Exclusivo: a startup de governança de dados Euno emerge da furtividade para gerenciar a lógica de negócios em escala

As organizações usam dados de muitas fontes diferentes, alimentando pipelines de dados que ajudam a potencializar a inteligência de negócios, as operações e, cada vez mais, as cargas de trabalho de IA. Ter uma governança consistente e clara sobre como a lógica de negócios deve funcionar para esses pipelines de dados é um desafio que a startup Euno está enfrentando.

Euno está emergindo do sigilo hoje com uma plataforma de produtos e US$ 6,25 milhões em financiamento inicial. A empresa foi fundada por Eyal Firstenberg, que anteriormente fundou a startup de segurança cibernética LightCyber, que foi adquirida pela Palo Alto Networks por US$ 105 milhões; e Sarah Levy, ex-CTO da Sight Diagnostics.

Através de suas experiências, os fundadores da Euon perceberam que havia muitos problemas no gerenciamento de pipelines de dados que precisavam ser resolvidos. Entre os mais significativos: Compreender como gerenciar a lógica de negócios em grande escala.

A lógica de negócios trata de definições e cálculos para os principais termos de operações de negócios usados ​​por uma organização – por exemplo, usuários ativos, transações e outros indicadores-chave de desempenho (KPIs). A lógica de negócios é fundamental para permitir um modelo de dados preciso, que pode então servir como base para operações orientadas por dados.

“Estamos focados no desafio de gerenciar e alinhar um modelo de dados consistente em escala”, disse Levy à VentureBeat em entrevista exclusiva.

Por que a lógica de negócios é importante (e por que muitas vezes é difícil acertar)

A lógica de negócios é fundamental para permitir que as organizações obtenham os resultados mais precisos para análise de dados e inteligência de negócios (BI), mas muitas vezes é um desafio gerenciá-la adequadamente.

Levy observou que, à medida que as organizações analisam diferentes painéis de negócios gerados por diferentes ferramentas, muitas vezes pode haver números muito diferentes para termos e conceitos idênticos.

“Acho que é uma coisa clássica com a qual todo CEO luta, quando obtém um número total de vendas de finanças, vendas e marketing e obtém números diferentes e ninguém sabe por quê”, disse ela. “O modelo de dados que mantém a lógica de negócios é muito importante se você quiser confiar nos resultados que os produtos de dados entregam, e gerenciar um modelo de dados consistente em escala é, na verdade, um grande desafio.”

Levy explicou que a pilha de dados moderna consiste na camada de consumo com análise de dados e ferramentas de BI, uma camada de dados e um data warehouse. Ela observou que muitas organizações estão gerenciando uma camada de dados que está fora de uma ferramenta de BI, em um esforço para garantir que a lógica dos dados não fique isolada e presa a uma ferramenta específica.

A solução da Euno concentra-se no mapeamento da lógica de negócios entre plataformas, fornecendo um catálogo de definições e automatizando a mudança da lógica das ferramentas de BI para a camada de dados. Euno trabalha com um número crescente de ferramentas de data warehouse e BI, incluindo Snowflake, Databricks, Amazon e Redshift.

A lógica de negócios não consiste apenas em ter um glossário de dados que defina o significado de vários termos. O uso de um glossário de dados é comum em ferramentas de inteligência de dados e catálogo de dados, como Alation e Collibra, que fornecem às organizações uma maneira de organizar e entender quais dados estão disponíveis.

“O que estamos introduzindo com o Euno é uma nova abordagem para governança de modelos de dados, que tem alguma sobreposição com as abordagens tradicionais para catálogos de dados”, disse Levy.

Ela ressaltou que os catálogos de dados geralmente capturam a definição semântica dos termos dos dados, o que é importante. Para modelos de dados, também é possível capturar a lógica de negócios como uma transformação de dados, com o uso da ferramenta de construção de dados (dbt), que é uma tecnologia de código aberto amplamente utilizada. As transformações de dados envolvem a manipulação de tabelas de banco de dados para que os valores possam ser calculados por meio de diferentes junções de tabelas, filtros ou cálculos.

O que Euno é capaz de fazer é capturar qualquer nova lógica de negócios e codificá-la automaticamente em dbt, disse Levy. Euno também adicionará uma nova lógica a um modelo de dados central.

“Estamos mapeando a lógica de negócios em todas as suas plataformas”, disse Levy. “Isso está no dbt, no warehouse e em todas as suas ferramentas de BI; estamos mapeando automaticamente a lógica de negócios, introduzindo um catálogo de lógica de negócios que inclui todos os cálculos e descrições, a visão de linhagem de sua lógica de negócios e pontuação de uso para cada métrica ou tabela em seu modelo de dados.”

Levy também observou que ter um modelo de dados preciso é um componente essencial para construir a base para que as ferramentas analíticas de autoatendimento funcionem de maneira confiável.

“Nós nos vemos como uma ferramenta projetada para construir a base para que essas ferramentas analíticas de autoatendimento baseadas em IA realmente funcionem e sejam confiáveis”, disse ela.