Sept start-up intrigantes pour 2022

Must Try

Malgré l’exubérance irrationnelle autour d’innovations douteuses telles que les jetons non fongibles et le métaverse, il reste des domaines d’innovation constante dans les technologies de l’information d’entreprise.

J’ai battu les buissons pour certains vendeurs intrigants et j’ai trouvé sept startups avec de vraies histoires à raconter. Sans surprise, quelques thèmes communs sont ressortis de mes discussions.

L’observabilité – en particulier basée sur la norme OpenTelemetry – est peut-être le thème le plus important. L’apprentissage automatique est une seconde près. Les données sont pourtant le fil rouge qui fédère ces entreprises innovantes, même si elles adoptent toutes une approche différenciée de leurs offres.

Voici les sept entreprises qui ont fait la coupe :

Innovations en matière de sécurité et de gestion Privacera Inc. : Équilibrer la convivialité des données avec les contrôles d’accès « à savoir »

Privacera est l’un des pionniers du marché relativement nouveau de la gouvernance de l’accès aux données. La société découpe le contrôle d’accès dans l’espace plus large de la gouvernance des données en se concentrant sur la découverte de données, l’application de politiques distribuées, l’audit et la création de rapports sur plusieurs sources de données basées sur le cloud, ainsi qu’un contrôle d’accès précis.

La société aide ses clients à mettre en œuvre une sécurité distribuée et l’application des politiques sur le stockage, le calcul et la fédération des requêtes pour tous les principaux fournisseurs de cloud et les entrepôts de données et lacs de données basés sur le cloud. Compte tenu de la prépondérance des données sensibles dans les organisations d’aujourd’hui, la capacité de Privacera à établir des contrôles d’accès « en cas de besoin » sans interférer avec le travail quotidien des utilisateurs est une proposition de valeur essentielle de l’outil.

Ce qui rend Privacera intrigant: Pour les clients plus matures, Privacera étend ses fonctionnalités au-delà de l’application centralisée traditionnelle des politiques à un modèle d’application déléguée qui prend en charge plusieurs départements avec des domaines de données distincts.

Deepfence Inc. : Observabilité de la sécurité native du cloud

L’informatique cloud native s’étend bien au-delà des déploiements conteneurisés Kubernetes pour inclure des machines virtuelles, des serveurs sans serveur et même des serveurs bare metal. Sécuriser un tel mélange d’environnements présente un défi moderne que Deepfence s’attaque de front.

La société propose des outils d’observabilité basés sur la télémétrie qui fournissent aux professionnels de la sécurité les données et les informations dont ils ont besoin pour protéger les environnements cloud natifs modernes et dynamiques, à la fois pendant le développement et la production.

Ce qui rend Deepfence intrigant: La technologie sous-jacente de Deepfence est le filtre de paquets Berkeley étendu, une technologie Linux au niveau du noyau (avec une certaine prise en charge de Windows) qui donne à Deepfence une visibilité approfondie au niveau des paquets. EBPF permet ainsi à l’entreprise d’offrir un niveau d’observabilité de la sécurité qui la différencie sur le marché.

Torii Labs Ltd. : gestion SaaS automatisée

Les applications logicielles en tant que service dominent désormais les portefeuilles d’applications des entreprises de toutes tailles. Les produits SaaS incluent les offres leaders du marché de Salesforce.com Inc., Microsoft Corp., ServiceNow Inc., Workday Inc. et d’autres, ainsi que les milliers d’applications spécialisées qui remplissent les écrans de tous les smartphones.

Cette profusion d’applications SaaS présente un cauchemar de gestion pour les organisations informatiques chargées de gérer la conformité et la sécurité ainsi que les budgets logiciels. Torii relève ce défi de gestion SaaS avec une offre de bout en bout qui découvre les applications SaaS utilisées dans une organisation, puis applique des centaines de flux de travail automatisés qui traitent des problèmes allant de la conformité des licences logicielles à l’application des politiques de provisionnement et de déprovisionnement en passant par la gestion des dépenses liées au cloud.

Ce qui rend Torii intrigant: Étant donné la prépondérance des applications SaaS dans les organisations d’aujourd’hui, on pourrait penser que la gestion SaaS figurerait en tête de la liste de courses de chaque DSI – mais ce n’est pas le cas. Torii offre un service dont la plupart des organisations ont besoin, mais que peu connaissent encore.

Apporter l’apprentissage automatique au plus grand nombre Aporia Inc. : la surveillance de l’apprentissage automatique qui met l’IA à la portée de tous

L’apprentissage automatique a pris d’assaut de nombreuses entreprises, mais jusqu’à présent, extraire de la valeur de cette technologie nécessitait un ensemble de compétences spécialisées – des compétences qui sont plus rares que les dents de poule sur le marché technologique serré d’aujourd’hui.

Aporia aide à résoudre ce problème avec un outil MLOps étonnamment facile à utiliser. Avec Aporia, travailler avec l’apprentissage automatique est désormais aussi simple que de travailler avec l’un des outils d’analyse matures d’aujourd’hui. D’un autre côté, Aporia fournit également une fenêtre unique pour les scientifiques des données difficiles à trouver.

Ce qui rend Aporia intrigante: Il démocratise le machine learning afin que chacun puisse l’utiliser pour extraire une nouvelle valeur des données de son organisation.

Monte Carlo Inc. : observabilité des données basée sur l’apprentissage automatique

En 1999, Mars Climate Orbiter de la NASA a connu un échec de fin de mission en raison d’une simple confusion entre les unités métriques et anglaises. En d’autres termes, la NASA avait un problème fatal de fiabilité des données.

La fiabilité des données se concentre sur des questions telles que si vos données sont à jour, complètes, dans les plages attendues, conformes aux schémas attendus et à d’autres considérations importantes. Une réponse « non » à l’une de ces questions peut signifier que vos ensembles de données sont défectueux.

Monte Carlo fournit l’observabilité nécessaire aux professionnels des données pour évaluer la fiabilité de leurs données et prendre des mesures en cas de rupture de leurs ensembles de données. Le produit fonctionne sur les entrepôts de données, les lacs de données, les outils de veille économique et les sources de données traditionnelles d’extraction/transformation/chargement ou ETL, dans et hors du cloud.

Ce qui rend Monte Carlo fascinant: L’entreprise tire parti de l’apprentissage automatique pour découvrir les problèmes de fiabilité des données avec une variété d’ensembles de données différents, y compris les ensembles de données dont le but est de former des modèles. Ce cas d’utilisation « apprentissage automatique pour l’apprentissage automatique » est encore nouveau, mais il est susceptible de devenir une pratique exemplaire établie en matière d’apprentissage automatique.

Observabilité pour les ingénieurs Cortex : Observabilité pour une meilleure collaboration en ingénierie

Le marché actuel de l’observabilité mousseuse se concentre principalement sur les besoins des opérateurs informatiques et des ingénieurs en fiabilité des systèmes. La sagesse conventionnelle stipule que les développeurs de logiciels n’ont pas besoin des informations que la télémétrie logicielle peut fournir, car une fois qu’ils ont jeté le code par-dessus le mur, eh bien, c’est maintenant le problème des opérations.

Les pratiques modernes de développement de logiciels rejettent sans réserve cette prétendue sagesse, car les ingénieurs sont chargés de s’assurer que leur code fonctionne correctement en production. Leurs exigences d’observabilité diffèrent cependant de celles des ops.

Cortex répond à ce besoin avec des outils d’observabilité qui donnent aux ingénieurs la visibilité essentielle sur leurs services, dans le contexte de tous les outils populaires et des meilleures pratiques actuelles pour le développement de logiciels dont ils profitent déjà.

Ce qui rend Cortex intrigant: Il prend en charge les pratiques de déploiement modernes telles que GitOps et les techniques de décalage vers la droite telles que le signalement des fonctionnalités et les déploiements Canary, réduisant ainsi le risque inhérent aux cadences de développement rapides.

Aspecto Inc. : Observabilité pour les développeurs de services distribués

Les outils de développement logiciel se concentrent généralement sur les composants logiciels eux-mêmes. Pour les environnements distribués complexes, y compris la plupart des déploiements basés sur Kubernetes, le logiciel n’est qu’une partie du problème. Le plus grand défi : les connexions entre les logiciels.

Aspecto fournit une observabilité basée sur OpenTelemetry qui aide les ingénieurs à gérer ces problèmes informatiques distribués en offrant une visibilité et des informations sur les courtiers de messages, les files d’attente de messages, les flux Kafka, etc. Le service de la société place la télémétrie pertinente dans une base de données d’interdépendance que les ingénieurs peuvent interroger pour effectuer des analyses d’impact et découvrir les causes profondes des problèmes affectant leur code.

Ce qui rend Aspecto intrigant: En plaçant les données OpenTelemetry dans une base de données de graphes, Aspecto expose toute la puissance de l’analyse centrée sur les graphes aux ingénieurs alors qu’ils assemblent des interactions distribuées complexes.

Les vendeurs luttent pour la catégorisation et la reconnaissance

Une caractéristique commune qui s’applique aux sept entreprises de cet article est qu’elles sont toutes difficiles à catégoriser.

Dans de nombreux cas, une entreprise appartient à deux catégories de marché distinctes : la sécurité et l’observabilité pour Deepfence, par exemple, ou l’observabilité d’Aspecto pour le développement de logiciels.

Dans d’autres situations, la proposition de valeur fondamentale du fournisseur ne rentre pas parfaitement dans le budget informatique d’une entreprise. Combien de directeurs informatiques ont un poste pour la gestion SaaS (Torii) ou la surveillance de l’apprentissage automatique (Aporia) ?

Ces défis expliquent pourquoi des articles comme celui-ci sont importants. Ne laissez pas la pensée conventionnelle dans la boîte vous empêcher de faire le lien entre un problème grave et les solutions disponibles à vos problèmes.

Jason Bloomberg est fondateur et président d’Intellix, qui conseille les chefs d’entreprise et les fournisseurs de technologies sur leurs stratégies de transformation numérique. Il a écrit cet article pour SiliconANGLE. Au moment de la rédaction de cet article, ServiceNow est un client d’Intellix. Aucun des autres fournisseurs mentionnés dans cet article n’est client d’Intellix.

Image : Bru-nO/Pixabay Montrez votre soutien à notre mission en rejoignant notre Cube Club et notre communauté d’experts Cube Event. Rejoignez la communauté qui comprend Amazon Web Services et le PDG d’Amazon.com Andy Jassy, ​​le fondateur et PDG de Dell Technologies Michael Dell, le PDG d’Intel Pat Gelsinger et bien d’autres sommités et experts. .

LAISSER UN COMMENTAIRE

S'il vous plaît entrez votre commentaire!
S'il vous plaît entrez votre nom ici

Latest Recipes

Block title

More Recipes Like This

Voir aussi