Mathias Golombek, Exasoli tehnoloogiadirektor – intervjuuseeria

Mathias Golombek on ettevõtte tehnoloogiadirektor (CTO). exasol. Ta liitus ettevõttega tarkvaraarendajana 2004. aastal pärast arvutiteaduse õppimist, keskendudes tugevalt andmebaasidele, hajutatud süsteemidele, tarkvaraarendusprotsessidele ja geneetilistele algoritmidele. Aastaks 2005 vastutas ta andmebaasi optimeerija meeskonna eest ning 2007. aastal sai temast teadus- ja arendustegevuse juht. 2014. aastal määrati Mathias tehnikadirektoriks. Selles rollis vastutab ta tootearenduse, tootehalduse, operatsioonide, toe ja tehnilise nõustamise eest.

Mis teid arvutiteaduse juures alguses köitis?

Kui ma käisin neljandas klassis, oli mu vanemal vennal mõned tunnid, kus nad õppisid BASICut programmeerima, ja ta näitas mulle, mida sa sellega teha saad. Koos töötasime oma Commodore 64 peal oma noorimale vennale välja lihavõttemõistatuse ja sellest ajast peale on arvutid mind paelunud. Arvutiteadus üldiselt seisneb probleemide lahendamises ja loovuses ning arvan, et see aspekt köitis mind selle valdkonna juures kõige rohkem.

Kas saate jagada oma teekonda Exasoliga liitumisest tarkvaraarendajana 2004. aastal kuni CTO-ks saamiseni? Kuidas on teie rollid aastate jooksul arenenud, eriti kiiresti muutuval tehnoloogiamaastikul?

Õppisin Saksamaal Würzburgi ülikoolis arvutiteadust ja 2004. aastal pärast lõpetamist alustasin Exasolis tarkvaraarendajana. Pärast esimest aastat Exasolis edutati mind andmebaasi optimeerija meeskonna juhiks ning seejärel uurimis- ja arendustegevuse juhiks. Pärast seda töötasin seitse aastat teadus- ja arendustegevuse juhina, enne kui asusin 2014. aastal oma praegusesse rolli CTOna.

Algusest peale hämmastas mind Exasoli tegevus – see Saksa tehnoloogiaettevõte, mis võitleb selliste suurte nimede nagu Microsoft, IBM ja Oracle vastu. Mind tabas ees ootav võimalus – arendajana oli selle massiliselt paralleeltöötluse (MPP) mälusisese andmebaasihaldussüsteemi loomine maapealne taevas.

Olen nautinud iga hetke selle andeka insenerimeeskonnaga koos töötades. Tehnilise juhina jälgin Exasoli tooteinnovatsiooni, -arendust ja tehnilist tuge. On olnud põnev näha, kui palju Exasoli meeskond on globaalselt kasvanud, kui töötame oma klientide ja nende muutuvate vajaduste toetamise nimel. Põhialused on samad – oleme endiselt mälusisene andmebaasisüsteem, kuid nüüd anname oma klientidele võimaluse kasutada oma andmeid tehisintellekti juurutamiseks.

Exasol on olnud suure jõudlusega analüütikaandmebaaside esirinnas. Mis eristab Exasoli teie vaatenurgast selles konkurentsiruumis?

Ettevõtlusjuhtidel on pidevalt ülesanne navigeerida, kuidas vähemaga rohkem ära teha. Viimastel aastatel on see muutunud veelgi keerulisemaks, kuna majandus on jätkuvalt tormiline ja tehisintellekti tehnoloogia levik on võtnud eelarvet ja aega.

Suure jõudlusega analüütikaandmebaasi pakkujana on Exasol püsinud eesrindlikust, kui on vaja aidata ettevõtetel vähemaga rohkem ära teha. Aitame ettevõtetel muuta ärianalüüsi (BI) paremaks ülevaateks Exasol Espressoga, meie mitmekülgse päringumootoriga, mis ühendatakse olemasolevate andmevirnadega. Ülemaailmsed kaubamärgid, sealhulgas T-Mobile, Piedmont Healthcare ja Allianz, kasutavad Exasol Espressot, et muuta suuremad andmemahud kiiremaks, sügavamaks ja odavamaks ülevaateks. Ja ma arvan, et oleme teinud suurepärast tööd jõudluse, hinna ja paindlikkuse vahelise õrna tasakaalu saavutamisel, et kliendid ei peaks kompromisse tegema.

Ettevõtete toetamiseks nende tehisintellekti teekonnal avalikustasime ka hiljuti Espresso AI, varustades meie mitmekülgse päringumootori uue tehisintellekti tööriistade komplektiga, mis võimaldab organisatsioonidel kasutada oma andmete võimsust täiustatud tehisintellektipõhiste arusaamade ja otsuste tegemiseks. Espresso AI võimalused muudavad AI taskukohasemaks ja ligipääsetavamaks, võimaldades klientidel mööda minna kulukatest ja aeganõudvatest katsetustest ja saavutada kohene ROI. See on muudatus ettevõtetele, kes on keskendunud innovatsiooni edendamisele ja väärtuse pakkumisele tehisintellekti ajastul.

Exasoli 2024. aasta tehisintellekti ja analüüside aruanne tõstab tehisintellekti alainvesteeringuid esile kui teed äritegevuse ebaõnnestumisele. Kas saaksite laiendada selle aruande peamisi järeldusi ja seda, miks on tehisintellekti investeerimine tänapäeval ettevõtete jaoks kriitilise tähtsusega?

Nagu te ütlesite, on Exasoli peamine väljavõte 2024. aasta AI ja Analyticsi aruanne on see, et tehisintellekti alainvesteerimine viib äri ebaõnnestumiseni. USA, Ühendkuningriigi ja Saksamaa kõrgemate otsustajate ning andmeteadlaste ja analüütikute küsitluse põhjal nõustuvad peaaegu kõik (91%) vastajad, et tehisintellekt on organisatsioonide jaoks järgmise kahe aasta üks olulisemaid teemasid. 72% tunnistab, et tehisintellekti täna mitte investeerimine seab tulevase ettevõtte elujõulisuse ohtu. Lihtsamalt öeldes on tänases keskkonnas ettevõtted, kes ei mõtle tehisintellektile, juba maha.

Ettevõtted seisavad silmitsi sidusrühmade survega investeerida tehisintellekti – ja sellel on palju põhjuseid. Tehisintellekti investeerimine on juba aidanud organisatsioone erinevates tööstusharudes – alates tervishoiust kuni finantsteenuste ja jaemüügini – avada uusi tuluvooge, parandada klientide kogemusi, optimeerida toiminguid, tõsta tootlikkust, kiirendada konkurentsivõimet ja palju muud. Nimekiri kasvab sealt edasi, kuna ettevõtted hakkavad leidma konkreetseid viise, kuidas AI-d kasutada ainulaadsete ärivajaduste rahuldamiseks.

Samas aruandes mainitakse tehisintellekti kasutuselevõtu peamisi takistusi, sealhulgas andmeteaduse puudujääke ja rakendamise latentsust. Kuidas Exasol neid väljakutseid oma klientide jaoks lahendab?

Hoolimata kriitilisest vajadusest tehisintellekti investeeringute järele, seisavad ettevõtted endiselt silmitsi oluliste takistustega laiemale rakendamisele. Exasoli tehisintellekti ja analüüsi aruanne näitab, et kuni 78% otsustajatest kogeb lünki vähemalt ühes oma andmeteaduse ja masinõppe mudelite valdkonnas ning 47% nimetab väljakutseks kiirust uute andmenõuete rakendamisel. Veel 79% väidavad, et nende andmemeeskondadel kulub uute ärianalüüsinõuete rakendamiseks liiga kaua aega. Muud AI laialdast kasutuselevõttu takistavad tegurid on rakendusstrateegia puudumine, andmete halb kvaliteet, ebapiisavad andmemahud ja integratsioon olemasolevate süsteemidega. Lisaks tekitavad arenevad tehisintellekti bürokraatlikud nõuded ja eeskirjad probleeme paljudele ettevõtetele – 88% vastanutest väitis, et vajavad rohkem selgust.

AI juurutamise kasvades muutub ettevõtete jaoks veelgi olulisemaks tugeva andmebaasi tagamine. Exasol pakub tehisintellekti strateegiat kasutavatele ettevõtetele paindlikkust, vastupidavust ja mastaapsust. Kuna sellised rollid nagu Chief Data Officer (CDO) arenevad ja muutuvad keerukamaks – kasvavad eetilised ja vastavusprobleemid on esirinnas –, toetab Exasol andmejuhte ja aitab neil muuta BI kiiremaks ja paremaks ülevaateks, mis annab teavet äriotsuste tegemisel. ja mõjutab positiivselt lõpptulemust.

Kuigi tehisintellekt on muutunud äriedu jaoks kriitiliseks, on see sama tõhus kui tööriistad, tehnoloogia ja inimesed, kes seda taustaprogrammis kasutavad. Uuringutulemused rõhutavad olulist lõhet praeguste BI-tööriistade ja nende väljundi vahel – rohkem tööriistu ei tähenda tingimata kiiremat jõudlust või paremat ülevaadet. Kuna CDO-d valmistuvad keerukamaks ja saavad ülesandeks teha vähemaga rohkem, peavad nad hindama andmeanalüütikapakki, et tagada tootlikkus, kiirus ja paindlikkus – seda kõike mõistliku kuluga.

Espresso AI aitab seda lünka ettevõtte jaoks täita, optimeerides andmete eraldamise, laadimise ja teisendusprotsesse, et anda kasutajatele paindlikkus katsetada koheselt uusi tehnoloogiaid ulatuslikult, olenemata infrastruktuuri piirangutest – olgu see siis kohapealne, pilve- või hübriidtehnoloogia. Kasutajad saavad vähendada andmete teisaldamise kulusid ja jõupingutusi, tuues samal ajal oma andmebaasi uusi tehnoloogiaid, nagu LLM-id. Need võimalused aitavad organisatsioonidel kiirendada oma teekonda AI- ja ML-lahenduste juurutamise suunas, tagades samal ajal oma andmete kvaliteedi ja usaldusväärsuse.

Andmekirjaoskus muutub tehisintellekti ajastul üha olulisemaks. Kuidas aitab Exasol oma klientide ja laiema kogukonna andmepädevust suurendada?

Tänapäeva andmerikastes töökeskkondades on andmepädevuse oskused olulisemad kui kunagi varem – ja muutuvad tehisintellekti ajastul kiiresti pigem "vajaduseks omada", kui "tore omada". Kõikides tööstusharudes on andmetega töötamise, andmete mõistmise ja tõhusa edastamise oskus muutunud ülioluliseks. Andmepädevuses on aga lünk.

Andmekirjaoskus tähendab oskust tõlgendada keerulist teavet ja võimet nende leidude põhjal tegutseda. Kuid sageli on andmetele juurdepääs organisatsioonis suletud või ainult väikesel üksikisikute alamhulgal on vajalikud andmepädevuse oskused, et mõista ja pääseda juurde ettevõtte kaudu voolavatele tohututele andmemahtudele. See lähenemisviis on vigane, kuna see piirab andmete kasutamisele kuluvat aega ja ressursse ning lõppkokkuvõttes loob andmepädevuse lünk ettevõtluse innovatsioonile takistuse.

Kui inimesed on andmepädevusega, saavad nad andmetest aru, neid analüüsida ja oma ideid, oskusi ja teadmisi rakendada. Mida rohkem inimesi omab teadmisi, enesekindlust ja tööriistu andmete lahtiharutamiseks ja nende tähenduse leidmiseks, seda edukam on organisatsioon. Exasolis toetame andmeliidreid ja ettevõtteid andmepädevuse ja hariduse edendamisel.

Lisaks hariduskomponendile peaksid ettevõtted andmete demokratiseerimiseks optimeerima oma tehnilisi virnasid ja BI-tööriistu. Andmete juurdepääsetavus ja andmepädevus käivad käsikäes. Andmestrateegiate edasiseks kasutamiseks on vaja investeerida mõlemasse. Näiteks Exasoliga võimaldab meie häälestamiseta süsteem ettevõtetel keskenduda andmekasutusele, mitte tehnoloogiale. Suur kiirus võimaldab meeskondadel andmetega interaktiivselt töötada ja vältida jõudluspiirangute piiramist. See viib lõpuks andmete demokratiseerimiseni.

Nüüd on aeg andmete demokratiseerimiseks nihkuda arutlusteemalt organisatsioonisiseselt tegudele. Kuna rohkem inimesi erinevates osakondades saavad juurdepääsu sisukatele teadmistele, leevendab see andmeanalüütikameeskondade põhjustatud traditsioonilisi kitsaskohti. Kui need traditsioonilised silohoidlad kokku kukuvad, mõistavad organisatsioonid, kui lai ja sügav vajadus on nende meeskondade ja üksikisikute jaoks andmete kasutamiseks. Isegi need inimesed, kes praegu ei arva, et nad on andmete lõppkasutajad, saavad andmetest välja.

Selle nihkega kaasneb lähiaastatel suur väljakutse – tööjõudu tuleb täiendada, et iga töötaja omandaks vajalikud oskused, et andmeid ja teadmisi äriotsuste tegemiseks tõhusalt kasutada. Tänapäeva tööjõud ei tea õigeid küsimusi oma andmevoo või seda toitava automatiseerimise kohta esitada. Täpsete, uurivate ja äritegevusega seotud küsimuste sõnastamise väärtus kasvab, mis tekitab hädasti vajaduse koolitada tööjõudu selle oskuse alal.

Teil on tugev andmebaaside, hajutatud süsteemide ja geneetiliste algoritmide taust. Kuidas need valdkonnad mõjutavad Exasoli tootearendus- ja innovatsioonistrateegiat?

Minu taustaks on meie valdkonnas töötamine ja viimase kahe aastakümne tehnoloogiatrendide mõistmine. Põnev ja rahuldust pakkuv on töötada uuenduslike klientidega, kes muudavad andmebaasitehnoloogia huvitavateks kasutusjuhtudeks. Meie innovatsioonistrateegia ei sõltu ainult ühest inimesest, vaid suurest kogenud arhitektide ja arendajate meeskonnast, kes mõistavad tarkvara, riistvara ja andmerakenduste tulevikku.

Kuna tehisintellekt muudab tööstusharusid enneolematu kiirusega, siis millised on teie arvates tulevikukindla andmevirna olulised komponendid ettevõtete jaoks, kes soovivad AI-d ja analüütikat tõhusalt kasutada?

Tehisintellekti kiire kasutuselevõtt on olnud suurepärane näide sellest, miks on oluline, et ettevõtted oleksid arenevast tehnoloogiamaastikust ees. Kahetsusväärne tõde on aga see, et enamik andmevirnasid on endiselt AI kõvera taga.

Tulevikukindlate andmevirnade jaoks peaksid ettevõtted esmalt hindama andmebaasid, et tuvastada lüngad, vead või muud probleemid. See aitab neil tagada andmete kvaliteedi ja kiiruse – elemendid, mis on kriitilise tähtsusega väärtusliku ülevaate saamiseks ning tehisintellekti ja LLM-mudelite töötamiseks.

Lisaks peaksid meeskonnad investeerima tööriistadesse ja tehnoloogiatesse, mida saab hõlpsasti integreerida teiste virna lahendustega. Kuna tehisintellekt on seotud muude tehnoloogiatega, nagu avatud lähtekoodiga, näeme traditsiooniliste äriprobleemide lahendamiseks uusi mudeleid. Generatiivne AI, nagu ChatGPT, sulandub ka traditsioonilisema tehisintellekti tehnoloogiaga, nagu kirjeldav või ennustav analüütika, et avada organisatsioonidele uusi võimalusi ja muuta tavapäraselt kohmakaid protsesse sujuvamaks.

Tulevikukindlate andmevirnade jaoks peaksid ettevõtted integreerima ka AI ja BI. Ettevõtted on BI-tööriistu kasutanud aastakümneid, et saada väärtuslikku teavet, ja kuigi palju on tehtud täiustusi, on endiselt BI piiranguid või takistusi, mida tehisintellekt võib aidata. AI võib võimaldada kiiremaid tulemusi, täiustada isikupärastamist ja muuta BI maastiku kaasavamaks ja kasutajasõbralikumaks domeeniks. Kuna BI keskendub tavaliselt ajalooandmete analüüsimisele, et saada ülevaadet, saab AI laiendada BI võimalusi, aidates ette näha tulevasi sündmusi, koostades prognoose ja soovitades toiminguid soovitud tulemuste mõjutamiseks.

Tootlikkus, paindlikkus ja kulude kokkuhoid on esile tõstetud kolme viisina, kuidas Exasol aitab ülemaailmsetel kaubamärkidel uuendusi teha. Kas saate tuua näite, kuidas Exasol on võimaldanud kliendil teie analüütikaandmebaasi kaudu märkimisväärset ROI-d saavutada?

Vastavalt 2023. aasta Forresteri kogumajandusliku mõju uuring, Exasoli kliendid saavutavad kolme aasta jooksul oma esialgse investeeringu investeeringutasuvuse kuni 320%, parandades tegevustõhusust, andmebaasi jõudlust ning pakkudes lihtsat ja paindlikku andmetaristut.

Üks klient näiteks Helsana, Šveitsi konkurentsivõimelise tervishoiutööstuse liider, tuli Exasolisse, et täita vajadus kaasaegse andme- ja analüüsiplatvormi järele. Enne Exasoli toetus Helsana erinevatele aruandlustööriistadele koos erinevatele tehnoloogiatele ehitatud andmeladudega ja ETL-tööriistadega, mis lõid sassis ja ebaefektiivse arhitektuuri. Võrreldes ettevõtte olemasoleva pärandlahendusega näitas Exasoli andmeladu jõudluse paranemist viis kuni kümme korda.

Nüüd on Exasol Helsana tehisintellekti teekonnal kesksel kohal, toimides struktureeritud andmete hoidlana, mida Helsana kasutab kõigis oma AI mudelites ja pakkudes

selle analüüsi aluseks. Exasoliga on Helsana meeskond suurendanud jõudlust, vähendanud kulusid, suurendanud paindlikkust ja loonud tugeva tehisintellekti aluse, mis kõik aitavad lisaks klientidele paremini teenindada märkimisväärset ROI-d.

Millised on tulevased suundumused andmeanalüütika ja äriteabe valdkonnas, milleks Exasol valmistub, ja kuidas kavatsete selles valdkonnas innovatsiooni edendada?

 Aastal 2023 tutvustati tehisintellekti laiaulatuslikult, mis põhjustas organisatsioonide põlvnevaid reaktsioone, mis lõpuks tekitasid lugematul hulgal halvasti kavandatud ja teostatud automatiseerimiskatseid. 2024. aasta on tehisintellekti katsetamise ja alustöö jaoks ümberkujundamisaasta. Seni on GenAI peamised rakendused olnud teabele juurdepääsemiseks vestlusrobotite, klienditeeninduse automatiseerimise ja tarkvara kodeerimise kaudu. Siiski leidub teerajajaid, kes võtavad need põnevad tehnoloogiad kasutusele terve hulga äriotsuste langetamiseks ja optimeerimiseks. 2024. aastast kaugemale vaadates hakkame nägema suuremat tõuget tehisintellekti tootliku juurutamise suunas.

Oleme Exasolis pühendunud innovatsiooni edendamisele ja klientidele väärtuse pakkumisele, sealhulgas aitame neil arendada ja rakendada ulatuslikku tehisintellekti. Exasoliga saavad kliendid abielluda BI ja AI-ga, et ületada andmehoidlad integreeritud analüüsisüsteemis. Meie paindlikkus juurutamisvalikute osas võimaldab organisatsioonidel otsustada, kus nad soovivad oma analüütikapakki majutada, olgu see siis avalikus pilves, privaatpilves või kohapeal. Exasoli Espresso AI abil saame anda ettevõtetele võimaluse kasutada tehisintellektipõhise analüüsi väärtust, olenemata sellest, kuhu organisatsioonid oma tehisintellekti teekonnal langevad.

Täname suurepärase intervjuu eest, lugejad, kes soovivad rohkem teada saada, peaksid külastama exasol.