Superconductive, en startup som utvecklar datahanteringslösningar för företag, samlar in 40 miljoner dollar

DatavÀv kontra datanÀt: Vad Àr skillnaden?


Datakvalitetsproblem plĂ„gar organisationer, oavsett om de aktivt investerar i analys eller inte. En undersökning frĂ„n Harvard Business Review frĂ„n 2017 visade att 47 % av nyskapade dataposter hade minst ett kritiskt fel och att endast 3 % var “acceptabla” nĂ€r det gĂ€ller kvalitet. Enligt Gartner kan dĂ„lig datakvalitet kosta organisationer i genomsnitt $12,9 miljoner per Ă„r. Det beror pĂ„ att det kan leda till problem nedströms, eftersom datapipelines – sĂ€ttet att flytta data frĂ„n en plats till en annan – blir mer komplex med tiden.

Ett antal startups har dykt upp med plattformar som de hÀvdar kan lösa datakvalitetsproblemet, som Data.World och Zaloni. En annan Àr Superconductive, som har ett ramverk med öppen kÀllkod, Great Expectations, som anvÀnds av varumÀrken som Vimeo, Heineken och Calm för datahantering. I en visa av förtroende frÄn investerare tillkÀnnagav Superconductive idag att de samlade in 40 miljoner dollar i en serie B-runda ledd av Tiger Global med deltagande frÄn Index, CRV och Root Ventures, vilket ger företagets totala insamlade till 64,5 miljoner dollar.

Hantera data

Superconductive grundades 2017 av Abe Gong och Ben Castleton och utvecklar verktyg för datatestning, dokumentation och profilering. Castleton var senioranalytiker vid Massachusetts General Hospital och datateknikarkitekt pÄ Health Catalyst innan han började pÄ Superconductive som grundande konsult. Gong ledde tidigare datainsatser pÄ Aspire, som tillhandahÄller hemsjukskötersketjÀnster till patienter, och utförde konsultarbete för organisationer inom hÀlsa och internet of things.

Superconductive’s Great Expectations, som företaget hĂ€vdar i genomsnitt har cirka tvĂ„ miljoner nedladdningar per mĂ„nad, kan automatiskt testa och verifiera att data ser ut som den ska och bibehĂ„ller de rĂ€tta egenskaperna genom hela sin slĂ€ktlinje. Designad för att fungera mot strukturerad data i datalager (datahanteringssystem som stöder analys) eller relationsdatabaser (databaser som lagrar och ger Ă„tkomst till datapunkter), Ă€r Great Expectations modulĂ€rt och utbyggbart, vilket gör att kunderna kan utöka ramverket.

“Great Expectations hjĂ€lper datateam att eliminera pipelineskulder”, skriver företaget pĂ„ sin hemsida. “Programutvecklare har lĂ€nge vetat att testning och dokumentation Ă€r avgörande för att hantera komplexa kodbaser. Great Expectations ger samma sjĂ€lvförtroende, integritet och acceleration till datavetenskaps- och datateknikteam.”

AnvÀnder Great Expectations för att hantera data.

Great Expectations kan generera dokumentation inklusive Slack-meddelanden, “dataordböcker” och anpassade programmeringsanteckningsböcker. Plattformen kan ocksĂ„ fungera med andra tekniska verktyg i produktionsinstĂ€llningar, vilket skenbart hjĂ€lper anvĂ€ndare att utforska data och fĂ„nga kunskap för framtida dokumentation och testning.

“I över ett decennium har mjukvaruteknikteam vetat att tester och dokumentation Ă€r det enda effektiva sĂ€ttet att slĂ„ tekniska skulder i mjukvara. Great Expectations ger samma hastighet och sjĂ€lvförtroende till datateknikteamen, sĂ€ger Gong till VentureBeat via e-post. “För chefer för datateam innebĂ€r detta förbĂ€ttrad teamproduktivitet och moral, för att inte tala om mer tillförlitliga dataprodukter och analyser: fĂ€rre trasiga instrumentpaneler, brandövningar för att fixa databaserade kundrapporter, felaktiga analysslutsatser som mĂ„ste gĂ„ tillbaka. Datateam som eliminerar pipelineskulder kan samarbeta mycket mer effektivt.”

Great Expectations stöder för nÀrvarande inbyggt körning i de populÀra dataramverken och sprÄken Pandas, strukturerat frÄgesprÄk och Apache Spark. All orkestrering i Great Expectations Àr under tiden baserad i Python.

Framtidsplaner

NĂ€r vĂ€rdet av högkvalitativ data kommer i fokus, hĂ€ller investerare en vĂ€xande summa pengar pĂ„ startups som tacklar datainfrastrukturutmaningar. Den totala investeringen i mjukvaruleverantörer för datahantering frĂ„n januari 2021 till mitten av juli 2021 var 2,2 miljarder dollar, enligt PitchBook – lĂ„ngt över 2020:s 2,1 miljarder dollar.

Superconductive satsade pĂ„ denna trend och lanserade nyligen Great Expectations Cloud, en hanterad mjukvara-som-en-tjĂ€nst-version av Great Expectations som för nĂ€rvarande finns i Alpha. Med tiden Ă€r den lĂ„ngsiktiga affĂ€rsmodellen att bygga verktyg ovanpĂ„ Great Expectations, sĂ€ger Gong – att göra nya funktioner och inflytande över fĂ€rdplanen tillgĂ€ngliga för betalande anvĂ€ndare.

Bortsett frĂ„n konkurrens, över 40-anstĂ€llda Superconductive kanske inte behöver leta hĂ„rt efter kunder. Sjuttiotre procent av företagen investerar i – eller planerar att investera i – DataOps, metoderna för att förbĂ€ttra kvaliteten pĂ„ dataanalys, enligt en nyligen genomförd Nexla-undersökning.

“Marknadspotentialen för datakvalitet Ă€r enorm, och behovet av datateam Ă€r pressande. Ibland finns det en klyfta mellan ingenjörers förstĂ„else av problemet, och chefers förstĂ„else, den klyftan minskar stadigt nĂ€r fler företag anammar imperativet att bli verkligt datadrivna”, fortsatte Gong. “TillvĂ€xten med öppen kĂ€llkod Ă€r en frĂ„ga om offentliga rekord, och samhĂ€llet har nĂ€stan 6 000 medlemmar. [Great Expectations] laddas ner över 2,5 miljoner gĂ„nger varje mĂ„nad. Vi rapporterar inte totalt antal kunder, men nĂ„gra fĂ„ kĂ€nda varumĂ€rken som anvĂ€nder Great Expectations inkluderar Vimeo, Calm, Heinekin och Komodo Health.”

VentureBeats uppdrag ska vara ett digitalt stadstorg för tekniska beslutsfattare att fÄ kunskap om transformativ företagsteknik och handla. LÀs mer om medlemskap.