MindsDB ønsker å gi bedriftsdatabaser en hjerne

La OSS Enterprise nyhetsbrev veilede din åpen kilde reise! Registrer deg her.

Databaser er hjørnesteinen i de fleste moderne forretningsapplikasjoner, enten det er for å administrere lønn, spore kundeordrer eller lagre og hente omtrent hvilken som helst del av forretningskritisk informasjon. Med de riktige verktøyene for supplerende business intelligence (BI) kan bedrifter hente all slags innsikt fra sine enorme datamengder, for eksempel å etablere salgstrender for å informere fremtidige beslutninger. Men når det gjelder å lage nøyaktige prognoser fra historiske data, er det et helt nytt ballspill som krever forskjellige ferdigheter og teknologier.

Dette er noe som MindsDB er i ferd med å løse, med en plattform som hjelper alle å utnytte maskinlæring (ML) til fremtidsblikk med stor datainnsikt. Med selskapets egne ord ønsker det å "demokratisere maskinlæring ved å gi bedriftsdatabaser en hjerne."

Grunnlagt i 2017, Berkeley, California-baserte MindsDB gjør det mulig for selskaper å lage spådommer direkte fra databasen deres ved å bruke standard SQL-kommandoer, og visualisere dem i deres applikasjons- eller analyseplattform.

For å videreutvikle og kommersialisere produktet sitt, kunngjorde MindsDB denne uken at de har samlet inn 3.75 millioner dollar, noe som gir sin total finansiering til 7.6 millioner dollar. Selskapet avduket også partnerskap med noen av de mest gjenkjennelige databasemerkene, inkludert Snowflake, SingleStore og DataStax, som vil bringe MindsDBs ML-plattform direkte til disse datalagrene.

Bruke fortiden til å forutsi fremtiden

Det er utallige brukstilfeller for MindsDB, for eksempel å forutsi kundeadferd, redusere kundeavgang, forbedre ansattes oppbevaring, oppdage anomalier i industrielle prosesser, kredittrisikoscoring og forutsi lageretterspørsel – det handler om å bruke eksisterende data for å finne ut hva disse dataene kan se ut på et senere tidspunkt.

En analytiker i en stor detaljhandelskjede, for eksempel, vil kanskje vite hvor mye varelager de trenger for å møte etterspørselen i fremtiden basert på en rekke variabler. Ved å koble databasen deres (f.eks. MySQL, MariaDB, Snowflake eller PostgreSQL) til MindsDB, og deretter koble MindsDB til deres foretrukne BI-verktøy (f.eks. Tableau eller Looker), kan de stille spørsmål og se hva som er rundt hjørnet.

"Din database kan gi deg et godt bilde av historien til inventaret ditt fordi databaser er designet for det," sa MindsDB-sjef Jorge Torres til VentureBeat. "Ved å bruke maskinlæring gjør MindsDB din database i stand til å bli mer intelligent for også å gi deg prognoser om hvordan disse dataene vil se ut i fremtiden. Med MindsDB kan du løse dine beholdningsprognoseutfordringer med noen få standard SQL-kommandoer."

Torres sa at MindsDB gjør det mulig for det som er kjent som In-Database ML (I-DBML) å lage, trene og bruke ML-modeller i SQL, som om de var tabeller i en database.

"Vi tror at I-DBML er den beste måten å bruke ML på, og vi mener at alle databaser bør ha denne muligheten, og det er grunnen til at vi har samarbeidet med de beste databaseprodusentene i verden," forklarte Torres. "Det bringer ML så nærme dataene som mulig, integrerer ML-modellene som virtuelle databasetabeller og kan spørres med enkle SQL-setninger."

MindsDB sender inn tre brede varianter - en gratis, åpen kildekode inkarnasjon som kan distribueres hvor som helst; en bedriftsversjon som inkluderer ekstra støtte og tjenester; og et vertsbasert skyprodukt som nylig ble lansert i beta, som belastes per bruk.

Open source-fellesskapet har vært et stort fokus for MindsDB så langt, og krever titusenvis av installasjoner fra utviklere rundt om i verden - inkludert utviklere som jobber i selskaper som PayPal, Verizon, Samsung og American Express. Selv om denne organiske tilnærmingen vil fortsette å utgjøre en stor del av MindsDBs vekststrategi, sa Torres at selskapet hans er i de tidlige stadiene av kommersialisering av produktet med selskaper på tvers av en rekke bransjer, selv om han ikke hadde frihet til å avsløre noen navn.

"Vi er i valideringsstadiet med flere Fortune 100-kunder, inkludert finansielle tjenester, detaljhandel, produksjon og spillselskaper, som har svært sensitive data som er forretningskritiske - og [dette] utelukker avsløring," sa Torres.

Problemet som MindsDB er ute etter å fikse er et som påvirker omtrent alle forretningsvertikaler, og spenner over virksomheter i alle størrelser – selv de største selskapene vil ikke finne opp hjulet på nytt ved å utvikle alle aspekter av deres AI-våpen fra bunnen av.

"Hvis du har en robust, fungerende bedriftsdatabase, har du allerede alt du trenger for å bruke maskinlæring fra MindsDB," forklarte Torres. «Bedrifter har lagt store ressurser i sine databaser, og noen av dem har til og med lagt ned tiår med innsats for å perfeksjonere datalagrene sine. Så, i løpet av de siste årene, ettersom ML-evner begynte å dukke opp, ønsket bedrifter naturligvis å utnytte dem for bedre spådommer og beslutningstaking.»

Mens selskaper kanskje ønsker å lage bedre spådommer fra dataene deres, de iboende utfordringene med å trekke ut, transformere og laste (ETL) alle disse dataene i andre systemer er fulle av kompleksitet og gir ikke alltid gode resultater. Med MindsDB blir dataene liggende der de er i den opprinnelige databasen.

"På den måten reduserer du dramatisk tidslinjen til prosjektet fra år eller måneder til timer, og på samme måte reduserer du feilpunkter og kostnader betydelig," sa Torres.

Maskinlæringens Sveits

Konkurranselandskapet er ganske omfattende, avhengig av hvordan man vurderer omfanget av problemet. Flere store aktører har dukket opp for å bevæpne utviklere og analytikere med AI-verktøy, for eksempel kraftig VC-støttet DataRobot og H2O, men Torres ser på denne typen selskaper som potensielle partnere i stedet for direkte konkurrenter. "Vi tror vi har funnet ut den beste måten å bringe intelligens direkte til databasen, og det er potensielt noe de kan utnytte," sa Torres.

Og så er det skyplattformleverandørene selv som Amazon, Google og Microsoft som tilbyr sine kunder maskinlæring som tillegg. I slike tilfeller er imidlertid disse tjenestene egentlig bare måter å selge mer av kjerneproduktet deres, som er databehandling og lagring. — Torres ser også potensiale for å samarbeide med disse skygigantene i fremtiden. "Vi er en nøytral spiller - vi er maskinlæringens Sveits," la Torres til.

MindDBs såkornfinansiering inkluderer investeringer fra en rekke bemerkelsesverdige støttespillere, inkludert OpenOcean, som hevder MariaDB-medgründer Patrik Backman som partner, YCombinator (MindsDB uteksaminerte YCs vinter 2020 batch), Walden Catalyst Ventures, SpeedInvest og Berkeleys SkyDeck-fond.