Seit der großen Übernahme von Attunity im Mai 2019 hat Qlik sein Portfolio durch die Akquisition der komplementären Softwarelösungen Knarr (Collaboration), RoxAI (Alerting), Blendr.io (PaaS), Nodegraph (Lineage) und jetzt Big Squid erweitert. Qlik verfolgt offensichtlich eine Akquisitionsstrategie, indem es Technologie von kleinen innovativen Anbietern kauft und diese Technologie in seine eigene Plattform integriert.
Wie bei den anderen Akquisitionen erwarten wir, dass das Produkt vollständig in das Qlik Produktangebot integriert wird und ein End-to-End-SaaS-Angebot von der Datenaufbereitung über die Modellierung bis hin zu Analyse, KI und Alerting entsteht.
Big Squid ist eines der vielen attraktiven Startups im Segment Auto ML, einer aufkommenden Softwaregattung zur Automatisierung manueller und sich wiederholender Machine Learning Aufgaben. Sie verspricht daher eine erhebliche Beschleunigung von Machine-Learning-Projekten, während gleichzeitig die Notwendigkeit von spezialisierten Data-Scientist-Fähigkeiten innerhalb dieser ML-Projekte reduziert wird.
Der AutoML-Markt teilt sich in drei Gruppen auf: OpenSource-Bibliotheken, Startups und Tech-Giganten.
- Wie bei allem, was mit ML zu tun hat, ist der Open-Source-Markt auch hier ein starker Akteur. Wie bei Open-Source-Bibliotheken nicht anders zu erwarten, richten sie sich in der Regel an Spezialist:innen und erfordern tiefgreifendes Python- und R-Entwicklungs-Know-how. Beispiele: Auto-sklearn, Auto-Keras, Caret
- Die großen Tech-Giganten spielen auch in der AutoML-Arena eine beachtliche Rolle. Vor allem Google war einer der ersten Tech-Giganten, der Lösungen in diesem Bereich angeboten hat. Mittlerweile haben alle HyperScaler hier ein Angebot.
- Drittens gibt es die Startups, die mit viel Venturekapital ausgestattet sind, um Marktanteile in diesem Bereich zu erobern. DataRobot und H2O.ai sind einige gute Beispiele für bereits etablierte Startups, die im Bereich AutoML eine beachtliche Rolle spielen. Die meisten Startups versuchen das Versprechen einlösen, mit Tools basierend auf einer einfachen Benutzeroberfläche nicht-technische Nutzer:innen anzusprechen und an ML heranzuführen. Viele Tools bieten auch Visualisierungen an, um ihre Erkenntnisse aus dem resultierenden ML-Modell zu erklären (explainable AI). Hier sind Startups wie Big Squid besonders interessant, die wirklich darauf abzielen, nicht-technischen Nutzer:innen AutoML ohne Programmierkenntnisse zugänglich zu machen.
Wie bei einigen der anderen Akquisitionen hat sich Qlik also für einen Anbieter entschieden, der sich eher an Endanwender:innen als an Technikexpert:innen richtet, und damit das gesamte Portfolio auf den eher nicht-technischen Anwender ausgerichtet. Wie bei den anderen Akquisitionen erwarten wir, dass Qlik das Frontend schrittweise integriert, um ein einheitliches Nutzererlebnis zu bieten.
Kombiniert mit den traditionellen Kernstärken der Qlik-Plattform wie Datenbank-Performance, Skalierbarkeit und Kundenzufriedenheit sehen wir Qlik als endanwenderorientiertes Komplettangebot für Data & Analytics positioniert.
Generell wird die Verfügbarkeit von einfach zu bedienenden Auto ML-Lösungen in den großen BI- und Reporting-Plattformen die Marktakzeptanz von Machine Learning beschleunigen und die Zahl der Anwender:innen erhöhen. Die Verfügbarkeit dieser Technologie in bestehenden Plattformen mit einer breiten Nutzerbasis wie Qlik wird vielen Anwender:innen den ersten Anstoß geben, sich mit ihr zu beschäftigen.
