Snowflake

023 · Slootman 談 Snowflake 與推高節奏

51:22YouTube 上架 2023-06-29Frank Slootman（Snowflake CEO）

No Priors Ep. 23 | With Snowflake's CEO Frank Slootman

Frank 回顧三份 CEO 工作的起點，談 Amp It Up 的核心訊息、Snowflake 怎麼讓工作來找資料，以及生成式 AI 對企業資料的意義、景氣下行時該怎麼管。

023 講了什麼

• 選環境比選職位重要Frank 認為待在哪裡、哪個產業、哪家公司、跟誰共事都會塑造一個人，好的選擇加上執行力，才有後面的機會。職位不太重要，一輩子會換很多個。
• Amp It Up 講的是持續施壓人天生會慢下來，領導者要不斷推高急迫感、標準與一致性，下一場會議、下一封信都是機會。有人因此離開也沒關係，那些人本來就不合這個文化。
• Snowflake 的設計重點兩位創辦人把儲存與運算拆開、把控制層移出叢集，讓大量工作可以同時跑。資料雲的前提是工作來找資料，而不是把資料搬去找工作，否則每多一個應用就多一座資料孤島。
• 自然語言是資料的最後一哩Frank 認為能用自然語言查資料會讓需求暴增，但企業要問的是結構化專有資料的難題，光靠語言模型答不出來，還需要懂業務的各種模型。
• 治理是 AI 的前提Frank 把雜亂的資料湖比成垃圾場，拿來訓練模型很荒謬。收購 Streamlit 後把它放進 Snowflake 的治理邊界內，也花了兩年讓 Python 在平台上不留漏洞。
• 景氣差時照常管理Frank 說 Snowflake 一直在修剪組織，不必等到危機才大裁員；用量計價對客戶公平，投資人卻只喜歡它往上的時候。

從哪一段開始看19 段

1. 00:00開場與出身主持人介紹 Frank 是 Data Domain、ServiceNow、Snowflake 三家公司的 CEO。Frank 形容自己從小專注、自律，有股想證明自己的勁，認為美國是更好的舞台。
2. 02:06選對地方與產業有些機會與環境改變不了，所以要慎選；Frank 給畢業生的建議是別進顧問公司，去真實經濟裡做真實的產品。
3. 04:45第一份工作Frank 的第一份工作是大型電腦公司 CEO 底下的六人企劃小組，原本不想要，做了兩年 MBA 式的工作之後，就能自己挑想做的事。
4. 06:17Data Domain 的早期主持人問三家公司的共通點。Frank 先更正：Data Domain 當年沒有營收、沒有客戶，只有 15 個人，也被投資人看輕；後來一位客戶靠它的備份救回電子郵件資料庫，才找到一點市場。
5. 09:25為什麼寫書邀約太多，乾脆寫書；Tape Sucks 是自己出版，Amp It Up 則是回答「成功的祕訣是什麼」，Frank 不在乎別人同不同意。
6. 11:48急迫感主持人問為什麼很多 CEO 不去推。Frank 說人天生會慢下來，領導者必須在每次互動裡拉高急迫感與標準，CEO 的工作本來就充滿衝突。
7. 14:25怕人才流失與文化離開的人本來就不屬於這個文化；文化沒有通用的好壞，要看能不能支撐使命。
8. 16:01Snowflake 簡介兩位創辦人是長年在 Oracle 的技術人，一開始就處理半結構化資料，不只是資料倉儲；他們把儲存與運算分開、後來改成用量計價，並把控制層移出叢集，讓叢集無狀態。
9. 20:24資料雲的主張資料倉儲只是一種工作負載，資料雲要讓工作來找資料。Frank 勸大銀行別在雲端重建孤島，也說明為什麼要多雲，以及 Snowpark、原生應用框架讓應用在平台邊界內執行。
10. 24:03生成式 AI 與自然語言主持人問企業用例有沒有改變。Frank 從 COBOL 講到 SQL，說自然語言是取用資料的最後一哩，需求會大增。
11. 26:24企業資料需要別種模型Frank 舉保險公司追問某州理賠異常的例子，說語言模型答不了；企業要的是懂業務的模型，汽車保險靠 telematics 資料訂價就是一例。
12. 29:15收購 Neeva 與搜尋Frank 自稱「search junkie」。搜尋缺的是脈絡，而脈絡能讓一個資料屬性從平凡變得有預測力；搜尋和聊天最後會合成一場自然語言對話。
13. 31:03BI 與儀表板BI 不會消失，儀表板還有引導讀者怎麼看資料的作用；臨時分析則是自然語言最好，Frank 自己已經在內部資料庫 Snowhouse 上這樣查業務資料。
14. 32:51收購 Streamlit 與治理Streamlit 讓不寫程式的人也能操作機器學習模型，放進 Snowflake 是為了信任與治理；Frank 把資料湖比成垃圾場，資料產品才是能交給業務單位的東西。
15. 36:46遷移的挑戰主持人問最大的挑戰。Frank 說上雲本來就要重寫，勸應用開發商別自帶資料容器，並以 Blue Yonder 要在 Snowflake 上重建供應鏈管理為例。
16. 40:56資料將改寫產業跟客戶十次對話有九次在談產業用例；醫療可以走向預測與預防，製藥若能把平均 12 年的上市時間縮短一到三年，整個產業的經濟就變了。
17. 44:39用量計價與景氣主持人問景氣是否改變定價觀。Frank 說用多少付多少對客戶公平，客戶縮減用量有時很痛，投資人只愛它往上的時候。
18. 46:42景氣下行時怎麼管Snowflake 不做大裁員，因為一直在修剪；景氣循環是常態，現在是拚的時候。新創要像 Frank 在 Data Domain 那時一樣，一個募資里程碑接一個去準備。
19. 50:10結尾：下一次就推高Frank 的收尾：下一場會議、下一則訊息就推高一格，不用怕別人反彈，好的人會喜歡。

值得記的話5 句

• Well, if they leave, they should leave.要走的人，就讓他們走14:25

• The whole premise behind the data cloud is that the work comes to the data, the data does not go to the work.資料雲的前提是工作來找資料，不是資料去找工作20:39

• Data is going to redefine whole Industries.資料會改寫整個產業40:56

• Trees don't grow into the heavens.樹不會長到天上去49:04

• Fundraising is oxygen for a company.募資是公司的氧氣49:52

名詞與人物9 個

Frank Slootman

Snowflake CEO，本集來賓，先前也是 Data Domain 與 ServiceNow 的 CEO。

Amp It Up

Frank 的書，核心是在每次互動裡拉高急迫感與標準。

Tape Sucks

Frank 寫 Data Domain 經驗的書，自己出版。

data cloud

Snowflake 的主張：工作來找資料，資料不用搬去找工作。

Snowpark

Snowflake 的程式化平台，讓應用在平台的治理邊界內執行。

Streamlit

Python 開發者常用來把機器學習模型做成可操作介面的開源專案，已被 Snowflake 收購。

Neeva

Snowflake 剛收購的搜尋公司，Frank 看重的是團隊的搜尋專長。

Blue Yonder

供應鏈管理公司，宣布要在 Snowflake 上重建平台。

data product

從資料湖整理出來、可信任、能交給業務單位使用的資料物件。

提到但沒有展開

• Frank 說自己在待過的每一家公司都砍掉了 customer success 部門，也不在乎別人同不同意。
• 汽車保險業者靠 telematics 資料訂價，能一邊降價一邊提高獲利；Frank 特別說這還不算 AI，只是機器學習。
• Frank 提到 ServiceNow 時期其實是把地端架構放到雲上代管，聯邦政府的生意則跑在地端的 Oracle 上，因為雲端方案過不了聯邦的認證。

在 YouTube 看原片 ↗