Jay Mishra, COO of Astera Software - Wawancara Series

Jay Mishra nyaéta Kapala Operating Officer (COO) di Astera Software, Panyadia solusi data siap-usaha ngembang pesat. Aranjeunna ngabantosan pangguna bisnis ngajambatan jurang data-ka-wawasan ku suite ékstraksi data anu ramah-pamaké tapi berkinerja tinggi, kualitas data, integrasi data, gudang data & solusi pertukaran data éléktronik, anu dianggo ku perusahaan menengah sareng Fortune 500. sakuliah sauntuyan industri.

Naon anu mimitina narik anjeun kana élmu komputer?

Kuring sok gaduh gairah anu jero pikeun matematika, sareng perjalanan kuring kana élmu komputer mangrupikeun penyuluhan alami éta. Atikan sarjana kuring nyaéta dina Matematika sareng Élmu Komputer, sareng éta mangrupikeun kamajuan logis tina dunya matématika kana ranah élmu komputer anu narik kuring. Anu paling narik perhatian kuring nyaéta cara rumit algoritma sareng prosés algoritma canggih anu nyababkeun kuring ngudag spesialisasi dina algoritma salami Masters dina Ilmu Komputer. Ti saprak éta, sambungan kuring sareng élmu komputer tetep kuat, sareng kuring terus-terusan narékahan pikeun tetep dina kamajuan panganyarna dina widang.

Anjeun ayeuna COO of Astera, tiasa anjeun bagikeun sareng kami naon peran anjeun sadinten-dinten?

Salaku COO of Astera, peran abdi multifaceted, reflecting alam dinamis parusahaan urang. Abdi parantos sareng Astera ti saprak mimiti, sareng tanggung jawab kuring ngalangkungan sababaraha daérah organisasi. Ieu kalebet sadayana tina aktip nyumbang kana pamekaran sareng coding produk urang pikeun mastikeun yén fitur urang saluyu sareng kabutuhan konsumén urang anu ngembang. Kuring raket kolaborasi jeung konsumén urang, gawé bareng jeung aranjeunna pikeun nyaring solusi urang. Peran kuring ngalegaan saluareun ngan ukur pangembangan produk pikeun nyertakeun penjualan sareng pamasaran, dimana urang nyangking panawaran ka pasar.

Nalika urang nuju dina fase kamekaran, kuring parantos ngalaksanakeun tanggung jawab tambahan, kalebet ngawaskeun tujuan pendapatan urang sareng sacara strategis ngalegaan portopolio produk urang pikeun ngahontal pasar énggal. Intina, kuring gaduh panangan dina ampir unggal aspék operasi urang, mastikeun yén urang henteu ngan ukur ngawangun produk anu luar biasa tapi ogé suksés ngabawa ka pasar sareng nyumponan tujuan bisnis urang.

Pikeun pamiarsa anu teu wawuh jeung istilah ieu, naon data warehousing?

Gudang data mangrupikeun pola arsitéktur anu dianggo pikeun ngahijikeun sadaya data perusahaan anjeun kana gudang terpusat anu bakal janten pondasi dimana anjeun tiasa ngahasilkeun rupa-rupa jinis analitik, laporan, sareng dasbor anu badé nampilkeun gambaran anu leres dimana anjeun bisnis. nyaéta sareng ogé ngaramalkeun kumaha usaha anu bakal dilakukeun di hareup. Pikeun ngalayanan sadaya éta anjeun ngahijikeun data anjeun dina cara anu tangtu sareng arsitéktur éta disebut gudang data.

Istilah saleresna dicandak tina gudang kahirupan nyata dimana produk anjeun disimpen dina rak anu teratur. Tapi nalika anjeun sumping ka dunya data, anjeun nyangking data anjeun tina sababaraha sumber. Anjeun nuju nyangking data anjeun tina produksi, halaman wéb anjeun, palanggan anjeun, penjualan sareng pamasaran, keuangan, sareng departemen SDM anjeun. Anjeun ngahijikeun sadaya data, bawa ka hiji tempat, sareng éta anu bakal disebut gudang data sareng dirarancang ku cara anu tangtu supados ngalaporkeun, khususna dumasar kana timeline, bakal gampang. Éta tujuan inti tina gudang data.

Naon sababaraha tren konci dina gudang data ayeuna?

Gudang data parantos mekar sakedik dina 20 - 25 taun ka pengker. Kira-kira dasawarsa ka tukang, urang nyaksian mecenghulna gudang data otomatis, pergeseran paradigma anu ngagancangkeun prosés ngawangun modél data sareng gudang data. Anyar-anyar ieu, automation parantos janten pusat. Éta alamat sifat repetitive tina tugas gudang data, streamlining prosés pikeun ngahemat waktos sareng sumber.

Produk kami, Pangwangun Gudang Data Astera, contona, nawiskeun pendekatan holistik pikeun otomatisasi dina gudang data. Ieu nyertakeun sagalana ti automating ETL (Extract, Transform, Load) pipelines jeung modeling data ka loading otomatis data kana struktur kawas skéma béntang atawa vaults data. Saterusna, éta éfisién ngajaga struktur ieu ngaliwatan mékanisme Robah Data Capture (CDC). Automasi sadaya-inklusif ieu parantos muncul salaku tren konci dina bentang gudang data.

Saterusna, tren panganyarna nyaéta fusi antara gudang data jeung kecerdasan jieunan (AI). Husus, AI generatif parantos nyandak otomatisasi ka jangkung anyar. Éta henteu ngan ukur ngajadikeun otomatis tugas tapi ogé ngabantosan pangguna dina pembuatan kaputusan.

Konfigurasi komponén data warehousing, pipelines, sarta titik kaputusan bisa dipandu ku AI, sahingga gudang data leuwih kuat sarta efisien ti kantos. Intina, ieu mangrupikeun otomatisasi stéroid, sareng éta ngarobih bentang gudang data. Persimpangan antara AI sareng gudang data mangrupikeun tren anu nyepeng jangji anu ageung pikeun masa depan.

Naon opat prinsip dasar anu kedah dipertimbangkeun ku usaha pikeun pangwangunan gudang datana?

1. Nangtukeun Tujuan Jelas

Penting pikeun ngamimitian ku ngartos naon anu anjeun peryogikeun tina gudang data anjeun. Hindarkeun pitfall umum pikeun ngumpulkeun data kaleuleuwihan tanpa tujuan anu jelas. Gantina, ngaidentipikasi tujuan khusus anu anjeun hoyong ngahontal sareng gudang data anjeun. Naon laporan sareng wawasan anu anjeun milarian? Ku fokus kana tujuan anjeun, anjeun tiasa mastikeun yén anjeun ngan ukur nyandak data anu relevan, tinimbang ngumpulkeun inpormasi anu seueur pisan. Kusabab turunna biaya panyimpen sareng kakuatan komputasi, penting pisan pikeun ngamangpaatkeun sumber daya ieu sacara cerdas sareng étika.

2. Milih Pola Arsitéktur Katuhu

Pola arsitéktur pohara penting. Aranjeunna mutuskeun naha solusi gudang data anjeun bakal suksés atanapi henteu. Aya sababaraha pilihan, mimitian ti gudang data gaya Inmon ka skéma béntang Ralph Kimball, kitu ogé pola anu langkung énggal sapertos Data Vault sareng hiji pendekatan méja ageung anu dirojong ku padagang database columna. Henteu sadayana pola bakal cocog pikeun unggal skenario.

Urang ningali lolobana kombinasi skéma béntang linggih di luhureun hiji kolong data. Janten kombinasi Data Vault sareng Star Schema masih mangrupikeun pola anu paling seueur dianggo. Tapi, sakumaha ceuk kuring, pikeun unggal sarat atanapi unggal skenario bakal aya jawaban anu béda. Janten ngajalankeun éta ngaliwatan para ahli, tingali pola arsitéktur mana anu pas pikeun skenario anjeun.

3. Milih Pakakas Katuhu

Éta penting pisan sareng aranjeunna ngadamel bédana ageung deui dina waktos sareng sumber anu dipikabutuh pikeun ngawangun solusi sareng ogé akurasi sareng kualitas solusi anjeun anu ditangtukeun ku produk anu anjeun badé dianggo pikeun ngawangun anjeun. gudang data jeung ngajaga eta. Nengetan pisan kana kamampuan produk sareng tingali produk anu tiasa nyayogikeun paling sarat dina hiji payung. Aya sababaraha daérah sapertos ETL (Extract, Transform, Load), kualitas data, modél data, loading data, sareng penerbitan data sadayana maénkeun peran anu penting. Upami anjeun nyobian nganggo sababaraha produk pikeun unggal daérah ieu, éta bakal sesah. Janten tingali produk anu tiasa dianggo pikeun seueur upami henteu sadayana konstituén anu béda.

4. Tim anjeun

Panungtungan tapi teu saeutik tim jalma anu anjeun kumpulkeun pikeun ngawangun solusi gudang data anjeun mangrupikeun bagian anu paling penting. Kami ngarékoméndasikeun gaduh batur anu gaduh latar tukang anu kuat dina pola arsitéktur data. Dina hal komposisi tim, tim fungsional lintas mangrupikeun cara anu pangsaéna pikeun ngalakukeun éta, dimana anjeun gaduh campuran pangguna bisnis sareng jalma anu ngagaduhan latar tukang program atanapi sahenteuna kaahlian data sareng gaduh kolaborasi anu caket antara penjaga data anjeun, jalma anu nu jawab data sarta tangtu bisnis. Ku ngabina kerjasama anu caket diantara rupa-rupa ieu organisasi anjeun, anjeun tiasa nyiptakeun tim anu padu sareng efektif anu tanggung jawab ngawangun sareng ngajaga solusi gudang data anjeun.

Kasuksésan dina gudang data gumantung kana ngahontal kasaimbangan antara opat prinsip ieu. Prinsip-prinsip ieu, nalika diturutan sacara saksama, parantos kabuktosan janten resep kasuksésan dina pangalaman urang.

Naha perusahaan peryogi tumpukan data modern?

Eta gumantung kana kumaha urang nangtukeun "modern" jeung nu terus robah, sakapeung ku taun, bulan, komo ku poé. Urang kedah nganggap alat-alat modéren anu dirarancang kalayan ngémutan bentang data anu parobihan. Dina sababaraha taun katukang, aya parobahan anu signifikan dina sifat sareng volume data. Kebangkitan Big Data parantos ngarobih bentang data, kalayan data tuang tina sumber sapertos situs web e-commerce, database produksi, sareng sababaraha bagian tina bisnis anjeun. Data ieu robih henteu ngan ukur dina volume tapi ogé sifatna.

Baheula, data lolobana terstruktur, tapi ayeuna, data teu terstruktur muterkeun hiji peran signifikan. Sajaba ti éta, laju di mana data dihasilkeun sarta sadia pikeun pamakéan geus ngaronjat. Kusabab parobihan data ieu, urang kedah terus-terusan meunteun sareng adaptasi toolset urang pikeun sacara efektif ngatasi tantangan data anu ngembang ieu.

Tumpukan data modéren dirancang pikeun nanganan sadaya variasi dina struktur sareng laju data, sareng dilengkepan saé pikeun adaptasi sareng pola arsitéktur anu muncul anu parantos mekar dina sababaraha taun katukang. Ku alatan éta, lamun hayang nyieun pamakéan pangalusna data anjeun, anjeun kudu kasampak di modernizing tumpukan data anjeun. Éta hiji-hijina cara pikeun ngajaga tangtangan data anyar.

Kami parantos ningali yén perusahaan tetep nganggo solusi anu tos aya anu sigana tiasa dianggo. Penting pikeun ngakuan yén data sorangan sacara dinamis dinamis. Éta terus mekar, nampilkeun tantangan sareng kasempetan énggal. Solusi anu aya tiasa henteu dilengkepan pikeun adaptasi kana parobihan ieu. Ku alatan éta, pikeun ngamangpaatkeun poténsi pinuh data maranéhanana, pausahaan kudu nangkeup konsép modernisasi tumpukan data maranéhanana. Ieu lain ngeunaan megatkeun naon gawéna; Éta ngeunaan tetep lincah sareng responsif kana sifat data anu berkembang. Ku terus-terusan ngaevaluasi sareng ngahijikeun kamajuan dina téknologi data, usaha tiasa tetep kompetitif sareng nyandak kaputusan anu terang dina dunya anu beuki didorong ku data.

Naon sababaraha tantangan manajemén data ayeuna anu katingali di industri?

1. Laju Data jeung Integrasi

Salah sahiji tangtangan anu ageung anu urang hadapi ayeuna nyaéta jumlah data anu ngalir tina sababaraha aplikasi. Upami anjeun nyandak organisasi IT anu biasa, aranjeunna nganyahokeun aplikasi anyar anu muncul unggal waktos-puluhan, sakapeung malah ratusan unggal taun, khususna dina organisasi ukuran sedeng.

Ayeuna, sadaya aplikasi ieu ngahasilkeun data, sareng data éta ngagaduhan wawasan anu berharga. Perhatian utama di dieu nyaéta kamampuan pikeun gancang ngahijikeun sumber data anyar ieu kana saluran pipa data anu tos aya sareng ngahijikeunana kana pandangan anu ngahiji. Laju dimana organisasi tiasa adaptasi sareng ngalebetkeun aliran data énggal ieu mangrupikeun tantangan anu paling ageung anu urang tingali.

2. Rupa-rupa Format Data

Tangtangan kritis anu sanésna asalna tina sifat data éta sorangan, khususna ningkatna Prévalénsi data anu henteu terstruktur. Kalawan data teu terstruktur aya, tangtosna, sakola béda pikiran ngeunaan kumaha carana ngadamel eta.

Organisasi kedah mutuskeun naha nyimpen data ieu langsung di danau data kanggo dianggo engké atanapi nimba sareng ngarobih kana format anu langkung terstruktur pikeun dikonsumsi langsung. Tangtangan kumaha nanganan data anu teu terstruktur tetep, sareng urang ningali yén perusahaan ukuran sedeng atanapi perusahaan ukuran alit ogé kapangaruhan ku éta. Janten, nyiptakeun strategi anu épéktip pikeun nanganan data anu henteu terstruktur penting pisan.

3. Publishing jeung Sharing Data

Nalika integrasi sareng konsolidasi data penting pisan, kamampuan pikeun ngabagi data sacara efektif sami pentingna. Organisasi peryogi mékanisme pikeun nyebarkeun sareng nyebarkeun data ka departemén internal, padagang pihak katilu, mitra, sareng pamangku kapentingan sanés. tantangan ieu manjangan saluareun saukur nyieun data diaksés; Éta ngalibatkeun mastikeun kaamanan data, privasi, sareng patuh kana peraturan. Nalika ngabagi data janten kabutuhan pikeun usaha tina sagala ukuran, téknologi sareng produk di rohangan ieu gancang mekar pikeun nyumponan paménta.

Naon sababaraha cara Astera ngahijikeun AI kana alur kerja palanggan?

Kami ningali AI intersecting sareng manajemén data dina dua cara anu béda.

1. Ningkatkeun Usability kalawan Generative AI

Komitmen jero kami pikeun usability mangrupikeun landasan filosofi pangembangan produk urang. Sapanjang 12 dugi ka 13 taun ka pengker, kami parantos ngawangun reputasi anu kuat pikeun ngarancang produk kalayan kurva diajar anu pondok, ngajantenkeun aranjeunna tiasa diaksés bahkan ku pangguna non-teknis. Kalayan jumlah latihan anu sederhana, individu tiasa sacara efektif ngagunakeun produk urang pikeun ngalaksanakeun tugas anu bermakna sareng datana.

Kalayan ngenalkeun AI generatif, Astera parantos nyandak usability ka tingkat salajengna. Kami ngagunakeun AI generatif pikeun nyiptakeun antarbeungeut pangguna anu ngamungkinkeun para nasabah berinteraksi sareng produk nganggo paréntah basa alami. Antarbeungeut anu didorong ku AI ieu nyederhanakeun tugas konfigurasi, ngajantenkeun langkung intuitif sareng éfisién pikeun pangguna.

Leuwih ti éta, Astera geus terpadu automation Powered by AI pikeun nanganan tugas nu saméméhna merlukeun sababaraha jam gawé manual, utamana dina konfigurasi produk manajemén data. Faktor biaya pangbadagna pikeun ngawangun solusi manajemén data sanés ngan ukur mésér produk, éta waktos sareng usaha anu diséépkeun pikeun ngonpigurasikeunana. Kami parantos nyobian ngabéréskeun éta kalayan AI. Pendekatan ieu sacara signifikan ngirangan waktos sareng sumber daya anu biasa dianggo pikeun konfigurasi produk.

Salaku conto, produk Astera, ReportMiner, nyederhanakeun ékstraksi data tina dokumén teu terstruktur ku ngamungkinkeun pamaké pikeun nyieun témplat ékstraksi dumasar kana aturan. AI ayeuna bisa ngahasilkeun template awal dina hitungan detik, tugas nu saméméhna nyandak dua nepi ka tilu jam pikeun pamaké has. Potongan munggaran tina citakan anu dibangkitkeun AI tiasa waé henteu sampurna, tapi éta nanganan sakitar 90% tina beban kerja, anu ngamungkinkeun para pangguna ngadamel panyesuaian gancang sareng ngarengsekeun tugas dina sababaraha menit tibatan jam. Pendekatan ieu ngan ukur hiji conto kumaha Astera ngamangpaatkeun AI pikeun ningkatkeun usability sapanjang produkna.

Kami ngalakukeun hal-hal anu sami sapanjang tumpukan data kami dimana kami kéngingkeun angkat anu signifikan dina usability sareng intelijen buatan.

2. Fungsi AI salaku Toolset

Astera nawiskeun tumpukan data ngahiji anu nyertakeun sababaraha aspék manajemén data, kalebet ingestion, transformasi, kualitas data, gudang data, API, sareng penerbitan data. Pausahaan ngakuan pentingna nyadiakeun fungsionalitas AI salaku toolset serbaguna pikeun pamaké na. Dina set alat ieu, para nasabah Astera tiasa ngaksés AI ngalangkungan spéktrum élmu data, tina ngawangun sareng nyebarkeun modél pembelajaran mesin dugi ka nanganan ML Ops (Machine Learning Operations). Astera ogé ngarojong pamakéan modél basis open-source, kaasup model basa badag (LLMs), sarta mempermudah fine-tuning pikeun kasus pamakéan husus.

Fungsi AI anu langkung lega ieu ngamungkinkeun para pangguna Astera pikeun ngungkit AI pikeun sagala rupa tugas anu aya hubunganana sareng data, kalebet nyebarkeun modél pembelajaran mesin, ngalaksanakeun ML Ops, sareng nyéépkeun modél open-source. Salaku tambahan, Astera terus-terusan damel dina ngalegaan dukungan AI na, ngalangkungan daérah sapertos database vektor, pamilarian kasaruaan, embeddings, sareng seueur deui.

Naon sababaraha prakték anu pangsaéna pikeun ngungkit modél AI sareng ML dina manajemén data pikeun perusahaan ageung?

1. Tetep di Forefront of AI jeung ML Developments

Widang model basa ageung ngembang pesat. Pikeun kéngingkeun keunggulan kompetitif, perusahaan ageung kedah tetep terang ngeunaan kamajuan panganyarna. Astera, contona, mangrupikeun pangadopsi awal AI generatif, ngagunakeun modél sapertos OpenAI sareng LAMA. Ngawaskeun terus-terusan téknologi anu munculna mastikeun anjeun siap-siap pikeun ngamangpaatkeunana sacara efektif.

2. Ékspérimén sareng Sababaraha Model sareng Konfigurasi

Ngagunakeun fine-tuning of LLMS, kami bisa nyebarkeun ukuran leutik, kawas 8 nepi ka 13 miliar model parameter, sarta nyebarkeun aranjeunna sacara lokal. Éta mangrupikeun hal anu saé pisan pikeun kami sareng anu kami nyarankeun nyaéta tibatan ngan ukur nganggo hiji ngalawan anu sanés, cobian modél dasar anu béda sareng konfigurasi anu béda sareng tingali anu mana anu cocog pikeun anjeun.

Modél basa badag datang dina rasa béda, unggal mibanda kamampuhan unik na. Jieun konfigurasi nu ngidinan Anjeun pikeun milih ti Asép Sunandar Sunarya rupa pilihan, mirroring naon pamekar jeung élmuwan data ngalakukeun dina journeys elmu data maranéhanana.

Pikeun ngaberdayakeun pangguna, kami parantos nyiptakeun sistem konfigurasi anu nawiskeun seueur pilihan, sami sareng anu dipendakan ku pamekar sareng ilmuwan data nalika damel sareng perpustakaan open-source dina usaha anu didorong ku data. Tujuan kami nyaéta pikeun ngahijikeun pilihan ieu sacara mulus kana produk urang, ngagampangkeun pangalaman dinamis sareng adaptasi pikeun pangguna.

3. Prioritaskeun Panyebaran Lokal Leuwih API

Nalika kaayaan produk data-centric, ngurangan reureuh téh pangpentingna. Ngan ukur ngandelkeun API pikeun aksés modél AI sareng ML tiasa ngenalkeun telat anu teu tiasa ditampi, khususna nalika nanganan data anu ageung. Disarankeun pikeun prioritas deploying model fine-tuned lokal, dedicated ka skenario husus Anjeun. Pendekatan ieu tiasa sacara signifikan ningkatkeun waktos réspon sareng kinerja umum.

Naha Astera mangrupikeun solusi anu langkung saé tibatan platform anu bersaing?

• Solusi Astera gaduh antarmuka visual anu gratis, intuitif, sareng kamampuan anu ditingkatkeun ku AI anu ngagampangkeun pikeun ngalaksanakeun prosés data anu kompleks pikeun sadaya pangguna, henteu paduli kamampuan téknisna.
• Fitur otomasi tumpukan data urang ngirangan tugas manual anu tiasa diulang sareng ngahémat waktos sareng sumber pangembangan.
• Platform ngahijikeun kami tiasa ngabantosan pangguna ngalaksanakeun prosés data tungtung-ka-tungtung tanpa ngarobih solusi. Ieu ngaleungitkeun biaya diajar sareng ngatur sababaraha sistem siled.

Hatur nuhun pikeun wawancara anu saé, pamiarsa anu hoyong diajar langkung seueur kedah nganjang Astera Software.