Omer Har, Explorium’un Kurucu Ortağı ve CTO’su – Röportaj Serisi

Omer Har, neredeyse on yıllık deneyimle veri bilimi ve yazılım mühendisliği alanında uzmanlaşmış bir isimdir ve büyük şirketlerin ilerlemesini sağlayan yapay zeka modelleri geliştirmiştir.

Omer Har, Explorium adlı şirketin Kurucu Ortağı ve CTO’sudur. Explorium, artırılmış veri keşfi ve özellik mühendisliği ile çalışan benzersiz bir veri bilimi platformu sunar. Binlerce dış veri kaynağına otomatik olarak bağlanarak makine öğrenimi ile en etkili sinyalleri ayıran Explorium platformu, veri bilimcileri ve iş liderlerine karar vermeyi kolaylaştırmak için doğru verilerin edinilmesini engelleyen barriereleri ortadan kaldırır ve üstün öngörülü gücü sağlar.

Veri bilimine ilgi duymanız ne zaman başladı?

Veri bilimine olan ilgim yaklaşık on yıl öncesine dayanır ve bu süre zarfında veri bilimine odaklanmış bir şekilde çalıştım. Yazılım mühendisi olarak başladım, ancak her zaman karmaşık veri ve algoritmik zorluklardan etkilenmiştim. Microsoft (MSFT ) Research’ta çalışarak bu alanda uzmanlaşmak için şanslıydım.

2017 yılında Explorium’u kurduğunuzda, bu start-up’ı kurma fikrinin arkasındaki ilham nedir?

Explorium, basit ve güçlü bir ihtiyaç üzerine kurulmuştur: Bize yardımcı olabilecek çok fazla veri vardır, ancak hangi veri kaynaklarının etkili olacağını ve nasıl olacağını bilmenin bir yolu yoktur. Asıl fikir, Explorium’un kurucu ortaklarından ve CEO’su Maor Shlomo’ya aittir. Maor, askeri hizmetinde veri çeşitliliği ile karşılaştı ve karar vermeye yardımcı olmak için bu verilerin nasıl kullanılacağını keşfetmeye çalıştı. Üçümüz bir araya geldiğimizde, bu deneyimin iş dünyasındaki ihtiyaçları yansıttığını anladık, özellikle de reklamcılık ve pazarlama teknolojisindeki hızlı büyüyen veri bilimine dayalı alanlarda.

Explorium’dan önce, makine öğrenimi modelinizin doğruluğunu artırmak için gerçekten etkili olan veri kaynaklarını bulmak, emek yoğun, zaman alan ve pahalı bir işlemdi. Bunun nedeni, veri bilimcilerin deneme yanılma yöntemiyle çalışmak zorunda olması ve genellikle düşük başarı şansına sahip olmalarıdır. Ayrıca, veri edinimi kendisi de karmaşık bir iş süreci olup, veri bilimcilerinin genellikle çoklu veri sağlayıcıları ile ticari olarak etkileşime girmeleri mümkün değildir.

Veri bilim lideri olarak, iş etkisine göre ölçülürdüm ve ekibimi boşuna arayışlara gönderme lüksüne sahip değildim. Bu nedenle, genellikle daha düşük etkiye sahip olsa da, kontrolüm altında olan şeylere odaklanmayı tercih ederdim.

Explorium, yakın zamanda 31 milyon dolarlık ek finansman sağladı. Şirketinizin bu kadar hızlı büyümesiyle şaşırdınız mı?

Şirketin büyümesi gerçekten bir roket gibi oldu ve bu tür bir büyümeye asla güvenemezsiniz. İhtiyacın ne kadar yaygın olduğunu şaşırtıcı bulmadım, ancak müşterileriniz ve onların işleri için yarattığınız etkiyi görmek her zaman muhteşem bir deneyimdir. Örgütlerin önümüzdeki on yıl içinde karşılaştığı en büyük analitik zorluk, modellerini ve otomatik süreçlerini beslemek için doğru verilere ulaşmaktır. Doğru veri varlıkları, yeni pazar liderlerini taçlandırabilir, bu nedenle büyümemiz, veri önceliklendiren ve bunu gerçekleştirmek için bizimle çalışan müşterilerin hızla artan sayısını yansıtmaktadır.

Explorium’un veri platformunun ne olduğunu ve otomatik veri keşif sürecinin nasıl çalıştığını açıklar mısınız?

Explorium, artırılmış veri keşfi ve özellik mühendisliği ile çalışan bir uçtan uca veri bilimi platformu sunar. Veri biliminde “veri” kısmına odaklanıyoruz – yani binlerce dış veri kaynağına otomatik olarak bağlanarak makine öğrenimi süreçlerini kullanarak en etkili sinyalleri ve özellikleri ayırmak. Bu, bağlantılı veri çeşitliliğini keşfetmek için bir dizi testten oluşan karmaşık bir süreçtir. Explorium veri kataloğu olarak adlandırdığımız ilgili kaynaklara bağlanarak başlar, ardından bu veri çeşitliliğini keşfetmek için yüz binlerce fikir test eder ve anlamlı özellikler ve sinyaller oluşturur.

Veri bilimine, web için arama motorlarının yaptığını yapıyoruz – en ilgili veriyi arıyoruz, sıralıyoruz ve size getiriyoruz.

Bu, veri bilimcilerin ve iş liderlerinin karar vermeyi kolaylaştırmak için doğru verilerin edinilmesini engelleyen barriereleri ortadan kaldırır ve üstün öngörülü gücü sağlar.

Explorium hangi dış veri kaynaklarına erişiyor?

Şirket, şirket, coğrafi, davranışsal, zaman tabanlı, web sitesi verileri ve daha fazlası gibi hemen hemen her veri kategorisinde binlerce kaynaklara erişimi vardır. Veri edinimi için uzman ekiplere sahibiz ve açık, kamu, premium kaynaklar ve ortaklıklar aracılığıyla veri sağlarlar. İsrail’in en iyi istihbarat ve teknoloji birimlerindeki yeteneklere erişimimiz, karar vermeye yönelik veri çeşitliliğini kullanma konusunda önemli bir uzmanlık ve deneyim sağlar.

Explorium, makine öğrenimini kullanarak hangi tür verilerin müşteriler için alakalı olduğunu nasıl anlar?

Bu, “gizli sos”umuzun bir parçasıdır, ancak genel olarak, farklı veri kümelerindeki anlamları anlamak için makine öğrenimini kullanır ve sürekli gelişen algoritmalarla kataloğumuzdaki hangi kaynakların potansiyel olarak alakalı olabileceğini belirleriz. Bu kaynakları veri bilimcilerin verilerine bağlayarak, kompleks veri keşfi ve özellik mühendisliği süreçleri gerçekleştirir ve en etkili özellikleri en alakalı kaynaklardan belirleriz.

Online kredilendirme için uygulamaya alınan dolandırıcılık riskini azaltmak için artırılmış veri keşfinin nasıl çalıştığını açıklar mısınız?

Kredilendirme, riski öngörme ve azaltma ile ilgilidir – borçlunun krediyi geri ödeme yeteneği veya niyeti. Kredi başvuruları, kredilendiricinin daha fazla bilgi toplama arzusu ile diğer sağlayıcılarla rekabet etme yeteneği arasında bir denge içerir. Uzun ve karmaşık formlar, düşük tamamlanma oranlarına sahiptir ve tanımsal olarak önyargılıdır.

Explorium ile birlikte, hem geleneksel bankalar hem de online kredilendiriciler, dış ve nesnel kaynakları kullanarak başvuru sürecini otomatik olarak zenginleştirebilirler. Dolandırıcılık bağlamında, bu, gerçek başvurulardan farklı olarak başvurucuların davranışları ve özellikleri hakkında anlamlı ilişkiler ortaya çıkaran kaynaklar anlamına gelebilir. İnternet varlığı, resmi kayıtlar, sosyal medyadaki davranışsal kalıplar ve fiziksel ayak izleri gibi şeyler, ilgili veri ve dikey uzmanlık erişimimiz varsa, potansiyel özellikler ve göstergeler olarak test edilebilir.

Geniş bir perspektiften bakıldığında, COVID-19’un küresel olarak vurmasının ardından, yeni dolandırıcılık kalıplarının ortaya çıkması ve kredilendiricilerin temele geri dönmeleri gerektiğini gördük. Hiç kimse bu tür bir “Kara Kuğu” olayını hesaba katmamıştı ve bu şirketlere yardımcı olmak için aldığımız ilk adımlardan biri, bu belirsiz ve dinamik zamanlarda iş riskini değerlendirmeye yardımcı olan özel sinyaller oluşturmak oldu.

Maor Shlomo tarafından yazılan mükemmel bir makalede daha fazla bilgi bulunabilir.

Harika röportaj için teşekkür ederiz. Daha fazla bilgi öğrenmek isteyen okuyucular, Explorium‘u ziyaret edebilir.