ระบบไอทีมีความซับซ้อนมากขึ้นเรื่อย ๆ จะเป็นอย่างไรเมื่อมีมวลชนย้ายไปยังคลาวด์ในช่วงการระบาดใหญ่ สแต็คข้อมูลที่ทันสมัยประกอบด้วยเครื่องมือนับร้อยสำหรับการพัฒนาแอพ การดักจับและการรวมข้อมูล การประสาน การวิเคราะห์ และการจัดเก็บ และมันก็ใหญ่ขึ้นและซับซ้อนขึ้นทุกวัน Productiv ซึ่งเป็นบริษัทสตาร์ท อั พด้านการจัดการแอพแบบ software-as-a-service ระบุว่า บริษัทโดยเฉลี่ยมีเครื่องมือภายใน 254 รายการ ณ เดือนกันยายนที่แล้ว โดยแผนกส่วนใหญ่มีการโต้เถียงกันอย่างละ 40 ถึง 60 รายการ
Kunal Agarwal และ Shivnath Babu ร่วมกันก่อตั้ง Unravel Data ซึ่งเป็นแพลตฟอร์มที่ออกแบบมาเพื่อจัดการกับความท้าทายที่เพิ่มมากขึ้น ซึ่งเป็นแพลตฟอร์มที่ออกแบบมาเพื่อให้ทีมนักพัฒนามองเห็นได้ในกองข้อมูล แก้ไขปัญหาและเพิ่มประสิทธิภาพปริมาณงานของข้อมูล และกำหนดรั้วกั้นเพื่อควบคุมต้นทุน ในธุรกิจการลงนามกำลังแข็งแกร่ง Unravel ได้ปิดการระดมทุน Series D มูลค่า 50 ล้านดอลลาร์ซึ่งนำโดย Third Point Ventures โดยมีส่วนร่วมจาก Bridge Bank, Menlo Ventures, Point 72, GGV Capital และ Harmony Capital ทำให้ยอดรวมเพิ่มขึ้นเป็น 107 ล้านดอลลาร์
“ไม่ว่าองค์กรจะแข่งขันในอุตสาหกรรมใด สิ่งหนึ่งที่แต่ละบริษัทมีเหมือนกันคือความเข้าใจว่าความสามารถในการแปลงข้อมูลดิบให้เป็นข้อมูลเชิงลึกที่นำไปปฏิบัติได้นั้นเป็นสัดส่วนโดยตรงกับความสามารถในการนำเสนอนวัตกรรมใหม่สู่ตลาด” Agarwal กล่าว TechCrunch ในการสัมภาษณ์ทางอีเมล “ด้วยเหตุนั้น ถึงแม้ว่าความไม่แน่นอนทางเศรษฐกิจที่เกิดจากการระบาดใหญ่ เราได้เห็นความสนใจที่แข็งแกร่งและยั่งยืนทั้งในวิธีการ [การสังเกต] โดยทั่วไปและโดยเฉพาะอย่างยิ่งแพลตฟอร์ม Unravel”
Agarwal และ Babu พบกันที่ Duke University ซึ่ง Shivnath เป็นศาสตราจารย์ที่ดำรงตำแหน่งในการค้นคว้าวิธีทำให้ระบบประมวลผลที่เน้นข้อมูลมากง่ายต่อการจัดการ ก่อนหน้านี้ Agarwal อยู่ที่ Sun Microsystems ซึ่งเขาเป็นผู้เชี่ยวชาญด้านการประมวลผลแบบกริดและเป็นสมาชิกของทีมขาย ทั้งสองกล่าวว่าพวกเขาเห็นโอกาสในการสร้างแพลตฟอร์มที่นำรายละเอียดปริมาณงานขนาดใหญ่ที่แตกต่างกันไปทั่วทั้งองค์กร และนำเสนอในบานหน้าต่างกระจกเดียว
Unravel พยายามเชื่อมโยงรายละเอียดจากกองข้อมูล จากนั้นใช้ AI และการเรียนรู้ของเครื่องเพื่อให้คำแนะนำและข้อมูลเชิงลึกเกี่ยวกับวิธีการ “ทำให้สิ่งต่างๆ ดีขึ้น” ในคำพูดของ Agarwal ตัวอย่างเช่น แพลตฟอร์มใช้รั้วกั้นโดยอัตโนมัติสำหรับสิ่งต่าง ๆ เช่นค่าใช้จ่ายเกินและข้อผิดพลาด ส่งการแจ้งเตือนเมื่อมีสิ่งผิดปกติเกิดขึ้น
ใช้งานแดชบอร์ดการตรวจสอบข้อมูลบนเว็บของ Unravel Data
“เนื่องจากเราบันทึกและเชื่อมโยงรายละเอียดในระดับที่ละเอียดมาก ทั้งการกำหนดค่า ทรัพยากร คอนเทนเนอร์ รหัส ชุดข้อมูล ไลน์ และการพึ่งพา จนถึงผู้ใช้แต่ละรายหรืองานหรือส่วนย่อยของการประมวลผลงานแบบคู่ขนาน เครื่องยนต์ AI ของ Unravel จะสร้างพื้นฐานแบบไดนามิก ในหลายมิติ ตรวจจับความผิดปกติด้วยการรับรู้ตามบริบทและให้ข้อมูลที่นำไปดำเนินการได้ผ่านคำแนะนำและข้อมูลเชิงลึก” Agarwal กล่าว “ตัวอย่างเช่น ถ้างานที่มักจะใช้เวลาสามนาทีในการทำงานกะทันหันนั้นใช้เวลาสิบนาที เป็นเพราะขนาดของข้อมูลกำลังถูกประมวลผลเป็นสองเท่าและตอนนี้เรากำลังประสบปัญหาหน่วยความจำไม่เพียงพอหรือไม่ ถ้าเป็นเช่นนั้น เหตุใดจึงมีข้อมูลมากขึ้นในขณะนี้ ชุดข้อมูลนั้นมาจากไหน? ใครเพิ่มขนาดเป็นสองเท่า? ตั้งใจอย่างนั้นหรือ? สิ่งนั้นส่งผลกระทบต่องานอื่นๆ ที่ต้องพึ่งพาอาศัยกันในปลายน้ำอย่างไรและอย่างไร”
โดยพื้นฐานแล้ว Unravel เป็นแพลตฟอร์มการสังเกตข้อมูล ซึ่งเป็นเทคโนโลยีที่นักลงทุนดูเหมือนจะมีความต้องการที่ไม่รู้จักพอ ในช่วงหนึ่งสัปดาห์ เมื่อ เดือนมิถุนายนที่ผ่านมา บริษัทสตาร์ทอัพด้านความสามารถในการสังเกตข้อมูล 3 แห่ง ได้แก่ Cribl , Monte Carlo และ Coralogix ได้ระดมทุนร่วมลงทุนกว่า 400 ล้านดอลลาร์ ผู้เล่นรายใหญ่อื่นๆ ในพื้นที่ ได้แก่ Observe ผู้พัฒนาเครื่องมือการจัดการประสิทธิภาพ แพลตฟอร์มประมวลผลสตรีม Edge Delta แพลตฟอร์มสายข้อมูล Manta และแพลตฟอร์ม Grafana Labs ความ สามารถในการสังเกตแบบเปิด
Agarwal ไม่เห็นความทับซ้อนกันมากนักระหว่าง Unravel และโซลูชันการตรวจสอบแอป เช่น Datadog, Dynatrace และ New Relic ซึ่งเขามองว่าเป็นการแก้ปัญหาการประสานข้อมูลที่แตกต่างกันมาก สำหรับผู้จำหน่ายความสามารถในการสังเกต เช่น Monte Carlo ดังกล่าว เขายืนยันว่าพวกเขาแก้ปริศนากองข้อมูลเพียงบางส่วนเท่านั้น และไม่มีความสามารถในการสร้างแบบจำลองของผลิตภัณฑ์ Unravel
“เทคโนโลยีคลาวด์ที่ใหม่กว่านั้นให้ความคล่องตัวและนวัตกรรมที่มากกว่า แต่ต้องแลกมาด้วยความซับซ้อนที่เพิ่มขึ้น มันยากขึ้นเรื่อยๆ สำหรับผู้นำเพื่อให้แน่ใจว่าพวกเขาจะได้รับคุณค่าและผลตอบแทนจากการลงทุนอย่างแท้จริง” Agarwal กล่าว “หลายองค์กรเห็นว่าการโยกย้ายข้อมูลหยุดชะงักเนื่องจากงบประมาณที่ล้นเกินและค่าใช้จ่ายที่ทวีคูณ และเมื่อกองข้อมูลมีความซับซ้อนมากขึ้น ก็ยิ่งยากที่จะแก้ให้หายยุ่งกับสายไฟเพื่อค้นหาว่ามีอะไรผิดพลาดและจะแก้ไขอย่างไร Unravel ช่วยให้สมาชิกทีมข้อมูลต่างๆ กัน พร้อมชุดทักษะและระดับความเชี่ยวชาญที่แตกต่างกัน เพื่อแก้ไขปัญหาและเพิ่มประสิทธิภาพด้วยตนเองมากขึ้น”
Agarwal ปฏิเสธที่จะเปิดเผยรายได้ของ Unravel หรือขนาดของฐานลูกค้าของบริษัท แต่เขาบอกว่า Adobe และ Deutsche Bank เป็นหนึ่งในลูกค้าของบริษัท เช่นเดียวกับเครือร้านขายของชำในเครือ Kroger ซึ่งเป็นบริษัทย่อยด้านการวิเคราะห์ข้อมูล 84.51°
เมื่อมองไปยังขอบฟ้า Agarwal กล่าวว่าเงินที่ได้จาก Series D จะถูกนำไปใช้ในการปรับขนาดการดำเนินงานของ Unravel สร้าง API เพื่อนำเข้าข้อมูลจากแอพจำนวนมากขึ้น และเพิ่มขนาดทีมวิศวกรของ Unravel “สองเท่า” เขาไม่ได้ผูกมัดกับแผนการว่าจ้างในระยะสั้น แต่ตั้งข้อสังเกตว่า Unravel ซึ่งปัจจุบันมีพนักงานมากกว่า 100 คนทั่วสหรัฐอเมริกา ยุโรป และอินเดีย กำลังจ้างงานสำหรับบทบาทด้านเทคนิคและการดำเนินงาน
Unravel Data สร้างรายได้ 50 ล้านเหรียญเพื่อให้เข้าใจถึงกองข้อมูลที่ซับซ้อน โดย Kyle Wiggers ที่เผยแพร่ครั้งแรกบน TechCrunch
