Rohit Choudhary, grundlægger og administrerende direktør for Acceldata – Interviewserie

Rohit Choudhary er grundlægger og administrerende direktør for Acceldata, markedets førende virksomhed inden for dataovervågning. Han grundlagde Acceldata i 2018, da han indså, at branchen havde brug for at genopfinde, hvordan man overvåger, undersøger, afhjælper og administrerer datakanalers og infrastrukturs pålidelighed i en sky-først, AI-beriget verden.

Hvad inspirerede dig til at fokusere på dataovervågning, da du grundlagde Acceldata i 2018, og hvilke huller i datastyringsbranchen forsøgte du at udfylde?

Min rejse til at grundlægge Acceldata i 2018 begyndte næsten 20 år tidligere som softwareingeniør, hvor jeg blev drevet af at identificere og løse problemer med software. Min erfaring som direktør for ingeniørarbejde i Hortonworks gjorde mig bekendt med 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.

Dette udfordring gjorde indtryk på mig og mit team, og vi erkendte behovet for en løsning, der kunne overvåge, undersøge, afhjælpe og administrere datakanalers og infrastrukturs pålidelighed. Virksomheder forsøgte at bygge og administrere 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.

Dette hull i markedet inspirerede os til at starte Acceldata med målet om at udvikle en komprehensiv og skalerbar dataovervågningsplatform. Siden da har vi forvandlet, hvordan organisationer udvikler og driver dataprodukter. Vores platform korrelerer begivenheder på tværs af data, behandling og kanaler, og giver enestående indsigt. Virkningen af dataovervågning har været enorm, og vi er begejstrede for at fortsætte med at drive branchen fremad.

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

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

Dertil kommer overvågning udover overvågning til bredere aspekter af datastyring, sikkerhed og compliance. Virksomheder vil kræve mere realtidskontrol og indsigt i deres dataoperationer, hvilket gør overvågning til en vital del af at administrere data på stadig mere komplekse miljøer.

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

Min ingeniør- og produktudviklingsbaggrund har været afgørende for, hvordan vi har bygget Acceldata. At forstå de tekniske udfordringer ved at skale data-systemer har gjort det muligt for os at designe en platform, der møder virksomhedernes reelle behov. Denne erfaring har også indprentet vigtigheden af agility og kundeFeedback 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 essentiel for at skale virksomheden og udvide vores markedspræsence globalt.

Med den nylige $60 million Series C-finansieringsrunde, hvilke nøgleområder for innovation og udvikling planlægger du at prioritere hos Acceldata?

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

Et andet nøglefokus er kontekst-tilpasning – hvor vores platform lærer af brugeradfærd og tilpasser anbefalinger til forretningsmål. Udvidelsen af vores naturlige sproggrænseflader (NLI) vil enable brugere til at interagere med komplekse overvågningsarbejdsprocesser gennem simple, konversationsbaserede kommandoer.

Dertil kommer vores AI-innovationer til at drive endnu større omkostningsoptimering, forudsigelse af ressourceforbrug og administration af omkostninger med hidtil uset præcision. Disse fremskridt positionerer Acceldata som den mest proaktive, AI-drevne overvågningsplatform, der hjælper virksomheder med at stole på og optimere deres dataoperationer som aldrig før.

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

Acceldata er allerede en leder inden for AI-drevet dataovervågning. Efter den succesfulde integration af Bewgles avancerede AI-teknologi tilbyder vores platform nu AI-drevne kapaciteter, der betydeligt forbedrer dataovervågning. Vores AI Copilot bruger maskinlæring til at detektere afvigelser, forudsige omkostningsmønstre og levere realtidsindsigt, alt imens disse funktioner er tilgængelige gennem naturlige sproginteraktioner.

Vi har også integreret avanceret afvigelsesdetektion og automatiseret anbefalinger, der hjælper virksomheder med at forebygge dyre fejl, optimere data-infrastruktur og forbedre operationel effektivitet. Dertil kommer vores AI-løsninger til at strømlinje politisk administration og automatisk generere læsbare beskrivelser for dataaktiver og politikker, hvilket brobygger mellem tekniske og forretningsmæssige interessenter. Disse innovationer enable organisationer til at udnytte det fulde potentiale i deres data, samtidig med at de minimiserer risici og omkostninger.

Opkøbet af Bewgle har tilføjet avancerede AI-kapaciteter til Acceldata’s platform. Nu hvor et år er gået, siden opkøbet, hvordan er Bewgles teknologi blevet integreret i Acceldata’s løsninger, og hvilken indvirkning har denne integration haft på udviklingen af jeres AI-drevne dataovervågningsfunktioner?

Over det sidste år har vi fuldt ud integreret Bewgles AI-teknologier i Acceldata-platformen, og resultaterne har været transformerende. Bewgles erfaring med grundlæggende modeller og naturlige sproggrænseflader har accelereret vores AI-vejplan. Disse kapaciteter er nu indbygget i vores AI Copilot, der leverer en næste-generations brugeroplevelse, der tillader brugere at interagere med dataovervågningsarbejdsprocesser gennem almindelige tekstkommandoer.

Denne integration har også forbedret vores maskinlæringsmodeller, hvilket har forbedret afvigelsesdetektion, automatiseret omkostningsforudsigelse og proaktive indsigt. Vi har kunnet levere mere granuleret kontrol over AI-drevne operationer, hvilket enable vores kunder til 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 dataovervågningsplatform, der tilbyder endnu større værdi til vores virksomheds-kunder.

Som en person, der er dybt involveret i datastyringsbranchen, hvilke trends forudser du i AI- og dataovervågningsmarkedet i de kommende år?

I de kommende år forventer jeg, at en række trends vil forme AI- og dataovervågningsmarkedet. Real-time dataovervågning vil blive endnu mere kritisk, da virksomheder søger at træffe hurtigere og mere informerede beslutninger. AI og maskinlæring vil fortsætte med at drive fremskridt i prædiktiv analyse og automatiseret afvigelsesdetektion, hvilket hjælper virksomheder med at holde sig foran potentielle problemer.

Dertil kommer vi til at se en tættere integration af overvågning med datastyring og sikkerhedsrammer, især da regulatoriske krav bliver strengere. Overvågnings-tjenester vil sandsynligvis stige, da data-miljøer bliver mere komplekse, og virksomheder får ekspertise og værktøjer til at opretholde optimal ydeevne og compliance. Disse trends vil hæve rollen af dataovervågning i at sikre, at organisationer kan skale deres AI-initiativer, samtidig med at de opretholder høje standarder for datakvalitet og styring.

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

Dataovervågning 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 afgørende. Da organisationer i stigende grad afhænger af AI til at træffe forretningsbeslutninger, bliver behovet for pålidelig og højkvalitetsdata endnu mere kritisk.

Dataovervågning sikrer kontinuerlig overvågning og validering af data-integritet, hvilket hjælper med at forebygge fejl og bias, der kunne underminere AI-modeller. Dertil kommer overvågning til at 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 dataovervågning organisationer til at udnytte det fulde potentiale i deres data, samtidig med at de minimiserer risici og omkostninger.

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