Anomalo با 33 میلیون دلار سری A راه اندازی شد تا به طور خودکار مشکلات را در مجموعه داده ها پیدا کند – TechCrunch

از آنجایی که شرکت‌ها مجموعه‌های رو به رشدی از داده‌ها را جمع‌آوری می‌کنند، یافتن مشکلاتی با این داده‌ها که می‌تواند بر قابلیت‌پذیری مدل یادگیری ماشین تأثیر بگذارد، اهمیت فزاینده‌ای پیدا می‌کند. Anomalo یادگیری ماشینی را برای کمک به حل خودکار مشکل زنده بودن داده ها به کار می گیرد.

امروز این شرکت سرمایه گذاری 33 میلیون دلاری سری A را به رهبری Norwest Venture Partners با مشارکت Two Sigma Ventures، Foundation Capital، First Round Capital و Village Global اعلام کرد.

این شرکت توسط دو جانباز Instacart تأسیس شد که در حل مشکلات مشابه در شرکت قبلی خود کار می کردند. Elliot Shmukler، یکی از بنیانگذاران و مدیر عامل شرکت Anomalo، گفت که اگر برای اداره کسب و کار خود روی داده ها حساب می کنید، هر گونه مشکل در آن داده ها می تواند برای سازمان مشکل ساز باشد.

کاری که Anomalo انجام می‌دهد این است که به این انبارهای داده سازمانی مانند Snowflake متصل می‌شود، جایی که آن‌ها همه این داده‌هایی را که شرکت‌ها جمع‌آوری می‌کنند ذخیره می‌کنند، و همه آن مجموعه داده‌ها را برای مسائل غیرعادی و تغییرات ناخواسته در آن داده‌ها نظارت می‌کند، که می‌تواند باعث بسیاری از موارد شود. Shmukler توضیح داد که اگر واقعاً سعی می کنید به آن داده ها برای اجرای تجارت خود تکیه کنید، مشکل دارد.

این به اندازه کافی ساده به نظر می رسد، اما کاری که Anomalo در پشت صحنه انجام می دهد، اتصال به این انبارهای داده و آموزش یک مدل یادگیری ماشینی در مورد آنچه برای این مجموعه خاص از داده ها عادی است و گزارش در صورت یافتن مشکلات است. Shmukler می‌گوید که این رویکرد در تضاد با راه‌حل‌های دیگر است، که تیم‌های داده را مجبور می‌کند به صراحت تعریف کنند که داده‌های خوب چگونه به نظر می‌رسند، روشی که او می‌گوید با افزایش تعداد و اندازه مجموعه‌های داده به طور فزاینده‌ای غیرقابل مدیریت می‌شود.

«اگر به راه‌حل‌های دیگر نگاه کنید… آن‌ها از افراد تیم داده می‌خواهند وارد شوند و اساساً انتظارات را از آنها تعریف کنند، تا بگویند، داده‌های خوب اینگونه به نظر می‌رسند، [and] این حجم عظیمی از کار است. همانطور که داده های شما تغییر می کند و محصولات جدید و جغرافیای جدید را راه اندازی می کنید، باید این تعاریف را به روز کنید.

این مشکلی بود که بنیانگذاران زمانی که در تیم داده در Instacart بودند، دیدند، جایی که مجبور بودند دائماً این تعاریف را به روز کنند. زمانی که آنومولو را راه‌اندازی کردند، یکی از اهدافشان این بود که این فرآیند را برای تیم‌های داده خودکار کنند تا مجبور نباشند با آن کار دستی سر و کار داشته باشند.

حل مشکل آسانی نبود. دو بنیانگذار – Shmukler و CTO Jeremy Stanley – Instacart را در سال 2018 ترک کردند تا شرکت را راه اندازی کنند و چند سال طول کشید تا آن مدل یادگیری ماشینی به همان شکلی که می خواستند کار کند، بدون موارد مثبت کاذب زیاد یا نیاز به تاریخچه بیش از حد. به عنوان پایه ای برای یادگیری

در حالی که بنیانگذاران نمی خواستند تعداد دقیق کارکنان فعلی را فاش کنند، برنامه این است که 40 یا 50 نفر دیگر را در سال آینده استخدام کنند. شموکلر می‌گوید زمانی که او و استنلی تصمیم گرفتند شرکتی را راه‌اندازی کنند، ارزش‌های اصلی را تعیین کردند که شامل تنوع بود.

«ما در واقع مجموعه‌ای از ارزش‌ها را نوشتیم که سازمان باید به آن پایبند باشد و یکی از آنها متنوع بودن بود. این برای ما در اینستاکارت بسیار مهم بود و فقط می خواستیم روی آن کار کنیم [at this company]. و بنابراین ما بسیار حواسمان به این هستیم که وقتی برای یک نقش استخدام می‌کنیم، مجموعه‌ای از نامزدهای مختلف را برای آن نقش بیاوریم… و خبر خوب این است که حداقل امروز، جایی که 25 درصد از ما کار می‌کند. تیم مهندسی زنان هستند، که احتمالاً برای یک شرکت در مراحل اولیه غیرمعمول است. و ما امیدواریم که آن را ادامه دهیم و به بهبود آن ادامه دهیم.”

در حالی که این شرکت امروز به طور رسمی راه اندازی می شود، مشتریان پولی دارد و گزارش می دهد که در حال حاضر حداقل یک میلیون دلار درآمد داشته است. به جای اینکه توسط کاربر یا داده هایی که از طریق خط لوله آن می آیند، هزینه را بر اساس مجموعه داده ای که نظارت می کند، دریافت می کند. مشتریان خارج از دروازه عبارتند از BuzzFeed، Discover Financial Services و Substack.