"We verkochten software voor 20 miljoen dollar, maar klanten wisten vaak niet wat hun data betekende of hoe het te koppelen was aan bepaalde zaken," vertelt medeoprichter Satyen Sangani over zijn jaren bij Oracle als vicepresident Analytical Applications. In 2012 verliet hij het bedrijf om daar een antwoord op te bouwen.
...

"We verkochten software voor 20 miljoen dollar, maar klanten wisten vaak niet wat hun data betekende of hoe het te koppelen was aan bepaalde zaken," vertelt medeoprichter Satyen Sangani over zijn jaren bij Oracle als vicepresident Analytical Applications. In 2012 verliet hij het bedrijf om daar een antwoord op te bouwen. Vandaag telt zijn bedrijf 550 mensen en haalde hij al 200 miljoen dollar op bij investeerders, waarvan de laatste kapitaalronde (series D) goed was voor 110 miljoen dollar en een waardering van 1,2 miljard dollar. Onder meer Pepsico, GoDaddy, Cisco, LinkedIn en Ingram zijn klant. Sangani wijst op de evolutie in het landschap. Vroeger kostte het veel tijd en geld om inzicht uit je eigen data te krijgen. Dergelijke rapporten werden besteld en gemaakt bij de IT-afdeling. Vandaag genereren bedrijven veel meer data en is de prijs om inzichten bloot te leggen gezakt naar een paar duizend dollar. "Tegelijk is er de shift naar de cloud, waardoor je ook moet weten welke data je waar moet zetten, want iets eeuwig op Amazon bewaren dat je nauwelijks gebruikt is best duur," zegt Sangani. Het einddoel is alle data inventariseren op een manier die nuttig blijft voor gebruikers. De CEO heeft een eindcijfer nodig, een analist eerder de ruwe data. Tegelijk wil Alation ook dat werknemers sneller naar data grijpen om hun beslissingen te nemen, maar dat gaat gepaard met toegankelijkheid. "Je data kunnen misschien goed zijn, maar er ontbreekt context, of ze zitten niet in het juiste systeem. Het nut van een data catalog is dat je alle data in je organisatie leert kennen zodat er kruisbestuiving ontstaat." Als voorbeeld daarvan zegt Sangani dat Alation aangeeft welke mensen los van elkaar met dezelfde dataset werken, wat er voor kan zorgen dat ze gaan samenwerken. Ook kan u van bepaalde data weten wie er eerdere ervaring mee heeft, waardoor anderen met vragen meteen naar de juiste persoon kunnen stappen. Volstaat het dan om al uw data in Alation te stoppen? Neen. "Wanneer een bedrijf één dataset klaar heeft, zijn er soms al vijftig nieuwe datasets beschikbaar, dus je moet wel AI en machine learning inzetten, "vertelt Sangani. "Een van onze klanten produceert twee petabyte aan data per dag." Dat illustreert volgens hem de nood om data automatisch te catalogeren en te taggen, al is het maar omdat niet al die data even belangrijk of beschikbaar moeten zijn. Maar het kan ook helpen om vlotter in regel te zijn met bijvoorbeeld de GDPR. Alation benadrukt dat hun catalogus, die intussen ook evolueert naar een platform om alle data virtueel bij elkaar te brengen, ook voor werkgevers een incentive is om meer met die gegevens te doen. "We analyseren queries en logs en weten 'die persoon is daar veel mee bezig en is dus geschikt om een vraag aan te stellen'. Dat geeft ook erkenning voor wie veel met data werkt. Vroeger gebeurde veel van dat werk via interne wiki's of per mail, nu worden die mensen erkend." Maar gaat iedereen spontaan meer data gebruiken omwille van een nieuwe tool? "Het blijft een cultuur die je moet opbouwen en daar is geen perfecte oplossing rond, want je werkt met mensen. Maar we zien dat onze teams op drie maanden tijd een eerste use case opleveren en de bedoeling is dat bedrijven nadien zelf hun use cases kunnen maken,"vertelt Steve Neat, hoofd van de EMEA-activiteiten bij Alation. In Europa heeft het bedrijf momenteel 52 klanten, hoofdzakelijk in Noord-Europa.