Los inversores de capital riesgo opinan sin filtros sobre las 28 empresas de IA y 'big data' que más han destacado este año

Desde que la empresa de data-cloud Snowflake, valorada en 42.500 millones de euros, y la firma de software empresarial Databricks, de 30.000 millones de euros, irrumpieron en escena en 2012, el sector de análisis de datos y el aprendizaje automático no ha dejado de captar la atención de los inversores.

Estas empresas modificaron completamente el funcionamiento del sector y, en la actualidad, casi todos los nichos de la gestión, el análisis o el despliegue de los datos han dado lugar a la aparición de una o varias startups. 

La creciente competencia ha convertido el sector del aprendizaje automático y el big data en uno de los más destacados y concurridos de los últimos años, y los inversores siguen inyectando capital. 

No obstante, a medida que la industria tecnológica experimenta una ola de despidos, es probable que muchas de estas empresas sean compradas o no sigan adelante con su proyecto. La propia Snowflake ha señalado su interés en las adquisiciones cuando las valoraciones se ajusten.

Business Insider ha hablado con más de 20 inversores de capital riesgo para conocer su opinión real sobre algunas de las compañías de inteligencia artificial (IA) y datos más interesantes, incluyendo las que despuntan sobre la competencia, así como las que están listas para ser adquiridas. 

El objetivo es llegar a un consenso por parte de los inversores sobre qué startups tienen un mayor potencial entre tanta competencia.

Los inversores han hablado bajo condición de anonimato. De este modo, pueden permitirse ser más francos acerca de las empresas, tanto las que están en sus carteras como las de la competencia. Sus identidades han sido comprobadas por Business Insider.

Esto es lo que opinan los inversores sobre 28 de las startups de aprendizaje automático y de 'big data' más conocidas, ordenadas de menor a mayor capital recaudado:

Midjourney

• Año de fundación: 2022
• Financiación total: Desconocido
• Valoración: Desconocido
• Inversores destacados: Desconocido

A qué se dedica: Midjourney crea un generador de inteligencia artificial de texto a imagen en la línea de Stable Diffusion y DALL-E 2 de OpenAI. Las imágenes de Midjourney se generan y se muestran en un canal de Discord.

Qué dicen los inversores: Midjourney podría ser un competidor clave para Stability AI y su modelo Stable Diffusion. Por el momento, los inversores creen que su enfoque en la comunidad artística le ha ayudado a construir una enorme audiencia. Pero los expertos también están algo perplejos por la propia empresa y por lo discreto que ha sido su equipo y dicen que se espera que se comporte de forma muy diferente a Stability AI.

Algunas fuentes señalan qu,e mientras Stability AI ha estado trabajando en la construcción del modelo, Midjourney es la que puede encontrar el éxito construyendo una capa de aplicación sobre un modelo de texto a imagen. En ese sentido, es similar a Jasper porque es una empresa construida sobre herramientas de IA generativa, en lugar de limitarse a producir el modelo, como hace OpenAI.

MotherDuck

• Año de fundación: 2022
• Financiación total: 45,9 millones de euros
• Valoración: 169 millones de euros
• Inversores clave: Andreessen Horowitz, Redpoint, Altimeter, Amplify

A qué se dedica: MotherDuck es la empresa detrás de DuckDB, una herramienta de base de datos emergente que funciona en dispositivos locales.

Qué dicen los inversores: Los inversores consideran que DuckDB tiene una tecnología novedosa y muy prometedora como alternativa a los grandes y caros productos de alta potencia como Snowflake y BigQuery. Sin embargo, la tecnología se aplica en pocos casos y es bastante experimental.

No obstante, los inversores destacan su naturaleza altamente flexible, en la que trata las bases de datos como bibliotecas, y las oportunidades que ofrece para trasladar la analítica a los dispositivos locales. Esto podría manifestarse en forma de herramientas analíticas en tiempo real que se actualizan y se representan mucho más rápidamente que otros productos como Tableau.

Elementl

• Año de fundación: 2018
• Financiación total: 15,3 millones de euros
• Valoración: 58 millones de euros, según PitchBook
• Inversores clave: Sequoia Capital, Index, Amplify, Slow Ventures, Coatue

A qué se dedica: Elementl es la empresa comercial detrás de Dagster, una herramienta de orquestación que las empresas utilizan para garantizar que las operaciones de datos se produzcan en el orden correcto y sin fallos.

Qué dicen los inversores: Muchos inversores se muestran muy escépticos con Elementl dada la presencia casi omnipotente de Airflow. No está claro si será capaz de enfrentarse a esta.

Los inversores afirman que Dagster adopta un enfoque muy moderno de la orquestación y, al igual que Prefect, tiene la oportunidad de desbancar a Airflow. La rapidez con la que se adopte es una incógnita, lo que convierte a Elementl en una propuesta arriesgada.

Recientemente ha surgido un problema con el cambio de su respetado fundador y CEO, Nick Schrock, que ha pasado a ocupar el cargo de director de Tecnología. Esto se debió a algunas preocupaciones sobre el crecimiento del producto.

Convex

• Año de fundación: 2020 
• Financiación total: 28,6 millones de euros
• Valoración: 120 millones de euros, según PitchBook
• Inversores clave: Andreessen Horowitz, Elad Gil, SV Angel, General Catalyst

A qué se dedica: Convex crea herramientas que permiten a los desarrolladores de JavaScript tener datos consistentes en todos los servicios sin tener que utilizar una base de datos.

Qué dicen los inversores: Para los inversores que creen en la inminente colisión de los paradigmas de diseño de bases de datos, el procesamiento analítico en línea (OLAP) y el procesamiento de transacciones en línea (OLTP), Convex se sitúa en un punto de gran valor. Sin embargo, las diferencias entre ambos tipos de sistemas están convergiendo hasta el punto de que a la gente solo le preocupa el tiempo que se tarda en procesar una solicitud, según indican los expertos.

Mosaic

• Año de fundación: 2020
• Financiación total: 32,5 millones de euros, según PitchBook
• Valoración: 132 millones de euros, según PitchBook
• Inversores clave: Lux Capital, Correlation Ventures, DCVC

A qué se dedica: Mosaic crea herramientas para mejorar la eficiencia del entrenamiento de modelos de aprendizaje automático.

Qué dicen los inversores: Mientras que algunas empresas pueden permitirse gastar el tiempo y los recursos necesarios para entrenar un modelo con miles de millones de parámetros, la mayoría de los problemas de aprendizaje automático no requieren esa escala. 

MosaicML crea herramientas que ayudan a las empresas a analizar las ventajas y desventajas de la computación, el tamaño, la velocidad y otras áreas para optimizar el entrenamiento de esos modelos.

Los inversores señalan que su cofundador, Naveen Rao, y su experiencia como director de IA en Intel son las razones por las que están entusiasmados con la empresa. Sin embargo, son reticentes ya que consideran que la optimización del entrenamiento es un problema considerablemente difícil.

Kumo

• Año de creación: 2021
• Financiación total: 35,3 millones de euros
• Valoración: 241,6 millones de euros, según PitchBook
• Inversores clave: Sequoia Capital, Frank Slootman, Clem Delangue, SV Angel

A qué se dedica: Kumo proporciona a las empresas una forma de generar automáticamente predicciones basadas en los datos de los clientes. Utiliza herramientas como el Structured Query Language.

Qué dicen los inversores: Los inversores dicen que el campo en el que opera Kumo es uno de los más difíciles de la analítica y el aprendizaje automático.

Esto hace que sea una apuesta de alto riesgo y alta recompensa. Se encuentra en la convergencia de la analítica y el aprendizaje automático, que es ideal para los clientes, pero que tradicionalmente se basa en una mezcla de herramientas unidas con cinta adhesiva. Las herramientas de análisis suelen funcionar con el lenguaje de programación SQL, mientras que las segundas utilizan paquetes de aprendizaje automático y ciencia de datos que se ejecutan en Python.

Prefect

• Año de fundación: 2018
• Financiación total: 47,3 millones de euros, según PitchBook
• Valoración: 272 millones de euros, según PitchBook
• Inversores clave: Bessemer Venture Partners, Tiger Global Management, Quiet Capital

A qué se dedica: Prefect es una herramienta de orquestación que gestiona la ingesta y el uso de datos. Se creó originalmente para la ciencia de datos.

Qué dicen los inversores: Prefect fue capaz de aprovechar una oportunidad gracias a las limitaciones y la insatisfacción general con Airflow, particularmente entre los científicos de datos. Aunque Airflow se consideraba una herramienta de referencia, no admitía los casos de uso más avanzados y rápidos que requieren las herramientas de aprendizaje automático.

Pero, con Airflow ampliando sus capacidades, y ahora con una entidad comercial más grande detrás, los inversores no están seguros de que Prefect pueda desbancar al producto. También señalan que Prefect no es la única herramienta que lo intenta tras la aparición de Dagster.

Hightouch

• Año de fundación: 2018
• Financiación total: 52,3 millones de euros
• Valoración: 434,8 millones de euros
• Inversores clave: Barr Moses, Amplify Partners, Iconiq, Y Combinator, Bain Capital Ventures

A qué se dedica: Hightouch crea una herramienta llamada ETL inversa para mover datos de otras bases como Snowflake y BigQuery a herramientas como Salesforce y Segment.

Qué dicen los inversores: El crecimiento explosivo de las herramientas de almacenamiento de datos como BigQuery y Snowflake, así como el auge de empresas como Databricks, ha reconfigurado la forma de analizar los datos. Mientras que los datos de Salesforce y otras herramientas se exportan a Snowflake, Hightouch y su principal competidor, Census, existen para devolverlos a Salesforce.

Los inversores han quedado impresionados con el crecimiento del negocio de Hightouch, ya que ha pivotado varias veces, como al pasar de centrarse en el marketing a los ingenieros para finalmente aterrizar en la construcción de una herramienta de ETL inversa.

Adept

• Año de fundación: 2021
• Financiación total: 62,8 millones de euros
• Valoración: Desconocido
• Inversores clave: Greylock, Addition Capital

A qué se dedica: Adept utiliza modelos de aprendizaje automático entrenados en extensos textos conversacionales para crear una entrada simple que se traduce en acciones. Un ejemplo sería decirle a su herramienta, ACT-1, que cree una entrada en una hoja de cálculo.

Qué dicen los inversores: La empresa cuenta con 2 de los autores del artículo sobre la técnica de IA más utilizada en la actualidad, Attention Is All You Need, Ashish Vaswani y Niki Parmar. Esta técnica impulsa la mayoría de las herramientas modernas de IA, como los grandes modelos lingüísticos, y el resto de su equipo procede de lugares de gran prestigio como Google Brain.

Hex

• Año de fundación: 2019
• Financiación total: 71 millones de euros
• Valoración: 340 millones de euros, según PitchBook
• Inversores clave: Databricks, Snowflake, Redpoint, Amplify Partners, Andreessen Horowitz

A qué se dedica: Hex es una herramienta de colaboración para el análisis de datos que permite a los científicos y analistas de datos trabajar en el mismo espacio.

Qué dicen los inversores: Hex se sitúa en el centro de las funciones cada vez más superpuestas de un científico de datos y un analista de datos. Mientras que ambos se especializan tradicionalmente en lenguajes diferentes, SQL el primero y Python el segundo, Hex crea un espacio en el que cada uno puede utilizarse indistintamente para el análisis de datos.

Además, está conectado y construido sobre herramientas de datos modernas como Snowflake y Databricks. El interés de los inversores se debe a su capacidad para acercar el análisis y la visualización de los datos al lugar donde se realiza la codificación. 

Esto podría eliminar la necesidad de complicados cuadros de mando y permitir a los científicos y analistas de datos crear visualizaciones más sólidas para explicar las tendencias de los datos de la empresa.

Census

• Año de fundación: 2018
• Financiación total: 77,6 millones de euros
• Valoración: 541 millones de euros, según PitchBook
• Inversores clave: Sequoia Capital, Andreessen Horowitz, Insight Partners, Tiger Global Management

A qué se dedica: Census crea herramientas que ayudan a las empresas a trasladar los datos desde bases como BigQuery y Snowflake a aplicaciones como Salesforce o Segment. Es una herramienta que se llama coloquialmente ETL inversa, ya mencionada al hablar de Hightouch.

Qué dicen los inversores: Al igual que Hightouch, el crecimiento de Census ha encajado con el cambio de los flujos de trabajo de análisis de datos modernos a Snowflake a través de herramientas como DBT. Algunos inversores consideran que Hightouch y Census son competidores relativamente cercanos, aunque dicen que Hightouch ha sido más agresiva y transparente en sus esfuerzos de crecimiento.

RudderStack

• Año de fundación: 2014
• Financiación total: 79 millones de euros
• Valoración: 556 millones de euros, según PitchBook
• Inversores clave: Sequoia, Lightspeed Venture Partners, Coatue, JPMorgan

A qué se dedica: RudderStack construye una herramienta de datos que rastrea la forma en que los clientes interactúan con un producto, desde el pago hasta el compromiso con él. Además, crea herramientas para que los distintos equipos de una empresa utilicen la información extraída de esos datos.

Qué dicen los inversores: RudderStack también proporciona herramientas de ETL inversa, como lo hacen Hightouch y Census, aunque no se centra en ellas como un negocio independiente. RudderStack suscita cierta inquietud entre los inversores por intentar sustituir a una herramienta de canalización de datos de clientes y por sus posibilidades reales de éxito.

Materialize

• Año de fundación: 2019
• Financiación total: 97 millones de euros
• Valoración: 579, 8 millones de euros, según PitchBook
• Inversores clave: Kleiner Perkins, Redpoint, Lightspeed Venture Partners

A qué se dedica: Materialize crea bases de datos adecuadas para casos de uso en tiempo real que requieren un procesamiento y un análisis muy rápidos.

Qué dicen los inversores: Las canalizaciones de datos en tiempo real son cada vez más importantes para los principales actores del sector, como Snowflake y Databricks. Materialize se especializa en ese elemento, que durante mucho tiempo se ha considerado el talón de Aquiles de Snowflake. 

Stability AI

• Año de fundación: 2020
• Financiación total: 107 millones de euros
• Valoración: 966 millones de euros
• Inversores clave: Coatue, Lightspeed Venture Partners

A qué se dedica: Stability AI es el impulsor de Stable Diffusion, un popular generador de IA de texto a imagen. Está ampliamente disponible de forma gratuita, mientras que el generador de texto a imagen DALL-E 2 de OpenAI no lo está.

Qué dicen los inversores: Stability AI consiguió rápidamente el aval de gran parte del mundo del emprendimiento dada la gran popularidad del producto tras su lanzamiento. Los inversores afirman que la empresa está estudiando un modelo similar al de un holding.

Hay una serie de preocupaciones sobre la empresa y su relación con Stable Diffusion. Una compañía de investigación independiente, Runway, construyó lo que se convertiría en Stable Diffusion. Stability AI emitió una solicitud de retirada de información a Hugging Face por la presencia de Stable Diffusion en el repositorio de código de Runway, aunque posteriormente fue anulada.

Sin embargo, los inversores afirman que la empresa se ha puesto en contacto con un gran número de fondos de capital riesgo, en comparación con su competidor Midjourney, que, según los expertos, se ha mantenido muy tranquilo.

Jasper

• Año de fundación: 2018
• Financiación total: 141,74 millones de euros, según PitchBook
• Valoración: 1.449 millones de euros
• Inversores clave: Insight Partners, Coatue, Bessemer Venture Partners, Foundation Capital

A qué se dedica: Jasper utiliza la herramienta de generación de texto GPT-3 de OpenAI para crear textos de marketing para una página web.

Qué dicen los inversores: Jasper ha tenido una de las evoluciones más rápidas en ingresos anuales recurrentes, lo que indica el valor que puede tener una aplicación construida sobre la IA generativa. 

Es una de las primeras empresas en construir un negocio sobre herramientas como GPT-3, y los inversores dicen que es una señal de la rapidez con la que se pueden construir este tipo de negocios en lo que llaman la "capa de aplicaciones".

Snorkel

• Año de fundación: 2019
• Financiación total: 133,6 millones de euros, según PitchBook
• Valoración: 966 millones de euros, según PitchBook
• Inversores clave: Lightspeed Venture Partners, GV, Greylock, Addition, BlackRock

A qué se dedica: Snorkel ofrece a las empresas una forma de etiquetar automáticamente los datos, como las imágenes, que pueden introducir en los modelos de aprendizaje automático y controlar su rendimiento. El etiquetado es tradicionalmente muy caro y requiere mucha intervención manual, algo que Snorkel trata de automatizar.

Qué dicen los inversores: Aunque muchos señalan a Snorkel como una clara potencia emergente gracias a su adopción, hay mucha incertidumbre sobre el éxito que tendrá. Esto se debe a la escala y la dificultad de lo que está tratando de construir. El equipo directivo procede de Palantir, donde ha elaborado un modelo de negocio que debería ganar adeptos desde el principio, según dicen los expertos.

Tecton

• Año de fundación: 2019
• Financiación total: 154,6 millones de euros
• Valoración: 869,6 millones de euros
• Inversores clave: Kleiner Perkins, Sequoia Capital, Andreessen Horowitz, Databricks, Snowflake

A qué se dedica: Tecton crea una herramienta llamada feature store, que ayuda a las empresas a gestionar sus modelos de aprendizaje automático. Permite a las compañías ahorrar trabajo computacional que podría repetirse al actualizar los modelos de aprendizaje automático.

Qué dicen los inversores: Tecton es una de las empresas más controvertidas en las discusiones de los inversores, ya que muchos afirman que toda la categoría de almacenes de características estaba sobrevalorada y no justificaba una empresa independiente. 

Pero, con el creciente interés en las aplicaciones de aprendizaje automático en tiempo real, especialmente de Snowflake y Databricks, Tecton vuelve a estar en el punto de mira.

Los inversores y personas cercanas al proyecto dicen que Tecton ha sorprendido a la comunidad de empresas con los clientes que ha adquirido, además del éxito de su proyecto de código abierto Feast. Y, con la creciente prevalencia de los casos de uso en tiempo real, Tecton está preparada para impulsar una amplia variedad de nuevos productos.

Hugging Face

• Año de fundación: 2016
• Financiación recaudada: 159,3 millones de euros, según PitchBook
• Valoración: 1.932 millones de euros
• Inversores clave: Lux Capital, Sequoia Capital, Coatue, Addition, SV Angel, Kevin Durant

A qué se dedica: Hugging Face aloja modelos de aprendizaje automático preestablecidos que cualquiera puede descargar y utilizar para crear inmediatamente productos impulsados por la IA. Además, ha entrenado su propio modelo de lenguaje llamado Bloom, que ha hecho de código abierto.

Qué dicen los inversores: Hugging Face se ha convertido en una herramienta para desarrolladores muy apreciada y ha creado una de las mayores comunidades de profesionales del aprendizaje automático y la ciencia de datos. Y la mayoría de las grandes empresas tecnológicas, como Meta, Google y Microsoft, utilizan Hugging Face de alguna forma.

Los inversores opinan que Hugging Face ha construido un enorme espacio gracias a su entusiasta comunidad. También tiene como competidor a Streamlit, que Snowflake adquirió por 869 millones de euros a principios de este año.

Cohere

• Año de fundación: 2019
• Financiación total: 159,3 millones de euros, según PitchBook
• Valoración: Desconocido
• Inversores clave: Index Ventures, Tiger Global, Fei-Fei Lin, Geoff Hinton

A qué se dedica: Cohere ofrece sofisticados modelos lingüísticos de gran tamaño que permiten a las empresas comprender mejor una serie de datos que están recopilando. Se podría utilizar Cohere para analizar los tickets de atención al cliente y entender cuáles son los problemas, por ejemplo.

Qué dicen los inversores: Aunque hay incertidumbre sobre si la empresa podría tener éxito, la mayoría señala las inversiones y la participación de Fei-Fei Lin y Geoffrey Hinton, 2 figuras destacadas en la comunidad de IA, como señal de su potencial.

Los inversores creen que podría tener éxito trabajando con compañías que necesitan modelos más sofisticados que los que ofrece Hugging Face. Pero también hay cierta cautela sobre si empresas como OpenAI y Google podrían ofrecer un producto más competitivo y de menor coste.

Weights & Biases

• Año de fundación: 2017
• Financiación total: 193 millones de euros
• Valoración: 1.005 millones de euros, según PitchBook
• Inversores clave: Bloomberg Beta, Insight Partners, Coatue, Felicis Ventures, Nvidia

A qué se dedica: Weights & Biases crea herramientas que ayudan a los profesionales del aprendizaje automático a controlar la calidad y el rendimiento de sus modelos. Pueden utilizarlas para determinar cómo afinar sus modelos.

Qué dicen los inversores: Weights & Biases no ha dejado de sorprender a los inversores con su rendimiento, tanto desde el punto de vista del crecimiento de la comunidad como del de la empresa. Suelen agrupar a Weights & Biases con Hugging Face, como una startup claramente ganadora en la categoría y que se espera que sea una de las startups de aprendizaje automático más exitosas.

Los inversores también dicen que Weights & Biases ha tenido un éxito inmenso en su recaudación de fondos y en su rendimiento gracias a su fundador, Lukas Biewald, que es una gran parte de la razón por la que ha alcanzado su valoración.

Monte Carlo

• Año de fundación: 2019
• Financiación total: 232 millones de euros
• Valoración: 1.546 millones de euros, según PitchBook
• Inversores clave: Redpoint, Iconiq, Salesforce, GGV, IVP, Accel

A qué se dedica: Monte Carlo ayuda a las empresas a controlar la calidad de los datos que utilizan en herramientas de análisis y aprendizaje automático. 

Qué dicen los inversores: La empresa es un tema un tanto controvertido entre los inversores. La capacidad de hacer análisis forense de los datos podría ser de gran valor y todos señalan a la cofundadora de Monte Carlo, Barr Moses, como un factor clave de su éxito.

Pero a algunos les preocupa el potencial del espacio de problemas y que su valoración pueda estar adelantándose a su crecimiento, aunque está evolucionando rápidamente.

Astronomer

• Año de fundación: 2015
• Financiación total: 282,9 millones de euros
• Valoración: Menos de 1.300 millones de euros
• Inversores clave: Salesforce, Insight Partners, Sutter Hill Ventures, Venrock, JPMorgan

A qué se dedica: Astronomer es la compañía que respalda a Airflow, la mayor herramienta de código abierto para organizar y gestionar tareas de datos.

Qué dicen los inversores: Astronomer administra una herramienta que tiene una adopción casi universal en las pilas de gestión de datos. Airflow, creada originalmente en Airbnb, es una herramienta omnipresente que las empresas utilizan para garantizar que las tareas de ingestión y análisis de datos se realicen en el orden correcto y no se interrumpan.

Los inversores señalan que Airflow tiene una penetración casi universal en las compañías que dependen del procesamiento de datos en grandes trozos para actualizar sus herramientas y modelos de aprendizaje automático, también conocido como procesamiento por lotes. Algunos consideran que Astronomer ha revivido a Airflow después de que se estancara sin un liderazgo adecuado.

Pero los inversores apuntan a un descontento constante con Airflow como una apertura para un producto de orquestación de la competencia, como Prefect, o uno construido por una empresa más grande. Aun así, no está claro si habrá un producto que pueda desbancar a Airflow.

Anyscale

• Año de fundación: 2019
• Financiación total: 250 millones de euros, según PitchBook
• Valoración: 976 millones de euros, según PitchBook
• Inversores clave: Andreessen Horowitz, Addition Capital, Intel Capital, Foundation Capital, New Enterprise Associates

A qué se dedica: Anyscale es la empresa que está detrás de Ray, una herramienta de código abierto que ayuda a las compañías a distribuir su trabajo computacional en múltiples instancias de hardware.

Qué dicen los inversores: Ha atraído el mismo fervor que Databricks, ya que se considera una compañía que podría crear una nueva generación de software de gestión de datos. Aunque la marca aún no ha creado un negocio, su éxito depende del rápido aumento de la adopción de Ray. 

Y, a medida que el aprendizaje automático se hace más omnipresente, los inversores apuestan por que Ray, al igual que Databricks, se convertirá en una herramienta de referencia para los desarrolladores.

Starburst

• Año de fundación: 2017
• Financiación total: 416,5 millones de euros, según PitchBook
• Valoración: 3.237 millones de euros
• Inversores clave: Index Ventures, Salesforce Ventures, Andreessen Horowitz, Coatue

A qué se dedica: Starburst crea un motor optimizado para consultar y analizar datos en múltiples proveedores de almacenamiento, ya sea en la nube o en las instalaciones.

Qué dicen los inversores: Los inversores señalan a Starburst y su respaldo a la herramienta de código abierto Presto. A algunos les sorprendió su crecimiento inicial, ya que Presto era un compromiso para las empresas que no podían migrar completamente a una herramienta nativa de la nube como Snowflake o Databricks.

En particular, los inversores señalan sus trabajos con el proveedor de bases de datos locales Teradata, en el que muchas empresas confían para el análisis de datos locales. Starburst es una herramienta que está bien posicionada para conseguir como clientes a las compañías que nunca harán una migración completa a la nube, dicen. 

Sin embargo, existe cierta preocupación sobre si un motor de consulta como Starburst o Dremio puede ser un negocio exitoso a largo plazo.

DBT Labs

• Año de fundación: 2016
• Financiación total: 400,6 millones de euros
• Valoración: 4.058 millones de euros, según PitchBook
• Inversores clave: Coatue, GV, Iconiq, Salesforce, Snowflake, Databricks, Andreessen Horowitz

A qué se dedica: DBT Labs construye y ejecuta la herramienta de código abierto DBT, que ayuda a los desarrolladores a garantizar que los datos de productos como Snowflake estén limpios y sean fácilmente accesibles.

Qué dicen los inversores: DBT se ha convertido en algo omnipresente en los kits de herramientas para desarrolladores y se considera uno de los catalizadores del cambio hacia las prácticas de datos modernas.

Al crecer a la vez que Snowflake y Databricks, DBT es una parte clave del proceso de gestión de datos. Su presencia sigue creciendo rápidamente, especialmente con el lanzamiento de su herramienta de gestión de métricas de la empresa y el apoyo al lenguaje de programación Python.

Además, DBT Labs ha creado un culto a sus productos y está considerada como una de las mejores empresas en lo que respecta a las relaciones con los desarrolladores.

Grafana Labs

• Año de fundación: 2014
• Financiación total: 550 millones de euros, según PitchBook
• Valoración: 5.798 millones de euros, según PitchBook
• Inversores clave: Sequoia, Lightspeed Venture Partners, Coatue, JPMorgan

A qué se dedica: Grafana construye herramientas para el análisis o para ayudar a las empresas a supervisar la calidad y el rendimiento de los datos utilizados en diversas partes de sus operaciones. Dirige el proyecto de código abierto Grafana, una de las mayores herramientas de monitorización.

Qué dicen los inversores: Grafana se ha convertido rápidamente en una herramienta de referencia para los desarrolladores, ya que cada vez más empresas invierten en analítica y aprendizaje automático.

Recientemente alcanzó los 96 millones de euros en ingresos anuales recurrentes y los inversores están constantemente impresionados con los comentarios que sus productos reciben de sus clientes. Pero juega en un espacio abarrotado y compite con otras startups.

Un inversor señala a Datadog, una empresa pública de 24.639 millones de euros, como gran competidor, aunque Grafana es un proveedor de código abierto para el que siempre habrá espacio, según este inversor.

ThoughtSpot

• Año de fundación: 2012
• Financiación total: 654 millones de euros, según PitchBook
• Valoración: 4.058 millones de euros
• Inversores clave: Lightspeed Venture Partners, Capital One, Khosla, General Catalyst, Fidelity, Snowflake

A qué se dedica: ThoughtSpot es una plataforma de inteligencia empresarial diseñada para consultas de datos y casos de uso más avanzados que los que pueden ofrecer Tableau y otras herramientas.

Qué dicen los inversores: ThoughtSpot se considera una de las empresas mejor posicionadas para desbancar a las herramientas de visualización tradicionales como Tableau y Looker. Sin embargo, los inversores afirman que las herramientas se utilizan generalmente para fines diferentes.

También consideran que su movimiento para pivotar hacia la nube es agresivo y muy arriesgado, pero a la larga muy gratificante. Han depositado mucha confianza en el equipo directivo para que lo lleve a la meta saliendo a bolsa.

Fivetran

• Año de fundación: 2012
• Financiación total: 703 millones de euros
• Valoración: 5.411 millones de euros, según PitchBook
• Inversores clave: Andreessen Horowitz, General Catalyst, Iconiq, Matrix Partners

A qué se dedica: Fivetran crea herramientas que ayudan a las empresas a importar sus datos a Snowflake, Databricks y otros hosts de datos. Coloquialmente llamado extraer, transferir, cargar o ETL, trabaja en conjunto con herramientas como DBT para conectar docenas de fuentes de datos.

Qué dicen los inversores: Fivetran está atacando uno de los problemas más complejos y de más rápido crecimiento en la gestión de datos. La aparición y el aumento de los esquemas de almacenamiento de datos gestionados por Snowflake y Databricks han desplazado el centro de gravedad de los datos y Fivetran pretende ayudar a facilitar esa transición.

Los expertos también dicen que, aunque podría explorar el ETL inverso, como Census o Hightouch, la oportunidad para el ETL sigue siendo tan grande que es más que suficiente para mantener el negocio de la empresa.