โอเมอร์ ฮาร์ ผู้ร่วมก่อตั้งและซีทีโอของ Explorium – สัมภาษณ์รายการ

โอเมอร์ ฮาร์ เป็นนักวิทยาศาสตร์ข้อมูลและวิศวกรซอฟต์แวร์ที่มีประสบการณ์เกือบหนึ่งทศวรรษในการสร้างโมเดล AI ที่ขับเคลื่อนธุรกิจขนาดใหญ่ไปข้างหน้า

โอเมอร์ ฮาร์ เป็นผู้ร่วมก่อตั้งและซีทีโอของ Explorium ซึ่งเป็นบริษัทที่เสนอสถาบันข้อมูลวิทยาศาสตร์แบบแรกของโลกที่ได้รับการขับเคลื่อนโดยการค้นพบข้อมูลเสริมและวิศวกรรมคุณลักษณะ โดยการเชื่อมต่ออัตโนมัติไปยังแหล่งข้อมูลภายนอกหลายพันแห่งและใช้การเรียนรู้ของเครื่องจักรเพื่อแยกสัญญาณที่มีผลกระทบมากที่สุด แพลตฟอร์ม Explorium จึงช่วยให้นักวิทยาศาสตร์ข้อมูลและผู้นำธุรกิจสามารถขับเคลื่อนการตัดสินใจโดยการกำจัดอุปสรรคในการได้รับข้อมูลที่ถูกต้องและเพิ่มพลังในการทำนายที่เหนือกว่า

คุณเริ่มสนใจด้านวิทยาศาสตร์ข้อมูลเมื่อไหร่

ความสนใจของฉันในวิทยาศาสตร์ข้อมูลย้อนหลังไปเกือบหนึ่งทศวรรษ ซึ่งเป็นเวลาที่ฉันฝึกฝนและนำทีมวิทยาศาสตร์ข้อมูล ฉันเริ่มต้นเป็นวิศวกรซอฟต์แวร์ แต่ฉันถูกดึงดูดไปสู่ความท้าทายของข้อมูลและอัลกอริทึมที่ซับซ้อนตั้งแต่เนิ่นๆ ฉันโชคดีที่ได้เรียนรู้ทักษะที่ Microsoft (MSFT ) Research ซึ่งเป็นหนึ่งในไม่กี่แห่งที่คุณสามารถทำงานเกี่ยวกับความท้าทายของการเรียนรู้ของเครื่องจักรที่ซับซ้อนได้

คุณร่วมก่อตั้ง Explorium ในปี 2017 คุณสามารถพูดถึงแรงบันดาลใจเบื้องหลังการเปิดตัวสตาร์ทอัพนี้ได้หรือไม่

Explorium มีพื้นฐานมาจากความต้องการที่ง่ายและทรงพลัง — มีข้อมูลมากมายรอบตัวเรา ซึ่งอาจช่วยสร้างโมเดลที่ดีกว่า แต่ไม่มีทางรู้ล่วงหน้าว่าแหล่งข้อมูลใดจะมีผลกระทบ และอย่างไร อ идеียเดิมมาจาก Maor Shlomo ผู้ร่วมก่อตั้งและซีอีโอของ Explorium ซึ่งกำลังเผชิญกับความหลากหลายของข้อมูลที่ไม่เคยเห็นมาก่อนในระหว่างการรับราชการทหาร และพยายามหาวิธีใช้ข้อมูลนี้เพื่อการตัดสินใจและการสร้างแบบจำลอง เมื่อเราสามคนแรกมารวมกัน ก็ชัดเจนสำหรับเราทันทีว่าประสบการณ์นี้สะท้อนถึงความต้องการที่เรากำลังเผชิญในโลกธุรกิจ โดยเฉพาะในด้านเทคโนโลยีและการตลาดที่ขับเคลื่อนโดยวิทยาศาสตร์ข้อมูล ซึ่งฉันและ Or Tamir (ผู้ร่วมก่อตั้งและ COO ของ Explorium) เป็นผู้นำการเติบโตผ่านข้อมูล

ก่อนที่จะมี Explorium การค้นหาแหล่งข้อมูลที่เกี่ยวข้องซึ่งแท้จริงแล้วมีผลกระทบต่อความแม่นยำของโมเดลการเรียนรู้ของเครื่องจักรเป็นกระบวนการที่ใช้เวลานานและต้องใช้เงินมาก โดยส่วนใหญ่คุณจะเดาและใช้คนมีค่าใช้จ่ายสูงที่สุด — นักวิทยาศาสตร์ข้อมูล — เพื่อทดลอง นอกจากนี้ การได้รับข้อมูลเองเป็นกระบวนการทางธุรกิจที่ซับซ้อน และทีมวิทยาศาสตร์ข้อมูลโดยทั่วไปไม่มีความสามารถในการมีส่วนร่วมในเชิงพาณิชย์กับผู้ให้บริการข้อมูลหลายราย

ในฐานะผู้นำด้านวิทยาศาสตร์ข้อมูลที่วัดผลจากการสร้างผลกระทบทางธุรกิจจากโมเดล ฉันไม่มีความสุขในการส่งทีมของฉันไปทำสิ่งที่ไม่มีประสิทธิภาพ ดังนั้น คุณมักจะเลือกที่จะใช้ความพยายามของคุณในเรื่องที่สามารถมีผลกระทบน้อยกว่า แต่อยู่ภายใต้การควบคุมของคุณ

Explorium ได้ระดมทุนเพิ่มเติม 31 ล้านดอลลาร์ในรอบ Series B เมื่อเร็วๆ นี้ คุณต้องประหลาดใจกับการเติบโตที่รวดเร็วของบริษัทของคุณหรือไม่

มันเป็นเรื่องของการเดินทางด้วยจรวดจริงๆ และคุณไม่เคยสามารถให้ความสำคัญกับสิ่งนี้ได้ ฉันไม่สามารถพูดได้ว่าฉันประหลาดใจกับความต้องการข้อมูลที่ดีกว่า แต่มันเป็นประสบการณ์ที่น่าเหลือเชื่อที่จะได้เห็นผลกระทบที่คุณสร้างให้กับลูกค้าและธุรกิจของพวกเขา ความท้าทายที่ยิ่งใหญ่ที่สุดสำหรับองค์กรในช่วงสิบปีที่จะมาถึงคือการค้นหาข้อมูลที่ถูกต้องเพื่อใช้กับโมเดลและกระบวนการอัตโนมัติของพวกเขา ข้อมูลที่ถูกต้องสามารถสร้างผู้นำตลาดใหม่ได้ ดังนั้นการเติบโตของเราจึงสะท้อนถึงจำนวนลูกค้าที่เพิ่มขึ้นอย่างรวดเร็วซึ่งรับรู้ถึงสิ่งนี้และทำให้ข้อมูลเป็นจุดสนใจ ในความเป็นจริง จำนวน “นักล่าข้อมูล” — คนที่กำลังมองหาข้อมูลเป็นส่วนหนึ่งของงานประจำวัน — กำลังเติบโตอย่างรวดเร็วในประสบการณ์ของเรา

คุณสามารถอธิบายได้หรือไม่ว่าแพลตฟอร์มข้อมูลของ Explorium คืออะไร และกระบวนการค้นพบข้อมูลอัตโนมัติคืออะไร

Explorium เสนอสถาบันข้อมูลวิทยาศาสตร์ที่ครอบคลุมที่ได้รับการขับเคลื่อนโดยการค้นพบข้อมูลเสริมและวิศวกรรมคุณลักษณะ เรามุ่งเน้นไปที่ “ข้อมูล” ของวิทยาศาสตร์ข้อมูล — ซึ่งหมายถึงการเชื่อมต่ออัตโนมัติไปยังแหล่งข้อมูลภายนอกหลายพันแห่งและใช้กระบวนการเรียนรู้ของเครื่องจักรเพื่อแยกสัญญาณที่มีผลกระทบมากที่สุดและคุณลักษณะที่ดีที่สุด กระบวนการนี้ซับซ้อนและหลายขั้นตอน ซึ่งเริ่มต้นด้วยการเชื่อมต่อแหล่งข้อมูลที่เกี่ยวข้องในแคตาล็อกข้อมูลของ Explorium จากนั้นเราจะทำให้กระบวนการค้นหาข้อมูลนี้อัตโนมัติ โดยทดสอบแนวคิดหลายร้อยพันแนวคิดสำหรับคุณลักษณะและสัญญาณที่มีความหมาย เพื่อสร้างชุดคุณลักษณะที่เหมาะสมที่สุด สร้างโมเดลบนชุดนั้น และให้บริการในหลายวิธี

โดยการทำให้การค้นหาข้อมูลที่คุณต้องการอัตโนมัติ ไม่ใช่แค่ข้อมูลที่คุณมีอยู่ภายใน แพลตฟอร์ม Explorium กำลังทำสิ่งที่เครื่องมือค้นหาทำสำหรับเว็บ — เรากำลังค้นหา จัดอันดับ และนำข้อมูลที่เกี่ยวข้องมากที่สุดมาให้คุณสำหรับคำถามในการทำนาย

สิ่งนี้ช่วยให้นักวิทยาศาสตร์ข้อมูลและผู้นำธุรกิจสามารถขับเคลื่อนการตัดสินใจโดยการกำจัดอุปสรรคในการได้รับข้อมูลที่ถูกต้องและเพิ่มพลังในการทำนายที่เหนือกว่า

Explorium เข้าถึงแหล่งข้อมูลภายนอกประเภทใด

เรามีแหล่งข้อมูลหลายพันแห่งทั่วทุกประเภทที่คุณสามารถคิดได้ รวมถึงข้อมูลบริษัท ข้อมูลพื้นที่ ข้อมูลพฤติกรรม ข้อมูลตามเวลา ข้อมูลเว็บไซต์ และอื่นๆ เรามีทีมผู้เชี่ยวชาญหลายทีมที่เชี่ยวชาญในการได้รับข้อมูลผ่านแหล่งข้อมูลที่เปิดกว้าง สาธารณะ และพรีเมียม รวมถึงการร่วมมือ ความสามารถในการเข้าถึงผู้มี才能พิเศษจากหน่วยข่าวกรองและเทคโนโลยีชั้นนำของอิสราเอลทำให้เราได้รับความรู้และประสบการณ์ในการใช้ประโยชน์จากความหลากหลายของข้อมูลเพื่อการตัดสินใจ

Explorium ใช้การเรียนรู้ของเครื่องจักรอย่างไรเพื่อทำความเข้าใจว่าข้อมูลประเภทใดที่เกี่ยวข้องกับลูกค้า

สิ่งนี้เป็นส่วนหนึ่งของ “ซอสลับ” ของเรา ดังนั้นฉันจึงไม่สามารถพูดถึงรายละเอียดได้ แต่ในระดับสูง เราใช้การเรียนรู้ของเครื่องจักรเพื่อทำความเข้าใจความหมายเบื้องหลังส่วนต่างๆ ของชุดข้อมูลของคุณ และใช้อัลกอริทึมที่ปรับปรุงอย่างต่อเนื่องเพื่อระบุแหล่งข้อมูลในแคตาล็อกที่กำลังพัฒนาของเราที่อาจเกี่ยวข้อง โดยการเชื่อมต่อแหล่งข้อมูลเหล่านี้กับข้อมูลของคุณ เราสามารถดำเนินการค้นพบข้อมูลและกระบวนการวิศวกรรมคุณลักษณะที่ซับซ้อนได้ ซึ่งออกแบบมาเพื่อประสิทธิภาพสำหรับข้อมูลภายนอกและหลายมิติ เพื่อระบุคุณลักษณะที่มีผลกระทบมากที่สุดจากแหล่งข้อมูลที่เกี่ยวข้องมากที่สุด การทำสิ่งนี้ทั้งหมดในบริบทของโมเดลการเรียนรู้ของเครื่องจักรทำให้ผลกระทบสามารถวัดได้ทางสถิติและช่วยให้เราสามารถเรียนรู้และปรับปรุงความสามารถในการจับคู่ การสร้าง และการค้นพบของเราได้อย่างต่อเนื่อง

หนึ่งในโซลูชันที่นำเสนอคือการบรรเทาความเสี่ยงของการฉ้อโกงในการสมัครออนไลน์สำหรับผู้ให้กู้โดยใช้การค้นพบข้อมูลเสริม คุณสามารถอธิบายได้หรือไม่ว่าโซลูชันนี้ทำงานอย่างไร

การให้กู้ยืมคือการทำนายและบรรเทาความเสี่ยง — ไม่ว่าจะมาจากความสามารถของผู้ยืมในการชำระเงินกู้ (เช่น ประสิทธิภาพทางการเงิน) หรือความตั้งใจที่จะทำเช่นนั้น (เช่น การฉ้อโกง) การสมัครกู้ยืมเป็นเรื่องของการแลกเปลี่ยนระหว่างความต้องการของผู้ให้กู้ในการรวบรวมข้อมูลมากขึ้นและความสามารถในการแข่งขันกับผู้ให้บริการอื่นๆ เนื่องจากแบบฟอร์มที่ยาวและซับซ้อนกว่าจะมีอัตราการกรอกแบบฟอร์มที่ต่ำกว่า มีการเอนเอียงโดยคำจำกัดความ และอื่นๆ

ด้วย Explorium ทั้งธนาคารที่มีอยู่และผู้ท้าทายออนไลน์สามารถเพิ่มกระบวนการสมัครอัตโนมัติพร้อมกับแหล่งข้อมูลภายนอกและวัตถุประสงค์ที่เพิ่มบริบทและเปิดเผยความสัมพันธ์ที่มีความหมาย โดยไม่ให้ข้อมูลมากเกินไปเพื่อช่วยเหลือผู้ฉ้อโกง คุณสามารถจินตนาการได้ว่าในบริบทของการฉ้อโกง สิ่งนี้อาจหมายถึงพฤติกรรมและคุณสมบัติที่แตกต่างจากผู้สมัครที่แท้จริงหากคุณสามารถรวบรวมมุมมองที่ครอบคลุมเกี่ยวกับพวกเขาได้ ทุกอย่างตั้งแต่การมีอยู่ทางออนไลน์ บันทึกอย่างเป็นทางการ รูปแบบพฤติกรรมบนโซเชียลมีเดีย และรอยเท้าทางกายภาพทิ้งเบาะแสที่สามารถถูกสร้างและทดสอบเป็นคุณลักษณะและตัวบ่งชี้ที่มีศักยภาพหากคุณสามารถเข้าถึงข้อมูลที่เกี่ยวข้องและความรู้ในแนวตั้งได้

ในมุมมองที่กว้างขึ้น ตั้งแต่ COVID-19 ระบาดทั่วโลก เราได้เห็นการเพิ่มขึ้นของรูปแบบการฉ้อโกงใหม่ๆ เช่นเดียวกับความต้องการของผู้ให้กู้ในการกลับไปสู่พื้นฐาน เนื่องจากการระบาดใหญ่ทำลายโมเดลทั้งหมด ไม่มีใครพิจารณาเหตุการณ์ “Black Swan” เช่นนี้มาก่อน และส่วนหนึ่งของการตอบสนองของเราในการช่วยเหลือบริษัทเหล่านี้คือการสร้างสัญญาณที่กำหนดเองเพื่อประเมินความเสี่ยงทางธุรกิจในเวลาที่ไม่แน่นอนและเปลี่ยนแปลงอย่างรวดเร็วเหล่านี้

คุณสามารถอ่านเพิ่มเติมเกี่ยวกับเรื่องนี้ในโพสต์ที่ยอดเยี่ยมที่เขียนโดย Maor Shlomo ผู้ร่วมก่อตั้งและซีอีโอของ Explorium

ขอขอบคุณสำหรับการสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านสามารถเรียนรู้เพิ่มเติมได้โดยการเยี่ยมชม Explorium