Rohit Choudhary, Acceldata:n perustaja ja toimitusjohtaja – Haastattelusarja

Rohit Choudhary on Acceldata:n perustaja ja toimitusjohtaja, joka on markkinajohtaja yritysten data-havainnollistamisessa. Hän perusti Acceldata:n vuonna 2018, kun hän tajusi, että alan on uudelleen arvioitava, miten data-putkien ja infrastruktuurin luotettavuutta valvotaan, tutkitaan, korjataan ja hallitaan pilviensimmäisessä ja tekoälyä hyödyntävässä maailmassa.

Mikä innoitti sinua keskittymään data-havainnollistamiseen, kun perustit Acceldata:n vuonna 2018, ja mitkä aukot data-hallinnan alalla sinä pyrittiin täyttämään?

Matkani Acceldata:n perustamiseen alkoi lähes 20 vuotta sitten ohjelmistosuunnittelijana, jossa olin motivoitunut tunnistamaan ja ratkaisemaan ongelmia ohjelmistojen kanssa. Kokemukseni Hortonworks:n teknisen johtajana antoi minulle toistuvan teeman: yritykset, joilla on ambisiot data-strategiat, kamppailevat löytääkseen vakautta data-alustoissaan, huolimatta merkittävistä sijoituksista data-analytiikkaan. He eivät voineet toimittaa dataa luotettavasti, kun liiketoiminta tarvitsi sitä eniten.

Tämä haaste oli minulle ja tiimilleni tuttu, ja tunnistimme tarpeen ratkaisulle, joka voisi valvoa, tutkia, korjata ja hallita data-putkien ja infrastruktuurin luotettavuutta. Yritykset yrittivät kehittää ja hallita data-tuotteita työkaluilla, jotka eivät olleet suunniteltu täyttämään heidän kehittyviä tarpeitaan – johtaen siihen, että data-tiimit eivät olleet tietoisia kriittisistä analytics- ja tekoälysovelluksista.

Tämä markkinan aukko innoitti meitä perustamaan Acceldata:n, jonka tavoitteena on kehittää kattava ja skaalautuva data-havainnollistamisalusta. Siitä lähtien olemme muuttaneet, miten organisaatiot kehittävät ja operoivat data-tuotteita. Meidän alustamme korreloi tapahtumia data-, prosessoinnin- ja putkien yli, tarjoten poikkeuksellisia näkymiä. Data-havainnollistamisen vaikutus on ollut valtava, ja olemme innoissamme jatkaa alan kehittämistä.

Ollessasi keksinyt termejä “Data Observability”, miten näet tämän käsitteen kehittyvän seuraavien vuosien aikana, erityisesti monipilvisympäristöjen kasvavan monimutkaisuuden valossa?

Data-havainnollistaminen on kehittynyt niukasta käsitteestä kriittiseksi kyvyksi yrityksille. Kun monipilvisympäristöt tulevat monimutkaisemmiksi, havainnollistaminen on sopeutettava käsitelläkseen monia data-lähteitä ja infrastruktuureja. Seuraavien vuosien aikana odotamme, että tekoäly ja koneoppiminen tulevat olemaan avainasemassa havainnollistamiskykyjen kehittämisessä, erityisesti ennustavan analytiikan ja automaattisen poikkeaman havaitsemisen kautta.

Lisäksi havainnollistaminen laajenee valvontaa laajempiin data-hallinnan, turvallisuuden ja sääntelyn ulottuvuuksiin. Yritykset vaativat enemmän reaaliaikaisia ohjaus- ja näyttömahdollisuuksia data-toiminnastaan, mikä tekee havainnollistamisesta olennaisen osan data-hallinnasta yhä monimutkaisemmissa ympäristöissä.

Kokemuksesi teknisestä johtamisesta ja tuotekehityksestä on ollut merkittävää. Miten tämä kokemus on vaikuttanut lähestymistapaasi Acceldata:n rakentamiseen ja skaalauttamiseen?

Minun tekninen ja tuotekehityksestä saamani kokemus on ollut ratkaisevaa Acceldata:n rakentamisessa. Ymmärtäminen data-järjestelmien skaalauttamisen haasteista on mahdollistanut suunnitella alustaa, joka vastaa yritysten todellisia tarpeita. Tämä kokemus on myös opettanut meille agile-kehityksen ja asiakaspalautteen tärkeyden. Acceldata:ssa priorisoimme innovaatiota, mutta varmistamme aina, että ratkaisumme ovat käytännöllisiä ja asiakkaiden tarpeisiin sopivia dynaamisissa ja monimutkaisissa data-ympäristöissä. Tämä lähestymistapa on ollut olennainen yrityksen skaalauttamisessa ja markkinan läsnäoloon laajentamisessa maailmanlaajuisesti.

Viimeisimmän 60 miljoonan dollarin Series C -rahoituskierroksen myötä, mitkä ovat tärkeimmät innovaatio- ja kehityskohteet, joita aiot priorisoida Acceldata:ssa?

60 miljoonan dollarin Series C -rahoituksella panostamme tekoälyyn perustuvien innovaatioiden kehittämiseen, jotka erottavat meidän alustamme merkittävästi. AI Copilot:in menestyksen jälkeen kehittämme koneoppimismallejamme tarkemmaksi poikkeaman havaitsemiseksi, automaattiseksi korjaamiseksi ja kustannusennusteiksi. Kehittämme myös ennustavaa analytiikkaa, jossa tekoäly ei ainoastaan hälytä mahdollisista ongelmista, vaan ehdottaa myös optimaalisia konfiguraatioita ja proaktiivisia ratkaisuja, jotka ovat yksilöllisiä asiakkaiden ympäristöjen mukaan.

Toinen tärkeä painopiste on konteksti-avain automaatio, jossa alustamme oppii asiakkaiden käyttäytymisestä ja sovittaa suositukset liiketoimintatavoitteiden mukaan. Luonnollisten kieli-liittymien (NLI) laajentaminen mahdollistaa käyttäjien vuorovaikutuksen monimutkaisissa havainnollistamisprosesseissa yksinkertaisilla, keskustelumaisilla komennoilla.

Lisäksi tekoäly-innovaatiomme ajavat kustannusoptimoitumista eteenpäin, ennustamalla resurssien kulutusta ja hallitsemalla kustannuksia ennennäkemättömällä tarkkuudella. Nämä edistysaskeleet asettavat Acceldata:n tekoälyvoittoisen havainnollistamisalustan johtoasemaan, auttaen yrityksiä luottamaan ja optimoimaan data-toimintojaan entistä paremmin.

Teckoäly ja LLM:t ovat tulevaisuudessa keskeisiä data-hallinnassa. Miten Acceldata asemoi itsensä johtoasemaan tässä alalla, ja mitkä ainutlaatuiset kyvyt teidän alustanne tarjoaa yritysasiakkaille?

Acceldata on jo nyt johtava tekoälyvoittoinen data-havainnollistamisalusta. Bewgle:n edistyneen tekoälytekniikan onnistuneen integroinnin jälkeen meidän alustamme tarjoaa tekoälyvoittoisia kykyjä, jotka parantavat merkittävästi data-havainnollistamista. Meidän AI Copilot käyttää koneoppimista poikkeaman havaitsemiseen, kustannusennusteiden tekemiseen ja reaaliaikaisen näytön antamiseen, kaikki nämä toimivat luonnollisen kielen vuorovaikutuksen kautta.

Olemme myös integroineet edistyneen poikkeaman havaitsemisen ja automaattiset suositukset, jotka auttavat yrityksiä estämään kalliit virheet, optimoimaan data-infrastruktuuria ja parantamaan toiminnan tehokkuutta. Lisäksi tekoälyratkaisumme sujuvoittavat käytäntöjen hallintaa ja luovat automaattisesti luettavissa olevia kuvauksia data-omaisuuksille ja -käytäntöjä, siltaa rakentamalla teknisten ja liiketoimintapuolen välille. Nämä innovaatiot mahdollistavat organisaatioille data-potentiaalin täysimäisen hyödyntämisen, vähentäen samalla riskejä ja kustannuksia.

Bewgle:n oston myötä Acceldata:n alustaan on lisätty edistyneitä tekoälykykyjä. Nyt kun vuosi on kulunut oston jälkeen, miten Bewgle:n teknologia on integroitu Acceldata:n ratkaisuihin, ja mitkä vaikutukset tämä integrointi on ollut tekoälyvoittoisten data-havainnollistamisominaisuuksien kehittämisessä?

Viime vuoden aikana olemme täysin integroineet Bewgle:n tekoälytekniikat Acceldata:n alustaan, ja tulokset ovat olleet muodonmuuttavia. Bewgle:n kokemus perusmallien ja luonnollisten kieli-liittymien parissa on kiihdyttänyt tekoäly-tiekarttamme. Nämä kyvyt ovat nyt upotettuina AI Copilot:iimme, tarjoten seuraavan sukupolven käyttäjäkokemuksen, jossa käyttäjät voivat vuorovaikuttaa data-havainnollistamisprosesseissa yksinkertaisilla, keskustelumaisilla komennoilla.

Tämä integrointi on myös parantanut koneoppimismallejamme, parantamalla poikkeaman havaitsemista, automaattista kustannusennustetta ja proaktiivisia näkymiä. Olemme pystyneet tarjoamaan tarkemman hallinnan tekoälyvoittoisista toimista, mikä mahdollistaa asiakkaiden varmistaa data-luotettavuuden ja suorituskyvyn ympäristöjensä yli. Tämän integroinnin onnistuminen on vahvistanut Acceldata:n asemaa johtavana tekoälyvoittoisena data-havainnollistamisalustana, tarjoten entistä suurempaa arvoa yritysasiakkaillemme.

Ollessasi syvästi mukana data-hallinnan alalla, mitkä trendit et ennakoi tekoälyssä ja data-havainnollistamisessa tulevina vuosina?

Tulevina vuosina odotan, että muutamia avain-trendejä muotoilee tekoäly- ja data-havainnollistamismarkkinaa. Reaaliaikainen data-havainnollistaminen tulee olemaan tärkeämpää, kun yritykset pyrkivät tekemään nopeampia ja perustellumpia päätöksiä. Tekoäly ja koneoppiminen jatkavat ajamassa eteenpäin ennustavan analytiikan ja automaattisen poikkeaman havaitsemisen kehittymistä, auttaen yrityksiä pysymään mahdollisten ongelmien edellä.

Lisäksi näemme tiukemman integraation havainnollistamisen ja data-hallinnan sekä turvallisuuden kehysrakenteiden välillä, erityisesti kun sääntelyvaatimukset tulevat tiukemmiksi. Hallitut havainnollistamispalvelut tulevat todennäköisesti kasvamaan, kun data-ympäristöt tulevat monimutkaisemmiksi, antaen yrityksille asiantuntijuuden ja työkalut optimaalisen suorituskyvyn ja sääntelyn ylläpitämiseen. Nämä trendit korostavat data-havainnollistamisen roolia varmistamassa, että organisaatiot voivat skaalata tekoäly-aloitteitaan ylläpitäen korkeat data-laadun ja hallinnan standardit.

Miten näet data-havainnollistamisen roolin tekoälyn ja suurten kielen mallien käyttöönotossa laajassa mittakaavassa, erityisesti aloilla, joilla data-laatu ja hallinta ovat kriittisiä?

Data-havainnollistaminen on ratkaisevaa tekoälyn ja suurten kielen mallien käyttöönotossa laajassa mittakaavassa, erityisesti aloilla kuten rahoitus, terveydenhuolto ja hallinto, joilla data-laatu ja hallinta ovat olennaisia. Kun organisaatiot yhä enenevissä määrin turvautuvat tekoälyyn liiketoimintapäätöksiin, luotettavan ja laadukkaan datan tarve tulee entistä kriittisemmaksi.

Data-havainnollistaminen varmistaa jatkuvan data-integriteetin valvonnan ja validoinnin, auttaen estämään virheitä ja harhaa, jotka voivat heikentää tekoälymallien luotettavuutta. Lisäksi havainnollistaminen on avainasemassa sääntelyn mukaisuuden toteuttamisessa, tarjoamalla näkyvyyden data-linjaukseen, käyttöön ja hallintaan, jotka ovat sääntelyvaatimusten mukaisia. Lopulta data-havainnollistaminen mahdollistaa organisaatioille tekoäly-potentiaalin täysimäisen hyödyntämisen, varmistamalla, että heidän tekoäly-aloitteensa perustuvat luotettavan ja laadukkaan datan perustalle.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Acceldata:ssa.