Rohit Choudhary, Pendiri & CEO Acceldata – Seri Wawancara

Rohit Choudhary adalah pendiri dan CEO Acceldata, pemimpin pasar dalam observabilitas data perusahaan. Ia mendirikan Acceldata pada 2018, ketika ia menyadari bahwa industri perlu membayangkan kembali cara memantau, menyelidiki, memperbaiki, dan mengelola keandalan pipa dan infrastruktur data di dunia yang pertama kali menggunakan cloud dan diperkaya dengan AI.

Apa yang menginspirasi Anda untuk fokus pada observabilitas data ketika Anda mendirikan Acceldata pada 2018, dan apa celah di industri manajemen data yang Anda targetkan untuk diisi?

Perjalanan saya untuk mendirikan Acceldata pada 2018 dimulai hampir 20 tahun yang lalu sebagai insinyur perangkat lunak, di mana saya termotivasi untuk mengidentifikasi dan memecahkan masalah dengan perangkat lunak. Pengalaman saya sebagai Direktur Teknik di Hortonworks memperkenalkan saya pada tema berulang: perusahaan dengan strategi data ambisius mengalami kesulitan menemukan stabilitas di platform data mereka, meskipun investasi besar dalam analitik data. Mereka tidak dapat mengirimkan data dengan andal ketika bisnis membutuhkannya.

Tantangan ini bersamaan dengan tim dan saya, dan kami mengakui kebutuhan akan solusi yang dapat memantau, menyelidiki, memperbaiki, dan mengelola keandalan pipa dan infrastruktur data. Perusahaan mencoba membangun dan mengelola produk data dengan alat yang tidak dirancang untuk memenuhi kebutuhan mereka yang berkembang—mengakibatkan tim data kekurangan visibilitas ke aplikasi analitik dan AI yang sangat penting.

Celah ini di pasar menginspirasi kami untuk memulai Acceldata, dengan tujuan mengembangkan platform observabilitas data yang komprehensif dan skalabel. Sejak itu, kami telah mengubah cara organisasi mengembangkan dan mengoperasikan produk data. Platform kami mengorelasikan acara di seluruh data, pemrosesan, dan pipa, memberikan wawasan yang tidak ada bandingannya. Dampak observabilitas data telah luar biasa, dan kami bersemangat untuk terus mendorong industri maju.

Setelah menciptakan istilah “Observabilitas Data”, bagaimana Anda melihat konsep ini berkembang dalam beberapa tahun ke depan, terutama dengan meningkatnya kompleksitas lingkungan multi-cloud?

Observabilitas data telah berkembang dari konsep khusus menjadi kemampuan kritis untuk perusahaan. Ketika lingkungan multi-cloud menjadi lebih kompleks, observabilitas harus beradaptasi untuk menangani sumber data dan infrastruktur yang beragam. Dalam beberapa tahun ke depan, kami antisipasi AI dan pembelajaran mesin akan memainkan peran kunci dalam meningkatkan kemampuan observabilitas, terutama melalui analitik prediktif dan deteksi anomali otomatis.

Selain itu, observabilitas akan meluas ke luar pemantauan ke aspek yang lebih luas dari tata kelola data, keamanan, dan kepatuhan. Perusahaan akan menuntut kontrol dan wawasan waktu nyata yang lebih besar atas operasi data mereka, membuat observabilitas menjadi bagian vital dari mengelola data di lingkungan yang semakin rumit.

Latar belakang Anda termasuk pengalaman signifikan dalam teknik dan pengembangan produk. Bagaimana pengalaman ini membentuk pendekatan Anda dalam membangun dan menskalakan Acceldata?

Latar belakang saya dalam teknik dan pengembangan produk telah menjadi sangat penting dalam membentuk bagaimana kami membangun Acceldata. Memahami tantangan teknis sistem data yang skalabel telah memungkinkan kami merancang platform yang menangani kebutuhan nyata perusahaan. Pengalaman ini juga mengajarkan pentingnya kesadaran dan umpan balik pelanggan dalam proses pengembangan kami. Di Acceldata, kami memprioritaskan inovasi, tetapi kami selalu memastikan solusi kami praktis dan sejalan dengan apa yang dibutuhkan pelanggan dalam lingkungan data yang dinamis dan kompleks. Pendekatan ini telah menjadi penting untuk menskalakan perusahaan dan memperluas kehadiran pasar kami secara global.

Dengan putaran pendanaan Seri C sebesar $60 juta baru-baru ini, apa area inovasi dan pengembangan yang Anda rencanakan untuk diprioritaskan di Acceldata?

Dengan pendanaan Seri C sebesar $60 juta, kami akan meningkatkan inovasi yang didorong AI yang akan membedakan platform kami secara signifikan. Membangun pada kesuksesan $60 million Series C funding round, kami akan memperkuat model pembelajaran mesin kami untuk memberikan deteksi anomali yang lebih presisi, perbaikan otomatis, dan peramalan biaya. Kami juga akan meningkatkan analitik prediktif, di mana AI tidak hanya memberi tahu pengguna tentang potensi masalah tetapi juga menyarankan konfigurasi optimal dan solusi proaktif, khusus untuk lingkungan mereka.

Fokus utama lainnya adalah otomatisasi yang sadar konteks—di mana platform kami belajar dari perilaku pengguna dan menyelaraskan rekomendasi dengan tujuan bisnis. Perluasan Antarmuka Bahasa Alamiah (NLI) kami akan memungkinkan pengguna berinteraksi dengan alur kerja observabilitas yang kompleks melalui perintah conversational sederhana.

Selain itu, inovasi AI kami akan mendorong optimasi biaya yang lebih besar, memperkirakan konsumsi sumber daya dan mengelola biaya dengan akurasi yang belum pernah terjadi sebelumnya. Kemajuan ini menempatkan Acceldata sebagai platform observabilitas yang paling proaktif dan didorong AI, membantu perusahaan mempercayai dan mengoptimalkan operasi data mereka seperti tidak pernah sebelumnya.

AI dan LLMs menjadi pusat dalam manajemen data. Bagaimana Acceldata memposisikan diri untuk memimpin di ruang ini, dan apa kemampuan unik yang ditawarkan platform Anda kepada pelanggan perusahaan?

Acceldata sudah memimpin dalam observabilitas data yang didorong AI. Setelah integrasi sukses teknologi AI canggih Bewgle, platform kami sekarang menawarkan kemampuan AI yang secara signifikan meningkatkan observabilitas data. AI Copilot kami menggunakan pembelajaran mesin untuk mendeteksi anomali, memprediksi pola konsumsi biaya, dan memberikan wawasan waktu nyata, semua melalui interaksi bahasa alami.

Kami juga telah mengintegrasikan deteksi anomali lanjutan dan rekomendasi otomatis yang membantu perusahaan mencegah kesalahan mahal, mengoptimalkan infrastruktur data, dan meningkatkan efisiensi operasional. Selain itu, solusi AI kami merampingkan pengelolaan kebijakan dan secara otomatis menghasilkan deskripsi yang dapat dibaca manusia untuk aset data dan kebijakan, menjembatani kesenjangan antara pemangku kepentingan teknis dan bisnis. Inovasi ini memungkinkan organisasi untuk memanfaatkan potensi penuh data mereka sambil meminimalkan risiko dan biaya.

Akuisisi Bewgle telah menambahkan kemampuan AI lanjutan ke platform Acceldata. Sekarang setahun sejak akuisisi, bagaimana teknologi Bewgle telah diintegrasikan ke dalam solusi Acceldata, dan apa dampaknya terhadap pengembangan fitur observabilitas data yang didorong AI?

Selama setahun terakhir, kami telah sepenuhnya mengintegrasikan teknologi AI Bewgle ke dalam platform Acceldata, dan hasilnya telah mengubah. Pengalaman Bewgle dengan model dasar dan antarmuka bahasa alami telah mempercepat roadmap AI kami. Kemampuan ini sekarang tersemat dalam AI Copilot kami, memberikan pengalaman pengguna generasi berikutnya yang memungkinkan pengguna berinteraksi dengan alur kerja observabilitas data melalui perintah teks sederhana.

Integrasi ini juga telah meningkatkan model pembelajaran mesin kami, memperbaiki deteksi anomali, peramalan biaya otomatis, dan wawasan proaktif. Kami telah dapat memberikan kontrol yang lebih granular atas operasi AI, yang memberdayakan pelanggan kami untuk memastikan keandalan dan kinerja data di seluruh ekosistem mereka. Keberhasilan integrasi ini telah memperkuat posisi Acceldata sebagai platform observabilitas data yang didorong AI terkemuka, memberikan nilai yang lebih besar kepada pelanggan perusahaan kami.

Sebagai seseorang yang terlibat dalam industri manajemen data, apa tren yang Anda lihat di pasar AI dan observabilitas data dalam beberapa tahun mendatang?

Dalam beberapa tahun mendatang, saya antisipasi beberapa tren kunci yang akan membentuk pasar AI dan observabilitas data. Observabilitas data waktu nyata akan menjadi lebih kritis ketika perusahaan mencari untuk membuat keputusan yang lebih cepat dan lebih informasi. AI dan pembelajaran mesin akan terus mendorong kemajuan dalam analitik prediktif dan deteksi anomali otomatis, membantu bisnis tetap di depan potensi masalah.

Selain itu, kami akan melihat integrasi yang lebih erat dari observabilitas dengan kerangka kerja tata kelola dan keamanan data, terutama karena persyaratan regulasi menjadi lebih ketat. Layanan observabilitas yang dikelola kemungkinan akan meningkat karena lingkungan data menjadi lebih kompleks, memberikan perusahaan keahlian dan alat yang dibutuhkan untuk mempertahankan kinerja optimal dan kepatuhan. Tren ini akan meningkatkan peran observabilitas data dalam memastikan bahwa organisasi dapat menskalakan inisiatif AI mereka sambil mempertahankan standar tinggi untuk kualitas dan tata kelola data.

Menghadap ke depan, bagaimana Anda membayangkan peran observabilitas data dalam mendukung penerapan AI dan model bahasa besar skala, terutama di industri dengan persyaratan kualitas dan tata kelola data yang ketat?

Observabilitas data akan menjadi sangat penting dalam menerapkan AI dan model bahasa besar skala, terutama di industri seperti keuangan, kesehatan, dan pemerintahan, di mana kualitas dan tata kelola data sangat penting. Ketika organisasi semakin bergantung pada AI untuk mengemudi keputusan bisnis, kebutuhan akan data yang dapat dipercaya dan berkualitas tinggi menjadi semakin kritis.

Observabilitas data memastikan pemantauan dan validasi terus-menerus integritas data, membantu mencegah kesalahan dan bias yang bisa melemahkan model AI. Selain itu, observabilitas akan memainkan peran vital dalam kepatuhan dengan memberikan visibilitas ke garis keturunan data, penggunaan, dan tata kelola, sejalan dengan persyaratan regulasi yang ketat. Pada akhirnya, observabilitas data memungkinkan organisasi untuk memanfaatkan potensi penuh AI, memastikan bahwa inisiatif AI mereka dibangun di atas fondasi data yang andal dan berkualitas tinggi.

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