Mathias Golombek, Chief Technology Officer of Exasol – Interview Series

Mathias Golombek jest Chief Technology Officer (CTO) w firmie Exasol. Dołączył do firmy jako programista w 2004 roku, po ukończeniu studiów z informatyki ze specjalizacją w bazach danych, systemach rozproszonych, procesach rozwoju oprogramowania oraz algorytmach genetycznych. W 2005 roku został odpowiedzialny za zespół Database Optimizer, a w 2007 roku objął stanowisko Head of Research & Development. W 2014 roku Mathias został mianowany CTO. W tej roli jest odpowiedzialny za rozwój produktu, zarządzanie produktem, operacje, wsparcie oraz konsulting techniczny.

Czym pierwotnie zainteresował Cię się informatyka?

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 polega na rozwiązywaniu problemów i tworzeniu, i myślę, że to aspekt najbardziej przyciąga mnie do tej dziedziny.

Czy możesz opowiedzieć o swojej drodze od dołączenia do Exasol jako programisty w 2004 roku do objęcia stanowiska CTO? Jak Twoje role ewoluowały na przestrzeni lat, zwłaszcza w szybko zmieniającym się krajobrazie technologicznym?

Studiowałem informatykę na Uniwersytecie w Würzburgu w Niemczech i rozpocząłem pracę w Exasol jako programista w 2004 roku, po ukończeniu studiów. Po pierwszym roku pracy w Exasol zostałem awansowany na stanowisko kierownika zespołu Database Optimizer, a następnie na stanowisko Head of Research and Development. Po tym pełniłem funkcję Head of 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 walczyła z dużymi nazwami, takimi jak Microsoft, IBM i Oracle. Byłem zaskoczony możliwościami, które miałem przed sobą – jako programista, tworzenie tego systemu zarządzania bazą danych z przetwarzaniem równoległym (MPP) i pamięcią wewnętrzną było dla mnie rajem.

Cieszyłem się każdą chwilą pracy z tym utalentowanym zespołem inżynierów. Jako CTO, nadzoruję innowacje produktowe, rozwój i wsparcie techniczne Exasol. Było ekscytujące obserwować, jak bardzo zespół Exasol rozrasta się na całym świecie, gdy wspieramy naszych klientów i ich ewoluujące potrzeby. Podstawy pozostają takie same – nadal jesteśmy systemem zarządzania bazą danych w pamięci wewnętrznej, ale teraz umożliwiamy naszym klientom wykorzystanie mocy ich danych do wdrożeń AI.

Exasol był na czele wysokowydajnych baz danych analitycznych. Z Twojego punktu widzenia, co wyróżnia Exasol na tym konkurencyjnym rynku?

Liderzy biznesu są nieustannie zmuszani do nawigowania w kwestii tego, jak zrobić więcej z mniej. W ostatnich latach stało się to jeszcze bardziej wyzwaniem, gdy gospodarka nadal jest burzliwa, a rozpowszechnienie technologii AI zajęło budżet i czas.

Jako dostawca wysokowydajnych baz danych analitycznych, Exasol pozostał na czele w pomaganiu firmom w osiąganiu więcej z mniej. Pomagamy firmom przekształcić business intelligence (BI) w lepsze wglądy 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 objętości danych w szybsze, głębsze i tańsze wglądy. I myślę, że zrobiliśmy świetną robotę w opanowaniu delikatnej równowagi między wydajnością, ceną i elastycznością, dzięki czemu klienci nie muszą dokonywać kompromisów.

Aby wspierać firmy w ich podróży z AI, niedawno przedstawiliśmy Espresso AI, wyposażając nasz wszechstronny silnik zapytań w nowy zestaw narzędzi AI, które umożliwiają organizacjom wykorzystanie mocy ich danych do zaawansowanych wglądów i podejmowania decyzji napędzanych przez AI. Możliwości Espresso AI sprawiają, że AI staje się bardziej przystępne i dostępne, umożliwiając klientom ominąć drogie i czasochłonne eksperymenty oraz osiągnąć natychmiastowy zwrot z inwestycji. To jest przełom dla przedsiębiorstw, które koncentrują się na napędzaniu innowacji i dostarczaniu wartości w erze AI.

Raport Exasol na temat AI i analityki z 2024 roku podkreśla niedoinwestowanie w AI jako drogę do porażki biznesu. Czy mógłbyś rozwinąć główne wnioski z tego raportu i dlaczego inwestowanie w AI jest krytyczne dla firm dzisiaj?

Jak powiedziałeś, głównym wnioskiem z raportu Exasol na temat AI i analityki z 2024 roku jest to, że niedoinwestowanie w AI prowadzi do porażki biznesu. Na podstawie naszego badania decydentów oraz analityków i naukowców z USA, Wielkiej Brytanii i Niemiec, prawie wszyscy (91%) respondenci zgadzają się, że AI jest jednym z najważniejszych tematów dla organizacji w ciągu najbliższych dwóch lat, a 72% przyznaje, że nieinwestowanie w AI dzisiaj spowoduje ryzyko dla przyszłej żywotności biznesu. Po prostu, w dzisiejszym środowisku, firmy, które nie myślą o AI, są już w tyle.

Firmy są pod presją ze strony stakeholderów, aby zainwestować w AI – i istnieje wiele powodów, dla których jest to konieczne. Inwestowanie w AI już pomogło organizacjom z różnych branż – od opieki zdrowotnej po usługi finansowe i handel detaliczny – odblokować nowe strumienie przychodu, poprawić doświadczenia klientów, zoptymalizować operacje, zwiększyć produktywność, przyspieszyć konkurencyjność i wiele więcej. Lista rośnie, gdy firmy zaczynają znajdować sposoby na wykorzystanie AI do spełnienia ich unikalnych potrzeb biznesowych.

Ten sam raport wymienia główne bariery dla adopcji AI, w tym luki w nauce danych i opóźnienia w wdrożeniu. Jak Exasol rozwiązuje te wyzwania dla swoich klientów?

Pomimo krytycznej potrzeby inwestycji w AI, firmy nadal napotykają znaczne bariery dla szerszego wdrożenia. Raport Exasol na temat AI i analityki wskazuje, że do 78% decydentów doświadcza luk w co najmniej jednej dziedzinie swoich modeli nauki danych i maszynowej (ML), a 47% wymienia prędkość wdrożenia nowych wymagań danych jako wyzwanie. Dodatkowo 79% twierdzi, że nowe wymagania analityczne zajmują zbyt dużo czasu, aby być wdrożone przez ich zespoły danych. Inne czynniki utrudniające powszechne wdrożenie AI obejmują brak strategii wdrożeniowej, słoką jakość danych, niewystarczającą ilość danych i integrację z istniejącymi systemami. Ponadto ewoluujące wymagania biurokratyczne i regulacyjne dotyczące AI powodują problemy dla wielu firm, a 88% respondentów stwierdza, że potrzebują większej jasności.

W miarę jak wdrożenie AI rośnie, będzie coraz ważniejsze dla firm, aby zapewnić silne podstawy danych. Exasol oferuje elastyczność, odporność i skalowalność firmom, które przyjmują strategię AI. Jako że role, takie jak Chief Data Officer (CDO), nadal ewoluują i stają się bardziej złożone – z rosnącymi wyzwaniami etycznymi i zgodności na pierwszym planie – Exasol wspiera liderów danych i pomaga im przekształcić BI w szybsze, lepsze wglądy, które poinformują decyzje biznesowe i pozytywnie wpłyną na wynik.

Podczas gdy AI stało się kluczowe dla sukcesu biznesu, jest tylko tak skuteczne, jak narzędzia, technologie i ludzie, którzy je napędzają. Wyniki ankiety podkreślają znaczącą lukę między obecnymi narzędziami BI a ich wynikami – więcej narzędzi nie oznacza koniecznie lepszych wyników lub głębszych wglądów. Jako CDO przygotowują się na więcej złożoności i są zobowiązani do robienia więcej z mniej, muszą ocenić stos analityczny, aby zapewnić produktywność, prędkość i elastyczność – wszystko przy rozsądnym koszcie.

Espresso AI pomaga zamknąć tę lukę dla przedsiębiorstw, optymalizując procesy ekstrakcji, ładowania i transformacji danych, aby dać użytkownikom elastyczność natychmiastowego eksperymentowania 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 AI i ML, jednocześnie zapewniając jakość i niezawodność ich danych.

Umiejętności analityczne stają się coraz bardziej ważne w erze AI. 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 “koniecznością” zamiast “miłym dodatkiem” w erze AI. Przez branże, biegłość w pracy z danymi, rozumieniu i skutecznym przekazywaniu informacji jest niezbędna. Ale nadal istnieje luka w umiejętnościach analitycznych.

Umiejętności analityczne dotyczą posiadania umiejętności interpretowania złożonych informacji i możliwości działania na podstawie tych wyników. 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 ostatecznie luka w umiejętnościach analitycznych tworzy barierę dla innowacji biznesowych.

Kiedy ludzie są analitycznie wykształceni, mogą zrozumieć dane, analizować je i stosować swoje własne pomysły, umiejętności i ekspertyzę. 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.

Oprócz komponentu edukacyjnego, firmy powinny zoptymalizować swoje stosy technologiczne i narzędzia BI, aby umożliwić demokratyzację danych. Dostęp do danych i umiejętności analityczne idą w parze. Inwestycja w oba 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. Wysoka prędkość pozwala zespołom pracować interaktywnie z danymi i unikać ograniczeń wydajnościowych. To ostatecznie prowadzi do demokratyzacji danych.

Teraz jest czas, aby demokratyzacja danych przeszła od tematu dyskusji do działania w organizacjach. Im więcej ludzi z różnych departamentów uzyskuje dostęp do znaczących wglądów, tym bardziej ulżą tradycyjne wąskie gardła spowodowane przez zespoły analityczne. Kiedy te tradycyjne silosy znikają, organizacje zrozumieją, jak szerokie i głębokie jest zapotrzebowanie na ich zespoły i osoby, aby korzystać z danych. Nawet ludzie, którzy nie uważają się obecnie za użytkowników końcowych danych, będą wciągnięci do karmienia danymi.

Wraz z tym przesunięciem pojawia się główne wyzwanie, które należy przewidzieć w nadchodzących latach – siła robocza będzie musiała zostać ulepszona, aby każdy pracownik mógł uzyskać odpowiednie umiejętności, aby skutecznie korzystać z danych i wglądów, aby podejmować decyzje biznesowe. Dzisiejsza siła robocza nie będzie wiedziała, 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 przeszkolenia siły roboczej w tej zdolności.

Masz silne tło w bazach danych, systemach rozproszonych i algorytmach genetycznych. Jak te obszary Twojej ekspertyzy wpływają na rozwój produktu i strategię innowacji Exasol?

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

Patrząc w przyszłość, jakie są nadchodzące trendy w analityce danych i business intelligence, na które Exasol się przygotowuje, i jak planujesz kontynuować napędzanie innowacji w tym obszarze?

Rok 2023 wprowadził AI na szeroką skalę, co spowodowało odruchowe reakcje organizacji, które ostatecznie spowodowały liczne źle zaprojektowane i wykonane eksperymenty z automatyzacją. Rok 2024 będzie rokiem transformacji dla eksperymentów z AI i prac podstawowych. Do tej pory główne zastosowania GenAI były dla dostępu do informacji za pomocą czatbotów, automatyzacji obsługi klienta i kodowania oprogramowania. Jednak będą pionierzy, którzy przyjmują te ekscytujące technologie dla szerokiej gamy decyzji biznesowych i optymalizacji. Patrząc poza 2024 rok, zaczniemy widzieć większy nacisk na produktywne wdrożenia AI.

W Exasol jesteśmy zaangażowani w napędzanie innowacji i dostarczaniu wartości naszym klientom, w tym pomocy im w rozwijaniu i wdrażaniu AI w skali. Z Exasol klientom można połączyć BI i AI, aby pokonać silosy danych w zintegrowanym systemie analitycznym. Nasza elastyczność wokół opcji wdrożeniowych umożliwia również organizacjom decydowanie, gdzie chcą hostować swój stos analityczny, czy to w chmurze publicznej, prywatnej czy na miejscu. Z Espresso AI jesteśmy pozycjonowani, aby umożliwić przedsiębiorstwom wykorzystanie wartości analityki napędzanej przez AI, niezależnie od tego, gdzie znajdują się w swojej podróży z AI.

Dziękuję za wspaniałe wywiady, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Exasol.