Матиас Голомбек, технический директор Exasol – Интервью

Матиас Голомбек является техническим директором (CTO) Exasol. Он присоединился к компании в качестве разработчика программного обеспечения в 2004 году после изучения компьютерных наук с упором на базы данных, распределенные системы, процессы разработки программного обеспечения и генетические алгоритмы. К 2005 году он был ответственным за команду оптимизатора базы данных, а в 2007 году стал руководителем отдела исследований и разработки. В 2014 году Матиас был назначен техническим директором. В этой роли он отвечает за разработку продукта, управление продуктом, операции, поддержку и технические консультации.

Что изначально привлекло вас к информатике?

Когда мне было в четвертом классе, у моего старшего брата были уроки, на которых они учили программировать на BASIC, и он показал мне, что можно сделать с этим. Вместе мы разработали пасхальную загадку на нашем Commodore 64 для нашего младшего брата, и с тех пор я увлекся компьютерами. Информатика в целом – это решение проблем и творчество, и я думаю, что именно этот аспект привлек меня к этой области.

Можете ли вы рассказать о вашем пути от присоединения к Exasol в качестве разработчика программного обеспечения в 2004 году до того, как стать техническим директором? Как ваши роли эволюционировали за годы, особенно в быстро меняющемся технологическом ландшафте?

Я изучал компьютерные науки в Университете Вюрцбурга в Германии и начал работать в Exasol в качестве разработчика программного обеспечения в 2004 году после окончания университета. После первого года работы в Exasol меня повысили до руководителя команды оптимизатора базы данных, а затем до руководителя отдела исследований и разработки. После этого я семь лет работал руководителем отдела исследований и разработки, прежде чем занять свою текущую должность технического директора в 2014 году.

С самого начала я был поражен тем, что делала Exasol – эта немецкая технологическая компания боролась с известными брендами, такими как Microsoft , IBM и Oracle. Меня поразила возможность, которая стояла передо мной – как разработчик, создание этой массово параллельной (MPP), базы данных в памяти было настоящим раем.

Мне понравилось каждую минуту работы с этой талантливой инженерной командой. Как технический директор, я курирую инновации продукта, разработку и техническую поддержку Exasol. Было интересно увидеть, как команда Exasol выросла глобально, когда мы работаем над поддержкой наших клиентов и их меняющимися потребностями. Основы остаются прежними – мы по-прежнему являемся базой данных в памяти, но теперь мы помогаем нашим клиентам использовать силу своих данных для реализации ИИ.

Exasol была на переднем крае высокопроизводительных аналитических баз данных. С вашей точки зрения, что отличает Exasol в этом конкурентном пространстве?

Руководители бизнеса постоянно сталкиваются с задачей навигации в том, как делать больше с меньшим. В последние годы это стало еще более сложным, поскольку экономика продолжает быть бурной, а распространение технологии ИИ заняло бюджет и время.

Как поставщик высокопроизводительных аналитических баз данных, Exasol остается впереди кривой, когда речь идет о помощи бизнесу делать больше с меньшим. Мы помогаем компаниям превратить бизнес-аналитику (BI) в лучшие идеи с помощью Exasol Espresso, нашего универсального движка запросов, который подключается к существующим стекам данных. Глобальные бренды, такие как T-Mobile, Piedmont Healthcare и Allianz, используют Exasol Espresso, чтобы превратить большие объемы данных в более быстрые, глубокие и дешевые идеи. И я думаю, что мы отлично справились с балансом между производительностью, ценой и гибкостью, поэтому клиентам не приходится идти на компромисс.

Чтобы поддержать компании на их пути к ИИ, мы также недавно представили Espresso AI, оснастив наш универсальный движок запросов новым набором инструментов ИИ, которые позволяют организациям использовать силу своих данных для получения передовых аналитических данных и принятия решений. Возможности Espresso AI делают ИИ более доступным и доступным, позволяя клиентам обходить дорогостоящие и трудоемкие эксперименты и достигать немедленного возврата инвестиций. Это революция для предприятий, которые сосредоточены на стимулировании инноваций и доставке ценности в эпоху ИИ.

Отчет Exasol о ИИ и аналитике за 2024 год подчеркивает недоинвестирование в ИИ как путь к бизнес-неудаче. Можете ли вы рассказать о ключевых выводах этого отчета и почему инвестиции в ИИ имеют решающее значение для бизнеса сегодня?

Как вы упомянули, основным выводом отчета Exasol о ИИ и аналитике за 2024 год является то, что недоинвестирование в ИИ приводит к бизнес-неудаче. Основываясь на нашем опросе старших руководителей, а также данных ученых и аналитиков в США, Великобритании и Германии, почти все (91%) респондентов согласны с тем, что ИИ является одним из наиболее важных вопросов для организаций в течение следующих двух лет, и 72% признают, что неинвестиции в ИИ сегодня поставят под угрозу будущую жизнеспособность бизнеса. Просто говоря, в сегодняшней среде бизнес, который не думает об ИИ, уже отстает.

Бизнес сталкивается с давлением со стороны заинтересованных сторон, чтобы инвестировать в ИИ – и есть много причин, почему. Инвестиции в ИИ уже помогли организациям различных отраслей – от здравоохранения до финансовых услуг и розничной торговли – открыть новые источники дохода, улучшить опыт клиентов, оптимизировать операции, повысить производительность, ускорить конкурентоспособность и многое другое. Список только растет, поскольку бизнес начинает находить конкретные способы использования ИИ для удовлетворения уникальных бизнес-потребностей.

Тот же отчет упоминает основные барьеры на пути к принятию ИИ, включая пробелы в области науки о данных и задержки в реализации. Как Exasol решает эти проблемы для своих клиентов?

Несмотря на критическую необходимость инвестирования в ИИ, бизнес все еще сталкивается с значительными барьерами на пути к более широкому внедрению. Отчет Exasol о ИИ и аналитике показывает, что до 78% руководителей испытывают пробелы в至少 одной области своих моделей науки о данных и машинного обучения, и 47% цитируют скорость реализации новых требований к данным в качестве проблемы. Еще 79% утверждают, что новые требования бизнес-аналитики занимают слишком много времени для реализации их командами данных. Другие факторы, препятствующие широкому внедрению ИИ, включают отсутствие стратегии реализации, плохое качество данных, недостаточные объемы данных и интеграцию с существующими системами. Кроме того, эволюционирующие бюрократические требования и нормативные акты для ИИ вызывают проблемы у многих компаний, при этом 88% респондентов заявляют, что им нужна большая ясность.

По мере роста внедрения ИИ станет еще более важно для бизнеса обеспечить прочные основы данных. Exasol предлагает гибкость, устойчивость и масштабируемость бизнесу, принимающему стратегию ИИ. По мере того, как роли, такие как руководитель отдела данных (CDO), продолжают эволюционировать и становиться более сложными – с растущими этическими и проблемами соблюдения нормативных актов на переднем плане – Exasol поддерживает лидеров данных и помогает им превратить бизнес-аналитику в более быстрые, лучшие идеи, которые будут информировать бизнес-решения и положительно влиять на дно линии.

Хотя ИИ стал критически важным для бизнес-успеха, он так же эффективен, как и инструменты, технологии и люди, которые его поддерживают на заднем плане. Результаты опроса подчеркивают значительный разрыв между текущими инструментами бизнес-аналитики и их выводом – наличие большего количества инструментов не обязательно означает более быструю производительность или лучшие идеи. По мере того, как руководители отдела данных готовятся к большей сложности и должны делать больше с меньшим, им необходимо оценить стек данных, чтобы обеспечить производительность, скорость и гибкость – все при разумной цене.

Espresso AI помогает закрыть этот разрыв для предприятий, оптимизируя процессы извлечения, загрузки и преобразования данных, чтобы дать пользователям гибкость для немедленного экспериментирования с новыми технологиями в масштабе, независимо от ограничений инфраструктуры – будь то на месте, в облаке или гибридное. Пользователи могут сократить затраты на перемещение данных и усилия, а также внедрять появляющиеся технологии, такие как LLM, в свою базу данных. Эти возможности помогают организациям ускорить свой путь к реализации решений ИИ и машинного обучения, обеспечивая при этом качество и надежность своих данных.

Грамотность данных становится все более важной в эпоху ИИ. Как Exasol способствует повышению грамотности данных среди своих клиентов и более широкого сообщества?

В сегодняшних средах, богатых данными, навыки грамотности данных более важны, чем когда-либо – и быстро становятся “необходимыми”, а не “желательными” в эпоху ИИ. Во всех отраслях профессионализм в работе с данными, понимании и эффективном общении с данными стал важным. Однако остается разрыв в грамотности данных.

Грамотность данных – это наличие навыков для интерпретации сложной информации и способности действовать на основе этих выводов. Но часто доступ к данным разделен внутри организации, или только небольшой подмножество людей имеет необходимые навыки грамотности данных, чтобы понять и получить доступ к огромным объемам данных, протекающим через бизнес. Этот подход ошибочен, поскольку он ограничивает количество времени и ресурсов, посвященных использованию данных, и, в конечном итоге, разрыв в грамотности данных создает барьер для бизнес-инноваций.

Когда люди обладают грамотностью данных, они могут понять данные, проанализировать их и применить свои собственные идеи, навыки и экспертизу к ним. Чем больше людей обладают знаниями, уверенностью и инструментами, чтобы распутать и извлечь смысл из данных, тем более успешной может быть организация. В Exasol мы поддерживаем лидеров данных и бизнес в содействии грамотности данных и образованию.

Помимо компонента образования, бизнес должен оптимизировать свои технологические стека и инструменты бизнес-аналитики, чтобы обеспечить демократизацию данных. Доступность данных и грамотность данных идут рука об руку. Инвестиции в оба необходимы для продвижения стратегий данных. Например, с Exasol наша система без настройки позволяет бизнесу сосредоточиться на использовании данных, а не технологий. Высокая скорость позволяет командам работать интерактивно с данными и избегать ограничений производительности. Это в конечном итоге приводит к демократизации данных.

Теперь время для демократизации данных перейти от темы обсуждения к действию внутри организаций. По мере того, как больше людей из различных отделов получают доступ к осмысленным идеям, это облегчит традиционные瓶кеобразования, вызванные командами бизнес-аналитики. Когда эти традиционные сили кончатся, организации осознают, насколько широко и глубоко необходимы их командам и отдельным лицам данные. Даже люди, которые сейчас не считают себя пользователями данных, будут вовлечены в получение данных.

С этим сдвигом возникает значительная проблема – рабочая сила должна быть модернизирована, чтобы каждый сотрудник мог получить необходимый набор навыков для эффективного использования данных и выводов для принятия бизнес-решений. Сегодняшняя рабочая сила не знает, какие вопросы задавать своим данным, или автоматизации, которая их питает. Ценность умения артикулировать точные, проникающие и бизнес-ориентированные вопросы увеличивается, создавая необходимость обучения рабочей силы этой способности.

У вас сильный опыт в базах данных, распределенных системах и генетических алгоритмах. Как эти области экспертизы влияют на разработку продукта и инновационную стратегию Exasol?

Мой опыт – это основа работы в нашей области и понимание технологических тенденций последних двух десятилетий. Это интересно и полезно работать с инновационными клиентами, которые превращают технологию баз данных в интересные случаи использования. Наша инновационная стратегия не зависит только от одного человека, но и от большой команды изощренных архитекторов и разработчиков, которые понимают будущее программного обеспечения, аппаратного обеспечения и приложений данных.

С учетом того, что ИИ преобразует отрасли с беспрецедентной скоростью, что, по вашему мнению, являются необходимыми компонентами будущей системы данных для бизнеса, который хочет эффективно использовать ИИ и аналитику?

Быстрое принятие ИИ было ярким примером того, почему важно для предприятий оставаться впереди эволюционирующего технологического ландшафта. К сожалению, большинство систем данных все еще отстают от кривой ИИ.

Чтобы обеспечить будущую безопасность систем данных, бизнес должен сначала оценить основы данных, чтобы выявить пробелы, ошибки или другие проблемы. Это поможет им обеспечить качество и скорость данных – элементы, которые имеют решающее значение для получения ценных выводов и питания моделей ИИ и LLM.

Кроме того, команды должны инвестировать в инструменты и технологии, которые могут легко интегрироваться с другими решениями в стеке. По мере того, как ИИ сочетается с другими технологиями, такими как открытый исходный код, мы увидим появление новых моделей для решения традиционных бизнес-проблем. Генеративный ИИ, такой как ChatGPT, также объединится с более традиционными технологиями ИИ, такими как описательная или прогностическая аналитика, чтобы открыть новые возможности для организаций и оптимизировать традиционно громоздкие процессы.

Чтобы обеспечить будущую безопасность систем данных, предприятия также должны интегрировать ИИ и бизнес-аналитику. Бизнес уже десятилетиями использует инструменты бизнес-аналитики для получения ценных выводов, и хотя были сделаны многие улучшения, все еще есть ограничения или барьеры бизнес-аналитики, с которыми может помочь ИИ. ИИ может обеспечить более быстрые результаты, улучшить персонализацию и преобразовать ландшафт бизнес-аналитики в более инклюзивную и удобную для пользователя область. Поскольку бизнес-аналитика обычно фокусируется на анализе исторических данных для получения выводов, ИИ может расширить возможности бизнес-аналитики, помогая предвидеть будущие события, генерировать прогнозы и рекомендовать действия для влияния на желаемые результаты.

Производительность, гибкость и экономия средств подчеркиваются как три способа, которыми Exasol помогает глобальным брендам инновировать. Можете ли вы предоставить пример того, как Exasol позволил клиенту достичь значительного возврата инвестиций через свою аналитическую базу данных?

Согласно исследованию Forrester о полном экономическом воздействии за 2023 год, клиенты Exasol достигают до 320% возврата инвестиций на свою первоначальную инвестицию в течение трех лет, улучшая операционную эффективность, производительность базы данных и предлагая простую и гибкую инфраструктуру данных.

Один из наших клиентов, Helsana, лидер в конкурентной швейцарской индустрии здравоохранения, обратился к Exasol, чтобы удовлетворить потребность в современной платформе данных и аналитики. До Exasol Helsana полагалась на различные инструменты отчетности с хранилищами данных, построенными на разных технологиях и инструментах ETL, что создавало запутанную и неэффективную архитектуру. По сравнению с существующим решением Helsana, хранилище данных Exasol показало улучшение производительности в 5-10 раз.

Теперь Exasol является центральным для пути Helsana к ИИ, служа хранилищем для структурированных данных, которые Helsana использует во всех своих моделях ИИ, и обеспечивая основу для своей аналитики. С Exasol команда Helsana повысила производительность, сократила затраты, увеличила гибкость и установила прочную основу для ИИ, все это способствует значительному возврату инвестиций, а также повышению способности лучше обслуживать клиентов.

Глядя вперед, какие предстоящие тенденции в области аналитики данных и бизнес-интеллекта Exasol готовится, и как вы планируете продолжать стимулировать инновации в этой области?

Год 2023 ввел ИИ в широком масштабе, что вызвало резкие реакции со стороны организаций, которые в конечном итоге породили бесчисленные плохо спланированные и выполненные эксперименты по автоматизации. 2024 год будет годом трансформации для экспериментов и фундаментальной работы ИИ. На данный момент основными применениями GenAI являются доступ к информации через чат-боты, автоматизация обслуживания клиентов и программирование. Однако будут пионеры, которые принимают эти интересные технологии для бизнес-решений и оптимизаций. Выглядывая за пределы 2024 года, мы начнем видеть более сильный толчок к продуктивным реализациям ИИ.

В Exasol мы привержены стимулированию инноваций и доставке ценности нашим клиентам, включая помощь им в разработке и реализации ИИ в масштабе. С Exasol клиенты могут объединить бизнес-аналитику и ИИ, чтобы преодолеть сили данных в интегрированной системе аналитики. Наша гибкость вокруг вариантов развертывания также позволяет организациям решать, где они хотят размещать свой стек аналитики, будь то в публичном облаке, частном облаке или на месте. С помощью Espresso AI от Exasol мы готовы обеспечить предприятия возможностью использовать силу аналитики, управляемой ИИ, независимо от того, на каком этапе своего пути к ИИ они находятся.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Exasol.