Mathias Golombek, Chief Technology Officer i Exasol – Interviewserie

Mathias Golombek er Chief Technology Officer (CTO) i Exasol. Han startede i virksomheden som softwareudvikler i 2004 efter at have studeret datalogi med fokus på databases, distribuerede systemer, softwareudviklingsprocesser og genetiske algoritmer. Allerede i 2005 var han ansvarlig for Database Optimizer-holdet, og i 2007 blev han leder af Research & Development. I 2014 blev Mathias udnævnt til CTO. I denne rol er han ansvarlig for produktudvikling, produktledelse, operationer, support og teknisk rådgivning.

Hvad var det, der oprindeligt tiltrak dig til datalogi?

Da jeg var i 4. klasse, havde min storebror nogle lektioner, hvor de lærte at programmere i BASIC, og han viste mig, hvad man kan gøre med det. Sammen udviklede vi en påske-gåde på vores Commodore 64 til vores yngste bror, og siden da har jeg været fascineret af computere. Datalogi handler generelt om at løse problemer og være kreativ, og jeg tror, det er det aspekt, der tiltrak mig mest til faget.

Kan du dele din rejse fra at starte i Exasol som softwareudvikler i 2004 til at blive CTO? Hvordan er dine roller udviklet over årene, især i den hurtigt skiftende teknologi-landskab?

Jeg studerede datalogi på Universitetet i Würzburg i Tyskland og startede i Exasol som softwareudvikler i 2004 efter at have afsluttet min uddannelse. Efter mit første år i Exasol blev jeg forfremmet til leder af Database Optimizer-holdet og derefter leder af Research and Development. Efter det fungerede jeg som leder af R&D i syv år, før jeg tiltrådte min nuværende rolle som CTO i 2014.

Fra begyndelsen var jeg imponeret over, hvad Exasol gjorde – dette tyske teknologiselskab kæmpede mod store navne som Microsoft , IBM og Oracle. Jeg var overvældet af muligheden foran mig – som udvikler var det at skabe dette massivt parallelle proces- (MPP), in-memory database management system en drøm, der var gået i opfyldelse.

Jeg har nydt hvert øjeblik af at arbejde med dette talentfulde ingeniørhold. Som CTO overvåger jeg Exasols produktinnovation, udvikling og teknisk support. Det har været spændende at se, hvor meget Exasol-holdet er vokset globalt, mens vi arbejder på at støtte vores kunder og deres udviklende behov. Grundlæggende er det det samme – vi er stadig et in-memory database system, men nu giver vi vores kunder mulighed for at udnytte kraften i deres data til AI-implementationer.

Exasol har været i frontlinjen for højpræstationsanalyse-databaser. Fra din synsvinkel, hvad adskiller Exasol fra andre i denne konkurrencedygtige branche?

Forretningsledere er konstant udfordret med at navigere i, hvordan de kan gøre mere med mindre. I de seneste år er dette blevet endnu mere udfordrende, da økonomien fortsat er turbulent, og AI-teknologiens udbredelse har taget op i budget og tid.

Som en højpræstationsanalyse-databaseleverandør er Exasol forblevet foran kurven, når det kommer til at hjælpe virksomheder med at gøre mere med mindre. Vi hjælper virksomheder med at omdanne business intelligence (BI) til bedre indsigt med Exasol Espresso, vores fleksible forespørgselssystem, der kan kobles til eksisterende data-stacks. Globale mærker som T-Mobile, Piedmont Healthcare og Allianz bruger Exasol Espresso til at omdanne større mængder data til hurtigere, dybere og billigere indsigt. Og jeg tror, vi har gjort en god job med at mestre den ømfindtlige balance mellem ydelse, pris og fleksibilitet, så kunderne ikke behøver at gå på kompromis.

For at støtte virksomheder på deres AI-rejse har vi også afsløret Espresso AI, som udstyret vores fleksible forespørgselssystem med en ny samling af AI-værktøjer, der giver organisationer mulighed for at udnytte kraften i deres data til avancerede AI-drevne indsigt og beslutningstagning. Espresso AI’s kapaciteter gør AI mere tilgængeligt og billigt, så kunder kan springe over dyre og tidskrævende eksperimenter og opnå øjeblikkelig ROI. Dette er en game-changer for virksomheder, der fokuserer på at drive innovation og levere værdi i AI-alderen.

Den 2024 AI og Analytics-rapport af Exasol fremhæver underinvestering i AI som en vej til forretningsfiasko. Kan du udvide på de vigtigste resultater fra denne rapport og hvorfor investering i AI er kritisk for virksomheder i dag?

Som du nævnte, er hovedkonklusionen fra Exasols 2024 AI og Analytics-rapport, at underinvestering i AI fører til forretningsfiasko. Baseret på vores undersøgelse af senior beslutningstagere samt datavidenskabs- og analytikere over hele USA, Storbritannien og Tyskland er det næsten alle (91%) enige om, at AI er et af de vigtigste emner for organisationer i de næste to år, og 72% indrømmer, at ikke at investere i AI i dag vil sætte fremtidig forretningsbæredygtighed på spil. Det er simpelt sagt – i dagens miljø er virksomheder, der ikke tænker på AI, allerede bagud.

Virksomheder står under pres fra interessenter for at investere i AI – og der er mange grunde til det. Investering i AI har allerede hjulpet organisationer over hele brancher – fra sundhedssektoren til finansielle tjenester og detailhandel – til at låse op nye indtægtskilder, forbedre kundeoplevelser, optimere operationer, øge produktiviteten, accelerere konkurrencen og mere. Listen vokser kun, da virksomheder begynder at finde specifikke måder at udnytte AI til at imødekomme unikke forretningsbehov.

Den samme rapport nævner store barrierer for AI-adopteringsgrad, herunder datavidenskabelige huller og latent implementering. Hvordan løser Exasol disse udfordringer for sine kunder?

Trods den kritiske behov for AI-investering står virksomheder stadig over for betydelige barrierer for bredere implementering. Exasols AI og Analytics-rapport viser, at op til 78% af beslutningstagere oplever huller i mindst ét område af deres datavidenskab og maskinlæring (ML)-modeller, og 47% nævner hastighed til at implementere nye datakrav som en udfordring. Yderligere 79% hævder, at nye forretningsanalysekrav tager for lang tid at implementere for deres datahold. Andre faktorer, der hindrer bred AI-adopteringsgrad, omfatter manglen på en implementeringsstrategi, dårlig datakvalitet, utilstrækkelige datakvanta og integration med eksisterende systemer. Oven i det er udviklende bureaukratiske krav og reguleringer for AI årsag til problemer for mange virksomheder, hvor 88% af respondentene angiver, at de har brug for mere klarhed.

Som AI-implementering vokser, vil det blive endnu mere vigtigt for virksomheder at sikre stærke datafundamenter. Exasol tilbyder fleksibilitet, robusthed og skalerbarhed til virksomheder, der adopterer en AI-strategi. Da roller som Chief Data Officer (CDO) fortsat udvikler sig og bliver mere komplekse – med voksende etiske og compliance-udfordringer i forgrunden – støtter Exasol dataledere og hjælper dem med at omdanne BI til hurtigere, bedre indsigt, der kan informere forretningsbeslutninger og have en positiv indvirkning på bundlinjen.

Da AI er blevet kritisk for forretnings succes, er det kun så effektivt som de værktøjer, teknologi og mennesker, der driver det på bagsiden. Undersøgelsesresultaterne understreger den betydelige kløft mellem nuværende BI-værktøjer og deres output – flere værktøjer betyder ikke nødvendigvis hurtigere ydelse eller bedre indsigt. Da CDO’er forbereder sig på mere kompleksitet og er bedt om at gøre mere med mindre, må de evaluere dataanalyse-stakken for at sikre produktivitet, hastighed og fleksibilitet – alt til en rimelig pris.

Espresso AI hjælper med at lukke denne kløft for virksomhederne ved at optimere dataudtræk, indlæsning og transformationprocesser, så brugerne kan eksperimentere med nye teknologier på en større skala, uanset infrastruktur-begrænsninger – enten på-premises, cloud eller hybrid. Brugere kan reducere dataforsflytningsomkostninger og indsats og samtidig bringe nye teknologier som LLM’er ind i deres database. Disse kapaciteter hjælper organisationer med at accelerere deres rejse mod at implementere AI- og ML-løsninger, samtidig med at de sikrer kvaliteten og pålideligheden af deres data.

Datakompetence er blevet stadig vigtigere i AI-alderen. Hvordan bidrager Exasol til at forbedre datakompetence hos sine kunder og den bredere samfund?

I dagens data-rige arbejdsmiljøer er datakompetencefærdigheder mere vigtige end nogensinde – og hurtigt blevet et “må have” snarere end et “flot at have” i AI-alderen. På tværs af brancher er kompetence i at arbejde med, forstå og kommunikere data effektivt blevet afgørende. Men der er stadig en datakompetence-kløft.

Datakompetence handler om at have færdighederne til at fortolke kompleks information og evnen til at handle på disse fund. Men ofte er dataadgang begrænset til en afdeling eller kun en lille undergruppe af personer har de nødvendige datakompetencefærdigheder til at forstå og få adgang til de store mængder data, der flyder gennem forretningen. Dette tilgang er fejl, da det begrænser den tid og ressourcer, der er dedikeret til at udnytte data, og datakompetence-kløften skaber en barriere for forretningsinnovation.

Når mennesker er datakompetente, kan de forstå data, analysere det og anvende deres egne ideer, færdigheder og ekspertise på det. Jo flere mennesker, der har viden, tillid og værktøjer til at afkode og give mening til data, jo mere succesfuld kan en organisation være. Exasol støtter dataledere og virksomheder i at drive datakompetence og uddannelse.

Ud over uddannelseskomponenten bør virksomheder optimere deres teknologi-stacks og BI-værktøjer til at muliggøre data-demokratisering. Dataadgang og datakompetence hænger sammen. Investering i begge er nødvendig for at fremme datastrategier. For eksempel kan Exasols tuning-frie system give virksomheder mulighed for at fokusere på dataanvendelsen i stedet for teknologien. Den høje hastighed giver hold mulighed for at arbejde interaktivt med data og undgå at blive begrænset af ydelsesbegrænsninger. Dette fører ultimativt til data-demokratisering.

Nu er tiden inde for, at data-demokratisering skal skifte fra et diskussionsemne til handling inden for organisationer. Da flere mennesker på tværs af afdelinger får adgang til meningsfulde indsigt, vil det lette de traditionelle flaskehalse, der er forårsaget af dataanalysehold. Når disse traditionelle siloer bryder sammen, vil organisationer forstå, hvor bredt og dybt behovet er for, at deres hold og enkelt-personer kan bruge data. Selv mennesker, der ikke i øjeblikket tror, de er slutbrugere af data, vil blive trukket ind for at få føde af data.

Med denne skift kommer en stor udfordring i de kommende år – arbejdsstyrken skal opgraderes, så hver medarbejder kan få den rette kompetence til at bruge data og indsigt til at træffe forretningsbeslutninger. I dag vil arbejdsstyrken ikke vide, hvilke spørgsmål de skal stille til deres datafeed eller automatiseringen, der driver det. Værdien af at kunne formulere præcise, gennemtænkte og forretnings-tilknyttede spørgsmål er øgende, og det skaber et stort behov for at uddanne arbejdsstyrken i denne evne.

Du har en stærk baggrund i databases, distribuerede systemer og genetiske algoritmer. Hvordan påvirker disse områder af ekspertise Exasols produktudvikling og innovationsstrategi?

Min baggrund er en grundlæggende del af at arbejde i vores felt og forstå teknologitrenderne i de sidste to årtier. Det er spændende og belønnende at arbejde med innovative kunder, der omdanner database-teknologi til interessante brugstilfælde. Vores innovationsstrategi afhænger ikke kun af en enkelt person, men et stort hold af sofistikerede arkitekter og udviklere, der forstår fremtiden for software, hardware og dataapplikationer.

Med AI, der transformerer brancher i en hidtil uset hastighed, hvad tror du er de væsentlige komponenter i en fremtidssikret data-stack for virksomheder, der søger at udnytte AI og analytics effektivt?

Den hurtige adoption af AI har været et primært eksempel på, hvorfor det er vigtigt for virksomheder at holde sig foran den udviklende teknologi-landskab. Den ulykkelige sandhed er dog, at de fleste data-stacks stadig er bagud i forhold til AI-kurven.

For at fremtidssikre data-stacks bør virksomheder først evaluere deres datafundamenter for at identificere huller, fejl eller andre udfordringer. Dette vil hjælpe dem med at sikre datakvalitet og hastighed – elementer, der er kritiske for at drive værdifulde indsigt og føde AI- og LLM-modeller.

Derudover bør hold investere i de værktøjer og teknologier, der kan integreres let med andre løsninger i stakken. Da AI parres med andre teknologier som open source, vil vi se nye modeller opstå til at løse traditionelle forretningsproblemer. Generativ AI, som ChatGPT, vil også fusionere med mere traditionel AI-teknologi, såsom deskriptiv eller prædikativ analytics, for at åbne nye muligheder for organisationer og strømline traditionelt besværlige processer.

For at fremtidssikre data-stacks bør virksomheder også integrere AI og BI. Virksomheder har brugt BI-værktøjer i årtier til at udtrække værdifulde indsigt, og selv om der er sket mange forbedringer, er der stadig BI-begrænsninger eller barrierer, som AI kan hjælpe med. AI kan aktivere hurtigere resultater, forbedre personalisering og omdanne BI-landskabet til et mere inklusivt og brugervenligt domæne. Da BI typisk fokuserer på at analysere historisk data for at give indsigt, kan AI udvide BI-kapaciteterne ved at hjælpe med at forudsige fremtidige begivenheder, generere forudsigelser og anbefale handlinger for at påvirke ønskede resultater.

Produktivitet, fleksibilitet og omkostningsbesparelser er fremhævet som tre måder, Exasol hjælper globale mærker med at innovere. Kan du give et eksempel på, hvordan Exasol har hjulpet en kunde med at opnå betydelig ROI gennem jeres analytics-database?

Ifølge en 2023 Forrester Total Economic Impact Study opnår Exasol-kunder op til 320% ROI på deres initiale investering over tre år ved at forbedre operationel effektivitet, database-ydelse og tilbyde en simpel og fleksibel data-infrastruktur.

En af vores kunder, Helsana, en leder i Schweiz’ konkurrencedygtige sundhedsindustri, kom til Exasol for at dække et behov for en moderne data- og analytics-platform. Før Exasol afhængig Helsana af forskellige rapportværktøjer med data-warehouses bygget på forskellige teknologier og ETL-værktøjer, der skabte en indviklet, ineffektiv arkitektur. I sammenligning med virksomhedens eksisterende legacy-løsning demonstrerede Exasols Data Warehouse en fem til ti gange bedre ydelse.

Nu er Exasol central for Helsanas AI-rejse, fungerer som repository for den strukturerede data, som Helsana bruger over alle sine AI-modeller, og giver grundlaget for dets analytics. Med Exasol har Helsana-teamet forbedret ydelse, reduceret omkostninger, øget agility og etableret en solid AI-grundlag, alt sammen bidrager til en betydelig ROI samt en øget evne til bedre at betjene kunder.

Med henblik på fremtiden, hvad er de kommende tendenser i data-analyse og business-intelligence, som Exasol forbereder sig på, og hvordan planlægger du at fortsætte med at drive innovation i dette område?

 Året 2023 introducerede AI på en bred skala, hvilket fik mange organisationer til at reagere impulsivt og udføre dårligt designede og udførte automatiserings-eksperimenter. 2024 vil være et transformationsår for AI-eksperimenter og grundlæggende arbejde. Indtil videre er de primære anvendelser af GenAI blevet brugt til informationsadgang gennem chatbots, kundeservice-automatisering og software-kodning. Men der vil være pionerer, der adopterer disse spændende teknologier til en lang række af forretningsbeslutninger og optimeringer. Set frem til 2024 vil vi begynde at se en større skub mod produktive implementeringer af AI.

Exasol er dedikeret til at drive innovation og levere værdi til vores kunder, herunder hjælpe dem med at udvikle og implementere AI i stor skala. Med Exasol kan kunderne ægte BI og AI for at overvinde data-siloer i et integreret analytics-system. Vores fleksibilitet omkring installationsmuligheder giver også organisationer mulighed for at beslutte, hvor de ønsker at hoste deres analytics-stack, enten det er i offentlig cloud, privat cloud eller på-premises. Med Exasols Espresso AI er vi positioneret til at give virksomheder mulighed for at udnytte værdien af AI-drevet analytics, uanset hvor virksomhederne befinder sig i deres AI-rejse. Ther it’s in the public cloud, private cloud or on-premises. With Exasol’s Espresso AI, we are positioned to empower enterprises to harness the value of AI-driven analytics, regardless of where organizations fall in their AI journey. Thank you for the great interview, readers who wish to learn more should visit Exasol.