2022 Data50-A16z關注的世界最好的2022年的50家數據創業公司

A16z發布Data50的背景就跟我們國家大力提倡數字化轉型升級一樣的原因，就是數據使用的需求越來越強烈。大到國家、政府、大型企業小到剛剛成立的創業公司甚至夫妻老婆店，都有使用數據來幫助自己的訴求。而使用數據的主體也從決策層、數據科學家、數據分析師等逐漸擴散到更多的個體。強烈的需求促進了數據基礎設施市場的大規模的發展。在2021年數據基礎設施的市場規模占企業基礎設施市場規模的五分之一，達到了700億美金。而這個高速增長的市場也促進了數據技術領域的創新，已經上市的Snowflake和Confluent大大地改變了企業應用數據的情況，現代數據技術棧正在形成郁郁蔥蔥的數據技術生態。2021年在現代數據技術領域有超過100億美金規模的投資，這也是為什么A16z決定發布2022年的數據技術創業公司Data50。這個名單的公司的總估值規模超過了1000億美金，融資規模超過145億美金。雖然2022年有很多不確定性，但是數據驅動是一個確定性的趨勢，因此相信2022年還會有更多在這個領域的投資，而且名單里很多公司會在2022年IPO。

下面咱們就來看一下這個Data50的名單都有哪些：

• Top 1 - Top 10

位列前10名的公司大部分是非常有名的公司了，有些公司已經在我的公眾號做過詳細的介紹。

1. Databricks  - 這個公司基本上我不用做什么介紹，雖然還沒有上市，不過估值已經超過了300億美金。在國內做大數據的基本上沒有人不知道大名鼎鼎的Spark就是他們家的。先有了Spark，才有了后來的Databricks這個公司。出自名門伯克利的amplab，大數據行業的扛把子。國內眾多做湖倉一體的公司都想學習Databricks。Databricks大概率今年會上市，看看后續二級市場的表現。

2. Fivetran，這個可以看我的文章估值56億美金的獨角獸Fivetran - 重新定義數據流

3. Scale AI，這個是一個提供數據科學平臺和訓練數據的公司，2016年成立，目前總融資規模超過6億美金，公司估值超過50億美金。可以類比的是國內的類似于倍賽這樣的數據標注的公司。

4. OneTrust - 這個公司是一個做數據安全和數據治理的公司，成立于2016年。我在2018年自己做數據安全產品的時候研究過他們，沒想到現在總融資額已經超過了9億美金，估值超過50億美金

5. Dbt - 這個是我自己非常喜歡的一家公司，我們現在做的產品和dbt要解決的問題是類似的，只是面向的人群不同。數據建模以及數據整理是使用數據環節中最耗費人力的一環。Dbt從SQL工程化、模塊化、協同入手解決分析工程師的問題。關于dbt，可以看海外數據轉換工具獨角獸 - dbt labs

6. Starburst - 關于Starburst，我也專門寫過一篇文章。融資2.5億美金, 估值33.5億美金，Starburst繼續爆發。

7. Collibra - 這是一家成立于比利時的數據治理和數據集成的公司，公司成立于2008年，公司產品涉及了數據治理相關(數據目錄、數據隱私、數據血緣、數據治理、數據質量）的所有鏈條，而且目前支持云。算是歐洲非常成功的數據技術公司之一，融資規模接近6億，公司估值超過50億美金。

8. Dremio - 現在把自己定位為一家湖倉公司，提供了類似于Starburst的能跨數據湖進行SQL訪問的引擎。成立于2015年，融資規模超過4億美金，今年最新估值在20億美金左右。

9. Dataiku - 這個產品更是一個非常熟悉的產品。最早成立于法國，現在已經將主要的部分放到了美國，一個All in One的數據科學平臺。成立于2013年，融資超過6億美金，上一輪融資的投后估值在46億美金。

10. Hugging Face - 這個公司我第一次聽說，是一個開源的數據科學平臺和社區。成立于2016年，融資6000萬美金，估值在4億美金左右。

• Top 11 - Top 20
  

在11到20名的公司里我比較熟悉的是DataRobot，Firebolt, Astronomer, Alation， Sigma Computing和Monte Carlo，其余的幾個則沒有那么了解。

11. DataRobot-這家公司屬于AI領域非常知名的公司，成立于2012年。最初是提供自動機器學習模型訓練的平臺，然后通過一系列的發展并購，目前定位于提供AI云平臺的企業。總體融資規模達到10億美金，估值也已經超過了60億美金。國內做AI平臺的第四范式則基于中國國情，走了另外一條服務、硬件、咨詢、平臺的路線。

12. Primer-這也是一家AI公司，提供利用AI能力幫助客戶進行文本內容挖掘的服務，可以直觀的理解為NLP As a Service。總融資規模為1.68億美金，估值大約為5億美金。

13. Snorkel-這是一家2019年才成立的AI平臺公司，也是做數據標注的。不過相對于傳統的手工標注，Snorkel提供的是程序自動化標注平臺，這樣訓練數據標注、模型訓練、模型部署、效果反饋然后再自動標注整個反饋loop就形成了，聽起來非常的美好。現在已經融資超過1.35億美金，估值更是超過10億美金。

14. Anyscale-又是一家AI平臺公司，也是2019年成立。這個是解決AI最后一公里問題的公司。仔細看他們家的技術，才發現是做Ray這個伯克利RiseLab開源的產品商業化的公司，難怪短短兩年時間就融資超過1.6億，估值超過10億美金。畢竟伯克利這個團隊孵化出來了Databricks以及Alluxio，在AI大規模運行方面賭Ray應該有比較大概率成功。

15. Firebolt-這個是由Sisence的CTO在以色列創立的一家大數據平臺公司，主打的是在大規模數據分析場景下的性能，魔改了國內非常知名的由俄羅斯的Yandex開源的clickhouse。2019年成立，到目前已經融資超過2.6億美金，估值達到14億美金。

16. Astronomer-這個是國外最知名的流程調度開源產品Airflow商業化的公司，主要提供云上基于Airflow的調度。成立于2015年，在上周剛剛融資2.13億美金，融資總規模達到了2.83億美金，估值也超過了10億美金。希望國產的開源DolphinScheduler能趕超它，郭大俠加油！

17. Alation-一個非常熟悉的名字，在2016年就調研過它。這是個成立于2012年的做數據治理的公司，發展到今天融資接近2億美金，估值12億美金。

18. Weights&Biases-這也是一家AI平臺公司，主要面向的是AI開發者，提供一個開發者優先的MLops平臺。可以幫助機器學習開發者管理數據集、模型效果以及自動模型訓練，并且支持協作、版本等等。公司在2018年成立，總融資規模兩億美金，估值超過10億美金。

19.Sigma Computing-這是一家在云上進行BI分析的公司，利用用戶比較熟悉的spreadsheet的UI表現形式，進行多維分析以及數據可視化。公司成立于2014年，總融資規模超過3.8億美金，估值超過10億美金。

20. Monte Carlo-這是一家數據可觀測性公司，2019年成立，融資規模超過一億美金，估值接近10億美金。關于數據可觀測性，可以參看公眾號文章數據可觀測性和相關的公司

• Top 21- Top30 

21. OctoML-這也是一家解決數據科學最后一公里問題的公司，幫助做機器學習模型的部署。是Apache開源項目TVM的商業化公司。支持多云，多種機器學習框架。公司成立于2019年，已經融資超過1.3億美金，估值也接近10億美金。隨著機器學習和AI與行業結合得越來越緊密，解決數據科學工程化、部署以及運維的平臺公司也越來越多。

22. Census-這是近幾年出現的的反向ETL的公司之一，2018年成立，融資總額超過了8000萬美金，估值也逼近10億美金。相關的介紹可以看公眾號文章反向ETL(Reverse ETL)以及相關的公司

23. Hex-這家公司是主打協同和知識分享的數據科學平臺，成立于2019年，剛剛完成自己的B輪融資5200萬美金的融資，總融資規模超過7000萬，估值估計在5億美金左右。

24. Hightough-這個公司跟Census一樣，也是做反向ETL的，同樣也是成立于2018年，兩個公司屬于完全的競爭對手。總融資規模達到了5200萬美金，估值差不多5億，在文章反向ETL(Reverse ETL)以及相關的公司也有介紹。

25. Amperity-一個成立于2016年的做CDP的公司，采用AI技術進行客戶數據的集成、挖掘和管理。總融資額達到了1.87億美金，估值超過10億美金。

26. BigID-我在2017年曾經調研過的一家公司，成立于2016年。做數據隱私和數據治理的公司，融資總額超過了1.6億美金，估值超過12億美金。

27. Privacera-這個公司也是做數據安全和數據治理的公司，成立于2016年。總融資額6800萬美金，估值在5億美金左右。

28. Immuta-也是做數據安全和數據治理的公司，側重在云上數據的訪問控制。成立于2015年，我在做數據安全產品的時候也調研過他們家。現在總融資額1.69億美金，估值在5億美金左右。

29. Bigeye-這個是做數據可觀測性的公司，與Monte Carlo做的事情一樣。更多信息參看數據可觀測性和相關的公司

30. Matillion-這是在歐洲成立的一家做數據集成的公司，跟Fivetran是競爭對手，也是一家獨角獸公司。2011年成立，總融資額達到了3.1億美金，估值超過15億美金。

• Top 31 - Top 40

31. Heap - Heap Analytics做的事情跟我曾經服務過的TalkingData的統計分析平臺類似，提供的是用戶分析相關的SaaS服務。最早的無埋點技術應該就是來自于他們家。Heap成立于2013年，總融資規模超過2億美金，估值在10億美金上下。

32. Tecton-這是一家做模型特征管理平臺的公司，主要服務于數據科學團隊進行特征的管理，應該是這個領域最為頭部的公司了。公司成立于2019年，總融資規模6000萬美金，估值大約在4億美金左右。我有個師弟正在這個方向進行創業。

33. Imply - 開源數倉引擎Druid的商業化公司，是華人創業的大數據公司。曾經有幸邀請過Imply創始人楊仿金參加過活動，那時候他剛剛成立Imply。Imply在2015年創立，目前融資總額1.15億美金，估值7億美金。

34. Sisu Data - Sisu Data是一家決策智能引擎公司，可以自動分析指標相關的數據特征，從而能夠幫助決策。公司成立于2018年，總融資額1.28億美金，估值大約在6億美金左右。

35. RudderStack - 一個面向工程師的開源CDP平臺，具體可以參看給工程師的CDP - 開源CDP廠商RudderStack。

36. ActionIQ - 也是一個CDP平臺公司，成立于2014年，總融資額超過1.4億美金，估值接近10億美金。

37. Clickhouse - 國內大數據圈已經非常有名的產品了，最早是俄羅斯搜索引擎公司開源的大數據分析平臺。2021年開始成立商業公司進行商業化，兩輪融資就拿到了3億美金，目前估值已經超過20億美金。

38. Airbyte - Fivetrans的開源競爭版本，具體可以閱讀公眾號文章不讓Fivetran獨美，Airbyte新晉獨角獸

39. Rockset - 一個在云上做大數據實時分析的公司，公司團隊核心成員參與過HDFS, Rocksdb等等的開發。公司成立于2016年，總融資規模6000多萬美金，估值在4億美金左右。

40. LabelBox - 與Snorkel類似，都是做數據標注相關的平臺。公司于2017年成立，總融資額達到1.89億美金，估值10億美金。

• Top 41-Top 50

41. Explorium - 這是一個在AI領域的平臺，側重在數據增強，會根據數據科學家的需求從外部獲取并增強數據集中的數據。公司成立于2017年，融資總額超過1.25億美金，估值在7億美金左右。

42. Rasa - 是一個客戶體驗智能平臺，提供AI驅動的客戶服務助手，從而提高客戶的體驗。公司成立于2016年，融資總額為4000萬美金，估值在2億美金左右。

43. Prefect - 類似于Airflow，也是一個開源的數據流調度引擎。公司成立于2018年，總融資額7650萬美金。在云上進行數據流調度應該是個剛需，因此不會只有一家能夠生存。這個公司現在估值在3億美金左右。

44. Materialize - 這個公司也是做流式數據庫的，我專門有文章進行過介紹，參看流式數據上的SQL數據庫 - Materialize。 

45. Coiled - 這個公司主要解決的是數據科學家在本地用python受到資源、穩定性等限制的問題，在云上提供python服務，可以理解為python cloud。公司2020年才成立，融資了2600萬美金，估值大約在1億美金左右。

46. Preset - 這個是把開源的數據可視化項目Superset進行商業化的公司，提供的是云上的BI，跟47名單Metabase做的事情一樣。Superset和Metabase我在19年都做過一些調研。Preset成立于2018年，總融資額為4840萬美金，估值在2億美金左右。

47. Metabase - 開源的數據可視化項目Metabase進行商業化的公司，成立于2014年，目前總融資額5100萬美金，估值應該也是2億美金左右。

48. Iterative - 解決AI工程化管理的平臺公司，采用的是open core方式，核心開源，然后通過云端服務來商業化。成立于2018年，總融資額2540萬美金，估值在1億美金左右

49. Robust Intelligence - 是一家做AI模型壓力測試的公司，從而能夠提高模型的健壯性。公司成立于2019年，總融資額4400萬美金，估值在2億美金左右。

50. Fiddler - 這是一家做AIops的公司，監測模型運行的狀態，從而發現模型運行的問題。公司成立于2018年，融資總規模達到4500萬美金，估值2億美金左右。

在Data50里邊， A16z把產品分為了7個大類，分別是Query&Processing, AI/ML, ELT&Orchestration, Data Goverance&Security, Customer Data Analytics, BI&Notebook, Data Observerbility。7個大類的公司分布如下：

按照公司數量進行統計，如下圖：

AI/ML的公司數量最多，主要還是過去幾年AI持續火熱，另外AI也在從互聯網公司開始輻射到更多不同類型的企業，解決AI最后一公里的問題以及工程化的問題就成了必須。而數據越來越多，核心的數據基礎設施Query&Porcessing的公司也有不少，但是也在不同的細分。然后是ELT以及數據流程調度、數據治理和數據安全、客戶數據分析。這幾個分類都是在數據使用環節中，解決數據使用環節中的不同問題，都有足夠大的市場機會。數據可觀測性還處于早期，BI則因為現在企業用數據的場景在多元化，因此公司數量相對較少。

我們再來看看融資額度按照分類的占比：

數據查詢和處理占據了融資額度的半壁江山，主要原因是這個領域里幾位選手都已經是大型獨角獸了，Databricks自不用說，Dataiku、DataRobot、Clickhouse、Firebolt也都達到了幾十億美金的估值，這個領域里準上市公司是最多的公司。AI/ML領域則數量取勝占據第二位。Data Goverance&Security, ELT&Ochestration這兩個分類融資也比較接近，屬于市場還在成長期，預計未來還會有更多的公司和資金進入。

下面我們再看看國家地域的分布：

可以看到大部分的公司都集中在硅谷周邊，然后美國東部波士頓附近、歐洲也有一些公司。非常遺憾的是這里邊沒有一個中國和亞洲公司。中國本土在前年到去年因為Snowflake的原因，有很多資金投入到了Data Query和Processing領域，希望未來有公司能夠進入到世界的前列。也希望我們自己的產品在未來幾年能夠在歐美站穩腳步，并且進入到這個名單中。

接下來看看這些公司成立的時間：

我們可以看到大部分的公司都是成立于2024年之后，其中2019年成立的公司最多。AI的成熟促進了2019年大量AI/ML工程化相關的公司成立。遙想2019年我們幾個朋友私下聊天，還想AI工程化應該是個未來的機會，美國市場證明了我們的想法。而數據查詢和處理相關的公司則分布比較均勻，畢竟數據計算是核心的訴求，而公有云上做數據處理必然是一直存在的趨勢。ELT&Orchestration最近幾年也有不少公司成立，核心還是在云上數據建模、清洗和數據流調度正在成為剛需。

再看看按年的投資情況：

從這張圖可以看到，從2019年，數據領域的投資開始增加，然后2020年基本維持在2019年的水準，然后2021年投資額相對2020年基本上翻了3倍多，2022年剛剛一個季度，投資額就已經接近2020年的全年的水準了。這里雖然有美國放水資金充裕的原因，另外一個重要的原因是投資商都認可未來10年是真正的數據的10年，通過過去這些年的數據使用的探索，社會的方方面面未來都是數據驅動的，而支撐數據驅動的必然是這些科技公司的產品。

看完了這個榜單，還是有些羨慕美國的生態的。由于自己也在從事數據工具方面的創業，最近半年多一直也在關注美國的現代數據技術棧。現在A16z做的這個總結很全面，從這些公司看，在數據技術領域，美國這些創業公司跟在垂直業務領域的SaaS公司走的路線很接近，都是找一個問題點，去解決過去解決不好的問題。由于周邊生態完備，大家都很容易跟周邊生態一起結合，然后去服務客戶。這些公司無論大小，只要能解決問題解決得好，就會有客戶買單。這樣，所有的公司都不需要把自己做成大而全的公司，很多公司現在的規模都不到100人，甚至不到50人，但是公司已經進入快速發展到快車道。從退出通道來講，海外正是因為有生態，這些公司退出通道也更多元，IPO，被收購等等。當然，最近接觸了一些同樣在創業的創業者，大家現在心態上也更務實了，越來越多的創業者都更重視產品，重視最終用戶。相信對用戶有價值的產品，最終能夠在市場上證明自己。