Матіас Голомбек, головний технічний директор Exasol – Серія інтерв’ю

Матіас Голомбек є головним технічним директором (CTO). Ексазол. Він приєднався до компанії як розробник програмного забезпечення у 2004 році після вивчення інформатики з великим акцентом на базах даних, розподілених системах, процесах розробки програмного забезпечення та генетичних алгоритмах. У 2005 році він відповідав за команду Database Optimizer, а в 2007 році став керівником відділу досліджень і розробок. У 2014 році Матіас був призначений технічним директором. У цій ролі він відповідає за розробку продуктів, управління продуктами, операції, підтримку та технічні консультації.

Що вас спочатку привабило в інформатиці?

Коли я був у четвертому класі, у мого старшого брата були уроки програмування на BASIC, і він показав мені, що з цим можна зробити. Разом ми розробили великодню загадку на нашому Commodore 64 для нашого молодшого брата, і відтоді я захопився комп’ютерами. Комп’ютерні науки загалом пов’язані з вирішенням проблем і творчістю, і я думаю, що цей аспект мене найбільше привабив у цій галузі.

Чи можете ви поділитися своїм шляхом від приєднання до Exasol як розробника програмного забезпечення в 2004 році до того, як стати технічним директором? Як змінилися ваші ролі протягом багатьох років, особливо в технологічному ландшафті, що швидко змінюється?

Я вивчав комп’ютерні науки в Університеті Вюрцбурга в Німеччині та почав працювати в Exasol розробником програмного забезпечення в 2004 році після закінчення навчання. Після першого року роботи в Exasol мене підвищили до керівника групи оптимізаторів баз даних, а потім до керівника відділу досліджень і розробок. Після цього я сім років працював керівником відділу досліджень і розробок, перш ніж у 2014 році приступити до своєї нинішньої ролі технічного директора.

З самого початку я був вражений тим, що робить Exasol — ця німецька технологічна компанія бореться з такими великими іменами, як Microsoft, IBM і Oracle. Я був вражений можливістю, яка відкрилася переді мною — як розробник, створення цієї масової паралельної обробки (MPP) системи керування базами даних у пам’яті було раєм на землі.

Я насолоджувався кожною миттю роботи з цією талановитою командою інженерів. Як технічний директор, я наглядаю за інноваційними продуктами, розробкою та технічною підтримкою Exasol. Було приємно спостерігати, наскільки команда Exasol виросла в усьому світі, оскільки ми працюємо над підтримкою наших клієнтів та їхніх потреб, що постійно змінюються. Основні принципи ті самі — ми все ще є системою баз даних у пам’яті, але тепер ми даємо нашим клієнтам можливість використовувати потужність їхніх даних для впровадження ШІ.

Exasol є лідером високопродуктивних аналітичних баз даних. З вашої точки зору, що відрізняє Exasol у цьому конкурентному просторі?

Керівникам бізнесу постійно доводиться орієнтуватися в тому, як зробити більше з меншими витратами. Останніми роками це стало ще більш складним, оскільки економіка продовжує перебувати в нестабільному стані, а поширення технологій ШІ забирає бюджет і час.

Як постачальник високопродуктивних аналітичних баз даних, Exasol залишався на випередженні, коли справа доходить до допомоги компаніям робити більше з меншими витратами. Ми допомагаємо компаніям трансформувати бізнес-аналітику (BI) у кращу інформацію за допомогою Exasol Espresso, нашої універсальної системи запитів, яка підключається до існуючих стеків даних. Глобальні бренди, зокрема T-Mobile, Piedmont Healthcare і Allianz, використовують Exasol Espresso, щоб перетворювати великі обсяги даних у швидшу, глибшу та дешевшу інформацію. І я вважаю, що ми виконали чудову роботу, досягнувши тонкого балансу між продуктивністю, ціною та гнучкістю, щоб клієнтам не довелося йти на компроміси.

Щоб підтримати компанії в їхніх подорожах ШІ, ми також нещодавно представили Еспресо AI, оснащуючи наш універсальний механізм запитів новим набором інструментів штучного інтелекту, які дозволяють організаціям використовувати потужність своїх даних для розширеного аналізу та прийняття рішень на основі штучного інтелекту. Можливості Espresso AI роблять штучний інтелект доступнішим і доступнішим, дозволяючи клієнтам обійти дорогі та трудомісткі експерименти та досягти миттєвого повернення інвестицій. Це змінить правила гри для підприємств, які зосереджені на стимулюванні інновацій і створенні цінності в епоху ШІ.

Звіт Exasol про штучний інтелект та аналітику за 2024 рік підкреслює недостатні інвестиції в штучний інтелект як шлях до краху бізнесу. Чи могли б ви розповісти про ключові висновки цього звіту та про те, чому інвестування в штучний інтелект є критичним для бізнесу сьогодні?

Як ви сказали, головний висновок Exasol 2024 AI and Analytics Report полягає в тому, що недостатні інвестиції в ШІ призводять до краху бізнесу. Згідно з нашим опитуванням керівників вищої ланки, а також дослідників даних і аналітиків у США, Великобританії та Німеччині, майже всі (91%) респонденти погоджуються, що штучний інтелект буде однією з найважливіших тем для організацій у найближчі два роки. 72% визнали, що не інвестування в ШІ сьогодні поставить під загрозу життєздатність бізнесу в майбутньому. Простіше кажучи, у сьогоднішньому середовищі компанії, які не думають про ШІ, вже відстають.

Підприємства стикаються з тиском зацікавлених сторін, щоб інвестувати в штучний інтелект – і чому є багато причин. Інвестиції в штучний інтелект вже допомогли організаціям у різних галузях – від охорони здоров’я до фінансових послуг і роздрібної торгівлі – відкрити нові джерела доходу, покращити взаємодію з клієнтами, оптимізувати роботу, підвищити продуктивність, прискорити конкурентоспроможність тощо. Відтоді цей список лише розширюється, оскільки компанії починають знаходити конкретні способи використання штучного інтелекту для задоволення унікальних потреб бізнесу.

У тому ж звіті згадуються основні перешкоди для впровадження ШІ, включаючи прогалини в науці про дані та затримку в реалізації. Як Exasol вирішує ці виклики для своїх клієнтів?

Незважаючи на гостру потребу в інвестиціях в штучний інтелект, підприємства все ще стикаються зі значними перешкодами для більш широкого впровадження. Звіт Exasol про штучний інтелект та аналітику вказує на те, що до 78% осіб, які приймають рішення, відчувають прогалини принаймні в одній області своїх моделей науки про дані та машинного навчання (ML), причому 47% назвали швидкість реалізації нових вимог до даних проблемою. Ще 79% стверджують, що нові вимоги до бізнес-аналізу займають надто багато часу, щоб запровадити їх команди даних. Інші фактори, що перешкоджають широкому впровадженню ШІ, включають відсутність стратегії впровадження, низьку якість даних, недостатні обсяги даних та інтеграцію з існуючими системами. Крім того, зміна бюрократичних вимог і правил для штучного інтелекту викликає проблеми у багатьох компаній: 88% респондентів заявили, що їм потрібно більше ясності.

У міру того, як розгортання штучного інтелекту зростатиме, для компаній стане ще важливішим забезпечити міцну базу даних. Exasol пропонує гнучкість, стійкість і масштабованість для компаній, які використовують стратегію ШІ. У міру того як посади керівника відділу обробки даних (CDO) продовжують розвиватися й ускладнюватися – із зростаючими етичними проблемами та проблемами відповідності на передньому плані – Exasol підтримує лідерів із обробки даних і допомагає їм трансформувати BI у швидшу та кращу інформацію, яка ґрунтуватиметься на прийнятті бізнес-рішень. і позитивно вплине на підсумковий результат.

Незважаючи на те, що штучний інтелект став критично важливим для успіху бізнесу, він настільки ж ефективний, наскільки ефективні інструменти, технології та люди, які його використовують на сервері. Результати опитування підкреслюють суттєвий розрив між поточними інструментами BI та їхніми результатами – більше інструментів не обов’язково означає швидшу продуктивність або кращу інформацію. Оскільки CDO готуються до більшої складності та мають завдання робити більше з меншими витратами, вони повинні оцінити стек аналітики даних, щоб забезпечити продуктивність, швидкість і гнучкість – і все це за розумну ціну.

Штучний інтелект Espresso допомагає усунути цю прогалину для підприємства шляхом оптимізації процесів вилучення, завантаження та перетворення даних, щоб надати користувачам гнучкість негайно експериментувати з новими технологіями в масштабі, незалежно від обмежень інфраструктури – локальної, хмарної чи гібридної. Користувачі можуть зменшити витрати на переміщення даних і зусилля, одночасно запроваджуючи нові технології, такі як LLM, у свою базу даних. Ці можливості допомагають організаціям пришвидшити шлях до впровадження рішень штучного інтелекту та машинного навчання, забезпечуючи при цьому якість і надійність своїх даних.

Грамотність даних стає все більш важливою в епоху ШІ. Як Exasol сприяє підвищенню грамотності даних серед своїх клієнтів і широкої спільноти?

У сучасному робочому середовищі, насиченому даними, навички володіння даними важливіші, ніж будь-коли, і в епоху штучного інтелекту вони швидко стають «необхідністю», а не «приємно мати». У всіх галузях промисловості вміння працювати з даними, розуміти та ефективно передавати їх стало життєво важливим. Але залишається прогалина в грамотності даних.

Грамотність у роботі з даними означає наявність навичок інтерпретації складної інформації та здатність діяти відповідно до отриманих даних. Але часто доступ до даних закрито всередині організації або лише невелика частина людей має необхідні навички грамотного використання даних, щоб розуміти величезні обсяги даних, що проходять через бізнес, і мати доступ до них. Цей підхід має недоліки, оскільки він обмежує кількість часу та ресурсів, призначених для використання даних, і, зрештою, прогалина в грамотності даних створює перешкоду для бізнес-інновацій.

Коли люди знають дані, вони можуть розуміти дані, аналізувати їх і застосовувати до них власні ідеї, навички та досвід. Чим більше людей володіють знаннями, впевненістю та інструментами, щоб розгадати дані та зрозуміти їх значення, тим успішнішою може бути організація. У Exasol ми підтримуємо лідерів у сфері обробки даних і компанії в підвищенні грамотності та освіти в області даних.

На додаток до освітнього компоненту, компанії повинні оптимізувати свої технологічні стеки та інструменти BI, щоб забезпечити демократизацію даних. Доступність даних і грамотність даних йдуть рука об руку. Інвестиції в обидва потрібні для подальших стратегій даних. Наприклад, наша система Exasol без налаштування дозволяє компаніям зосередитися на використанні даних, а не на технології. Висока швидкість дозволяє командам працювати в інтерактивному режимі з даними, не обмежуючись обмеженнями продуктивності. Це зрештою призводить до демократизації даних.

Настав час, коли демократизація даних переходить від теми обговорення до дій в організаціях. Оскільки більше людей у ​​різних відділах отримають доступ до значущої інформації, це зменшить традиційні вузькі місця, спричинені командами аналітики даних. Коли ці традиційні силоси розпадуться, організації усвідомлять, наскільки широкою та глибокою є потреба їхніх команд та окремих людей у ​​використанні даних. Навіть люди, які зараз не вважають себе кінцевими користувачами даних, будуть залучені до каналу даних.

З цими змінами постає серйозна проблема, яку слід очікувати в найближчі роки – робочу силу потрібно буде оновити, щоб кожен працівник міг отримати належний набір навичок для ефективного використання даних і розуміння для прийняття бізнес-рішень. Сучасна робоча сила не знатиме правильних запитань щодо каналу даних або автоматизації, яка його підтримує. Цінність здатності сформулювати точні, дослідницькі та пов’язані з бізнесом питання зростає, створюючи гостру потребу в навчанні робочої сили цій здатності.

Ви маєте великий досвід роботи з базами даних, розподіленими системами та генетичними алгоритмами. Як ці сфери знань впливають на стратегію розробки продуктів та інновацій Exasol?

Мій досвід є основою для роботи в нашій сфері та розуміння технологічних тенденцій останніх двох десятиліть. Захоплююче та корисно працювати з інноваційними клієнтами, які перетворюють технології баз даних у цікаві випадки використання. Наша інноваційна стратегія залежить не лише від однієї людини, а від великої команди досвідчених архітекторів і розробників, які розуміють майбутнє програмного забезпечення, апаратного забезпечення та додатків для обробки даних.

Оскільки ШІ трансформує галузі безпрецедентними темпами, які, на вашу думку, основні компоненти перспективного стеку даних для компаній, які хочуть ефективно використовувати ШІ та аналітику?

Швидке впровадження ШІ стало яскравим прикладом того, чому підприємствам важливо випереджати технологічний ландшафт, що розвивається. Однак сумна правда полягає в тому, що більшість стеків даних все ще відстають від кривої ШІ.

Щоб стеки даних були готовими до майбутнього, компанії повинні спочатку оцінити основи даних, щоб виявити прогалини, помилки чи інші проблеми. Це допоможе їм забезпечити якість і швидкість даних – елементи, які є критично важливими для отримання цінної інформації та підживлення моделей AI та LLM.

Крім того, команди повинні інвестувати в інструменти та технології, які можна легко інтегрувати з іншими рішеннями в стеку. Оскільки штучний інтелект поєднується з іншими технологіями, наприклад з відкритим вихідним кодом, ми побачимо нові моделі для вирішення традиційних бізнес-завдань. Генеративний штучний інтелект, як-от ChatGPT, також об’єднається з більш традиційними технологіями штучного інтелекту, такими як описова або прогнозна аналітика, щоб відкрити нові можливості для організацій і оптимізувати традиційно громіздкі процеси.

Щоб створити надійні стеки даних, підприємства також повинні інтегрувати AI та BI. Компанії десятиліттями використовують інструменти BI, щоб отримувати цінну інформацію, і хоча було внесено багато вдосконалень, все ще існують обмеження або бар’єри BI, з якими AI може допомогти. AI може забезпечити швидші результати, покращити персоналізацію та перетворити BI-ландшафт на більш інклюзивну та зручну для користувачів область. Оскільки BI зазвичай зосереджується на аналізі історичних даних для надання розуміння, ШІ може розширити можливості BI, допомагаючи передбачати майбутні події, генеруючи прогнози та рекомендуючи дії для впливу на бажані результати.

Продуктивність, гнучкість і економія висвітлюються як три способи, за допомогою яких Exasol допомагає світовим брендам впроваджувати інновації. Чи можете ви навести приклад того, як Exasol дозволив клієнту досягти значної рентабельності інвестицій за допомогою вашої аналітичної бази даних?

У відповідності з 2023 Forrester Total Economic Impact Study, клієнти Exasol досягають до 320% рентабельності своїх початкових інвестицій протягом трьох років за рахунок підвищення операційної ефективності, продуктивності бази даних і пропозиції простої та гнучкої інфраструктури даних.

Один клієнт, наприклад, Хельсана, лідер конкурентоспроможної галузі охорони здоров’я Швейцарії, прийшов у Exasol, щоб задовольнити потребу в сучасній платформі даних і аналітики. До Exasol компанія Helsana покладалася на різні інструменти звітності зі сховищами даних, побудованими на різних технологіях, і інструментах ETL, які створювали заплутану, неефективну архітектуру. Порівняно з існуючим застарілим рішенням компанії, сховище даних Exasol продемонструвало п’яти-десятикратне підвищення продуктивності.

Тепер Exasol займає центральне місце в розвитку штучного інтелекту Helsana, слугуючи сховищем структурованих даних, які Helsana використовує в усіх своїх моделях штучного інтелекту, і забезпечуючи

основу для своєї аналітики. Завдяки Exasol команда Helsana підвищила продуктивність, знизила витрати, підвищила гнучкість і створила міцну основу штучного інтелекту, що сприяє значному рентабельності інвестицій на додаток до підвищення здатності краще обслуговувати клієнтів.

Забігаючи наперед, які майбутні тенденції в аналітиці даних і бізнес-аналітики, до яких готується Exasol, і як ви плануєте продовжувати просувати інновації в цьому просторі?

 У 2023 році в широкому масштабі з’явився ШІ, що викликало різку реакцію організацій, які зрештою породили незліченну кількість погано розроблених і виконаних експериментів з автоматизації. 2024 рік стане роком трансформації для експериментів зі ШІ та фундаментальної роботи. Поки що основними застосуваннями GenAI були доступ до інформації через чат-ботів, автоматизація обслуговування клієнтів і кодування програмного забезпечення. Однак знайдуться першопрохідці, які запровадять ці захоплюючі технології для цілого ряду процесів прийняття бізнес-рішень і оптимізації. Після 2024 року ми почнемо спостерігати більший поштовх до продуктивного впровадження ШІ.

У Exasol ми прагнемо просувати інновації та надавати цінність нашим клієнтам, зокрема допомагати їм розробляти та впроваджувати штучний інтелект у великих масштабах. За допомогою Exasol клієнти можуть поєднати BI та штучний інтелект, щоб подолати розрив даних в інтегрованій системі аналітики. Наша гнучкість щодо варіантів розгортання також дає змогу організаціям вирішувати, де вони хочуть розмістити свій аналітичний стек: у публічній хмарі, приватній хмарі чи локально. Завдяки штучному інтелекту Espresso від Exasol ми можемо надати підприємствам можливість використовувати переваги аналітики, керованої штучним інтелектом, незалежно від того, куди потрапляють організації на шляху штучного інтелекту.

Дякую за чудове інтерв’ю, читачі, які хочуть дізнатися більше, повинні відвідати Ексазол.