Rohit Choudhary, Gründer & CEO von Acceldata – Interview-Serie

Rohit Choudhary ist der Gründer und CEO von Acceldata, dem Marktführer im Bereich der Unternehmensdaten-Beobachtung. Er gründete Acceldata im Jahr 2018, als er erkannte, dass die Branche eine neue Art und Weise benötigte, um die Zuverlässigkeit von Datenpipelines und -infrastrukturen in einer Cloud-ersten, AI-angereicherten Welt zu überwachen, zu untersuchen, zu beheben und zu verwalten.

Was hat Sie dazu inspiriert, sich auf Daten-Beobachtung zu konzentrieren, als Sie Acceldata im Jahr 2018 gründeten, und welche Lücken in der Datenverwaltungsbranche wollten Sie füllen?

Meine Reise zur Gründung von Acceldata im Jahr 2018 begann vor fast 20 Jahren als Software-Entwickler, wo ich von dem Wunsch getrieben war, Probleme mit Software zu identifizieren und zu lösen. Meine Erfahrung als Director of Engineering bei Hortonworks brachte mich mit einem wiederkehrenden Thema in Berührung: Unternehmen mit ambitionierten Datenstrategien hatten Schwierigkeiten, Stabilität in ihren Datenplattformen zu finden, trotz erheblicher Investitionen in Datenanalyse. Sie konnten die Daten nicht zuverlässig liefern, wenn das Geschäft sie am meisten benötigte.

Diese Herausforderung hallte bei meinem Team und mir wider, und wir erkannten die Notwendigkeit einer Lösung, die die Zuverlässigkeit von Datenpipelines und -infrastrukturen überwachen, untersuchen, beheben und verwalten konnte. Unternehmen versuchten, Datenprodukte mit Tools zu bauen und zu verwalten, die nicht dafür ausgelegt waren, ihre sich entwickelnden Bedürfnisse zu erfüllen – was dazu führte, dass Daten-Teams keine Einblicke in mission-kritische Analysen und AI-Anwendungen hatten.

Diese Lücke auf dem Markt inspirierte uns, Acceldata zu gründen, mit dem Ziel, eine umfassende und skalierbare Daten-Beobachtungsplattform zu entwickeln. Seitdem haben wir die Art und Weise, wie Organisationen Datenprodukte entwickeln und betreiben, verändert. Unsere Plattform korreliert Ereignisse über Daten, Verarbeitung und Pipelines und bietet unvergleichliche Einblicke. Der Einfluss der Daten-Beobachtung war enorm, und wir sind aufgeregt, die Branche weiter voranzutreiben.

Da Sie den Begriff “Daten-Beobachtung” geprägt haben, wie sehen Sie die Entwicklung dieses Konzepts in den nächsten Jahren, insbesondere angesichts der zunehmenden Komplexität von Multi-Cloud-Umgebungen?

Daten-Beobachtung hat sich von einem Nischenkonzept zu einer kritischen Fähigkeit für Unternehmen entwickelt. Da Multi-Cloud-Umgebungen komplexer werden, muss die Beobachtung angepasst werden, um verschiedene Datenquellen und -infrastrukturen zu bewältigen. In den nächsten Jahren erwarten wir, dass AI und Machine Learning eine wichtige Rolle bei der Weiterentwicklung der Beobachtungsfähigkeiten spielen, insbesondere durch prädiktive Analyse und automatisierte Anomalie-Erkennung.

Darüber hinaus wird die Beobachtung über das Überwachen hinaus in weitere Aspekte der Datenverwaltung, -sicherheit und -compliance ausgedehnt. Unternehmen werden mehr Echtzeit-Kontrolle und Einblicke in ihre Daten-Operationen verlangen, was die Beobachtung zu einem wichtigen Teil der Daten-Verwaltung in zunehmend komplexen Umgebungen macht.

Ihre Vergangenheit umfasst umfangreiche Erfahrung in der Technik und Produktentwicklung. Wie hat diese Erfahrung Ihre Herangehensweise an den Aufbau und die Skalierung von Acceldata geprägt?

Meine Erfahrung in der Technik und Produktentwicklung war von entscheidender Bedeutung für die Gestaltung von Acceldata. Durch das Verständnis der technischen Herausforderungen bei der Skalierung von Daten-Systemen konnten wir eine Plattform entwerfen, die den realen Bedürfnissen von Unternehmen entspricht. Diese Erfahrung hat auch die Bedeutung von Agilität und Kunden-Feedback in unserem Entwicklungsprozess betont. Bei Acceldata priorisieren wir Innovation, stellen aber sicher, dass unsere Lösungen praktisch und auf die Bedürfnisse von Kunden in dynamischen, komplexen Daten-Umgebungen ausgerichtet sind. Diese Herangehensweise war entscheidend für die Skalierung des Unternehmens und die Expansion unserer Marktposition weltweit.

Mit der jüngsten $60-Millionen-Serie-C-Finanzierungsrunde welche Schlüsselbereiche der Innovation und Entwicklung planen Sie bei Acceldata zu priorisieren?

Mit der $60-Millionen-Serie-C-Finanzierung konzentrieren wir uns auf AI-getriebene Innovationen, die unsere Plattform deutlich differenzieren werden. Aufbauend auf dem Erfolg unseres AI-Copilot verbessern wir unsere Machine-Learning-Modelle, um präzisere Anomalie-Erkennung, automatisierte Behebung und Kostenprognose zu liefern. Wir erweitern auch die prädiktive Analyse, bei der AI nicht nur auf potenzielle Probleme hinweist, sondern auch optimale Konfigurationen und proaktive Lösungen vorschlägt, die speziell auf die Umgebung des Kunden zugeschnitten sind.

Ein weiterer wichtiger Schwerpunkt ist die kontextbewusste Automatisierung, bei der unsere Plattform aus dem Benutzerverhalten lernt und Empfehlungen an die Geschäftsziele anpasst. Die Erweiterung unserer Natural Language Interfaces (NLI) ermöglicht es Benutzern, komplexe Beobachtungs-Workflows durch einfache, konversationale Befehle zu interagieren.

Darüber hinaus werden unsere AI-Innovationen eine noch größere Kostenoptymierung vorantreiben, indem sie Ressourcenverbrauch und Kosten mit unvergleichlicher Genauigkeit vorhersagen und verwalten. Diese Fortschritte positionieren Acceldata als die proaktivste, AI-gesteuerte Beobachtungsplattform, die Unternehmen dabei hilft, ihre Daten-Operationen wie nie zuvor zu vertrauen und zu optimieren.

AI und LLMs werden immer wichtiger für die Datenverwaltung. Wie positioniert Acceldata sich, um in diesem Bereich zu führen, und welche einzigartigen Fähigkeiten bietet Ihre Plattform Unternehmenskunden?

Acceldata ist bereits führend in der AI-gesteuerten Daten-Beobachtung. Nach der erfolgreichen Integration von Bewgles fortschrittlicher AI-Technologie bietet unsere Plattform AI-gesteuerte Fähigkeiten, die die Daten-Beobachtung erheblich verbessern. Unser AI-Copilot verwendet Machine Learning, um Anomalien zu erkennen, Kostenverbrauchsmuster vorherzusagen und Echtzeit-Einblicke zu liefern, all dies über natürliche Sprachinteraktionen zugänglich.

Wir haben auch fortschrittliche Anomalie-Erkennung und automatisierte Empfehlungen integriert, die Unternehmen dabei helfen, teure Fehler zu vermeiden, Daten-Infrastrukturen zu optimieren und die Betriebs-effizienz zu verbessern. Darüber hinaus streamlinen unsere AI-Lösungen die Richtlinienverwaltung und generieren automatisch menschliche Beschreibungen für Daten-Assets und -Richtlinien, was die Lücke zwischen technischen und geschäftlichen Interessenten überbrückt. Diese Innovationen ermöglichen es Organisationen, das volle Potenzial ihrer Daten zu nutzen, während sie Risiken und Kosten minimieren.

Der Erwerb von Bewgle hat Acceldata erweiterte AI-Fähigkeiten hinzugefügt. Jetzt, da ein Jahr seit dem Erwerb vergangen ist, wie wurde Bewgles Technologie in Acceldata’s Lösungen integriert, und welche Auswirkungen hatte diese Integration auf die Entwicklung Ihrer AI-gesteuerten Daten-Beobachtungs-Funktionen?

Im Laufe des letzten Jahres haben wir Bewgles AI-Technologien vollständig in die Acceldata-Plattform integriert, und die Ergebnisse waren transformativ. Bewgles Erfahrung mit grundlegenden Modellen und natürlichen Sprachinterfacen hat unseren AI-Roadmap beschleunigt. Diese Fähigkeiten sind nun in unserem AI-Copilot eingebettet, der ein Next-Generation-Benutzererlebnis liefert, das es Benutzern ermöglicht, mit Daten-Beobachtungs-Workflows durch einfache Textbefehle zu interagieren.

Diese Integration hat auch unsere Machine-Learning-Modelle verbessert, die Anomalie-Erkennung, automatisierte Kostenprognose und proaktive Einblicke erhöht. Wir konnten eine feinere Kontrolle über AI-gesteuerte Operationen liefern, die es unseren Kunden ermöglicht, die Zuverlässigkeit und Leistung ihrer Daten-Ökosysteme zu gewährleisten. Der Erfolg dieser Integration hat Acceldata’s Position als führende AI-gesteuerte Daten-Beobachtungsplattform gestärkt, was unseren Unternehmenskunden noch mehr Wert bietet.

Als jemand, der tief in der Datenverwaltungsbranche involviert ist, welche Trends sehen Sie in den nächsten Jahren im Bereich AI und Daten-Beobachtung?

In den kommenden Jahren erwarte ich einige wichtige Trends, die den AI- und Daten-Beobachtungsmarkt prägen werden. Echtzeit-Daten-Beobachtung wird immer kritischer, da Unternehmen schneller und informierter Entscheidungen treffen müssen. AI und Machine Learning werden weiterhin die Fortschritte in der prädiktiven Analyse und automatisierten Anomalie-Erkennung vorantreiben, um Unternehmen dabei zu helfen, potenzielle Probleme zu erkennen.

Darüber hinaus werden wir eine engere Integration der Beobachtung mit Datenverwaltungs- und Sicherheitsrahmen sehen, insbesondere da regulatorische Anforderungen strenger werden. Managed Beobachtungsdienste werden wahrscheinlich an Bedeutung gewinnen, da Daten-Umgebungen komplexer werden, was Unternehmen die notwendigen Experten und Tools liefert, um optimale Leistung und Compliance zu gewährleisten. Diese Trends werden die Rolle der Daten-Beobachtung bei der Gewährleistung erhöhen, dass Organisationen ihre AI-Initiativen skalieren können, während sie hohe Standards für Datenqualität und -verwaltung aufrechterhalten.

Wenn Sie in die Zukunft blicken, wie sehen Sie die Rolle der Daten-Beobachtung bei der Unterstützung der Bereitstellung von AI und großen Sprachmodellen im großen Maßstab, insbesondere in Branchen mit strengen Anforderungen an Datenqualität und -verwaltung?

Daten-Beobachtung wird von entscheidender Bedeutung sein, um AI und große Sprachmodelle im großen Maßstab bereitzustellen, insbesondere in Branchen wie Finanzen, Gesundheitswesen und Regierung, wo Datenqualität und -verwaltung von größter Bedeutung sind. Da Unternehmen immer mehr auf AI setzen, um Geschäftsentscheidungen zu treffen, wird die Notwendigkeit vertrauenswürdiger, hochwertiger Daten immer kritischer.

Daten-Beobachtung stellt sicher, dass die Integrität der Daten kontinuierlich überwacht und validiert wird, was hilft, Fehler und Verzerrungen zu vermeiden, die AI-Modelle untergraben könnten. Darüber hinaus spielt die Beobachtung eine wichtige Rolle bei der Einhaltung von Vorschriften, indem sie Einblicke in Datenherkunft, -nutzung und -verwaltung liefert, was den strengen regulatorischen Anforderungen entspricht. Letztendlich ermöglicht die Daten-Beobachtung es Organisationen, das volle Potenzial von AI zu nutzen, indem sie sicherstellen, dass ihre AI-Initiativen auf einer Grundlage von vertrauenswürdigen, hochwertigen Daten aufbauen.

Vielen Dank für das großartige Interview. Leser, die mehr erfahren möchten, sollten Acceldata besuchen.