Omer Har, współzałożyciel i CTO Explorium – seria wywiadów

Omer Har to weteran nauki o danych i inżynierii oprogramowania z prawie dekadą doświadczenia w tworzeniu modeli AI, które napędzają duże firmy.

Omer Har jest współzałożycielem i CTO Explorium, firmy oferującej platformę nauki o danych pierwszej w swoim rodzaju, napędzaną przez rozszerzoną odkrywanie danych i inżynierię cech. Poprzez automatyczne łączenie się z tysiącami zewnętrznych źródeł danych i wykorzystywanie uczenia maszynowego do destylowania najbardziej wpływowych sygnałów, platforma Explorium umożliwia naukowcom i liderom biznesu podejmowanie decyzji poprzez eliminowanie bariery w zakresie pozyskiwania odpowiednich danych i umożliwienie lepszej mocy predykcyjnej.

Kiedy po raz pierwszy odkryłeś, że chcesz być zaangażowany w naukę o danych?

Mój zainteresowanie nauką o danych sięga ponad dekadę, czyli tyle, ile praktykuję i prowadzę zespoły nauki o danych. Zaczynałem jako inżynier oprogramowania, ale zawsze byłam przyciągany przez złożone dane i algorytmiczne wyzwania od samego początku. Miałem szczęście, że mogłem nauczyć się tego rzemiosła w Microsoft (MSFT ) Research, które było jednym z nielicznych miejsc, gdzie można było naprawdę pracować nad złożonymi zastosowaniami uczenia maszynowego w dużym stopniu.

Współzałożyłeś Explorium w 2017 roku, możesz omówić inspirację, która stała za uruchomieniem tej firmy?

Explorium opiera się na prostym, ale bardzo potężnym potrzebie – istnieje tak wiele danych wokół nas, które mogłyby potencjalnie pomóc w budowaniu lepszych modeli, ale nie ma sposobu, aby znać z wyprzedzeniem, które źródła danych będą miały wpływ, i jak. Pomysł pierwotny powstał z Maora Shlomo, współzałożyciela i CEO Explorium, który miał do czynienia z bezprecedensową różnorodnością danych w swojej służbie wojskowej i szukał sposobów, aby wykorzystać je w podejmowaniu decyzji i modelowaniu. Kiedy trzej z nas po raz pierwszy spotkali się, było dla nas natychmiast jasne, że ten doświadczenie odzwierciedla potrzeby, z którymi mieliśmy do czynienia w świecie biznesu, szczególnie w szybko rozwijających się dziedzinach nauki o danych, takich jak technologia reklamowa i marketingowa, gdzie zarówno ja, jak i Or Tamir (współzałożyciel i COO Explorium) prowadziliśmy wzrost poprzez dane.

Przed Explorium, znalezienie odpowiednich źródeł danych, które naprawdę miały wpływ na poprawę dokładności modelu uczenia maszynowego, było czasochłonnym, kosztownym i mało efektywnym procesem. Powodem jest to, że podstawowo zgadujesz, a Twoi najbardziej kosztowni ludzie – naukowcy danych – są zmuszeni do eksperymentowania. Ponadto, pozyskiwanie danych jest złożonym procesem biznesowym, a zespoły nauki o danych zwykle nie mają możliwości komercyjnego zaangażowania się w wiele dostawców danych.

Jako lider nauki o danych, który był mierzony wpływem biznesowym wygenerowanym przez modele, nie miałem luksusu wysłania mojego zespołu na bezsensowną przygodę. W rezultacie, często wolę wykorzystać moje wysiłki na rzeczy, które mogą mieć znacznie mniejszy wpływ niż odpowiednie nowe źródło danych, po prostu dlatego, że są one znacznie bardziej w moim zakresie kontroli.

Explorium niedawno pomyślnie pozyskał dodatkowe 31 milionów dolarów w rundzie finansowania serii B. Czy byłeś zaskoczony tempem wzrostu Twojej firmy?

Zdecydowanie było to podróż rakiety, i nigdy nie można brać tego za pewnik. Nie mogę powiedzieć, że byłem zaskoczony, jak powszechna jest potrzeba lepszych danych, ale zawsze jest niesamowitym doświadczeniem zobaczyć wpływ, jaki generujemy dla klientów i ich biznesu. Największym wyzwaniem analitycznym, przed którym będą stać organizacje w ciągu najbliższej dekady, jest znalezienie odpowiednich danych, aby nakarmić ich modele i automatyczne procesy. Prawidłowe aktywa danych mogą koronować nowych liderów rynku, więc nasz wzrost naprawdę odzwierciedla szybko rosnącą liczbę klientów, którzy zdają sobie sprawę z tego i robią dane priorytetem. W rzeczywistości, liczba “Łowców danych” – osób szukających danych w ramach swojej codziennej pracy – rośnie wykładniczo w naszym doświadczeniu.

Czy możesz wyjaśnić, co to jest platforma danych Explorium i jaki jest proces automatycznego odkrywania danych?

Explorium oferuje platformę nauki o danych od końca do końca, napędzaną przez rozszerzoną odkrywanie danych i inżynierię cech. Jesteśmy skoncentrowani na “danych” części nauki o danych – co oznacza automatyczne łączenie się z tysiącami zewnętrznych źródeł danych i wykorzystywanie procesów uczenia maszynowego do destylowania najbardziej wpływowych sygnałów i cech. Jest to złożony i wieloetapowy proces, który zaczyna się od łączenia się z wieloma kontekstowo istotnymi źródłami w tym, co nazywamy katalogiem danych Explorium. Następnie automatyzujemy proces, który bada tę połączoną różnorodność danych, testując setki tysięcy pomysłów na znaczące cechy i sygnały, aby stworzyć optymalny zestaw cech, zbudować modele na ich podstawie i udostępnić je do produkcji w elastyczny sposób.

Poprzez automatyzację poszukiwania danych, których potrzebujesz, a nie tylko danych, które masz wewnętrznie, platforma Explorium robi to samo dla nauki o danych, co wyszukiwarki internetowe – przeszukujemy, klasyfikujemy i przynosimy Ci najbardziej istotne dane dla predykcyjnego pytania.

To umożliwia naukowcom i liderom biznesu podejmowanie decyzji poprzez eliminowanie bariery w zakresie pozyskiwania odpowiednich danych i umożliwienie lepszej mocy predykcyjnej.

Jakie rodzaje zewnętrznych źródeł danych Explorium wykorzystuje?

Mamy dostęp do tysiąca źródeł we wszystkich możliwych kategoriach danych, w tym firmowych, geoprzestrzennych, behawioralnych, czasowych, danych stron internetowych i innych. Mamy wiele zespołów ekspertów, którzy specjalizują się w pozyskiwaniu danych za pomocą otwartych, publicznych i premium źródeł, a także partnerstw. Nasz dostęp do unikalnego talentu z najlepszych jednostek wywiadowczych i technologicznych w Izraelu przynosi znaczne doświadczenie i wiedzę w zakresie wykorzystania różnorodności danych do podejmowania decyzji.

Jak Explorium wykorzystuje uczenie maszynowe, aby zrozumieć, jakie typy danych są istotne dla klientów?

To jest część naszego “sekretu” więc nie mogę wniknąć w szczegóły, ale na wysokim poziomie, wykorzystujemy uczenie maszynowe, aby zrozumieć znaczenie różnych części Twoich zestawów danych i wykorzystujemy stale udoskonalane algorytmy, aby określić, które źródła w naszym ewoluującym katalogu są potencjalnie istotne. Poprzez łączenie tych źródeł z Twoimi danymi, jesteśmy w stanie przeprowadzić złożone procesy odkrywania danych i inżynierii cech, specjalnie zaprojektowane, aby być skuteczne dla zewnętrznych i wysokowymiarowych danych, aby zidentyfikować najbardziej wpływowe cechy z najbardziej istotnych źródeł. Robienie tego wszystkiego w kontekście modeli uczenia maszynowego sprawia, że wpływ jest statystycznie mierzalny i pozwala nam stale uczyć się i poprawiać nasze możliwości dopasowania, generowania i odkrywania.

Jednym z rozwiązań oferowanych przez Explorium jest ograniczanie ryzyka oszustw aplikacji dla pożyczek online za pomocą rozszerzonego odkrywania danych. Czy możesz opisać, jak to rozwiązanie działa?

Pożyczki są wszystko o przewidywaniu i ograniczaniu ryzyka – czy to ryzyka związanego z możliwością spłaty pożyczki przez kredytobiorcę (np. wyników finansowych) czy zamiaru spłaty (np. oszustwa). Wnioski o pożyczkę są z natury kompromisem między pragnieniem kredytodawcy, aby zebrać więcej informacji, a ich zdolnością do konkurowania z innymi dostawcami, ponieważ dłuższe i bardziej uciążliwe ankiety mają niższe wskaźniki ukończenia, są z natury tendencyjne itp.

Z Explorium, zarówno tradycyjni banki, jak i nowi wyzwania online są w stanie automatycznie uzupełnić proces składania wniosku o pożyczkę z zewnętrznych i obiektywnych źródeł, które dodają natychmiastowy kontekst i ujawniają znaczące relacje. Bez ujawniania zbyt wielu informacji, aby pomóc oszustom, można wyobrazić sobie, że w kontekście oszustw może to oznaczać różne zachowania i właściwości, które wyróżniają się w porównaniu z prawdziwymi wnioskodawcami, jeśli jesteś w stanie zebrać 360-stopniowy widok ich. Wszystko, od obecności w sieci, oficjalnych rejestrów, wzorców behawioralnych w mediach społecznościowych i fizycznych śladów pozostawia chleb, który mógłby być hipotetyczny i przetestowany jako potencjalne cechy i wskaźniki, jeśli możesz uzyskać dostęp do odpowiednich danych i pionierskiej wiedzy. Po prostu, lepsze dane zapewniają lepsze modele predykcyjne, co przekłada się na zmniejszone ryzyko i wyższe przychody dla kredytodawców.

W szerszym zakresie, odkąd COVID-19 uderzył na skalę globalną, widzimy wzrost nowych wzorców oszustw, a także potrzebę kredytodawców, aby wrócić do podstaw, ponieważ pandemia złamała wszystkie modele. Nikt naprawdę nie wziął pod uwagę tego rodzaju zdarzenia “Czarnego Łabędzia”, a część naszej początkowej odpowiedzi, aby pomóc tym firmom, polegała na generowaniu niestandardowych sygnałów, które pomagają ocenić ryzyko biznesowe w tych niepewnych i dynamicznych czasach.

Możesz przeczytać więcej o tym w doskonałym poście napisanym przez Maora Shlomo, współzałożyciela i CEO Explorium.

Dziękuję za wspaniały wywiad, czytelnicy, którzy chcą dowiedzieć się więcej, powinni odwiedzić Explorium.