Materialise obtiene una inversión de $ 40 millones para la base de datos de transmisión de SQL

Databand recauda $ 14.5 millones liderados por Accel para sus herramientas de observabilidad de flujo de datos

DevOps continúa recibiendo mucha atención a medida que una ola de empresas desarrolla herramientas más sofisticadas para ayudar a los desarrolladores a administrar arquitecturas y cargas de trabajo cada vez más complejas. En el último desarrollo, Databand, una plataforma de observabilidad basada en inteligencia artificial para canalizaciones de datos, específicamente para detectar cuándo algo va mal con una fuente de datos cuando un ingeniero está utilizando un conjunto dispar de herramientas de gestión de datos, ha cerrado una ronda de 14,5 millones de dólares.

Josh Benamram, el director ejecutivo que cofundó la empresa con Victor Shafran y Evgeny Shulman, dijo que los planes de Databand incluyen más contratación; continuar agregando clientes para su producto existente; ampliar la biblioteca de herramientas que ofrece a los usuarios para cubrir un panorama cada vez mayor de software DevOps, donde es un gran partidario de los recursos de código abierto; así como invertir en los próximos pasos de su propio producto comercial. Eso incluirá más soluciones una vez que se identifiquen los problemas: es decir, además de identificar los problemas, los ingenieros también podrán comenzar a solucionarlos automáticamente.

La Serie A está dirigida por Accel con la participación de Blumberg Capital, Lerer Hippeau, Ubiquity Ventures, Differential Ventures y Bessemer Venture Partners. Blumberg lideró la ronda de semillas de la compañía en 2018. Ahora ha recaudado alrededor de $ 18.5 millones y no revela la valoración.

El problema que Databand está resolviendo es uno que se vuelve más urgente y problemático día a día (como lo demuestra este aumento anual exponencial en zettabytes de datos a nivel mundial). Y a medida que las cargas de trabajo de datos continúan creciendo en tamaño y uso, continúan volviéndose cada vez más complejas.

Además de eso, hoy en día existe una amplia gama de aplicaciones y plataformas que una organización típica utilizará para administrar el material de origen, el almacenamiento, el uso, etc. Eso significa que cuando hay fallas en cualquier fuente de datos, puede ser un desafío identificar dónde y cuál puede ser el problema. Hacerlo manualmente puede llevar mucho tiempo, si no imposible.

“Nuestros usuarios estaban en una batalla constante con la lógica ETL (extracción de transformación de carga)”, dijo Benamram, quien me habló desde Nueva York (la compañía tiene su sede tanto allí como en Tel Aviv, y también tiene desarrolladores y operaciones en Kiev). “Los usuarios no sabían cómo organizar sus herramientas y sistemas para producir productos de datos fiables”.

Es realmente difícil centrar la atención en las fallas, dijo, cuando los ingenieros están equilibrando los paneles de análisis, el rendimiento de los modelos de máquinas y otras demandas de su tiempo; y eso es antes de considerar cuándo y si un proveedor de datos podría haber cambiado una API en algún momento, lo que también podría desequilibrar completamente la fuente de datos.

Y si alguna vez ha estado en el extremo receptor de esos datos, sabe lo frustrante (y quizás más gravemente, desastroso) que pueden ser los datos incorrectos. Benamram dijo que no es raro que los ingenieros pasen por alto por completo las anomalías y que solo les hayan llamado la atención “los directores ejecutivos están mirando sus paneles y de repente piensan que algo no funciona”. No es un gran escenario.

El enfoque de Databand es utilizar big data para manejar mejor los big data: procesa varias piezas de información, incluidos metadatos de canalización como registros, información de tiempo de ejecución y perfiles de datos, junto con información de Airflow, Spark, Snowflake y otras fuentes, y coloca el los datos resultantes en una sola plataforma, para brindar a los ingenieros una vista única de lo que está sucediendo, ver mejor dónde están apareciendo cuellos de botella o anomalías, y por qué.

Hay una serie de otras empresas que crean herramientas de observación de datos: Splunk quizás sea uno de los actores más obvios, pero también más pequeños como Thundra y Rivery. Estas empresas podrían dar un paso más en el área que Databand ha identificado y está arreglando, pero por ahora, el enfoque de Databand específicamente en identificar y ayudar a los ingenieros a corregir anomalías le ha dado un perfil y una posición sólidos.

El socio de Accel, Seth Pierrepont, dijo que Databand llamó la atención del VC quizás de la mejor manera que pudo: Accel necesitaba una solución como esta para su propio trabajo interno.

“La observabilidad de la canalización de datos es un desafío con el que nuestro equipo de datos internos en Accel estaba luchando. Incluso a nuestra escala relativamente pequeña, teníamos problemas con la confiabilidad de nuestras salidas de datos semanalmente, y nuestro equipo encontró Databand como una solución ”, dijo. “A medida que las empresas de todas las industrias buscan orientarse más a los datos, Databand ofrece un producto esencial que garantiza la entrega confiable de datos de alta calidad para las empresas. Josh, Victor y Evgeny tienen una gran experiencia en esta área y nos ha impresionado su enfoque reflexivo y abierto para ayudar a los ingenieros de datos a administrar mejor sus canalizaciones de datos con Databand “.

La compañía también es utilizada por equipos de datos tanto de grandes empresas Fortune 500 como de nuevas empresas más pequeñas.


Source link