Mathias Golombek, teknologidirektør i Exasol – Intervju-serie

Mathias Golombek er teknologidirektør (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 i BASIC, og han viste meg hva man kunne gjøre med det. Sammen utviklet vi en påske-løsning 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 det raskt endrende teknologilandskapet?

Jeg studerte datavitenskap ved Universitetet i Würzburg i Tyskland og begynte i Exasol som programvareutvikler i 2004 etter å ha fullført 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, tjenestegjorde jeg som 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 ble slått av mulighetene som lå foran meg — som utvikler, å skape dette massivt parallele prosesserings- (MPP), minnebaserte databasehåndteringssystem var himmelen på jorden.

Jeg har nydt 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 evoluerende behov. Grunnleggende er det samme — vi er fortsatt et minnebasert databasehåndteringssystem, men nå gir vi våre kunder mulighet til å utnytte kraften av deres data for AI-implementeringer.

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

Forretningsledere 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 gjelder å hjelpe bedrifter med å gjøre mer med mindre. Vi hjelper selskaper med å transformere bedriftsintelligens (BI) til bedre innsikt med Exasols Espresso, vår fleksible spørringsmotor som kan kobles til eksisterende data-stacker. Globale merker som T-Mobile, Piedmont Healthcare og Allianz bruker Exasols 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 delikate 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 utstyrt vår fleksible spørringsmotor med en ny samling av AI-verktøy som muliggjør at organisasjoner kan utnytte kraften av deres data for avanserte AI-drevne innsikt og beslutningstaking. Espresso AIs kapasiteter gjør AI mer tilgjengelig og rimelig, og muliggjør at kundene kan 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.

Rapporten om AI og analytics for 2024 fra Exasol understreker underinvestering i AI som en vei til bedriftsfiasko. Kan du utdype på de viktigste funnene i denne rapporten og hvorfor investering i AI er kritisk for bedrifter i dag?

Som du nevnte, er hovedkonklusjonen fra 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 det nesten alle (91%) som er enige om at AI er ett av de viktigste temaene for organisasjoner de neste to årene, med 72% som innrømmer at ikke å investere i AI i dag vil sette fremtidig bedrifts-viabilitet i fare. Det enkle uttrykt, i dagens miljø, er bedrifter som ikke tenker på AI allerede bak.

Bedrifter møter press fra interessenter for å investere i AI – og det er mange grunner til dette. Investering i AI har allerede hjulpet organisasjoner over hele bransjene – fra helse 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 som bedrifter begynner å finne spesifikke måter å utnytte AI til å møte unike forretningsbehov.

Samme rapport nevner store barrierer for AI-adoptsjon, inkludert datavitenskapelige gap og latent implementering. Hvordan møter Exasol disse utfordringene for sine kunder?

Til tross for det kritiske behovet for AI-investering, møter bedrifter fortsatt betydelige barrierer for bredere implementering. Exasols AI og analytics-rapport indikerer at opptil 78% av beslutningstakerne opplever gap i minst ett område av deres datavitenskapelige og maskinlæringsmodeller (ML), med 47% som nevner hastighet til å implementere nye datakrav som en utfordring. En ekstra 79% hevder at nye forretningsanalysekrav tar for lang tid å bli implementert av deres data-team. Andre faktorer som hindrer vidt omfattende AI-adoptsjon inkluderer mangelen på en implementeringsstrategi, dårlig datakvalitet, utilstrekkelige data-volumer og integrasjon med eksisterende systemer. I tillegg til dette, skaper utviklende byråkratiske krav og reguleringer for AI problemer for mange selskaper, med 88% av respondentene som påstår at de trenger mer klarhet.

Som AI-utviklingen øker, 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. Mens roller som Chief Data Officer (CDO) fortsetter å utvikle seg og blir mer komplekse – med økende etiske og samarbeidsutfordringer i fremtreden – støtter Exasol data-ledere og hjelper dem med å transformere BI til raskere, bedre innsikt som vil informere bedriftsbeslutninger og positivt påvirke resultatet.

mens AI har blitt kritisk for bedriftssuksess, er det bare like effektivt som verktøyene, teknologien og menneskene som driver det på baksiden. Undersøkelsesresultatene understreker den betydelige gapet mellom nåværende BI-verktøy og deres utgang – flere verktøy betyr ikke nødvendigvis raskere ytelse eller bedre innsikt. Mens 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 til å lukke dette gapet for bedriftene ved å optimalisere data-utvinning, lasting og transformasjonsprosesser for å gi brukerne fleksibiliteten til å eksperimentere umiddelbart med nye teknologier i stor skala, uavhengig av infrastruktur-begrensninger – enten på egen hånd, i skyen eller i en hybrid. Brukere kan redusere data-bevegelseskostnader og innsats samtidig som de bringer inn nye teknologier som LLM-er inn i deres database. Disse kapasitetene hjelper organisasjoner 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 bredere samfunnet?

I dagens data-rike arbeidsmiljøer er data-litteratur-ferdigheter mer viktig enn noen gang – og raskt blir det et “måtte-ha” i stedet for et “flott-å-ha” i AI-alderen. Over hele bransjene har 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 enorme mengdene data som flyter gjennom bedriften. Dette tilretteleggingen er feil, fordi 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 på det. Jo flere mennesker som har kunnskapen, tilliten og verktøyene til å løse 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 optimalisere 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 lar bedrifter fokusere på data-bruken, i stedet for teknologien. Den høye hastigheten lar teamene arbeide interaktivt med data og unngå å bli begrenset av ytelsesbegrensninger. Dette fører til slutt til data-demokratisering.

Nå er tiden for data-demokratisering å skifte fra et diskusjonsemne til handling innen organisasjoner. Etterhvert som flere mennesker over hele avdelingene får tilgang til meningsfulle innsikt, vil det lettet de tradisjonelle flaskenekler som er forårsaket av data-analyseteam. Når disse tradisjonelle siloene kollapser, vil organisasjonene innse hvor bredt og dypt behovet er for deres team og enkelt-personer å bruke data. Selv mennesker som ikke nå tror de er en sluttbruker av data, vil bli trukket inn for å mate av data.

Med denne skiftet kommer en stor utfordring å forutse i årene som kommer – arbeidsstyrken må oppgraderes for at hver enkelt ansatt skal få den rette ferdighets-samlingen til å bruke data og innsikt til å ta bedrifts-beslutninger. I dagens arbeidsstyrke vil ikke vite de rette spørsmålene å stille til deres data-feed, eller automatiseringen som driver det. Verdien av å kunne artikulere presise, grundige og forretnings-orienterte spørsmål øker i verdi, og skaper en direkte behov for å trene arbeidsstyrken 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 grunn til 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 bransjer i en utenforliggende hastighet, hva tror du er de essensielle komponentene av en fremtidssikker data-stack for bedrifter som ønsker å utnytte AI og analytics effektivt?

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

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

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

For å fremtidssikre data-stacker, bør bedrifter også integrere AI og BI. Bedrifter har brukt BI-verktøy i tiår for å trekke verdifulle innsikt, og selv om det har blitt mange forbedringer, er det fortsatt BI-begrensninger eller barrierer som AI kan hjelpe med. AI kan muliggjøre raskere resultater, forbedre personliggjøring og transformere BI-landskapet til et mer inkluderende og brukervennlig domene. Ettersom BI vanligvis fokuserer på å analysere historiske 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 muliggjort at en kunde har oppnådd 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, Helsana, en leder i Sveits’ konkurrerende 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 data 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, alle som bidrar til betydelig avkastning i tillegg til en økt evne til å bedre betjene kunder.

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

 Året 2023 introduserte AI på en bred skala, som førte til kne-jerk-reaksjoner fra organisasjoner som til slutt skapte talløse dårlig designet og utført automatiserings-eksperimenter. 2024 vil være et transformasjonsår for AI-eksperimenter og grunnarbeid. Så langt, har de primære anvendelsene av GenAI vært for informasjons-tilgang gjennom chat-bots, kunde-service-automatisering og programvare-koding. Likevel, vil det være pionerer som adopterer disse spennende teknologier for en hel rekke av bedrifts-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 stor skala. Med Exasol kan kundene kombinere BI og AI for å overvinne data-siloer i et integrert analytics-system. Vår fleksibilitet rundt deploy-opsjoner muliggjør også at organisasjoner kan bestemme hvor de ønsker å hoste sin analytics-stack, enten det er i offentlig sky, privat sky eller på egen hånd. Med Exasols Espresso AI, er vi posisjonert til å muliggjøre at bedrifter kan utnytte verdien av AI-drevne analytics, uavhengig av hvor organisasjonene befinner seg i sin AI-reise. Uansett hvor det er i offentlig sky, privat sky eller på egen hånd. Med Exasols Espresso AI, er vi posisjonert til å muliggjøre at bedrifter kan utnytte verdien av AI-drevne analytics, uansett hvor organisasjonene befinner seg i sin AI-reise. Takk for det flotte intervjuet, lesere som ønsker å lære mer, bør besøke Exasol.