جب جولی ٹریاس اور الزبتھ نامور کمپنی کی ڈیٹا ٹیم پر Airbnb میں ایک ساتھ کام کر رہے تھے، تو انہیں مختلف ذرائع میں پھیلے ہوئے ڈیٹا سے نمٹنا پڑا، اور اس بڑھتے ہوئے پھیلاؤ کی وجہ سے ڈیٹا کو محفوظ رکھنے میں چیلنجز کا سامنا کرنا پڑا۔ ڈیٹا پروٹیکشن آپشنز کی موجودہ فصل سے بانیوں کی اپنی مایوسی نے انہیں ایک کمپنی شروع کرنے اور ڈیٹا پروٹیکشن کا خودکار ٹول بنانے کی ترغیب دی۔
منگل کو، وہ آغاز، ٹیلیسکوپ، نے $5 ملین بیج کی سرمایہ کاری کا اعلان کیا۔
Trias نے TechCrunch کو بتایا کہ “ہم نے Airbnb پر ڈیٹا کو سمجھنے، محفوظ کرنے، حذف کرنے اور اسے درست کرنے میں ہماری مدد کرنے کے لیے مختلف ٹولز کا تجربہ کیا، لیکن ہمیں جو احساس ہوا وہ یہ ہے کہ ایسا کوئی ٹول نہیں تھا جو ڈویلپرز کو خود بخود ایسا کرنے میں مدد دے سکے،” Trias نے TechCrunch کو بتایا۔
اس کا مطلب یہ نہیں ہے کہ کوئی حل نہیں تھا، لیکن وہ جو موجود تھے جیسے ڈیٹا کی درجہ بندی کے ٹولز نے بہت سارے غلط مثبت پیدا کیے اور اسکیلنگ کے مسائل تھے۔ “ایسا کوئی ٹول نہیں تھا جو آپ کو پتہ لگانے سے لے کر اصل تدارک تک جانے میں مدد دے سکے، جو ڈیٹا کو دوبارہ ترتیب دے رہا ہو، ڈیٹا کو الگ کر رہا ہو، یا ڈیٹا پر کسی قسم کی کارروائی کر رہا ہو۔” ٹیلیسکوپ نے جو حل بنایا ہے وہ صارفین کو اپنے مختلف ڈیٹا ذرائع سے منسلک کرنے، متعدد ڈیٹا اسٹورز میں خودکار طریقے سے حساس ڈیٹا کی شناخت کرنے اور ضرورت پڑنے پر اسے الگ کرنے یا حذف کرنے کے قابل بناتا ہے۔
فی الحال ان کے استعمال کے کچھ مختلف معاملات ہیں: “ہم اب بنیادی طور پر ڈیٹا ٹیموں کو فروخت کر رہے ہیں، نہ صرف ایک پروڈکٹ ڈویلپر، بلکہ ڈیٹا گورننس انجینئرز، جو اپنے ڈیٹا گودام میں اپنے پورے ڈیٹا سیٹ کو صاف کرنا چاہتے ہیں، یا وہ صاف کرنا چاہتے ہیں۔ ماڈل ٹریننگ کے لیے استعمال کرنے سے پہلے ایک ڈیٹا سیٹ کریں، یا ان کے پاس متعدد ڈیٹا سیٹس ہیں، اور انہیں تعمیل کے مقاصد کے لیے کسی مخصوص صارف کا ڈیٹا حذف کرنے کی ضرورت ہے۔
حل اس بات پر انحصار کرتا ہے جسے Trias “ماڈلز کی ایک پائپ لائن” کہتا ہے، ڈیٹا کی قسم پر منحصر ہے، جس میں مختلف ماڈلز آتے ہیں۔ “لہذا مثال کے طور پر، ہم نے ایک ایسے ماڈل کو تربیت دی ہے جو قدرتی زبان میں ڈیٹا کی درجہ بندی کرنے میں واقعی اچھا ہے جیسے کہ بات چیت کی فائلوں کی قسم۔ ہم نے ایک ایسے ماڈل کو تربیت دی ہے جو سٹرکچرڈ ٹیبلر قسم کے فارمیٹس کے ساتھ واقعی اچھی طرح کام کرتا ہے۔ ہم نے ایک ماڈل کو تربیت دی ہے جو کوڈ بیس فائل یا لاگ فائل میں حساس ڈیٹا کی درجہ بندی کر سکتا ہے، “انہوں نے کہا۔
ٹریاس کا کہنا ہے کہ اس طرح کی پروڈکٹ بنانے کا پس منظر اور شجرہ نسب ہونے کے باوجود، وہ وینچر کیپیٹل کی دنیا سے اچھی طرح واقف نہیں تھے اور جب انہوں نے پہلی بار کمپنی شروع کی تھی تو اسے کیسے پیش کیا جائے — اور خواتین کی بانی ٹیموں کا سامنا کرنا پڑتا ہے۔ ایک بڑا چیلنج عام طور پر سرمایہ کاروں کے ساتھ۔ “میرے خیال میں سب سے مشکل بات یہ تھی کہ جب ہم نے پہلی بار VC کالیں کرنا شروع کیں، تو ہمیں اس کے بارے میں کوئی اندازہ نہیں تھا۔ ہمیں یہ بھی معلوم نہیں تھا کہ ڈیزائن پارٹنر کیا ہوتا ہے۔ ہم پری پروڈکٹ تھے، کسی بھی چیز سے پہلے، اور ہم تمام VC lingo کو نہیں جانتے تھے۔ اور اس لیے ہم بہت تیار نہیں تھے جب ہم نے پہلی بار VCs کے ساتھ اپنی پہلی ملاقاتیں کیں،‘‘ اس نے کہا۔
انہوں نے وقت کے ساتھ ساتھ اپنی پیشکش کو بہتر کیا، اور ان سرمایہ کاروں کو تلاش کرنے میں کامیاب رہے جنہوں نے انہیں اور ان کا وژن حاصل کیا۔ سیڈ فنڈنگ کی قیادت پرائمری وینچر پارٹنرز نے لیرر ہپیو اور پلگ اینڈ پلے وینچرز کے ساتھ ایسنس وی سی کے ساتھ کی، جس نے کمپنی کے پری سیڈ راؤنڈ کی قیادت کی۔
Source link
techcrunch.com