Bigeye zbiera 17 milionów dolarów na algorytmiczne monitorowanie jakości danych

Duże oko, A dane platforma inżynierii jakości ogłosiła dzisiaj, że zebrała 17 milionów dolarów w rundzie A prowadzonej przez Sequoia Capital. Firma twierdzi, że fundusze zostaną wykorzystane na ulepszenie platformy i udostępnienie jej większej liczbie zespołów zajmujących się danymi.

Dane mają coraz większe znaczenie dla przedsiębiorstw i są częścią produktów i usług, które bezpośrednio wpływają na klientów. Aby dotrzymać kroku, inżynieria danych zwiększyła swoją skalę, złożoność i automatyzację, co prowadzi do szeregu znaczących wyzwań związanych z przepływem pracy. Z najnowszego badania Alation wynika, że ​​zdecydowana większość pracowników (87%) jako przyczynę niepowodzeń wdrożeniowych sztucznej inteligencji i uczenia maszynowego w swoich organizacjach uznaje problemy z jakością danych raport.

Bigeye z siedzibą w San Francisco w Kalifornii, wcześniej nazywany Toro Data Labs, wykorzystuje uczenie maszynowe, aby umożliwić firmom instrumentowanie jezior i hurtowni danych za pomocą tysięcy wskaźników jakości danych. Założona w 2020 r. platforma automatycznie oprzyrządowuje zbiory danych i potoki za pomocą metryk, tworząc alerty oparte na technikach wykrywania anomalii.

Jak to działa?

Bigeye używa łączników i kont tylko do odczytu, aby łączyć się ze źródłami danych i rejestrować wskaźniki kondycji. Dostępny w formie w pełni zarządzanego oprogramowania jako usługi lub jako aplikacja lokalna dla przedsiębiorstw, Bigeye próbkuje obiekty takie jak tabele i generuje zalecane metryki w oparciu o profilowanie danych i analizę semantyczną. Domyślnie wszystkie metryki mają włączone automatyczne progi — w ciągu 5 do 10 dni Bigeye uczy się zachowania metryk i zaczyna wprowadzać korekty. Po osiągnięciu tych progów platforma wysyła alerty za pośrednictwem poczty elektronicznej, Slacka i innych kanałów oraz opcjonalnie uruchamia kroki zaradcze.

W przypadku jednej firmy Bigeye stwierdził, że dane klientów zawierały wiele wierszy, w których wartości zostały zapisane w niewłaściwych kolumnach. Odsetek dotkniętych wierszy był na tyle mały, że analitycy mogli tego nie zauważyć, ale przy skali, na jaką działała firma, mógł to doprowadzić do powstania setek zgłoszeń do obsługi klienta, które wymagałyby rozwiązania.

Bigeye może korzystać z Snowflake, Redshift, BigQuery i innych popularnych źródeł, a jego interfejs niewymagający kodu umożliwia zespołom tworzenie, edytowanie i odczytywanie historii konfiguracji i metryk. Firma twierdzi, że w ramach wysiłków na rzecz ulepszenia platformy zwiększyła ostatnio obsługę umów o poziomie usług, co może pomóc inżynierom w budowaniu zaufania dzięki przejrzystości wobec użytkowników.

Jakość danych

Ponieważ procesy związane z danymi pozostają przeszkodą we wdrażaniu sztucznej inteligencji — 34% respondentów w badaniu Rackspace 2021 badanie jako przyczynę niepowodzeń w pracach badawczo-rozwojowych nad sztuczną inteligencją podała słabą jakość danych – rozwiązania umożliwiające obserwację, takie jak opastuna, przyciągają inwestycje. Jest Aporia, Monte Carlo, Dlaczego Labs, startup rozwijający rozwiązanie do monitorowania modeli i rozwiązywania problemów. Innym konkurentem jest Laboratorium danych Domino, firmy, która twierdzi, że zapobiega omyłkowemu wykazywaniu stronniczości lub poniżania modeli sztucznej inteligencji.

„W tej chwili współczesne zespoły zajmujące się danymi są powstrzymywane przez bohaterstwo inżynierów danych, analityków i naukowców zajmujących się danymi, próbujących segregować incydenty związane z jakością danych, gdy coś już poszło nie tak. Byliśmy ludźmi, którzy w sobotę musieli nie spać do 3:XNUMX, próbując zasypać rurociąg — i nie wydaje się to bohaterskie” – powiedział VentureBeat współzałożyciel i dyrektor generalny Kyle Kirwan pocztą elektroniczną. „Aby firmy mogły zdawać sobie sprawę z wartości swoich danych, zespoły zajmujące się danymi muszą bez wysiłku mierzyć, ulepszać i informować o jakości danych dla swoich organizacji”.

Ale Bigeye z powodzeniem zdobył już uznanie dużych klientów, w tym Instacart, Crux Informatics i Lambda School.

Oprócz Sequoia, w ostatniej rundzie finansowania Bigeye uczestniczyła także firma Costanoa Ventures. Działająca od trzech lat firma zatrudnia 11 pracowników, a zebrane fundusze wynoszą łącznie 21 milionów dolarów.

Źródło: https://venturebeat.com/2021/04/15/bigeye-raises-17m-to-algorithmically-monitor-data-quality/