Startupy zza oceanu rzadko mają na swoich listach referencyjnych firmy, które są znane głównie z działalności na polskim rynku. W tego typu zestawieniach zazwyczaj pojawiają się użytkownicy ze Stanów Zjednoczonych i największych krajów Europy Zachodniej, głównie Niemiec, Wielkiej Brytanii i Francji. Nieco inaczej wygląda to w przypadku amerykańskiej firmy Alation. Wprawdzie obsługuje globalne koncerny w rodzaju Cisco, LinkedIna czy Pepsico, ale do grona jej klientów zalicza się również Allegro i sieć sklepów Żabka. Startup z Kalifornii opracowuje oprogramowanie do zarządzania i katalogowania danych bazujące na trzech elementach: analizie behawioralnej, przetwarzaniu języka naturalnego (NLP) oraz uczeniu maszynowym. System automatycznie indeksuje wszystkie dane należące do firmy i analizuje, w jaki sposób posługują się nimi pracownicy. Alation wzoruje się na algorytmie Page Rank Google, mierzącym popularność witryny na podstawie liczby prowadzących do niej odsyłaczy.

– Bez sztucznej inteligencji i uczenia maszynowego postęp w klasyfikowaniu, zarządzaniu i rozumieniu dużych ilości danych jest niemożliwy. Dlatego opracowaliśmy platformę wykorzystującą obie technologie. Idea polega na usprawnieniu zarządzania metadanymi, aby lepiej wspierać użytkowników przeszukujących duże zbiory danych w celu generowania informacji lub wyszukiwania dokumentów – tłumaczy Satyen Sangani, CEO i współzałożyciel Alation.

Według branżowych analityków przyszłość zarządzania danymi należy do inteligentnych narzędzi. Co to oznacza w praktyce? Alation zalicza do tej kategorii systemy, które potrafią dostarczyć żądane dane do odpowiednich osób, w należytym czasie, celu i we właściwym kontekście. Tego typu rozwiązania wychodzą naprzeciw wyzwaniom, jakie niesie ze sobą proces cyfrowej transformacji.

Satyen Sangani zwraca uwagę na cztery zjawiska, które utrudniają w obecnych czasach pracę z danymi: migrację do chmury, wysyp systemów BI i różnorodnych baz danych, jak też zmiany na rynku pracy i uwarunkowania prawne, w tym RODO czy CCPA. Jednocześnie dodając, że zastosowanie odpowiednich rozwiązań z jednej strony eliminuje chaos, z drugiej zaś zapewnia pracownikom łatwy dostęp do narzędzi analitycznych.

Warto dodać, że w październiku ubiegłego roku Alation przejął startup Lyngo Analytics. Dzięki temu zakupowi użytkownicy mogą wyszukiwać informacje poprzez zadawanie pytań przy użyciu prostych zdań, bowiem sztuczna inteligencja i technologia uczenia maszynowego Lyngo Analytics przekształca pytania w języku naturalnym w zapytania SQL. Jest to zgodne z filozofią Alation, które chce wspierać pracowników w poszukiwaniu odpowiednich zasobów cyfrowych bez udziału pośredników, jak programiści lub specjaliści od baz danych.

In-Memory Data Grid 

Ilość, a także tempo przetwarzania informacji powodują, że relacyjne bazy danych zaczynają nie nadążać za potrzebami co bardziej wymagających użytkowników. Ci ostatni coraz częściej spoglądają w kierunku technologii In-Memory Data Grid, zapewniającej obsługę tysięcy operacji na sekundę. Jest to system złożony z kilku magazynów współużytkujących między sobą dane. In-Memory Data Grid nie ogranicza się do przechowywania danych, ale umożliwia też wykonywanie na nich operacji. Dane przechowywane w takich magazynach są reprezentowane jako obiekty i przechowywane w pamięci operacyjnej, co zwiększa w znacznym stopniu czas dostępu.

Przykładem bazy In-Memory Data Grid jest projekt open source Hazelcast, notabene tę samą nazwę nosi startup z San Mateo, zarabiający na komercyjnych wdrożeniach. Niedawno firma zaprezentowała piątą wersję platformy składającej się z Hazelcast IMDG, magazynu danych, który przyspiesza przechowywanie, pobieranie i modyfikację danych, a także Hazelcast Jet – silnika do przetwarzania strumieniowego. Startup ten po raz pierwszy zintegrował oba narzędzia w pojedynczą platformę.

– Klienci nie chcą działać na bazie tego, co wydarzyło się wczoraj, lecz zgodnie z tym, co dzieje się obecnie. To wymaga nowej, ściśle zintegrowanej kombinacji technologii. Analitycy Gartnera dostrzegają zjawisko, które określają jako kolizję kilku z nich, w tym przesyłania strumieniowego i przetwarzania w pamięci. Ich spostrzeżenia są tożsame z tym, co zauważamy u naszych klientów – tłumaczy Kelly Herrell, CEO Hazelcast.

Wraz z wdrażaniem na dużą skalę czujników IoT, przedsiębiorstwa stają przed koniecznością stosowania analityki w czasie rzeczywistym, uczenia maszynowego i algorytmów AI. Dlatego, oprócz przechowywania danych w pamięci, Hazelcast dostarcza platformę, która wydobywa cyfrowe informacje w miarę ich tworzenia.

– Chcemy, aby platforma Hazelcast stała się ostatnią warstwą przechowywania i przetwarzania danych dla aplikacji czasu rzeczywistego, zarówno transakcyjnych, wsadowych, jak i strumieniowych – mówi David Brimley, wiceprezes Hazelcast.

Analityka w czasie rzeczywistym odgrywa kluczową rolę w wielu branżach, w tym między innymi w opiece zdrowotnej, usługach finansowych, produkcji i reklamie, gdzie nawet niewielkie zmiany danych mogą mieć wpływ na finanse, zdrowie czy bezpieczeństwo.

Jednym z użytkowników platformy Hazelcast w Polsce jest BNP Paribas Bank. Firma zdecydowała się na jej wdrożenie, aby zwiększyć sprzedaż produktów. Szefowie banku byli szczególnie niezadowoleni z konwersji, czyli procentowego udziału osób, które weszły na stronę i dokonały jakiejkolwiek transakcji. BNP Paribas stworzył program umożliwiający dostosowywanie ofert kredytowych w czasie rzeczywistym, co zwiększyło wskaźnik konwersji o 400 proc. Gdyby nie zastosowanie Hazelcast, obsługa tego typu aplikacji byłaby niemożliwa.