DataBahn pozyskał 17 milionów dolarów, aby zrewolucjonizować przedsiębiorcze potoki danych

W głosie zaufania dla infrastruktury rodzimej AI, DataBahn pozyskał 17 milionów dolarów w rundzie Series A pod przewodnictwem Forgepoint Capital, z wsparciem S3 Ventures i GTM Capital. Finansowanie zwiększa łączną kwotę spółki do 19 milionów dolarów i umieszcza ją jako następczą potęgę w zarządzaniu przedsiębiorczymi potokami danych.

W sercu misji DataBahn leży zmiana w sposobie, w jaki przedsiębiorstwa radzą sobie z jednym ze swoich najbardziej krytycznych aktywów: telemetrią. Tradycyjnie rozproszoną, głośną i kosztowną, dane telemetrii – od logów i zdarzeń do śladów aplikacji – przytłaczały zespoły IT i bezpieczeństwa. Ale platforma DataBahn całkowicie wyobraża warstwę danych, wprowadzając inteligencję, kontrolę i automatyzację na każdym etapie potoku.

Od hydraulicznych danych do inteligentnych danych

Podczas gdy legacy narzędzia danych koncentrują się na przenoszeniu logów z punktu A do B, DataBahn inżynieruje to, co nazywa bezpieczną, rodzimą tkaninę danych – podstawową architekturę, która nie tylko przenosi dane, ale także rozumie, wzbogaca i przygotowuje je do użycia AI w czasie rzeczywistym.

To jest możliwe dzięki modułowym składnikom platformy, takim jak:

• Smart Edge do bezagentowej kolekcji danych z analityką krawędziową.
• Highway, warstwa orchestracji wykorzystująca AI do zarządzania dryfem schematu, redukcji kosztów i efektywnego trasowania danych.
• Cruz, agent AI, który automatyzuje zadania inżynierii potoków, takie jak parsowanie, normalizacja i monitorowanie.
• Reef, hub inteligencji kontekstowej, który przekształca surowe dane w działania poprzez korelację opartą na grafach i wyszukiwanie za pomocą AI.

Te możliwości pozwalają zespołom bezpieczeństwa, obserwacyjności i biznesu na natychmiastowe uzyskanie wartości z danych – czy to poprzez obcięcie objętości logów SIEM o 50%, szybsze wdrożenie nowych aplikacji o 10 razy lub proaktywne identyfikowanie anomalii IT przed ich eskalacją.

Przedstawiamy Agentic AI: Cruz

Jedną z wybitnych innowacji napędzających wzrost DataBahn jest Cruz, agenty AI platformy. W przeciwieństwie do statycznych skryptów lub kruchych przepływów pracy, Cruz jest maszyną uczącą się “inżynierem danych w pudełku”, który dostosowuje się do zmian w źródłach danych, formatach i schematach automatycznie.

Ten agenty AI działa przy użyciu wzmocnionego uczenia i parsowania semantycznego, aby inteligentnie wzbogacić lub tłumić przychodzące dane w zależności od kontekstu. Na przykład Cruz może zidentyfikować, kiedy określone pole loga generuje szum i tłumi go w całych strumieniach – eliminując ręczną pracę tradycyjnie wykonywaną przez inżynierów danych.

Ta zmiana z automatyzacji proceduralnej na inteligentną autonomię – gdzie agenci podejmują decyzje w czasie rzeczywistym na podstawie informacji zwrotnej – jest cechą charakterystyczną agenty AI. Oznacza to odejście od systemów reaktywnych do proaktywnej, samooptymalizującej się infrastruktury.

Warstwa infrastruktury strategicznej dla nowoczesnego przedsiębiorstwa

Wzrost DataBahn jest zsynchronizowany z globalnym wzrostem złożoności danych. Z przedsiębiorczą telemetrią rozproszoną w chmurze, na terenie, IoT i systemach OT, a globalną tworzeniem danych, które mają przekroczyć 394 zettabytów do 2028 roku, tradycyjny model potoku danych po prostu nie może skalować.

Federacyjna architektura DataBahn i model pobierania oparty na siatce oferują rozwiązanie. Poprzez zapewnienie bezstratnej, przyjaznej dla awarii trasowania, platforma zapobiega przerwaniu potoku i utracie danych podczas szczytów – powszechnemu wyzwaniu w legacy ustawieniach. Co więcej, z ponad 400 prekonfigurowanymi łączami i ponad 900 regułami redukcji objętości logów, DataBahn skraca czas wdrożenia dramatycznie i zmniejsza zależność od drogiej inżynierii niestandardowej.

Klienci tacy jak CSL Behring, AXIS Capital (AXS ) i Saviynt chwalili możliwość platformy do przekształcenia danych z ciężaru w strategiczną przewagę. Greg Stewart, starszy dyrektor ds. cyberbezpieczeństwa w CSL Behring, zauważył, że DataBahn “zmienił to, co dane oznaczają dla nas”, zmieniając je z centrum kosztów w broń operacyjną.

Od bezpieczeństwa do obserwacyjności i poza

Chociaż początkowo skupiony na bezpieczeństwie telemetrii, zasięg DataBahn szybko się rozszerza na obserwacyjność, wydajność aplikacji i IoT/OT. Jego platforma teraz działa jako zunifikowana warstwa kontrolna dla przedsiębiorczych danych – AI-powierzchnia, która oferuje przejrzystość, zarządzanie i elastyczność w całym cyklu życia danych.

A z persona-opartym, federacyjnym wyszukiwaniem DataBahn dostosowuje wglądy do użytkownika końcowego: CISO otrzymują analitykę zagrożeń w czasie rzeczywistym, SRE zyskują przewidywalną widoczność awarii, a analitycy biznesowi uzyskują wzbogacone dane aplikacji – wszystko z tej samej tkaniny danych.

Wspierany przez weteranów cyberbezpieczeństwa i wizjonerów AI

Założony przez absolwentów najlepszych dostawców bezpieczeństwa, firm konsultingowych Big Four i globalnych banków, DataBahn powstał z frustracji związanej z złożonością legacy narzędzi. CEO Nanda Santhana i prezes Nithya Nareshkumar prowadzą zespół, który głęboko rozumie problem – i zaprojektował rozwiązanie od podstaw.

“Przedsiębiorstwa nie są tylko przytłaczone objętością danych; są one wyprzedzane przez ich złożoność”, powiedział Santhana. “Nasza misja polega na przekształceniu telemetrii z zobowiązania w strategiczny aktyw”.

Managing Director Forgepoint Capital Ernie Bio, który dołącza do rady nadzorczej w ramach rundy finansowania, podkreślił unikalną przewagę DataBahn: “To, co jest naprawdę rzadkie, to entuzjazm klientów. Usłyszałem jednogłośne pochwały dla platformy za szybki zwrot z inwestycji, innowacyjność i responsywność – cechy, które odróżniają wielkie firmy od reszty”.

Oczywiście. Oto przepisany ostatni akapit, który zastępuje język sprzedażowy ugruntowanym spojrzeniem na ewoluujący stan branży, gdzie się ona zmierza i jaka rolę będą odgrywać platformy takie jak DataBahn:

Rozszerzająca się rola inteligentnej infrastruktury danych

Krajobraz danych przedsiębiorstw przechodzi fundamentalną transformację. W miarę jak organizacje przyjmują architektury natywnie chmurowe, środowiska pracy hybrydowej i coraz bardziej złożone systemy AI, ograniczenia legacy infrastruktury danych stały się bardziej widoczne. Dane nie są już ograniczone do scentralizowanych systemów – teraz rozciągają się na urządzenia krawędzi, aplikacje SaaS, środowiska chmury i systemy legacy na terenie.

To rozproszenie koliduje z wykładniczym wzrostem danych maszynowych. Do 2028 roku globalne tworzenie danych ma przekroczyć 390 zettabytów, a przedsiębiorcza telemetria – logi, ślady, metryki i zdarzenia – będzie stanowić znaczną część tego wzrostu. Ale podczas gdy objętości danych wybuchły, narzędzia do zarządzania, kontekstualizacji i podejmowania działań na podstawie tych danych pozostały w tyle.

W odpowiedzi pojawia się nowa kategoria platform: inteligentne, AI-rodzime tkaniny danych zaprojektowane nie tylko do transportu danych, ale także do ich zrozumienia. Te platformy mają za zadanie rozwiązać wyzwania, takie jak dryf schematu, redundantne pobieranie i podejmowanie decyzji w czasie rzeczywistym – problemy, które są szczególnie krytyczne dla bezpieczeństwa, zgodności i gotowości AI.

Rynek jest również kształtowany przez rosnące przyjęcie agenty AI – autonomicznych agentów, którzy mogą parsować i wzbogacać strumienie danych w czasie rzeczywistym bez interwencji człowieka. Ta zmiana sygnalizuje odejście od kruchych, zhardenizowanych przepływów pracy inżynierii danych w kierunku adaptacyjnej, napędzanej uczeniem infrastruktury.

Spójrzmy w przyszłość, możemy się spodziewać, że zobaczymy jeszcze ściślejsze zbieżenie między zarządzaniem danymi, operacjami AI (AIOps) i cyberbezpieczeństwem. Obserwacyjność będzie coraz bardziej wymagać kontekstowo świadomych danych. Zespoły bezpieczeństwa będą domagać się mądrzejszych potoków, które filtrować będą nieistotny szum, zanim nawet dotkną SIEM. A inicjatywy AI będą zależne od architektur, które mogą dostarczyć wysokiej jakości, niską latencję danych w czasie rzeczywistym.

Platformy takie jak DataBahn są dobrze przygotowane do tego momentu – nie jako samodzielne narzędzia, ale jako podstawowe warstwy w nowoczesnym stosie danych. W miarę jak złożoność telemetrii rośnie, a możliwości AI stają się standardem, potrzeba komponowalnej, inteligentnej infrastruktury danych będzie tylko przyspieszać.