Mathias Golombek, Chief Technology Officer di Exasol – Serie di interviste

Mathias Golombek è il Chief Technology Officer (CTO) di Exasol. Ha iniziato a lavorare per l’azienda come sviluppatore di software nel 2004, dopo aver studiato informatica con un focus su database, sistemi distribuiti, processi di sviluppo software e algoritmi genetici. Nel 2005, era già responsabile del team di ottimizzazione del database e nel 2007 è diventato capo della ricerca e sviluppo. Nel 2014, Mathias è stato nominato CTO. In questo ruolo, è responsabile per lo sviluppo del prodotto, la gestione del prodotto, le operazioni, il supporto e la consulenza tecnica.

Cosa ti ha inizialmente attirato verso l’informatica?

Quando ero in quarta elementare, mio fratello maggiore aveva alcune lezioni in cui imparava a programmare in BASIC, e mi ha mostrato cosa si poteva fare con quello. Insieme, abbiamo sviluppato un indovinello di Pasqua sul nostro Commodore 64 per nostro fratello minore, e da allora sono stato affascinato dai computer. L’informatica in generale è tutta questione di risolvere problemi e essere creativi e credo che questo aspetto mi abbia attirato di più verso questo campo.

Puoi condividere il tuo percorso da quando hai iniziato a lavorare per Exasol come sviluppatore di software nel 2004 a quando sei diventato CTO? Come sono cambiati i tuoi ruoli nel corso degli anni, soprattutto nel panorama tecnologico in rapida evoluzione?

Ho studiato informatica all’Università di Würzburg in Germania e ho iniziato a lavorare per Exasol come sviluppatore di software nel 2004, dopo la laurea. Dopo il mio primo anno con Exasol, sono stato promosso a capo del team di ottimizzazione del database e poi a capo della ricerca e sviluppo. Dopo di che, ho ricoperto il ruolo di capo della R&S per sette anni prima di assumere il mio attuale ruolo di CTO nel 2014.

Fin dall’inizio, sono stato colpito da cosa stava facendo Exasol – questa azienda tecnologica tedesca che lottava contro grandi nomi come Microsoft , IBM e Oracle. Ero sbalordito dall’opportunità che mi si presentava – come sviluppatore, creare questo sistema di gestione del database in memoria e a elaborazione parallela era il paradiso in terra.

Ho apprezzato ogni momento di lavoro con questo team di ingegneri talentuosi. Come CTO, sovrintendo all’innovazione del prodotto, allo sviluppo e al supporto tecnico di Exasol. È stato emozionante vedere quanto il team di Exasol sia cresciuto a livello globale mentre lavoriamo per supportare i nostri clienti e le loro esigenze in evoluzione. I fondamenti sono gli stessi – siamo ancora un sistema di gestione del database in memoria, ma adesso stiamo aiutando i nostri clienti a sfruttare il potere dei loro dati per implementazioni di intelligenza artificiale.

Exasol è stata all’avanguardia nei database di analisi ad alte prestazioni. Dal tuo punto di vista, cosa distingue Exasol in questo spazio competitivo?

I leader aziendali sono costantemente impegnati a navigare nel modo di fare di più con meno. Negli ultimi anni, questo è diventato ancora più impegnativo poiché l’economia continua a essere tumultuosa e la proliferazione della tecnologia di intelligenza artificiale ha assorbito budget e tempo.

Come fornitore di database di analisi ad alte prestazioni, Exasol è rimasta all’avanguardia nell’aiutare le aziende a fare di più con meno. Aiutiamo le aziende a trasformare l’intelligenza aziendale (BI) in migliori insight con Exasol Espresso, il nostro motore di query versatile che si integra con gli stack di dati esistenti. Marchi globali come T-Mobile, Piedmont Healthcare e Allianz utilizzano Exasol Espresso per trasformare volumi più grandi di dati in insight più veloci, più profondi e più economici. E credo che abbiamo fatto un ottimo lavoro nel bilanciare la delicatezza tra prestazioni, prezzo e flessibilità in modo che i clienti non debbano compromettere.

Per supportare le aziende nel loro percorso di intelligenza artificiale, abbiamo anche recentemente presentato Espresso AI, dotando il nostro motore di query versatile di una nuova serie di strumenti di intelligenza artificiale che consentono alle organizzazioni di sfruttare il potere dei loro dati per insight avanzati e decisioni guidate dall’intelligenza artificiale. Le capacità di Espresso AI rendono l’intelligenza artificiale più accessibile e più economica, consentendo ai clienti di bypassare esperimenti costosi e laboriosi e di ottenere un ritorno immediato sull’investimento. Questo è un fattore di cambiamento per le aziende che si concentrano sull’innovazione e sulla consegna di valore nell’era dell’intelligenza artificiale.

Il rapporto del 2024 sull’intelligenza artificiale e l’analisi dei dati di Exasol evidenzia l’underinvestimento nell’intelligenza artificiale come un percorso verso il fallimento aziendale. Puoi approfondire i principali risultati di questo rapporto e perché investire nell’intelligenza artificiale è critico per le aziende oggi?

Come hai detto, il principale takeaway del rapporto del 2024 sull’intelligenza artificiale e l’analisi dei dati di Exasol è che l’underinvestimento nell’intelligenza artificiale porta al fallimento aziendale. Sulla base del nostro sondaggio tra i responsabili delle decisioni, nonché tra gli scienziati dei dati e gli analisti negli Stati Uniti, nel Regno Unito e in Germania, quasi tutti (91%) i responsabili concordano che l’intelligenza artificiale è uno degli argomenti più importanti per le organizzazioni nei prossimi due anni, con il 72% che ammette che non investire nell’intelligenza artificiale oggi metterà a rischio la vitalità aziendale futura. In poche parole, nell’attuale ambiente, le aziende che non stanno pensando all’intelligenza artificiale sono già indietro.

Le aziende stanno affrontando pressioni da parte degli stakeholder per investire nell’intelligenza artificiale – e ci sono molti motivi per cui. Gli investimenti nell’intelligenza artificiale hanno già aiutato le organizzazioni in vari settori – dalla sanità ai servizi finanziari e al retail – a sbloccare nuove fonti di reddito, migliorare l’esperienza del cliente, ottimizzare le operazioni, aumentare la produttività, accelerare la competitività e altro ancora. L’elenco cresce man mano che le aziende iniziano a trovare modi specifici per sfruttare l’intelligenza artificiale per soddisfare esigenze aziendali uniche.

Lo stesso rapporto menziona le principali barriere all’adozione dell’intelligenza artificiale, tra cui lacune nella scienza dei dati e latenza nell’implementazione. Come Exasol affronta queste sfide per i suoi clienti?

Nonostante la necessità critica di investire nell’intelligenza artificiale, le aziende affrontano ancora barriere significative all’implementazione più ampia. Il rapporto sull’intelligenza artificiale e l’analisi dei dati di Exasol indica che fino al 78% dei responsabili delle decisioni sperimentano lacune in almeno un’area dei loro modelli di scienza dei dati e apprendimento automatico (ML), con il 47% che cita la velocità di implementazione di nuove esigenze di dati come una sfida. Un ulteriore 79% afferma che le nuove esigenze di analisi aziendale richiedono troppo tempo per essere implementate dai team di dati. Altri fattori che ostacolano l’adozione generalizzata dell’intelligenza artificiale includono la mancanza di una strategia di implementazione, la scarsa qualità dei dati, il volume di dati insufficiente e l’integrazione con i sistemi esistenti. Inoltre, le esigenze burocratiche e le norme in evoluzione per l’intelligenza artificiale stanno causando problemi per molte aziende, con l’88% dei responsabili che afferma di aver bisogno di maggiore chiarezza.

Man mano che l’implementazione dell’intelligenza artificiale cresce, diventerà ancora più importante per le aziende assicurarsi di avere solide fondamenta di dati. Exasol offre flessibilità, resilienza e scalabilità alle aziende che adottano una strategia di intelligenza artificiale. Man mano che ruoli come il Chief Data Officer (CDO) continuano a evolversi e diventare più complessi – con sfide etiche e di conformità sempre più importanti – Exasol supporta i leader dei dati e li aiuta a trasformare l’intelligenza aziendale in insight più veloci e migliori che informeranno le decisioni aziendali e avranno un impatto positivo sul risultato.

Se l’intelligenza artificiale è diventata critica per il successo aziendale, è solo efficace quanto gli strumenti, la tecnologia e le persone che la alimentano sul retro. I risultati del sondaggio sottolineano il divario significativo tra gli strumenti di intelligenza aziendale attuali e il loro output – più strumenti non significa necessariamente prestazioni più veloci o insight migliori. Man mano che i CDO si preparano a una maggiore complessità e sono incaricati di fare di più con meno, devono valutare lo stack di analisi dei dati per assicurarsi la produttività, la velocità e la flessibilità – il tutto a un costo ragionevole.

Espresso AI aiuta a colmare questo divario per l’azienda ottimizzando i processi di estrazione, caricamento e trasformazione dei dati per dare agli utenti la flessibilità di sperimentare immediatamente con nuove tecnologie su larga scala, indipendentemente dalle restrizioni dell’infrastruttura – che sia on-premises, cloud o ibrido. Gli utenti possono ridurre i costi e lo sforzo di spostamento dei dati e introdurre tecnologie emergenti come LLM nel loro database. Queste capacità aiutano le organizzazioni ad accelerare il loro percorso verso l’implementazione di soluzioni di intelligenza artificiale e apprendimento automatico, garantendo al contempo la qualità e l’affidabilità dei loro dati.

La cultura dei dati sta diventando sempre più importante nell’era dell’intelligenza artificiale. Come Exasol contribuisce a migliorare la cultura dei dati tra i suoi clienti e la comunità più ampia?

Negli ambienti di lavoro ricchi di dati di oggi, le competenze di cultura dei dati sono più importanti che mai – e stanno rapidamente diventando una “necessità” piuttosto che un “desiderio” nell’era dell’intelligenza artificiale. In tutti i settori, la competenza nel lavorare con, comprendere e comunicare i dati in modo efficace è diventata vitale. Tuttavia, rimane un divario di cultura dei dati.

La cultura dei dati riguarda avere le competenze per interpretare informazioni complesse e la capacità di agire in base a quelle scoperte. Ma spesso l’accesso ai dati è siloizzato all’interno di un’organizzazione o solo un piccolo subset di individui ha le competenze di cultura dei dati necessarie per comprendere e accedere ai vasti volumi di dati che scorrono attraverso l’azienda. Questo approccio è difettoso perché limita la quantità di tempo e risorse dedicate all’utilizzo dei dati e, in ultima analisi, il divario di cultura dei dati crea una barriera all’innovazione aziendale.

Quando le persone sono alfabetizzate sui dati, possono comprendere i dati, analizzarli e applicare le proprie idee, competenze ed esperienze. Più persone hanno la conoscenza, la fiducia e gli strumenti per sbrogliare e trarre significato dai dati, più un’organizzazione può essere di successo. In Exasol, supportiamo i leader dei dati e le aziende nel guidare la cultura dei dati e l’istruzione.

In aggiunta al componente di istruzione, le aziende dovrebbero ottimizzare i loro stack tecnologici e gli strumenti di intelligenza aziendale per abilitare la democratizzazione dei dati. L’accessibilità dei dati e la cultura dei dati vanno di pari passo. Gli investimenti in entrambi sono necessari per ulteriori strategie di dati. Ad esempio, con Exasol, il nostro sistema senza regolazione consente alle aziende di concentrarsi sull’utilizzo dei dati, piuttosto che sulla tecnologia. La velocità elevata consente ai team di lavorare interattivamente con i dati e di evitare di essere limitati dalle limitazioni delle prestazioni. Ciò porta alla democratizzazione dei dati.

È il momento giusto per la democratizzazione dei dati per passare da un argomento di discussione all’azione all’interno delle organizzazioni. Man mano che più persone in vari dipartimenti ottengono accesso a insight significativi, ciò allevierà i tradizionali collo di bottiglia causati dai team di analisi dei dati. Quando questi tradizionali silos crollano, le organizzazioni realizzeranno quanto ampio e profondo è il bisogno dei loro team e individui di utilizzare i dati. Anche le persone che attualmente non pensano di essere utenti finali dei dati saranno coinvolte nell’alimentazione dei dati.

Con questo cambiamento arriva una grande sfida da anticipare negli anni a venire – la forza lavoro dovrà essere aggiornata in modo che ogni dipendente possa acquisire le competenze adeguate per utilizzare i dati e gli insight per prendere decisioni aziendali. La forza lavoro di oggi non saprà quali sono le domande giuste da porre al proprio flusso di dati o all’automazione che lo alimenta. Il valore di essere in grado di articolare domande precise, penetranti e legate all’azienda sta aumentando di valore, creando un bisogno urgente di formare la forza lavoro su questa capacità.

Hai una solida formazione in database, sistemi distribuiti e algoritmi genetici. Come queste aree di competenza influenzano lo sviluppo del prodotto e la strategia di innovazione di Exasol?

La mia formazione è una base per lavorare nel nostro settore e comprendere le tendenze tecnologiche degli ultimi due decenni. È emozionante e gratificante lavorare con clienti innovativi che trasformano la tecnologia dei database in casi d’uso interessanti. La nostra strategia di innovazione non dipende solo da un individuo, ma da un grande team di architetti e sviluppatori sofisticati che comprendono il futuro del software, dell’hardware e delle applicazioni dei dati.

Con l’intelligenza artificiale che trasforma i settori a un ritmo senza precedenti, cosa credi siano i componenti essenziali di uno stack di dati futuro-proof per le aziende che desiderano sfruttare l’intelligenza artificiale e l’analisi dei dati in modo efficace?

L’adozione rapida dell’intelligenza artificiale è stato un esempio primario di perché è importante per le aziende rimanere all’avanguardia nel panorama tecnologico in evoluzione. La verità sfortunata, tuttavia, è che la maggior parte degli stack di dati è ancora indietro rispetto alla curva dell’intelligenza artificiale.

Per rendere futuro-proof gli stack di dati, le aziende dovrebbero innanzitutto valutare le fondamenta dei dati per identificare lacune, bug o altre sfide. Ciò aiuterà a garantire la qualità e la velocità dei dati – elementi critici per guidare insight preziosi e alimentare modelli di intelligenza artificiale e LLM.

Inoltre, i team dovrebbero investire negli strumenti e nelle tecnologie che possono integrarsi facilmente con altre soluzioni nello stack. Man mano che l’intelligenza artificiale viene accoppiata con altre tecnologie, come il codice open source, vedremo emergere nuovi modelli per risolvere problemi aziendali tradizionali. L’intelligenza artificiale generativa, come ChatGPT, si fonderà con tecnologie di intelligenza artificiale più tradizionali, come l’analisi descrittiva o predittiva, per aprire nuove opportunità per le organizzazioni e semplificare processi tradizionalmente farraginosi.

Per rendere futuro-proof gli stack di dati, le aziende dovrebbero anche integrare l’intelligenza artificiale e l’intelligenza aziendale. Le aziende hanno utilizzato strumenti di intelligenza aziendale per decenni per estrarre insight preziosi e, sebbene siano stati apportati molti miglioramenti, ci sono ancora limitazioni o barriere dell’intelligenza aziendale che l’intelligenza artificiale può aiutare a superare. L’intelligenza artificiale può abilitare risultati più rapidi, migliorare la personalizzazione e trasformare il paesaggio dell’intelligenza aziendale in un dominio più inclusivo e user-friendly. Poiché l’intelligenza aziendale si concentra tipicamente sull’analisi dei dati storici per fornire insight, l’intelligenza artificiale può estendere le capacità dell’intelligenza aziendale aiutando ad anticipare eventi futuri, generando previsioni e raccomandando azioni per influenzare risultati desiderati.

La produttività, la flessibilità e il risparmio di costi sono evidenziati come tre modi in cui Exasol aiuta i marchi globali a innovare. Puoi fornire un esempio di come Exasol abbia abilitato un cliente a ottenere un ritorno significativo sull’investimento attraverso il database di analisi?

Secondo uno studio del 2023 di Forrester sull’impatto economico totale, i clienti di Exasol ottengono fino al 320% di ritorno sull’investimento iniziale nel corso di tre anni migliorando l’efficienza operativa, le prestazioni del database e offrendo un’infrastruttura di dati semplice e flessibile.

Un nostro cliente, ad esempio, Helsana, leader nel settore sanitario competitivo della Svizzera, è venuto da Exasol per soddisfare l’esigenza di una piattaforma di dati e analisi moderna. Prima di Exasol, Helsana si basava su vari strumenti di reporting con data warehouse costruiti su tecnologie diverse e strumenti ETL che creavano un’architettura ingarbugliata e inefficiente. Rispetto alla soluzione legacy della società, il Data Warehouse di Exasol ha dimostrato un miglioramento delle prestazioni da cinque a dieci volte.

Ora, Exasol è centrale nel percorso di intelligenza artificiale di Helsana, fungendo da repository per i dati strutturati che Helsana utilizza in tutti i suoi modelli di intelligenza artificiale e fornendo le basi per la sua analisi. Con Exasol, il team di Helsana ha aumentato le prestazioni, ridotto i costi, aumentato l’agilità e stabilito una solida base per l’intelligenza artificiale, il tutto contribuendo a un ritorno significativo sull’investimento e a una maggiore capacità di servire meglio i clienti.

Guardando avanti, quali sono le tendenze imminenti nell’analisi dei dati e nell’intelligenza aziendale che Exasol si sta preparando, e come intendi continuare a guidare l’innovazione in questo spazio?

 L’anno 2023 ha introdotto l’intelligenza artificiale su larga scala, il che ha causato reazioni knee-jerk da parte delle organizzazioni che hanno alla fine generato innumerevoli esperimenti di automazione mal progettati e mal eseguiti. Il 2024 sarà un anno di trasformazione per l’esperimentazione e il lavoro fondamentale sull’intelligenza artificiale. Finora, le principali applicazioni dell’intelligenza artificiale generativa sono state per l’accesso alle informazioni attraverso i chatbot, l’automazione del servizio clienti e la codifica del software. Tuttavia, ci saranno pionieri che adotteranno queste tecnologie emozionanti per una vasta gamma di processi decisionali aziendali e ottimizzazioni. Guardando oltre il 2024, inizieremo a vedere una spinta più grande verso implementazioni produttive dell’intelligenza artificiale.

In Exasol, siamo impegnati a guidare l’innovazione e a consegnare valore ai nostri clienti, compreso aiutarli a sviluppare e implementare l’intelligenza artificiale su larga scala. Con Exasol, i clienti possono combinare l’intelligenza aziendale e l’intelligenza artificiale per superare i silos di dati in un sistema di analisi integrato. La nostra flessibilità nelle opzioni di distribuzione consente anche alle organizzazioni di decidere dove desiderano ospitare il loro stack di analisi, che sia nel cloud pubblico, cloud privato o on-premises. Con Exasol Espresso AI, siamo posizionati per abilitare le aziende a sfruttare il valore dell’analisi guidata dall’intelligenza artificiale, indipendentemente da dove si trovino nel loro percorso di intelligenza artificiale.

Grazie per la grande intervista, i lettori che desiderano saperne di più possono visitare Exasol.