Özel: Metaplane, yapay zeka ile veri anormalliklerini tespit etmek için 13 milyon dolar kazandı

Bugün Boston merkezli Metadüzlemİşletmeler için veri kalitesi sorunlarını iyileştirmeyi ve düzeltmeyi amaçlayan startup, bir dizi A turu finansmanla 13,8 milyon dolar topladığını duyurdu. Risk Sermayesi şirketi Felicis, Khosla Ventures, Flybridge, Y Combinator, Stage 2 Capital, B37 ve SNR’nin katılımıyla yatırıma öncülük etti.

Metaplane, bu turu yapay zeka destekli veri gözlemlenebilirlik platformunu daha da geliştirmek ve “verilere güvenmek için tartışmasız en güçlü, yapılandırılabilir ve kurulumu sihirli çözüm” haline getirmek için kullanmayı planladığını söyledi.

MIT mezunu Kevin Hu tarafından kurulan şirket, eski HubSpot’u Mühendis Peter Casinelli ve eski Appcues geliştiricisi Guru Mahendran, hızla gelişen dünyada Monte Carlo, Observe ve Acceldata gibi yoğun fonlara sahip oyuncularla mücadele ediyor. veri gözlemlenebilirlik alanı. Müşteri tabanını geçtiğimiz yıl üç kat büyüttü ve halihazırda Bose, Sigma, Klaviyo ve ClickUp gibi markalarla çalışıyor.

Veri yığınındaki sorunları izleme ve işaretleme

Veriler, modern işletmelerin itici gücü haline geldi ve ekiplerin yalnızca karar verme için tarihsel kalıpları analiz etmelerine değil, aynı zamanda belirli bir olay için envanter planı gibi büyüme açısından kritik hususları da tahmin etmelerine olanak sağladı.

Üretken yapay zeka uygulamalarının yükselişi, şirketleri farklı kaynaklardan gelen verileri bir araya getirmeye ve daha fazla değer elde etmeye teşvik etti.

Ancak veriye dayalı çabalara yönelik bu çarpıcı değişim göz önüne alındığında, ekiplerin kalite sorunlarıyla ilgili sahip oldukları tüm bilgileri takip etmeleri zorlaştı.

Bazen yüzlerce hatta binlerce kaynağın çekişmesiyle boru hatları daha karmaşık hale geldi.

Metaplane, soruna yapay zeka uyguluyor ve bunun işletmelerin veri ekosistemlerinin farklı katmanlarındaki veri olaylarını proaktif olarak izlemesine olanak sağladığını söylüyor.

“Olabildiğince entegre oluyoruz veri yığını Mümkün olduğu kadar Fivetran gibi alım araçları olsun, bulut veri ambarları olsun kar tanesi Ve Büyük Sorgu, dbt ve Airflow gibi dönüşüm ve düzenleme katmanları, Census ve Hightouch gibi ters ETL araçları ve Sigma, Tableau ve Looker gibi BI araçları. Şirketi 2019 yılında bir MIT projesinden kuran Hu, VentureBeat’e şöyle konuştu: “Postgres ve MySQL gibi işlemsel veritabanlarıyla entegre olan ve Github’daki dbt çekme isteklerindeki sorunları yakalayan tek veri gözlemlenebilirlik ürünü olarak daha da ileri gidiyoruz.”

Makine öğrenimi ile veri kalitesini izleme

Platform veri yığınıyla bütünleştiğinde kullanıcı, tazelik, satır sayısı, benzersizlik ve geçersizlik gibi farklı veri kalitesi ölçümlerini takip etmek için yoğun olarak kullanılan/güncellenen tablolara monitörler kurabilir. Tüm süreç yaklaşık 15 dakika sürüyor ve ardından ürün yapay zeka ile çalışmaya başlıyor.

Hu’nun açıkladığı gibi, sistemin makine öğrenimi (ML) modeli, geçmiş meta verileri kullanarak veri profili üzerinde eğitim alıyor ve ardından bir veya iki gün içinde veri anormalliklerini (hatta şema değişikliklerini) işaretlemeye başlıyor. Her şey tamamen otomatiktir; uyarılar, uyarılar için tercih edilen varış noktasında doğrudan ilgili veri ekiplerine gider.

“Modellerimizi eğitmek için en geçmiş verileri kullanıyoruz; böylece mevsimselliği yakalayıp tekrarlanan uyarılardan kaçınabiliyoruz. Her işletme benzersizdir ve her müşteriye her duruma uygun tek bir modelin uygulanması, birçok yanlışlığa yol açar. Diğer izleme araçlarından farklı olarak, kullanıcıların bir defaya mahsus olanları göz ardı edecek şekilde modellerde ince ayar yapmasını veya kendi sektörlerine özgü mevsimsel kalıpları ve faktörleri hesaba katacak yeni trendleri öğrenmesini de kolaylaştırıyoruz. Müşteriler bizimle geliyor çünkü gürültüyü minimumda tutarken başkalarının yakalayamadığı sorunları biz yakalıyoruz,” diye açıkladı Hu.

Özellikle, verilerin tazeliği ve hacmi gibi ölçümleri izlemenin yanı sıra Metaplane, veri kullanımı ve bulut ambarı harcamalarındaki değişiklikleri izlemek de dahil olmak üzere daha ayrıntılı kontrollerle alana özel veri sorunlarını tespit etmek için daha derine inebilir. Ayrıca veri yığınının kapsamı, platformun veri kaynağından hedefe kadar sütun düzeyindeki kökenin eksiksiz bir resmini oluşturmasına ve sorunların yanı sıra yukarı yöndeki kök nedenlere ilişkin alt yöndeki etkilerine ilişkin bağlam sağlamasına da olanak tanır.

80.000 veri kalitesi olayı çözüldü

Metaplane rakipleri kadar yoğun bir şekilde finanse edilmese de Gözlemlemek, Erişildi Ve Montecarlo, şirket veri gözlemlenebilirliği alanında oldukça iyi bir performans sergiliyor. 2023 yılında ARR’si altı kat artarken müşteri tabanı da üç kat artarak 100’ün üzerinde işletmeye ulaştı; Klaviyo, Bose, ClickUp, Sigma, Census, GoFundMe ve Ramp gibi bilinen isimler de aramıza katıldı.

Şirket, Ocak 2024 itibarıyla bu müşterilerin 40 milyondan fazla veri varlığı ve 30 milyondan fazla veri hattı bağlantısı üzerinde 500 milyon veri kalitesi kontrolü gerçekleştirdiğini ve 80.000 kadar olayı tespit edip çözdüğünü söyledi.

“Tüm şirketlerin verilerine güvenebilmesi gerektiğine inanıyoruz ve bu nedenle ekiplerin kaydolup verileri ücretsiz olarak kullanmalarına olanak sağlıyoruz. Sonuç olarak, organik büyümeden büyük ölçüde faydalandık ve diğer veri gözlemlenebilirlik araçlarından çok daha fazla kullanıcı Metaplane’i kullandı,” diye vurguladı kurucu.

Hu, benimseme konusundaki self servis yaklaşımına ek olarak, platformun gürültüyü minimumda tutarken önemli sorunları tespit etme ve veri yığınının eksiksiz bir görünümünü sunma yeteneğinin onu diğer tüm gözlemlenebilirlik araçlarından daha iyi hale getirdiğini iddia etti.

“Verilerde hataya yol açabilecek her şeyi izliyor muyum? İşlemsel veritabanlarından kaç sorun kaynaklanıyor? Bir kod değişikliğini engelleyerek kaç tanesi durdurulabilir? Bu soruları yanıtlamanın tek yolu, veri sorunlarının üretilebileceği veya etkilenebileceği tüm yerlerde, veri yığını genelinde derinlemesine entegrasyon sağlamaktır. Yakın zamanda önde gelen iki ters ETL platformu olan Census ve Hightouch ile entegrasyonlarımızı duyurduk ve yakında daha fazla duyuru yapacağız” diye ekledi Hu.

Şirket, ileriye dönük olarak sermayeyi Ar-Ge’ye odaklanmak ve veri varlıklarını güvenle kullanmak isteyen kurumsal ekipler için veri gözlemlenebilirlik platformunu daha da geliştirmek için kullanmayı planlıyor. Bunun bir kısmı, daha fazla ölçüm, kaynak ve kaynaklar arasındaki bağlantıların gözlemlenmesine yönelik desteğin getirilmesinin yanı sıra izleme mimarisinin daha fazlasının otomatikleştirilmesine yönelik olacaktır.

“Vizyonumuz, platformumuzun her müşterinin benzersiz gereksinimlerinden ders alması ve zaman içinde gelişen ihtiyaçlarına göre ideal bir izleme ve uyarı mimarisi önermesidir. Bunu, veri yığınındaki her şeyi gözlemlemek için hem daha derin metrikler hem de daha geniş bir metrik kapsamı ekleyerek, izlediğimiz şeyin geniş bir şekilde genişletilmesiyle birleştireceğiz, böylece müşterilerimizin veri kalitesi sorunlarını bulmak ve düzeltmek için her zaman gerekli bağlama sahip olmasını sağlayacağız” dedi Hu. .