La empresa de análisis de datos escaló rápidamente para ponerse en una ruta de salida a bolsa obvia
El intercambio regularmente cubre empresas a medida que se acercan y coronar la marca de ingresos de $ 100 millones. Nuestro objetivo al hacer un seguimiento de las nuevas empresas que crecen a escala es buscar candidatos a futuros OPI y comprender mejor el mercado de financiamiento en etapa tardía.
Hoy estamos investigando una empresa que es un poco más grande que eso. A saber Databricks, una empresa de análisis de datos que recientemente valorado en alrededor de $ 6.2 mil millones en su Serie F de octubre de 2019 cuando recaudó $ 400 millones.
The Exchange explora nuevas empresas, mercados y dinero. Leerlo todas las mañanas con Extra Cruncho conseguir El boletín de Exchange Cada Sábado.
La primera startup alcanzó una tasa de ejecución de alrededor de $ 350 millones al final del tercer trimestre de 2020, frente a los $ 200 millones en ingresos en el tercer trimestre de 2019, lo que la coloca en un rápido ritmo de crecimiento para una antigua startup de su tamaño.
Para profundizar mejor en el desempeño de la empresa, hablé por teléfono con su director ejecutivo, Ali Ghodsi, con la esperanza de comprender mejor cómo Databricks ha logrado crecer tanto como lo ha hecho en los últimos años. Ghodsi asumió el cargo de CEO en 2016 después de ocupar el cargo de vicepresidente de ingeniería de la compañía. También es cofundador.
Databricks es un candidato obvio para una OPI, pero también es una empresa con amplias opciones en el mercado privado, dada su expansión de ingresos y su atractivo económico. Hoy, hablemos sobre el historial de crecimiento de Databricks, cómo cambió su proceso de ventas y lo que le espera al unicornio más de seis veces.
¿Qué hace Databricks?
¿Qué hace realmente Databricks? Normalmente me contentaría con agitar mis manos en el análisis de datos y terminarlo. Charlar con Ghodsi, sin embargo, aclaró el asunto, así que déjame ayudarte.
Digamos que una empresa tiene muchos datos sobre su maquinaria y quiere saber cuándo van a fallar diferentes piezas. O quizás una empresa quiera encontrar patrones en algunos datos económicos. ¿Cómo encuentran esa información?
Ghodsi reconoce que necesita tres cosas: primero, la ingeniería de datos o conseguir que los datos del cliente “se adapten a los formularios correctos para que pueda comenzar a usarlos”. En segundo lugar, la ciencia de datos, que Ghodsi describe como “los algoritmos de aprendizaje automático, los algoritmos predictivos que necesita tener”. Y tercero, además, las empresas “cada vez más” también quieren almacenamiento de datos y algunos “análisis básicos”, agregó.
Source link