越来越多的企业开始采用数据模型,这些模型是组织数据元素并标准化它们相互关系的抽象模型。但随着数据分析和人工智能的蓬勃发展驱使组织对数据模型的期望增加,许多旧的范例正在变得难以管理,并且极为脆弱。
至少,工程师和创业者Artyom Keydunov和Pavel Tiunov在他们的工作中观察到了这一点。2016年,在他们共同创立的数据分析初创公司Starsbot工作期间,Keydunov和Tiunov经常与那些努力整理他们“数据之屋”的组织进行咨询。
Cube始于2019年作为一个开源项目,提供Keydunov描述的“通用语义层”,用于组织数据并可供数据库、商业智能(BI)工具甚至基于人工智能的聊天机器人使用。现在,五年后,Keydunov和Tiunov手头上已经有了一个可观的业务,推出了基于Cube构建的订阅服务Cube Cloud,其中包含自动化工作流和面向企业的治理和部署工具。
“数据并不缺乏,”Keydunov告诉TechCrunch。“并且对数据的需求在员工、合作伙伴和客户中持续增长,他们被这样一个想法所激励,即数据驱动的决策会导致提高运营效率、增强客户满意度和竞争优势。人工智能、机器学习、物联网和区块链等技术正在重塑数据领域,革新组织如何收集、处理和从数据中获取价值的方式。现在不仅仅是人需要数据,现在机器也需要数据。”
除了数据建模方面的挑战,调查显示相对较少的组织正从其数据中获得基本的价值。根据2022年Gartner数据分析领导者的调查,不到一半的人认为他们的团队在为雇主提供价值方面有效。尽管根据同一调查,公司平均在数据管理、治理和分析项目上花费超过500万美元。那么该怎么办呢?对于Keydunov和Tiunov来说,答案是尝试创建一个平台,可以作为企业所有数据和指标的统一真相来源。
“Cube Cloud是一个独立的、但可互操作的现代数据堆栈中的通用语义层,位于数据源和数据使用者之间,”Keydunov说。“通用语义层允许每个数据端点,无论是商业智能工具、嵌入式分析还是人工智能代理和聊天机器人,都可以使用相同的语义和基础数据。”
企业使用Cube Cloud构建这个语义层,并将其连接到各种应用程序和实用程序中,根据需要使用基于角色的访问控制、数据缓存、单一登录和扩展基础设施。企业级客户可以获取顾问的支持,这些顾问可以训练他们的数据工程师使用Cube Cloud,并提供按需支持,还可以构建初始的Cube Cloud实例,可以部署在Cube拥有的服务器上或企业内。
Keydunov补充说:“Cube Cloud自动调整查询并注入适当的安全上下文 — 用户或角色详细信息 — 以确保只有适当的用户有权限访问。”“通过Cube中的性能洞察,客户可以找到冗余查询或其他缓存和预聚合查询结果的机会,从而减少所需的计算量。”Cube与AtScale竞争,后者也提供数据建模和服务的语义层,还有最近被Dtb Labs收购的Transform。但Cube似乎在自己的领域表现不俗,公司表示客户群中包括200多家财富1000强品牌,用户人数接近500万人。
Keydunov表示,开源Cube项目的下载量已超过1000万次,Cube Cloud现在安装在约9万个服务器上。从2023年到2024年,预订量增加了3倍,平均交易规模增长了3倍。
毫无疑问,正是这种成功吸引了新的投资进入Cube。总部位于旧金山的Cube本周宣布获得了2500万美元的资金,支持者包括Databricks Ventures、Decibel、Bain Capital Ventures、Eniac Ventures和645 Ventures。这笔新资金将用于支持Cube的市场推广活动和营销活动,并扩展Cube Cloud的功能,Keydunov表示。
“我们的投资者鼓励我们筹集股本,以支持我们的市场团队扩张,以便利用对人工智能和语义层需求的巨大增长。我们看到企业变得更谨慎和谨慎地对待他们的评估,这可能会使销售流程稍微减慢一些,但这给了我们更多的时间来证明我们相对于竞争的价值。我们在新一轮融资中筹集了足够的资金,我们有很多的运营走向公司的下一个里程碑。”