המהפכה של SQream: ניתוח מהיר וחסר תקדים של פטה בייטים של מידע

"המשימה שלנו היא לאפשר לארגונים גישה למשאב היקר ביותר שלהן: המאסיב דאטה. אומר עמי גל, המנכ"ל של חברת SQream הישראלית ואחד ממייסדיה. "כיום, כולם כבר יודעים שחברות כמו גוגל ופייסבוק זוכות להצלחה אדירה, כי הן עושות מוניטיזציה לכמויות דאטה עצומות: יש להן המון המון מידע, והן יודעות איך להשתמש בו. באמצעות הטכנולוגיה של SQream חברות רבות שברשותן כמויות דאטה גדולות יכולות להנות גם כן מיתרון זה.  

"UBER היא דוגמה לחברה שהגדירה מחדש את תחום התחבורה: אין לה כלל מוניות משלה, אבל היא יודעת להשתמש בכמויות עתק של דאטה. את התופעה הזו רואים כיום בכל תחום פעילות אנושי, למשל, באירוח ומלונאות, עם Airbnb; בקמעונאות, עם אמזון ועליבאבא, ועוד. השימוש בהפקת תובנות מכמויות אדירות של מידע הולך ומתפשט, ונהפך לכורח בסיסי לכל מי שרוצה להבטיח יתרון תחרותי.

יותר מ-50 משרות פנויות

"העולם עובר מכמות של טרה בייטים של מידע, לכמויות שנמדדות בפטה בייטים ואף יותר", אומר גל. "כמויות המידע העצומות הללו מאפשרות להגיע לתובנות מדויקות - אם יודעים כיצד לגשת למידע ולעבד אותו, בלוחות זמנים קריטיים לארגון. אנו מודדים זאת ב-Total Time to Insight. המידע כיום לא נאסף רק בדאטה סנטר של החברה, אלא גם בענן, ואף בEDGE, קרוב לחיישנים ולציוד מגוון כמו מזל"טים לדוג'. הפלטפורמה שלנו היא "טרי-ברידית" ומאפשרת לארגונים לגשת לכל הדאטה, לא משנה מהיכן הוא מגיע ולאן הוא נאסף".

110 עובדי החברה ("בדיוק היום הגיע העובד ה-110, ובשבוע הבא כבר נהיה 120", אומר גל) פזורים בכל רחבי הגלובוס - בין מטה המחקר והפיתוח בישראל, לבין משרדים בארה"ב, אירופה ואסיה. "הצמיחה שלנו מהירה מאוד - יש לנו יותר מ-50 משרות פנויות שאנחנו רוצים לאייש, ובכל ישיבת הנהלה נוצרות אצלנו עוד משרות. עד סוף השנה, אנחנו רוצים להכפיל את מספר העובדים".

עובדי SQream רגילים לפעול מול החברות הגדולות בעולם, בתחומים מגוונים כמו טלקום, פיננסים, מחקר, מוליכים למחצה ועוד. "זו ליגה חדשה מבחינת היקפי הדאטה, ואלינו מגיעים כדי לפתור בעיות שאף חברה אחרת לא מצליחה לפתור כמו שצריך", מסביר גל.

לחקור שאלות סבוכות על כמויות נתונים גדולות

כהדגמה ליכולות של SQream, מזכיר גל את תחום הטלקום. "במשך שנים, חברות הטלקום התרגלו לשמש צינור, ולקבל תשלום לפי כמות התקשורת שעוברת דרכן. בעשור האחרון, הן מנסות להגדיל את היכולת שלהן לעשות עסקים תוך שימוש בתעבורה שלהן, ומשפרות את איכות הרשת, כדי שניתן יהיה להזרים בה עוד ועוד נתונים. יש להן הרבה מאוד דאטה, ואחרי שהוא עובר אנונימיזציה, אפשר להשתמש בו למטרות מגוונות מאוד. 

"כך למשל, כשרצו להבין איך הקוביד-19 מתפשט, לדוגמה, בתחבורה הציבורית, ניתן היה להיעזר במידע של חברות הטלקום, שכולל לא רק היקף אדיר של נתונים אלא גם את האינטראקציות ביניהם, מה שמגדיל את כמות המידע פי כמה וכמה ומסבך מאוד את הניתוח שלו. טכנולוגיה כמו זו של SQream מאפשרת לחקור שאלות סבוכות על כמויות נתונים גדולות שמשתנות כל הזמן, גם כשמדובר בערים בסדר גודל גדול מאוד. יש כאן התפתחות ניכרת בשירותים שחברות הטלקום יכולות לספק ללקוחות, הודות ליכולת שלהן לנתח את הדאטה שעובר בצינורות שלהן".

תחום נוסף שמזכיר גל הוא של ה-Automotive. "הטכנולוגיה שלנו מאפשרת לספק שירותים, חיבוריות, דיווחים, התראות ואפילו מניעת תאונות, באמצעות גזירת תובנות  מיידיות מכמויות עצומות של דאטה".

גם תחום הרפואה יוצא נשכר מהיכולת לנתח במהירות הררי מידע. "אלגוריתמים מורכבים מאוד, שמתחקרים מידע על כמויות גדולות של נתוני רפואה היסטוריים, מאפשרים לפתח תרופות מהר יותר, ולספק טיפולים איכותיים עם סיכויי הצלחה גבוהים יותר, ליותר חולים", אומר גל. 

"ניקח למשל את המלחמה בסרטן. עד לא מזמן, היכולת להשוות דגימות דנ"א של גידולים סרטניים ממטופלים שעברו טיפולים דומים, כדי להבין איזה טיפול הכי מתאים לגידול ולאדם ספציפי, היתה מוגבלת - וזה גם תהליך שדרש זמן ארוך. כיום, טכנולוגיה כמו זו של SQream מאפשרת לאלגוריתם לרוץ על 2,000 דגימות דנ"א עם אנומליות דומות ומידע על מיליון מטופלים. על ידי צמצום זמן ניתוח הנתונים הרפואיים מימים לשעות ואפילו לדקות, הטכנלוגיה שלנו מאיצה את התהליך של דיאגנוסיטיקה, מחקר וטיפולים מתאימים.

"בנוסף, כיום אפשר להשתמש בעוד מקורות רבים של מידע - למשל, שעונים חכמים שיכולים להעביר נתונים על דופק ומדדים שונים בדם, לאחר שעברו אנונימיזציה. ניתוח שלל מקורות המידע הזה, בכמויות ענק, עוזר לקבל תובנות איכותיות הרבה יותר – בפרק זמן של שעתיים. התוצאה היא פרופיל טיפול מיטבי למקרה הסרטן הספציפי שלפנינו, מה שמאפשר ליותר חולים להבריא". 

ליבות חישוב של כרטיסים גרפיים

הטכנולוגיה של SQream  נולדה בישראל, והיא מבוססת על שימוש בכרטיסים גרפיים. "לכרטיסי GPU יש ליבות חישוב רבות, שמיועדות למשחקים, עיבוד תמונות ווידאו וכן הלאה", מסביר גל. "על כרטיס GPU אחד יש יותר מ-5,000 ליבות חישוב - בעוד שעל CPU יש לכל היותר כמה עשרות. מצאנו דרך להשתמש ביכולות הפנומנליות של הכרטיסים הללו כדי לבצע ניתוח מהיר ויעיל עד כדי חסר תקדים של כמויות אדירות של מאסיב דאטה, מה שמאפשר לנו להעניק יתרון תחרותי ללקוחותינו".

רוב הלקוחות שמגיעים ל-SQream, מתאר גל, "באים כדי להצליח לעשות מה שהם לא הצליחו לפני כן. העובדים שלנו מציינים שזה אחד הדברים שהם הכי אוהבים בעבודה - לעבוד עם החברות הגדולות ביותר בעולם, ולעזור להן לפתור את האתגרים הקשים והמורכבים ביותר בתחומי הדאטה ומדעי המחשב".

לפרטים נוספים: www.sqream.com