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

Матіас Голомбек є головним технічним директором (CTO) Exasol. Він приєднався до компанії як розробник програмного забезпечення у 2004 році після вивчення комп’ютерних наук з особливим акцентом на базах даних, розподілених системах, процесах розробки програмного забезпечення та генетичних алгоритмах. До 2005 року він був відповідальним за команду оптимізатора бази даних, а у 2007 році став головою відділу досліджень та розробок. У 2014 році Матіас був призначений головним технічним директором. На цій посаді він відповідає за розробку продукту, управління продуктом, операції, підтримку та технічну консультацію.

Що спочатку привернуло вас до комп’ютерних наук?

Коли мені було в четвертому класі, у мого старшого брата були деякі уроки, де вони вивчали мови програмування BASIC, і він показав мені, що можна зробити з цим. Разом ми розробили пасхальну загадку на нашому Commodore 64 для нашого молодшого брата, і з тих пір я був зачарований комп’ютерами. Комп’ютерні науки в цілому – це все про вирішення проблем і творчість, і я думаю, що саме цей аспект привернув мене до цієї галузі.

Чи можете ви поділитися своїм шляхом від приєднання до Exasol як розробника програмного забезпечення у 2004 році до призначення головним технічним директором? Як змінилися ваші ролі за роки, особливо в умовах швидкозмінного технологічного ландшафту?

Я вивчав комп’ютерні науки в університеті Вюрцбурга в Німеччині та розпочав роботу в Exasol як розробник програмного забезпечення у 2004 році після закінчення університету. Після першого року роботи в Exasol мене було підвищено до голови команди оптимізатора бази даних, а потім – голови відділу досліджень та розробок. Після цього я обіймав посаду голови відділу досліджень та розробок протягом семи років, перш ніж зайняти свою поточну посаду головного технічного директора у 2014 році.

З самого початку мене вражало те, що робила Exasol – ця німецька технологічна компанія боролася проти великих імен, таких як Microsoft, IBM та Oracle. Мене вразила можливість, яка стояла переді мною – як розробник, створення цієї масштабованої паралельної обробки (MPP), системи управління базами даних в пам’яті було раєм на землі.

Я насолоджувався кожним моментом роботи з цією талановитою інженерною командою. Як головний технічний директор, я керую інноваціями продукту, розробкою та технічною підтримкою Exasol. Це було цікаво бачити, як команда Exasol виросла глобально, коли ми працюємо над підтримкою наших клієнтів та їхніх змінних потреб. Фундаментальні речі залишаються тими самими – ми все ще система управління базами даних в пам’яті, але тепер ми надаємо нашим клієнтам можливість використовувати свою дані для реалізації проектів штучного інтелекту.

Exasol була на передовому краї високопродуктивних аналітичних баз даних. З вашої точки зору, що відрізняє Exasol в цьому конкурентному просторі?

Бізнес-лідери постійно стикаються з завданням навігації в тому, як зробити більше з меншим. За останні роки це стало ще більш складним через економічну нестабільність та поширення технологій штучного інтелекту, які зайняли бюджет і час.

Як постачальник високопродуктивних аналітичних баз даних, Exasol залишається на чолі справи щодо допомоги підприємствам робити більше з меншим. Ми допомагаємо компаніям перетворити бізнес-інтелект (BI) на кращі інсайти за допомогою Exasol Espresso, нашого універсального запитного двигуна, який підключається до існуючих стеків даних. Глобальні бренди, такі як T-Mobile, Piedmont Healthcare та Allianz, використовують Exasol Espresso, щоб перетворити більші об’єми даних на швидші, глибші та дешевші інсайти. І я думаю, що ми зробили хорошу роботу щодо досягнення деликатного балансу між продуктивністю, ціною та гнучкістю, щоб клієнти не мали компромісів.

Щоб підтримати компанії на їхньому шляху штучного інтелекту, ми також недавно представили Espresso AI, обладнавши наш універсальний запитний двигун новим набором інструментів штучного інтелекту, які дозволяють організаціям використовувати свою дані для реалізації проектів штучного інтелекту та прийняття рішень. Можливості Espresso AI роблять штучний інтелект більш доступним і дешевим, дозволяючи клієнтам оминати дорогі та тривалі експерименти та досягати негайної віддачі. Це революційний крок для підприємств, які зосереджені на 驅ренні інновацій та доставці цінності в епоху штучного інтелекту.

Звіт Exasol про штучний інтелект та аналітику 2024 року підкреслює недофінансування штучного інтелекту як шлях до бізнес-невдачі. Чи можете ви розповісти про основні висновки цього звіту та чому інвестування в штучний інтелект є критичним для підприємств сьогодні?

Як ви зазначили, основним висновком звіту Exasol про штучний інтелект та аналітику 2024 року є те, що недофінансування штучного інтелекту призводить до бізнес-невдачі. На основі нашого опитування старших керівників, а також фахівців з даних та аналітиків у США, Великій Британії та Німеччині, майже всі (91%) респонденти погоджуються, що штучний інтелект є одним з найважливіших питань для організацій у найближчі два роки, а 72% визнають, що неінвестування в штучний інтелект сьогодні поставить під загрозу майбутню життєздатність бізнесу. Просто кажучи, у сучасному середовищі підприємства, які не думають про штучний інтелект, вже відстають.

Підприємства стикаються з тиском з боку зацікавлених сторін щодо інвестування в штучний інтелект – і є багато причин, чому. Інвестування в штучний інтелект вже допомогло організаціям у різних галузях – від охорони здоров’я до фінансових послуг та роздрібної торгівлі – розблокувати нові потоки доходів, поліпшити досвід клієнтів, оптимізувати операції, збільшити продуктивність, прискорити конкурентоспроможність та інше. Список тільки зростає, оскільки підприємства починають знаходити конкретні способи використання штучного інтелекту для задоволення унікальних бізнес-потреб.

Той самий звіт згадує основні бар’єри для прийняття штучного інтелекту, включаючи прогалини в науці про дані та затримку в реалізації. Як Exasol подолує ці виклики для своїх клієнтів?

Незважаючи на критичну необхідність інвестування в штучний інтелект, підприємства все ще стикаються з значними бар’єрами для ширшої реалізації. Звіт про штучний інтелект та аналітику Exasol вказує на те, що до 78% керівників відчувають прогалини принаймні в одному напрямку своїх моделей науки про дані та машинного навчання (ML), а 47% вказують на швидкість реалізації нових вимог до даних як на виклик. Додатково 79% стверджують, що нові вимоги бізнес-аналізу займають надто багато часу для реалізації їхніми командами даних. Інші чинники, які ускладнюють широке прийняття штучного інтелекту, включають відсутність стратегії реалізації, погану якість даних, недостатню кількість даних та інтеграцію з існуючими системами. Крім того, розвиток бюрократичних вимог та регуляцій для штучного інтелекту викликає проблеми для багатьох компаній, причому 88% респондентів заявляють, що їм потрібна більша ясність.

Exasol пропонує гнучкість, стійкість та масштабованість підприємствам, які приймають стратегію штучного інтелекту. Коли ролі, такі як головний офіцер з даних (CDO), продовжують еволюціонувати та ставати все більш складними – з зростаючими етичними та нормативними викликами на передньому плані – Exasol підтримує лідерів даних та допомагає їм перетворити бізнес-інтелект на швидші, кращі інсайти, які інформуватимуть бізнес-рішення та позитивно вплинуть на дно лінії.

Хоча штучний інтелект став критичним для бізнес-успіху, він є ефективним лише тоді, коли його підтримують відповідні інструменти, технології та люди. Результати опитування підкреслюють значний розрив між поточними інструментами бізнес-інтелекту та їхнім виходом – більше інструментів не означає обов’язково швидшу продуктивність або кращі інсайти. Коли CDO готуються до більшої складності та зобов’язані робити більше з меншим, їм потрібно оцінити стек аналітики даних, щоб забезпечити продуктивність, швидкість та гнучкість – все за розумною ціною.

Espresso AI допомагає закрити цей розрив для підприємства, оптимізуючи процеси витягування, завантаження та перетворення даних, щоб дати користувачам гнучкість негайно експериментувати з новими технологіями у масштабі, незалежно від обмежень інфраструктури – чи то на місці, в хмарі чи гібридному середовищі. Користувачі можуть зменшити витрати на переміщення даних та зусилля, одночасно вводячи нові технології, такі як LLM, до своєї бази даних. Ці можливості допомагають організаціям прискорити свій шлях до реалізації рішень штучного інтелекту та машинного навчання, одночасно забезпечуючи якість та надійність їхніх даних.

Грамотність даних стає все більш важливою в епоху штучного інтелекту. Як Exasol внесок у покращення грамотності даних серед своїх клієнтів та ширшої спільноти?

У сучасному інформаційно-насиченому робочому середовищі навички грамотності даних стають все більш важливими – і швидко стають “необхідністю” у епоху штучного інтелекту. У всіх галузях компетентність у роботі з даними, їхньому розумінні та ефективному спілкуванні стала життєво важливою. Однак залишається розрив у грамотності даних.

Грамотність даних полягає у володінні навичками інтерпретації складної інформації та можливістю діяти на основі цих знань. Однак часто доступ до даних обмежений всередині організації або тільки мала частина осіб мають необхідні навички грамотності даних, щоб зрозуміти та отримати доступ до величезних обсягів даних, які протікають через бізнес. Цей підхід є недолугим, оскільки він обмежує кількість часу та ресурсів, присвячених використанню даних, і в кінцевому підсумку розрив у грамотності даних створює бар’єр для бізнес-інновацій.

Коли люди володіють грамотністю даних, вони можуть зрозуміти дані, проаналізувати їх та застосувати свої власні ідеї, навички та знання. Чим більше людей володіє знаннями, впевненістю та інструментами для розгортання та отримання значення з даних, тим успішнішою може бути організація. У Exasol ми підтримуємо лідерів даних та підприємства у розвитку грамотності даних та освіти.

Крім освітньої складової, підприємства повинні оптимізувати свій технологічний стек та інструменти бізнес-інтелекту, щоб забезпечити демократизацію даних. Доступність даних та грамотність даних йдуть рука об руку. Інвестиції в обидва необхідні для розвитку стратегій даних. Наприклад, з Exasol нашою системою без налаштування підприємства можуть зосередитися на використанні даних, а не технологій. Висока швидкість дозволяє командам працювати інтерактивно з даними та уникати обмежень продуктивності. Це в кінцевому підсумку призводить до демократизації даних.

Зараз час для демократизації даних перейти від теми обговорення до дії всередині організацій. Коли більше людей у різних департаментах отримують доступ до значимих інсайтів, це полегшить традиційні瓶ключення, викликані командами даних. Коли ці традиційні силоси будуть зруйновані, організації зрозуміють, наскільки широко та глибоко потрібні їхні команди та особи для використання даних. Навіть люди, які зараз не вважають себе кінцевими користувачами даних, будуть залучені до споживання даних.

З цим переходом прийде великий виклик, який потрібно передбачити в найближчі роки – робоча сила буде需要 бути модернізованою, щоб кожен працівник мав належний набір навичок для ефективного використання даних та інсайтів для прийняття бізнес-рішень. Сучасна робоча сила сьогодні не знає правильних питань, які потрібно задати своїй системі даних, або автоматизації, яка її живить. Значення здатності артикулювати точні, проникливі та бізнес-орієнтовані питання зростає, створюючи гостру потребу у навчанні робочої сили цій здатності.

Ви маєте сильний досвід у сфері баз даних, розподілених систем та генетичних алгоритмів. Як ці галузі вашої експертизи впливають на розвиток продукту та інноваційну стратегію Exasol?

Мій досвід є основою для роботи в нашій галузі та розуміння технологічних тенденцій останніх двох десятиліть. Це цікаво та винагороджуюче працювати з інноваційними клієнтами, які перетворюють технологію баз даних у цікаві випадки використання. Наша інноваційна стратегія не залежить лише від однієї особи, а від великої команди складних архітекторів та розробників, які розуміють майбутнє програмного забезпечення, апаратного забезпечення та застосунків даних.

З огляду на те, що штучний інтелект трансформує галузі з безпрецедентною швидкістю, які, на вашу думку, є основними компонентами майбутньої системи даних для підприємств, які хочуть ефективно використовувати штучний інтелект та аналітику?

Швидка адоптація штучного інтелекту стала основним прикладом того, чому підприємства повинні залишатися попереду еволюціонуючого технологічного ландшафту. Нажаль, більшість систем даних все ще відстають від кривої штучного інтелекту.

Щоб майбутнє систему даних, підприємства повинні спочатку оцінити свої дані, щоб визначити прогалини, помилки або інші виклики. Це допоможе їм забезпечити якість та швидкість даних – елементи, які критичні для отримання цінних інсайтів та живлення моделей штучного інтелекту та LLM.

Крім того, команди повинні інвестувати в інструменти та технології, які можуть легко інтегруватися з іншими рішеннями в системі. Коли штучний інтелект поєднується з іншими технологіями, такими як відкритий код, ми побачимо появу нових моделей для вирішення традиційних бізнес-проблем. Генеративний штучний інтелект, такий як ChatGPT, також злиється з традиційною технологією штучного інтелекту, такою як описова або передбачувальна аналітика, для відкриття нових можливостей для організацій та оптимізації традиційно трудомістких процесів.

Щоб майбутнє систему даних, підприємства повинні також інтегрувати штучний інтелект та бізнес-інтелект. Підприємства протягом десятиліть використовували інструменти бізнес-інтелекту для отримання цінних інсайтів, хоча багато покращень було зроблено, все ще існують обмеження або бар’єри бізнес-інтелекту, які штучний інтелект може допомогти подолати. Штучний інтелект може забезпечити швидші результати, поліпшити персоналізацію та перетворити ландшафт бізнес-інтелекту на більш інклюзивний та користувальницький.

Оскільки бізнес-інтелект зазвичай зосереджується на аналізі історичних даних для отримання інсайтів, штучний інтелект може розширити можливості бізнес-інтелекту, допомагаючи передбачати майбутні події, генерувати прогнози та рекомендувати дії для впливу на бажані результати.

Продуктивність, гнучкість та економія коштів підкреслюються як три способи, nhờ яких Exasol допомагає глобальним брендам інновувати. Чи можете ви надати приклад того, як Exasol дозволив клієнту досягти значної віддачі на інвестиції через свою аналітичну базу даних?

За даними дослідження Forrester Total Economic Impact 2023 року, клієнти Exasol досягають до 320% віддачі на інвестиції протягом трьох років, покращуючи операційну ефективність, продуктивність бази даних та пропонуючи просту та гнучку інфраструктуру даних.

Наприклад, один з клієнтів, Helsana, лідер у конкурентному ринку охорони здоров’я Швейцарії, звернувся до Exasol, щоб задовольнити потребу в сучасній платформі даних та аналітики. До Exasol Helsana використовувала різні інструменти звітності з базами даних, побудованими на різних технологіях та інструментах ETL, які створили заплутану та неефективну архітектуру. У порівнянні з існуючою спадковою системою сховище даних Exasol продемонструвало від 5 до 10 разів кращу продуктивність.

Зараз Exasol є центральним елементом у шляху Helsana до штучного інтелекту, служачи репозиторієм для структурованих даних, які Helsana використовує у всіх своїх моделях штучного інтелекту, та забезпечуючи основу для своєї аналітики. З Exasol команда Helsana підвищила продуктивність, скоротила витрати, підвищила гнучкість та створила солідну основу для штучного інтелекту, все це сприяє значній віддачі на інвестиції, а також підвищенню здатності краще обслуговувати клієнтів.

Оглядаючи майбутнє, які майбутні тенденції в галузі даних та бізнес-інтелекту Exasol готується, і як ви плануєте продовжувати 驅рення інновацій в цій галузі?

 Рік 2023 ввів штучний інтелект у широкому масштабі, що викликало реакції коліна від організацій, які в кінцевому підсумку породили безліч погано спроектованих та виконаних експериментів з автоматизації. 2024 рік буде роком трансформації для експериментів з штучним інтелектом та основної роботи. Наразі основними застосуваннями генерації штучного інтелекту були інформаційний доступ через чат-боти, автоматизація обслуговування клієнтів та кодування програмного забезпечення. Однак будуть піонери, які приймають ці цікаві технології для цілого ряду бізнес-рішень та оптимізацій. Оглядаючи майбутнє 2024 року, ми побачимо більший поштовх до продуктивної реалізації штучного інтелекту.

У Exasol ми зобов’язані 驅рення інновацій та доставки цінності нашим клієнтам, включаючи допомогу їм у розробці та реалізації штучного інтелекту у масштабі. З Exasol клієнти можуть поєднати бізнес-інтелект та штучний інтелект, щоб подолати дані силоси в інтегрованій системі аналітики. Наша гнучкість щодо варіантів розгортання також дозволяє організаціям вирішувати, де вони хочуть розміщувати свій стек аналітики, чи то в публічній хмарі, приватній хмарі чи на місці. З Exasol Espresso AI ми позиціонujemy підприємства, щоб вони могли використовувати цінність аналітики, 驅реної штучним інтелектом, незалежно від того, на якому етапі шляху штучного інтелекту знаходяться організації.

Дякую за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Exasol.