Databricks melewati tingkat run $ 350 juta di Q3, naik dari $ 200 juta satu tahun lalu – TechCrunch


Perusahaan analisis data berkembang pesat untuk menempatkan dirinya pada jalur IPO yang jelas

Bursa secara teratur mencakup perusahaan saat mereka mendekati dan mencapai tanda pendapatan $ 100 juta. Tujuan kami dalam melacak startup yang berkembang dalam skala besar adalah untuk mencari kandidat IPO di masa depan dan lebih memahami pasar pembiayaan tahap akhir.

Hari ini kami sedang menggali sebuah perusahaan yang sedikit lebih besar dari itu. Yaitu Databricks, sebuah perusahaan analisis data yang baru-baru ini bernilai sekitar $ 6,2 miliar pada Seri F bulan Oktober 2019 ketika mengumpulkan $ 400 juta.


Exchange mengeksplorasi startup, pasar, dan uang. Bacalah setiap pagi di Extra Crunch, atau dapatkan buletin The Exchange setiap hari Sabtu.


Mantan startup mencapai angka rata-rata sekitar $ 350 juta pada akhir Q3 2020, naik dari pendapatan $ 200 juta pada Q3 2019, menempatkannya pada kecepatan pertumbuhan yang cepat untuk startup sebelumnya.

Untuk lebih memahami kinerja perusahaan, saya menghubungi CEO-nya, Ali Ghodsi melalui telepon, berharap untuk lebih memahami bagaimana Databricks telah berhasil tumbuh sebanyak itu dalam beberapa tahun terakhir. Ghodsi mengambil alih sebagai CEO pada 2016 setelah menjabat sebagai Wakil Presiden bidang teknik perusahaan. Dia juga salah satu pendiri.

Databricks adalah kandidat IPO yang jelas, tetapi juga merupakan perusahaan dengan opsi pasar swasta yang luas, mengingat ekspansi pendapatan dan ekonomi yang menarik. Hari ini, mari kita bicara tentang sejarah pertumbuhan Databricks, bagaimana hal itu mengubah proses penjualannya dan apa yang akan terjadi untuk unicorn lebih dari enam kali lipat.

Apa yang dilakukan Databricks?

Apa sebenarnya yang dilakukan Databricks? Biasanya saya akan puas untuk melambaikan tangan saya pada analisis data dan menyebutnya sehari. Namun, mengobrol dengan Ghodsi mengklarifikasi masalah tersebut, jadi izinkan saya membantu.

Katakanlah sebuah perusahaan memiliki banyak data di mesinnya dan ingin tahu kapan bagian yang berbeda akan gagal. Atau, mungkin perusahaan ingin mencari pola dalam beberapa data ekonomi. Bagaimana mereka menemukan informasi itu?

Ghodsi menganggap Anda memerlukan tiga hal: Pertama, rekayasa data, atau membuat data pelanggan “dipijat ke dalam formulir yang tepat sehingga Anda benar-benar dapat mulai menggunakannya”. Kedua, ilmu data, yang Ghodsi gambarkan sebagai “algoritme pembelajaran mesin, algoritme prediktif yang perlu Anda miliki”. Dan ketiga, di atas, perusahaan “semakin banyak” juga menginginkan data warehousing dan beberapa “analitik dasar”, tambahnya.

Posted By : Togel Hongkong