访谈
Mathias Golombek，Exasol 首席技术官 – 采访系列
Mathias Golombek 是 Exasol 的首席技术官（CTO）。他于 2004 年加入公司，担任软件开发人员，之前他学习了计算机科学，重点研究数据库、分布式系统、软件开发过程和遗传算法。到 2005 年，他负责数据库优化器团队，并于 2007 年成为研发部负责人。2014 年，Mathias 被任命为 CTO。在这个职位上，他负责产品开发、产品管理、运营、支持和技术咨询。
您最初为什么对计算机科学感兴趣？
当我四年级时，我的大哥哥有一些课程，教他如何编程 BASIC，他向我展示了可以用它做什么。我们一起为我们的弟弟开发了一个复活节谜题，使用 Commodore 64，从那时起，我就被计算机迷住了。计算机科学总的来说就是解决问题和创造力，我认为这就是我被这个领域吸引的原因。
您可以分享一下您从 2004 年加入 Exasol 作为软件开发人员到成为 CTO 的经历吗？您的角色如何随着时间的推移而演变，特别是在快速变化的技术格局中？
我在德国维尔茨堡大学学习计算机科学，并于 2004 年毕业后加入 Exasol担任软件开发人员。在我加入 Exasol 的第一年后，我被提升为数据库优化器团队负责人，之后又成为研发部负责人。在那之后，我担任了七年的研发部负责人，之后于 2014 年成为 CTO。
从开始，我就对 Exasol 的事情感到惊讶——这家德国技术公司正在与微软、IBM 和 Oracle 等大公司竞争。我对面前的机会感到惊讶——作为一名开发人员，创建这个大规模并行处理（MPP）的内存数据库管理系统是天上掉下来的馅饼。
我喜欢每一刻与这支才华横溢的工程团队的合作。作为 CTO，我负责 Exasol 的产品创新、开发和技术支持。看到 Exasol 团队在全球范围内的成长，以及我们如何支持客户和他们不断变化的需求，真是令人兴奋。基础仍然相同——我们仍然是一个内存数据库系统，但现在我们正在赋予客户使用他们的数据进行 AI 实现的能力。
从您的角度来看，Exasol 在高性能分析数据库领域有什么独特之处？
业务领导者不断面临如何用更少的资源做更多事情的挑战。近年来，由于经济仍然动荡，AI 技术的普及占用了预算和时间，这个挑战变得更加严峻。
作为高性能分析数据库提供商，Exasol 在帮助企业用更少的资源做更多事情方面一直走在前列。我们帮助公司将商业智能（BI）转化为更好的洞察力，使用我们的多功能查询引擎 Exasol Espresso，它可以插入现有的数据栈。全球品牌，如 T-Mobile、Piedmont Healthcare 和 Allianz，使用 Exasol Espresso 将更多的数据转化为更快、更深入和更便宜的洞察力。我认为我们在性能、价格和灵活性之间的微妙平衡方面做得很好，这样客户就不必妥协。
为了支持公司在 AI 之旅中，我们最近推出了 Espresso AI，它为我们的多功能查询引擎配备了一套新的 AI 工具，能够让组织利用其数据进行高级 AI 驱动的洞察力和决策。Espresso AI 的功能使 AI 更加经济和易于访问，允许客户绕过昂贵、耗时的实验，并立即获得投资回报率。这对于专注于在 AI 时代推动创新和创造价值的企业来说是一个游戏规则的改变。
Exasol 的 2024 年 AI 和分析报告强调了在 AI 上的低投资可能导致业务失败。您能否详细介绍这份报告的主要发现以及为什么投资 AI 对于当今的企业至关重要？
正如您所说，Exasol 的 2024 年 AI 和分析报告 的主要结论是，AI 投资不足会导致业务失败。根据我们对美国、英国和德国的高级决策者、数据科学家和分析师的调查，几乎所有（91%）的受访者都同意，AI 是未来两年中组织最重要的主题之一，72% 的受访者承认，如果今天不投资 AI，未来业务的可行性将受到威胁。简单地说，在今天的环境中，不考虑 AI 的企业已经落后了。
企业面临来自利益相关者的压力，要求他们投资 AI，有很多理由支持这一点。AI 投资已经帮助各个行业的组织解锁新的收入来源、增强客户体验、优化运营、提高生产力、加速竞争力等等。随着企业开始找到利用 AI 满足特定业务需求的具体方法，这个列表将继续增长。
同一份报告提到了 AI 采用中的主要障碍，包括数据科学差距和实施延迟。Exasol 如何解决这些挑战为其客户提供服务？
尽管 AI 投资至关重要，但企业仍面临着显著的实施障碍。Exasol 的 AI 和分析报告表明，高达 78% 的决策者在其数据科学和机器学习（ML）模型的至少一个领域存在差距，47% 的人认为实施新数据要求的速度是一个挑战。另外，79% 的人声称其数据团队需要太长时间来实施新的业务分析要求。其他阻碍 AI 广泛采用的因素包括缺乏实施策略、数据质量差、数据量不足以及与现有系统的集成。此外，AI 的不断演变的官僚要求和法规正在为许多公司带来问题，88% 的受访者表示他们需要更多的明确性。
随着 AI 部署的增长，确保强大的数据基础将变得更加重要。Exasol 为采用 AI 战略的企业提供了灵活性、弹性和可扩展性。随着 Chief Data Officer（CDO）等职责的演变和复杂性增加，Exasol 支持数据领导者，并帮助他们将商业智能转化为更快、更好的洞察力，以告知业务决策并对底线产生积极影响。
虽然 AI 对业务成功至关重要，但其有效性取决于后端的工具、技术和人员。调查结果强调了当前的商业智能工具和其输出之间的显著差距——更多的工具并不一定意味着更快的性能或更好的洞察力。随着 CDO 为了做更多事情而努力，他们必须评估数据分析栈，以确保生产力、速度和灵活性——所有这些都以合理的成本为前提。
Espresso AI 有助于弥合这一差距，为企业提供优化数据提取、加载和转换过程的功能，允许用户立即在规模上尝试新技术，无论基础设施限制如何——无论是在场、云端还是混合云。用户可以减少数据移动成本和努力，同时将新兴技术（如 LLM）引入其数据库。这些功能帮助组织加速其向 AI 和 ML 解决方案的转变，同时确保其数据的质量和可靠性。
数据素养在 AI 时代变得越来越重要。Exasol 如何为其客户和更广泛的社区提高数据素养？
在今天的数据丰富的工作环境中，数据素养技能比以往任何时候都更为重要——并且正在迅速成为“必须具备”的技能，而不仅仅是“很好具备”的技能。在各个行业中，能够有效地处理、理解和传达数据的能力已经变得至关重要。但是，数据素养仍然存在差距。
数据素养是指能够解释复杂信息并能够根据这些发现采取行动的能力。但是，数据访问通常在组织内被隔离，或者只有少数人具备必要的数据素养技能来理解和访问流经业务的海量数据。这种方法是有缺陷的，因为它限制了用于利用数据的时间和资源，最终，数据素养差距成为业务创新的一道障碍。
当人们具备数据素养时，他们可以理解数据、分析数据，并将自己的想法、技能和专业知识应用于数据。具有数据素养的人越多，组织就越成功。在 Exasol，我们支持数据领导者和企业推动数据素养和教育。
除了教育方面，企业还应优化其技术栈和商业智能工具，以实现数据民主化。数据可访问性和数据素养密切相关。投资这两方面对于进一步开发数据战略都是必要的。例如，使用 Exasol，我们的无需调优的系统使企业能够专注于数据使用，而不是技术。高速性能使团队能够与数据交互式地合作，并避免受到性能限制的限制。这最终导致了数据民主化。
现在是时候让数据民主化从讨论话题转变为组织内部的行动。随着更多来自各个部门的人员获得有意义的洞察力，这将缓解数据分析团队造成的传统瓶颈。当这些传统的孤岛崩溃时，组织将意识到其团队和个人使用数据的需求有多广泛和深刻。即使那些目前不认为自己是数据的最终用户的人也将被吸引到数据中。
随着这一转变而来的主要挑战是，未来几年，工作力将需要升级，以便每位员工都能获得使用数据和洞察力来做出业务决策的适当技能。今天的工作力不知道如何向其数据源提出正确的问题，或者如何使用自动化工具。能够提出精确、有针对性和业务相关的问题的价值正在增加，这就需要对工作力进行培训，以具备这一能力。
您拥有数据库、分布式系统和遗传算法的坚实背景。这些领域的专业知识如何影响 Exasol 的产品开发和创新战略？
我的背景是我们领域工作的基础和理解过去二十年来的技术趋势。能够与有趣的客户合作，他们将数据库技术转化为有趣的用例，这是令人兴奋和有益的。我们的创新战略不仅仅依赖于一个个人，而是一个由成熟的架构师和开发人员组成的团队，他们理解软件、硬件和数据应用的未来。
展望未来，数据分析和商业智能领域将出现哪些趋势，Exasol 将如何在这些领域继续推动创新？
2023 年，AI 以前所未有的速度改变了各个行业，这导致组织做出了很多反应过度的反应，最终导致了许多设计和执行不良的自动化实验。2024 年将是 AI 实验和基础工作的转型年。到目前为止，GenAI 的主要应用是信息访问、聊天机器人、客户服务自动化和软件编码。然而，将会有一些先驱者采用这些令人兴奋的技术来进行各种业务决策和优化。展望 2024 年后，我们将看到更多对 AI 的生产力实施。
在 Exasol，我们致力于推动创新并为客户提供价值，这包括帮助他们开发和实施 AI。在 Exasol，我们可以将 BI 和 AI 结合起来，克服数据孤岛，实现集成分析系统。我们的部署选项的灵活性还使组织能够决定他们希望在哪里托管其分析栈，无论是在公共云、私有云还是本地。有了 Exasol 的 Espresso AI，我们有能力赋予企业在其 AI 之旅的任何阶段利用 AI 驱动分析的价值。
生产力、灵活性和节省成本被强调为 Exasol 帮助全球品牌创新 的三种方式。您能否提供一个例子，说明 Exasol 如何使客户通过其分析数据库实现了显著的投资回报率？
根据 2023 年 Forrester 总体经济影响力研究，Exasol 的客户在三年的时间内可以实现高达 320% 的投资回报率，方法是改善运营效率、数据库性能，并提供简单、灵活的数据基础设施。
例如，Helsana，一家瑞士竞争激烈的医疗保健行业的领导者，来到 Exasol，希望满足对现代数据和分析平台的需求。在使用 Exasol 之前，Helsana 依赖于各种报告工具，数据仓库建立在不同的技术上，使用 ETL 工具，这些都造成了一个复杂、低效的架构。相比 Helsana 现有的传统解决方案，Exasol 的数据仓库表现出 5 到 10 倍的性能改进。
现在，Exasol 是 Helsana 的 AI 之旅的核心，作为 Helsana 在其所有 AI 模型中使用的结构化数据的存储库，并为其分析提供了基础。有了 Exasol，Helsana 团队提高了性能，降低了成本，提高了敏捷性，并建立了坚实的 AI 基础，这些都为显著的投资回报率做出了贡献，并提高了为客户提供服务的能力。
展望未来，数据分析和商业智能领域将出现哪些趋势，Exasol 将如何在这些领域继续推动创新？
2023 年，AI 以前所未有的速度改变了各个行业，这导致组织做出了很多反应过度的反应，最终导致了许多设计和执行不良的自动化实验。2024 年将是 AI 实验和基础工作的转型年。到目前为止，GenAI 的主要应用是信息访问、聊天机器人、客户服务自动化和软件编码。然而，将会有一些先驱者采用这些令人兴奋的技术来进行各种业务决策和优化。展望 2024 年后，我们将看到更多对 AI 的生产力实施。
在 Exasol，我们致力于推动创新并为客户提供价值，这包括帮助他们开发和实施 AI。在 Exasol，我们可以将 BI 和 AI 结合起来，克服数据孤岛，实现集成分析系统。我们的部署选项的灵活性还使组织能够决定他们希望在哪里托管其分析栈，无论是在公共云、私有云还是本地。有了 Exasol 的 Espresso AI，我们有能力赋予企业在其 AI 之旅的任何阶段利用 AI 驱动分析的价值。
感谢这次精彩的采访，希望了解更多的读者可以访问 Exasol。
