Mathias Golombek, Chief Technology Officer på Exasol – Intervju-serie

Mathias Golombek är Chief Technology Officer (CTO) på Exasol. Han anslöt till företaget som mjukvaruutvecklare 2004 efter att ha studerat datavetenskap med fokus på databaser, distribuerade system, mjukvaruutvecklingsprocesser och genetiska algoritmer. Redan 2005 var han ansvarig för Database Optimizer-teamet och 2007 blev han chef för Research & Development. 2014 utsågs Mathias till CTO. I denna roll ansvarar han för produktutveckling, produktledning, drift, support och teknisk rådgivning.

Vad var det som initialt drog dig till datavetenskap?

När jag var i fjärde klass hade min äldre bror några lektioner där de lärde sig att programmera i BASIC, och han visade mig vad man kunde göra med det. Tillsammans utvecklade vi en påskgåta på vår Commodore 64 till vår yngste bror, och sedan dess har jag varit fascinerad av datorer. Datavetenskap handlar i allmänhet om att lösa problem och vara kreativ, och jag tycker att det är det som mest lockade mig till området.

Kan du dela med dig av din resa från att börja på Exasol som mjukvaruutvecklare 2004 till att bli CTO? Hur har dina roller utvecklats över åren, särskilt i den snabbt föränderliga tekniska landskapet?

Jag studerade datavetenskap vid Universitetet i Würzburg i Tyskland och började på Exasol som mjukvaruutvecklare 2004 efter att ha tagit examen. Efter mitt första år på Exasol befordrades jag till chef för Database Optimizer-teamet och sedan till chef för Research and Development. Efter det tjänstgjorde jag som chef för R&D i sju år innan jag tillträdde min nuvarande roll som CTO 2014.

Från början var jag imponerad av vad Exasol gjorde — det här tyska teknologiföretaget som kämpade mot stora namn som Microsoft , IBM och Oracle. Jag blev överväldigad av möjligheterna som låg framför mig — som utvecklare, skapade jag det här massivt parallella bearbetningssystemet (MPP), in-memory-databasen, och det var himmel på jorden.

Jag har njutit av varje ögonblick av att arbeta med det här begåvade ingenjörsteamet. Som CTO ansvarar jag för Exasols produktinnovation, utveckling och teknisk support. Det har varit spännande att se hur mycket Exasol-teamet har vuxit globalt medan vi arbetar för att stödja våra kunder och deras föränderliga behov. Grundprinciperna är desamma — vi är fortfarande ett in-memory-databasesystem, men nu ger vi våra kunder möjlighet att utnyttja kraften i sina data för AI-implementeringar.

Exasol har varit i framkant när det gäller högpresterande analytikdatabaser. Ur ditt perspektiv, vad särskiljer Exasol i detta konkurrensutsatta område?

Företagsledare måste ständigt navigera i hur de kan göra mer med mindre. Under de senaste åren har detta blivit ännu mer utmanande eftersom ekonomin fortsätter att vara turbulent och spridningen av AI-teknik har tagit upp budget och tid.

Som leverantör av högpresterande analytikdatabaser har Exasol förblivit före kurvan när det gäller att hjälpa företag att göra mer med mindre. Vi hjälper företag att omvandla business intelligence (BI) till bättre insikter med Exasol Espresso, vår flexibla frågemotor som kan anslutas till befintliga datastackar. Globala varumärken som T-Mobile, Piedmont Healthcare och Allianz använder Exasol Espresso för att omvandla större mängder data till snabbare, djupare och billigare insikter. Och jag tycker att vi har gjort ett bra jobb med att behärska den känsliga balansen mellan prestanda, pris och flexibilitet så att kunderna inte behöver kompromissa.

För att stödja företag på deras AI-resa avslöjade vi nyligen Espresso AI, som utrustar vår flexibla frågemotor med en ny uppsättning AI-verktyg som möjliggör för organisationer att utnyttja kraften i sina data för avancerade AI-drivna insikter och beslutsfattande. Espresso AI:s funktioner gör AI mer överkomligt och tillgängligt, vilket möjliggör för kunder att kringgå dyra och tidskrävande experiment och uppnå omedelbar avkastning. Detta är en vändpunkt för företag som fokuserar på att driva innovation och leverera värde i AI-eran.

2024 AI och Analytics-rapporten från Exasol betonar underinvestering i AI som en väg till affärsmisslyckande. Kan du utveckla de viktigaste resultaten från denna rapport och varför investering i AI är kritisk för företag idag?

Som du nämnde är den viktigaste slutsatsen från Exasols 2024 AI och Analytics-rapport att underinvestering i AI leder till affärsmisslyckande. Baserat på vår undersökning av seniora beslutsfattare samt dataanalytiker och -vetare i USA, Storbritannien och Tyskland, är det nästan alla (91%) som är överens om att AI är ett av de viktigaste ämnena för organisationer under de närmaste två åren, och 72% medger att de inte investerar i AI idag kommer att sätta framtida affärsverksamhet i fara. Uttryckt enkelt, i dagens miljö är företag som inte tänker på AI redan efter.

Företag står under tryck från intressenter att investera i AI – och det finns många skäl till varför. Investering i AI har redan hjälpt organisationer inom olika branscher – från hälso- och sjukvård till finansiella tjänster och detaljhandel – att låsa upp nya intäktsströmmar, förbättra kundupplevelser, optimera verksamheten, öka produktiviteten, accelerera konkurrenskraften och mer. Listan växer bara från där eftersom företag börjar hitta specifika sätt att utnyttja AI för att tillgodose unika affärsbehov.

Samma rapport nämner stora hinder för AI-antagande, inklusive data science-gap och fördröjning i implementering. Hur hanterar Exasol dessa utmaningar för sina kunder?

Trots det kritiska behovet av AI-investeringar möter företag fortfarande betydande hinder för bredare implementering. Exasols AI och Analytics-rapport visar att upp till 78% av beslutsfattare upplever gap i minst ett område av deras data science- och maskinlärningsmodeller (ML), och 47% anger hastighet för att implementera nya datakrav som en utmaning. Ytterligare 79% hävdar att nya affärsanalyskrav tar för lång tid att implementeras av deras data-team. Andra faktorer som hindrar omfattande AI-antagande inkluderar bristen på en implementeringsstrategi, dålig datakvalitet, otillräckliga datavolym och integration med befintliga system. Dessutom orsakar utvecklande byråkratiska krav och regler för AI problem för många företag, med 88% av respondenterna som hävdar att de behöver mer tydlighet.

Som AI-distributionen växer kommer det att bli ännu viktigare för företag att säkerställa starka datafundament. Exasol erbjuder flexibilitet, motståndskraft och skalbarhet till företag som antar en AI-strategi. När roller som Chief Data Officer (CDO) fortsätter att utvecklas och blir mer komplexa – med växande etiska och regelefterlevnadsutmaningar i förgrunden – stödjer Exasol dataledare och hjälper dem att omvandla BI till snabbare, bättre insikter som kommer att informera affärsbeslut och positivt påverka resultaträkningen.

Datakunskap blir allt viktigare i AI-eran. Hur bidrar Exasol till att förbättra datakunskapen bland sina kunder och den bredare samhället?

I dagens datarika arbetsmiljöer är datakunskapsfärdigheter viktigare än någonsin – och snabbt blir en “måste ha” snarare än en “treffande” i AI-eran. Inom branscher har kompetens i att arbeta med, förstå och effektivt kommunicera data blivit avgörande. Men det finns fortfarande ett gap i datakunskap.

Datakunskap handlar om att ha färdigheterna att tolka komplex information och förmågan att agera på dessa fynd. Men ofta är dataåtkomst isolerad inom en organisation eller endast en liten undergrupp av individer har de nödvändiga datakunskapsfärdigheterna för att förstå och komma åt den enorma mängden data som flödar genom verksamheten. Detta tillvägagångssätt är felaktigt eftersom det begränsar den tid och resurser som ägnas åt att utnyttja data, och datakunskapsgapet skapar en barriär för affärsinnovation.

När människor är datakunniga kan de förstå data, analysera den och tillämpa sina egna idéer, färdigheter och expertis på den. Ju fler människor som har kunskapen, förtroendet och verktygen för att tolka och ge mening åt data, desto mer framgångsrika kan en organisation vara. Exasol stödjer dataledare och företag i att driva datakunskap och utbildning.

Produktivitet, flexibilitet och kostnadsbesparingar framhävs som tre sätt som Exasol hjälper globala varumärken att innovativa. Kan du ge ett exempel på hur Exasol har möjliggjort för en kund att uppnå betydande avkastning genom er analytics-databas?

Enligt en 2023 Forrester Total Economic Impact Study uppnår Exasol-kunder upp till 320% avkastning på sin initiala investering under tre år genom att förbättra den operativa effektiviteten, databasprestandan och erbjuda en enkel och flexibel datainfrastruktur.

En av våra kunder, Helsana, en ledare inom Schweiz konkurrensutsatta hälso- och sjukvårdsindustri, kom till Exasol för att fylla ett behov av en modern data- och analytics-plattform. Innan Exasol använde Helsana olika rapportverktyg med datawarehouses byggda på olika teknologier och ETL-verktyg, vilket skapade en invecklad och ineffektiv arkitektur. Jämfört med företagets befintliga äldre lösning visade Exasols Data Warehouse en fem till tiofaldig prestandaförbättring.

Nu är Exasol central för Helsanas AI-resa, fungerar som repository för den strukturerade data som Helsana använder i alla sina AI-modeller och ger grunden för sin analys. Med Exasol har Helsana-teamet förbättrat prestandan, minskat kostnaderna, ökat agiliteten och etablerat en solid AI-grund, allt detta bidrar till betydande avkastning utöver en ökad förmåga att bättre betjäna kunder.

Med tanke på att AI förvandlar branscher i en aldrig tidigare skådad takt, vad tror du är de viktigaste komponenterna i en framtidsbevisad datastack för företag som vill utnyttja AI och analytics effektivt?

AI:s snabba antagande har varit ett främsta exempel på varför det är viktigt för företag att ligga före den utvecklande tekniska landskapet. Tyvärr är de flesta datastackar fortfarande efter AI-kurvan.

För att framtidsbevisa datastackar bör företag först utvärdera datafundament för att identifiera gap, buggar eller andra utmaningar. Detta kommer att hjälpa dem att säkerställa datakvalitet och hastighet – element som är avgörande för att driva värdefulla insikter och bränsle till AI- och LLM-modeller.

Utöver detta bör team investera i verktyg och teknologier som kan integreras lätt med andra lösningar i stacken. När AI kombineras med andra teknologier som open source kommer vi att se nya modeller dyka upp för att lösa traditionella affärsproblem. Generativ AI, som ChatGPT, kommer också att kombineras med mer traditionell AI-teknik, som beskrivande eller prediktiv analys, för att öppna nya möjligheter för organisationer och strömlinjeforma traditionellt krävande processer.

För att framtidsbevisa datastackar bör företag också integrera AI och BI. Företag har använt BI-verktyg i årtionden för att extrahera värdefulla insikter, och medan många förbättringar har gjorts, finns det fortfarande BI-begränsningar eller barriärer som AI kan hjälpa till med. AI kan möjliggöra snabbare resultat, förbättra personanpassning och omvandla BI-landskapet till ett mer inkluderande och användarvänligt område. Eftersom BI vanligtvis fokuserar på att analysera historiska data för att ge insikter kan AI utöka BI-funktionerna genom att hjälpa till att förutse framtida händelser, generera förutsägelser och rekommendera åtgärder för att påverka önskade resultat.

Vad är de kommande trenderna inom dataanalys och business intelligence som Exasol förbereder sig för, och hur planerar du att fortsätta driva innovation inom detta område?

År 2023 introducerade AI på en bred skala, vilket orsakade knäreaktioner från organisationer som till slut gav upphov till otaliga dåligt utformade och genomförda automatiseringsexperiment. 2024 kommer att vara ett transformationsår för AI-experiment och grundläggande arbete. Hittills har de primära tillämpningarna av GenAI varit för informationsåtkomst via chatbots, kundtjänstautomatisering och programvarukodning. Men det kommer att finnas pionjärer som antar dessa spännande teknologier för en mängd olika affärsbeslut och optimeringar. Bortom 2024 kommer vi att se en större push mot produktiva implementeringar av AI.

Exasol är engagerat i att driva innovation och leverera värde till våra kunder, vilket inkluderar att hjälpa dem att utveckla och implementera AI i stor skala. Med Exasol kan kunderna kombinera BI och AI för att övervinna datasilor i ett integrerat analysystem. Vår flexibilitet kring distributionsalternativ möjliggör också för organisationer att bestämma var de vill vara värd för sin analytics-stack, antingen i den offentliga molnet, privata molnet eller på plats. Med Exasols Espresso AI är vi positionerade för att ge företag möjlighet att utnyttja värdet av AI-drivna analyser, oavsett var organisationerna befinner sig i sin AI-resa.

Tack för det underbara samtalet, läsare som vill lära sig mer kan besöka Exasol.