Modern kuruluşlar verilerle çalışır ancak bu verileri taşımak ve belirli uygulamalarda kullanılabilmesi için ona doğru şekli vermek karmaşık bir girişim olmaya devam ediyor. Çarşamba günü gizlice yola çıkan ve 4,5 milyon dolarlık bir başlangıç fonu turu açıklayan Definity, bu şirketlere veri hatlarını gözlemleme, düzeltme ve optimize etme araçlarını vermek istiyor.
Buradaki değişiklik, rakiplerinin çoğundan farklı olarak verilere yalnızca dönüştürüldükten ve bir yere bırakıldıktan sonra değil (işler ters gittiğinde sorun gidermenin zorlaştığı noktada) değil, veriler hala hareket halindeyken de bakıyor.
Başlangıç, çok çeşitli ortamları destekliyor ancak Apache Spark tabanlı uygulamalara (örneğin şirket içi veya Google’ın Dataproc, AWS EMR veya Databricks gibi yönetilen hizmetlerin üstüne) odaklanıyor; tüm ortak uygulamaların göz önüne alındığında bu belki de sürpriz değil. kurucuların açık kaynaklı veri işleme motorları konusunda oldukça fazla deneyimi var. CTO Ohad Raviv, Spark katılımcısı ve PayPal’ın eski büyük veri teknolojisi lideridir. Şirketin CEO’su Roy Daniel daha önce FIS’te çalışıyordu; Ar-Ge Başkan Yardımcısı Tom Bar-Yacov ise daha önce PayPal’da veri mühendisliği yöneticisiydi.
Bir röportajda Daniel, şirketin veri hattının veri alımı kısmına değil, bir veri gölü veya ambarın üzerindeki veri dönüştürme düzlemine odaklandığını vurguladı. Ekibin bu büyük kuruluşlarda çalıştığı süre boyunca yaşadığı sorunlardan bazıları arasında tutarsız veriler, şema değişiklikleri ve eski verilerden kaynaklanan veri kalitesi sorunları yer alıyor. “Bunlar aşağı yönde yayılan veri kalitesi sorunlarıdır” dedi. “Bunlar işi etkiliyor; ister şu anda bade verileri üzerinde çalışan modeller olsun, isterse gösterge tabloları veya bozulan iş zekası olsun ve CFO birdenbire şöyle diyor: Neler oluyor?”
Diğer bir sorun da, bozulan, arızalanan ve daha sonra yeniden çalışan veri hatları ile optimize edilmemiş ve işlenmesi gerekenden çok daha fazla maliyete neden olan işlem hatlarıdır.
Kurucu ekibin ilk kez nasıl tanıştığını ve bu özel konuyu çözmeye karar verdiğini sorduğumda Daniel bana “Ortak bir arkadaşımız aracılığıyla tanıştık” dedi. “Hepimiz finansal hizmetlerden geliyoruz, ancak ilk toplantımızda aslında mücadele ettiğimizi ve madalyonun iki tarafından da aynı sorunla karşı karşıya olduğumuzu zaten fark ettik. İşte bu bir kıvılcımdı ve şöyle düşündük: ‘Hey, bu konuda bir şeyler yapmalıyız.’”
Definity’yi öne çıkaran şey, hareket halindeki verileri izlemesidir. Bu, sorunları doğrudan kaynağında tespit etmesine olanak tanıyarak sorun gidermeyi ve bu işlem hatlarını optimize etmeyi kolaylaştırır. Elinizde olan tek şey nihai sonuçsa, bir sorunun temel nedenini teşhis etmek imkansız olmayabilir, ancak buna yol açan tüm farklı adımlara baktığınızda kesinlikle çok daha kolaydır. Bu aynı zamanda, örneğin giriş verilerinin bozulması durumunda Definity’nin bir boru hattının çalışmasını durdurabileceği anlamına da gelir.
Definity’nin tohum turuna liderlik eden StageOne Ventures’ın genel ortağı Nate Meir, “Günümüzün kurumsal veri liderleri, bir yandan ölçeği artırırken, maliyetleri düşürürken ve yapay zeka teknolojilerini kullanırken, işletmeye güç veren verilerin güvenilirliğini sağlamak konusunda ciddi bir baskıyla karşı karşıyadır” dedi. “Ancak her veri uygulamasında X-ışını görüşü olmadığında veri ekipleri kör ve gerici kalır. Definity, veri mühendisliği ve veri platformu ekipleri için hem güçlü hem de kusursuz, paradigma değiştiren bir çözümle bu ihtiyacı doğrudan karşılıyor.”
Hizmet, aracı tabanlı bir sistem kullandığından, bu sistemleri oluşturan ve bakımını yapan geliştiricilerin de yolundan uzak durur. Hiçbir kod değişikliğine gerek yoktur ve aracılar, üretim hattındaki her Python veya veri uygulamasıyla uyumlu şekilde çalışır. Definity’nin barındırılan hizmetini kullanan müşteriler için bile sunuculara yalnızca meta verilerin aktarıldığını belirtmekte fayda var.
Finansman turu, Hyde Park Ventures Partners ve bir dizi stratejik melek yatırımcının katılımıyla StageOne tarafından yönetildi.
Kaynak: https://techcrunch.com/2024/08/14/definity-raises-4-5m-as-it-looks-to-transform-data-application-observability/