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

2021-02-09 21:59:49

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