Moderne Unternehmen arbeiten auf der Grundlage von Daten. Doch das Verschieben dieser Daten und ihre richtige Form für die Verwendung in bestimmten Anwendungen ist nach wie vor ein komplexes Unterfangen. Definitätdas am Mittwoch aus dem Verborgenen heraus startet und eine Startkapitalrunde in Höhe von 4,5 Millionen US-Dollar ankündigt, möchte diesen Unternehmen die Werkzeuge an die Hand geben, mit denen sie ihre Datenpipelines beobachten, reparieren und optimieren können.
Der Clou dabei ist, dass das Unternehmen im Gegensatz zu vielen seiner Konkurrenten die Daten nicht erst betrachtet, wenn sie transformiert und irgendwo abgelegt wurden – und dann wird die Fehlerbehebung schwierig, wenn etwas schief geht –, sondern während die Daten noch in Bewegung sind.
Das Startup unterstützt eine Vielzahl von Umgebungen, konzentriert sich jedoch auf Apache Spark-basierte Anwendungen (vor Ort oder auf verwalteten Diensten wie beispielsweise Google Dataproc, AWS EMR oder Databricks). Dies ist möglicherweise keine Überraschung, da alle Mitbegründer viel Erfahrung mit Open-Source-Datenverarbeitungsmaschinen haben. CTO Ohad Raviv ist Spark-Mitarbeiter und ehemaliger Big-Data-Tech-Leiter bei PayPal. Roy Daniel, der CEO des Unternehmens, arbeitete zuvor bei FIS, während VP of R&D Tom Bar-Yacov früher Data Engineering Manager bei PayPal war.
In einem Interview betonte Daniel, dass sich das Unternehmen auf die Datentransformationsebene oberhalb eines Datensees oder -lagers konzentriert, nicht auf den Teil der Pipeline, in dem die Daten aufgenommen werden. Zu den Problemen, mit denen das Team während seiner Zeit bei diesen großen Unternehmen konfrontiert war, zählen Datenqualitätsprobleme, die durch inkonsistente Daten, Schemaänderungen und veraltete Daten verursacht wurden. „Das sind Datenqualitätsprobleme, die sich nach unten ausbreiten“, sagte er. „Sie wirken sich auf das Geschäft aus, egal ob es sich um Modelle handelt, die jetzt auf fehlerhaften Daten basieren, oder um Dashboards oder BI, die nicht funktionieren und bei denen der CFO plötzlich fragt: ‚Was ist los?‘“
Ein weiteres Problem sind Datenpipelines, die einfach abbrechen, ausfallen und dann erneut ausgeführt werden, sowie Pipelines, die nicht optimiert wurden und deren Verarbeitung letztendlich weitaus mehr kostet als nötig.
„Wir haben uns über einen gemeinsamen Freund kennengelernt“, erzählte mir Daniel, als ich ihn fragte, wie das Gründerteam sich kennengelernt und beschlossen hatte, dieses spezielle Problem anzugehen. „Wir kommen alle aus dem Finanzdienstleistungssektor, aber schon bei unserem ersten Treffen wurde uns klar, dass wir eigentlich mit demselben Problem kämpfen und von zwei Seiten der Medaille herausgefordert werden. Und das war der Funke, und wir dachten: ‚Hey, wir sollten etwas dagegen tun.‘“
Was Definity auszeichnet, ist die Tatsache, dass es die Daten in Bewegung überwacht. Dadurch kann es Probleme direkt an der Quelle erkennen, was die Fehlerbehebung und Optimierung dieser Pipelines erleichtert. Es ist vielleicht nicht unmöglich, die Grundursache eines Problems zu diagnostizieren, wenn man nur das Endergebnis hat, aber es ist definitiv viel einfacher, wenn man sich alle verschiedenen Schritte ansehen kann, die dazu geführt haben. Das bedeutet auch, dass Definity eine Pipeline stoppen könnte, wenn beispielsweise die Eingabedaten beschädigt sind.
„Die Datenverantwortlichen von Unternehmen stehen heute unter großem Druck, die Zuverlässigkeit der Daten zu gewährleisten, die das Unternehmen antreiben, während sie gleichzeitig den Umfang erhöhen, Kosten senken und KI-Technologien einführen“, sagte Nate Meir, General Partner bei StageOne Ventures, das Definitys Seed-Finanzierungsrunde leitete. „Aber ohne Röntgenblick auf jede Datenanwendung sind Datenteams blind und reagieren nur verhalten. Definity begegnet diesem Bedürfnis direkt mit einer Paradigmenwechsel auslösenden Lösung, die sowohl leistungsstark als auch nahtlos für Datentechnik- und Datenplattformteams ist.“
Da der Dienst ein agentenbasiertes System verwendet, steht er den Entwicklern, die diese Systeme erstellen und warten, auch nicht im Weg. Es sind keine Codeänderungen erforderlich und die Agenten werden einfach parallel zu jeder Python- oder Datenanwendung in der Pipeline ausgeführt. Es ist jedoch erwähnenswert, dass selbst für Kunden, die den gehosteten Dienst von Definity nutzen, immer nur Metadaten auf die Server übertragen werden.
Die Finanzierungsrunde wurde von StageOne geleitet, mit Beteiligung von Hyde Park Venture Partners und einer Reihe strategischer Angel-Investoren.