MindsDB vill ge företagsdatabaser en hjärna

Låt OSS Enterprise nyhetsbrev vägleda din öppet källa resa! Anmäl dig här.

Databaser är hörnstenen i de flesta moderna affärsapplikationer, oavsett om det är för att hantera löner, spåra kundorder eller lagra och hämta nästan vilken del av affärskritisk information som helst. Med rätt kompletterande Business Intelligence-verktyg (BI) kan företag få alla möjliga insikter från sina stora mängder data, som att fastställa försäljningstrender för att informera framtida beslut. Men när det gäller att göra korrekta prognoser från historiska data är det ett helt nytt bollspel som kräver olika färdigheter och tekniker.

Det här är något som MindsDB satsar på att lösa, med en plattform som hjälper alla att utnyttja maskininlärning (ML) för att blicka framåt med big data-insikter. Med företagets egna ord vill det "demokratisera maskininlärning genom att ge företagsdatabaser en hjärna."

Grundades 2017, Berkeley, Kalifornien-baserade MindsDB gör det möjligt för företag att göra förutsägelser direkt från sin databas med standard SQL-kommandon och visualisera dem i deras valfria applikations- eller analysplattform.

För att vidareutveckla och kommersialisera sin produkt meddelade MindsDB denna vecka att de har samlat in 3.75 miljoner dollar, vilket ger sin total finansiering till 7.6 miljoner dollar. Företaget avslöjade också partnerskap med några av de mest kända databasmärkena, inklusive Snowflake, SingleStore och DataStax, som kommer att föra MindsDB:s ML-plattform direkt till dessa databutiker.

Att använda det förflutna för att förutsäga framtiden

Det finns otaliga användningsfall för MindsDB, som att förutsäga kundbeteende, minska churn, förbättra personalretention, upptäcka anomalier i industriella processer, kreditriskpoäng och förutsäga lagerefterfrågan – det handlar om att använda befintliga data för att ta reda på vad dessa data kan se ut vid ett senare tillfälle.

En analytiker på en stor detaljhandelskedja, till exempel, kanske vill veta hur mycket lager de behöver för att möta efterfrågan i framtiden baserat på ett antal variabler. Genom att koppla sin databas (t.ex. MySQL, MariaDB, Snowflake eller PostgreSQL) till MindsDB och sedan ansluta MindsDB till deras BI-verktyg (t.ex. Tableau eller Looker), kan de ställa frågor och se vad som finns runt hörnet.

"Din databas kan ge dig en bra bild av historien om ditt lager eftersom databaser är designade för det," sa MindsDBs vd Jorge Torres till VentureBeat. "Med hjälp av maskininlärning gör MindsDB det möjligt för din databas att bli mer intelligent för att även ge dig prognoser om hur denna data kommer att se ut i framtiden. Med MindsDB kan du lösa dina lagerprognosutmaningar med några standard SQL-kommandon.”

Torres sa att MindsDB gör det möjligt för det som kallas In-Database ML (I-DBML) att skapa, träna och använda ML-modeller i SQL, som om de vore tabeller i en databas.

"Vi tror att I-DBML är det bästa sättet att tillämpa ML, och vi tror att alla databaser bör ha denna förmåga, vilket är anledningen till att vi har samarbetat med de bästa databastillverkarna i världen," förklarade Torres. "Det för ML så nära data som möjligt, integrerar ML-modellerna som virtuella databastabeller och kan frågas med enkla SQL-satser."

MindsDB skickar in tre breda varianter - en fri, öppen källkod inkarnation som kan distribueras var som helst; en företagsversion som inkluderar ytterligare support och tjänster; och en värdbaserad molnprodukt som nyligen lanserades i beta, som debiteras per användning.

Gemenskapen med öppen källkod har varit ett stort fokus för MindsDB hittills och gjort anspråk på tiotusentals installationer från utvecklare runt om i världen - inklusive utvecklare som arbetar på företag som PayPal, Verizon, Samsung och American Express. Även om detta organiska tillvägagångssätt kommer att fortsätta att utgöra en stor del av MindsDB:s tillväxtstrategi, sa Torres att hans företag är i ett tidigt skede av kommersialisering av produkten med företag inom många branscher, även om han inte var friheten att avslöja några namn.

"Vi är i valideringsstadiet med flera Fortune 100-kunder, inklusive finansiella tjänster, detaljhandel, tillverkning och spelbolag, som har mycket känslig data som är affärskritisk - och [detta] utesluter avslöjande," sa Torres.

Problemet som MindsDB är ute efter att åtgärda är ett som påverkar nästan alla affärsvertikaler, som spänner över företag av alla storlekar – inte ens de största företagen vill uppfinna hjulet på nytt genom att utveckla varje aspekt av deras AI-armatur från grunden.

"Om du har en robust, fungerande företagsdatabas har du redan allt du behöver för att tillämpa maskininlärning från MindsDB," förklarade Torres. ”Företag har lagt stora resurser på sina databaser, och några av dem har till och med lagt ner årtionden av ansträngningar för att fullända sina datalager. Sedan, under de senaste åren, när ML-kapaciteten började dyka upp, ville företag naturligtvis utnyttja dem för bättre förutsägelser och beslutsfattande.”

Medan företag kanske vill att göra bättre förutsägelser från sina data, de inneboende utmaningarna med att extrahera, transformera och ladda (ETL) all data i andra system är fylld av komplexitet och ger inte alltid bra resultat. Med MindsDB lämnas data där den finns i den ursprungliga databasen.

"På det sättet minskar du dramatiskt projektets tidslinje från år eller månader till timmar, och på samma sätt minskar du avsevärt felpunkter och kostnader," sa Torres.

Maskininlärningens Schweiz

Konkurrensbilden är ganska omfattande, beroende på hur man ser på problemets omfattning. Flera stora aktörer har dykt upp för att beväpna utvecklare och analytiker med AI-verktyg, till exempel kraftigt VC-stödd DataRobot och H2O, men Torres ser dessa typer av företag som potentiella partners snarare än direkta konkurrenter. "Vi tror att vi har hittat ut det bästa sättet att föra intelligens direkt till databasen, och det är potentiellt något som de skulle kunna utnyttja," sa Torres.

Och så finns det molnplattformsleverantörerna själva som Amazon, Google och Microsoft som erbjuder sina kunder maskininlärning som tillägg. Men i dessa fall är dessa tjänster egentligen bara sätt att sälja mer av sin kärnprodukt, som är beräkning och lagring. — Torres ser också potential för att samarbeta med dessa molnjättar i framtiden. "Vi är en neutral spelare - vi är maskininlärningens Schweiz," tillade Torres.

MindDB:s startfinansiering inkluderar investeringar från en rad anmärkningsvärda stödjare, inklusive OpenOcean, som hävdar MariaDBs medgrundare Patrik Backman som partner, YCombinator (MindsDB utexaminerade YC:s vinter 2020 batch), Walden Catalyst Ventures, SpeedInvest och Berkeleys SkyDeck-fond.