Databand está recaudando $ 14.5 millones, liderado por Accel, para sus herramientas de monitoreo de flujo de datos – TechCrunch


DevOps continúa recibiendo mucha atención a medida que una ola de empresas crea herramientas más sofisticadas que los desarrolladores pueden usar para administrar arquitecturas y cargas de trabajo cada vez más complejas. En el último desarrollo, Databand, una plataforma de observabilidad de canalización de datos basada en inteligencia artificial diseñada específicamente para detectar cuándo algo sale mal con una fuente de datos cuando un ingeniero usa diferentes herramientas de administración de datos, ha completado una ronda de $ 14.5 millones.

Josh Benamram, el director ejecutivo que cofundó la empresa con Victor Shafran y Evgeny Shulman, dijo que los planes de Databand incluyen más contratación; agregar más clientes para el producto existente; Ampliar la biblioteca de herramientas disponibles para los usuarios para cubrir un panorama cada vez mayor de software DevOps donde los recursos de código abierto cuentan con un gran apoyo; así como invertir en los próximos pasos de su propio producto comercial. Esto incluye más correcciones tan pronto como se identifiquen los problemas. Esto significa que los ingenieros no solo pueden identificar problemas, sino también 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 inicial de la compañía en 2018. La compañía ahora ha recaudado alrededor de $ 18.5 millones y no está revelando una valoración.

El problema que resuelve Databand es cada día más urgente y problemático (como muestra este aumento anual exponencial de zettabytes de datos en todo el mundo). Y a medida que las cargas de trabajo de datos se hacen más grandes y más fáciles de usar, se vuelven más complejas.

Además, hoy en día existe una multitud de aplicaciones y plataformas que una empresa típica utiliza para administrar el material de origen, el almacenamiento, el uso, etc. Dicho esto, cuando hay una falla en una fuente de datos, puede ser un desafío determinar dónde y cuál puede ser el problema. Hacer esto manualmente puede llevar mucho tiempo, si no imposible.

«Nuestros usuarios han estado en una batalla constante con la lógica de Extract Transform Load (ETL)», dijo Benamram, quien me habló desde Nueva York (la compañía tiene su sede allí y en Tel Aviv, y tiene desarrolladores y operaciones en Kiev ). «Los usuarios no sabían cómo organizar sus herramientas y sistemas para crear productos de datos confiables».

Es realmente difícil llamar la atención sobre los errores cuando los ingenieros equilibran los paneles de análisis, el rendimiento del modelo de máquina y otras demandas de su tiempo. y eso es antes de considerar cuándo y si un proveedor de datos ha cambiado en algún momento una API, lo que también puede cerrar por completo la fuente de datos.

Y si alguna vez ha estado en el extremo receptor de esos datos, sabe cuán frustrantes (y potencialmente más serios, catastróficos) pueden ser los datos incorrectos. Benamram dijo que no es raro que los ingenieros pasen por alto por completo las anomalías y que solo se les ha informado que «los directores ejecutivos miran sus paneles y de repente piensan que algo anda mal». No es un gran escenario.

El enfoque de Databand es utilizar big data para un mejor manejo de big data: se procesa diversa información, incluidos metadatos de canalización como registros, información de tiempo de ejecución y perfiles de datos, así como información de Airflow, Spark, Snowflake y otras fuentes que dan como resultado datos resumido en una sola plataforma para brindar a los ingenieros una visión unificada de lo que está sucediendo. Ver mejor dónde y por qué se producen cuellos de botella o anomalías.

Hay varias otras empresas que desarrollan herramientas de observación de datos; Splunk es quizás una de las más obvias, pero también se trata de empresas más pequeñas como Thundra y Rivery. Estas empresas podrían ir más allá en el área que Databand ha identificado y solucionado, pero el enfoque de Databand específicamente en identificar y ayudar a los ingenieros a solucionar anomalías le ha otorgado un perfil y una posición sólidos.

El socio de Accel, Seth Pierrepont, dijo que Databand llamó la atención del VC de la mejor manera posible: Accel necesitaba una solución de este tipo para su propio trabajo interno.

“La observabilidad de las canalizaciones de datos es un desafío con el que luchó nuestro equipo de datos internos en Accel. Incluso en nuestra escala relativamente pequeña, teníamos problemas con la confiabilidad de nuestras salidas de datos semanalmente y nuestro equipo encontró que Databand era la solución ”, dijo. “Dado que las empresas de todas las industrias se esfuerzan por lograr una mayor orientación a los datos, Databand ofrece un producto esencial que garantiza el suministro confiable de datos de alta calidad para las empresas. Josh, Victor y Evgeny tienen una amplia experiencia en esta área. Nos impresionó su enfoque reflexivo y abierto para ayudar a los ingenieros de datos a administrar mejor sus canales de datos con Databand. «

La compañía también es utilizada por equipos de datos desde grandes compañías Fortune 500 hasta nuevas empresas más pequeñas.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *