오메르 하르, 엑스플로리움 공동 창립자 및 CTO – 인터뷰 시리즈

오메르 하르는 거의 10년 동안 대기업을 앞으로 나아가게 하는 AI 모델을 구축하는 데이터 과학 및 소프트웨어 엔지니어링 전문가입니다.

오메르 하르는 엑스플로리움의 공동 창립자이자 CTO입니다. 엑스플로리움은 증강 데이터 발견과 특징 엔지니어링을 통해 구동되는 최초의 데이터 과학 플랫폼을 제공하는 회사입니다. 자동으로 수천 개의 외부 데이터 소스에 연결하여 기계 학습을 통해 가장 영향력 있는 신호를 추출함으로써, 엑스플로리움 플랫폼은 데이터 과학자와 비즈니스 리더가 올바른 데이터를 얻는 데 대한 장벽을 제거하고 우수한 예측力を 가능하게 합니다.

데이터 과학에 참여하고 싶다는 것을 언제 처음 알았나요?

데이터 과학에 대한 관심은 10년 이상 전으로 거슬러 올라갑니다. 그 때부터 데이터 과학 팀을 이끌고 데이터 과학을 연습해 왔습니다. 처음에는 소프트웨어 엔지니어로 시작했지만 초기부터 복잡한 데이터와 알고리즘적 도전에 관심이 있었습니다.幸運히 마이크로소프트 연구소에서 기술을 배울 수 있었는데, 당시에는 복잡한 응용 기계 학습 도전을 대규모로 해결할 수 있는 몇 안 되는 곳 중 하나였습니다.

2017년에 엑스플로리움을 공동 창립했습니다. 이 스타트업을 시작한 영감에 대해 이야기해 주시겠습니까?

엑스플로리움은 간단하지만 매우 강력한 필요성에 기반합니다. 우리 주변에는 더 나은 모델을 구축할 수 있는 많은 데이터가 있지만, 어떤 데이터 소스가 영향력이 있을지, 어떻게 사용할지 미리 알 수 없습니다. 원래 아이디어는 엑스플로리움의 공동 창립자이자 CEO인 마오르 shlomo가 군대에서 데이터의 다양성을 다루고 의사 결정 및 모델링을 위해 이를 활용하는 방법을 다루면서 나왔습니다. 세 사람이 처음 함께 모였을 때, 이것이 광고 및 마케팅 기술 유니콘과 같은 데이터 과학 주도 분야에서 빠르게 성장하는 비즈니스 세계에서 우리가 다루던 필요와 동일하다는 것이 명백했습니다.

엑스플로리움 이전에는 실제로 모델의 정확도를 개선하는 데 영향을 미치는 관련 데이터 소스를 찾는 것이 노동 집약적이고 시간이 걸리는 과정으로 비용이 많이 들고 성공할 가능성이 낮았습니다. 이유는 단순히 추측하고 있으며, 가장 비싼 사람들인 데이터 과학자를 실험하도록 보내고 있기 때문입니다. 또한 데이터 수집 자체는 복잡한 비즈니스 프로세스이며 데이터 과학 팀은 일반적으로 여러 데이터 제공업체와 상업적으로 참여할 수 있는 능력이 없습니다.

데이터 과학 리더로서 모델이 생성한 비즈니스 영향에 의해 측정되므로, 팀을 광란의 사냥에 보내는 여유는 없었습니다. 따라서 종종 더 큰 영향을 미칠 수 있는 관련 데이터 소스보다 제어할 수 있는 범위 내에 있는 것에 노력을 투자하는 것을 선호했습니다.

엑스플로리움은 최근 시리즈 B 라운드에서 3,100만 달러의 추가 자금을 성공적으로 조달했습니다. 회사가 이렇게 빠르게 성장한 것에 대해 놀랐나요?

이것은 확실히 로켓船 타기와 같은 경험입니다. 고객과 그들의 비즈니스에 미치는 영향을 볼 때마다 놀랍지 않습니다. 그러나 다음 10년 동안 조직이 직면할 가장 큰 분석적 도전은 모델과 자동화된 프로세스에 데이터를 공급하는 것입니다. 올바른 데이터 자산은 새로운 시장 리더를 등극할 수 있으므로, 우리의 성장은 데이터를 우선순위로 하는 고객의 수가 빠르게 증가하는 것을 반영합니다. 실제로 데이터를 찾는 사람들의 수가 기하급수적으로 증가하고 있습니다.

엑스플로리움의 데이터 플랫폼이 무엇인지, 자동화된 데이터 발견 프로세스가 무엇인지 설명해 주시겠습니까?

엑스플로리움은 증강 데이터 발견 및 특징 엔지니어링을 통해 구동되는 종단간 데이터 과학 플랫폼을 제공합니다. 우리는 데이터 과학의 “데이터” 부분에 중점을 두고 있습니다. 즉, 수천 개의 외부 데이터 소스에 자동으로 연결하여 기계 학습 프로세스를 통해 가장 영향력 있는 신호와 특징을 추출하는 것을 의미합니다. 이것은 복잡하고 다단계 프로세스로 시작하여 우리가 엑스플로리움 데이터 카탈로그라고 부르는 관련 소스와의 연결을 시작합니다. 그런 다음 우리는 이 데이터 다양성을 탐색하는 프로세스를 자동화하여 수백 개의 아이디어를 테스트하고 의미 있는 특징과 신호를 생성하여 최적의 특징 집합을 구축하고 모델을 구축하여 생산에 제공합니다.

데이터를 자동으로 검색함으로써, 데이터가 아니라 예측 질문에 대한 가장 관련性 높은 데이터를 가져옵니다. 이는 데이터 과학에 대한 검색 엔진과 같은 것을 제공합니다.

이것은 데이터 과학자와 비즈니스 리더가 올바른 데이터를 얻는 데 대한 장벽을 제거하고 우수한 예측력을 가능하게 합니다.

엑스플로리움은 어떤 종류의 외부 데이터 소스를 사용합니까?

우리는 거의 모든 데이터 범주에 걸쳐 수천 개의 소스를 보유하고 있습니다. 회사, 지리적, 행동, 시간 기반, 웹사이트 데이터 등이 포함됩니다. 우리는 데이터 수집을 위한 전문 팀을 보유하고 있으며 공개, 공공, 프리미엄 소스 및 파트너십을 통해 데이터를 수집합니다. 이스라엘의 최고 지능 및 기술 부서에서 온 우리의 독특한 인재는 의사 결정에 대한 데이터 다양성을 활용하는 데stantial 노하우와 경험을 제공합니다.

클라이언트에게 어떤 유형의 데이터가 관련성이 있는지 이해하기 위해 엑스플로리움은 기계 학습을 어떻게 사용합니까?

이것은 우리의 “비밀 소스”의 일부이므로 자세히 설명할 수 없습니다. 그러나 높은 수준에서, 우리는 기계 학습을 사용하여 데이터セット의 다양한 부분의 의미를 이해하고, 우리의 카탈로그에 있는 소스가 클라이언트에 потен적으로 관련성이 있는지 여부를 식별하는 알고리즘을 사용합니다. 이러한 소스를 클라이언트의 데이터에 연결하여 외부 및 고차원 데이터에 효과적인 복잡한 데이터 발견 및 특징 엔지니어링 프로세스를 수행할 수 있습니다. 기계 학습 모델의 contexto에서 이를 수행함으로써, 영향력을 통계적으로 측정할 수 있고, 매칭, 생성 및 발견 능력을不断히 학습하고 개선할 수 있습니다.

제공하는 솔루션 중 하나는 외부 데이터 소스를 사용하여 온라인 대출자의 신청 사기 위험을 완화하는 것입니다. 이 솔루션에 대해 자세히 설명해 주시겠습니까?

대출은 위험을 예측하고 완화하는 모든 것입니다. 대출자의 재정 성과 또는 의도와 관련된 위험입니다. 대출 신청은 본질적으로 더 많은 정보를 수집하려는 대출자의 욕구와 다른 제공업체와 경쟁할 수 있는 능력 사이의 트레이드오프입니다. 더 긴 질문지는 완료率이 낮고, 편향되어 있으며, 등등입니다.

엑스플로리움을 사용하면 기존 은행과 온라인 도전자가 자동으로 외부 및 객관적인 소스를 사용하여 신청 프로세스를 보강하여 즉시 컨텍스트를 추가하고 의미 있는 관계를 발견할 수 있습니다. 사기꾼을 도와주지 않기 위해 너무 많은 정보를 제공하지는 않지만, 사기와 관련하여 이것은 실제 신청자와 다르게 행동하고 특성이 나타나는 것을 의미할 수 있습니다. 온라인 존재, 공식 기록, 소셜 미디어의 행동 패턴, 물리적 발자국 등이 모두 가설과 지표로 테스트될 수 있는 브레드 크럼을 남길 수 있습니다. 간단히 말해서, 더 나은 데이터는 더 나은 예측 모델을 의미하며, 이는 위험 감소와 수익 증가로 대출자의 수익으로 연결됩니다.

보다 넓은 관점에서, COVID-19가全球적으로 발생한 이후, 우리는 새로운 사기 패턴과 대출자의 기본으로 돌아가는 필요성의 증가를 보았습니다. 그리고 이러한 회사들을 도와기 위한 우리의 초기 반응 중 하나는 이러한 불확실하고 동적인 시기에 비즈니스 위험을 평가하는 데 도움이 되는 맞춤형 신호를 생성하는 것이었습니다.

마오르 shlomo가 작성한 훌륭한 게시물에서 더 자세한 정보를 읽을 수 있습니다.

이번 인터뷰에 감사드리며, 더 많은 정보를 원하는 독자는 엑스플로리움을 방문하시기 바랍니다.