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 teollisuuden on uudelleen arvioitava, miten se valvoo, tutkii, korjaa ja hallinnoi data-putkien ja infrastruktuurin luotettavuutta pilviensimmäisessä, AI:lla rikastetussa maailmassa.

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

Matkani Acceldata:n perustamiseen vuonna 2018 alkoi lähes 20 vuotta sitten, kun olin ohjelmistosuunnittelija, joka pyrki tunnistamaan ja ratkaisemaan ohjelmistoihmiin liittyviä ongelmia. Kokemukseni Hortonworks:in insinööritoiminnan johtajana antoi minulle toistuvan teeman: yritykset, joilla on ambisiomaiset data-strategiat, kamppailevat data-alustojensa vakauden kanssa, vaikka he ovat tehneet merkittäviä sijoituksia data-analytiikkaan. He eivät voi luotettavasti toimittaa dataa, kun liiketoiminta tarvitsee sitä eniten.

Tämä haaste herätti minun ja tiimini huomion, ja tunnistimme tarpeen ratkaisulle, joka voisi valvoa, tutkia, korjata ja hallinnoida data-putkien ja infrastruktuurin luotettavuutta. Yritykset yrittivät kehittää ja hallinnoida data-tuotteita työkaluilla, jotka eivät olleet suunniteltu täyttämään heidän kehittyviä tarpeitaan – johtaen siihen, että data-tiimit eivät olleet tietoisia kriittisiä analytiikka- ja AI-sovelluksia.

Tämä markkinoiden 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-, prosessointi- ja putkien yli, tarjoten ennestään tämättömät näkymät. Data-havainnollistamisen vaikutus on ollut valtava, ja olemme innoissamme jatkamaan alan kehittämistä.

Ollessasi keksinyt termin “Data-havainnollistaminen”, miten näet tämän käsitteen kehittyvän seuraavien vuosien aikana, erityisesti monipilviympäristöjen kasvavan monimutkaisuuden vuoksi?

Data-havainnollistaminen on kehittynyt niukasta käsitteestä kriittiseksi kyvyksi yrityksille. Kun monipilviympäristöt tulevat monimutkaisemmiksi, havainnollistaminen on sopeutettava käsitelläkseen monia data-lähteitä ja infrastruktuureja. Seuraavien vuosien aikana odotamme, että AI ja koneoppiminen tulevat olemaan avainasemassa kehittämässä havainnollistamiskykyjä, erityisesti ennustavan analytiikan ja automaattisen poikkeamien havaitsemisen kautta.

Lisäksi havainnollistaminen laajenee valvomisen ulkopuolelle laajempiin data-hallinnan, turvallisuuden ja vaatimustenmukaisuuden ulottuvuuksiin. Yritykset vaativat enemmän reaaliaikaisia valvontaa ja oivalluksia data-toiminnastaan, mikä tekee havainnollistamisesta olennaisen osan data-hallinnasta yhä monimutkaisemmissa ympäristöissä.

Taustasi kattaa merkittäviä kokemuksia insinööritoiminnasta ja tuotekehityksestä. Miten tämä kokemus on muovannut lähestymistapaasi Acceldata:n rakentamiseen ja skaalauttamiseen?

Minun insinööritoiminnan ja tuotekehityksen taustani on ollut ratkaiseva siinä, miten olemme rakentaneet Acceldata:a. Ymmärrys data-järjestelmien skaalauttamiseen liittyvistä teknisistä haasteista on mahdollistanut suunnitella alustan, joka vastaa yritysten todellisia tarpeita. Tämä kokemus on myös opettanut meille agilityn ja asiakaspalautteen merkityksen kehitysprosessissa. Acceldata:ssa priorisoimme innovaatiota, mutta varmistamme aina, että ratkaisumme ovat käytännöllisiä ja asiakkaiden tarpeisiin vastaavia dynaamisissa ja monimutkaisissa data-ympäristöissä. Tämä lähestymistapa on ollut olennainen osa yrityksen skaalauttamisessa ja markkinanäkyvyyden laajentamisessa maailmanlaajuisesti.

Milloin viimeisin 60 miljoonan dollarin Series C -rahoituskierros, mitkä ovat tärkeimmät innovaatio- ja kehityskohteet, joita Acceldata priorisoi?

60 miljoonan dollarin Series C -rahoituksen myötä panostamme voimakkaasti AI-vetoihin, jotka erottavat meidän alustamme merkittävästi. Rahoituksen avulla kehittämme edelleen AI Copilot:ia, jotta voimme tarjota tarkemman poikkeamien havaitsemisen, automaattisen korjaamisen ja kustannusennusteen. Kehitämme myös ennustavaa analytiikkaa, jossa AI ei ainoastaan hälytä mahdollisista ongelmista, vaan myös ehdottaa optimaalisia konfiguraatioita ja proaktiivisia ratkaisuja, jotka on räätälöity asiakkaiden ympäristöihin.

Toinen tärkeä painopiste on kontekstiazure automation, jossa alustamme oppii käyttäjän käyttäytymisestä ja sovittaa suositukset liiketoimintatavoitteiden mukaan. Luonnollisten kieli-liittymien (NLI) laajentaminen mahdollistaa käyttäjien vuorovaikutuksen monimutkaisten havainnollistamisvirritysten kanssa yksinkertaisilla, keskustelumaisilla komennoilla.

Lisäksi AI-innovaatiomme ajavat edelleen kustannusoptimoitumista, jolloin ennustamme resurssien kulutusta ja hallinnoimme kustannuksia ennennäkemättömällä tarkkuudella. Nämä edistysaskeleet asettavat Acceldata:n asemaksi eniten proaktiivisen, AI-vetoisen havainnollistamisalustan, joka auttaa yrityksiä luottamaan ja optimoida data-toimintojaan entistä paremmin.

AI ja LLM:t ovat tulevaisuudessa keskeisiä data-hallinnassa. Miten Acceldata asemoi itsensä johtavaksi toimijaksi tässä alalla, ja mitkä ovat alustan ainutlaaduiset ominaisuudet, joita se tarjoaa asiakkailleen?

Acceldata on jo nyt johtava AI-vetoinen data-havainnollistamisalusta. Bewgle:n edistyneen AI-teknologian onnistuneen integroinnin myötä meidän alustamme tarjoaa nyt AI-vetoisia kykyjä, jotka parantavat merkittävästi data-havainnollistamista. Meidän AI Copilot käyttää koneoppimista poikkeamien havaitsemiseen, kustannusennusteen tekemiseen ja reaaliaikaisiin oivalluksiin, kaikkiin näihin toimintoihin on mahdollista pääsy luonnollisen kielen vuorovaikutuksen kautta.

Olemme myös integroineet edistyneen poikkeamien havaitsemisen ja automaattiset suositukset, jotka auttavat yrityksiä estämään kalliit virheet, optimoida data-infrastruktuuria ja parantaa toiminnan tehokkuutta. Lisäksi meidän AI-ratkaisumme sujuvoittavat käytäntöjen hallintaa ja luovat automaattisesti luettavissa olevia kuvauksia data-omaisuuksille ja -käytäntöjä, sillä ne siltaavat teknisten ja liiketoimintatason välimaastoa. Nämä innovaatiot mahdollistavat organisaatioiden data-potentiaalin täysimäisen hyödyntämisen, minimoiden samalla riskit ja kustannukset.

Bewgle:n oston jälkeen on kulunut yli vuosi. Miten Bewgle:n teknologia on integroitu Acceldata:n ratkaisuihin, ja mikä on tämän integroinnin vaikutus AI-vetoisten data-havainnollistamisominaisuuksien kehittämiseen?

Viime vuoden aikana olemme täysin integroineet Bewgle:n AI-teknologian Acceldata:n alustaan, ja tulokset ovat olleet muuntavia. Bewgle:n kokemus perusmallien ja luonnollisten kieli-liittymien kanssa on kiihdyttänyt AI-tiekarttamme. Nämä kyvyt ovat nyt upotettuina meidän AI Copilot:iimme, tarjoten seuraavan sukupolven käyttökokemuksen, jossa käyttäjät voivat vuorovaikuttaa data-havainnollistamisvirritysten kanssa yksinkertaisilla tekstikomennoilla.

Tämä integraatio on myös parantanut meidän koneoppimismalleja, parantamalla poikkeamien havaitsemista, automaattista kustannusennustetta ja proaktiivisia oivalluksia. Olemme pystyneet tarjoamaan tarkemman valvonnan AI-vetoisista toimista, mikä antaa asiakkaillemme mahdollisuuden varmistaa data-luotettavuus ja -suorituskyky heidän ekosysteemeissään. Tämän integroinnin onnistuminen on vahvistanut Acceldata:n asemaa johtavana AI-vetoisena data-havainnollistamisalustana, tarjoten entistä suurempaa arvoa asiakkaillemme.

Toimien syvästi data-hallinnan teollisuudessa, mitkä trendit etenkin AI:n ja data-havainnollistamisen markkinoilla odotat seuraavien vuosien aikana?

Seuraavien vuosien aikana odotan, että muutamia avain-trendejä muokkaa AI:n ja data-havainnollistamisen markkinaa. Reaaliaikainen data-havainnollistaminen tulee olemaan tärkeämpää, kun yritykset pyrkivät tekemään nopeampia ja informoidumpia päätöksiä. AI ja koneoppiminen jatkavat edistämistä ennustavassa analytiikassa ja automaattisessa poikkeamien havaitsemisessa, auttaen liiketoimia pysymään edellä mahdollisia ongelmia.

Lisäksi havainnollistaminen tulee olemaan tiukemmin kytköksissä data-hallintaan ja turvallisuuskehyksiin, erityisesti kun sääntelyvaatimukset tulevat tiukemmiksi. Hallitut havainnollistamispalvelut tulevat todennäköisesti kasvamaan, kun data-ympäristöt tulevat monimutkaisemmiksi, antaen yrityksille asiantuntemusta ja työkaluja, joita tarvitaan optimaalisen suorituskyvyn ja vaatimustenmukaisuuden ylläpitämiseen. Nämä trendit korostavat data-havainnollistamisen roolia varmistamalla, että organisaatiot voivat skaalata AI-aloitteitaan ylläpitäen korkeita standardeja data-laadussa ja -hallinnassa.

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

Data-havainnollistaminen tulee olemaan ratkaiseva tekijä AI:n ja suurten kielen mallien käyttöönotossa laajassa mittakaavassa, erityisesti aloilla kuten rahoitus, terveydenhuolto ja hallinto, joilla data-laatu ja -hallinta ovat olennaisia. Kun organisaatiot yhä enemmän luottavat AI:hen liiketoimintapäätöksiin, data-luotettavuuden tarve kasvaa entisestään.

Data-havainnollistaminen varmistaa jatkuvan valvonnan ja data-integriteetin validoinnin, estäen virheitä ja harhaa, jotka voivat heikentää AI-malleja. Lisäksi havainnollistaminen tulee olemaan tärkeässä roolissa vaatimustenmukaisuudessa, tarjoamalla näkyvyyden data-polun, käytön ja hallinnan, jotka ovat linjassa tiukkojen sääntelyvaatimusten kanssa. Lopulta data-havainnollistaminen mahdollistaa organisaatioiden hyödyntämisen AI:n täyden potentiaalin, varmistamalla, että heidän AI-aloitteensa perustuvat luotettavaan, korkealaatuiseen dataan.

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