近日，DataPipeline宣布完成A+轮数千万元人民币融资，经纬创投继续加码。本轮融资由BV百度风投领投，清流资本跟投。

自2017年12月投资DataPipeline A轮后，经纬创投持续加码至今。经纬创投合伙人熊飞表示，“我们非常看好数据时代下，一流产品创业公司的商业机会。DataPipeline有着一流技术背景，以及一流的客户口碑，获得了星巴克、金风科技等相当多零售、能源等行业的标杆客户，客户数和收入都在高速健康成长，我们非常看好公司的前景。”

DataPipeline创始人陈诚表示，“本轮融资将用于加速提升数据融合平台的硬实力，持续优化提升行业客户服务的软实力，进一步加强产品、研发和营销团队，完善客户拓展和客户成功体系。”

DataPipeline成立于2016年3月，专注为客户提供一站式数据与应用集成平台和方案。其核心团队分别来自谷歌、Yelp、亚马逊、IBM、甲骨文、中科院等国内外知名企业，借助数十年大数据开发和项目经验，帮助客户更敏捷、高效地实现复杂异构数据源到目的地实时数据融合和数据管理，从而支撑客户通过数据分析更精准地驱动商业决策和业务决策。

目前，DataPipeline已经成功服务了星巴克、金风科技、龙湖地产、财通证券、叮当快药等大型企业客户，且行业涉及零售、制造、金融、能源、互联网等。同时，DataPipeline已与数十家产业上下游合作伙伴建立了战略合作关系。

随着大数据时代的到来，企业不仅仅在数据存储量上发生了变化，同时对于数据及时性要求也越来越高。传统的数据集成模式渐渐不能满足企业快速决策以及各种实时查询、实时计算的需求，传统数据集成工具的时效性瓶颈越发明显。

区别于传统数据集成方案，DataPipeline从创立之初就在产品架构、方案设计及操作体验等方面进行了充分的调研和创新，产品和方案都更契合当前中国企业客户的需求。

一、数据量庞大

企业逐年暴涨的大数据量对传统集成系统提出了严峻挑战，传统ETL工具的高并发性能测试往往不达标或扩展性不足，先天不支持分布式架构，无法提供实时和批处理选择。

DataPipeline采用分布式的底层框架体系，产品可扩展性方面比较灵活，可以根据资源的性能消耗情况，灵活地增量水平节点，超出传统ETL工具几个量级的高并发数和可扩展性。同时可以支持客户每天平稳并行传输数千张表、数百GB增量数据，累计传输数据超过数十TB。

二、数据实时性

实时的数据供应链是数据驱动企业的命脉，随着企业异构数据源和目的地种类的日益增多，采用传统ETL工具或自己编写脚本复杂度和维护成本都非常高。

DataPipeline可以支持多种异构数据源和目的地的自动化数据交换，目前已经支持20多个主流数据源和目的地。通过解析数据库的复制日志去捕获数据与数据定义的变化，让数据同步任务能够做到实时自适应。

三、数据质量管理

采用传统集成方案，往往在完成数据同步后，企业客户却无法及时地管控数据质量，缺少数据质量预警及相应的补救措施。

DataPipeline数据质量平台整合了数据质量分析、质量校验、质量监控等多方面特性，以保证数据质量的完整性、一致性、准确性及唯一性。

四、高效敏捷易用

当前，传统集成方案在ETL中固化的转换不是优势反而成为一种束缚，难以满足当前企业在业务和数据应用方面瞬息万变的需求。

DataPipeline通过提供批流一体的数据集成、数据质量管理、API数据接入、元数据管理、任务调度以及可视化运维与监控等服务，在减少数据集成、融合开发和运维成本的同时，提高了开发及运维的效率。目前，DataPipeline采用可视化配置界面，无需任何代码5分钟即可创建数据同步任务。

五、部署及收费模式

在部署模式上，DataPipeline支持混合云、跨云、私有化等多种模式。为了让私有化部署成本更低、效率更高，DataPipeline采用当前先进的容器技术。为了提升非私有环境的安全性，DataPipeline对混合云、跨云的部署模式进行加密。在收费模式上，DataPipeline按照客户系统所占用的服务器收取年费。

DataPipeline创始人陈诚表示，“如果我们把数据想象成商品，DataPipeline想通过构建一个智能化无人商店，让客户可以按照自身需求自由选择所需商品。在这个行业里有一句话叫‘Garbage in, garbage out’，如果传递的数据是垃圾，那么产生的数据价值也是垃圾。DataPipeline一直致力于保障数据质量、来源都是可供、可追溯的。 ”