大數據在硅谷炙手可熱，拿融資自然也不再話下，拿到千萬級美元融資的也有不少，不久前大數據分析云服務GoodData就獲得了Intel Capital領投的2750萬美元。據華爾街日報消息，機器學習平臺 GraphLab 剛剛改名Dato，并獲得了 1850 萬美元新融資，投資方為 Vulcan Capital 、Opus Capital 、New Enterprise Associates、Madrona Venture Group。此前他們曾獲得680萬美元融資。

GraphLab 提供了一個完整的平臺，讓客戶能夠使用可擴展的機器學習系統進行大數據分析。簡單來說，就是從別的應用程序或者服務中抓取數據，讓機器學習這個模型，并將學到的知識作為基礎，自動地進行準確的預測和決策制定。這么講挺抽象，我們還是具體舉幾個例子吧。可能最好理解的就是民主國家政府的民意調查，可以通過社交網絡、媒體等提取數據，分析出民眾到底在關心什么，分析出哪些區域的哪些問題必須關注、解決。其實，生物醫學研究團隊也會使用 GraphLab，主要是來分析臨床記錄，從而預測病人的病情發展趨勢。零售業可以做價格預測、用戶推薦；金融服務業可以做詐騙預警；市場公司則可以通過情緒分析鎖定關鍵客戶。現在 GraphLab 的客戶已經包括 Zillow、Adobe、Zynga、Pandora 等。

那為什么是 GraphLab（現在應該叫 Dato 了）會獲得這么多客戶的青睞呢？ 其實，將原始數據轉化為決策依據，并作出預測，這個過程還是很復雜的。往往需要大量的數據處理工具，收集、清洗數據，再建模分析，得出結論，進行展示；還需要大量的數據科學家或同樣知識淵博的軟件工程師來配合完成。既耗時費力，還投入不菲。所以 GraphLab 這樣的平臺，可以讓毫無編程經驗的數據科學家，快速地將理念轉化為生產環境可以使用的產品，提高企業的生產效率，自然受歡迎。值得一提的是，Dato 現在能處理各種數據類型。

GraphLab 的創始人 Carlos Guestrin 是機器學習界國際公認的大牛，曾被 Popular Science 雜志評為 2008 年 “Brilliant 10”，還獲得過美國青年科學家總統獎。2008 年在卡耐基梅隆大學帶著兩個學生研發了 GraphLab 的原型，2012 年被 Jeff Bezos 游說去了華盛頓大學。在 Madrona Ventures 和 NEA 的資金支持下，2014 年 3 月創辦了 GraphLab，并以測試版的形式推出了第一個商業版。2013 年 10 月，增加了機器學習功能，推出了新版本。現在的 GraphLab 已經不僅僅是圖譜分析了，更是一家基于 AI 的大數據公司，能夠處理各種數據類型，所以公司也改名叫 Dato 了。

我司在美帝的妹子小蘇曾寫過文章，詳細的介紹了硅谷的大數據行業發展。在美國現在的大數據公司主要有四類：

數據的擁有者、數據源：特點是業務優勢能收集到大量數據，就像煤老板壟斷一個地區的礦一樣。其實大多數有能力產生或收集數據的公司都屬于這類型，比如Vantage Sports和收集了PB級數據的包子鋪。

大數據咨詢：特點是非常技術，提供從基礎設施規劃建設維護到軟件開發和數據分析等的服務，但不擁有數據，比如Cloudera這家不到500人的startup是最著名的Hadoop架構咨詢公司。

做大數據工具的：比如AMPLab出來的Databricks和Yahoo人主導的Hortonworks。

整合應用型：特點是收集擁有或購買一些數據，然后結合AI來解決更多實際的痛點。

像 Dato 這種做整合應用型的大數據公司才有可能有希望。未來是 AI 的，而 AI 的食物是數據。就像很多產業鏈一樣，最困難且最有價值的創新往往發生在接近最終用戶的那端，比如 iPhone。大數據行業最有價值的部分在于如何利用機器去處理數據得到洞見，影響組織和個人的行為，從而改變世界。收集和整理數據在未來會變得標準化和自動化，而利用 AI 進行分析的能力會變得更為關鍵。