OTB Ventures inwestuje w rozwój belgijskiego oprogramowania przemysłowej infrastruktury danych

Dane szeregów czasowych to najszybciej rozwijający się segment baz danych. To trudny typ danych do obsługi, a przyczynowość odgrywa tutaj istotną rolę. Wiele wyrażeń jakości danych (metryk) jest specjalnie zbudowanych dla szeregów czasowych i nie ma znaczenia dla danych relacyjnych. Dodatkowo, dostawcy w przestrzeni jakości danych opracowali narzędzia, które nie nadają się do celów kadrowania danych szeregów czasowych.

Poza tym jest to ogromny rynek z danymi pochodzącymi głównie z czujników IoT, danych finansowych, danych z monitorowania DevOps i analiz operacyjnych, co często nie jest przedmiotem zainteresowania horyzontalnych dostawców IT.

W końcu koszt złej jakości danych szeregów czasowych może być druzgocący. Na przykład korzystanie z niewiarygodnych danych może skutkować nieplanowanymi przestojami, brakiem bezpieczeństwa oraz powodować problemy ze zgodnością i raportowaniem – to wszystko jest bardzo kosztowne i właśnie te problemy chce rozwiązać Timeseer.AI. 

Sprostanie wyzwaniu jakości danych

Gwałtowny wzrost ilości danych IoT/OT, w połączeniu z pilną potrzebą integracji modeli AI/ML z operacjami na dużą skalę, tworzy idealną sytuację dla platform jakości danych - skuteczność modeli AI w dużym stopniu zależy od jakości danych bazowych. Jeśli nie podejmie się odpowiednich działań, firmy mogą znaleźć się w błędnym kole problemu "garbage in, garbage out" w swoich operacjach.

Timeseer.AI wychodzi naprzeciw temu wyzwaniu, umożliwiając zespołom danych automatyczne wykrywanie, analizowanie i rozwiązywanie problemów z danymi, zanim będą one mogły negatywnie wpłynąć na operacje i krytyczne decyzje biznesowe.

Innowacyjne rozwiązanie dla różnych branż

– Niska jakość danych IoT/OT jest głównym wąskim gardłem w powszechnym wdrażaniu modeli AI w warunkach przemysłowych. Oprogramowanie Timeseer, niezależne od branży, może automatycznie rozwiązać ten problem na dużą skalę w wielu branżach - mówi Mateusz Łukasik, Partner w OTB Ventures. – Ten złożony problem mógł zostać rozwiązany tylko przez weteranów przemysłowych operacji danych, takich jak Bert Baeck i reszta zespołu założycielskiego Timeseer. Wraz z obecnymi inwestorami cieszymy się, że możemy wspierać ich na dalszej drodze.

Wysokość ostatniej rundy nie została ujawniona.

Poprzednia runda

Natomiast znamy wielkość poprzedniego finansowania w rundzie seed. Startup pozyskał 6 mln dolarów od Crane, SmartFin Capital, Fortino Capital Ventures, LRM i The Innovation Fund.

– Uwielbialiśmy wszystko w zespole założycielskim: ich wczesny produkt i ich ostateczna wizja od pierwszego spotkania. Mają obsesję na punkcie osiągania ogromnych wyników dla swoich klientów, co już udowodnili w niektórych z największych i najbardziej wymagających przedsiębiorstw opartych na danych. Rynek operacji danych szeregów czasowych dopiero się zaczyna, a Timeseer.AI jest gotowy być głównym graczem – powiedział wówczas Scott Sage, Partner Crane Venture. 

Z VC do startupu

Timeseer.AI został założony przez grupę seryjnych przedsiębiorców z know-how i ambicją rozwiązania jednego z najbardziej zniechęcających wyzwań w przemysłowej infrastrukturze danych. Główny pomysłodawca startupu to Bert Baeck, będący wcześniej partnerem Smartfin Capital, belgijskiego funduszu technologicznego B2B inwestującego w całej Europie. 

– Większą część czasu spędziłem na poszukiwaniu idealnego rozwiązania w przestrzeniach uczenia maszynowego, analityki i danych (MAD) oraz IoT. Ale po prostu nie mogłem znaleźć tej jednej firmy, która zawładnęła całą moją wyobraźnią i zainteresowaniem, firmy, która naprawdę się wyróżniała. Logicznym rozwiązaniem było wtedy założenie własnej "idealnej firmy" i rozpoczęcie kolejnego startupu i zrobienie tego z najlepszymi ludźmi, z którymi pracowałem w przeszłości – napisał w swoim wpisie na Medium Bert Baeck.

Główne wyzwanie, a zarazem motyw dla którego powstał Timeseer.AI to efekt rozmów z przedsiębiorcami. Klienci Baecka z listy Fortune 5000 mieli problem z niezawodnością danych, dlatego ich projekty AI zawiodły. Poza tym negatywny wpływ niewiarygodnych danych nigdy nie był tak znaczący jak dzisiaj.

Sprawdź także: Rusza trzecia edycja Rookie of The Year! Zgłoś swój startup i bądź jak Wembanyama