بازار نرم‌افزار تحلیل ۲۰۱۵

بازار نرم‌افزار تحلیل ۲۰۱۵

حالا که کتاب‌ها در سال ۲۰۱۵ بسته شده‌اند، زمان نگاه به گذشته و در نظر گرفتن برخی از تغییرات در بازار نرم‌افزار تحلیل است. چندین روند (منبع باز، میزبانی ابری، SQL روی Hadoop) وجود داشته است که ادامه به بازی کردن داشته‌اند، و همچنین ظهور AWS Redshift به عنوان یک نیروی عمده در انبارهای داده.

علاوه بر این، تعدادی از استارتاپ‌ها در اطراف طاقچه‌های اکولوژیکی که ظهور Redshift در یک بازار در غیر این صورت راکد ایجاد کرده است همگرا شده‌اند.

SQL ادامه تسلط خود بر اکوسیستم Hadoop را می‌دهد

به استثنای Spark، بیشتر هیاهو در اکوسیستم Hadoop در اطراف Presto، Impala و Drill است. مبارزه برای موفقیت MapReduce در حال مبارزه است؛ عامل مشترک عمده در فهرست کوتاه رقبا این است که آنها بر اساس یک رابط SQL هستند. نوشته از زمانی که Hive شروع به حذف Pig در سال ۲۰۱۰ کرد روی دیوار بوده است.

بیش از حد ارزشی که اکوسیستم Hadoop ارائه می‌دهد حول تحلیل و هوش تجاری (BI) می‌چرخد. آن کل جهان برای دهه‌ها روی SQL اجرا شده است، و صلاحیت نهادی ساخته شده در اطراف آن بیش از حد برای جابجایی بود. پس از تمام هیاهوی NoSQL در رابطه با Hadoop، چیزها به جایی که شروع کردند برگشته‌اند.

Druid به نظر می‌رسد که بخار می‌گیرد

از پایگاه‌های داده OLAP درون حافظه در مقیاس بزرگ اصلی، Pinot از LinkedIn و Druid از Metamarkets دو بازیکن اصلی هستند. Druid به نظر می‌رسد که کمی کشش با Yahoo دریافت می‌کند، و همچنین تعدادی از شرکت‌های فناوری در لبه برش به طور فزاینده از آن برای قدرت دادن به BI زمان واقعی استفاده می‌کنند.

در اکتبر، برخی از مشارکت‌کنندگان اصلی اعلام کردند Imply.io، شرکتی که پشتیبانی تجاری ارائه می‌دهد و اکوسیستم را در اطراف Druid می‌سازد. به طور کلی، بسیاری از افراد باهوش روی این به عنوان یک پایگاه داده درون حافظه برای اجازه تحلیل تعاملی با مجموعه داده‌های عظیم مستقر می‌شوند.

کتابخانه‌های یادگیری ماشین منبع باز فراوان

در نوامبر، Google منبع باز کرد Tensor Flow، یک کتابخانه تعمیم یافته برای محاسبه با استفاده از نمودارهای جریان داده. به طور خاص برای یادگیری ماشین و شبکه‌های عصبی عمیق به شدت استفاده می‌شد. به Theano، Torch و DMLT می‌پیوندد، که از Microsoft در نوامبر آمد.

در حالی که این کتابخانه‌ها یک افزونه ساده برای افزودن AI به هر محصول نیستند، آنها به عنوان قطعات بنیادی برای در دسترس قرار دادن الگوریتم‌های پیشرفته برای هر کسی با داده کافی برای آموزش سیستم‌های خود عمل می‌کنند. همانطور که دیگران روی پایه می‌سازند، پیچیدگی کلی محصولات، هم تحلیلی و هم غیره، بالا می‌رود.

IBM وزن خود را پشت Spark می‌اندازد

IBM، در ژوئن، اعلام کرد که ۳,۵۰۰ محقق و توسعه‌دهنده را روی پروژه‌های مرتبط با Spark قرار می‌دهد. Spark از بسیاری جهات جانشین MapReduce در اکوسیستم Hadoop است. به توسعه‌دهندگان امکان می‌دهد یک زبان پردازش داده سطح پایین، یک کتابخانه یادگیری ماشین، الگوریتم‌های نمودار و یک پایگاه داده SQL-on-Hadoop را ترکیب و تطبیق دهند.

در حالی که هنوز در لبه برش منحنی پذیرش است، پشتیبانی عظیم توسعه‌دهنده پشت آن دارد. در اکتبر، IBM Spark را به عنوان یک سرویس روی Bluemix اعلام کرد، و محصول Data Works خود را به Spark منتقل کرد. آنچه این برای Databricks، شرکتی که تاکنون عهده‌دار پروژه Apache Spark بوده است، انجام می‌دهد بسیار جالب خواهد بود که تماشا کنیم.

هوش تجاری منبع باز سال بزرگی دارد

از نظر تاریخی، بیشتر اختلال از نرم‌افزار منبع باز در سطح نسبتاً پایین در پشته نرم‌افزار رخ داده است. با گذشت زمان، و تکامل مدل‌های کسب‌وکار قابل اجرا برای شرکت‌های نرم‌افزار منبع باز، نرم‌افزارهای بیشتری که به کاربر نهایی روبرو هستند در فضای باز توسعه می‌یابند.

سال گذشته یکی از دو شرکت قدیمی BI منبع باز، Jaspersoft، توسط Tibco به قیمت ۱۸۵ میلیون دلار خریداری شد. این فوریه گذشته دیگری، Pentaho، توسط Hitachi Data Systems به قیمت بیش از ۵۰۰ میلیون دلار خریداری شد.

در همین حال، تعدادی پروژه منبع باز سبک‌وزن در سال ۲۰۱۵ ظهور کردند. AirPal و re:Dash روی سریع و آسان کردن اجرای پرس‌وجوهای SQL روی خوشه‌های Redshift متمرکز هستند (بیشتر در زیر ببینید)، در حالی که Metabase یک ابزار آسان برای نصب دارد که به کاربران غیرفنی امکان اجرای پرس‌وجو و اشتراک‌گذاری داشبوردها و گزارش‌ها با استفاده از داده از انواع پایگاه‌های داده را می‌دهد.

شرکت‌های تحلیل رویداد اختصاصی ادامه به پیش رفتن می‌دهند

در حالی که Google Analytics ادامه به پیش‌فرض برای همه می‌دهد، فعالیت زیادی در سیستم‌های تحلیل همه‌کاره متمرکز حول جمع‌آوری و تحلیل رفتار کاربر در یک وب‌سایت یا برنامه موبایل ادامه داشته است.

در همین حال، رقیب اصلی Google Analytics، Mixpanel (که ۶۵ میلیون دلار برای بستن سال گذشته جمع‌آوری کرده بود)، تا اواسط سال عمدتاً ساکت بود. در ژوئیه، در گام‌های Heap دنبال کرد و "تحلیل بدون کد" را اعلام کرد.

این توانایی ابزارسازی خودکار برنامه موبایل شما با افزودن SDK به برنامه موبایل شما است، و همچنین دریافت تحلیل رویداد بدون ابزارسازی دستی رویدادهای خاص مانند ضربه‌های دکمه. در نوامبر، Predict را اعلام کرد، که به شما امکان اعمال یادگیری ماشین سبک‌وزن برای پیش‌بینی اینکه آیا کاربران شما یک عمل (مانند تبدیل) را انجام خواهند داد می‌دهد.

در همین حال، Heap برای سهولت استفاده در تحلیل رویداد موبایل و وب سر و صدا ایجاد کرده است؛ Amplitude در اوت ۹ میلیون دلار جمع‌آوری کرد؛ و تازه وارد اخیر Interana در ژانویه یک Series A ۲۰ میلیون دلاری جمع‌آوری کرد، با داستانی متمرکز حول سرعت تحلیل.

در همین حال، ظهور یک راه ارزان و آسان برای اجرای یک انبار داده (Redshift AWS)، یک آچار در مفهوم کلی یک ارائه تحلیل رویداد کاملاً میزبانی شده و تخصصی انداخته است.

معماری مرجع تحلیل ابری جدید در حال ظهور

در سال ۲۰۱۵، یک استاندارد جدید در نحوه برخورد استارتاپ‌های در حال رشد (و همچنین شرکت‌هایی که مایل به زندگی در لبه medium-rare هستند) با BI در حال ظهور بود. بازگشت به مفهوم انبار داده یکپارچه دهه ۱۹۹۰ وجود داشت. جزء کلیدی که این را ممکن کرد پذیرش گسترده AWS Redshift به عنوان انبار داده تحلیل بود.

چون نسبتاً آسان برای نگهداری است، در مقایسه با برخورد با مدرسه قدیمی پایگاه‌های داده (Aster، Vertica، Teradata و غیره)، به سرعت نقطه شروع پیش‌فرض برای یک انبار داده برای بیشتر شرکت‌های فناوری در حال رشد شد.

دو گروه از استارتاپ‌ها روی این موج سوار می‌شوند: آنهایی که به شما کمک می‌کنند داده را به Redshift وارد کنید و آنهایی که به شما امکان تحلیل داده را پس از ورود به Redshift می‌دهند.

گروه اول شامل برخی شرکت‌هایی است که کاملاً حول بارگذاری داده به Redshift متمرکز هستند (Alooma، Etleap، Textur). علاوه بر این، Segment به طور رسمی توانایی ارسال داده به Redshift را در این سال اعلام کرد. در همین حال، RJMetrics، یک ارائه‌دهنده تحلیل تجارت الکترونیک، اکنون فقط بخش ورود داده سیستم خود را ارائه می‌دهد که به شما امکان ارسال داده به Redshift را نیز می‌دهد.

در مجموع، تعدادی شرکت واگن‌های خود را به Amazon می‌بندند، بیشتر قبل از اینکه اعلام QuickSight در پاییز گذشته بیرون آمد. باقی می‌ماند که ببینیم چقدر کسب‌وکار برای آنها باقی می‌ماند، همانطور که خطوط لوله داده AWS و سایر سرویس‌های ورود به بهبود ادامه می‌دهند. با توجه به وجود SDK تحلیل موبایل AWS و خطوط لوله ورود، این یک مسئله اراده در بخش Amazon است که چقدر اکسیژن در این سیستم در سال ۲۰۱۶ باقی می‌ماند.

با توجه به قابلیت‌های در حال حاضر ابتدایی نشان داده شده توسط نسخه پیش‌نمایش QuickSight، تعدادی از فروشندگان نرم‌افزار BI وجود دارند که بخش بزرگی از رشد خود در سال ۲۰۱۵ را از مشتریانی که به شدت در Redshift سرمایه‌گذاری کرده‌اند به دست آورده‌اند. Looker، Mode Analytics، Periscope و Metabase همه در استفاده برای تحلیل داده در Redshift برجسته بوده‌اند. دوباره، باقی می‌ماند که ببینیم چه چیزی از AWS در این سال آینده بیرون می‌آید، و همچنین چگونه چشم‌انداز برای این شرکت‌ها تغییر می‌کند.

در مجموع، سال ۲۰۱۶ به نظر می‌رسد که یک سال بسیار پر رویداد باشد همانطور که پیامدهای کاهش سرعت بودجه بیشتر آشکار می‌شود. در حالی که این باید به نفع بازیکنان بزرگتر باشد، تعدادی روند بسیار خطرناک برای بازیکنان بزرگتر و کندتر موجود وجود دارد.

خنک‌سازی بزرگ

در حالی که همیشه سخت است که در وسط چیزها بگوییم، نگاه به گذشته، به نظر می‌رسد کاملاً واضح است که فشرده‌سازی چندگانه درآمد در سمت بازارهای عمومی در نهایت راه خود را از طریق مار زمانی که Fidelity به طور عمومی علامت گذاری کرد پایین تعداد زیادی از سرمایه‌گذاری‌های مرحله آخر خود را انجام داد.

از شرکت‌های مرتبط با تحلیل، Cloudera عمدتاً دست‌نخورده بود در حالی که Dataminr یک اصلاح ارزش ۳۵ درصدی دریافت کرد. به طور کلی، هزینه‌های سرمایه برای استارتاپ‌های تحلیل، چه اولیه یا مرحله آخر، بسیار بالاتر شد. در حالی که بسیاری از شرکت‌های سرمایه‌گذاری صندوق‌های جدید را بستند و پول زیادی برای سرمایه‌گذاری دارند، حس کلی این است که ارزش‌گذاری‌ها برای نرخ اجرای داده شده یا سایر متریک‌های کشش به پایین خزیده‌اند.

امسال در هر دو جمع‌آوری بودجه و، مهم‌تر، بودجه‌های پایین‌دست پایه مشتری بسیاری از شرکت‌های تحلیل تلاطم وجود خواهد داشت. با توجه به اینکه ارزش طول عمر مشتری بیشتر شرکت‌ها چقدر به کلمه C (churn) حساس است، سال ۲۰۱۶ به نظر می‌رسد زمانی برای بستن کمربند و اطمینان از اینکه می‌دانید کیسه بیماری هوا کجاست.

_این پست در ابتدا در Techcrunch منتشر شد_