La compañía de análisis de datos escaló rápidamente para ponerse en un camino obvio de salida a bolsa.
El Exchange cubre regularmente a las empresas a medida que se acercan y superan la marca de ingresos de $ 100 millones. Nuestro objetivo al hacer un seguimiento de las empresas emergentes que crecen a gran escala es explorar futuros candidatos a OPI y comprender mejor el mercado de financiamiento en etapa avanzada.
Hoy estamos investigando una empresa que es un poco más grande que eso. A saber Ladrillos de datosuna empresa de análisis de datos que fue valorada recientemente 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. Léalo todas las mañanas en Extra Crunch, o reciba el boletín The Exchange todos los sábados.
La antigua empresa emergente alcanzó una tasa de ejecución de alrededor de $ 350 millones a fines del tercer trimestre de 2020, frente a los $ 200 millones en ingresos en el tercer trimestre de 2019, lo que la coloca en un ritmo de crecimiento rápido para una antigua empresa emergente de su tamaño.
Para profundizar mejor en el desempeño de la empresa, hablé por teléfono con su director general, 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 director ejecutivo en 2016 después de ocupar el cargo de vicepresidente de ingeniería de la empresa. También es co-fundador.
Databricks es un candidato obvio para la oferta pública inicial, pero también es una empresa con amplias opciones en el mercado privado, dada su expansión de ingresos y su economía atractiva. 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 dar por terminado el día. Hablar 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 cree que necesita tres cosas: primero, ingeniería de datos, o conseguir que los datos de los clientes se “masajeen en los formularios correctos para que realmente 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