جاي ميشرا، المدير التنفيذي للعمليات في Astera Software - سلسلة المقابلات

جاي ميشرا هو الرئيس التنفيذي للعمليات (COO) في Astera البرمجيات، مزود سريع النمو لحلول البيانات الجاهزة للمؤسسات. إنها تساعد مستخدمي الأعمال على سد الفجوة بين البيانات والرؤى من خلال مجموعة من حلول استخراج البيانات سهلة الاستخدام وعالية الأداء وجودة البيانات وتكامل البيانات وتخزين البيانات وتبادل البيانات الإلكترونية، والتي تستخدمها كل من الشركات متوسطة الحجم والشركات المدرجة في قائمة Fortune 500. عبر مجموعة من الصناعات.

ما الذي جذبك في البداية إلى علوم الكمبيوتر؟

لقد كان لدي دائمًا شغف عميق بالرياضيات، وكانت رحلتي إلى علوم الكمبيوتر امتدادًا طبيعيًا لذلك. كان تعليمي الجامعي في الرياضيات وعلوم الكمبيوتر، وكان التقدم المنطقي من عالم الرياضيات إلى عالم علوم الكمبيوتر هو ما أذهلني. ما لفت انتباهي بشكل خاص هو الأعمال المعقدة للخوارزميات والعمليات الخوارزمية المتقدمة التي قادتني إلى متابعة التخصص في الخوارزميات أثناء دراستي لدرجة الماجستير في علوم الكمبيوتر. منذ ذلك الحين، ظلت علاقتي بعلوم الكمبيوتر قوية، وأسعى باستمرار للبقاء على اطلاع بأحدث التطورات في هذا المجال.

أنت حاليًا مدير العمليات في Astera، هل يمكنك أن تشاركنا ما يستلزمه دورك اليومي؟

باعتباري مدير العمليات في Astera، فإن دوري متعدد الأوجه، مما يعكس الطبيعة الديناميكية لشركتنا. لقد كنت مع Astera منذ إنشائها، وامتدت مسؤولياتي إلى مجالات مختلفة من المنظمة. يتضمن ذلك كل شيء بدءًا من المساهمة الفعالة في تطوير منتجاتنا وترميزها وحتى ضمان توافق ميزاتنا مع احتياجات عملائنا المتطورة. أنا أتعاون بشكل وثيق مع عملائنا، وأعمل جنبًا إلى جنب معهم لتحسين حلولنا. ويمتد دوري إلى ما هو أبعد من مجرد تطوير المنتجات ليشمل المبيعات والتسويق، حيث نقدم عروضنا إلى السوق.

نظرًا لأننا في مرحلة النمو، فقد توليت مسؤوليات إضافية، بما في ذلك الإشراف على أهداف الإيرادات لدينا وتوسيع محفظة منتجاتنا بشكل استراتيجي للوصول إلى أسواق جديدة. بشكل أساسي، لدي يد في كل جانب من جوانب عملياتنا تقريبًا، مما يضمن أننا ليس فقط نبني منتجات استثنائية ولكن أيضًا نطرحها بنجاح في السوق ونحقق أهداف أعمالنا.

بالنسبة للقراء الذين ليسوا على دراية بهذا المصطلح، ما هو تخزين البيانات؟

تخزين البيانات هو نمط معماري يستخدم لدمج جميع بيانات مؤسستك في مستودع مركزي سيكون بمثابة الأساس الذي يمكنك من خلاله إنشاء أنواع مختلفة من التحليلات والتقارير ولوحات المعلومات التي ستقدم الصورة الحقيقية لمكان عملك هو ويتنبأ أيضًا بكيفية أداء الأعمال في المستقبل. لتلبية كل ذلك، عليك جمع بياناتك معًا بطريقة معينة وتسمى هذه البنية بمستودع البيانات.

المصطلح مأخوذ في الواقع من مستودع حقيقي حيث يتم تخزين منتجاتك على رفوف منظمة. ولكن عندما تأتي إلى عالم البيانات، فإنك تجلب بياناتك من مصادر مختلفة. أنت تقوم بإحضار بياناتك من الإنتاج وموقع الويب الخاص بك وعملائك والمبيعات والتسويق والتمويل وقسم الموارد البشرية لديك. تقوم بجمع كل البيانات معًا، ووضعها في مكان واحد، وهذا ما سيُطلق عليه اسم مستودع البيانات وهو مصمم بطريقة معينة بحيث يكون إعداد التقارير، خاصة بناءً على الجدول الزمني، أمرًا سهلاً. هذا هو الغرض الأساسي من مستودع البيانات.

ما هي بعض الاتجاهات الرئيسية في تخزين البيانات اليوم؟

لقد تطور تخزين البيانات قليلاً خلال العشرين إلى الخمس والعشرين عامًا الماضية. منذ عقد من الزمن تقريبًا، شهدنا ظهور تخزين البيانات الآلي، وهو نقلة نوعية أدت إلى تسريع عملية بناء نماذج البيانات ومستودعات البيانات. في الآونة الأخيرة، احتلت الأتمتة مركز الصدارة. فهو يتناول الطبيعة المتكررة لمهام تخزين البيانات، وتبسيط العمليات لتوفير الوقت والموارد.

منتجنا، Astera منشئ مستودع البياناتعلى سبيل المثال، يقدم نهجًا شاملاً للأتمتة في تخزين البيانات. وهو يغطي كل شيء بدءًا من أتمتة خطوط أنابيب ETL (الاستخراج والتحويل والتحميل) ونمذجة البيانات إلى التحميل التلقائي للبيانات في هياكل مثل المخططات النجمية أو خزائن البيانات. علاوة على ذلك، فهو يحافظ بكفاءة على هذه الهياكل من خلال آليات التقاط بيانات التغيير (CDC). لقد برزت هذه الأتمتة الشاملة كاتجاه رئيسي في مجال تخزين البيانات.

علاوة على ذلك، فإن الاتجاه الأحدث هو الدمج بين تخزين البيانات والذكاء الاصطناعي (AI). على وجه التحديد، أخذ الذكاء الاصطناعي التوليدي الأتمتة إلى آفاق جديدة. فهو لا يقوم بأتمتة المهام فحسب، بل يساعد المستخدمين أيضًا في اتخاذ القرار.

يمكن توجيه تكوين مكونات تخزين البيانات وخطوط الأنابيب ونقاط القرار بواسطة الذكاء الاصطناعي، مما يجعل تخزين البيانات أكثر قوة وكفاءة من أي وقت مضى. في جوهر الأمر، هذا هو الأتمتة على المنشطات، وهو يغير مشهد تخزين البيانات. يعد التقاطع بين الذكاء الاصطناعي وتخزين البيانات اتجاهًا يحمل وعدًا كبيرًا للمستقبل.

ما هي المبادئ الأساسية الأربعة التي يجب على الشركات مراعاتها عند تطوير مستودع البيانات الخاص بها؟

1. تحديد أهداف واضحة

من الضروري أن تبدأ بفهم ما تحتاجه من مستودع البيانات الخاص بك بدقة. تجنب الوقوع في المأزق الشائع المتمثل في جمع بيانات زائدة دون غرض واضح. بدلاً من ذلك، حدد الأهداف المحددة التي تريد تحقيقها باستخدام مستودع البيانات الخاص بك. ما هي التقارير والأفكار التي تبحث عنها؟ من خلال التركيز على أهدافك، يمكنك التأكد من أنك تجلب فقط البيانات ذات الصلة، بدلاً من تجميع كميات هائلة من المعلومات بشكل عشوائي. نظرًا لانخفاض تكاليف التخزين وقوة الحوسبة، فمن الضروري استخدام هذه الموارد بذكاء وأخلاق.

2. اختيار النمط المعماري المناسب

الأنماط المعمارية مهمة جدا. إنهم يقررون ما إذا كان حل تخزين البيانات الخاص بك سيكون ناجحًا أم لا. هناك العديد من الخيارات، بدءًا من تخزين البيانات بأسلوب Inmon إلى المخططات النجمية الخاصة بـ Ralph Kimball، بالإضافة إلى الأنماط الأحدث مثل Data Vault ونهج الجدول الكبير الواحد الذي يدعو إليه بائعو قواعد بيانات columna. لن تكون جميع الأنماط مناسبة لكل سيناريو.

نحن نرى في الغالب مجموعة من المخططات النجمية الموجودة في الجزء العلوي من قبو البيانات. لذا، لا يزال الجمع بين Data Vault وStar Schema هو النمط الأكثر استخدامًا على نطاق واسع. ولكن، كما قلت، لكل متطلب أو لكل سيناريو ستكون هناك إجابة مختلفة. لذا، قم بإجراء ذلك من خلال الخبراء، واعرف أي نمط معماري مناسب للسيناريو الخاص بك.

3. اختيار الأدوات الصحيحة

إنها مهمة جدًا وتحدث فرقًا كبيرًا مرة أخرى في الوقت والمصادر اللازمة لبناء الحل وأيضًا دقة وجودة الحل الذي تحدده المنتجات التي ستستخدمها لبناء حلك. مستودع البيانات وصيانته. انتبه كثيرًا لقدرات المنتجات وألقِ نظرة على المنتجات القادرة على تلبية معظم المتطلبات تحت مظلة واحدة. هناك مجالات معينة مثل ETL (الاستخراج والتحويل والتحميل) وجودة البيانات ونمذجة البيانات وتحميل البيانات ونشر البيانات كلها تلعب دورًا مهمًا. إذا حاولت استخدام منتجات متعددة لكل مجال من هذه المجالات، فسيكون الأمر صعبًا. لذا انظر إلى المنتجات التي يمكن استخدامها للقيام بمعظم المكونات المختلفة، إن لم يكن جميعها.

4. فريقك

أخيرًا وليس آخرًا، يعد فريق الأشخاص الذين تقوم بتجميعهم لبناء حل مستودع البيانات الخاص بك هو الجزء الأكثر أهمية. نوصي بوجود شخص يتمتع بخلفية قوية في أنماط هندسة البيانات. فيما يتعلق بتكوين الفريق، فإن الفرق متعددة الوظائف هي أفضل طريقة للقيام بذلك، حيث يكون لديك مزيج من مستخدمي الأعمال والأشخاص الذين لديهم بعض الخلفية البرمجية أو على الأقل خبرة في البيانات ولديهم تعاون وثيق بين أمناء البيانات لديك، والأشخاص الذين مسؤولون عن البيانات وبالطبع الأعمال. من خلال تعزيز التعاون الوثيق بين هذه الجوانب المختلفة لمؤسستك، يمكنك إنشاء فريق متماسك وفعال مسؤول عن بناء وصيانة حل تخزين البيانات الخاص بك.

ويتوقف النجاح في تخزين البيانات على تحقيق التوازن بين هذه المبادئ الأربعة. وقد أثبتت هذه المبادئ، عند اتباعها بعناية، أنها وصفة للنجاح في تجربتنا.

لماذا تحتاج الشركات إلى مكدس بيانات حديث؟

ذلك يعتمد على كيفية تعريفنا "حديث" وهذا يتغير باستمرار، أحيانًا بالسنة والشهر وحتى باليوم. يجب علينا أن نأخذ في الاعتبار مجموعات الأدوات الحديثة المصممة مع وضع المشهد المتغير للبيانات في الاعتبار. على مدى السنوات القليلة الماضية، حدثت تحولات كبيرة في طبيعة وحجم البيانات. لقد أدى ظهور البيانات الضخمة إلى تحويل مشهد البيانات، حيث تتدفق البيانات من مصادر مثل مواقع التجارة الإلكترونية، وقواعد بيانات الإنتاج، وأجزاء مختلفة من عملك. ولا تتغير هذه البيانات من حيث الحجم فحسب، بل من حيث طبيعتها أيضًا.

في الماضي، كانت البيانات منظمة في الغالب، ولكن الآن، تلعب البيانات غير المنظمة دورًا مهمًا. بالإضافة إلى ذلك، زادت سرعة إنشاء البيانات وإتاحتها للاستخدام. ونظرًا لهذه التغييرات في البيانات، يجب علينا تقييم مجموعة أدواتنا وتكييفها بشكل مستمر لمواجهة تحديات البيانات المتطورة هذه بشكل فعال.

تم تصميم مجموعة البيانات الحديثة للتعامل مع جميع الاختلافات في الهياكل وسرعة البيانات، وهي مجهزة جيدًا للتكيف مع الأنماط المعمارية الناشئة التي تطورت على مدى السنوات القليلة الماضية. لذلك، إذا كنت ترغب في تحقيق أقصى استفادة من بياناتك، عليك أن تنظر في تحديث حزمة البيانات الخاصة بك. هذه هي الطريقة الوحيدة لمواكبة تحديات البيانات الجديدة.

لقد رأينا أن الشركات تلتزم بالحلول الحالية التي يبدو أنها ناجحة. من المهم أن ندرك أن البيانات نفسها ديناميكية بطبيعتها. وهي تتطور باستمرار، وتقدم تحديات وفرص جديدة. وقد لا تكون الحلول الحالية مجهزة للتكيف مع هذه التغييرات. ولذلك، لتسخير الإمكانات الكاملة لبياناتها، يجب على الشركات أن تتبنى مفهوم تحديث مجموعة البيانات الخاصة بها. لا يتعلق الأمر بكسر ما ينجح؛ يتعلق الأمر بالبقاء مرنًا ومستجيبًا للطبيعة المتطورة للبيانات. من خلال التقييم المستمر ودمج التطورات في تكنولوجيا البيانات، يمكن للشركات أن تظل قادرة على المنافسة وتتخذ قرارات مستنيرة في عالم يعتمد على البيانات بشكل متزايد.

ما هي بعض التحديات الحالية لإدارة البيانات التي تظهر في الصناعة؟

1. سرعة البيانات وتكاملها

أحد التحديات الكبيرة التي نواجهها اليوم هو الحجم الهائل للبيانات المتدفقة من التطبيقات المختلفة. إذا نظرت إلى أي مؤسسة نموذجية لتكنولوجيا المعلومات، فإنها تتعامل مع التطبيقات الجديدة التي تظهر طوال الوقت - العشرات، وأحيانًا حتى المئات كل عام، خاصة في المؤسسات متوسطة الحجم.

الآن، كل هذه التطبيقات تولد البيانات، وهذه البيانات تحمل رؤى قيمة. الشاغل الرئيسي هنا هو القدرة على دمج مصادر البيانات الجديدة هذه بسرعة في خطوط أنابيب البيانات الحالية ودمجها في عرض موحد. إن السرعة التي يمكن بها للمؤسسات التكيف مع تدفقات البيانات الجديدة هذه ودمجها هي التحدي الأكبر الذي نراه.

2. تنسيقات البيانات المختلفة

وينبع التحدي الحاسم الآخر من طبيعة البيانات نفسها، وخاصة الانتشار المتزايد للبيانات غير المنظمة. مع البيانات غير المنظمة، هناك بطبيعة الحال مدارس فكرية مختلفة حول كيفية التعامل معها.

يجب على المؤسسات أن تقرر ما إذا كانت تريد تخزين هذه البيانات مباشرة في مستودعات البيانات لاستخدامها لاحقًا أو استخراجها وتحويلها إلى تنسيق أكثر تنظيماً للاستهلاك الفوري. لا يزال التحدي المتمثل في كيفية التعامل مع البيانات غير المنظمة قائما، ونحن نرى أنه حتى الشركات المتوسطة الحجم أو الشركات الصغيرة الحجم تتأثر بها. لذلك، يعد وضع استراتيجيات فعالة للتعامل مع البيانات غير المنظمة أمرًا ضروريًا.

3. نشر البيانات ومشاركتها

في حين أن تكامل البيانات وتوحيدها أمر بالغ الأهمية، فإن القدرة على مشاركة البيانات بشكل فعال لا تقل أهمية. تحتاج المؤسسات إلى آليات لنشر البيانات وتوزيعها على الأقسام الداخلية والموردين الخارجيين والشركاء وأصحاب المصلحة الآخرين. ويمتد هذا التحدي إلى ما هو أبعد من مجرد إتاحة البيانات؛ أنها تنطوي على ضمان أمن البيانات والخصوصية والامتثال للوائح. نظرًا لأن مشاركة البيانات أصبحت ضرورة للشركات بجميع أحجامها، فإن التقنيات والمنتجات في هذا المجال تتطور بسرعة لتلبية الطلب.

ما هي بعض الطرق التي قامت بها Astera بدمج الذكاء الاصطناعي في سير عمل العملاء؟

نحن ننظر إلى تقاطع الذكاء الاصطناعي مع إدارة البيانات بطريقتين مختلفتين.

1. تعزيز سهولة الاستخدام باستخدام الذكاء الاصطناعي التوليدي

إن التزامنا العميق بقابلية الاستخدام هو حجر الزاوية في فلسفة تطوير منتجاتنا. على مدار 12 إلى 13 عامًا الماضية، قمنا ببناء سمعة قوية في تصميم المنتجات ذات منحنى التعلم القصير، مما يجعلها في متناول المستخدمين غير التقنيين. من خلال قدر بسيط من التدريب، يمكن للأفراد استخدام منتجاتنا بشكل فعال لأداء مهام ذات معنى باستخدام بياناتهم.

مع إدخال الذكاء الاصطناعي التوليدي، ارتقت Astera بسهولة الاستخدام إلى المستوى التالي. لقد استخدمنا الذكاء الاصطناعي التوليدي لإنشاء واجهة مستخدم تتيح للعملاء التفاعل مع المنتج باستخدام أوامر اللغة الطبيعية. تعمل هذه الواجهة المبنية على الذكاء الاصطناعي على تبسيط مهام التكوين، مما يجعلها أكثر سهولة وكفاءة للمستخدمين.

علاوة على ذلك، قامت Astera بدمج الأتمتة المدعومة بالذكاء الاصطناعي للتعامل مع المهام التي كانت تتطلب في السابق عدة ساعات من العمل اليدوي، خاصة في تكوين منتجات إدارة البيانات. لم يكن عامل التكلفة الأكبر لبناء حل إدارة البيانات مجرد شراء منتج، بل كان الوقت والجهد المبذولين في تكوينه. لقد حاولنا معالجة ذلك باستخدام الذكاء الاصطناعي. يقلل هذا الأسلوب بشكل كبير من الوقت والموارد التي يتم إنفاقها تقليديًا على تكوين المنتج.

على سبيل المثال، منتج Astera، ريبورتمينر، يبسط استخراج البيانات من المستندات غير المنظمة من خلال السماح للمستخدمين بإنشاء قوالب استخراج بناءً على القواعد. يمكن للذكاء الاصطناعي الآن إنشاء القالب الأولي في غضون ثوانٍ، وهي مهمة كانت تستغرق في السابق من ساعتين إلى ثلاث ساعات للمستخدم العادي. قد لا يكون الجزء الأول من القالب الذي تم إنشاؤه بواسطة الذكاء الاصطناعي مثاليًا، ولكنه يتعامل مع ما يقرب من 90% من عبء العمل، مما يسمح للمستخدمين بإجراء تعديلات سريعة وإكمال المهمة في دقائق بدلاً من ساعات. يعد هذا النهج مجرد مثال واحد على كيفية استفادة Astera من الذكاء الاصطناعي لتعزيز سهولة الاستخدام في جميع منتجاتها.

نحن نقوم بأشياء مماثلة في جميع أنحاء مجموعة البيانات لدينا حيث نحصل على زيادة كبيرة في سهولة الاستخدام مع الذكاء الاصطناعي.

2. وظيفة الذكاء الاصطناعي كمجموعة أدوات

تقدم Astera مجموعة بيانات موحدة تغطي جوانب مختلفة من إدارة البيانات، بما في ذلك الاستيعاب والتحويل وجودة البيانات وتخزين البيانات وواجهات برمجة التطبيقات ونشر البيانات. تدرك الشركة أهمية توفير وظائف الذكاء الاصطناعي كمجموعة أدوات متعددة الاستخدامات لمستخدميها. ضمن مجموعة الأدوات هذه، يمكن لعملاء Astera الوصول إلى الذكاء الاصطناعي عبر طيف علوم البيانات، بدءًا من بناء ونشر نماذج التعلم الآلي وحتى التعامل مع ML Ops (عمليات التعلم الآلي). تدعم Astera أيضًا استخدام النماذج مفتوحة المصدر، بما في ذلك نماذج اللغات الكبيرة (LLMs)، وتسهل الضبط الدقيق لحالات استخدام محددة.

تعمل وظيفة الذكاء الاصطناعي الأوسع هذه على تمكين مستخدمي Astera من الاستفادة من الذكاء الاصطناعي في مختلف المهام المتعلقة بالبيانات، بما في ذلك نشر نماذج التعلم الآلي، وتنفيذ ML Ops، وضبط النماذج مفتوحة المصدر. بالإضافة إلى ذلك، تعمل Astera باستمرار على توسيع دعمها للذكاء الاصطناعي، ليشمل مجالات مثل قواعد بيانات المتجهات وعمليات البحث عن التشابه والتضمين والمزيد.

ما هي بعض أفضل الممارسات للاستفادة من نماذج الذكاء الاصطناعي والتعلم الآلي في إدارة البيانات للشركات الكبيرة؟

1. البقاء في طليعة تطورات الذكاء الاصطناعي والتعلم الآلي

يتطور مجال نماذج اللغات الكبيرة بسرعة. للحصول على ميزة تنافسية، يجب على الشركات الكبيرة أن تظل مطلعة على أحدث التطورات. على سبيل المثال، كانت Astera من أوائل مستخدمي الذكاء الاصطناعي التوليدي، وذلك باستخدام نماذج مثل OpenAI وLAMA. تضمن المراقبة المستمرة للتقنيات الناشئة أنك مستعد جيدًا للاستفادة منها بفعالية.

2. قم بتجربة نماذج وتكوينات متعددة

باستخدام الضبط الدقيق لـ LLMS، تمكنا من نشر أحجام صغيرة، مثل 8 إلى 13 مليار نموذج معلمة، ونشرها محليًا. لقد نجح هذا الأمر بشكل جيد بالنسبة لنا، وما نوصي به هو أنه بدلاً من مجرد استخدام واحد مقابل الآخر، جرب نماذج أساسية مختلفة وتكوينات مختلفة واعرف أي منها يناسبك.

تأتي نماذج اللغات الكبيرة بنكهات مختلفة، ولكل منها قدراته الفريدة. قم بإنشاء تكوين يسمح لك بالاختيار من بين مجموعة واسعة من الخيارات، مما يعكس ما يفعله المطورون وعلماء البيانات في رحلات علم البيانات الخاصة بهم.

لتمكين المستخدمين، قمنا بإنشاء نظام تكوين يوفر مجموعة واسعة من الخيارات، على غرار ما يواجهه المطورون وعلماء البيانات عند العمل مع المكتبات مفتوحة المصدر في مساعيهم المعتمدة على البيانات. وكان هدفنا هو دمج هذه الخيارات بسلاسة في منتجنا، وتسهيل تجربة ديناميكية وقابلة للتكيف للمستخدمين.

3. إعطاء الأولوية للنشر المحلي على واجهات برمجة التطبيقات

عند التعامل مع المنتجات التي تركز على البيانات، يعد تقليل التأخير أمرًا بالغ الأهمية. إن الاعتماد فقط على واجهات برمجة التطبيقات للوصول إلى نماذج الذكاء الاصطناعي والتعلم الآلي قد يؤدي إلى تأخيرات غير مقبولة، خاصة عند التعامل مع كميات كبيرة من البيانات. يُنصح بإعطاء الأولوية لنشر النماذج المضبوطة محليًا والمخصصة لسيناريو محدد خاص بك. يمكن لهذا الأسلوب تحسين أوقات الاستجابة والأداء العام بشكل ملحوظ.

لماذا يعتبر Astera حلاً أفضل من المنصات المنافسة؟

• تتمتع حلول Astera بواجهة مرئية بديهية وخالية من التعليمات البرمجية بالإضافة إلى سهولة الاستخدام المحسنة المدعومة بالذكاء الاصطناعي مما يجعل من السهل تنفيذ عمليات البيانات المعقدة لجميع المستخدمين، بغض النظر عن قدراتهم التقنية.
• تعمل ميزات التشغيل الآلي لمجموعة البيانات لدينا على تقليل المهام اليدوية المتكررة وتوفير الوقت وموارد التطوير.
• يمكن لمنصتنا الموحدة أن تساعد المستخدمين على تنفيذ عمليات البيانات الشاملة دون تبديل الحلول. وهذا يلغي تكلفة التعلم وإدارة الأنظمة المتعددة المنعزلة.

شكرا لك على المقابلة الرائعة ، القراء الذين يرغبون في معرفة المزيد يجب أن يزوروا Astera البرمجيات.