მეთიუ სკულიონი, აღმასრულებელი დირექტორი და Matillion - ინტერვიუს სერიის დამფუძნებელი

მეთიუ სკულიონი არის აღმასრულებელი დირექტორი და დამფუძნებელი მატილიონი – მონაცემთა ტრანსფორმაციის პროგრამული უზრუნველყოფის წამყვანი პროვაიდერი ღრუბლოვანი მონაცემთა საწყობებისთვის.

კომპანიამ ხელახლა გამოიგონა მონაცემთა ტრანსფორმაცია ღრუბლის ეპოქაში - როგორც ერთადერთი პროვაიდერი, რომელიც საშუალებას აძლევს მონაცემთა ნამდვილ ტრანსფორმაციას ღრუბელში. მისი უნიკალური ELT (Vs ETL) მიდგომა იყენებს საწარმოს მიერ არჩეული ღრუბლოვანი მონაცემთა საწყობის ძალას მონაცემთა ტრანსფორმაციისთვის, რაც მაქსიმალურად ზრდის მასშტაბურობას, სიჩქარეს და დაზოგავს.

Matillion-ის 800+ მომხმარებელს მოიცავს Accenture, Amazon, Bose, Docusign, Fox, GE, Merck, Siemens, Sony, Splunk, VIstaprint და Zapier.

მეთიუ აქვს ბიზნესისა და ტექნოლოგიების კვეთაზე მუშაობის 20 წელზე მეტი გამოცდილება, მისი კარიერის უმეტესი ნაწილი პროგრამული უზრუნველყოფის და IT პროფესიონალია.

თქვენ ხართ მთელი ცხოვრების განმავლობაში მეწარმე, რომელმაც დააარსა თქვენი პირველი კომპანია 18 წლის ასაკში. რა იყო ეს პირველი კომპანია? თუ გადავხედავთ, იყო თუ არა რაიმე, რისი გაკეთებაც სხვანაირად შეიძლებოდა წარმატების შანსების გასაზრდელად?

ეს იყო პატარა კომპანია სახელწოდებით Real Information Systems – ჩვენ გავაკეთეთ ჯგუფური პროგრამის შემუშავება და დანერგვა. სანამ იქ ვიყავი, როგორც საღამო-შაბათ-კვირის პროექტი, მე ავაშენე ადრეული ვებ კონტენტის მართვის სისტემა, რომელიც ჩვენ მოვახერხეთ რამდენიმე ღირსეული მომხმარებლისთვის გაყიდვა და რომელმაც რამდენიმე ჯილდო მოიპოვა. დაჯილდოების ერთ-ერთ ცერემონიაზე შევხვდით მსხვილ ამერიკულ ფირმას, რომელმაც მალევე შეიძინა კომპანია.

და სხვანაირად რას გავაკეთებდი? თითქმის ყველაფერი. მე რეალურად 17 წლის ვიყავი, როცა ჩავერთე ამ ბიზნესში და ჩემი პარტნიორი იყო შესანიშნავი ბიჭი (და ჩვენ ჯერ კიდევ მეგობრები ვართ), მაგრამ არც ისე დიდი ბიზნესმენი. მე რომ მქონდეს ის უნარები, რაც ახლა მაქვს, მაშინ, ვფიქრობ, ბევრად უფრო წარმატებული ბიზნესი გვექნებოდა! ძირითადად მე ვისწავლე ადამიანების უნარების შესახებ – ყველაფერი ბიზნესში (ან ცოდნის ბიზნესში, როგორიცაა პროგრამული უზრუნველყოფა) დამოკიდებულია ხალხის ხარისხზე – მათ სწორ სკამებზე სწორ დროს – და მათთან შესაბამისობაში მოყვანა და დიდ კულტურაში.

ამ პირველი წამოწყების შემდეგ თქვენ იმუშავეთ კომერციულ IT და პროგრამული უზრუნველყოფის განვითარებაში 15 წლის განმავლობაში ბრიტანულ და ევროპულ სისტემურ ინტეგრატორებში. რომელი იყო ამ როლებიდან?

მე ვმუშაობდი დეველოპერების მენეჯმენტის მეშვეობით, წინასწარი გაყიდვებით, P&L პასუხისმგებლობამდე დიდი ევროპული SI-ის პროგრამული უზრუნველყოფის განყოფილებაზე… ამან მომცა მომხმარებელთა დიდი გამოცდილება, განსაკუთრებით უფრო დიდ მომხმარებლებში. მე გავმართე BI, პროგრამული უზრუნველყოფა, SDLC და ინტეგრაციის პრაქტიკა – რამაც მომცა Matillion-ისთვის საჭირო ყველა ინსტრუმენტი.

იყო თუ არა ბაზარზე არსებული ხარვეზი, რომელიც შენიშნეთ ამ სხვადასხვა ტიპის როლებში, რამაც შთაგაგონა Matillion-ის წამოწყება?

მე ვნახე ამ წინა ფირმაში კარგად განხორციელებული BI-ს ძალა. და რა მძიმე აწევა იყო მისი სწორად მიღება. მე ასევე ვნახე გერმანული კომპანია, რომელიც მართლაც წარმატებული იყო უფრო წინასწარ შეფუთული, ინდუსტრიის ვერტიკალური BI გადაწყვეტით საშუალო ზომის ბიზნესისთვის. დაბოლოს, ჩვენ ვმუშაობდით AWS-თან და შეგვეძლო კედელზე ჩანაწერის ნახვა წინასწარი გადაწყვეტილებებისთვის. ამგვარად, ღრუბელზე დაფუძნებული, ღილაკზე დაფუძნებული, სრულად მართული BI თითქოს უფსკრული იყო, რომლის შევსებაც შეგვეძლო. ეს არ არის ის, რასაც ახლა ვაკეთებთ, მაგრამ ეს არის ის, რაც ჩვენ გავაკეთეთ დასაწყისში და რამაც მიგვიყვანა, რომ ავაშენოთ Matillion ETL წლების შემდეგ, რაც ახლა არის ბიზნესი.

2011 წელს Matillion-ის გამოშვების შემდეგ, თქვენ დაარწმუნეთ თქვენი სამი ყოფილი უფროსი ინვესტირებაში. როგორ წარიმართა ეს დისკუსია და რა იყო იდეაში, რამაც დაარწმუნა ისინი მონაწილეობაზე?

მე გადავწყვიტე სამსახური დამეტოვებინა და დავაარსე კომპანია ესპანეთში შვებულების დროს მეუღლესთან ერთად. მე ვატარებდი რთულ დროს და წინა ადგილს და მან წაახალისა ამის გაკეთება. მივედი სახლში და შევადგინე ბიზნეს გეგმა, რომელიც შემდეგ ამ 3 ადამიანს მივაწოდე.

ვფიქრობ (სინამდვილეში ვიცი) რომ მათ ეგონათ, რომ მათზე მეტი არ ვიცოდი ღრუბლისა და BI-ის შესახებ. მაგრამ მათ შემდგომში მითხრეს, რომ ისინი არ უჭერდნენ მხარს ბიზნეს გეგმას - პირიქით, ისინი მხარს მიჭერდნენ, რადგან ფიქრობდნენ, რომ მე მქონდა რაღაცის წარმატების შანსი.

ვფიქრობ, ეს იყო იმ 10+ წლის უკან, რომლებთანაც ვმუშაობდი და მათთან ერთად ადრე, და მიუხედავად იმისა, რომ ყოველთვის კარგი იდეაა, ყოველთვის იფიქრო შენს მთლიანობაზე.

როგორ აღწერთ მატილიონს რაც შეიძლება ნაკლები სიტყვით?

Matillion არის მონაცემთა ტრანსფორმაცია ღრუბლოვანი მონაცემთა საწყობებისთვის.

Matillion-სა და სხვა გადაწყვეტილებებს შორის ერთ-ერთი მთავარი განმასხვავებელი ფაქტორია Matillion-ის ELT (ამონაწერი, დატვირთვა, ტრანსფორმაცია) მიდგომა უფრო ხშირად გამოყენებული ETL-ის (Extract, transform, load) წინააღმდეგ. შეგიძლიათ აღწეროთ ეს ორი მიდგომა და რა ხდის ELT-ს უპირატესობას?

როდესაც მონაცემთა ინტეგრაციის პროდუქტები წლების წინ შემოვიდა ბაზარზე, მათ მიაწოდეს სამი ღირებულების სფერო, რომელიც დღესაც საჭიროა: 1) ამონაწერი, 2) ჩატვირთვა (მონაცემების მიღება წყაროს სისტემებიდან მონაცემთა საწყობში) და 3) მონაცემთა ტრანსფორმაცია (შემოყრილი მონაცემების შეერთება, დენორმალიზება). , დაამატეთ ღირებულება და გაალამაზეთ ბიზნეს ლოგიკა და მეტრიკა). სხვა სიტყვებით რომ ვთქვათ, ადრეულმა პროდუქტებმა საწარმოს მონაცემები „ამზადა ანალიტიკისთვის“, კომპლექსურ IT გარემოში, მასშტაბურად და გუნდურად.

თუმცა, ეს წინა ღრუბლოვანი, მემკვიდრეობითი პროდუქტები არ იყო აშენებული ღრუბლისთვის. ასე რომ, ისინი ნელი იყო, ძნელი სამართავი და მასშტაბური, რთული შესყიდვა და ვერ ისარგებლეს ღრუბლოვანი პლატფორმების ძირითადი სიმძლავრითა და მახასიათებლებით.

ამ დროისთვის - 2015 წლამდე - Matillion ორიენტირებული იყო Cloud-ში თავისი მომხმარებლებისთვის მონაცემთა საწყობების შექმნასა და მართვაზე. ჩვენ იმედგაცრუებული ვიყავით ხელმისაწვდომი პროდუქტების ნაკლებობით, რათა დაეხმაროთ ჩვენი კლიენტების ბიზნესს ეფექტურად და მასშტაბურად. ჩვენ გვჭირდებოდა პროდუქტი, რომელიც გამოიმუშავებდა სიმარტივეს, სიჩქარეს, მასშტაბებს და დანაზოგს, მაგრამ ის არ არსებობდა. ასე რომ, ჩვენ თვითონ ავაშენეთ. დაახლოებით ხუთი წლის წინ, ჩვენ გამოვაქვეყნეთ Matillion ETL (ამონაწერი, ჩატვირთვა, ტრანსფორმაცია), ინსტრუმენტი, რომელიც შეიქმნა სპეციალურად ღრუბლოვანი მონაცემთა საწყობებისთვის (CDW), მათ შორის Amazon Redshift, Google BigQuery და Snowflake.

განსხვავებული წყაროებიდან მონაცემების შეგროვება მარტივად შეიძლება, მაგრამ უბრალოდ მისი ჩატვირთვა ცენტრალურ ადგილას CDW-ის შიგნით არ იძლევა მაღალი ხარისხის მონაცემებს. მონაცემები უნდა იყოს გარდაიქმნება სანამ ის შეიძლება გამოყენებულ იქნას ანალიტიკური ხელსაწყოთი, ან ნებისმიერი ქვედა პროცესით, როგორიცაა მანქანათმცოდნეობა. მონაცემთა გარდაქმნის შეუძლებლობა პირველ რიგში ეწინააღმდეგება მონაცემთა საწყობის მიზანს, რის გამოც კლიენტებს არ შეუძლიათ შექმნან და მართონ მონაცემთა რთული მოდელები, ან მიიღონ მაღალი ხარისხის ანალიზი.

გადაწყვეტილებების უმეტესობა დღესაც ამოიღებს მონაცემებს, გარდაქმნის მათ დაუმუშავებელ მონაცემებად, რომლებიც შესაფერისია ანგარიშგებისა და ანალიტიკისთვის და იტვირთება სამიზნე პლატფორმაში (მაგ., ურთიერთობის მონაცემთა ბაზაში). ამრიგად, ETL ძრავა არის გამოთვლითი რესურსი და უნდა იყოს საკმარისად მძლავრი (წაკითხული: ძვირი) დიდი რაოდენობით მონაცემების დასამუშავებლად, რომლებიც გარდაიქმნება. გარდა ამისა, ETL პროგრამული უზრუნველყოფის გაშვებული გარემო არ არის აგებული ისე, როგორც მონაცემთა საწყობები. ამრიგად, მონაცემთა მოცულობის მატებასთან ერთად, ეს გარემო მოიხმარს უფრო მეტ IT რესურსს, ქმნის შეფერხებებს მონაცემთა ჯაჭვში და შეიძლება უარყოფითად იმოქმედოს საწარმოს ანგარიშგებასა და ანალიტიკაზე. ამან შეიძლება გამოიწვიოს ცუდი ბიზნეს გადაწყვეტილებების ნელა მიღება, რაც გამოიწვევს ხელიდან გაშვებულ შესაძლებლობებს.

ჩვენი მსგავსი, მაგრამ განსხვავებული ამონაწერის დატვირთვის ტრანსფორმაციის (ELT) მიდგომა გვთავაზობს გაზრდილ შესრულებას და ღირებულებას ამონაწერისა და დატვირთვის ერთი ნაბიჯით დამუშავებით, პირდაპირ საწარმოს მონაცემთა სამიზნე პლატფორმაზე, CDW-ის პროცესების სიმძლავრის გამოყენებით ტრანსფორმაციების შესასრულებლად ჩატვირთვის შემდეგ. თავად მონაცემთა საწყობში ტრანსფორმაციების გადატანა მოითხოვს ინფრასტრუქტურის მხოლოდ ერთ მძლავრ ნაწილს. რელაციური მონაცემთა ბაზების შემდგომი მიღწევები მონაცემთა ბაზაში მონაცემთა ტრანსფორმაციას უფრო მარტივს, სწრაფს და ეკონომიურს ხდის. ეს იწვევს ინფრასტრუქტურის დაზოგვას, სამუშაო დატვირთვის უკეთ შესრულებას და განვითარების მოკლე ციკლებს. საწარმოს მონაცემები სწრაფად გადადის და დაუყოვნებლივ ხელმისაწვდომია ტრანსფორმაციისა და ანალიზისთვის, რომელიც ეფუძნება მიმდინარე ბიზნეს გამოწვევებსა და საჭიროებებს.

თუ ETL ცდილობს გააუმჯობესოს თავისი ყველაზე დიდი მარცხი - შესრულება - Matillion მოელის, რომ შედეგი იქნება ELT სამუშაო პროცესი. ეს არის საუკეთესო გზა საწარმოსთვის, რომ გამოიყენოს თავისი მონაცემები ეფექტურად, ეკონომიურად და ნაყოფიერი ანალიზისთვის, რათა ხელი შეუწყოს ბიზნესის ზრდას.

Matillion-მა შექმნა Matillion Data Loader, რომელიც არის SaaS-ზე დაფუძნებული უფასო მონაცემთა ინტეგრაციის ინსტრუმენტი. შეგიძლიათ დეტალურად აღწეროთ ეს ინსტრუმენტი და რა ხდის მას ასე მოსახერხებელი მომხმარებლისთვის?

დღეს ბიზნესს აქვს ახალი საჭიროებები მონაცემთა გარშემო. ტექნოლოგიური ლანდშაფტი იცვლება. IT მონაცემთა პროფესიონალებს ჯერ კიდევ სჭირდებათ საწარმოს მასშტაბის და მძლავრი ტრანსფორმაციის შესაძლებლობა და ყოველთვის ასე იქნება - მაგრამ კომპანიებში, რომლებიც კონკურენციას უწევენ მონაცემთა გამოყენებას, არის მონაცემთა ახალი ტიპის მომხმარებელი, რომელიც სულაც არ მუშაობს IT-ში. ამ მომხმარებლებს შეუძლიათ იმუშაონ მარკეტინგის, ფინანსების და სხვა დისციპლინებში ბიზნესის მასშტაბით. მათ სურთ გამოიყენონ მონაცემები თავიანთი ბიზნეს კითხვებზე პასუხების მოსაძებნად. Matillion Data Loader მიმართავს ამ მომხმარებლებს და მხარს უჭერს ბიზნესებს ადრეულ ეტაპებზე მათი ღრუბლოვანი მონაცემთა მოგზაურობის დროს. პროდუქტი აუმჯობესებს მონაცემთა ინტეგრაციის სიჩქარეს და სიმარტივეს ამ მონაცემთა მომხმარებლებისთვის. ეს არის მსუბუქი SaaS გადაწყვეტა, რომელიც მონაცემთა ანალიტიკის პროფესიონალებს და ბიზნეს მომხმარებლებს საშუალებას აძლევს ადვილად გადაიტანონ მონაცემები მძლავრი და მასშტაბირებადი პროდუქტით. კლიენტებს შეუძლიათ თანდათანობით განაახლონ უფრო დახვეწილობასა და სიღრმეზე (Matillion ETL) საჭიროებისამებრ.

ჩვენ გთავაზობთ Matillion Data Loader-ს უფასოდ. ამან შეაფერხა ბაზარი და ცხადყოფს ჩვენს ერთგულებას, შევხვდეთ და მოემსახუროთ საწარმოებს, სადაც არ უნდა იმყოფებოდნენ ღრუბლოვანი მონაცემთა მოგზაურობის დროს, რაც მათ ეხმარება ეფექტურად მიიღონ მონაცემები ინტელექტუალური ბიზნეს გადაწყვეტილებებისთვის.

Matillion საშუალებას აძლევს საწარმოებს გამოიყენონ ღრუბლოვანი მონაცემების სრული სიმძლავრე, რათა მონაცემთა ტრანსფორმაცია უფრო ადვილი, სწრაფი და ეკონომიური იყოს. შეგიძლიათ აღწეროთ ამ ფუნქციებიდან ზოგიერთი?

Matillion ETL არის ღრუბლოვანი ხელსაწყო, რომელიც ეხმარება ყველა ზომის ბიზნესს, სხვადასხვა ინდუსტრიებში, საწარმოს დონის, დახვეწილი მონაცემების ტრანსფორმირებით, რათა მათი ანალიტიკა მასშტაბური იყოს Amazon Redshift-ზე, Snowflake-სა და Google BigQuery-ზე. ჩვენს პროდუქტებს შეუძლიათ შეუერთდნენ, გაფილტრონ, დაახარისხონ, დააკონვერტირონ, შეაგროვონ და გადაიტანონ მონაცემები სხვადასხვა წყაროდან ღრუბლოვანი მიგრაციისა და ტრანსფორმაციების გასაადვილებლად. ისინი უკავშირდებიან ისეთ პლატფორმებს, როგორიცაა Amazon S3 და Amazon RDS, Google Analytics, მომხმარებელთა ურთიერთობის მართვის პორტალები, როგორიცაა Salesforce, სოციალური მედიის პლატფორმები (Facebook და Twitter) და გადახდის პროცესორებსაც კი (Stripe, Paypal) და მომხმარებლებს უფლებას აძლევენ იმპორტის უფლებას. და პროექტების ექსპორტი ან მიმდინარე ამოცანების სტატუსის ამოცნობა ინსტანციის დონის აუდიტის ჟურნალებიდან.

გარდა ამისა, Matillion ადმინისტრატორებს საშუალებას აძლევს შეიმუშავონ და დაგეგმონ მრავალჯერადი გამოყენებადი, პარამეტრებზე ორიენტირებული მონაცემების სამუშაოები და ვიზუალურად მოაწყონ სამუშაო ნაკადები ტრანზაქციებთან, გადაწყვეტილებებთან და მარყუჟებთან, ნაწილობრივ Bash და Python სკრიპტირების და კომპონენტების გენერირების ინსტრუმენტების მეშვეობით. შესაძლოა კიდევ უფრო სასარგებლო იყოს, ის საშუალებას აძლევს მათ შექმნან გადმოსაწერი ანგარიში, რომელიც დეტალურად აღწერს განლაგებას, კომპონენტებს, SQL-ს და თვისებებს ნებისმიერი სამუშაოსთვის ერთი დაწკაპუნებით.

არის კიდევ რამე, რისი გაზიარებაც გსურთ Matillion-ის შესახებ?

Matillion-ის მონაცემთა ტრანსფორმაციის ტექნოლოგია, სავარაუდოდ, ყველაზე დიდი წვლილია საწარმოს ტექნოლოგიაში ამ წელს. Matillion ETL ფაქტობრივად დასახელდა "წლის მთლიანი მონაცემთა ტექნიკური გადაწყვეტა" Data Breakthrough Awards-ის მიერ. ჩვენ ხელახლა გამოვიგონეთ მონაცემთა ტრანსფორმაცია ღრუბლის ეპოქაში – როგორც მხოლოდ პროვაიდერი, რომელიც საშუალებას აძლევს მონაცემთა ნამდვილ ტრანსფორმაციას ღრუბელში. ჩვენი გუნდი საკმაოდ ამაყობს იმით, რომ უზრუნველყოფს სიმარტივეს, მასშტაბურობას, სიჩქარეს და დანაზოგს ასობით საწარმოსთვის მთელს მსოფლიოში და ჩვენ მოუთმენლად ველით, რომ გავაგრძელებთ კომპანიების პროგრესის მხარდაჭერას მონაცემთა მოგზაურობისას – განსაკუთრებით მაშინ, როდესაც ისინი ცდილობენ გამოიყენონ მონაცემები მომავლის პროგნოზირებისთვის. ჩვენ კარგად ვართ პოზიციონირებულები, რათა დავეხმაროთ მათ ამჟამინდელი მშფოთვარე გლობალური ბაზრების გადალახვაში და მეორე მხარეს უფრო ძლიერები გამოვიდნენ.

გმადლობთ ამ ფენომენალური პასუხებისთვის, მკითხველები, რომელთაც სურთ მეტი გაიგონ, უნდა ეწვიონ დამფუძნებელს მატილიონი.