Esta mañana Monte Carlo, una startup enfocada en ayudar a otras compañías a monitorear mejor sus entradas de datos, anunció que cerró una Serie B de $ 25 millones.
La ronda, que fue codirigida por GGV y Punto rojo, llega pocos meses después de su Septiembre Serie A que valió $ 15 millones. Acelerar lideró la Serie A y los acuerdos de semillas de la compañía, participando también en su Serie B.
La ronda nos llamó la atención no solo por la velocidad a la que se elevó después de la inversión anterior de Monte Carlo, sino también porque su humilde servidor no tenía idea de lo que realmente era la observabilidad de datos, el nicho de la startup.
Así que tenemos al cofundador y director ejecutivo de Monte Carlo Barr Moses en una llamada para explicar el espacio de su empresa y cómo logró atraer mucho más capital tan rápido.
Entradas de datos
El big data fue el problema hace un tiempo, pero resultó ser simplemente una pieza en el rompecabezas de datos más amplio. Podemos ver evidencia de eso en el reciente crecimiento de los ingresos en Databricks, que alcanzó $ 425 millones ARR en 2020 mediante la creación de un servicio de análisis e inteligencia artificial que se asienta sobre los datos de las empresas.
Monte Carlo es otra apuesta en el espacio de datos, que se encuentra un poco antes en el ciclo de vida de los datos. Piénselo de esta manera: Snowflake puede contener todos sus datos y Databricks puede ayudarlo a analizarlos. Pero, ¿qué verifica para asegurarse de que los datos fluyan dentro tus repositorios no son, ya sabes, una mierda?
Averiguar si las entradas de datos son saludables y no una tontería es lo que hace Monte Carlo.
Según Moses, las empresas ahora tienen innumerables fuentes de datos. Eso es genial en teoría, ya que más datos suele ser algo bueno. Pero si una o dos de esas fuentes se descontrolan, es muy importante averiguarlo antes de recopilar, almacenar y analizar la información incorrecta.
Por lo tanto, Monte Carlo se ubica aguas arriba de las otras compañías de datos que están de moda en estos días, controlando las fuentes de datos entrantes en una serie de parámetros para asegurarse de que lo que realmente llega a su lago de datos sea legítimo.
La startup hace eso, dijo Moses, al verificar la frescura de los datos (qué tan recientes o tardíos son los datos en cuestión), el volumen (¿hay muy poco, demasiado?), El esquema (la estructura de los datos en sí, para ver si las cosas han cambiado eso podría importar, o romper los servicios posteriores), la distribución (si los puntos de datos saltan repentinamente de digamos, un solo dígito a millones) y el linaje, que puede ayudar a encontrar puntos de interrupción en las entradas de datos.
Escuchar que Monte Carlo aprende de los conductos de datos particulares de una empresa para averiguar qué podría ser un flujo de datos no estándar me hizo sentir curiosidad por saber cuánto tiempo lleva configurar y ejecutar el software de la startup; no mucho, según Barr: una hora para encenderlo en muchos casos y una semana para aprender.
Un sector en crecimiento
El producto de Monte Carlo es lo suficientemente elegante como para merecer nuestra atención por sí solo. Pero, al encajar perfectamente dentro del crecimiento del espacio de datos más amplio, y especialmente las herramientas de datos que no están directamente relacionadas con el almacenamiento, hace que valga la pena considerarlo.
Y ahora, con $ 25 millones más, Monte Carlo puede expandir su personal actual de 25 y seguir atacando su objetivo de clientes empresariales y medianos. Veamos qué tan rápido puede escalar y qué tan pronto podemos comenzar a exprimir la startup para obtener números de crecimiento.