Rohit Choudhary, grundlægger og administrerende direktør for Acceldata – Interview serie

Rohit Choudhary er grundlægger og administrerende direktør for Acceldata, markedslederen indenfor enterprise data observability. Han grundlagde Acceldata i 2018, da han indså, at branchen havde brug for at forestille sig en ny måde at overvåge, undersøge, afhjælpe og styre data pipelines og infrastrukturs pålidelighed i en cloud-first, AI-beriget verden.

Hvad inspirerede dig til at fokusere på data observability, da du grundlagde Acceldata i 2018, og hvilke huller i data management industrien havde du til hensigt at udfylde?

Min rejse til at grundlægge Acceldata i 2018 begyndte næsten 20 år tidligere som softwareingeniør, hvor jeg var drevet til at identificere og løse problemer med software. Min erfaring som direktør for ingeniørarbejde i Hortonworks eksponerede mig for en tilbagevendende tema: virksomheder med ambitiøse datastrategier havde svært ved at finde stabilitet i deres dataplatforme, på trods af betydelige investeringer i dataanalyse. De kunne ikke pålideligt levere data, når forretningen havde brug for det mest.

Denne udfordring resonerede med mit team og mig, og vi erkendte behovet for en løsning, der kunne overvåge, undersøge, afhjælpe og styre data pipelines og infrastrukturs pålidelighed. Virksomheder forsøgte at bygge og styre dataprodukter med værktøjer, der ikke var designede til at møde deres udviklende behov – hvilket resulterede i, at dataholdene manglede indsigt i mission-kritiske analyser og AI-applikationer.

Denne huller i markedet inspirerede os til at starte Acceldata med målet om at udvikle en omfattende og skalerbar data observability platform. Siden da har vi forvandlet, hvordan organisationer udvikler og opererer dataprodukter. Vores platform korrelerer begivenheder på tværs af data, proces og pipelines, og giver enestående indsigt. Indvirkningen af data observability har været enorm, og vi er begejstrede for at fortsætte med at drive industrien fremad.

Da du har myntet begrebet “Data Observability”, hvordan ser du på, at dette begreb udvikler sig over de næste par år, især med den øgede kompleksitet af multi-cloud miljøer?

Data observability er udviklet fra et nichebegreb til en kritisk kapacitet for virksomheder. Da multi-cloud miljøer bliver mere komplekse, må observability tilpasse sig for at håndtere diverse datakilder og infrastrukturer. Over de næste par år forventer vi, at AI og machine learning vil spille en nøglerolle i at fremme observability-kapaciteter, især gennem prædiktiv analyse og automatiseret afvigelsesdetektion.

Derudover vil observability udvide sig ud over overvågning til bredere aspekter af datastyring, sikkerhed og compliance. Virksomheder vil kræve mere realtidskontrol og indsigt i deres dataoperationer, hvilket gør observability til en vital del af at styre data på tværs af stadig mere komplekse miljøer.

Din baggrund omfatter betydelig erfaring indenfor ingeniørarbejde og produktudvikling. Hvordan har denne erfaring formet din tilgang til at bygge og skalerer Acceldata?

Min ingeniørarbejds- og produktudviklingsbaggrund har været afgørende for, hvordan vi har bygget Acceldata. At forstå de tekniske udfordringer med at skalerer data systemer har tilladt os at designe en platform, der adresserer de virkelige behov for virksomheder. Denne erfaring har også indprentet vigtigheden af agility og kunde feedback i vores udviklingsproces. Hos Acceldata prioriterer vi innovation, men vi sikrer altid, at vores løsninger er praktiske og tilpasset, hvad kunderne har brug for i dynamiske, komplekse data miljøer. Denne tilgang har været afgørende for at skalerer virksomheden og udvide vores markedspræsence globalt.

Med den seneste $60 million Series C funding runde, hvilke nøgleområder for innovation og udvikling planlægger du at prioritere hos Acceldata?

Med $60 million Series C funding, doublerer vi ned på AI-drevne innovationer, der vil differentiere vores platform betydeligt. Bygning på succesen af vores AI Copilot, forbedrer vi vores machine learning-modeller til at levere mere præcis afvigelsesdetektion, automatiseret afhjælp og omkostningsforudsigelse. Vi avancerer også prædiktiv analyse, hvor AI ikke kun alarmerer brugere om potentielle problemer, men også foreslår optimale konfigurationer og proaktive løsninger, specifikke for deres miljøer.

En anden nøglefokus er context-aware automation – hvor vores platform lærer af brugeradfærd og tilpasser anbefalinger med forretningsmål. Udvidelsen af vores Natural Language Interfaces (NLI) vil enable brugere til at interagere med komplekse observability-workflows gennem simple, konversational kommandoer.

Desuden driver vores AI-innovationer endnu større omkostningsoptimering, forudsigelse af ressourceforbrug og styring af omkostninger med uden precedent nøjagtighed. Disse fremskridt positionerer Acceldata som den mest proaktive, AI-drevne observability-platform, der hjælper virksomheder med at stole på og optimere deres dataoperationer som aldrig før.

AI og LLM’er bliver centrale i data management. Hvordan positionerer Acceldata sig til at lede i dette område, og hvilke unikke kapaciteter tilbyder jeres platform til enterprise-kunder?

Acceldata er allerede ved at lede vejen indenfor AI-drevne data observability. Efter den succesfulde integration af Bewgle’s avancerede AI-teknologi, tilbyder vores platform nu AI-drevne kapaciteter, der betydeligt forbedrer data observability. Vores AI Copilot bruger machine learning til at detektere afvigelser, forudsige omkostningsmønstre og levere realtidsindsigt, alt imens det gør disse funktioner tilgængelige gennem natur-sprog-interaktioner.

Vi har også integreret avanceret afvigelsesdetektion og automatiserede anbefalinger, der hjælper virksomheder med at forebygge dyre fejl, optimere data-infrastruktur og forbedre operationel effektivitet. Yderligere strømliner vores AI-løsninger politikstyring og genererer automatisk menneske-læsbare beskrivelser for dataaktiver og politikker, hvilket bropper gapet mellem tekniske og forretningsinteressenter. Disse innovationer enable organisationer til at låse fuld potentiale i deres data, mens de minimiserer risici og omkostninger.

Den overgang af Bewgle har tilføjet avancerede AI-kapaciteter til Acceldata’s platform. Nu hvor et år er passeret, siden overgangen, hvordan er Bewgle’s teknologi blevet integreret i Acceldata’s løsninger, og hvilken indvirkning har denne integration haft på udviklingen af jeres AI-drevne data observability-funktioner?

Over de sidste år har vi fuldt ud integreret Bewgle’s AI-teknologier i Acceldata-platformen, og resultaterne har været transformerende. Bewgle’s erfaring med grundlæggende modeller og natur-sprog-grænseflader har accelereret vores AI-vejledning. Disse kapaciteter er nu indlejret i vores AI Copilot, der leverer en næste-generations brugeroplevelse, der tillader brugere at interagere med data observability-workflows gennem almindelig tekstkommandoer.

Denne integration har også forbedret vores machine learning-modeller, hvilket forbedrer afvigelsesdetektion, automatiseret omkostningsforudsigelse og proaktive indsigt. Vi har kunnet levere mere granuleret kontrol over AI-drevne operationer, der giver vores kunder mulighed for at sikre data-pålidelighed og -ydeevne på tværs af deres økosystemer. Succesen med denne integration har styrket Acceldata’s position som den førende AI-drevne data observability-platform, der giver endnu større værdi til vores enterprise-kunder.

Som en person dybt involveret i data management industrien, hvilke trends forudser du i AI og data observability markedet i de kommende år?

I de kommende år forventer jeg, at følgende nøgle-trends vil forme AI og data observability markedet. Real-time data observability vil blive endnu mere kritisk, da virksomheder søger at træffe hurtigere og mere informerede beslutninger. AI og machine learning vil fortsætte med at drive fremskridt i prædiktiv analyse og automatiseret afvigelsesdetektion, hvilket hjælper virksomheder med at forblive foran potentielle problemer.

Derudover vil vi se en tættere integration af observability med datastyring og sikkerhedsrammer, især da regulatoriske krav bliver strengere. Managed observability services vil sandsynligvis stige, da data-miljøer bliver mere komplekse, og give virksomhederne den ekspertise og værktøjer, der er nødvendige for at opretholde optimal ydeevne og compliance. Disse trends vil hæve rollen af data observability i at sikre, at organisationer kan skalerer deres AI-initiativer, mens de opretholder høje standarder for datakvalitet og styring.

Med henblik på fremtiden, hvordan forestiller du dig, at data observability vil støtte implementeringen af AI og store sprogmodeller i stor skala, især i brancher med strenge datakvalitets- og styringskrav?

Data observability vil være afgørende for at implementere AI og store sprogmodeller i stor skala, især i brancher som finans, sundhed og regering, hvor datakvalitet og styring er af største betydning. Da organisationer i stigende grad læner sig op ad AI til at drive forretningsbeslutninger, bliver behovet for pålidelig og højkvalitetsdata endnu mere kritisk.

Data observability sikrer kontinuerlig overvågning og validering af data-integritet, hvilket hjælper med at forebygge fejl og bias, der kunne undergrave AI-modeller. Derudover vil observability spille en vital rolle i compliance ved at give indsigt i data-herkomst, brug og styring, der er i overensstemmelse med strenge regulatoriske krav. I sidste ende enable data observability organisationer til at udnytte det fulde potentiale i deres AI-initiativer, mens de bygger på en grund af pålidelig og højkvalitetsdata.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge Acceldata.