Mathias Golombek, Chief Technology Officer Exasol – Seri Wawancara

Mathias Golombek adalah Chief Technology Officer (CTO) di Exasol. Ia bergabung dengan perusahaan sebagai pengembang perangkat lunak pada tahun 2004 setelah menyelesaikan studi ilmu komputer dengan fokus pada basis data, sistem terdistribusi, proses pengembangan perangkat lunak, dan algoritma genetik. Pada tahun 2005, ia bertanggung jawab atas tim Optimizer Basis Data dan pada tahun 2007 ia menjadi Kepala Penelitian & Pengembangan. Pada tahun 2014, Mathias diangkat sebagai CTO. Dalam peran ini, ia bertanggung jawab atas pengembangan produk, manajemen produk, operasi, dukungan, dan konsultasi teknis.

Apa yang awalnya menarik Anda untuk ilmu komputer?

Ketika saya masih di kelas empat, kakak laki-laki saya memiliki beberapa pelajaran di mana mereka belajar memprogram BASIC, dan ia menunjukkan apa yang bisa dilakukan dengan itu. Bersama, kami mengembangkan teka-teki Paskah pada Commodore 64 untuk adik laki-laki kami, dan sejak saat itu, saya telah terpesona oleh komputer. Ilmu komputer secara umum adalah tentang memecahkan masalah dan menjadi kreatif, dan saya pikir aspek itu menarik saya paling ke bidang ini.

Bagaimana Anda dapat membagikan perjalanan Anda dari bergabung dengan Exasol sebagai pengembang perangkat lunak pada tahun 2004 hingga menjadi CTO? Bagaimana peran Anda berkembang selama bertahun-tahun, terutama dalam lanskap teknologi yang berubah dengan cepat?

Saya belajar Ilmu Komputer di Universitas Würzburg di Jerman dan memulai di Exasol sebagai pengembang perangkat lunak pada tahun 2004 setelah lulus. Setelah tahun pertama saya dengan Exasol, saya dipromosikan menjadi Kepala Tim Optimizer Basis Data dan kemudian Kepala Penelitian dan Pengembangan. Setelah itu, saya menjabat sebagai Kepala R&D selama tujuh tahun sebelum naik ke posisi CTO pada tahun 2014.

Sejak awal, saya terkesan dengan apa yang dilakukan Exasol – perusahaan teknologi Jerman ini melawan nama-nama besar seperti Microsoft , IBM, dan Oracle. Saya terkesan dengan kesempatan di depan saya – sebagai pengembang, menciptakan sistem manajemen basis data paralel masif (MPP), in-memory adalah surga di bumi.

Saya menikmati setiap momen bekerja dengan tim insinyur berbakat ini. Sebagai CTO, saya mengawasi inovasi produk Exasol, pengembangan, dan dukungan teknis. Ini sangat menyenangkan untuk melihat seberapa besar tim Exasol telah tumbuh secara global ketika kami bekerja untuk mendukung pelanggan kami dan kebutuhan mereka yang terus berkembang. Dasar-dasarnya masih sama – kami masih sistem manajemen basis data in-memory, tetapi sekarang kami memungkinkan pelanggan kami untuk memanfaatkan kekuatan data mereka untuk implementasi AI.

Exasol telah berada di garis depan basis data analitik kinerja tinggi. Dari perspektif Anda, apa yang membedakan Exasol dalam ruang kompetitif ini?

Pemimpin bisnis secara terus-menerus dihadapkan pada tugas untuk menavigasi bagaimana melakukan lebih banyak dengan lebih sedikit. Dalam beberapa tahun terakhir, ini telah menjadi semakin menantang karena perekonomian terus berfluktuasi dan proliferasi teknologi AI telah mengambil alih anggaran dan waktu.

Sebagai penyedia basis data analitik kinerja tinggi, Exasol telah tetap berada di depan kurva dalam membantu bisnis melakukan lebih banyak dengan lebih sedikit. Kami membantu perusahaan mengubah intelijen bisnis (BI) menjadi wawasan yang lebih baik dengan Exasol Espresso, mesin kueri serbaguna kami yang dapat diintegrasikan dengan tumpukan data yang ada. Merek global seperti T-Mobile, Piedmont Healthcare, dan Allianz menggunakan Exasol Espresso untuk mengubah volume data yang lebih besar menjadi wawasan yang lebih cepat, lebih dalam, dan lebih murah. Dan saya pikir kami telah melakukan pekerjaan yang baik dalam menguasai keseimbangan yang halus antara kinerja, harga, dan fleksibilitas sehingga pelanggan tidak perlu mengorbankan.

Untuk mendukung perusahaan dalam perjalanan AI mereka, kami juga baru-baru ini meluncurkan Espresso AI, yang memungkinkan mesin kueri serbaguna kami dengan suite alat AI baru yang memungkinkan organisasi untuk memanfaatkan kekuatan data mereka untuk wawasan dan pengambilan keputusan yang lebih maju. Kemampuan Espresso AI membuat AI lebih terjangkau dan mudah diakses, memungkinkan pelanggan untuk melewati eksperimen yang mahal dan memakan waktu dan mencapai ROI langsung. Ini adalah perubahan besar bagi perusahaan yang fokus pada mengemudi inovasi dan mengirimkan nilai di era AI.

Laporan AI dan Analitik 2024 oleh Exasol menyoroti underinvestment di AI sebagai jalur menuju kegagalan bisnis. Bisakah Anda memperluas temuan utama dari laporan ini dan mengapa berinvestasi di AI sangat penting bagi bisnis hari ini?

Seperti yang Anda nyatakan, kesimpulan utama dari Laporan AI dan Analitik 2024 Exasol adalah bahwa underinvestment di AI menyebabkan kegagalan bisnis. Berdasarkan survei kami terhadap pengambil keputusan senior serta ilmuwan data dan analis di AS, Inggris, dan Jerman, hampir semua (91%) responden setuju bahwa AI adalah salah satu topik paling penting bagi organisasi dalam dua tahun ke depan, dengan 72% mengakui bahwa tidak berinvestasi di AI hari ini akan membahayakan viabilitas bisnis di masa depan. Dengan sederhana, dalam lingkungan saat ini, bisnis yang tidak memikirkan AI sudah ketinggalan.

Bisnis menghadapi tekanan dari pemangku kepentingan untuk berinvestasi di AI – dan ada banyak alasan mengapa. Investasi di AI telah membantu organisasi di berbagai industri – dari perawatan kesehatan hingga jasa keuangan dan ritel – membuka arus pendapatan baru, meningkatkan pengalaman pelanggan, mengoptimalkan operasi, meningkatkan produktivitas, mempercepat daya saing, dan banyak lagi. Daftar ini hanya tumbuh dari sana karena bisnis mulai menemukan cara khusus untuk memanfaatkan AI untuk memenuhi kebutuhan bisnis yang unik.

Laporan yang sama menyebutkan hambatan utama untuk adopsi AI, termasuk kesenjangan ilmu data dan keterlambatan dalam implementasi. Bagaimana Exasol menangani tantangan ini untuk klien mereka?

Meskipun kebutuhan kritis untuk investasi AI, bisnis masih menghadapi hambatan signifikan untuk implementasi yang lebih luas. Laporan AI dan Analitik Exasol menunjukkan bahwa hingga 78% pengambil keputusan mengalami kesenjangan di setidaknya satu area model ilmu data dan pembelajaran mesin (ML) mereka, dengan 47% menyebutkan kecepatan implementasi persyaratan data baru sebagai tantangan. Tambahan 79% mengklaim bahwa persyaratan analisis bisnis baru memakan waktu terlalu lama untuk diimplementasikan oleh tim data mereka. Faktor-faktor lain yang menghambat adopsi AI yang luas termasuk kurangnya strategi implementasi, kualitas data yang buruk, volume data yang tidak memadai, dan integrasi dengan sistem yang ada. Di atas itu, persyaratan birokratis dan peraturan yang berkembang untuk AI menyebabkan masalah bagi banyak perusahaan dengan 88% responden menyatakan bahwa mereka memerlukan lebih banyak kejelasan.

Seiring dengan pertumbuhan implementasi AI, akan menjadi semakin penting bagi bisnis untuk memastikan fondasi data yang kuat. Exasol menawarkan fleksibilitas, ketahanan, dan skalabilitas bagi bisnis yang mengadopsi strategi AI. Seiring dengan evolusi peran seperti Chief Data Officer (CDO) dan menjadi lebih kompleks – dengan tantangan etika dan kepatuhan yang berkembang di garis depan – Exasol mendukung pemimpin data dan membantu mereka mengubah BI menjadi wawasan yang lebih cepat dan lebih baik yang akan mempengaruhi keputusan bisnis dan dampak positif pada garis bawah.

Sementara AI telah menjadi kritis untuk kesuksesan bisnis, ini hanya efektif seperti alat, teknologi, dan orang yang memungkinkannya di backend. Hasil survei menekankan kesenjangan signifikan antara alat BI saat ini dan outputnya – lebih banyak alat tidak selalu berarti kinerja yang lebih cepat atau wawasan yang lebih baik. Seiring dengan CDOs mempersiapkan untuk lebih banyak kompleksitas dan diminta untuk melakukan lebih banyak dengan lebih sedikit, mereka harus mengevaluasi tumpukan analitik data untuk memastikan produktivitas, kecepatan, dan fleksibilitas – semua dengan biaya yang wajar.

Espresso AI membantu menutup kesenjangan ini bagi perusahaan dengan mengoptimalkan proses ekstraksi data, pemuatan, dan transformasi untuk memberi pengguna fleksibilitas untuk segera bereksperimen dengan teknologi baru dalam skala, terlepas dari keterbatasan infrastruktur – apakah on-premises, cloud, atau hybrid. Pengguna dapat mengurangi biaya dan upaya pemindahan data sambil membawa teknologi yang muncul seperti LLMs ke dalam database mereka. Kemampuan ini membantu organisasi mempercepat perjalanan mereka menuju implementasi solusi AI dan ML sambil memastikan kualitas dan keandalan data mereka.

Literasi data menjadi semakin penting dalam era AI. Bagaimana Exasol berkontribusi pada peningkatan literasi data di antara klien dan komunitas yang lebih luas?

Di lingkungan kerja yang kaya data saat ini, keterampilan literasi data lebih penting daripada sebelumnya – dan dengan cepat menjadi “perlu” daripada “baik untuk dimiliki” di era AI. Di seluruh industri, kemampuan bekerja dengan, memahami, dan berkomunikasi data secara efektif telah menjadi vital. Namun, masih ada kesenjangan literasi data.

Literasi data adalah tentang memiliki keterampilan untuk menafsirkan informasi yang kompleks dan kemampuan untuk bertindak berdasarkan temuan tersebut. Namun, seringkali akses data diperbatasi dalam sebuah organisasi atau hanya sebagian kecil individu yang memiliki keterampilan literasi data yang diperlukan untuk memahami dan mengakses jumlah data yang besar yang mengalir melalui bisnis. Pendekatan ini bermasalah karena membatasi jumlah waktu dan sumber daya yang didedikasikan untuk menggunakan data, dan pada akhirnya, kesenjangan literasi data menciptakan hambatan bagi inovasi bisnis.

Ketika orang-orang memiliki literasi data, mereka dapat memahami data, menganalisisnya, dan menerapkan ide, keterampilan, dan keahlian mereka sendiri. Semakin banyak orang yang memiliki pengetahuan, kepercayaan diri, dan alat untuk menguraikan dan menemukan makna dari data, semakin sukses sebuah organisasi dapat menjadi. Di Exasol, kami mendukung pemimpin data dan bisnis dalam mengemudi literasi data dan pendidikan.

Di samping komponen pendidikan, bisnis harus mengoptimalkan tumpukan teknologi dan alat BI mereka untuk memungkinkan demokratisasi data. Akses data dan literasi data berjalan beriringan. Investasi dalam keduanya diperlukan untuk lebih lanjut strategi data. Misalnya, dengan Exasol, sistem tanpa penyetelan kami memungkinkan bisnis untuk fokus pada penggunaan data, bukan teknologi. Kecepatan tinggi memungkinkan tim untuk bekerja secara interaktif dengan data dan menghindari keterbatasan kinerja. Ini pada akhirnya menyebabkan demokratisasi data.

Sekarang adalah waktu bagi demokratisasi data untuk bergeser dari topik diskusi ke tindakan dalam organisasi. Seiring dengan lebih banyak orang di berbagai departemen mendapatkan akses ke wawasan yang bermakna, ini akan menghilangkan bottleneck tradisional yang disebabkan oleh tim analitik data. Ketika silo tradisional ini runtuh, organisasi akan menyadari betapa luas dan dalam kebutuhan tim dan individu untuk menggunakan data. Bahkan orang-orang yang tidak saat ini berpikir mereka adalah pengguna akhir data akan ditarik untuk memanfaatkan data.

Dengan pergeseran ini datang tantangan besar untuk diprediksi dalam beberapa tahun mendatang – tenaga kerja akan perlu ditingkatkan agar setiap karyawan dapat memperoleh keterampilan yang tepat untuk menggunakan data dan wawasan secara efektif untuk membuat keputusan bisnis. Tenaga kerja saat ini tidak akan tahu pertanyaan yang tepat untuk ditanyakan pada umpan data mereka, atau otomatisasi yang memungkinkannya. Nilai kemampuan untuk mengartikulasikan pertanyaan yang tepat, menembus, dan terikat bisnis meningkat, menciptakan kebutuhan yang mendesak untuk melatih tenaga kerja pada kemampuan ini.

Anda memiliki latar belakang yang kuat dalam basis data, sistem terdistribusi, dan algoritma genetik. Bagaimana bidang-bidang keahlian ini mempengaruhi pengembangan produk dan strategi inovasi Exasol?

Latar belakang saya adalah fondasi untuk bekerja di bidang kami dan memahami tren teknologi selama dua dekade terakhir. Ini sangat menyenangkan dan memuaskan untuk bekerja dengan pelanggan inovatif yang mengubah teknologi basis data menjadi kasus penggunaan yang menarik. Strategi inovasi kami tidak hanya bergantung pada satu individu, tetapi tim arsitek dan pengembang yang canggih yang memahami masa depan perangkat lunak, perangkat keras, dan aplikasi data.

Dengan AI mengubah industri dengan kecepatan yang belum pernah terjadi sebelumnya, apa yang Anda percayai sebagai komponen esensial dari tumpukan data yang siap masa depan bagi bisnis yang ingin memanfaatkan AI dan analitik secara efektif?

Adopsi AI yang cepat telah menjadi contoh utama mengapa penting bagi perusahaan untuk tetap berada di depan lanskap teknologi yang berkembang. Namun, sayangnya, sebagian besar tumpukan data masih tertinggal di belakang kurva AI.

Untuk membuat tumpukan data siap masa depan, bisnis harus pertama-tama mengevaluasi fondasi data untuk mengidentifikasi kesenjangan, bug, atau tantangan lainnya. Ini akan membantu mereka memastikan kualitas data dan kecepatan – elemen yang kritis untuk mengemudi wawasan yang berharga dan memungkinkan model AI dan LLM.

Di samping itu, tim harus berinvestasi pada alat dan teknologi yang dapat diintegrasikan dengan solusi lain dalam tumpukan. Seiring dengan AI dipasangkan dengan teknologi lain, seperti open source, kita akan melihat model baru muncul untuk memecahkan masalah bisnis tradisional. AI generatif, seperti ChatGPT, juga akan bergabung dengan teknologi AI tradisional, seperti analitik deskriptif atau prediktif, untuk membuka peluang baru bagi organisasi dan mempermudah proses yang biasanya membosankan.

Untuk membuat tumpukan data siap masa depan, perusahaan juga harus mengintegrasikan AI dan BI. Bisnis telah menggunakan alat BI selama beberapa dekade untuk mengekstrak wawasan yang berharga, dan meskipun banyak perbaikan telah dilakukan, masih ada keterbatasan atau hambatan BI yang AI dapat membantu. AI dapat memungkinkan hasil yang lebih cepat, meningkatkan personalisasi, dan mengubah lanskap BI menjadi lebih inklusif dan ramah pengguna. Karena BI biasanya fokus pada menganalisis data historis untuk memberikan wawasan, AI dapat memperluas kemampuan BI dengan membantu memprediksi peristiwa masa depan, menghasilkan prediksi, dan merekomendasikan tindakan untuk mempengaruhi hasil yang diinginkan.

Produktivitas, fleksibilitas, dan penghematan biaya disorot sebagai tiga cara Exasol membantu merek global berinovasi. Bisakah Anda memberikan contoh tentang bagaimana Exasol telah memungkinkan klien untuk mencapai ROI yang signifikan melalui basis data analitik mereka?

Menurut Studi Dampak Ekonomi Total 2023 oleh Forrester, pelanggan Exasol mencapai hingga 320% ROI pada investasi awal mereka selama tiga tahun dengan meningkatkan efisiensi operasional, kinerja basis data, dan menawarkan infrastruktur data yang sederhana dan fleksibel.

Salah satu pelanggan, misalnya, Helsana, pemimpin di industri perawatan kesehatan yang kompetitif di Swiss, datang ke Exasol untuk memenuhi kebutuhan akan platform data dan analitik modern. Sebelum Exasol, Helsana mengandalkan berbagai alat pelaporan dengan gudang data yang dibangun pada teknologi yang berbeda dan alat ETL yang menciptakan arsitektur yang rumit dan tidak efisien. Dibandingkan dengan solusi warisan perusahaan, Gudang Data Exasol menunjukkan peningkatan kinerja lima hingga sepuluh kali lipat.

Sekarang, Exasol adalah pusat dari perjalanan AI Helsana, berfungsi sebagai repositori untuk data terstruktur yang Helsana gunakan di semua model AI mereka dan menyediakan fondasi untuk analitik mereka. Dengan Exasol, tim Helsana telah meningkatkan kinerja, mengurangi biaya, meningkatkan fleksibilitas, dan membangun fondasi AI yang solid, semuanya yang menyumbang ROI yang signifikan di atas kemampuan yang ditingkatkan untuk lebih baik melayani pelanggan.

Menghadap ke depan, apa yang Anda percayai sebagai tren yang akan datang dalam analitik data dan intelijen bisnis yang Exasol sedang mempersiapkan, dan bagaimana Anda berencana untuk terus mengemudi inovasi dalam ruang ini?

Tahun 2023 memperkenalkan AI pada skala luas, yang menyebabkan reaksi spontan dari organisasi yang pada akhirnya melahirkan banyak eksperimen otomatisasi yang dirancang dengan buruk dan dieksekusi. 2024 akan menjadi tahun transformasi untuk eksperimen dan pekerjaan dasar AI. Sampai sekarang, aplikasi utama GenAI telah untuk akses informasi melalui chatbot, otomatisasi layanan pelanggan, dan pengkodean perangkat lunak. Namun, akan ada pelopor yang mengadopsi teknologi ini untuk berbagai pengambilan keputusan bisnis dan optimasi. Melihat ke masa depan 2024, kita akan mulai melihat dorongan yang lebih besar menuju implementasi AI yang produktif.

Di Exasol, kami berkomitmen untuk mengemudi inovasi dan mengirimkan nilai kepada pelanggan kami, termasuk membantu mereka mengembangkan dan mengimplementasikan AI pada skala. Dengan Exasol, pelanggan dapat menikah BI dan AI untuk mengatasi silo data dalam sistem analitik yang terintegrasi. Fleksibilitas kami sekitar opsi penerapan juga memungkinkan organisasi untuk memutuskan di mana mereka ingin menghosting tumpukan analitik mereka, apakah di cloud publik, cloud pribadi, atau on-premises. Dengan Espresso AI Exasol, kami berada di posisi untuk memberdayakan perusahaan untuk memanfaatkan nilai analitik yang digerakkan AI, terlepas dari di mana organisasi berada dalam perjalanan AI mereka.

Terima kasih atas wawancara yang luar biasa, pembaca yang ingin mempelajari lebih lanjut harus mengunjungi Exasol.