Wir alle haben gehört, wie große, unstrukturierte Daten heute in einem beispiellosen Tempo generiert werden, und von dem enormen Wert, der durch die Erfassung von Erkenntnissen aus Big Data generiert werden kann – ob aus Tweets, Cybersicherheits-Feeds oder Geodaten. Unternehmen wie Cloudera*, MongoDB*, Elastic und andere haben große Fortschritte bei der Speicherung und Verarbeitung dieser unstrukturierten Daten gemacht und große Unternehmen darauf aufgebaut.

In letzter Zeit haben jedoch mehrere Makrotrends im Zusammenhang mit agiler Softwareentwicklung und dem „Internet der Dinge“ (IoT) Big Data eine zusätzliche Dimension hinzugefügt: „schnelle“, zeitgestempelte Daten. Bei der Analyse und Bearbeitung dieser schnellen Big Data, die offiziell als „Zeitreihendaten“ bekannt sind, ist Zeit von entscheidender Bedeutung.

Wo finden wir diese Daten? In der Vergangenheit haben Hedge-Fonds und Finanzunternehmen Millionen von Dollar davon profitiert, indem sie Aktienkursdaten in Sekundenbruchteilen verarbeitet haben. Das Buch „Flash Boys“ von Michael Lewis demonstrierte, wie Hochfrequenzhandelsfirmen das System austricksten, indem sie Angebot und Nachfrage beim Aktienkauf analysierten und Gewinne erzielten, was alles durch ultraschnelle Zeitreihenanalysen ermöglicht wurde. IoT und agile Softwareentwicklung, manchmal auch als DevOps-Bewegung bezeichnet, können jetzt auch einen erheblichen Mehrwert erschließen, indem sie Zeitreihenspeicherung und -analysen nutzen.

Erstens prognostiziert Intel in Bezug auf das IoT, dass es bis 2020 mehr als 200 Milliarden „intelligente Objekte“ geben wird – etwa 26 für jeden Menschen auf der Erde. Ob es sich um ein Nest-Thermostat oder eine Nest-Kamera in Ihrem Zuhause, eine Apple-Uhr an Ihrem Handgelenk oder Sensoren handelt, die Ölfelder oder intelligente Gebäude überwachen, all diese Geräte erzeugen enorme Mengen an zeitgestempelten Daten mit potenziell bahnbrechenden Anwendungen.

Das Speichern und Verarbeiten dieser granularen Daten und das Gewinnen wertvoller Erkenntnisse daraus kann einen enormen Wert auf ganzer Linie freisetzen. Gesundheitsunternehmen möchten möglicherweise zeitnahe Trainingsmuster von tragbaren Geräten für ihre Patientenpopulation analysieren, um vorbeugende Gesundheitsmaßnahmen zu empfehlen. Ebenso können Automobilunternehmen in Detroit Zeitreihendaten verwenden, um Fehlermuster in Fertigungslinien in Echtzeit zu erkennen und proaktiv anzugehen, um später kostspielige Rückrufaktionen zu vermeiden.

Smart-Building-Unternehmen können physische Sicherheitseinbrüche oder suboptimale Energienutzung in Echtzeit erkennen und darauf reagieren. Drohnen und Bildsensoren in Autos können kritische Daten abwerfen, die in Echtzeit verarbeitet werden müssen, um das autonome Fahren zu steuern. Die Möglichkeiten zur Nutzung dieser Daten sind immens, aber die Grundlage für all das erfordert eine Hochgeschwindigkeits-Zeitreihen-Datenverarbeitung; Lagerung; und Analytik.

Der zweite Makrotrend, der das Wachstum von Zeitreihendaten antreibt, ist die Explosion von Cloud Computing und agiler IT, wobei IT-Manager es für strategischer halten, IT-Geräte als Service von Anbietern wie Amazon Web Services und Microsoft Azure zu mieten, als sie zu betreiben sich. Das Wachstum des ausgelagerten Cloud-Computing war in letzter Zeit überwältigend: Im vergangenen Jahr erwirtschaftete allein Amazon Web Services einen Umsatz von 7,88 Milliarden US-Dollar. Gleichzeitig verbrauchen Entwickler IT-Infrastruktur ohne Betriebsunterstützung – die sogenannte DevOps-Bewegung. Beide Faktoren zusammen bedeuten, dass die Infrastruktur oft von Hunderten von Kunden gemeinsam genutzt wird, manchmal für Sekunden oder Minuten – denken Sie an Airbnb im Extremfall mit gemeinsam genutzter IT-Infrastruktur.

Um diese gemeinsam genutzte IT und serverlose Bewegung zu ermöglichen, müssen Cloud-Anbieter und Kunden gleichermaßen die Nutzung, Compliance und Sicherheit in ihrer gemeinsam genutzten Umgebung bis auf die Mikrosekunde genau verfolgen. Wie das alte Sprichwort sagt: „Was man nicht messen kann, kann man nicht verwalten!“ Wenn die zugrunde liegende, flüchtige Infrastruktur nur für Sekundenbruchteile existiert, ist ihre Überwachung und Sicherung mit Echtzeitmetriken der Schlüssel zu einer effektiven Nutzung.

Das Hauptproblem für Personen, die Zeitreihendaten nutzen möchten, besteht jedoch darin, dass herkömmliche SQL-Datenbanken nicht für die Verarbeitung dieser Art rollierender, zeitkritischer Daten eingerichtet sind. Einige der Marktführer im Bereich NoSQL können die Zeitreihenspeicherung und -analyse angehen, indem sie ihre Systeme optimieren, aber wir glauben, dass die Kategorie groß und kritisch genug ist, um eine speziell entwickelte Zeitreihendatenbank und Analyseplattform zu verfolgen.

Heute geben wir die Investition von Battery in das Zeitreihendatenunternehmen InfluxData** bekannt, das laut DB Engines , das den Markt für Datenbankmanagement verfolgt, derzeit die meisten Benutzer auf seinem Markt hat. Zeitreihen sind laut DB Engines die am schnellsten wachsende Kategorie im NoSQL-Bereich. Battery führt die 16-Millionen-Dollar-Runde der Serie B an, an der mehrere andere Investoren beteiligt sind – darunter Mayfield und Trinity – die Erfahrung mit anderen prominenten Open-Source- und datenorientierten Unternehmen wie Docker und Couchbase haben.

InfluxData mit Sitz in San Francisco wird von den Branchenveteranen und führenden Köpfen der Open-Source-Community, Paul Dix und Todd Persen, sowie dem erfahrenen CEO Evan Kaplan geleitet. Unternehmen wie Nordstrom, Cisco, eBay, AXA, Solar City und Telefonica nutzen bereits InfluxData, und wir freuen uns darauf, das Wachstum des Unternehmens zu beobachten, wenn immer mehr Unternehmen InfluxDB für DevOps-Überwachung, Cybersicherheit und IoT-Lösungen nutzen.

*MongoDB und Cloudera waren Portfoliounternehmen von Herrn Thakker bei seiner früheren Firma Intel Capital.