Mathias Golombek, Chief Technology Officer of Exasol – Interview Series

Mathias Golombek является Chief Technology Officer (CTO) компании 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 возглавлял команду оптимизатора базы данных, а в 2007 году стал руководителем отдела исследований и разработки. В 2014 году Матиас был назначен техническим директором. В этой должности 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, где они учились программировать на языке 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 своем пути от присоединения к Exasol в качестве разработчика программного обеспечения в 2004 году до того, как стать техническим директором? Как изменились ваши роли за годы, особенно на фоне быстро меняющегося технологического ландшафта?

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 руководил отделом исследований и разработки, прежде чем занять свою нынешнюю должность технического директора в 2014 году.

С самого начала меня поразило, что делает Exasol – эта немецкая технологическая компания борется с крупными компаниями, такими как Microsoft, IBM и Oracle. Меня поразила возможность, которая стояла передо мной – как разработчик, создание этой системы управления базой данных с параллельной обработкой (MPP) и в памяти было для меня “рай на земле”.

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

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

Руководители бизнеса постоянно сталкиваются с задачей того, как сделать больше с меньшими затратами. В последние годы это стало еще более сложной задачей, 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 том, чтобы помочь бизнесу делать больше с меньшими затратами. Мы помогаем компаниям преобразовать 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 хорошо справились с задачей балансирования между производительностью, ценой и гибкостью, чтобы клиенты не должны 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 продвинутых ИИ-инсайтов и принятия решений. Возможности Espresso AI делают ИИ более доступным и доступным, позволяя клиентам обходить дорогостоящие и трудоемкие эксперименты и достигать немедленной окупаемости инвестиций. Это прорыв для предприятий, которые сосредоточены на стимулировании инноваций и предоставлении ценности в эпоху ИИ.

Отчет Exasol 2024 года об ИИ и аналитике 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 2024 года об ИИ и аналитике является то, что недоинвестирование в ИИ приводит к бизнес-неудаче. На основе нашего опроса старших руководителей, а также ученых и аналитиков данных в США, Великобритании и Германии почти все (91%) респонденты согласны с тем, что ИИ является одним из наиболее важных вопросов для организаций в течение следующих двух лет, и 72% признают, что неинвестирование в ИИ сегодня поставит под угрозу будущую жизнеспособность бизнеса. Проще 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 в различных отраслях – от здравоохранения до финансовых услуг и розничной торговли – открыть новые потоки доходов, 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 инвестировать в ИИ, бизнес все еще сталкивается с значительными барьерами на пути к более широкому внедрению. Отчет Exasol об ИИ и аналитике указывает на то, что до 78% руководителей испытывают пробелы в至少 одной области своих моделей науки о данных и машинного обучения (МО), и 47% цитируют скорость реализации новых требований к данным как проблему. Дополнительные 79% утверждают, что новые требования к бизнес-анализу занимают слишком много времени для реализации их командами данных. Другие факторы, препятствующие широкому внедрению ИИ, включают отсутствие стратегии реализации, плохое качество данных, недостаточный объем данных и интеграцию с существующими системами. Кроме того, эволюционирующие бюрократические требования и регулирование ИИ вызывают проблемы у многих компаний, при этом 88% респондентов заявляют, что им нужна большая ясность.

Когда развертывание ИИ будет расти, оно станет еще более важным для бизнеса обеспечить прочные основы данных. Exasol предлагает гибкость, устойчивость и масштабируемость бизнесу, принимающему стратегию ИИ. Когда такие роли, как руководитель отдела данных (CDO), продолжают эволюционировать и становиться более сложными – с растущими этическими и проблемами соблюдения нормативных требований на переднем плане – Exasol поддерживает руководителей данных и помогает им преобразовать бизнес-аналитику в более быстрые, лучшие идеи, которые будут информировать бизнес-решения и положительно влиять на дно линии.

Поскольку ИИ стал критически важным для бизнес-успеха, он так же эффективен, как инструменты, технологии и люди, которые обеспечивают его работу 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. Когда CDO готовятся к большей сложности и должны делать больше с меньшими затратами, они должны оценить стек данных, чтобы обеспечить производительность, скорость и гибкость – все это по разумной цене.

Espresso AI помогает закрыть этот разрыв для предприятия, 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 локально, в облаке или в гибридной среде. Пользователи могут сократить затраты и усилия на перемещение данных, а также внедрять новые технологии, такие как модели с большими языковыми моделями (LLM), в свою базу данных. Эти возможности помогают организациям ускорить свой путь к реализации решений ИИ и МО, обеспечивая при этом качество и надежность их 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 “необходимостью”, а не “приятным бонусом” в эпоху ИИ. Во всех отраслях умение работать с данными, понимать и эффективно общаться с данными стало жизненно важным. Но остается разрыв в грамотности данных.

Грамотность данных – это способность интерпретировать сложную информацию и действовать на основе этих выводов. Но часто доступ к данным ограничен 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, анализировать их и применять свои собственные идеи, навыки и экспертизу к ним. Чем больше людей, обладающих знаниями, уверенностью и инструментами, чтобы распутать и извлечь смысл из данных, тем более успешной может быть организация. В Exasol мы поддерживаем руководителей данных и бизнес в продвижении грамотности данных и образования.

В дополнение к образовательному компоненту бизнес должен оптимизировать свои стеки технологий 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 технологии. 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. Когда все больше людей из различных отделов получают доступ к осмысленным идеям, это облегчит традиционные瓶颈и, вызванные командами данных. Когда эти традиционные сили кончатся, организации осознают, насколько широко и глубоко необходимость использования данных для их команд и отдельных лиц. Даже люди, которые сейчас не думают, что они являются пользователями данных, будут вовлечены в использование данных.

С этим сдвигом возникает основная задача – ожидать в ближайшие годы – рабочая сила должна быть обновлена, чтобы каждый сотрудник мог получить необходимый набор навыков для эффективного использования данных и инсайтов для принятия бизнес-решений. Сегодняшняя рабочая сила не знает правильных вопросов, которые нужно задать своей ленте данных или автоматизации, которая ее обеспечивает. Значение умения артикулировать точные, проникающие и бизнес-ориентированные вопросы увеличивается, создавая острую необходимость обучить рабочую силу на эту способность.

У вас есть сильный опыт в области баз данных, распределенных систем и генетических алгоритмов. Как эти области экспертизы влияют на разработку продукта и стратегию инноваций Exasol?

Мой опыт является основой для работы в нашей области и понимания технологических тенденций последних двух десятилетий. Это интересно и полезно работать с инновационными клиентами, которые превращают технологию баз данных в интересные кейсы. Наша стратегия инноваций не зависит только от одного человека, а от большой команды сложных архитекторов и разработчиков, которые понимают будущее программного обеспечения, аппаратного обеспечения и приложений данных.

Поскольку ИИ преобразует отрасли с беспрецедентной скоростью, какие, по вашему мнению, являются основными компонентами будущей системы данных для бизнеса, стремящегося эффективно использовать ИИ и аналитику?

Быстрое принятие ИИ было ярким примером того, почему предприятиям важно 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 инсайтов и топлива для моделей ИИ и LLM.

Кроме того, команды должны инвестировать в инструменты и технологии, которые могут легко интегрироваться с другими решениями в стеке. Поскольку ИИ сочетается с другими технологиями, такими как открытое программное обеспечение, 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 сложные 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 инсайтов, и хотя были сделаны многие улучшения, все еще существуют 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 предоставления инсайтов, 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 выделены как три способа, которыми Exasol помогает глобальным брендам инновировать. Можете ли вы предоставить пример того, как Exasol позволил клиенту добиться значительной окупаемости инвестиций через свою аналитическую базу данных?

Согласно исследованию Forrester 2023 года о общей экономической эффективности, клиенты Exasol достигают окупаемости инвестиций до 320% от первоначальных инвестиций в течение трех лет, улучшая операционную эффективность, производительность базы данных и предлагая простую и гибкую инфраструктуру данных.

Один из наших клиентов, например, Helsana, лидер в конкурентной отрасли здравоохранения Швейцарии, 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 создала прочную основу для ИИ, все это способствует значительной окупаемости инвестиций, а также повышению способности лучше обслуживать клиентов.

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

Год 2023 ввел ИИ в широком масштабе, что вызвало импульсивные реакции со стороны организаций, которые в конечном итоге породили бесчисленные плохо спланированные и выполненные эксперименты с автоматизацией. 2024 год будет годом трансформации для экспериментов и основной работы ИИ. На данный момент основными применениями GenAI были информационный доступ через чат-боты, автоматизация обслуживания клиентов и программирование программного обеспечения. Однако будут пионеры, которые принимают эти интересные технологии для широкого спектра бизнес-решений и оптимизаций. Выглянув за пределы 2024 года, мы начнем видеть более сильный толчок к продуктивным реализациям ИИ.

В Exasol мы привержены стимулированию инноваций и предоставлению ценности нашим клиентам, включая помощь им в разработке и реализации ИИ в масштабе. С Exasol клиенты могут объединить бизнес-аналитику и ИИ, чтобы преодолеть разрывы в данных в интегрированной системе аналитики. Наша гибкость в отношении вариантов развертывания также позволяет организациям решить, где они хотят размещать свой стек аналитики, будь то в публичном облаке, частном облаке или локально. С Espresso AI мы позиционируем себя, чтобы дать предприятиям возможность использовать ценность аналитики, движимой ИИ, независимо от того, на каком этапе своего пути к ИИ они находятся.

Спасибо за отличное интервью, читателям, которые хотят узнать больше, следует посетить Exasol.