Omer Har, Co-Fondateur et CTO, Explorium – Série d’entretiens

Omer Har est un vétéran de la science des données et de l’ingénierie logicielle avec près d’une décennie d’expérience dans la construction de modèles d’IA qui font progresser les grandes entreprises.

Omer Har est le co-fondateur et le CTO d’Explorium, une entreprise qui propose une plateforme de science des données unique en son genre, alimentée par la découverte de données augmentées et l’ingénierie de fonctionnalités. En se connectant automatiquement à des milliers de sources de données externes et en utilisant l’apprentissage automatique pour distiller les signaux les plus impactants, la plateforme Explorium permet aux scientifiques des données et aux dirigeants d’entreprise de prendre des décisions éclairées en éliminant les obstacles à l’acquisition des bonnes données et en permettant une puissance prédictive supérieure.

Quand avez-vous découvert pour la première fois que vous vouliez être impliqué dans la science des données ?

Mon intérêt pour la science des données remonte à plus d’une décennie, ce qui est à peu près la durée pendant laquelle j’ai pratiqué et dirigé des équipes de science des données. J’ai commencé en tant qu’ingénieur logiciel, mais j’ai toujours été attiré par les défis complexes de données et d’algorithmes dès le début. J’ai eu la chance d’apprendre ce métier à Microsoft (MSFT ) Research, qui était l’un des rares endroits où vous pouviez vraiment travailler sur des défis d’apprentissage automatique appliqué à grande échelle.

Vous avez co-fondé Explorium en 2017, pouvez-vous discuter de l’inspiration derrière le lancement de cette start-up ?

Explorium est basé sur un besoin simple et très puissant — il y a tellement de données autour de nous qui pourraient potentiellement aider à construire de meilleurs modèles, mais il n’y a pas de moyen de savoir à l’avance quelles sources de données seront impactantes et comment. L’idée originale est venue de Maor Shlomo, co-fondateur et PDG d’Explorium, qui traitait d’une variété de données sans précédent lors de son service militaire et cherchait des moyens de les exploiter pour la prise de décision et la modélisation. Lorsque les trois d’entre nous se sont réunis pour la première fois, il était immédiatement clair pour nous que cette expérience échoit les besoins que nous avions dans le monde des affaires, en particulier dans les domaines de la science des données en pleine croissance, comme la publicité et la technologie marketing, où j’ai mené la croissance grâce aux données, ainsi qu’Or Tamir (co-fondateur et directeur des opérations d’Explorium).

Avant Explorium, trouver des sources de données pertinentes qui réellement améliorent la précision de votre modèle d’apprentissage automatique était un processus fastidieux, chronophage et coûteux avec de faibles chances de succès. La raison est que vous devinez essentiellement et utilisez vos personnes les plus coûteuses — les scientifiques des données — pour expérimenter. De plus, l’acquisition de données elle-même est un processus commercial complexe et les équipes de science des données n’ont généralement pas la capacité de s’engager commercialement avec de multiples fournisseurs de données.

En tant que dirigeant de la science des données qui était mesuré par l’impact commercial généré par les modèles, je n’avais pas le luxe d’envoyer mon équipe sur une chasse aux canards. Par conséquent, vous préférez souvent déployer vos efforts sur des choses qui peuvent avoir un impact beaucoup plus faible qu’une source de données pertinente, simplement parce qu’elles sont beaucoup plus dans votre domaine de contrôle.

Explorium a récemment levé avec succès 31 millions de dollars supplémentaires dans le cadre d’une série B. Êtes-vous surpris de la vitesse à laquelle votre entreprise a grandi ?

Cela a certainement été un voyage en fusée jusqu’à présent, et vous ne pouvez jamais prendre cela pour acquis. Je ne peux pas dire que j’ai été surpris par l’étendue du besoin de meilleures données, mais c’est toujours une expérience incroyable de voir l’impact que vous génerez pour les clients et leur entreprise. Le plus grand défi analytique que les organisations vont affronter au cours de la prochaine décennie est de trouver les bonnes données pour alimenter leurs modèles et processus automatisés. Les bonnes actifs de données peuvent couronner de nouveaux leaders du marché, notre croissance reflète donc vraiment le nombre croissant de clients qui réalisent cela et font de la donnée une priorité. En fait, le nombre de « chasseurs de données » — les personnes qui recherchent des données dans le cadre de leur travail quotidien — augmente de manière exponentielle selon notre expérience.

Pouvez-vous expliquer ce qu’est la plateforme de données d’Explorium et quel est le processus de découverte de données automatisé ?

Explorium propose une plateforme de science des données complète alimentée par la découverte de données augmentées et l’ingénierie de fonctionnalités. Nous nous concentrons sur la « donnée » de la science des données — ce qui signifie se connecter automatiquement à des milliers de sources de données externes et utiliser des processus d’apprentissage automatique pour distiller les signaux les plus impactants et les fonctionnalités. Il s’agit d’un processus complexe et multétape, qui commence par se connecter à une multitude de sources contextuellement pertinentes dans ce que nous appelons le catalogue de données Explorium. Ensuite, nous automatisons le processus qui explore cette variété de données interconnectées, en testant des centaines de milliers d’idées pour des fonctionnalités et des signaux significatifs pour créer l’ensemble de fonctionnalités optimal, construire des modèles à partir de celui-ci et les servir en production de manière flexible.

En automatisant la recherche des données dont vous avez besoin, et non seulement des données que vous avez internément, la plateforme Explorium fait pour la science des données ce que les moteurs de recherche ont fait pour le web — nous parcourons, classons et vous apportons les données les plus pertinentes pour la question prédictive en question.

Cela permet aux scientifiques des données et aux dirigeants d’entreprise de prendre des décisions éclairées en éliminant les obstacles à l’acquisition des bonnes données et en permettant une puissance prédictive supérieure.

Quels types de sources de données externes Explorium exploite-t-il ?

Nous avons accès à des milliers de sources dans presque toutes les catégories de données que vous pouvez imaginer, y compris les entreprises, les données géospatiales, les données comportementales, les données temporelles, les données de site Web et plus encore. Nous avons plusieurs équipes d’experts qui se spécialisent dans l’acquisition de données via des sources ouvertes, publiques et premium, ainsi que des partenariats. Notre accès à des talents uniques issus des meilleures unités d’intelligence et de technologie d’Israël apporte une connaissance et une expérience considérables dans l’utilisation de la variété des données pour la prise de décision.

Comment Explorium utilise-t-il l’apprentissage automatique pour comprendre quels types de données sont pertinents pour les clients ?

Ceci fait partie de notre « secret » donc je ne peux pas plonger dans les détails, mais à un niveau élevé, nous utilisons l’apprentissage automatique pour comprendre le sens derrière les différentes parties de vos ensembles de données et employons des algorithmes constamment améliorés pour identifier quelles sources dans notre catalogue évolutif sont potentiellement pertinentes. En connectant réellement ces sources à vos données, nous sommes capables de réaliser des processus de découverte de données et d’ingénierie de fonctionnalités complexes, spécifiquement conçus pour être efficaces pour les données externes et à haute dimension, pour identifier les fonctionnalités les plus impactantes à partir des sources les plus pertinentes. Le fait de le faire dans le contexte de modèles d’apprentissage automatique rend l’impact mesurable statistiquement et nous permet de constamment apprendre et améliorer nos capacités de correspondance, de génération et de découverte.

L’une des solutions proposées est d’atténuer le risque de fraude d’application pour les prêteurs en ligne en utilisant la découverte de données augmentée. Pouvez-vous entrer dans les détails sur la façon dont cette solution fonctionne ?

Le prêt est tout à fait une prédiction et une atténuation du risque — que ce soit le risque de la capacité de l’emprunteur à rembourser le prêt (par exemple, la performance financière) ou de son intention de le faire (par exemple, la fraude). Les demandes de prêt sont inhérentement un compromis entre le désir du prêteur de collecter plus d’informations et sa capacité à concurrencer les autres fournisseurs, car les questionnaires plus longs et plus fastidieux ont des taux de completion plus bas, sont biaisés par définition, etc.

Avec Explorium, les banques traditionnelles et les défis en ligne peuvent automatiquement augmenter le processus de demande avec des sources externes objectives qui ajoutent immédiatement du contexte et découvrent des relations significatives. Sans révéler trop pour aider les fraudeurs, vous pouvez imaginer que dans le contexte de la fraude, cela pourrait signifier différents comportements et propriétés qui se démarquent par rapport aux demandeurs réels si vous êtes capable de rassembler une vue à 360 degrés. Tout, de la présence en ligne, des dossiers officiels, des modèles de comportement sur les médias sociaux et des empreintes physiques laissent des miettes qui pourraient être hypothétisées et testées comme des fonctionnalités et des indicateurs potentiels si vous pouvez accéder aux données pertinentes et au savoir-faire vertical. Simplement dit, de meilleures données assurent de meilleurs modèles prédictifs, ce qui aide à traduire le risque réduit et les revenus plus élevés en termes de bénéfices pour les prêteurs.

Dans une perspective plus large, depuis que le COVID-19 a frappé à l’échelle mondiale, nous voyons une augmentation de nouveaux modèles de fraude ainsi que le besoin des prêteurs de revenir aux bases, car la pandémie a cassé tous les modèles. Personne n’a vraiment pris en compte ce type d’événement « Cygne noir », et une partie de notre réponse initiale pour aider ces entreprises a consisté à générer des signaux personnalisés qui aident à évaluer le risque commercial dans ces temps incertains et dynamiques.

Vous pouvez en savoir plus dans un excellent article écrit par Maor Shlomo, co-fondateur et PDG d’Explorium.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Explorium.