Η DataBahn Συγκεντρώνει 40 Εκατομμύρια Δολάρια για την Ανάπτυξη ενός Ελεγκτικού Στρώματος για τα Δεδομένα των Επιχειρήσεων

DataBahn έχει συγκεντρώσει 40 εκατομμύρια δολάρια σε χρηματοδότηση Σειράς B, καθώς επιδιώκει να επεκτείνει την υποδομή που χρησιμοποιούν οι επιχειρήσεις για την προετοιμασία, διακυβέρνηση και παράδοση δεδομένων σε συστήματα τεχνητής νοημοσύνης.

Insight Partners ηγήθηκε του γύρου, με τους υφιστάμενους επενδυτές Forgepoint Capital, GTM Capital και S3 Ventures να συμμετέχουν επίσης. Η επένδυση αυξάνει τη συνολική χρηματοδότηση της εταιρείας με έδρα το Ντάλας σε 59 εκατομμύρια δολάρια, μετά από μια χρηματοδότηση Σειράς A 17 εκατομμυρίων δολαρίων που ανακοινώθηκε τον Ιούνιο του 2025.

Η DataBahn σχεδιάζει να κατευθύνει το νέο κεφάλαιο προς έρευνα και ανάπτυξη, πρόσθετες ικανότητες προϊόντων και τη συνεχιζόμενη επέκταση του μοντέλου πωλήσεων που βασίζεται σε συνεργάτες. Η εταιρεία θέτει το πλαίσιο της ως «ελεγκτικό στρώμα δεδομένων», ένα στρώμα υποδομής που προορίζεται να διαχειρίζεται τον τρόπο με τον οποίο τα δεδομένα των επιχειρήσεων κινούνται μεταξύ λειτουργικών συστημάτων, πλατφορμών ασφαλείας, περιβαλλόντων αποθήκευσης και μοντέλων τεχνητής νοημοσύνης.

Ο γύρος έρχεται σε μια εποχή που οι επιχειρήσεις παράγουν περισσότερα τηλεμετρικά δεδομένα από ό,τι μπορούν να επεξεργαστούν οικονομικά τα υφιστάμενα συστήματα ασφαλείας και αναλυτικών. Ταυτόχρονα, τα πρακτορεία και οι συνπιλότοι της τεχνητής νοημοσύνης απαιτούν πρόσβαση σε αξιόπιστο εταιρικό περιεχόμενο εάν αναμένεται να λάβουν χρήσιμες αποφάσεις ή να thựcέψουν ενέργειες για λογαριασμό των υπαλλήλων.

Μετακίνηση Πέρα από τις Παραδοσιακές Πipelines Δεδομένων

Οι παραδοσιακές πipelines δεδομένων των επιχειρήσεων συλλέγουν γενικά πληροφορίες από μια πηγή και τις παραδίδουν σε一个 προορισμό, όπως μια πλατφόρμα διαχείρισης ασφαλείας και συμβάντων, αποθήκη δεδομένων ή σύστημα αποθήκευσης cloud.

Το μοντέλο αυτό γίνεται λιγότερο αποτελεσματικό καθώς αυξάνεται ο αριθμός των πηγών δεδομένων, προορισμών και καταναλωτών. Μια επιχείρηση μπορεί να χρειαστεί να συλλέξει καταγραφές από υποδομή cloud, συστήματα ταυτότητας, τελικούς σταθμούς, εφαρμογές, βιομηχανικό εξοπλισμό και πλατφόρμες λογισμικού ως υπηρεσία, ενώ ταυτόχρονα στέλνει διαφορετικά τμήματα αυτής της πληροφορίας σε εργαλεία ασφαλείας, συστήματα αναλυτικών, λίμνες δεδομένων και εφαρμογές τεχνητής νοημοσύνης.

Η μετακίνηση κάθε διαθέσιμου συμβάντος σε κάθε κατωτέρω σύστημα μπορεί να δημιουργήσει σημαντικά έξοδα αποθήκευσης, επεξεργασίας και μεταφοράς δεδομένων cloud. Μπορεί επίσης να κάνει πιο δύσκολο για τους αναλυτές και τα μοντέλα τεχνητής νοημοσύνης να εντοπίσουν τις πληροφορίες που είναι πραγματικά σχετικές.

Η DataBahn εισάγει ένα στρώμα διαχείρισης μεταξύ αυτών των πηγών και προορισμών. Η πλατφόρμα της μπορεί να συλλέξει, να φιλτράρει, να κανονικοποιήσει, να εμπλουτίσει και να κατευθύνει πληροφορίες ενώ κινούνται, αντί να απαιτεί από κάθε κατωτέρω εφαρμογή να επεξεργαστεί ανεξάρτητα τα ακατέργαστα δεδομένα.

Η εταιρεία λέει ότι η τεχνολογία της υποστηρίζει目前 πάνω από 600 πηγές δεδομένων και σχεδιάζεται για να παραμείνει ανεξάρτητη από οποιαδήποτε συγκεκριμένη πλατφόρμα αποθήκευσης, προμηθευτή ασφαλείας ή μοντέλο τεχνητής νοημοσύνης. Αυτό επιτρέπει στους πελάτες να αλλάξουν προορισμούς ή να χρησιμοποιήσουν πολλά συστήματα χωρίς να ξαναχτίσουν το στρώμα συλλογής γύρω από την αρχιτεκτονική κάθε προμηθευτή.

Η DataBahn αρχικά επικεντρώθηκε έντονα στην τηλεμετρία κυβερνοασφάλειας, αλλά έχει επεκτείνει από τότε την πλατφόρμα της για να καλύψει δεδομένα εφαρμογών, παρατηρησιμότητας και Internet of Things και λειτουργικής τεχνολογίας.

Προετοιμασία Δεδομένων Επιχείρησης για Πρακτορεία Τεχνητής Νοημοσύνης

Το στοιχείο της τεχνητής νοημοσύνης της στρατηγικής της DataBahn δεν περιορίζεται στην προσθήκη μιας διαλογικής διεπαφής σε μια υφιστάμενη πλατφόρμα δεδομένων.

Το σύστημα Cruz AI της λειτουργεί ως μηχανικός δεδομένων που βοηθά με εργασίες που χειρίζονται παραδοσιακά μέσω χειροκίνητων συνδέσεων και κανόνων ανάλυσης. Το λογισμικό παρακολουθεί τις εισερχόμενες σχήματα δεδομένων, αναγνωρίζει αλλαγές και μπορεί να δημιουργήσει ενημερωμένους αναλυτές και αντιστοιχίσεις όταν το σχήμα μιας πηγής αλλάζει.

Αυτό έχει σημασία επειδή οι πηγές δεδομένων των επιχειρήσεων σπάνια παραμένουν στατικές. Οι προμηθευτές λογισμικού εισάγουν νέα πεδία, αλλάζουν μορφές συμβάντων και ενημερώνουν διεπαφές προγραμματισμού εφαρμογών. Όταν αυτές οι αλλαγές σπάσουν μια πipeline, οι ομάδες ασφαλείας και μηχανικής δεδομένων μπορεί να χάσουν ορατότητα μέχρι να επιδιορθωθεί η σύνδεση.

Η DataBahn περιγράφει το Cruz ως einen τρόπο να γίνει αυτή η διαδικασία σε μια ροή εργασίας που βασίζεται σε έγκριση. Αντί για μηχανικούς να χτίζουν κάθε σύνδεσμο ή αναλυτή από την αρχή, το σύστημα μπορεί να αναλύσει την αλλαγμένη πηγή και να προετοιμάσει μια ενημερωμένη διαμόρφωση για ανασκόπηση.

Η πλατφόρμα επίσης κανονικοποιεί πληροφορίες σε συνεπή σχήματα, συμπεριλαμβανομένου του Open Cybersecurity Schema Framework. Η τυποποίηση μπορεί να κάνει τα δεδομένα πιο εύκολα για τα εργαλεία ασφαλείας και τα συστήματα τεχνητής νοημοσύνης να ερμηνεύσουν, επειδή το ίδιο είδος συμβάντος αντιπροσωπεύεται συνεπώς, ανεξάρτητα από ποιο προϊόν το παράγει.

Για πρακτορεία τεχνητής νοημοσύνης, ο ευρύτερος στόχος είναι να παρέχει αρκετό περιεχόμενο για να υποστηρίξει μια απόφαση χωρίς να αντιγράψει ολόκληρη την ιδιοκτησία δεδομένων μιας οργάνωσης σε άλλη πλατφόρμα. Η DataBahn μπορεί να επεξεργαστεί πληροφορίες συνεχώς ενώ ανακτά πρόσθετο περιεχόμενο όταν μια εφαρμογή ή πρακτορεία χρειάζονται.

Αυτή η προσέγγιση μπορεί να γίνει πιο σημαντική καθώς οι επιχειρήσεις μετακινούνται από γενετικά συστήματα τεχνητής νοημοσύνης που απαντούν主要 σε ερωτήσεις σε πρακτορεία που ξεκινούν ροές εργασίας, αλλάζουν ρυθμίσεις ή ανταποκρίνονται σε λειτουργικά συμβάντα. Η αξιοπιστία αυτών των πρακτορείων θα εξαρτηθεί εν μέρει από το εάν τα υποκείμενα δεδομένα είναι τρέχοντα, σωστά δομημένα και διακυβερνώμενα.

Η Νοημοσύνη Κινείται Μέσα στη Ροή Δεδομένων

Η DataBahn έχει επίσης αναπτύξει αυτό που ονομάζει Αυτόνομη Νοημοσύνη Δεδομένων Μέσα στη Ροή, μια αρχιτεκτονική που εφαρμόζει ανάλυση και λήψη αποφάσεων ενώ η πληροφορία εξακολουθεί να κινούται μέσω της πipeline.

Το σύστημα προορίζεται να κάνει περισσότερα από το να προετοιμάσει δεδομένα για ανάλυση αφού φτάσει σε προορισμό. Μπορεί να αξιολογήσει την ποιότητα δεδομένων, να αναγνωρίσει λείπουσες πληροφορίες και να καθορίσει πώς θα χειριστούν τα μεμονωμένα συμβάντα σε πραγματικό χρόνο.

Σε ένα περιβάλλον ασφαλείας, για παράδειγμα, μια πipeline θα μπορούσε να εμπλουτίσει ένα εισερχόμενο συμβάν με πληροφορίες απειλής, να κατευθύνει τηλεμετρία υψηλής αξίας σε μια πλατφόρμα αναλυτικών και να μετακινήσει πληροφορίες χαμηλότερης προτεραιότητας σε λιγότερο дорогούς χώρους αποθήκευσης. Η εφαρμογή αυτών των αποφάσεων πριν τα δεδομένα φτάσουν σε μια πλατφόρμα ασφαλείας θα μπορούσε να μειώσει το κόστος κατάκτησης χωρίς να αναγκάσει μια οργάνωση να εγκαταλείψει πληροφορίες που μπορεί να χρειαστούν αργότερα για μια έρευνα.

Η εταιρεία έχει υποστηρίξει ότι η νοημοσύνη πρέπει να βρίσκεται μέσα στην πipeline και όχι να εφαρμόζεται μόνο μετά την συλλογή και αποθήκευση των δεδομένων.

Αυτή η αρχιτεκτονική αντανακλά επίσης μια ευρύτερη αλλαγή στη διαχείριση δεδομένων των επιχειρήσεων. Η πipeline γίνεται ένα ενεργό στρώμα πολιτικής και ορχήστρας αντί για παθητική σωλήνα που συνδέει δύο συστήματα.

Η Υιοθέτηση Επιχειρήσεων Οδηγεί τη Σειρά B

Η DataBahn αναφέρει ότι οι έσοδοι της έχουν αυξηθεί περισσότερο από 400% από χρόνο σε χρόνο, με την καθαρή διατήρηση εσόδων να φτάνει το 180%. Επίσης, ισχυρίζεται ότι δεν έχει καμία απώλεια πελάτη και έχει ποσοστό επιτυχίας 97% στις αναπτύξεις proof-of-concept.

Η εταιρεία εξυπηρετεί οργανισμούς στις υπηρεσίες υγείας, χρηματοοικονομικές υπηρεσίες, βιομηχανία και μεταφορές, συμπεριλαμβανομένων πολλών εταιρειών Fortune 100. Οι ανακοινωμένοι πελάτες της περιλαμβάνουν την MVB Bank και το Canada Pension Plan Investment Board.

Ο Chief Information Security Officer της MVB Bank, Parrish Gunnels, είπε ότι η πλατφόρμα βοήθησε την τράπεζα να φέρει πολλαπλά формάτ δεδομένων, απαιτήσεις κανονισμών και ελέγχους ελέγχου σε ένα κοινό περιβάλλον που υποστηρίζει τα πρακτορεία τεχνητής νοημοσύνης της.

Στο Canada Pension Plan Investment Board, η τεχνολογία χρησιμοποιείται για να τυποποιήσει την ενσωμάτωση τηλεμετρίας ασφαλείας. Η οργάνωση είπε ότι αυτό μείωσε την προσαρμοσμένη μηχανική που απαιτούνταν προηγουμένως για να συνδεθούν νέες πηγές καταγραφών και έκανε πιο εύκολη την αναγνώριση συστημάτων που δεν στέλνουν τις αναμενόμενες δεδομένα.

Η DataBahn έχει κυρίως επιδιώξει αυτούς τους πελάτες μέσω συνεργατών και τεχνολογικών συνεργατών αντί να βασίζεται αποκλειστικά σε άμεσες πωλήσεις. Πρόσφατες πρωτοβουλίες περιλαμβάνουν μια βαθύτερη ολοκλήρωση με το security ecosystem της Microsoft (MSFT ) και μια συμφωνία διανομής στην Ασία-Ειρηνικό με τον διανομέα κυβερνοασφάλειας M.Tech.

Χρηματοδότηση Στόχος Μια Αυξανόμενη Υποδομή Σφραγίδα

Η Σειρά B θα επιτρέψει στην DataBahn να επεκτείνει ένα προϊόν στο σημείο τομής πολλών αυξανόμενων ακριβών προβλημάτων επιχειρήσεων.

Οι ομάδες ασφαλείας συλλέγουν περισσότερα τηλεμετρικά δεδομένα για να ανιχνεύσουν επιθέσεις και να ικανοποιήσουν απαιτήσεις κανονισμών. Οι ομάδες δεδομένων και παρατηρησιμότητας επεξεργάζονται μεγαλύτερες όγκους πληροφοριών εφαρμογών και υποδομής. Οι ομάδες τεχνητής νοημοσύνης χρειάζονται τώρα πρόσβαση και σε λειτουργικά δεδομένα και επιχειρηματικό περιεχόμενο.

Κάθε ομάδα μπορεί να αγοράσει πρόσθετη χωρητικότητα αποθήκευσης και επεξεργασίας, αλλά αυτό δεν αντιμετωπίζει το υποκείμενο πρόβλημα της διπλοκόπης και της κατακερματισμού. Τα δεδομένα μπορεί ακόμα να συλλέγονται πολλές φορές, να μετατρέπονται διαφορετικά από κάθε πλατφόρμα και να κλειδώνουν σε συστήματα που κάνουν το κόστος της επαναχρησιμοποίησης αλλού ακριβό.

Η DataBahn στοιχηματίζει ότι οι επιχειρήσεις θα τοποθετήσουν αντί ενός ανεξάρτητου ελεγκτικού στρώματος μεταξύ των συστημάτων που παράγουν δεδομένα και εκείνων που τα καταναλώνουν.

Η ευκαιρία είναι μεγαλύτερη από τη μείωση των δαπανών αποθήκευσης. Ένα αποτελεσματικό ελεγκτικό στρώμα θα μπορούσε να καθορίσει ποια πληροφορία επιτρέπεται σε ένα πρακτορεία τεχνητής νοημοσύνης, να εμπλουτίσει αυτή την πληροφορία με το απαραίτητο περιεχόμενο και να διατηρήσει ένα αρχείο του πώς τα δεδομένα μετατράπηκαν και κατευθύνθηκαν.

Αυτό θα έδινε στην πipeline einen κεντρικό ρόλο στη διακυβέρνηση της τεχνητής νοημοσύνης, ιδιαίτερα σε ρυθμιζόμενες βιομηχανίες όπου οι οργανώσεις πρέπει να εξηγήσουν τις πληροφορίες που χρησιμοποιούνται από αυτοματοποιημένα συστήματα.

Κτίζοντας τις Βάσεις Δεδομένων για την Τεχνητή Νοημοσύνη

Η πρόκληση για την DataBahn θα είναι να αποδείξει ότι η αναδυόμενη κατηγορία «ελεγκτικού στρώματος δεδομένων» είναι αρκετά διαφορετική από τις υφιστάμενες πipelines δεδομένων, υφασμάδες δεδομένων ασφαλείας και πλατφόρμες παρατηρησιμότητας για να αξίζει ένα άλλο στρώμα στο στρώμα τεχνολογίας των επιχειρήσεων.

Μεγάλες εταιρείες cloud και ασφαλείας επεκτείνουν επίσης τις ικανότητες διαδρομής δεδομένων, αποθήκευσης και τεχνητής νοημοσύνης. Η DataBahn υποστηρίζει ότι μια ουδέτερη πλατφόρμα μπορεί να δώσει στους πελάτες μεγαλύτερο έλεγχο над το πού αποθηκεύονται οι πληροφορίες και ποια εφαρμογές ή μοντέλα τις καταναλώνουν.

Η ικανότητά της να διατηρήσει αυτή την ουδετερότητα ενώ ολοκληρώνεται με αυξανόμενο αριθμό επιχειρηματικών συστημάτων θα είναι σημαντική καθώς η εταιρεία επεκτείνεται.

Η Σειρά B δίνει στην DataBahn πρόσθετα πόροι για την ανάπτυξη αυτής της αρχιτεκτονικής καθώς τα πρακτορεία τεχνητής νοημοσύνης γίνονται πιο ενταγμένα στις επιχειρηματικές λειτουργίες. Η κεντρική πρόταση είναι απλή: οι οργανώσεις δεν χρειάζεται απαραίτητα να συλλέγουν και να αντιγράφουν περισσότερα δεδομένα. Χρειάζονται έναν καλύτερο τρόπο για να αναγνωρίσουν, να διακυβερνήσουν και να ενεργοποιήσουν τις πληροφορίες που έχουν σημασία τη στιγμή που απαιτούνται.

Η DataBahn σχεδιάζει να προεπισκοπήσει τις επόμενες ικανότητες ελεγκτικού στρώματος δεδομένων στο Black Hat USA 2026.