Омер Хар, співзасновник і технічний директор Explorium – Інтерв’ю

Омер Хар – ветеран даних науки та програмної інженерії з майже десятирічним досвідом будівництва моделей штучного інтелекту, які рухають великі підприємства вперед.

Омер Хар – співзасновник і технічний директор Explorium, компанії, яка пропонує платформу даних науки першого типу, що працює на основі посиленого відкриття даних і інженерії функцій. Автоматично підключаючись до тисяч зовнішніх джерел даних і використовуючи машинне навчання для виділення найбільш впливаючих сигналів, платформа Explorium дозволяє вченим-даністам і бізнес-лідерам приймати рішення, усуваючи бар’єри для отримання правильних даних і забезпечуючи вищу передбачувану потужність.

Коли ви вперше виявили бажання займатися наукою про дані?

Мій інтерес до науки про дані сягає понад десяти років, тобто приблизно стільки, скільки я займаюсь цією сферою і керую командами з науки про дані. Я починав як програмний інженер, але завжди був приваблений складними даними і алгоритмічними завданнями з самого початку. Я був щасливий вивчити ремесло в Microsoft (MSFT ) Research, яке було одним з небагатьох місць, де можна було працювати над складними прикладними завданнями машинного навчання у великому масштабі.

Ви стали співзасновником Explorium у 2017 році, можете розповісти про ідею створення цієї компанії?

Explorium заснована на простій, але дуже потужній потребі — навколо нас є багато даних, які потенційно можуть допомогти побудувати кращі моделі, але немає способу знати заздалегідь, які джерела даних будуть впливаючими, і як. Оригінальна ідея прийшла від Маора Шломо, співзасновника і генерального директора Explorium, який займався безпрецедентною різноманітністю даних під час військової служби і шукав способи використовувати їх для прийняття рішень і моделювання. Коли ми троє вперше зустрілися, нам одразу стало зрозуміло, що цей досвід віддзеркалює потреби, з якими ми стикалися у бізнес-світі, особливо в галузях, що швидко розвиваються і керуються наукою про дані, таких як технології реклами і маркетингу, де я і Ор Тамір (співзасновник і операційний директор Explorium) займалися зростанням через дані.

До створення Explorium пошук відповідних джерел даних, які справді робили вплив на вашу модель машинного навчання, був трудомістким, часу- і гроноємким процесом з низькими шансами на успіх. Причина полягає в тому, що ви просто гадаєте, і використовуєте своїх найбільш дорогих працівників — вчених-даністів — для експериментів. Крім того, сам процес придбання даних є складним бізнес-процесом, і команди з науки про дані зазвичай не мають можливості комерційно взаємодіяти з多ними постачальниками даних.

Як лідер науки про дані, який вимірювався бізнес-впливом, згенерованим моделями, я не мав розкоші відправляти свою команду на безцільну гонку. Як наслідок, ви часто віддаєте перевагу розгортанню своїх зусиль на речі, які можуть мати значно нижчий вплив, ніж відповідне нове джерело даних, просто тому, що вони значно більш під вашим контролем.

Explorium недавно успішно залучила додаткові 31 мільйон доларів у рамках другого раунду фінансування. Чи були ви здивовані тим, як швидко ваша компанія зростає?

Це був справді ракетний політ до цього моменту, і ви ніколи не можете вважати це належним собі. Я не можу сказати, що був здивований тим, наскільки широко поширена потреба у кращих даних, але це завжди неймовірний досвід бачити вплив, який ви генеруєте для клієнтів і їхнього бізнесу. Найбільшою аналітичною проблемою, з якою організації будуть зіштовхуватися протягом наступного десятиліття, буде пошук правильних даних для моделей і автоматизованих процесів. Правильні активи даних можуть коронувати нових лідерів ринку, тому наш зростання справді відображає швидко зростаючу кількість клієнтів, які розуміють це і роблять дані пріоритетом. Насправді кількість “Полювальників даних” — людей, які шукають дані як частина своєї щоденної роботи — зростає експоненційно в нашому досвіді.

Чи можете ви пояснити, що таке платформа даних Explorium і як працює автоматизований процес відкриття даних?

Explorium пропонує платформу науки про дані від кінця до кінця, що працює на основі посиленого відкриття даних і інженерії функцій. Ми зосереджені на “даних” частини науки про дані — тобто автоматичному підключенні до тисяч зовнішніх джерел даних і використанні машинного навчання для виділення найбільш впливаючих сигналів і функцій. Це складний і багаторівневий процес, який починається з підключення до різноманітних контекстно-відповідних джерел у тому, що ми називаємо каталогом даних Explorium. Потім ми автоматизуємо процес, який досліджує цю взаємопов’язану різноманітність даних, тестуючи сотні тисяч ідей для значимих функцій і сигналів, щоб створити оптимальний набір функцій, побудувати моделі на основі нього і служити їм у виробництві гнучкими способами.

Автоматизуючи пошук необхідних даних, а не тільки тих, які у вас є внутрішньо, платформа Explorium робить для науки про дані те саме, що пошукові системи роблять для вебу — ми шукаємо, ранжуємо і приносимо вам найбільш відповідні дані для передбачувальної задачі.

Це дозволяє вченим-даністам і бізнес-лідерам приймати рішення, усуваючи бар’єри для отримання правильних даних і забезпечуючи вищу передбачувану потужність.

Які типи зовнішніх джерел даних використовує Explorium?

Ми маємо доступ до тисяч джерел у майже будь-якій категорії даних, яку ви можете уявити, включаючи компанії, геопросторові, поведінкові, часові дані, дані веб-сайтів і багато іншого. У нас є кілька команд експертів, які спеціалізуються на придбанні даних через відкриті, публічні і преміум-джерела, а також партнерства. Наш доступ до унікальних талантів з Ізраїлю, одного з найкращих інтелектуальних і технологічних підрозділів, приносить суттєву експертизу і досвід у використанні різноманітності даних для прийняття рішень.

Як Explorium використовує машинне навчання, щоб зрозуміти, які типи даних актуальні для клієнтів?

Це частина нашого “секретного соусу”, тому я не можу зануритися у деталі, але на високому рівні ми використовуємо машинне навчання, щоб зрозуміти значення різних частин ваших наборів даних, і застосовувати постійно покращувані алгоритми для визначення джерел у нашому еволюційному каталозі, які потенційно актуальні. Підключаючи ці джерела до ваших даних, ми можемо виконувати складні процеси відкриття даних і інженерії функцій, спеціально розроблені для зовнішніх і високовимірних даних, щоб ідентифікувати найбільш впливаючі функції з найбільш актуальних джерел. Роблячи це все в контексті моделей машинного навчання робить вплив статистично вимірюваним і дозволяє нам постійно вчиться і покращувати наші можливості зі збігання, генерації і відкриття.

Одним з рішень, які пропонуються, є мінімізація ризику шахрайства для онлайн-кредитування шляхом використання посиленого відкриття даних. Чи можете ви розповісти про те, як працює це рішення?

Кредитування – це все про передбачення і мінімізацію ризику — як від здатності боржника повернути кредит (наприклад, фінансової діяльності), так і від його наміру зробити це (наприклад, шахрайства). Заявки на кредит мають внутрішньо протиріччя між бажанням кредитора зібрати більше інформації і його здатністю конкурувати з іншими постачальниками, оскільки довші і більш складні опитування мають нижчі показники завершення, є упередженими за定义 і так далі.

З Explorium як традиційні банки, так і онлайн-челенджери можуть автоматично доповнювати процес подачі заявки зовнішніми і об’єктивними джерелами, які додають негайний контекст і розкривають значимі взаємозв’язки. Без надання занадто багато інформації, щоб допомогти шахраям, ви можете уявити, що в контексті шахрайства це може означати різні поведінки і властивості, які виділяються порівняно з реальними заявниками, якщо ви можете зібрати 360-градусний вигляд на них. Все, від онлайн-присутності, офіційних записів, поведінкових моделей у соціальних мережах і фізичних слідів, залишають хлібні крихти, які можна було б гіпотезувати і протестувати як потенційні функції і індикатори, якщо ви можете отримати доступ до відповідних даних і вертикальної експертизи. Просто кажучи, кращі дані забезпечують кращі передбачувальні моделі, які допомагають перекласти зменшений ризик і вищі доходи на дно лінії кредитора.

У ширшій перспективі, починаючи з того часу, як COVID-19 вдарив по всьому світу, ми бачимо зростання нових моделей шахрайства, а також зростаючу потребу кредиторів повернутися до основ, оскільки пандемія зруйнувала всі моделі. Ніхто не справді брав до уваги такий “Чорний лебідь” подія, і частина нашої початкової реакції на допомогу цим компаніям полягала у генерації спеціальних сигналів, які допомагають оцінити бізнес-ризик у цих нестійких і динамічних умовах.

Ви можете прочитати більше про це в чудовому пості, написаному Маором Шломо, співзасновником і генеральним директором Explorium.

Дякуємо за велике інтерв’ю, читачам, які бажають дізнатися більше, слід відвідати Explorium.