
Нова платформа для інженерії даних
Компанія definity представила свою платформу агентної інженерії даних, розроблену для експлуатації та оптимізації корпоративних озерних сховищ (lakehouse) та конвеєрів даних Spark. Ця платформа покликана допомогти командам, що працюють з озерними сховищами, зменшити витрати на платформу, підвищити надійність та прискорити доставку даних та рішень на основі штучного інтелекту.
Фінансування Серії A
definity також оголосила про успішне залучення $12 мільйонів у раунді фінансування Серії A, який був перевиконаний. Лідерство в раунді взяла компанія GreatPoint Ventures, за участі Dynatrace, а також існуючих інвесторів StageOne Ventures та Hyde Park Venture Partners. Завдяки цьому раунду загальний обсяг фінансування definity досяг $16.5 мільйонів.
Вирішення операційного розриву
Сучасні корпоративні платформи даних є основою для штучного інтелекту, аналітики та ключових бізнес-операцій. Команди інженерів даних стикаються з вимогою швидшої доставки даних, підтримання надійності виробництва та контролю витрат у все більш складних середовищах. Однак більшість команд використовують фрагментовані інструменти, які моніторять ізольовані сигнали (якість даних, стан виконання, продуктивність інфраструктури, витрати) постфактум і без єдиного операційного контексту. Це призводить до реактивної та ручної інженерії даних, а також до того, що агенти ШІ не мають необхідного розуміння часу виконання для ефективних та безпечних дій у виробничих середовищах. Наслідком є значні втрати інфраструктури, повторювані інциденти конвеєрів та повільна доставка даних, що обмежує бізнес-результати. definity була створена для вирішення цього операційного розриву.
Від моніторингу до агентної роботи
definity впроваджує нову операційну модель для корпоративних платформ даних: агентну інженерію даних. Платформа надає дієву інформацію про час виконання, що живить агентів ШІ, які дозволяють командам постійно оптимізувати витрати на платформу, запобігати інцидентам до того, як вони вплинуть на бізнес, та значно збільшувати швидкість розробників.
В основі definity лежить архітектура "в русі", яка працює безпосередньо в виробничих конвеєрах, не вимагаючи змін у коді. Спостерігаючи за конвеєрами під час виконання, платформа збирає повний спектр сигналів щодо поведінки інфраструктури, виконання конвеєрів та характеристик даних. Цей єдиний контекст часу виконання, у поєднанні зі здатністю безпечно контролювати виконання конвеєрів у реальному часі, дозволяє перейти від простого моніторингу до справжньої агентної роботи. Без інтелекту та контролю часу виконання агенти ШІ залишаються консультативними та постфактумними. З ними вони можуть автономно аналізувати, оптимізувати та діяти у виробництві.
Рой Деніел, генеральний директор та співзасновник definity, зазначив, що з інтеграцією ШІ в підприємства, платформи даних більше не можуть працювати за допомогою фрагментованих, реактивних інструментів. Він додав, що агентна інженерія даних впроваджує нову операційну модель, де агенти безперервно розуміють, оптимізують та захищають конвеєри даних у виробництві, і definity була створена саме для реалізації цієї обіцянки для підприємств.
Що це означає для розробників
Платформа definity дозволяє розробникам та командам інженерів даних прискорити доставку даних та рішень ШІ, оптимізувати витрати на платформу та підвищити надійність конвеєрів. Завдяки агентній інженерії даних, розробники можуть досягти значного збільшення швидкості, оскільки агенти ШІ автономно аналізують, оптимізують та діють у виробничих середовищах.
Ключові факти
-
definity представила платформу агентної інженерії даних.
-
Платформа призначена для оптимізації корпоративних озерних сховищ та конвеєрів даних Spark.
-
Вона допомагає командам зменшити витрати, підвищити надійність та прискорити доставку даних та ШІ.
-
definity залучила $12 мільйонів у раунді фінансування Серії A.
-
Раунд Серії A очолила GreatPoint Ventures за участі Dynatrace, StageOne Ventures та Hyde Park Venture Partners.
Джерела
Джерело
Yahoo FinancePR Newswire
definity Unveils Agentic Data Engineering Platform With $12M Series A29 квітня 2026
Попередні статті

Snowflake Connect: Створення конвеєрів трансформації для даних, готових до ШІ
Захід Snowflake Connect: Data Engineering пропонує глибоке занурення у створення та управління високопродуктивними конвеєрами трансформації даних, спеціально розробленими для підготовки даних до використання в ШІ-системах.

Семінар з кодування якісних даних за допомогою Atlas.ti
Бібліотеки WashU та Департамент соціології проведуть семінар, що пропонує концептуальний огляд та практичне впровадження програмного забезпечення Atlas.ti для управління якісними даними, а також стратегії дослідження.

Створення застосунку для збереження фрагментів подкастів за вихідні за допомогою Vibe Coding
Розробник створив веб-застосунок PodClip для збереження та організації фрагментів подкастів зі Spotify за допомогою Replit та концепції 'vibe coding' всього за кілька годин, зіткнувшись з обмеженнями API Spotify.
Наступні статті

Студенти коледжу Lake Forest продемонстрували навички кодування та роботи з даними на першому хакатоні
Коледж Lake Forest провів свій перший хакатон, де студенти застосували навички кодування та роботи з даними. Переможці поділилися своїми враженнями від навчання, командної роботи та подолання синдрому самозванця.

Microsoft купує Osmos для прискорення автономної інженерії даних у Fabric
Microsoft оголосила про придбання Osmos, платформи для інженерії даних на базі агентного ШІ. Цей крок має на меті спростити складні робочі процеси з даними та інтегрувати можливості Osmos у Microsoft Fabric, допомагаючи організаціям перетворювати сирі дані на готові для аналітики та ШІ активи в OneLake.

Databricks Lakeflow та Agent Bricks: AI-орієнтований підхід до інженерії даних
Databricks представила Lakeflow — уніфіковану платформу для інженерії даних з вбудованим AI, що автоматизує обробку даних та розширює можливості аналізу. У поєднанні з функціями Agent Bricks AI, вона дозволяє інтегрувати високоякісний AI безпосередньо в ETL-процеси, перетворюючи неструктуровані дані на цінні бізнес-інсайти.