Mathias Golombek, Chief Technology Officer of Exasol – Wywiad

Mathias Golombek jest Chief Technology Officer (CTO) w firmie Exasol. Dołączył do firmy jako developer oprogramowania w 2004 roku, po ukończeniu studiów z informatyki ze specjalizacją w bazach danych, systemach rozproszonych, procesach rozwoju oprogramowania i algorytmach genetycznych. W 2005 roku został odpowiedzialny za zespół Database Optimizer, a w 2007 roku został szefem działu Badań i Rozwoju. W 2014 roku Mathias został mianowany CTO. W tej roli jest odpowiedzialny za rozwój produktu, zarządzanie produktem, operacje, wsparcie i konsulting techniczny.

Czym pierwotnie zainteresował się pan informatyką?

Kiedy byłam w czwartej klasie, mój starszy brat miał lekcje, na których uczono programowania w języku BASIC, i pokazał mi, co można z tym zrobić. Razem stworzyliśmy zagadkę wielkanocną na naszym Commodore 64 dla naszego najmłodszego brata, i odtąd jestem fascynowany komputerami. Informatyka w ogóle to rozwiązywanie problemów i tworzenie nowych rzeczy, i myślę, że to właśnie ten aspekt przyciągnął mnie do tej dziedziny.

Proszę opowiedzieć o swojej drodze od dołączenia do Exasol jako developera oprogramowania w 2004 roku do objęcia stanowiska CTO. Jak ewoluowały pana role na przestrzeni lat, szczególnie w szybko zmieniającym się krajobrazie technologicznym?

Studiowałem informatykę na Uniwersytecie w Würzburgu w Niemczech i rozpocząłem pracę w Exasol jako developer oprogramowania w 2004 roku, po ukończeniu studiów. Po pierwszym roku pracy w Exasol zostałem awansowany na stanowisko szefa zespołu Database Optimizer, a następnie szefa działu Badań i Rozwoju. Po tym pełniłem funkcję szefa R&D przez siedem lat, zanim objąłem stanowisko CTO w 2014 roku.

Od samego początku byłem zaskoczony tym, co robi Exasol – ta niemiecka firma technologiczna walczy z dużymi nazwami, takimi jak Microsoft, IBM i Oracle. Byłem zachwycony możliwościami, które miałem przed sobą – jako developer, tworzenie tego ogromnie równoległego systemu baz danych w pamięci była dla mnie niezwykłą okazją.

Cieszę się każdą chwilą pracy z tym utalentowanym zespołem inżynierów. Jako CTO, nadzoruję innowacje produktowe, rozwój i wsparcie techniczne Exasol. Było ekscytujące zobaczyć, jak bardzo zespół Exasol rozrósł się na całym świecie, gdy pracujemy nad wsparciem naszych klientów i ich ewoluujących potrzeb. Podstawy pozostają te same – nadal jesteśmy systemem baz danych w pamięci, ale teraz umożliwiamy naszym klientom wykorzystanie pełnego potencjału ich danych do wdrożeń sztucznej inteligencji.

Exasol był na czele wysokowydajnych baz danych analitycznych. Z pana perspektywy, co wyróżnia Exasol na tym konkurencyjnym rynku?

Liderzy biznesu są nieustannie zmuszani do radzenia sobie z tym, jak zrobić więcej z mniej. W ostatnich latach stało się to jeszcze bardziej wyzwaniem, ponieważ gospodarka nadal jest burzliwa, a proliferacja technologii sztucznej inteligencji zajęła budżet i czas.

Jako dostawca wysokowydajnych baz danych analitycznych, Exasol pozostał na czele w pomaganiu firmom w osiąganiu więcej z mniej. Pomagamy firmom przekształcić inteligencję biznesową (BI) w lepsze spostrzeżenia za pomocą Exasol Espresso, naszego wszechstronnego silnika zapytań, który łączy się z istniejącymi stosami danych. Globalne marki, takie jak T-Mobile, Piedmont Healthcare i Allianz, używają Exasol Espresso, aby przekształcić większe ilości danych w szybsze, głębsze i tańsze spostrzeżenia. I myślę, że zrobiliśmy świetną robotę w opanowaniu delikatnej równowagi między wydajnością, ceną i elastycznością, dzięki czemu klienci nie muszą dokonywać kompromisów.

W celu wsparcia firm w ich podróży z sztuczną inteligencją, niedawno przedstawiliśmy Espresso AI, wyposażając nasz wszechstronny silnik zapytań w nowy zestaw narzędzi AI, które umożliwiają organizacjom wykorzystanie pełnego potencjału ich danych do zaawansowanych, napędzanych AI spostrzeżeń i podejmowania decyzji. Możliwości Espresso AI sprawiają, że AI staje się bardziej przystępne i dostępne, umożliwiając klientom pominięcie drogich i czasochłonnych eksperymentów oraz natychmiastowe uzyskanie zwrotu z inwestycji. To jest przełom dla przedsiębiorstw, które koncentrują się na napędzaniu innowacji i dostarczaniu wartości w erze sztucznej inteligencji.

Raport Exasol z 2024 roku na temat sztucznej inteligencji i analityki podkreśla niedoinwestowanie w sztuczną inteligencję jako drogę do porażki biznesowej. Czy mógłby pan rozwinąć główne wnioski z tego raportu i wyjaśnić, dlaczego inwestowanie w sztuczną inteligencję jest kluczowe dla firm dzisiaj?

Jak pan powiedział, głównym wnioskiem z raportu Exasol z 2024 roku na temat sztucznej inteligencji i analityki jest to, że niedoinwestowanie w sztuczną inteligencję prowadzi do porażki biznesowej. Na podstawie naszego badania kadry kierowniczej, a także analityków i naukowców z USA, Wielkiej Brytanii i Niemiec, prawie wszyscy (91%) respondenci zgadzają się, że sztuczna inteligencja jest jednym z najważniejszych tematów dla organizacji w ciągu najbliższych dwóch lat, a 72% przyznaje, że nieinwestowanie w sztuczną inteligencję dzisiaj spowoduje, że przyszła żywotność biznesowa będzie zagrożona. Innymi słowy, w dzisiejszym środowisku, firmy, które nie myślą o sztucznej inteligencji, są już w tyle.

Firmy są pod presją ze strony interesariuszy, aby zainwestować w sztuczną inteligencję – i jest wiele powodów, dla których tak się dzieje. Inwestowanie w sztuczną inteligencję już pomogło organizacjom z różnych branż – od opieki zdrowotnej po usługi finansowe i detaliczne – odblokować nowe strumienie przychodu, poprawić doświadczenia klientów, zoptymalizować operacje, zwiększyć produktywność, przyspieszyć konkurencyjność i wiele więcej. Lista tylko rośnie, ponieważ firmy zaczynają znajdować sposoby na wykorzystanie sztucznej inteligencji do spełnienia swoich unikalnych potrzeb biznesowych.

Ten sam raport wymienia główne bariery wdrożenia sztucznej inteligencji, w tym luki w nauce danych i opóźnienia w implementacji. Jak Exasol rozwiązuje te wyzwania dla swoich klientów?

Pomimo krytycznej potrzeby inwestowania w sztuczną inteligencję, firmy nadal stają przed znaczącymi barierami wdrożenia. Raport Exasol na temat sztucznej inteligencji i analityki wskazuje, że do 78% decydentów doświadcza luk w co najmniej jednej dziedzinie swoich modeli nauki danych i maszynowej, a 47% wymienia jako wyzwanie szybkość wdrażania nowych wymagań dotyczących danych. Dodatkowo 79% twierdzi, że nowe wymagania analityczne zajmują zbyt dużo czasu, aby być wdrożone przez ich zespoły danych. Inne czynniki utrudniające powszechne wdrożenie sztucznej inteligencji obejmują brak strategii wdrożenia, słokiej jakości danych, niewystarczającej ilości danych i integracji z istniejącymi systemami. Ponadto ewoluujące wymagania biurokratyczne i regulacyjne dla sztucznej inteligencji powodują problemy u wielu firm, z 88% respondentów twierdzących, że potrzebują większej klarowności.

Exasol oferuje elastyczność, odporność i skalowalność firmom, które przyjmują strategię sztucznej inteligencji. W miarę jak role, takie jak Chief Data Officer (CDO), ewoluują i stają się bardziej złożone – z rosnącymi wyzwaniami etycznymi i zgodności na czele – Exasol wspiera liderów danych i pomaga im przekształcić inteligencję biznesową w szybsze, lepsze spostrzeżenia, które będą informować decyzje biznesowe i pozytywnie wpływać na wyniki finansowe.

Ponieważ sztuczna inteligencja stała się kluczowa dla sukcesu biznesowego, jest tak skuteczna, jak narzędzia, technologie i ludzie, którzy ją napędzają. Wyniki ankiety podkreślają znaczącą lukę między obecnymi narzędziami BI a ich wyjściem – więcej narzędzi nie oznacza koniecznie lepszej wydajności lub lepszych spostrzeżeń. W miarę jak CDO przygotowują się do większej złożoności i są zobowiązani do robienia więcej z mniej, muszą ocenić stos analityczny, aby zapewnić produktywność, szybkość i elastyczność – wszystko przy rozsądnych kosztach.

Espresso AI pomaga zamknąć tę lukę dla przedsiębiorstw, optymalizując procesy ekstrakcji, ładowania i transformacji danych, aby dać użytkownikom elastyczność, aby natychmiast eksperymentować z nowymi technologiami w skali, niezależnie od ograniczeń infrastruktury – czy to na miejscu, w chmurze, czy hybrydowo. Użytkownicy mogą zmniejszyć koszty i wysiłek związany z przenoszeniem danych, a także wprowadzać nowe technologie, takie jak LLM, do swojej bazy danych. Te możliwości pomagają organizacjom przyspieszyć swoją podróż w kierunku wdrożenia rozwiązań sztucznej inteligencji i maszynowej, jednocześnie zapewniając jakość i niezawodność ich danych.

Umiejętności analityczne stają się coraz bardziej ważne w erze sztucznej inteligencji. Jak Exasol przyczynia się do poprawy umiejętności analitycznych wśród swoich klientów i szerszej społeczności?

W dzisiejszych środowiskach pracy bogatych w dane, umiejętności analityczne są bardziej niż kiedykolwiek niezbędne – i szybko stają się “muszą mieć”, a nie “miło mieć” w erze sztucznej inteligencji. Przez branże, biegłość w pracy z danymi, zrozumieniu i skutecznym komunikowaniu danych jest niezbędna. Ale nadal istnieje luka w umiejętnościach analitycznych.

Umiejętności analityczne dotyczą posiadania umiejętności interpretowania złożonych informacji i możliwości działania na podstawie tych spostrzeżeń. Ale często dostęp do danych jest rozproszony w organizacji lub tylko niewielka część osób ma niezbędne umiejętności analityczne, aby zrozumieć i uzyskać dostęp do ogromnych ilości danych przepływających przez firmę. Ten podejście jest wadliwe, ponieważ ogranicza ilość czasu i zasobów poświęconych na wykorzystanie danych, a luka w umiejętnościach analitycznych tworzy barierę dla innowacji biznesowych.

Gdy ludzie posiadają umiejętności analityczne, mogą zrozumieć dane, analizować je i stosować swoje własne pomysły, umiejętności i doświadczenie. Im więcej ludzi ma wiedzę, zaufanie i narzędzia, aby rozplątać i nadać sens danym, tym bardziej skuteczna może być organizacja. W Exasol wspieramy liderów danych i firmy w napędzaniu umiejętności analitycznych i edukacji.

Ponadto do komponentu edukacyjnego, firmy powinny zoptymalizować swoje stosy technologiczne i narzędzia BI, aby umożliwić demokratyzację danych. Dostępność danych i umiejętności analityczne idą w parze. Inwestycja w obie jest potrzebna do dalszego rozwoju strategii danych. Na przykład z Exasol, nasz system bez konieczności strojenia pozwala firmom skoncentrować się na wykorzystaniu danych, a nie na technologii. Duża szybkość pozwala zespołom pracować interaktywnie z danymi i unikać ograniczeń wydajności. To ostatecznie prowadzi do demokratyzacji danych.

Teraz jest czas, aby demokratyzacja danych przeszła od dyskusji do działania w organizacjach. W miarę jak więcej osób z różnych departamentów uzyskuje dostęp do znaczących spostrzeżeń, to ulżyje tradycyjnym wąskim gardłom spowodowanym przez zespoły analityczne. Gdy te tradycyjne silosy znikną, organizacje zrozumieją, jak szerokie i głębokie jest zapotrzebowanie na ich zespoły i osoby, aby korzystać z danych. Nawet ludzie, którzy nie uważają się za użytkowników końcowych danych, będą wciągani do korzystania z danych.

Z tym przejściem pojawia się duże wyzwanie, które należy przewidzieć w nadchodzących latach – siła robocza musi zostać ulepszona, aby każdy pracownik mógł uzyskać odpowiednie umiejętności, aby skutecznie korzystać z danych i spostrzeżeń, aby podejmować decyzje biznesowe. Dzisiejsza siła robocza nie wie, jakie pytania zadać swoim strumieniom danych lub automatyce, która je napędza. Wartość możliwości sformułowania precyzyjnych, wnikliwych i powiązanych z biznesem pytań rośnie, tworząc pilną potrzebę szkolenia siły roboczej w tej zdolności.

Pan ma silne tło w dziedzinie baz danych, systemów rozproszonych i algorytmów genetycznych. Jak te dziedziny specjalizacji wpływają na rozwój produktu i strategię innowacji Exasol?

Moje tło jest podstawą pracy w naszej dziedzinie i zrozumienia trendów technologicznych z ostatnich dwóch dekad. Jest to ekscytujące i satysfakcjonujące pracować z innowacyjnymi klientami, którzy przekształcają technologię baz danych w interesujące przypadki użycia. Nasza strategia innowacji nie zależy tylko od jednostki, ale od dużego zespołu wykwalifikowanych architektów i developerów, którzy rozumieją przyszłość oprogramowania, sprzętu i aplikacji danych.

W miarę jak sztuczna inteligencja transformuje branże w niezwykłym tempie, co pan uważa za niezbędne składniki przyszłego, odpornego na zmiany stosu danych dla firm, które chcą skutecznie wykorzystywać analitykę i sztuczną inteligencję?

Szybkie wdrożenie sztucznej inteligencji było głównym przykładem tego, dlaczego firmy powinny pozostać na czele ewoluującego krajobrazu technologicznego. Niestety, większość stosów danych nadal pozostaje w tyle za krzywą sztucznej inteligencji.

Aby zapewnić przyszłość stosów danych, firmy powinny najpierw ocenić podstawy danych, aby zidentyfikować luki, błędy lub inne wyzwania. To pomoże im zapewnić jakość i szybkość danych – elementy, które są kluczowe dla napędzania cennych spostrzeżeń i paliw sztucznej inteligencji i modeli LLM.

Ponadto zespoły powinny inwestować w narzędzia i technologie, które mogą łatwo integrować się z innymi rozwiązaniami w stosie. W miarę jak sztuczna inteligencja łączy się z innymi technologiami, takimi jak open source, zobaczymy nowe modele, które rozwiążą tradycyjne problemy biznesowe. Sztuczna inteligencja generatywna, taka jak ChatGPT, połączy się z tradycyjną technologią sztucznej inteligencji, taką jak analityka opisowa lub predykcyjna, aby otworzyć nowe możliwości dla organizacji i uprościć tradycyjnie uciążliwe procesy.

Aby zapewnić przyszłość stosów danych, firmy powinny również integrować sztuczną inteligencję i analitykę biznesową. Firmy używały narzędzi analityki biznesowej przez dziesięciolecia, aby wydobyć cenne spostrzeżenia, a sztuczna inteligencja może pomóc w tym, aby przekształcić te spostrzeżenia w szybsze wyniki, poprawić personalizację i przekształcić krajobraz analityki biznesowej w bardziej inkluzywny i przyjazny dla użytkownika.

Produktywność, elastyczność i oszczędności kosztów są wymienione jako trzy sposoby, w jakie Exasol pomaga globalnym markom innowować. Czy mógłby pan podać przykład, w jaki sposób Exasol umożliwił klientowi osiągnięcie znacznego zwrotu z inwestycji dzięki swojej bazie danych analitycznej?

Zgodnie z raportem Forrester z 2023 roku, klienci Exasol osiągają do 320% zwrotu z inwestycji w ciągu trzech lat, poprawiając wydajność operacyjną, wydajność bazy danych i oferując prostą i elastyczną infrastrukturę danych.

Jeden z naszych klientów, Helsana, lider w konkurencyjnej branży opieki zdrowotnej w Szwajcarii, zwrócił się do Exasol, aby spełnić potrzebę nowoczesnej platformy danych i analityki. Przed Exasol Helsana polegała na różnych narzędziach raportowych z magazynami danych zbudowanymi na różnych technologiach i narzędziach ETL, co tworzyło splątane i niewydajne architektury. W porównaniu z rozwiązaniem Helsany, Data Warehouse Exasol wykazał pięcio- do dziesięciokrotną poprawę wydajności.

Teraz Exasol jest centralny dla podróży Helsany z sztuczną inteligencją, służąc jako repozytorium dla danych strukturalnych, które Helsana używa we wszystkich swoich modelach sztucznej inteligencji i zapewniając podstawę dla swojej analityki. Z Exasol zespół Helsana poprawił wydajność, zmniejszył koszty, zwiększył elastyczność i ustanowił solidną podstawę dla sztucznej inteligencji, co wszystko przyczynia się do znacznego zwrotu z inwestycji, a także zwiększa możliwość lepszego obsługi klientów.

Spójrzając w przyszłość, jakie są nadchodzące trendy w analityce danych i inteligencji biznesowej, na które Exasol się przygotowuje, i jak pan planuje kontynuować napędzanie innowacji w tej dziedzinie?

Rok 2023 wprowadził sztuczną inteligencję na szeroką skalę, co spowodowało reakcje odruchowe u organizacji, które ostatecznie spowodowały niezliczoną ilość źle zaprojektowanych i wykonanych eksperymentów z automatyzacją. Rok 2024 będzie rokiem transformacji dla eksperymentów z sztuczną inteligencją i pracy podstawowej. Do tej pory główne zastosowania sztucznej inteligencji generatywnej były dla dostępu do informacji za pomocą czatbotów, automatyzacji obsługi klienta i kodowania oprogramowania. Jednak będą pionierzy, którzy przyjmują te ekscytujące technologie do szerokiej gamy podejmowania decyzji biznesowych i optymalizacji.

W Exasol jesteśmy zaangażowani w napędzanie innowacji i dostarczanie wartości naszym klientom, w tym pomocy w rozwijaniu i wdrażaniu sztucznej inteligencji w skali. Z Exasol klientom można połączyć analitykę biznesową i sztuczną inteligencję, aby pokonać silosy danych w zintegrowanym systemie analitycznym. Nasza elastyczność wokół opcji wdrożeniowych umożliwia organizacjom decydowanie, gdzie chcą hostować swój stos analityczny, czy to w chmurze publicznej, chmurze prywatnej czy na miejscu. Z Exasol Espresso AI jesteśmy w stanie umożliwić przedsiębiorstwom wykorzystanie wartości sztucznej inteligencji, niezależnie od tego, gdzie znajdują się w swojej podróży z sztuczną inteligencją.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Exasol.