美国加州数据质量工程平台：Bigeye (Toro Data Labs)

Toro Data Labs, Inc.，商号Bigeye，创立于2019年，总部位于美国加州旧金山，Bigeye 是一个数据质量工程平台，可帮助数据团队轻松测量、改进和交流数据质量。

Bigeye (Toro Data Labs) 美股百科

Bigeye 的创始人 Kyle Kirwan 和 Egor Gryaznov 因对数据的共同热爱而相遇，他们认为如果使用得当，它会多么强大，以及可以构建什么。Egor 领导了 Uber 的第一个 SQL 训练营，Kyle 加入他的团队，他们一起为 Uber 的内部 A/B 测试工具开发数据管道——为公司的 1000 次实验报告标准化指标——其中数据质量正成为一个相当大的挑战。

2019 年，Kyle 和 Egor 创立了 Bigeye——一个由数据人为数据人设计的数据可观察性平台。 Bigeye 的平台致力于提高每个数据集和管道的可靠性。Bigeye 帮助监控公司庞大数据目录中的数据质量，他们希望将这种体验用于更广泛的受众。

Bigeye产品百科

• Autometrics：Bigeye 分析您的数据集并为每个数据集生成一组独特的健康跟踪指标。 现在，您可以在几分钟内持续监控他们的行为。Bigeye 对仓库中的每个数据集进行采样以创建数据配置文件。 Autometrics 使用每个配置文件并推荐数据质量指标以开始跟踪该数据集。
• Autothresholds：Bigeye 为跟踪数据的每个健康指标训练预测模型。 您可以获得有用的警报，而无需手动调整它们。Autothresholds 预测 Bigeye 中配置的每个数据质量指标。 根据预测确定和更新警报阈值上限和下限，无需手动调整。
• Issues：使用Issues更快地解决数据质量问题。 将多个警报整合到一个时间线中，相关问题的有价值的上下文触手可及。 随着您解决的每个问题，您的自动阈值会变得更加智能。
• Dashboard：您的数据质量指挥中心。识别数据质量热点。 缩小监控范围的差距。 量化您的团队在可靠性方面的改进。 都在一个地方。直接从您的仪表板深入研究问题，以监控正在采取哪些措施以及如何解决这些问题。
• Deltas：无论是将数据复制到您的湖中，从一个仓库迁移到另一个仓库，还是准备从暂存升级到生产，Deltas 都可以轻松比较和验证任何数据集的多个版本。比较和验证复制的数据很困难，但您不能将数据的可靠性留给机会。 Deltas 用自动比较和即时验证取代了耗时且复杂的 SQL 查询、手动电子表格匹配和一次性 Python 脚本。
• Integrations：连接多个数据源和警报通道，让每个人都能了解他们的数据可靠性。使用只读帐户连接到领先的数据源。 Bigeye 仅存储健康指标结果，从不存储原始数据。

Bigeye (Toro Data Labs) 融资百科

2020年5月，Bigeye完成Costanoa Ventures, Point72 Ventures领投的400万美元种子轮融资。

2021年4月，Bigeye完成Sequoia Capital领投的1700万美元A轮融资，Costanoa Ventures、645 Ventures、base case capital和Christopher Golda（个人）跟投。

2021年9月，Bigeye完成Coatue领投的4500万美元B轮融资，Sequoia Capital和Costanoa Ventures跟投。

Bigeye (Toro Data Labs) 美股投资

非上市公司，公司官网，等待Bigeye (Toro Data Labs)  IPO/SPAC合并上市。