13 firm analitycznych i big data, które warto obserwować

13 firm analitycznych i big data, które warto obserwować (1 z 14)

Dokładając

Inwestorzy wkładają coraz więcej pieniędzy w startupy, które mają pomagać firmom szybko i tanio posortować ogromne zasoby danych, zarówno ustrukturalizowanych, jak i nieustrukturalizowanych. Większość nowych firm na rynku oferuje usługi chmury, co oczywiście nie dziwi. Prowadzi to do takich XaaS (ang. X-as-a-service, cokolwiek jako usługa), o jakich Ci się nie śniło. W artykule przyjrzymy się kilku najpopularniejszym firmom analitycznym i big data (mowa jest tylko o tych, które ogłosiły nowe tury finansowania w tym roku).

13 firm analitycznych i big data, które warto obserwować (2 z 14)

Arcadia Data

Założona w: 2012r.

Siedziba: San Mateo

Fundusze/inwestorzy: 11,5 miliona dolarów w Series A, czerwiec(Mayfield)

Skupiona na: Analityka wizualna i biznesowa dla użytkowników, którzy muszą mieć dostęp do big data w Hadoopie bez korzystania z pomocy specjalistów od danych i innych podobnych ekspertów. Klienci mogą także używać technologii Arcadia do tworzenia opartych na przeglądarce aplikacji na innych źródłach danych, np. MySQL. Darmowe narzędzie wizualizacyjne front-end, Arcadia Instant, jest dostępne zarówno na Maca, jak i na Windowsa. Trzech założycieli firmy pochodzi z Aster Data.

13 firm analitycznych i big data, które warto obserwować (3 z 14)

SlamData

Założona w: 2014r.

Siedziba: Boulder

Fundusze/inwestorzy: 3,6 miliona dolarów (True Ventures)

Skupiona na: komercyjnej wersji projektu SlamData, dzięki której będzie możliwa pomoc klientom w wizualizacji nie do końca ustrukturalizowanych danych NoSQUL w bezpieczny sposób. Główną zaletą SlamData jest to, że współpracuje z bazami danych NoSQL, takimi tak MongoDB. CEO, Jeff Carr, mówi, że SlamData jest następczynią Tableau i Splunka.

13 firm analitycznych i big data, które warto obserwować (4 z 14)

Snowflake Computing

Założona w: 2012 r.

Siedziba: San Mateo

Fundusze/inwestorzy: 71 milionów dolarów, ostatnie dofinansowanie: 45 milionów (Altimeter Capital)

Skupiona na: Firma nie wstydzi się tego, że jest nazywana hurtownią danych; stara się zmienić nieco technologię, uaktualniając ją tak, by nadawała się do chmur i chwaląc się „elastycznością platform big data”. Firma jest prowadzona przez Boba Muglia, który wcześniej pracował w Microsofcie.

13 firm analitycznych i big data, które warto obserwować (5 z 14)

Talena

Założona w: 2011r.

Siedziba: Milpitas, Kalifornia

Fundusze/inwestorzy: 12 milionów dolarów, w tym od Canaan Partners, kwiecień

Skupiona na: W kwietniu wyłoniła się z trybu niewidzialności, prezentując oprogramowanie zarządzania środowiskami big data, aplikacje oparte na Hadoopie, NoSQL i innych platformach. Talena wprowadziła ulepszenia w przechowywaniu i odzyskiwaniu danych. CEO i założyciel, Nitan Donde, kierował działaniami firmy w Aster Data, EMC i innych.

13 firm analitycznych i big data, które warto obserwować (6 z 14)

Tamr

Założona w: 2013r.

Siedziba: Cambridge, Massachusetts

Fundusze/inwestorzy: 42,4 miliony dolarów, Seria B 25,2 milionów, czerwiec (Hewlett-Packard Ventures i inni)

Skupiona na: Współzałożyciel i legenda baz danych, Michael Stonebraker, powiedział, że „skalowalna platforma unifikacji danych Tamra będzie kolejnym przełomem w bazach danych i analityce – podobnie jak kolumnowy system baz danych w 2004r.”. Innymi słowy, Tamr wykorzystuje uczenie maszynowe i wprowadzanie danych przez człowieka, by umożliwić klientom korzystanie z danych znajdujących się w innych bazach danych, arkuszach obliczeniowych, logowaniach i źródłach innych osób. Tamr miał swój start na MIT-owskim CSAIL.

13 firm analitycznych i big data, które warto obserwować (7 z 14)

Cazena

Założona w: 2014r.

Siedziba: Waltham, Massachusetts

Fundusze/inwestorzy: 28 milionów dolarów, Seria B (20 milionów) (Formation 8)

Skupiona na: Szybkim i niedrogim przetwarzaniu danych i umieszczaniu ich w chmurze przez tzw. usługi Big Data-as-a-Service, które dzielą się na edycje Data Lake, Data Mart i Sandbox. Firma pojawiła się znienacka w lipcu 2015r. Jej nazwa pochodzi od hinduskiego słowa oznaczającego skarb. Jest prowadzona przez byłych pracowników Netezzy, firmy, którą w 2010r. za 1,7 miliarda dolarów przejęło IBM.

13 firm analitycznych i big data, które warto obserwować (8 z 14)

DataHero

Założona w: 2011r.

Siedziba: San Francisco

Fundusze/inwestorzy: 6,1 miliona dolarów w Series A z maja (Foundry Group)

Skupiona na: Zaszyfrowanej, opartej na chmurze analityce biznesowej oraz analityce dla użytkowników końcowych, bez względu na brak specjalistycznej wiedzy. Możliwość samoobsługi działa na wielu popularnych serwisach, między innymi Salesforce.com, Dropbox, HubSpot, Google Analytics. W chwili obecnej prowadzona przez CEO, Eda Millera – przedsiębiorcę i 25-letniego weterana w sektorze oprogramowania.

13 firm analitycznych i big data, które warto obserwować (9 z 14)

DataTorrent

Założona w: 2012r.

Siedziba: Santa Clara

Fundusze/inwestorzy: 23,8 miliona dolarów, w tym 15 milionów Series B z kwietnia (Singtel Innov8)

Skupiona na: Analiza big data w czasie rzeczywistym wspierana przez otwarty stream źródłowy oraz system trybu wsadowego, który, jak twierdzi firma, może poradzić sobie z miliardami wydarzeń na sekundę w Hadoopie. Obaj współzałożyciele pracowali wcześniej jako inżynierowie w Yahoo (jeden z nich w dziale finansów).

13 firm analitycznych i big data, które warto obserwować (10 z 14)

Enigma

Założona w: 2011r.

Siedziba: Nowy Jork

Fundusze/inwestorzy: 32,7 miliona dolarów, w tym 28, 2 miliona Series B z czerwca (New Enterprise Associates).

Skupiona na: Odkrywaniu danych oraz analityce: zarówno jedno, jak i drugie przeznaczone jest dla firm, które chcą mieć lepszy wgląd w swoje dane. Enigma oferuje firmom dostęp do platformy Abstract oraz silnika analitycznego Signals, który może być wykorzystany do tworzenia zindywidualizowanych aplikacji. A poza tym, Enigma wykorzystuje jedną ze świetnych domen dot.io dla swojego URL.

13 firm analitycznych i big data, które warto obserwować (11 z 14)

Experfy

Założona w: 2014r.

Siedziba: Harvard Innovation Lab, Boston

Fundusze/inwestorzy: 1,5 miliona dolarów pierwotnych funduszy (przewodniczący XPRIZE i CEO Peter Diamandis)

Skupiona na: rynku konsultingowym opartym na chmurze, stworzonym po to, by umożliwić kontakt między ekspertami od big data i analityki z klientami. Experfy proponuje usługi doradcze, oceny big data, harmonogramy działania, algorytmy oraz wiele analitycznych rozwiązań dla rynku średniego oraz Fortune 500s, jak twierdzi drugi CEO i założyciel, Harpreet Singh.

13 firm analitycznych i big data, które warto obserwować (12 z 14)

Interana

Założona w: 2013r.

Siedziba: Menlo Park, Kalifornia

Fundusze/inwestorzy: 28,2 miliony dolarów, w tym 20 milionów w Series B, styczeń (Index Ventures)

Skupiona na: interaktywnej analityce, której celem jest znalezienie odpowiedzi na pytania dotyczące zachowań klientów i ich preferencji względem produktów. Własna baza danych umożliwia zajęcie się ogromną liczbą eventów. Firma została założona przez dwóch wcześniejszych pracowników Facebooka i żonę jednego z nich, która w tej chwili jest CEO firmy.

13 firm analitycznych i big data, które warto obserwować (13 z 14)

JethroDara

Założona w: 2012r.

Siedziba: Nowy Jork

Fundusze/inwestorzy: 12,6 miliona dolarów, w tym 8,1 miliona w Series B, czerwiec (Square Peg Capital)

Skupiona na: opartym na indeksie SQL do big data na Hadoopie, który umożliwia szybkie transakcje z ofertami, takimi jak Qlik, Tablea czy MicroStrategy. Założyciele pochodzą z Izraela i dość mocno interesują się firmami ze Stanów Zjednoczonych. Na zdjęciu wyżej: Eli Singer, Boaz Raufman i Ronen Ovadya.

13 firm analitycznych i big data, które warto obserwować (14 z 14)

Neokami

Założona w: 2014r.

Siedziba: Monachium, Niemcy

Fundusze/inwestorzy: 1,1 miliona dolarów wkładu początkowego od aniołów biznesowych

Skupiona na: „rewolucjonizowaniu przestrzeni „Machine-Learning-as-a-Service”, o której istnieniu mało kto ma w ogóle pojęcie. Firma wykorzystuje ekspertyzy sztucznej inteligencji dla CRM, analityki bezpieczeństwa oraz narzędzi data science (które mogą być użytkowane w taki sposób, by przez samouczące się algorytmy wyciągnąć jak najwięcej z nieustrukturyzowanych danych).