Mathias Golombek, Chief Technology Officer of Exasol – Intervju-serie

Mathias Golombek er Chief Technology Officer (CTO) i Exasol. Han begynte i selskapet som programvareutvikler i 2004 etter å ha studert datavitenskap med fokus på databaser, distribuerte systemer, programvareutviklingsprosesser og genetiske algoritmer. Allerede i 2005 var han ansvarlig for Database Optimizer-teamet og i 2007 ble han leder for forskning og utvikling. I 2014 ble Mathias utnevnt til CTO. I denne rollen er han ansvarlig for produktutvikling, produktledelse, drift, support og teknisk konsulenttjenester.

Hva var det som først tiltalte deg til datavitenskap?

Da jeg var i fjerde klasse, hadde min eldre bror noen leksjoner der de lærte å programmere BASIC, og han viste meg hva man kunne gjøre med det. Sammen utviklet vi en påske-gåte på vår Commodore 64 til vår yngste bror, og siden da har jeg vært fascinert av datamaskiner. Datavitenskap handler generelt om å løse problemer og være kreativ, og jeg tror at det var det som tiltalte meg mest til feltet.

Kan du dele din reise fra å begynne i Exasol som programvareutvikler i 2004 til å bli CTO? Hvordan har dine roller utviklet seg over årene, spesielt i den raskt endrende teknologilandskapet?

Jeg studerte datavitenskap ved Universitetet i Würzburg i Tyskland og begynte i Exasol som programvareutvikler i 2004 etter å ha avsluttet studiene. Etter mitt første år i Exasol, ble jeg forfremmet til leder for Database Optimizer-teamet og deretter leder for forskning og utvikling. Etter det, var jeg leder for R&D i syv år før jeg gikk over i min nåværende rolle som CTO i 2014.

Fra begynnelsen av var jeg imponert over hva Exasol gjorde — dette tyske teknologiselskapet kjempet mot store navn som Microsoft, IBM og Oracle. Jeg var blåst av muligheten foran meg — som utvikler, å skape dette massivt parallell prosesserings- (MPP), minne-databasehåndteringssystemet var himmelen på jorden.

Jeg har nytt hver eneste øyeblikk av å arbeide med dette talentfulle ingeniørteamet. Som CTO, overvåker jeg Exasols produktinnovasjon, utvikling og teknisk support. Det har vært spennende å se hvor mye Exasol-teamet har vokst globalt mens vi arbeider for å støtte våre kunder og deres utviklende behov. Grunnleggende er det samme — vi er fortsatt et minne-database-system, men nå gir vi våre kunder mulighet til å utnytte kraften av deres data for AI-implementeringer.

Exasol har vært i forkant av høy-ytelsesanalyse-databaser. Fra din perspektiv, hva skiller Exasol fra andre i denne konkurranseutsatte bransjen?

Ledere blir stadig bedt om å navigere hvordan de kan gjøre mer med mindre. De siste årene har dette blitt enda mer utfordrende ettersom økonomien fortsatt er turbulent og AI-teknologiens utbredelse har tatt opp budsjett og tid.

Som en høy-ytelsesanalyse-database-tilbyder, har Exasol forblett foran kurven når det kommer til å hjelpe bedrifter med å gjøre mer med mindre. Vi hjelper selskaper med å transformere business intelligence (BI) til bedre innsikt med Exasol Espresso, vår fleksible spørring-motor som kobler seg til eksisterende data-stacker. Globale merker som T-Mobile, Piedmont Healthcare og Allianz bruker Exasol Espresso for å omdanne større volumer av data til raskere, dypere og billigere innsikt. Og jeg tror vi har gjort en god jobb med å mestre den ømme balansen mellom ytelse, pris og fleksibilitet, så kundene ikke må gå på kompromiss.

For å støtte selskaper på deres AI-reise, har vi nylig lansert Espresso AI, som utstyrer vår fleksible spørring-motor med et nytt sett av AI-verktøy som gjør det mulig for organisasjoner å utnytte kraften av deres data for avanserte AI-drevne innsikt og beslutningstaking. Espresso AIs muligheter gjør AI mer tilgjengelig og rimelig, og gjør det mulig for kundene å unngå dyre og tidskrevende eksperimenter og oppnå umiddelbar avkastning. Dette er en game-changer for bedrifter som fokuserer på å drive innovasjon og levere verdi i AI-alderen.

2024 AI og Analytics-rapporten fra Exasol fremhever underinvestering i AI som en vei til bedriftsfiasko. Kan du utdype på rapportens hovedfunn og hvorfor investering i AI er kritisk for bedrifter i dag?

Som du sa, er hovedpoenget i Exasols 2024 AI og Analytics-rapport at underinvestering i AI fører til bedriftsfiasko. Basert på vår undersøkelse av senior beslutningstakere samt data-vitenskapsmenn og -analytikere i USA, Storbritannia og Tyskland, er nesten alle (91%) enige om at AI er ett av de viktigste temaene for organisasjoner de neste to årene, og 72% innrømmer at ikke å investere i AI i dag vil sette fremtidig bedrifts-viabilitet i fare. Det enkle er at bedrifter som ikke tenker på AI, allerede er forsinket.

Bedrifter møter press fra interessenter for å investere i AI – og det er mange grunner til hvorfor. Investering i AI har allerede hjulpet organisasjoner over hele verden – fra helsevesen til finansielle tjenester og detaljhandel – å låse opp nye inntektsstrømmer, forbedre kundeopplevelser, optimalisere drift, øke produktivitet, akselerere konkurranse og mer. Listen vokser bare fra der ettersom bedrifter begynner å finne spesifikke måter å utnytte AI for å tilpasse unike forretningsbehov.

Samme rapport nevner store barrierer for AI-adoptsjon, inkludert data-vitenskapelige gap og forsinkelser i implementering. Hvordan møter Exasol disse utfordringene for sine kunder?

Til tross for det kritiske behovet for AI-investering, møter bedrifter fortsatt betydelige barrierer for videre implementering. Exasols AI og Analytics-rapport indikerer at opptil 78% av beslutningstakere opplever gap i minst ett område av deres data-vitenskap og maskinlæring (ML)-modeller, og 47% nevner hastighet til å implementere nye data-krav som en utfordring. En ytterligere 79% hevder at nye forretningsanalyse-krav tar for lang tid å bli implementert av deres data-team. Andre faktorer som hindrer videre AI-adoptsjon inkluderer mangelen på en implementeringsstrategi, dårlig datakvalitet, utilstrekkelig data-volum og integrasjon med eksisterende systemer. I tillegg skaper utviklingen av byråkratiske krav og reguleringer for AI problemer for mange selskaper, med 88% av respondentene som påstår at de trenger mer klarhet.

Ettersom AI-utviklingen vokser, vil det bli enda viktigere for bedrifter å sikre sterke data-grunnlag. Exasol tilbyr fleksibilitet, motstandskraft og skalerbarhet til bedrifter som adopterer en AI-strategi. Ettersom roller som Chief Data Officer (CDO) fortsetter å utvikle seg og bli mer komplekse – med økende etiske og compliance-utfordringer i forkant – støtter Exasol data-ledere og hjelper dem med å transformere BI til raskere, bedre innsikt som vil informere forretningsbeslutninger og positivt påvirke resultatet.

Da AI blir kritisk for bedriftssuksess, er det bare like effektivt som verktøyene, teknologien og menneskene som driver det på bakenden. Undersøkelsesresultatene understreker den betydelige gapet mellom nåværende BI-verktøy og deres utgang – flere verktøy betyr ikke nødvendigvis raskere ytelse eller bedre innsikt. Ettersom CDO-er forbereder seg på mer kompleksitet og blir bedt om å gjøre mer med mindre, må de evaluere data-analyse-staken for å sikre produktivitet, hastighet og fleksibilitet – alt til en rimelig kostnad.

Espresso AI hjelper med å lukke dette gapet for bedriftene ved å optimere data-utvinning, lasting og transformasjonsprosesser for å gi brukerne fleksibiliteten til å umiddelbart eksperimentere med nye teknologier i skala, uavhengig av infrastruktur-begrensninger – enten på eget nett, sky eller hybrid. Brukere kan redusere data-bevegelses-kostnader og innsats samtidig som de bringer inn nye teknologier som LLM-er inn i deres database. Disse mulighetene hjelper organisasjoner med å akselerere deres reise mot å implementere AI- og ML-løsninger samtidig som de sikrer kvaliteten og påliteligheten av deres data.

Data-litteratur blir stadig viktigere i AI-alderen. Hvordan bidrar Exasol til å forbedre data-litteratur blant sine kunder og den videre samfunnet?

I dagens data-rike arbeidsmiljøer er data-litteratur-ferdigheter mer viktig enn noen gang – og raskt blir et “må-ha” i stedet for et “flott-å-ha” i AI-alderen. Over hele bransjene er kompetanse i å arbeide med, forstå og kommunisere data effektivt blitt avgjørende. Men det finnes fortsatt et data-litteratur-gap.

Data-litteratur handler om å ha ferdighetene til å tolke kompleks informasjon og evnen til å handle på disse funnene. Men ofte er data-tilgang begrenset innen en organisasjon eller bare en liten undergruppe av personer har de nødvendige data-litteratur-ferdighetene til å forstå og få tilgang til de store mengdene data som flyter gjennom bedriften. Dette tilretteleggingen er feil, ettersom det begrenser mengden tid og ressurser som er viet til å utnytte data, og til slutt skaper data-litteratur-gapet en barriere for bedrifts-innovasjon.

Når mennesker er data-litterære, kan de forstå data, analysere det og anvende sine egne ideer, ferdigheter og ekspertise til det. Jo flere mennesker som har kunnskapen, tilliten og verktøyene til å avdekke og finne mening i data, jo mer suksessfull kan en organisasjon være. Exasol støtter data-ledere og bedrifter i å drive data-litteratur og utdanning.

I tillegg til utdanningskomponenten, bør bedrifter optimere sine teknologistacker og BI-verktøy for å muliggjøre data-demokratisering. Data-tilgjengelighet og data-litteratur henger sammen. Investering i begge er nødvendig for å fremme data-strategier. For eksempel, med Exasol, vårt justeringsfrie system gjør det mulig for bedrifter å fokusere på data-bruken, i stedet for teknologien. Den høye hastigheten gjør det mulig for team å arbeide interaktivt med data og unngå å bli begrenset av ytelsesbegrensninger. Dette fører til slutt til data-demokratisering.

Nå er det på tide for data-demokratisering å skifte fra et diskusjonsemne til handling innen organisasjoner. Ettersom flere mennesker over hele avdelingene får tilgang til meningsfulle innsikt, vil det lettet de tradisjonelle flaskenhalser som er forårsaket av data-analyse-team. Når disse tradisjonelle siloene kollapser, vil organisasjoner realisere hvor bredt og dypt behovet er for deres team og enkelt-personer til å bruke data. Selv mennesker som ikke nå tror de er en slutt-bruker av data, vil bli trukket inn i å mata av data.

Med denne skiftet kommer en stor utfordring som må forventes i årene som kommer – arbeidsstokken må oppgraderes for at hver enkelt ansatt skal få den rette ferdighets-sammenstillingen til å effektivt bruke data og innsikt til å ta forretnings-beslutninger. I dagens arbeidsstokk vil ikke vite de rette spørsmålene å stille til deres data-feed, eller automasjonen som driver det. Verdien av å kunne formulere presise, grundige og forretnings-orienterte spørsmål øker i verdi, og skaper et kritisk behov for å trene arbeidsstokken på denne evnen.

Du har en sterk bakgrunn i databaser, distribuerte systemer og genetiske algoritmer. Hvordan påvirker disse områdene av ekspertise Exasols produktutvikling og innovasjonsstrategi?

Min bakgrunn er en grunnlag for å arbeide i vårt felt og å forstå teknologitrendene de siste to tiårene. Det er spennende og givende å arbeide med innovative kunder som omdanner database-teknologi til interessante brukstilfeller. Vår innovasjonsstrategi avhenger ikke bare av en enkelt person, men et stort team av sofistikerte arkitekter og utviklere som forstår fremtiden for programvare, maskinvare og data-applikasjoner.

Med AI som transformerer industrier i en utenkelig hastighet, hva tror du er de essensielle komponentene av en fremtidssikker data-stakk for bedrifter som ønsker å utnytte AI og analytics effektivt?

Den raskt økende AI-adoptsjonen har vært et primært eksempel på hvorfor det er viktig for bedrifter å holde seg foran den utviklende teknologilandskapet. Det uheldige faktum er imidlertid at de fleste data-stakkene fortsatt er bak AI-kurven.

For å fremtidssikre data-stakkene, bør bedrifter først evaluere data-grunnlagene for å identifisere gap, feil eller andre utfordringer. Dette vil hjelpe dem med å sikre datakvalitet og hastighet – elementer som er kritiske for å drive verdifulle innsikt og drive AI- og LLM-modeller.

I tillegg bør teamene investere i verktøyene og teknologiene som kan lett integreres med andre løsninger i stakken. Ettersom AI kombineres med andre teknologier, som åpen kilde, vil vi se nye modeller dukke opp for å løse tradisjonelle forretningsproblemer. Generativ AI, som ChatGPT, vil også slås sammen med mer tradisjonell AI-teknologi, som deskriptiv eller prediktiv analyse, for å åpne nye muligheter for organisasjoner og strømlinje tradisjonelt tungvinte prosesser.

For å fremtidssikre data-stakkene, bør bedrifter også integrere AI og BI. Bedrifter har brukt BI-verktøy i årevis for å trekke verdifulle innsikt, og selv om det har blitt gjort mange forbedringer, er det fortsatt BI-begrensninger eller barrierer som AI kan hjelpe med. AI kan aktivere raskere resultater, forbedre tilpasning og transformere BI-landskapet til et mer inkluderende og brukervennlig domene. Ettersom BI vanligvis fokuserer på å analysere historisk data for å gi innsikt, kan AI utvide BI-kapasiteter ved å hjelpe med å forutse fremtidige hendelser, generere prediksjoner og anbefale handlinger for å påvirke ønskede resultater.

Produktivitet, fleksibilitet og kostnadsbesparelse er fremhevet som tre måter Exasol hjelper globale merker å innovere. Kan du gi et eksempel på hvordan Exasol har gjort det mulig for en kunde å oppnå betydelig avkastning gjennom din analytics-database?

Ifølge en 2023 Forrester Total Economic Impact Study, oppnår Exasol-kunder opptil 320% avkastning på deres initialinvestering over tre år ved å forbedre operasjonell effisiens, database-ytelse og tilby en enkel og fleksibel data-infrastruktur.

En av våre kunder, for eksempel, Helsana, en leder i Sveits’ konkurranse-utsatte helseindustri, kom til Exasol for å fylle et behov for en moderne data- og analytics-plattform. Før Exasol, avhengig Helsana av ulike rapporteringsverktøy med data-lagre bygget på ulike teknologier og ETL-verktøy som skapte en sammenfiltret, ineffektiv arkitektur. I sammenligning med selskapets eksisterende legacy-løsning, viste Exasols Data Warehouse en fem til ti ganger bedre ytelse.

Nå er Exasol sentral i Helsanas AI-reise, og fungerer som repository for den strukturerte dataen som Helsana bruker over alle sine AI-modeller, og gir grunnlaget for deres analytics. Med Exasol har Helsana-teamet forbedret ytelse, redusert kostnader, økt fleksibilitet og etablert en solid AI-grunn, alt sammen bidrar til betydelig avkastning, samt en økt evne til å bedre betjene kundene.

Ser fremover, hva er de kommende trendene i data-analyse og forretnings-intelligens som Exasol forbereder seg på, og hvordan planlegger du å fortsette å drive innovasjon i dette området?

 Året 2023 introduserte AI på en vid skala, som førte til knekks-reaksjoner fra organisasjoner som til slutt førte til talløse dårlig designet og utført automatiserings-eksperimenter. 2024 vil være et transformasjonsår for AI-eksperimentering og grunnleggende arbeid. Så langt, har de primære anvendelsene av GenAI vært for informasjons-tilgang gjennom chat-bots, kunde-service-automatisering og programvare-koding. Imidlertid vil det være pionerer som adopterer disse spennende teknologiene for en hel rekke av forretnings-beslutninger og optimaliseringer. Ser vi forbi 2024, vil vi begynne å se en større skubbe mot produktive implementeringer av AI.

Exasol er dedikert til å drive innovasjon og levere verdi til våre kunder, inkludert å hjelpe dem med å utvikle og implementere AI i skala. Med Exasol kan kundene kombinere BI og AI for å overvinne data-siloer i et integrert analytics-system. Vår fleksibilitet rundt deploy-opsjoner gjør det mulig for organisasjoner å bestemme hvor de ønsker å hoste sin analytics-stakk, enten det er i offentlig sky, privat sky eller på eget nett. Med Exasols Espresso AI, er vi posisjonert for å gi bedrifter mulighet til å utnytte verdien av AI-drevne analytics, uavhengig av hvor organisasjonene befinner seg i sin AI-reise.

Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke Exasol.