang sempurna dan mengirimkan sesuatu yang tidak dapat digunakan terlalu dini.

Kami mungkin mengembangkan model pembelajaran mesin terhebat yang pernah ada, tetapi selama itu tidak mencapai produksi, itu tidak berguna. Secara historis, ini adalah bagaimana proyek TI berjalan. Proyek berlangsung berbulan-bulan atau bertahun-tahun dengan tim pengembang yang luas sebelum mencapai produksi. Kecuali untuk kasus yang jarang terjadi, ini 1. tidak perlu, dan 2. tidak efisien. Jika kami terlambat mengirimkan sesuatu, kami berisiko kehabisan uang tanpa menunjukkan apa pun.

Dan bagaimana dengan kompetisi? Apakah kami ingin pengguna beralih ke pesaing lain?

Jika kami mengirimkan sesuatu yang tidak dapat digunakan terlalu dini, pengalaman pengguna akan buruk, dan orang-orang akan menjauh dari produk tersebut, meskipun nantinya akan menjadi lebih baik. Reputasi dipertaruhkan di sini. Jadi kita harus berhati-hati tentang apa yang kita kirimkan dan bagaimana kita berkomunikasi.

Jadi apa yang kita lakukan? Kami mengulang. Kami fokus pada bagian-bagian penting dan mengirimkannya sesegera mungkin. Kami mengumpulkan umpan balik, kami meningkatkan, dan kemudian kami menambahkan fitur. Bilas dan ulangi sampai ROI tidak menarik lagi. Itu sebabnya produk SaaS memiliki pratinjau pribadi dan publik. Itu sebabnya kami harus mengirimkan produk setengah matang dengan kode jahat dari waktu ke waktu. Pipeline penyerapan kami mungkin bukan yang tercepat atau paling hemat biaya, model ML kami mungkin bukan yang paling akurat, dan backend kami mungkin bukan yang paling skalabel, tetapi itulah cara kami bergerak cepat dan tangkas. Itu benar Agil.

Kedengarannya mudah, tapi tidak. Iterasi yang baik membutuhkan pola pikir yang berbeda. Kami harus melakukan pengorbanan dan menerima untuk mengirimkan kode yang kurang optimal. Kita harus merangkul kekacauan sementara untuk kesuksesan jangka panjang. Dan itu sulit.

Kesimpulan

Alih-alih berfokus pada teknologi itu sendiri, kami harus melihat gambaran yang lebih besar dan memahami apa masalahnya bagi pengguna kami. Apa yang ingin kita capai di tingkat bisnis? Berapa nilai yang diberikan?

Gagasan tanpa eksekusi yang tepat hanya membuang-buang waktu. Itu sebabnya kami perlu melakukan iterasi dengan cepat, mendapatkan umpan balik pengguna, meningkatkan, lalu melakukan pivot jika diperlukan.

Akhirnya, dan ini mungkin bagian yang paling menantang, kita harus menerima pengorbanan dan pengiriman kode yang kurang optimal.

Menariknya, semua yang dikatakan sejauh ini berlaku untuk setiap perusahaan, bukan hanya startup. Mereka hanya punya lebih banyak uang.

Sampai mereka tidak melakukannya.