蒙特卡洛（Monte Carlo）使用AI监控数据可靠性，在Repoint Ventures和GGV Capital的领导下筹集了2500万美元的B轮融资，使其总筹资额达到4000万美元以上

总部位于旧金山的数据可靠性初创公司Monte Carlo今天宣布已筹集2500万美元，使该公司迄今筹集的总资金超过4000万美元。蒙特卡洛（Monte Carlo）说，所得款项将使它能够扩大其用户社区，并在其扩大员工人数的同时进一步开发其数据和分析产品。

据估计，在数据丢失，损坏或其他不准确的时间段，每个公司平均每年要花费1500万美元以上。在灾难期间，在接下来的12个月内因服务器丢失服务器10天或更长时间而丢失服务器的组织中，大约有93％的组织将破产，而有43％的组织从不重新开放，而有51％的组织在两年内关闭。

Gainsight前客户运营副总裁Barr Moses与Barracuda Networks工程部前高级副总裁Lior Gavish于2019年共同创立了蒙特卡洛。当涉及到用于识别和解决基础结构问题的工具时，它们都被他们认为的易用性问题所震惊：尽管这些工具广泛可用，但它们并不能提供一种简单的方法来保证流经管道的数据的有效性。

蒙特卡洛（Monte Carlo）使用AI来推断和了解公司数据的样子，主动识别停机时间，评估其影响并通知可能需要知道的员工。该平台可以自动发现停机的根本原因，并在一处显示数据依赖性。此外，它为现有数据栈的现成可用范围提供了免代码实现，并具有跨越数据湖，仓库，商业智能工具和目录的数据运行状况的单一视图。

一位发言人解释说：“ [我们]依靠时间密集型阈值设置来自动化传统的手动数据验证和监视过程。” “ [Monte Carlo]使用机器学习来对数据资产进行历史快照，以防止“不良数据”破坏本来良好的管道。通过这种方法，我们盘点了数据资产，并使用机器学习来确定哪些资产最“关键” —即，使用最广泛的资产，有多少人在使用它们以及如何使用它们。我们还使用各种AI异常检测技术对客户环境中的历史数据，元数据和模式进行基准测试，然后从这些基准中识别出可能表明存在“不良数据”的实质性偏差。

重要的是，蒙特卡洛（Monte Carlo）监视静态数据，而不是从数据存储中提取数据。首席执行官Moses表示，部分地由于此，它是实现SOC-2合规性的少数几个数据可观察性平台之一。 （SOC-2由美国注册会计师协会开发，旨在评估将客户数据存储在云中的服务提供商的安全性。）蒙特卡洛算法的训练数据集仅包含来自各个公司的信息，以防止跨部门泄漏顾客。

“近年来，诸如Splunk和New Relic之类的解决方案应运而生，以防止应用程序停机。 2021年，数据将发生同样的事情。摩西通过电子邮件告诉VentureBeat，随着公司摄取越来越多的数据来推动决策，“数据停机”已成为对各地企业的最大威胁。 “数据可观察性是第一种端到端，机器学习驱动的方法，用于了解数据生命周期各个阶段的健康状况。蒙特卡洛很高兴继续开拓这一新类别，并在此过程中授权公司最终实现数据信任。”

拥有25名员工的蒙特卡罗（Monte Carlo）在加拿大，南美和以色列设有办事处，并在Eventbrite，Snowflake和New Relic的客户团队中占有一席之地。该公司表示，到2020年的每个季度，收入都翻了一番。 超过20 PB的数据 Repoint Ventures和GGV Capital领导了蒙特卡洛的最新一轮融资，Accel参与了该轮融资。 此前，该公司在9月份进行了1600万美元的A轮融资。 VentureBeat的使命是成为技术决策者的数字城镇广场，以获取有关变革性技术和交易的知识。 我们的网站提供有关数据技术和策略的重要信息，以指导您领导组织。 我们邀请您成为我们社区的成员，可以访问： 成为会员