Jay Mishra, COO της Astera Software – Σειρά Συνεντεύξεων

O Jay Mishra είναι ο Διευθύνων Σύμβουλος (COO) της Astera Software, μια εταιρεία που παρέχει λύσεις δεδομένων για επιχειρήσεις. Βοηθούν τους χρήστες να γεφυρώσουν το χάσμα μεταξύ δεδομένων και ερμηνείας με ένα σύνολο χρηστικών και υψηλής απόδοσης λύσεων εξαγωγής δεδομένων, ποιότητας δεδομένων, ολοκλήρωσης δεδομένων, αποθήκευσης δεδομένων και ηλεκτρονικής ανταλλαγής δεδομένων, οι οποίες χρησιμοποιούνται από μεσαίες και μεγάλες επιχειρήσεις σε διάφορους κλάδους.

Τι σας έκανε να ενδιαφερθείτε για την επιστήμη των υπολογιστών;

Έχω πάντα μια βαθιά αγάπη για τα μαθηματικά και η είσοδος μου στην επιστήμη των υπολογιστών ήταν μια φυσική εξέλιξη. Η προπτυχιακή μου εκπαίδευση ήταν στα Μαθηματικά και την Επιστήμη των Υπολογιστών και ήταν η λογική εξέλιξη από τον κόσμο των μαθηματικών στον κόσμο της επιστήμης των υπολογιστών που με ενδιέφερε. Αυτό που με έκανε να ενδιαφερθώ ιδιαίτερα ήταν οι περίπλοκες λειτουργίες των αλγορίθμων και των προηγμένων αλγοριθμικών διαδικασιών, τα οποία με οδήγησαν να ακολουθήσω ειδίκευση σε αλγορίθμους κατά τη διάρκεια του μεταπτυχιακού μου στην Επιστήμη των Υπολογιστών. Από τότε, η σύνδεσή μου με την επιστήμη των υπολογιστών παραμένει ισχυρή και συνεχώς προσπαθώ να μείνω ενήμερος για τις τελευταίες εξελίξεις στον τομέα.

Είστε τώρα ο COO της Astera, θα μπορούσατε να μας πείτε τι περιλαμβάνει η καθημερινή σας δουλειά;

Ως COO της Astera, ο ρόλος μου είναι πολυμερής, αντανακλώντας τη δυναμική φύση της εταιρείας. Έχω εργαστεί στην Astera από την ίδρυσή της και οι ευθύνες μου έχουν εκτεταθεί σε διάφορους τομείς της οργάνωσης. Αυτό περιλαμβάνει όλα, από την ενεργό συμβολή στην ανάπτυξη και τον κώδικα των προϊόντων μας μέχρι τη διασφάλιση ότι τα χαρακτηριστικά μας συμφωνούν με τις εξελισσόμενες ανάγκες των πελατών μας. Συνεργάζομαι στενά με τους πελάτες μας, εργαζόμενος σε συνδυασμό με αυτούς για να βελτιώσουμε τις λύσεις μας. Ο ρόλος μου εκτείνεται πέρα από την ανάπτυξη προϊόντων και περιλαμβάνει πωλήσεις και μάρκετινγκ, όπου φέρνουμε τις προσφορές μας στην αγορά.

Για τους αναγνώστες που δεν είναι εξοικειωμένοι με αυτόν τον όρο, τι είναι η αποθήκη δεδομένων;

Η αποθήκη δεδομένων είναι ένα αρχιτεκτονικό μοτίβο που χρησιμοποιείται για τη συνένωση όλων των επιχειρηματικών δεδομένων σε einen κεντρικό αποθετήριο, το οποίο θα χρησιμεύσει ως βάση για την δημιουργία διαφόρων τύπων αναλύσεων, εκθέσεων και πινάκων που θα παρουσιάζουν την πραγματική εικόνα της επιχείρησης και θα προβλέπουν πώς η επιχείρηση θα εξελιχθεί στο μέλλον. Για να εξυπηρετήσετε όλα αυτά, συλλέγετε τα δεδομένα σας με συγκεκριμένο τρόπο και αυτή η αρχιτεκτονική ονομάζεται αποθήκη δεδομένων.

Τι είναι κάποιοι από τους βασικούς趨勢 στην αποθήκη δεδομένων σήμερα;

Η αποθήκη δεδομένων έχει εξελιχθεί πολύ τα τελευταία 20-25 χρόνια. Περίπου μια δεκαετία πριν, μαρτυρήσαμε την εμφάνιση της αυτοματοποιημένης αποθήκης δεδομένων, μια παράμετρος που επιταχύνθηκε τη διαδικασία δημιουργίας μοντέλων δεδομένων και αποθηκών δεδομένων. Πρόσφατα, η αυτοματοποίηση έχει πάρει τον πρώτο ρόλο. Αυτό αντιμετωπίζει την επαναλαμβανόμενη φύση των εργασιών αποθήκης δεδομένων, απλοποιώντας τις διαδικασίες για να εξοικονομήσει χρόνο και πόρους.

Τι είναι κάποιοι από τους βασικούς αρχές που οι επιχειρήσεις πρέπει να λάβουν υπόψη για την ανάπτυξη της αποθήκης δεδομένων;

1. Ορισμός Σαφών Στόχων

Είναι απαραίτητο να ξεκινήσετε κατανοώντας ακριβώς τι χρειάζεστε από την αποθήκη δεδομένων. Αποφύγετε την κοινή παγίδα της συλλογής υπερβολικών δεδομένων χωρίς σαφή σκοπό. Αντίθετα, προσδιορίστε τους συγκεκριμένους στόχους που θέλετε να επιτύχετε με την αποθήκη δεδομένων. Ποίες εκθέσεις και ερμηνείες ψάχνετε; Με την εστίαση στους στόχους σας, μπορείτε να διασφαλίσετε ότι θα φέρετε μόνο τα δεδομένα που είναι σχετικά, αντί να συλλέγετε απλώς τεράστιες ποσότητες πληροφοριών. Δεδομένου ότι το κόστος αποθήκευσης και υπολογιστικής ισχύος μειώνεται, είναι κρίσιμο να χρησιμοποιήσετε αυτές τις πόρους με ευφυΐα και ηθικά.

2. Επιλογή του Σωστού Αρχιτεκτονικού Μοτίβου

Οι αρχιτεκτονικοί μοτίβοι είναι πολύ σημαντικοί. Αποφασίζουν εάν η λύση αποθήκης δεδομένων σας θα είναι επιτυχημένη ή όχι. Υπάρχουν διάφοροι επιλογές, που κυμαίνονται από το στυλ Inmon μέχρι τα star schemas του Ralph Kimball, καθώς και νεότερους μοτίβους όπως το Data Vault και η προσέγγιση μιας μεγάλης πίνακα που υποστηρίζεται από τους προμηθευτές βάσεων δεδομένων. Όχι όλοι οι μοτίβοι θα είναι κατάλληλοι για κάθε σενάριο.

3. Επιλογή του Σωστού Εργαλείου

Τα εργαλεία είναι πολύ σημαντικά και κάνουν μια τεράστια διαφορά ξανά στην ώρα και τις πηγές που χρειάζονται για να χτιστεί μια λύση και επίσης την ακρίβεια και την ποιότητα της λύσης σας, η οποία καθορίζεται από τα προϊόντα που θα χρησιμοποιήσετε για να χτίσετε και να διατηρήσετε την αποθήκη δεδομένων. Προσέξτε πολύ την ικανότητα του προϊόντος και δείτε τα προϊόντα που μπορούν να φέρουν τις περισσότερες απαιτήσεις κάτω από μια ομπρέλα. Υπάρχουν ορισμένες περιοχές όπως η ETL (Εξαγωγή, Μετατροπή, Φόρτωση), ποιότητα δεδομένων, μοντελοποίηση δεδομένων, φόρτωση δεδομένων και δημοσίευση δεδομένων, όλες παίζουν σημαντικό ρόλο. Αν προσπαθήσετε να χρησιμοποιήσετε πολλά προϊόντα για κάθε μια από αυτές τις περιοχές, θα είναι δύσκολο. Έτσι, δείτε τα προϊόντα που μπορούν να χρησιμοποιηθούν για να κάνουν το μεγαλύτερο μέρος των διαφόρων συστατικών.

4. Η Ομάδα Σας

Τελευταίο αλλά όχι λιγότερο σημαντικό, η ομάδα των ανθρώπων που θα συναθροίσετε για να χτίσετε την αποθήκη δεδομένων σας είναι το πιο σημαντικό μέρος. Συνιστούμε να έχετε κάποιον με ισχυρή背景 σε αρχιτεκτονικούς μοτίβους δεδομένων. Όσον αφορά τη σύνθεση της ομάδας, οι διαλειτουργικές ομάδες είναι ο καλύτερος τρόπος για να προχωρήσετε, όπου έχετε μια смесь επιχειρηματικών χρηστών και ανθρώπων με κάποια προγραμματιστική εμπειρία ή τουλάχιστον εμπειρία δεδομένων και να έχετε στενή συνεργασία μεταξύ των φυλακών δεδομένων, των ανθρώπων που είναι υπεύθυνοι για τα δεδομένα και φυσικά της επιχείρησης. Με την προώθηση της στενής συνεργασίας μεταξύ αυτών των διαφόρων πτυχών της οργάνωσής σας, μπορείτε να δημιουργήσετε μια συνεκτική και αποτελεσματική ομάδα που είναι υπεύθυνη για την ανάπτυξη και τη διατήρηση της λύσης αποθήκης δεδομένων.

Γιατί οι επιχειρήσεις χρειάζονται ένα σύγχρονο στοίβα δεδομένων;

Αυτό εξαρτάται από το πώς ορίσαμε το “σύγχρονο” και αυτό αλλάζει, đôi veces ανά εβδομάδα, ανά μήνα και ακόμη και ανά ημέρα. Πρέπει να λάβουμε υπόψη μας σύγχρονες εργαλειοθήκες που σχεδιάστηκαν με την εξελισσόμενη τοπография δεδομένων. Τα τελευταία χρόνια, υπήρξαν σημαντικές μετατοπίσεις στη φύση και τον όγκο των δεδομένων. Η άνοδος των Big Data έχει μεταμορφώσει το τοπίο δεδομένων, με δεδομένα που ρέουν από πηγές όπως ιστοσελίδες ηλεκτρονικού εμπορίου, βάσεις δεδομένων παραγωγής και διάφορα μέρη της επιχείρησης. Αυτά τα δεδομένα αλλάζουν όχι μόνο σε όγκο αλλά και στη φύση τους.

Τι είναι κάποιοι από τους τρέχοντες προκλήματα διαχείρισης δεδομένων που παρατηρούνται στη βιομηχανία;

1. Ταχύτητα και Ολοκλήρωση Δεδομένων

Μια από τις μεγαλύτερες προκλήσεις που αντιμετωπίζουμε σήμερα είναι η τεράστια ποσότητα δεδομένων που ρέει από διάφορες εφαρμογές. Αν λάβουμε υπόψη μια τυπική οργάνωση IT, αντιμετωπίζουν νέες εφαρμογές που εμφανίζονται συνεχώς – δεκάδες, đôi vezes sogar εκατοντάδες κάθε χρόνο, ιδιαίτερα σε μεσαίες οργανώσεις.

2. Διαφορετικά Μορφές Δεδομένων

Μια άλλη κρίσιμη πρόκληση προέρχεται από τη φύση των δεδομένων, ιδιαίτερα την αυξανόμενη επικράτηση των ακατέργαστων δεδομένων. Με ακατέργαστα δεδομένα υπάρχουν, φυσικά, διαφορετικές σκέψεις για το πώς να τα χειριστούμε.

3. Δημοσίευση και Διαμοιρασμός Δεδομένων

Ενώ η ολοκλήρωση και η συνένωση δεδομένων είναι κρίσιμες, η ικανότητα να μοιράζονται τα δεδομένα αποτελεσματικά είναι εξίσου σημαντική. Οι οργανώσεις χρειάζονται μηχανισμούς για την δημοσίευση και διανομή δεδομένων σε εσωτερικά τμήματα, τρίτους προμηθευτές, συνεργάτες και άλλους ενδιαφερόμενους. Αυτή η πρόκληση εκτείνεται πέρα από το να κάνουν τα δεδομένα διαθέσιμα, αλλά περιλαμβάνει επίσης την διασφάλιση της ασφάλειας, της ιδιωτικής ζωής και της συμμόρφωσης με τις κανονιστικές προδιαγραφές. Όσο η διαμοιρασία δεδομένων γίνεται αναγκαιότητα για τις επιχειρήσεις όλων των μεγεθών, οι τεχνολογίες και τα προϊόντα σε αυτόν τον χώρο εξελίσσονται ταχύτατα για να καλύψουν την ζήτηση.

Τι είναι κάποιοι από τους τρόπους με τους οποίους η Astera έχει ενσωματώσει την τεχνητή νοημοσύνη στην ροή εργασιών των πελατών;

Βλέπουμε την τεχνητή νοημοσύνη να διασχίζει τη διαχείριση δεδομένων με δύο διαφορετικούς τρόπους.

1. Βελτίωση της Χρηστικότητας με Γενετική Τεχνητή Νοημοσύνη

Η βαθιά μας δέσμευση στην χρηστικότητα είναι ένα γωνιακό λίθο της φιλοσοφίας ανάπτυξης προϊόντων. Τα τελευταία 12-13 χρόνια, έχουμε χτίσει μια ισχυρή φήμη για το σχεδιασμό προϊόντων με μια σύντομη καμπύλη μάθησης, τα οποία καθιστούν τα προϊόντα μας προσβάσιμα ακόμη και σε μη τεχνικούς χρήστες. Με μόλις μια μέτρια ποσότητα εκπαίδευσης, οι χρήστες μπορούν να χρησιμοποιήσουν αποτελεσματικά τα προϊόντα μας για να εκτελέσουν σημαντικές εργασίες με τα δεδομένα τους.

2. Λειτουργικότητα Τεχνητής Νοημοσύνης ως Εργαλειοθήκη

Η Astera προσφέρει μια ενιαία στοίβα δεδομένων που καλύπτει διάφορους τομείς της διαχείρισης δεδομένων, συμπεριλαμβανομένης της εισαγωγής, μετατροπής, ποιότητας δεδομένων, αποθήκης δεδομένων, API και δημοσίευσης δεδομένων. Η εταιρεία αναγνωρίζει τη σημασία της παροχής λειτουργικότητας τεχνητής νοημοσύνης ως μια ποικιλόμορφη εργαλειοθήκη για τους χρήστες. Μέσα σε αυτήν την εργαλειοθήκη, οι πελάτες της Astera μπορούν να έχουν πρόσβαση σε τεχνητή νοημοσύνη σε όλο το φάσμα της επιστήμης δεδομένων, από την κατασκευή και την ανάπτυξη μοντέλων μηχανικής μάθησης μέχρι την εφαρμογή ML Ops (Επιχειρησιακές Μονάδες Μηχανικής Μάθησης). Η Astera υποστηρίζει επίσης τη χρήση ανοικτών μοντέλων, συμπεριλαμβανομένων μεγάλων μοντέλων γλωσσών (LLMs), και διευκολύνει την εξειδίκευση για συγκεκριμένες περιπτώσεις.

Τι είναι κάποιοι από τους καλύτερους τρόπους για να εκμεταλλευτείτε την τεχνητή νοημοσύνη και τα μοντέλα μηχανικής μάθησης στη διαχείριση δεδομένων για μεγάλες επιχειρήσεις;

1. Παραμείνετε στην Πρόσθια Γραμμή των Αναπτύξεων Τεχνητής Νοημοσύνης και Μηχανικής Μάθησης

Το πεδίο των μεγάλων μοντέλων γλωσσών εξελίσσεται ταχύτατα. Για να κερδίσετε einen ανταγωνιστικό πλεονέκτημα, οι μεγάλες επιχειρήσεις πρέπει να μείνουν ενημερωμένες για τις τελευταίες προόδους. Η Astera, για παράδειγμα, ήταν ένας πρώιμος υιοθετητής της γενετικής τεχνητής νοημοσύνης, χρησιμοποιώντας μοντέλα όπως το OpenAI και το LAMA. Η συνεχής παρακολούθηση των αναδυόμενων τεχνολογιών διασφαλίζει ότι είστε καλά προετοιμασμένοι για να τις εκμεταλλευτείτε αποτελεσματικά.

2. Πειραματιστείτε με Πολλαπλά Μοντέλα και Ρυθμίσεις

Χρησιμοποιώντας την εξειδίκευση των LLMs, καταφέραμε να αναπτύξουμε μικρά μεγέθη, όπως μοντέλα 8-13 δισεκατομμυρίων παραμέτρων, και να τα αναπτύξουμε τοπικά. Αυτό είναι κάτι που έχει δουλέψει πραγματικά καλά για μας και συνιστούμε να δοκιμάσετε διαφορετικά βασικά μοντέλα και διαφορετικές ρυθμίσεις και να δείτε ποιο από αυτά λειτουργεί για σας.

3. Προτεραιότητα στην Τοπική Αναπτύξη έναντι των API

Όταν αντιμετωπίζουμε προϊόντα που βασίζονται σε δεδομένα, η μείωση των καθυστερήσεων είναι परमουθέντιο. Η εξάρτηση αποκλειστικά από API για πρόσβαση σε μοντέλα τεχνητής νοημοσύνης και μηχανικής μάθησης μπορεί να εισαγάγει απαράδεκτες καθυστερήσεις, ιδιαίτερα όταν αντιμετωπίζουμε μεγάλους όγκους δεδομένων. Συνιστάται να προτεραιότητα δώσετε στην αναπτύξη μοντέλων που έχουν εξειδικευτεί τοπικά, αφιερωμένα στο συγκεκριμένο σενάριο σας. Αυτή η προσέγγιση μπορεί να βελτιώσει σημαντικά τους χρόνους απόκρισης και την συνολική απόδοση.

Γιατί η Astera είναι μια ανώτερη λύση σε σύγκριση με τις ανταγωνιστικές πλατφόρμες;

• Οι λύσεις της Astera έχουν μια κώδικα-ελεύθερη, εύχρηστη, οπτική διεπαφή μαζί με αυξημένη χρηστικότητα που τροφοδοτείται από την τεχνητή νοημοσύνη, η οποία καθιστά εύκολη την εκτέλεση σύνθετων διαδικασιών δεδομένων για όλους τους χρήστες, ανεξάρτητα από τις τεχνικές τους ικανότητες.
• Οι λειτουργίες αυτοματοποίησης της στοίβας δεδομένων μας μειώνουν τις επαναλαμβανόμενες χειρωνακτικές εργασίες και εξοικονομούν χρόνο και πόρους ανάπτυξης.
• Η ενιαία μας πλατφόρμα μπορεί να βοηθήσει τους χρήστες να εκτελέσουν διαδικασίες δεδομένων από άκρο σε άκρο χωρίς να χρειάζεται να αλλάξουν λύσεις. Αυτό εξαλείφει το κόστος της εκμάθησης και της διαχείρισης πολλών απομονωμένων συστημάτων.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα πρέπει να επισκεφθούν το Astera Software.