データダッシュボードのスタートアップCountが約2.6億円を調達

アーリーステージの企業は、組織全体で扱うデータ量に悩まされることが多い。データが増えてくると、特にそうだ。データソフトウェア、データの混乱、データパイプラインの扱いに多額の費用がかかる。これらはすべてデータウェアハウス、クリーニングツール、視覚化プラットフォームに関わる。

Countは、オールインワンのデータプラットフォームを作ってこの問題を解決しようとしているスタートアップで、アーリーステージのチームに安価なデータパイプライン構築のためのツールを提供している。

Countはこれまでのステルスモードを終了し、240万ドル(約2億5800万円)の資金調達を発表した。この資金調達はLocalGlobeが主導し、Global Founders Capitalが参加した。同社のエンジェル投資家には、Micrrosoft(マイクロソフト)の企業戦略責任者だったCharlie Songhurst(チャーリー・ソンハースト)氏がいる。

Countは2016年に、経営コンサルタントだったOliver Hughes(オリバー・ヒューズ)氏とインペリアルカレッジの物理学者のOliver Pike(オリバー・パイク)氏が創業した。2人は、標準的なデータソフトウェアの複雑さと、業界で容認されている技術や設計上の制限のため、企業はデータドリブンの決定を下すことができないと分析していた。

発表の中でヒューズ氏は、同社が解決しようとしている問題について次のように述べている。「大きく成長しているチームは、データを管理するために複数の別々のソリューションに対して多額の投資が必要だった。そのようなソリューションを購入して実装するには1年から1年半かかる。そのため多くのスタートアップは、ツールが自分たちに合わなくなっても長期の契約に縛られる。Countはシンプルな従量課金制モデルなので、プラットフォームを無料で使い始め、チームの成長とデータの増加に伴ってその分だけ支払えばよい」。

LocalGlobeのパートナー、Remus Brett(レマス・ブレット)氏は次のように述べている。「データが極めて重要であることは多くの人が認識しているが、データを扱い、ストーリーを語るのはいまだに難しい。現在では、重要な決定をするためにデータを迅速に処理し分析することの価値は、かつてないほど大きい。Countを利用すれば、ごく初期の企業であってもデータ分析に基づいた意思決定を始められる」。

Countを利用しているTiney.coのCTO、Edd Read(エド・リード)氏は「Countによって我々はデータをすべてまとめてチーム全体の報告書を作れるようになった。同社の製品であるNotebooksを使えば、状況に応じた考察を共有し、SQLを学ばなくてもデータのクエリを利用できる」と述べている。

Countには、データウェアハウスではSnowflake、データクリーニングツールではDBT、分析プラットフォームではLookerなど、多くの競合がある。

[原文へ]

(翻訳:Kaori Koyama)

DatabricksのLakehouseはデータウェアハウスとデータレイクの良いとこ取り

Databricksが米国時間2月24日、パートナーたちによるData Ingestion NetworkとそのDatabricks Ingestサービスの立ち上げを発表した。目的は、企業が最高のデータウェアハウスと最高のータレイクを1つのプラットホームに結合することで、Databricksはそのコンセプトを「lakehouse(レイクハウス)」と呼んでいる。

同社のレイクハウスのコアにあるものはDelta Lakeで、これはLinux Foundationが管理するDatabricksのオープンソースのプロジェクトであり、データレイクにストレージの層を導入してユーザーがデータのライフサイクルを管理できるようにする。そして、スキーマの強制やログの記録などでデータのクオリティを確保する。DatabricksのユーザーはこれからはIngestion Networkの最初の5つのパートナーであるFivetranとQlik、Infoworks、StreamSets、Syncsortらと共同で自分たちのデータをDelta Lakeに自動的にロードできる。Databricksの顧客は、トリガーやスケジュールに関して何もセットアップしなくてよい。データが自動的にDelta Lakeに入っていく。

Databricksの共同創業者でCEOのAli Ghodsi(アリ・ゴッシ)氏は、次のように説明する。 「これまで企業は、自分のデータを伝統的な構造化データ(定型データ)やビッグデータに分割することを強いられ、それらを別々にBI(ビジネスインテリジェンス)やML(マシンラーニング)のユースケースに使っていた。これではデータがデータレイクやデータウェアハウスの中でサイロに入れられることになり、処理が遅くなるだけでなく部分的な結果ばかりになり、有効な利用ができないほど遅い、または不完全なデータになっていた。Lakehouseパラダイムへの移行にはさまざまな動機があるが、これもその1つだ。つまり、データウェアハウスの信頼性をデータレイクのスケールと結びつけて、あらゆるユースケースをサポートしたいのだ。このアーキテクチャが有効に働くためには、いろんなタイプのデータの取り入れが容易でなければならない。Databricks Ingestは、それを可能にする重要なステップだ」

Databricksのマーケティング担当副社長Bharath Gowda(バラス・ゴウダ)氏も、これによって企業が自分たちの最新のデータを分析することが容易になり、新しい情報が得られたときの反応性も良くなる、という。彼によると、ユーザーは彼らの定型データや非定型データをもっと上手に利用できるようになり、機械学習の良質なモデルを構築したり、データウェアハウスにある部分的なデータでなくすべてのデータに対する従来的な分析も可能になる。

[原文へ]
(翻訳:iwatani、a.k.a. hiwa

データウェアハウスを誰も来ない古代遺跡するIncortaが30億円超を調達

「企業などが大量のデータを処理する方法を抜本的に変えたい」と一念発起した元Oracleの役員たちが創業したIncorta(インコルタ)は米国時間8月15日、Sorenson CapitalがリードするシリーズCのラウンドで3000万ドル(約32億円)を調達したと発表した。

このラウンドに参加したそのほかの投資家は、GV(元Google Ventures)、Kleiner Perkins、M12(元Microsoft Ventures)、Telstra Ventures、そしてRon Wohlだ。同社によると、今回の投資で同社の調達総額は7500万ドルになる。

IncortaのCEOで共同創業者のOsama Elkady(オサマ・エルカディ)氏によると、彼とそのほかの共同創業者たちがIncortaを創業せざるをえなかったのは、失敗するに決まってるようなデータプロジェクトに大金を投じている企業を数多く見てきたからだ。同氏は「僕とほかの3人がOracleを辞めてIncortaを始めたのは、多くの企業がデータウェアハウスなどの高度なプロジェクトに投資しているのに、成功したプロジェクトがほとんどないからだ」と語る。

データプロジェクトには通常、ETL(extract(取り出す)、Transform(変える)、Load(ロードする)という処理工程がある。すなわちそれは、データをデータベースから取り出し、そのデータの値を変えて形を目的のデータベースに合わせ、そしてそれを目的のデータベースに加える、という工程だ。データを取り出すデータベースと変更後のデータをロードするデータベースが同一の場合もある。

この工程にはとても時間がかかるので、Incortaはこのステップを省略してデータへのアクセスをずっと速くしたいと考えた。エルカディ氏によると、これによって顧客はデータの利用をずっと速くできるようになり、処理に要する時間を数時間から数秒へと短縮できた。そして、これほどのパフォーマンス向上が投資家の注目を集めるのも当然だ。

リード投資家であるSorenson Capitalのマネージングディレクターを務めるRob Rueckert(ロブ・リュッケルト)氏は、Incortaがデータベースという成熟した分野にイノベーションをもたらそうとしている、と見ている。彼は声明中で「Incortaはデータウェアハウジングの市場を革新的な技術で打倒し、30年も続いている古臭くて遅いデータウェアハウスのインフラストラクチャを終わらせようとしている」とコメントしている。

同社によると、売上は急激に伸びており、前年比で284%増加した(金額は非公開)。顧客にはStarbucks(スターバックス)やShutterfly(シャッターフライ)、Broadcom(ブロードコム)などがいる。

同社は2013年にローンチし、現在の社員は250名だ。開発部門はエジプトにあり、本社は米国カリフォルニア州サンマテオにある。最近はシカゴとドバイとバンガロールにオフィスを開いた。

関連記事:Real-time data analytics startup Incorta raises $15M Series B led by Kleiner Perkins(リアルタイムデータ分析のIncortaがシリーズBで1500万ドルを調達。未訳)

[原文へ]

(翻訳:iwatani、a.k.a. hiwa