topimg

Sudut kanan atas: TigerGraph menerima pembiayaan Seri C sebesar US$105 juta, dan pasar Graph sedang berkembang

Sejauh ini, putaran pembiayaan terbesar di pasar grafis bukan hanya kabar baik bagi TigerGraph, namun juga bagi seluruh pasar.
Penulis: George Anadiotis, Penulis: Big Data 2021 Nian 2 Yue 17 Ri -15: 08 GMT (23:08 SGT) |Topik: Analisis Big Data
Perusahaan pandai mengumpulkan data, dan Internet of Things membawanya ke tingkat yang baru.Namun, organisasi-organisasi paling maju menggunakannya untuk mendorong transformasi digital.
Kami tidak benar-benar berencana untuk meninjau pasar grafis.Namun terkadang berita dapat menghambat pengembangan rencana tersebut, dan TigerGraphic mengumumkan bahwa mereka telah mengumpulkan $105 juta dalam pembiayaan Seri C, yang mengubah rencana kami.
TigerGraph adalah penyedia database grafik.Kami telah menelitinya sejak kami menarik diri dari mode siluman pada tahun 2017. Kami menganggap kemajuan yang dicapai selama lebih dari 3 tahun sebagai kisah keseluruhan grafik.Seri C TigerGraph dipimpin oleh Tiger Global, sehingga total pembiayaan TigerGraph mencapai lebih dari $170 juta.
Hal inilah yang menjadi latar belakang perbincangan kami dengan CEO TigerGraph Yu Xu dan COO Todd Blaschka.Kami membahas evolusi TigerGraph dan evolusi keseluruhan gambarannya.
Kontak terakhir kami dengan TigerGraph terjadi sekitar setahun yang lalu, ketika krisis COVID-19 dimulai.Dalam kurun waktu setahun, TigerGraph telah melalui masa penyesuaian bagi banyak perusahaan.Diantaranya, karena percepatan transformasi digital, penyedia data dan analisis bahkan mungkin berada di peringkat teratas dalam hal hasil.
Xu berkata bahwa bagi TigerGraph, beginilah keadaannya.Kuartal terbaik dalam sejarah perusahaan pada tahun 2020. Xu dan Blaschka telah menghadapi kisah sukses yang berbeda.Kliennya termasuk Intuit dan Jaguar Land Rover hingga Kantor Perpajakan Australia.
Mereka juga menyebutkan banyak kasus penggunaan, mulai dari diagram biasa (seperti analisis pelanggan 360 dan rantai pasokan) hingga kasus yang lebih tidak biasa (seperti analisis blockchain dan anti-penipuan pajak).Semuanya baik-baik saja, namun ada satu pertanyaan yang perlu ditanyakan: Mengapa kita memerlukan putaran pendanaan?
Untuk mempertimbangkan hal ini, ada beberapa hal yang perlu dipertimbangkan.Gambaran yang dihasilkan oleh pengalaman TigerGraph sekali lagi menegaskan wawasan umum kami dengan pemasok lain di bidang ini: mereka beralih dari database ke platform, semakin dekat dalam memecahkan masalah pelanggan dan menciptakan nilai.
Graph telah mengalami pertumbuhan yang luar biasa, dan pendanaan TigerGraph merupakan yang terbesar sejauh ini, dan hal ini membuktikan hal ini.
Xu dan Blaschka memperkenalkan bagaimana mereka melihat cara mendapatkan database grafik terdistribusi yang cepat dan skalabel sebagai titik awal.Hal ini memungkinkan mereka untuk mendapatkan pijakan di banyak organisasi, meskipun pada awalnya mereka tidak memiliki banyak reputasi atau kisah sukses untuk ditunjukkan.Seperti yang dikatakan Xu, organisasi “tidak punya pilihan” selain menggunakan TigerGraph untuk jenis kasus penggunaan tertentu.
Kasus penggunaan ini dapat digambarkan sebagai analisis grafik waktu nyata: memperoleh jawaban yang memerlukan koneksi waktu nyata dan penjelajahan banyak kumpulan data (biasanya kumpulan data yang sangat besar).Xu mengatakan bahwa dalam banyak kasus, TigerGraph adalah satu-satunya pilihan untuk kasus penggunaan tersebut.Setelah diadopsi, pelanggan juga mulai menggunakannya dalam kasus penggunaan lainnya, dan saat ini, TigerGraph sering digunakan sebagai solusi pertama untuk analisis offline, lanjut Xu.
Memindahkan tumpukan TigerGraph dapat diubah menjadi hal-hal seperti menambahkan IDE visualisasi dan fungsi kueri.Hal ini merupakan sesuatu yang ingin dikembangkan lebih lanjut oleh perusahaan, dan dapat diperluas ke bidang-bidang seperti apa yang disebut oleh Xu sebagai “Graph Business Intelligence”..Xu memperkenalkan secara rinci ambisi TigerGraph untuk menciptakan “Tableau for Graph”.Memang benar bahwa ambisi ini mungkin memerlukan dana untuk mempromosikannya.
Namun hal ini tidak berarti bahwa TigerGraph tidak memiliki aspek operasional yang membumi dalam peta jalannya.TigerGraph telah menjalankan produk database-as-a-service selama beberapa waktu dan mendukung AWS dan Microsoft Azure.Rencana perusahaan termasuk meningkatkan dukungan Google Cloud dan memperluas timnya untuk memenuhi permintaan produk yang terus meningkat, namun masih ada rencana lain.
Saat mendiskusikan produk cloud-nya, manajer TigerGraph menyebutkan bahwa mereka tidak hanya ingin menambahkan dukungan Google Cloud, namun juga ingin menambahkan lebih banyak fitur dan integrasi yang lebih baik ke lapisan AWS dan Microsoft Azure yang ada.Saat membahas apa yang mungkin disertakan, Xu menekankan bahwa integrasi dengan perpustakaan pembelajaran mesin yang didukung oleh vendor cloud adalah contoh yang baik.
Xu menunjukkan bahwa dengan mengambil contoh BigQuery Google, integrasi fungsi pembelajaran mesin sedang dilakukan di berbagai platform pengelolaan data.Idenya sederhana—dapat mempersingkat jalur data yang diperlukan untuk memproses data pembelajaran mesin.Tujuannya adalah untuk mempermudah pekerjaan data engineer dan data scientist.
Xu mengatakan cara untuk melakukan ini adalah dengan mengintegrasikan ekstensi berorientasi pembelajaran mesin dalam SQL.TigerGraph memiliki bahasa kuerinya sendiri yang disebut GSQL, namun gagasan ini telah ada sejak beberapa waktu.Faktanya, vendor grafis perlu melakukan ini karena alasan lain.
Seperti yang telah kami tunjukkan, Xu menegaskan bahwa pembelajaran mesin berbasis grafik adalah bidang yang mendapat perhatian luas.Singkatnya, pembelajaran mesin berbasis grafik adalah tentang penggunaan data multidimensi dan memanfaatkan koneksi, bukan mereduksi semuanya menjadi 2 dimensi.Oleh karena itu, masuk akal untuk menggunakan platform grafis untuk tujuan ini.
Saat berbicara tentang bahasa kueri grafik, Xu juga menyebutkan GQL.GQL saat ini berada di bawah naungan ISO, standarisasi bahasa query grafis, dan telah mendapat dukungan dari banyak pemasok.Karena kami belum menerima banyak berita tentang aspek ini selama beberapa waktu, kami ingin tahu bagaimana situasinya.
Xu meyakinkan.Dia menyebutkan bahwa GQL telah mengalami kemajuan yang stabil, dan kita mungkin akan melihat hasilnya bahkan sebelum tahun 2021. Seperti semua pekerjaan standardisasi, kemajuannya cenderung lambat.Mengingat banyaknya orang dan pemasok yang terlibat, hal ini dapat diperkirakan.Xu menambahkan bahwa ini adalah bahasa query kedua yang distandarisasi oleh ISO dalam 40 tahun setelah SQL.
Poin lain yang diangkat oleh Xu di GQL adalah bahwa grafik tidak seperti database nilai kunci atau database dokumen.Mereka tidak memiliki bahasa kueri standar dan mungkin tidak memerlukan bahasa ini.Grafik adalah model data yang lebih kaya dan kompleks, yang juga lebih kaya daripada model relasional, dan tidak masuk akal untuk mengaksesnya secara terprogram.
Apakah ini berarti bahwa organisasi menggantinya dengan diagram grafis untuk menggantikan database relasional aslinya?Belum tepat, setidaknya belum, tapi sudah bagus.Xu menyebut TigerGraph sebagai contoh pengoperasian sistem pencatatan, namun menyebutkan bahwa fokusnya masih pada analisis.Namun demikian, semakin banyak aplikasi yang mengutamakan grafis.
Penulis: George Anadiotis, Penulis: Big Data 2021 Nian 2 Yue 17 Ri -15: 08 GMT (23:08 SGT) |Topik: Analisis Big Data
Data bertemu sains: akses terbuka, kode, kumpulan data, dan grafik pengetahuan untuk penelitian pembelajaran mesin dan bidang lainnya
Dengan mendaftar, Anda menyetujui ketentuan penggunaan dan menerima praktik data yang diuraikan dalam kebijakan privasi.
Anda juga akan berlangganan “Pembaruan Teknologi Hari Ini” ZDNet dan siaran pers pengumuman ZDNet secara gratis.Anda dapat berhenti berlangganan buletin ini kapan saja.
Anda setuju untuk menerima pembaruan, peringatan, dan promosi dari rangkaian perusahaan CBS, termasuk “Pembaruan Teknis Hari Ini” ZDNet dan Buletin Pengumuman ZDNet.Anda dapat berhenti berlangganan kapan saja.
Dengan mendaftar, Anda setuju untuk menerima buletin yang dipilih, dan Anda dapat berhenti berlangganan kapan saja.Anda juga menyetujui ketentuan penggunaan dan mengakui praktik pengumpulan dan penggunaan data yang diuraikan dalam kebijakan privasi kami.
90.000 kamera telah dipasang di tempat-tempat umum utama di pulau tersebut, dan pemerintah Singapura juga berharap untuk menggunakan “lebih banyak” perangkat yang “mengubah keadaan”.
Ekstensi pribadi dan multi-cloud dari IBM Public Cloud kini tersedia.Perbedaannya terletak pada layanan platform IBM Cloud PaaS.…
Seabin berencana untuk menganggap serius tahun ini pada tahun 2021, karena mereka akan beralih ke kecerdasan buatan untuk memanfaatkan data yang dikumpulkan oleh peralatannya dengan lebih baik.
AMP Cloudera tidak dapat menggantikan pekerjaan yang dilakukan oleh data scientist, namun memberikan mereka titik awal sehingga mereka dapat fokus pada kode, nuansa, dan iterasi untuk kasus penggunaan bisnis.…
DataStax memperkenalkan layanan tanpa server ke layanan cloud Astra-nya.Meskipun AWS telah menyediakan layanan, ini menandai pertama kalinya tanpa server memasuki layanan cloud berdasarkan Apache Cassandra…
Pada tahun 2025, akan ada sebanyak 819 juta pekerja di kawasan Asia-Pasifik yang menggunakan keterampilan digital.Jumlahnya saat ini 149 juta.Perusahaan mungkin menghadapi kekurangan data, cloud, dan keamanan jaringan…
Inilah sebabnya dan bagaimana startup yang dibuat oleh sekelompok peneliti beberapa bulan lalu menarik klien korporat besar dan menghasilkan banyak uang


Waktu posting: 02-03-2021