Fabiana Clemente, YDatan perustaja ja Chief Data Officer – Haastattelusarja

Fabiana Clemente on YDatan perustaja ja Chief Data Officer. YData on tekoälystart-up, joka on luonut ensimmäisen datakeskeisen kehitysratkaisun, joka yhdistää datahavainnon, parantamisen ja skaalauksen yhdessä alustassa.

Mikä alun perin veti sinut tekolyyn ja koneoppimiseen?

Taustani on sovelletussa matematiikassa, jossa minulla oli mahdollisuus oppia ja ymmärtää, miten voimme poimia tietoa datasta sekä tehdä sitä hyödyntäen koodia. Tuolloin se ei ollut yhtä “seksikästä” kuin koneoppiminen, mutta se oli ehdottomasti se, mikä sytytti intohimon alaa kohtaan.

Voitko jakaa Ydatan syntytarinan?

Datatieteilijänä, joka on työskennellyt sekä start-upissa että suurissa yrityksissä, minulla on ollut omat haasteeni – toisinaan pääsy dataan estettiin turvallisuuden tai yksityisyyden vuoksi, toisinaan pääsy oli helppoa, mutta datan laatu ei ollut edes lähellä sitä, mitä tarvittiin tekolyratkaisujen luomiseen. Tietäen, että nämä haasteet ovat hyvin yleisiä useimmissa organisaatioissa, inspiroi meitä perustamaan yhtiön tavoitteena auttaa näitä tiimejä voittamaan nämä esteet ja nopeuttamaan heidän tekolykehitystään parannetulla datalla.

Voitko kuvata yleisölle, mitä synteettinen data on?

Synteettinen data on mitä tahansa dataa, jota ei ole luotu todellisessa maailmassa, eli mitä tahansa dataa, joka on luotu keinotekoisesti. On olemassa menetelmiä, jotka mahdollistavat synteettisen datan luomisen – sääntöpohjaisista strategioista aina kone- ja syvän oppimismallien käyttöön “sääntöjen” oppimiseen. YData on omaksunut ja erikoistunut syväoppimismenetelmään perustuvaan synteettisen datan luomiseen, joka säilyttää todellisten maailman tapahtumien käyttäytymisen ilman yksityisyyden huolia.

Mikä tekee synteettisestä datasta niin tärkeän?

Miten enemmän organisaatiot ymmärtävät datan merkityksen liiketoiminnan vauhdittamiseksi, sitä enemmän synteettisen datan merkitys ja rooli ymmärretään. Todellisen datan kerääminen ei ole ainoastaan aikaa vievää ja kallista, vaan toisinaan myös mahdotonta. Tekolysovellusten luomiseksi data on pakollinen vaatimus – tässä synteettinen data tulee avuksi. Mahdollisuus luoda näkymättömiä skenaarioita tai yksinkertaisesti avata pääsy dataan on avain kehittyä maailmassa, jossa edelläkävijät, kuten Andrew Ng, sanovat, että datakeskeiseksi tuleminen on avain onnistuneeseen tekolysovelluksen omaksumiseen.

Itseohjautuvissa autoissa tai muissa koneautomatisoinnin toimissa voidaan jo havaita synteettisen datan merkitys, joten olisi luonnollista, että tämä ymmärrys leviää kaikkiin toimialoihin.

Miten YData luo synteettistä dataa?

YData hyödyntää pääasiassa syväoppimismalleja oppiakseen alkuperäisen datan tilastolliset ominaisuudet ja muuttujien väliset korrelaatiot. Tämä mahdollistaa mallin luomisen tilastollisesti merkittävän datojoukon, jolla on sama liiketoimintarajuus kuin alkuperäisellä datalla, ilman että alkuperäisiin tietueisiin voidaan jäljittää.

YData on edelläkävijä tämän teknologian kehittämisessä ja on Synthetic Data Communityn takana – ryhmä datatieteilijöistä, jotka ovat sitoutuneita evankeliointiin ja auttavat kaikkia, jotka haluavat oppia ja käyttää tätä teknologiaa.

Miten YDatan alusta auttaa löytämään ja avaamaan uusia datalähteitä?

YDatan alusta sisältää sisäänrakennetut liitännäiset mihin tahansa tietokantaan, data-warehouseen tai datajärveen, mikä mahdollistaa käyttäjien helpon pääsyn relevanttiin metadataan ja ymmärtämään, onko olemassa oleva data hyödyllistä vastaamaan liiketoimintakysymyksiin ilman, että todellisiin tietueisiin tarvitsee edes katsoa.

Voitko jakaa joitakin yksityiskohtia Synthetic Data Open Source -yhteisöstä?

Synteettinen data on vasta alkuvaiheessa, ja siksi tietoisuus siitä, miten se luodaan, sen hyödyistä tai rajoituksista, on edelleen suurelta osin tuntematonta laajemmalle yleisölle. Siksi YData on päättänyt ottaa enemmän koulutuslähestymistapaa luomalla Synthetic Data -yhteisön – paikan, jossa voidaan vaihtaa ajatuksia, saada apua asiantuntijoilta synteettisessä datassa, ja jossa datatieteilijät ja muut tekniset profiilit voivat aloittaa matkansa synteettiseen dataan joistakin mielenkiintoisimmista algoritmeista kirjallisuudesta.

Lisäksi tarjoamme näkemyksen datasta, jotta datatieteilijät voivat ensin ymmärtää datan, jota he työskentelevät, ennen kuin syntetisoivat tai parantavat datan syntetisointia. Olemme todella sitoutuneita auttamaan datajoukkueita tulemaan yhä enemmän datakeskeisiksi.

YData ilmoitti äskettäin 2,7 miljoonan dollarin rahoituksen kansainvälisen laajentumisen nopeuttamiseksi. Voitko jakaa joitakin yksityiskohtia siitä, mitä tämä tarkoittaa yhtiön tulevaisuudelle ja laajentumisstrategialle?

YData syntyi jo kansainvälisenä – tiesimme, että tällainen teknologia tarvitsee varhaisia omaksujia, jotka ovat yleensä kehittyneimmissä maissa. Siksi ensimmäiset asiakkaamme olivat jo Portugalin ulkopuolella, koko Euroopassa, ja nyt perustamme läsnäolon myös Pohjois-Amerikkaan. Tämä rahoitus mahdollistaa meille vahvistaa läsnäoloamme molemmilla mantereilla, ei ainoastaan kaupallisesti, vaan myös kasvattaa tiimiämme: olemme täysin hajautettu tiimi, mikä mahdollistaa meidän palkata parhaimman kykyjen etsimisen, riippumatta siitä, missä he ovat.

Onko jotain muuta, mitä haluaisit jakaa YDatasta?

YData on murtamassa datakeskeisen tekolyrajan ja luomassa uuden kategorian: DataPrepOps – vaikka se on rumaa nimeä, se on kipu, jonka useimmat yritykset kohtaavat nykyään datatieteen kehityksessä. Data Quality -trendi jatkuu kasvamassa ja Data Pipelinesin ja Data Observabilityn jälkeen Data Quality on edelleen vasta alkuvaiheessa datajoukkueille, ja YData on nousemassa johtavaksi ajattelijaksi data valmistelussa.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla YDatalla.