Метаплан, стартап из Бостона, привлек 13,8 миллиона долларов в рамках раунда финансирования Series A для улучшения решений по качеству данных. Инвестиции возглавила компания Felicis с участием Khosla Ventures, Flybridge, Y Combinator, Stage 2 Capital, B37 и SNR.
Средства будут направлены на развитие платформы наблюдаемости данных на базе ИИ, которая стремится создать "самое мощное, конфигурируемое и удобное решение для доверительных данных".
Конкурируя в области наблюдаемости данных
Основатель MIT Кевин Ху, бывший инженер HubSpot Питер Казинелли и бывший разработчик Appcues Гуру Махендран конкурируют с хорошо профинансированными конкурентами, такими как Monte Carlo, Observe и Acceldata, на быстрорастущем рынке наблюдаемости данных. За последний год клиентская база Метаплана увеличилась в три раза, среди клиентов компании - такие бренды, как Bose, Sigma, Klaviyo и ClickUp.
Значение мониторинга данных
В условиях, когда бизнес опирается на аналитические данные для принятия обоснованных решений и прогнозирования ключевых операций, таких как управление запасами, rise генеративных приложений ИИ требует интеграции данных из различных источников. Однако сложность управления множеством потоков данных затрудняет поддержание качества этих данных.
Метаплан использует ИИ для того, чтобы предприятия могли проактивно отслеживать инциденты с данными в своих экосистемах.
Интеграция с системой данных
"Наша платформа без проблем интегрируется с различными компонентами системы данных, включая инструменты загрузки, такие как Fivetran, облачные хранилища данных, такие как Snowflake и BigQuery, уровни трансформации, такие как dbt и Airflow, а также инструменты BI, включая Sigma и Tableau. Мы единственное решение для наблюдаемости, которое интегрируется с транзакционными базами данных, такими как Postgres и MySQL, выявляя проблемы даже в pull-заявках dbt на GitHub," объясняет Ху.
Машинное обучение для мониторинга качества данных
После интеграции пользователи могут легко настраивать мониторы для таблиц, которые часто обновляются, чтобы отслеживать ключевые метрики качества данных, такие как свежесть, количество строк, уникальность и наличие пустых значений. Настройка занимает около 15 минут, после чего ИИ начинает работать.
Модель машинного обучения платформы обучается на характеристиках данных, используя исторические метаданные для выявления аномалий, включая изменения схемы, в течение одного-двух дней. Эта полностью автоматизированная функция отправляет предупреждения непосредственно соответствующим командам данных, обеспечивая точные и своевременные уведомления.
"Наши модели используют обширные исторические данные, чтобы учитывать сезонные колебания и минимизировать повторяющиеся предупреждения. Мы понимаем, что каждый бизнес уникален, поэтому предлагаем пользователям настраивать модели для фильтрации единичных аномалий или адаптации к изменяющимся трендам", отмечает Ху.
Метаплан также предоставляет мониторинг, учитывающий специфические области, выявляя проблемы с данными с детальным контролем, отслеживая изменения в использовании данных и анализируя расходы на облачное хранилище. Его всеобъемлющее покрытие позволяет отслеживать уровень колонок, предоставляя информацию о downstream-эффектах проблем и upstream-коренных причинах.
Достижение значительных результатов в управлении качеством данных
Несмотря на меньшее финансирование по сравнению с конкурентами, Метаплан добился значительных успехов в области наблюдаемости данных. В 2023 году его годовой повторяющийся доход (ARR) увеличился в шесть раз, а клиентская база превысила 100 предприятий, включая известные бренды, такие как Klaviyo, Bose, ClickUp и Census. К январю 2024 года эти клиенты провели 500 миллионов проверок качества данных на более чем 40 миллионах активов, успешно решив 80 000 инцидентов.
"Каждая компания должна доверять своим данным, именно поэтому мы предлагаем бесплатную модель самообслуживания. Этот подход привел к заметному органическому росту, привлекая больше пользователей, чем любое другое средство наблюдаемости," подчеркивает Ху.
Будущие разработки для улучшенной наблюдаемости данных
В будущем Метаплан планирует основную часть новых инвестиций направить на исследования и разработки для обогащения своей платформы наблюдаемости для корпоративных команд. Запланированные улучшения сосредотачиваются на автоматизации архитектур мониторинга и расширении диапазона наблюдаемых метрик, источников данных и взаимосвязей.
"Наша цель - создать платформу, которая учится на конкретных потребностях каждого клиента, предоставляя индивидуальные рекомендации по структуре мониторинга и оповещения по мере их эволюции. Мы стремимся расширить наши метрики, углубляя существующие, тем самым обеспечивая клиентов необходимым контекстом для эффективного выявления и решения проблем с качеством данных," завершает Ху.
Рейтинг
