實時數據分析基礎設施平臺Timeplus今天宣布完成種子輪融資，高瓴創投（GL_Ventures）領投。
其他共同投資者和專家顧問包括 GIC TMT 投資主管 Jeremy Kranz；前蘋果高級副總裁 Rory Sexton（他在過去 20 年負責打造蘋果的全球供應鏈能力）；以及全球頂尖實時流式數據庫領域專家Richard Tibbetts；現Tableau產品副總裁; BMC 高級副總裁、數字服務和運營管理總經理；Splunk 前副總裁 Margaret Lee。
如此早期的一個項目，高瓴看重的是什么？
據高瓴創投合伙人李強表示，一方面是企業對于新一代數據分析平臺的剛需：“全球數據增長進入持續爆發階段，未來3年的增長總量將是過去30年的總和，其中又以流數據占比最高——達到了增長中的30%以上，而現有基礎設施難以應對這一數據快速增長下的需求。”
另一方面，便是與大方向資質匹配的、牛人團隊：
比如Timeplus創始團隊擁有超過15年的全球頂尖軟件行業實戰背景——團隊來自Splunk、SAP和Amazon幾個最頭部的數據平臺公司。CEO王亭是Splunk前全球工程副總裁，早前還曾在SAP BusinessObjects擔任產品工程全球副總裁，負責全球頭部的BI平臺主打產品線Crystal Reports和Dashboards的產品和研發，主導了SAP新一代分析可視化平臺軟件。
這樣一個團隊，“他們基于多年工程實踐和技術創新、打造出的云原生流數據分析平臺，能夠幫助企業實現更高的業務敏捷性。我們看好Timeplus有機會成為新一代數據分析基礎設施，這也是我們為何從種子輪開始支持Timeplus的原因。相信在創始人王亭帶領下，Timeplus將以頂尖技術、為更多行業和企業提供持續創新的數據服務能力。” 李強說。
投早、投小、投牛人
今年是高瓴將VC品牌——高瓴創投獨立運行的第三年。一個顯著的趨勢是，高瓴往VC走，高瓴創投更是在往早期、乃至首輪投資人走。
從公開數據看，高瓴創投2022年上半年披露了80多個項目，其中A輪前（包括A輪）有35個，占比超過40%。
其中種子輪、天使輪則達到了13個，除了今天的Timeplus，還有星銳醫藥、合生科技、鴻鈞微電子、云驥智行、華深智藥等。
如果把時間線拉得更長的話，這份名單還包括云原生數據服務商Datafuse.lab，邊緣云計算平臺秒如科技、AI驅動創意的水母智能、動作物理引擎公司的Motphys等。
包括今天已接近百億美金估值的地平線，高瓴也是在其天使輪就進入，然后持續投了其A、A+、B直到目前的C輪。
去年年底，張磊在中國合成生物學學術年會上曾表示，從方向上看，投新、投硬、投科技，從階段上說，投早、投小、投牛人，“是高瓴創投鮮明的投資主題”。
對照高瓴投的這些早期公司來看，牛人團隊+硬科技方向，似乎成了其出手天使以及種子輪項目時一個明顯的標配。
除了Timeplus創始人王亭這樣的“大廠牛人”，另一種高瓴很喜歡的是“科技牛人”。比如合生科技創始人，武漢大學教授劉天罡，他的團隊最近剛剛在Nature上發表了關于“揭曉新型三萜天然產物合成機制、搭建萜類化合物深度挖掘路徑”的重磅研究。
還有一種——如紅西瓜半導體、云驥智行，創始人分別為地平線的余凱和壁仞科技的張文。“已投牛人的二次創業”，顯然也是高瓴出手早期的偏好之一。
實時數據分析帶來巨大商業價值
IDC預測到2025年”Global Datasphere”將從2022年的64.2ZB增長到181ZB(CAGR 23%), 實時數據將達到30%的驚人占比。Gartner預測在2022年超過50%的企業業務場景亟須實時數據分析來提升業務決策的即時性和效率。
什么意思？在數字化轉型已成為不可逆轉的全球趨勢的今天，善于通過對數據的融合、分析、洞察來推動企業決策和快速響應，實現運營自動化是成為領先企業的制勝之道。
同時，當今企業身處的經濟環境和競爭格局錯綜復雜，客戶需求瞬息萬變，面對這樣一個VUCA(Volatile,Uncertain,Complex,Ambiguous)的世界，時間與速度成為企業應對變化的最重要的變量。
比如，博世汽車將IIOT與大數據相結合，通過傳感器實時采集生產系統數據，對生產過程及關鍵要素進行全領域實時監控，幫助生產團隊分析產能效率及瓶頸，提供產線可靠性評估及產線設備維護排期建議，提升博世生產總體產出效率約十個百分點，大大提升了產量和客戶滿意度。
那么，如何在一定時效前提下更好、更快、更廣泛地使用實時數據來驅動實時業務的需求不斷提升，以時間為基礎的流式數據和相應應用的增長也迎來了爆發，專注于構建強大持續實時數據分析基礎架構的Timeplus應運而生。
盡管實時數據分析能夠為企業和組織帶來巨大的收益，但限于目前其底層的數據基礎架構仍然大多基于服務于海量歷史數據分析而非專門為持續實時數據分析的技術棧，大多數企業在建立實時數據分析技術能力的過程中一籌莫展，真正建立起有效的持續實時分析的成功案例仍然比例較低。
我們甚至觀察到盡管很多企業和組織在數據能力建設方面投入巨大但其持續增長的數據量及業務需求與其數據分析能力之間的缺口仍然在逐漸擴大，其中主要的一個原因就在于能夠高效對接應用的底層實時數據分析技術棧和平臺的缺失。
“實時、強大、簡單”則是Timeplus的重要產品理念之一，Timeplus力求為用戶提供下一代實時流式數據分析基礎架構技術及平臺以解決當前用戶在建立“延遲敏感”的實時業務分析能力過程中遇到的種種技術挑戰。
為向用戶提供強大的實時分析能力從而賦能用戶實現最短“從數據到洞見到價值”時間，實現延遲最小化，“Timeplus采用了“流式優先”的技術架構理念對針對數據的寫入、計算、交互全過程技術棧進行了全面重新優化設計。Timeplus核心功能之一的實時動態數據格式識別為實時數據的采集、計算、分析及交互提供了巨大的靈活性。
