Mathias Golombek, Chief Technology Officer van Exasol – Interviewreeks

Mathias Golombek is de Chief Technology Officer (CTO) van Exasol. Hij trad toe tot het bedrijf als software-ontwikkelaar in 2004 na het studeren van informatica met een zware focus op databases, gedistribueerde systemen, software-ontwikkelingsprocessen en genetische algoritmen. In 2005 was hij verantwoordelijk voor het Database Optimizer-team en in 2007 werd hij hoofd van Onderzoek en Ontwikkeling. In 2014 werd Mathias tot CTO benoemd. In deze rol is hij verantwoordelijk voor productontwikkeling, productbeheer, bedrijfsvoering, ondersteuning en technisch advies.

Wat trok je oorspronkelijk aan naar informatica?

Toen ik in de vierde klas zat, had mijn oudere broer enkele lessen waarin ze leerden programmeren in BASIC, en hij liet me zien wat je daarmee kon doen. Samen ontwikkelden we een paasraadsel op onze Commodore 64 voor onze jongste broer, en sindsdien ben ik gefascineerd door computers. Informatica in het algemeen gaat over het oplossen van problemen en creatief zijn, en ik denk dat dit aspect me het meest aantrok tot het vakgebied.

Kunt u uw reis beschrijven van het begin bij Exasol als software-ontwikkelaar in 2004 tot het worden van CTO? Hoe zijn uw rollen in de loop der jaren geëvolueerd, vooral in het snel veranderende technisch landschap?

Ik studeerde informatica aan de Universiteit van Würzburg in Duitsland en begon bij Exasol als software-ontwikkelaar in 2004 na mijn afstuderen. Na mijn eerste jaar bij Exasol werd ik gepromoveerd tot hoofd van het Database Optimizer-team en vervolgens tot hoofd van Onderzoek en Ontwikkeling. Daarna was ik zeven jaar lang hoofd van Onderzoek en Ontwikkeling voordat ik in 2014 mijn huidige rol als CTO kreeg.

Vanaf het begin was ik onder de indruk van wat Exasol deed — dit Duitse technologiebedrijf dat tegen grote namen als Microsoft , IBM en Oracle vocht. Ik was verbijsterd door de kansen die voor me lagen — als ontwikkelaar, het creëren van dit massaal parallelle verwerking (MPP), in-geheugen databasebeheersysteem was het hemel op aarde.

Ik heb elke moment genoten van het werken met dit getalenteerde ingenieurs-team. Als CTO, hou ik toezicht op Exasol’s productinnovatie, ontwikkeling en technische ondersteuning. Het is spannend om te zien hoeveel het Exasol-team wereldwijd is gegroeid terwijl we onze klanten en hun evoluerende behoeften ondersteunen. De basisprincipes zijn hetzelfde — we zijn nog steeds een in-geheugen database-systeem, maar nu empoweren we onze klanten om de kracht van hun gegevens voor AI-implementaties te benutten.

Exasol is al lang een voortrekker in high-performance analytics databases. Wat onderscheidt Exasol van uw mening uit in deze concurrerende ruimte?

Bedrijfsleiders worden constant geconfronteerd met de uitdaging om meer te doen met minder. In de afgelopen jaren is dit nog uitdagender geworden omdat de economie blijft turbulent zijn en de verspreiding van AI-technologie budget en tijd in beslag neemt.

Als aanbieder van high-performance analytics databases is Exasol voorop gebleven in het helpen van bedrijven om meer te doen met minder. We helpen bedrijven om bedrijfsinformatie (BI) om te zetten in betere inzichten met Exasol Espresso, onze veelzijdige query-engine die in bestaande data-stacks past. Globale merken zoals T-Mobile, Piedmont Healthcare en Allianz gebruiken Exasol Espresso om grotere volumes aan gegevens om te zetten in snellere, diepere en goedkopere inzichten. En ik denk dat we een geweldige job hebben gedaan om de delicate balans tussen prestaties, prijs en flexibiliteit te behouden, zodat klanten niet hoeven te compromitteren.

Om bedrijven op hun AI-reis te ondersteunen, hebben we onlangs Espresso AI onthuld, onze veelzijdige query-engine uitgerust met een nieuwe set AI-hulpmiddelen die organisaties in staat stellen om de kracht van hun gegevens te benutten voor geavanceerde AI-gedreven inzichten en besluitvorming. De mogelijkheden van Espresso AI maken AI meer toegankelijk en betaalbaar, waardoor klanten dure, tijdrovende experimenten kunnen omzeilen en onmiddellijk rendement op investering kunnen behalen. Dit is een game-changer voor ondernemingen die zich richten op innovatie en waarde creëren in de leeftijd van AI.

Het AI- en Analytics-rapport van Exasol uit 2024 benadrukt onderbelegging in AI als een pad naar bedrijfsfalen. Kunt u de belangrijkste bevindingen van dit rapport uitleggen en waarom investeren in AI kritiek is voor bedrijven vandaag?

Zoals u vermeldde, is de belangrijkste conclusie van Exasol’s 2024 AI en Analytics-rapport dat onderbelegging in AI leidt tot bedrijfsfalen. Op basis van onze enquête onder senior beslissers en datawetenschappers en analisten in de VS, VK en Duitsland, zijn bijna alle (91%) respondenten het erover eens dat AI een van de belangrijkste onderwerpen is voor organisaties in de komende twee jaar, met 72% die toegeeft dat niet investeren in AI vandaag de toekomstige levensvatbaarheid van het bedrijf in gevaar brengt. Simpel gezegd, in de huidige omgeving zijn bedrijven die niet aan AI denken al achter.

Bedrijven worden onder druk gezet door stakeholders om in AI te investeren – en er zijn veel redenen waarom. Investeringen in AI hebben organisaties in verschillende industrieën al geholpen om nieuwe inkomstenstromen te ontgrendelen, klantervaringen te verbeteren, operaties te optimaliseren, productiviteit te verhogen, concurrentie te versnellen en meer. De lijst groeit alleen maar verder naarmate bedrijven beginnen om specifieke manieren te vinden om AI te benutten voor unieke bedrijfsbehoeften.

Hetzelfde rapport noemt belangrijke barrières voor AI-adoptie, waaronder datawetenschappelijke lacunes en latentie bij implementatie. Hoe lost Exasol deze uitdagingen op voor zijn klanten?

Ondanks de kritieke behoefte aan AI-investeringen, worden bedrijven nog steeds geconfronteerd met significante barrières voor bredere implementatie. Exasol’s AI- en Analytics-rapport geeft aan dat tot 78% van de beslissers lacunes heeft in ten minste één gebied van hun datawetenschappelijke en machine learning (ML)-modellen, met 47% die de snelheid van implementatie van nieuwe gegevensvereisten als een uitdaging noemt. Bovendien claimt 79% dat nieuwe zakelijke analysevereisten te lang duren om te worden geïmplementeerd door hun datateams. Andere factoren die de bredere AI-adoptie belemmeren, zijn het ontbreken van een implementatiestrategie, slechte gegevenskwaliteit, onvoldoende gegevensvolumes en integratie met bestaande systemen. Bovendien veroorzaken evoluerende bureaucratische vereisten en regelgeving voor AI problemen voor veel bedrijven, met 88% van de respondenten die aangeven dat ze meer duidelijkheid nodig hebben.

Naarmate AI-implementatie groeit, zal het nog belangrijker worden voor bedrijven om sterke gegevensfundamenten te garanderen. Exasol biedt flexibiliteit, veerkracht en schaalbaarheid aan bedrijven die een AI-strategie adopteren. Naarmate rollen zoals die van de Chief Data Officer (CDO) blijven evolueren en complexer worden – met groeiende ethische en compliance-uitdagingen in de voorhoede – ondersteunt Exasol dataleiders en helpt hen om BI om te zetten in snellere, betere inzichten die bedrijfsbeslissingen zullen informeren en positief zullen beïnvloeden.

Terwijl AI kritiek is geworden voor bedrijfssucces, is het alleen zo effectief als de tools, technologie en mensen die het op de achtergrond aandrijven. De enquêteresultaten benadrukken de significante kloof tussen de huidige BI-hulpmiddelen en hun output – meer hulpmiddelen betekent niet noodzakelijkerwijs snellere prestaties of betere inzichten. Terwijl CDO’s zich voorbereiden op meer complexiteit en worden opgedragen om meer te doen met minder, moeten ze de data-analysestack evalueren om productiviteit, snelheid en flexibiliteit te garanderen – alles tegen een redelijke prijs.

Espresso AI helpt om deze kloof voor het bedrijf te dichten door gegevensextractie-, laden- en transformatieprocessen te optimaliseren, waardoor gebruikers de flexibiliteit hebben om onmiddellijk te experimenteren met nieuwe technologieën op schaal, ongeacht infrastructuurbeperkingen – of het nu on-premises, cloud of hybride is. Gebruikers kunnen de kosten en moeite van gegevensverplaatsing verminderen en tegelijkertijd opkomende technologieën zoals LLM’s in hun database integreren. Deze mogelijkheden helpen organisaties om hun reis naar het implementeren van AI- en ML-oplossingen te versnellen, terwijl ze tegelijkertijd de kwaliteit en betrouwbaarheid van hun gegevens garanderen.

Gegevensgeletterdheid wordt steeds belangrijker in de leeftijd van AI. Hoe draagt Exasol bij aan het verbeteren van gegevensgeletterdheid onder zijn klanten en de bredere gemeenschap?

In de huidige data-rijke werkomgevingen zijn gegevensgeletterdheidsvaardigheden belangrijker dan ooit – en worden ze snel een “must-have” in plaats van een “nice-to-have” in de leeftijd van AI. Over de industrieën heen is vaardigheid in het werken met, begrijpen en effectief communiceren van gegevens essentieel geworden. Maar er blijft een gegevensgeletterdheidskloof.

Gegevensgeletterdheid gaat over het hebben van de vaardigheden om complexe informatie te interpreteren en de mogelijkheid om op basis van die bevindingen te handelen. Maar vaak is toegang tot gegevens gefragmenteerd binnen een organisatie of hebben alleen een klein subset van individuen de noodzakelijke gegevensgeletterdheidsvaardigheden om de enorme hoeveelheden gegevens die door het bedrijf stromen te begrijpen en te benaderen. Deze aanpak is gebrekkig omdat het de hoeveelheid tijd en middelen die worden toegewezen aan het gebruik van gegevens beperkt, en uiteindelijk creëert de gegevensgeletterdheidskloof een barrière voor bedrijfsinnovatie.

Wanneer mensen gegevensgeletterd zijn, kunnen ze gegevens begrijpen, analyseren en hun eigen ideeën, vaardigheden en expertise toepassen. Hoe meer mensen de kennis, het vertrouwen en de tools hebben om gegevens te ontrafelen en er betekenis aan te geven, hoe succesvoller een organisatie kan zijn. Exasol ondersteunt dataleiders en bedrijven bij het stimuleren van gegevensgeletterdheid en -onderwijs.

Naast het onderwijscomponent moeten bedrijven hun technische stacks en BI-hulpmiddelen optimaliseren om gegevensdemocratisering te ermöglichen. Gegevenstoegang en gegevensgeletterdheid gaan hand in hand. Investeringen in beide zijn nodig om gegevensstrategieën verder te ontwikkelen. Bijvoorbeeld, met Exasol, onze afstemmingssysteem stelt bedrijven in staat om zich te concentreren op gegevensgebruik, in plaats van technologie. De hoge snelheid stelt teams in staat om interactief met gegevens te werken en te voorkomen dat ze worden beperkt door prestatiebeperkingen. Dit leidt uiteindelijk tot gegevensdemocratisering.

Nu is het tijd voor gegevensdemocratisering om over te gaan van een onderwerp van discussie naar actie binnen organisaties. Naarmate meer mensen over verschillende afdelingen toegang krijgen tot betekenisvolle inzichten, zal dit de traditionele bottlenecks veroorzaakt door data-analyseteams verlichten. Wanneer deze traditionele silo’s instorten, zullen organisaties beseffen hoe breed en diep de behoefte is voor hun teams en individuen om gegevens te gebruiken. Zelfs mensen die nu niet denken dat ze een eindgebruiker van gegevens zijn, zullen worden meegesleept om gegevens te voeden.

Met deze verschuiving komt een grote uitdaging om in de komende jaren te anticiperen — de werkgelegenheid zal moeten worden bijgewerkt om ervoor te zorgen dat elke werknemer de juiste vaardigheden heeft om gegevens en inzichten effectief te gebruiken om bedrijfsbeslissingen te nemen. Vandaag de dag weet de werkgelegenheid nog niet de juiste vragen te stellen aan hun gegevensfeed, of de automatisering die het aandrijft. De waarde van het kunnen articuleren van precieze, doorvorsende en bedrijfsgebonden vragen neemt toe in waarde, waardoor een dringende behoefte ontstaat om de werkgelegenheid te trainen op deze capaciteit.

U heeft een sterke achtergrond in databases, gedistribueerde systemen en genetische algoritmen. Hoe beïnvloeden deze gebieden van expertise Exasol’s productontwikkeling en innovatiestrategie?

Mijn achtergrond is een fundament van werken in ons veld en het begrijpen van de technologie-trends van de afgelopen twee decennia. Het is spannend en lonend om te werken met innovatieve klanten die database-technologie omzetten in interessante use-cases. Onze innovatiestrategie hangt niet af van één individu, maar van een groot team van gesofisticeerde architecten en ontwikkelaars die de toekomst van software, hardware en data-toepassingen begrijpen.

Met AI die industrieën transformeert met een ongekende snelheid, wat zijn de essentiële componenten van een toekomstbestendige data-stack voor bedrijven die AI en analytics effectief willen benutten?

De snelle adoptie van AI is een voorbeeld van waarom het belangrijk is voor ondernemingen om voorop te blijven in de evoluerende technische landschap. Het ongelukkige feit is echter dat de meeste data-stacks nog steeds achter de AI-curve liggen.

Om data-stacks toekomstbestendig te maken, moeten bedrijven eerst hun data-fundamenten evalueren om lacunes, bugs of andere uitdagingen te identificeren. Dit zal helpen om gegevenskwaliteit en -snelheid te garanderen – elementen die kritiek zijn voor het leveren van waardevolle inzichten en het aandrijven van AI- en LLM-modellen.

Daarnaast moeten teams investeren in de tools en technologieën die gemakkelijk kunnen worden geïntegreerd met andere oplossingen in de stack. Naarmate AI wordt gekoppeld aan andere technologieën, zoals open source, zullen we nieuwe modellen zien ontstaan om traditionele bedrijfsproblemen op te lossen. Generatieve AI, zoals ChatGPT, zal ook samensmelten met meer traditionele AI-technologie, zoals beschrijvende of voorspellende analytics, om nieuwe kansen te openen voor organisaties en traditioneel omslachtige processen te vereenvoudigen.

Om data-stacks toekomstbestendig te maken, moeten ondernemingen ook AI en BI integreren. Bedrijven hebben BI-hulpmiddelen al decennialang gebruikt om waardevolle inzichten te extraheren, en hoewel er veel verbeteringen zijn gemaakt, zijn er nog steeds BI-beperkingen of -barrières die AI kan helpen overwinnen. AI kan snellere resultaten mogelijk maken, personalisatie verbeteren en de BI-landschap transformeren in een meer inclusief en gebruikersvriendelijk domein. Aangezien BI typisch gericht is op het analyseren van historische gegevens om inzichten te bieden, kan AI de BI-mogelijkheden uitbreiden door te helpen bij het anticiperen op toekomstige gebeurtenissen, voorspellingen te genereren en acties aan te bevelen om gewenste resultaten te beïnvloeden.

Productiviteit, flexibiliteit en kostenbesparingen worden benadrukt als drie manieren waarop Exasol globale merken helpt om te innoveren. Kunt u een voorbeeld geven van hoe Exasol een klant in staat heeft gesteld om een aanzienlijk rendement op investering te behalen via uw analytics-database?

Volgens een 2023 Forrester Total Economic Impact Study behalen Exasol-klanten tot 320% rendement op investering op hun initiële investering over drie jaar door operationele efficiëntie, database-prestaties en een eenvoudige en flexibele data-infrastructuur te verbeteren.

Een van onze klanten, Helsana, een leider in de concurrerende Zwitserse gezondheidszorgindustrie, kwam naar Exasol om een moderne data- en analytics-platform te vinden. Voordat Exasol, vertrouwde Helsana op verschillende rapportagehulpmiddelen met datawarehouses gebouwd op verschillende technologieën en ETL-hulpmiddelen, wat een verwarde, inefficiënte architectuur creëerde. In vergelijking met het bedrijfs bestaande legacy-oplossing, toonde Exasol’s Data Warehouse een vijf- tot tienmaal betere prestatie.

Nu is Exasol centraal in Helsana’s AI-reis, dienend als het repository voor de gestructureerde gegevens die Helsana gebruikt voor al zijn AI-modellen en het bieden van de basis voor zijn analytics. Met Exasol heeft het Helsana-team de prestaties verbeterd, de kosten verlaagd, de flexibiliteit verhoogd en een solide AI-fundament gevestigd, wat allemaal bijdraagt aan een aanzienlijk rendement op investering, naast een verbeterde mogelijkheid om klanten beter te bedienen.

Kijkend naar de toekomst, wat zijn de komende trends in data-analyse en bedrijfsinformatie waar Exasol zich op voorbereid, en hoe plant u om innovatie in deze ruimte te blijven stimuleren?

  Het jaar 2023 introduceerde AI op een brede schaal, wat knee-jerk-reacties van organisaties veroorzaakte die uiteindelijk talloze slecht ontworpen en uitgevoerde automatiseringsexperimenten veroorzaakten. 2024 zal een transformatiejaar zijn voor AI-experimenten en fundamenteler werk. Tot nu toe zijn de primaire toepassingen van GenAI geweest voor toegang tot informatie via chatbots, automatisering van klantenservice en software-ontwikkeling. Echter, er zullen pioniers zijn die deze spannende technologieën adopteren voor een hele reeks van bedrijfsbeslissingen en -optimalisaties. Kijkend naar 2024, zullen we een grotere push zien naar productieve implementaties van AI.

Bij Exasol zijn we toegewijd om innovatie te stimuleren en waarde te leveren aan onze klanten, waaronder het helpen van hen om AI op schaal te ontwikkelen en te implementeren. Met Exasol kunnen klanten BI en AI combineren om gegevenssilo’s in een geïntegreerd analytisch systeem te overwinnen. Onze flexibiliteit in implementatie-opties stelt organisaties ook in staat om te beslissen waar ze hun analytics-stack willen hosten, of het nu in de openbare cloud, private cloud of on-premises is. Met Exasol’s Espresso AI zijn we gepositioneerd om ondernemingen te empoweren om de waarde van AI-gedreven analytics te benutten, ongeacht waar organisaties zich bevinden in hun AI-reis.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Exasol bezoeken.