Mathias Golombek, Chief Technology Officer van Exasol – Interview Series

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 benoemd tot CTO. In deze functie is hij verantwoordelijk voor productontwikkeling, productbeheer, operaties, ondersteuning en technisch advies.

Wat trok je aanvankelijk aan tot 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 vak.

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 de snel veranderende technologie-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 hoofd van Onderzoek en Ontwikkeling voordat ik in 2014 mijn huidige rol als CTO op myself nam.

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 verbaasd over de kansen die voor me lagen – als ontwikkelaar, het creëren van dit massaal parallelle verwerking (MPP), in-memory databasebeheersysteem was het hemel op aarde.

Ik heb elke moment genoten van het werken met dit getalenteerde engineersteam. Als CTO, ben ik verantwoordelijk voor 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 basis is hetzelfde – we zijn nog steeds een in-memory database systeem, maar nu empoweren we onze klanten om de kracht van hun data te benutten voor AI-implementaties.

Exasol is al lang een voortrekker in high-performance analytics databases. Vanuit uw perspectief, wat onderscheidt Exasol in deze concurrerende markt?

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

Als aanbieder van high-performance analytics databases, is Exasol vooropgegaan in het helpen van bedrijven om meer te doen met minder. We helpen bedrijven om business intelligence (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 data 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 te ondersteunen op hun AI-reis, hebben we onlangs Espresso AI onthuld, waarmee we onze veelzijdige query-engine hebben uitgerust met een nieuwe set AI-hulpmiddelen die organisaties in staat stellen om de kracht van hun data 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 gefocust zijn op innovatie en waarde creëren in de leeftijd van AI.

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

Zoals u vermeldde, is de belangrijkste conclusie van Exasol’s 2024 AI en Analytics Report dat onderbelegging in AI leidt tot bedrijfsfalen. Op basis van onze enquête onder senior beslissers, evenals 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, waarbij 72% toegeeft dat niet investeren in AI vandaag de toekomstige bedrijfslevensvatbaarheid in gevaar brengt. Om het simpel te zeggen, 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 – van de gezondheidszorg tot financiële diensten en retail – om nieuwe inkomstenstromen te ontgrendelen, de klantervaring te verbeteren, operaties te optimaliseren, de productiviteit te verhogen, de concurrentie te versnellen en meer. De lijst groeit alleen maar, aangezien bedrijven beginnen te vinden hoe ze AI kunnen gebruiken om unieke bedrijfsbehoeften te vervullen.

Hetzelfde rapport noemt belangrijke belemmeringen voor AI-adoptie, waaronder data science-gaten en vertraging in de implementatie. Hoe lost Exasol deze uitdagingen op voor zijn klanten?

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

Terwijl 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. Terwijl rollen zoals de Chief Data Officer (CDO) blijven evolueren en complexer worden – met groeiende ethische en compliance-uitdagingen aan de voorzijde – ondersteunt Exasol data-leiders en helpt hen om BI om te zetten in snellere, betere inzichten die zakelijke beslissingen zullen informeren en positief zullen beïnvloeden.

Terwijl AI kritiek is 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 huidige BI-tools en hun output – meer tools betekent niet noodzakelijkerwijs snellere prestaties of betere inzichten. Terwijl CDO’s zich voorbereiden op meer complexiteit en worden opgedragen 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 te dichten voor het bedrijf door gegevensextractie-, laden- en transformatieprocessen te optimaliseren, waardoor gebruikers de flexibiliteit krijgen om onmiddellijk te experimenteren met nieuwe technologieën op grote schaal, ongeacht infrastructuurbeperkingen – of het nu on-premises, cloud of hybride is. Gebruikers kunnen de kosten en inspanningen voor gegevensverplaatsing verminderen en tegelijkertijd nieuwe 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 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 meer dan ooit nodig – en worden ze snel een “must-have” in plaats van een “nice-to-have” in de leeftijd van AI. Binnen industrieën is vaardigheid in het werken met, begrijpen en effectief communiceren over 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 kleine subset van individuen de nodige gegevensgeletterdheidsvaardigheden om de grote hoeveelheden gegevens die door het bedrijf stromen te begrijpen en te benutten. Deze aanpak is gebrekkig, omdat het de hoeveelheid tijd en middelen die worden besteed aan het gebruik van gegevens beperkt en uiteindelijk de gegevensgeletterdheidskloof een barrière vormt voor innovatie binnen het bedrijf.

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 data-leiders en bedrijven bij het stimuleren van gegevensgeletterdheid en -onderwijs.

Naast het onderwijsaspect moeten bedrijven hun technische stacks en BI-tools optimaliseren om gegevensdemocratisering te ermöglichen. Gegevenstoegang en gegevensgeletterdheid gaan hand in hand. Investeringen in beide zijn nodig om gegevensstrategieën verder te brengen. Bijvoorbeeld, met Exasol, onze tuning-vrije systeem 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. Terwijl meer mensen binnen verschillende afdelingen toegang krijgen tot betekenisvolle inzichten, zal dit de traditionele bottlenecks veroorzaakt door data-analyseteams verlichten. Wanneer deze traditionele silo’s afbreken, zullen organisaties realiseren hoe breed en diep de behoefte is voor hun teams en individuen om data te gebruiken. Zelfs mensen die nu niet denken dat ze een eindgebruiker van data zijn, zullen worden meegesleept in de data-stroom.

Met deze verschuiving komt een grote uitdaging om in de komende jaren te anticiperen – de workforce zal moeten worden bijgewerkt om ervoor te zorgen dat elke werknemer de juiste vaardigheden heeft om effectief data en inzichten te gebruiken om zakelijke beslissingen te nemen. De waarde van het kunnen articuleren van precieze, doordachte en zakelijk-georiënteerde vragen neemt in waarde toe, waardoor een dringende behoefte ontstaat om de workforce 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 op ongekende snelheid transformeert, 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 belangrijk voorbeeld van waarom het belangrijk is voor ondernemingen om voorop te lopen in de evoluerende technologie-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 gegevensfundamenten evalueren om gaten, bugs of andere uitdagingen te identificeren. Dit zal hen helpen om gegevenskwaliteit en -snelheid te garanderen – elementen die cruciaal zijn voor het stimuleren van waardevolle inzichten en het voeden van AI- en LLM-modellen.

Bovendien moeten teams investeren in de tools en technologieën die gemakkelijk kunnen worden geïntegreerd met andere oplossingen in de stack. Terwijl AI wordt gepaard met 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 stroomlijnen.

Om data-stacks toekomstbestendig te maken, moeten ondernemingen ook AI en BI integreren. Bedrijven hebben al decennia lang BI-tools 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 het BI-landschap transformeren in een meer inclusief en gebruikersvriendelijk domein. Aangezien BI zich typisch richt 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 aanbevelingen te doen om gewenste resultaten te beïnvloeden.

Productiviteit, flexibiliteit en kostenbesparingen worden benadrukt als drie manieren waarop Exasol wereldwijde merken helpt om te innoveren. Kunt u een voorbeeld geven van hoe Exasol een klant in staat heeft gesteld om aanzienlijke ROI te behalen met uw analytics database?

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

Een van onze klanten, Helsana, een leider in de concurrerende gezondheidszorgindustrie in Zwitserland, kwam naar Exasol om een moderne data- en analytics-platform te vinden. Voordat Exasol, vertrouwde Helsana op verschillende rapportagetools met datawarehouses gebouwd op verschillende technologieën en ETL-tools, wat een verwarde, inefficiënte architectuur creëerde. In vergelijking met het bedrijfsbestaande legacy-oplossing, toonde Exasol’s Data Warehouse een vijf- tot tienvoudige prestatieverbetering.

Nu is Exasol centraal in Helsana’s AI-reis, waar het fungeert als repository voor de gestructureerde data die Helsana gebruikt voor al zijn AI-modellen en waar het de basis vormt 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 aanzienlijke ROI, naast een verbeterde mogelijkheid om klanten beter te bedienen.

Kijkend naar de toekomst, wat zijn de komende trends in data-analyse en business intelligence die Exasol zich aan het voorbereiden is, en hoe bent u van plan om innovatie in deze ruimte te blijven stimuleren?

 Het jaar 2023 introduceerde AI op grote 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 informatie-toegang 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 de toekomst, zullen we een grotere push zien naar productieve implementaties van AI.

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

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