Omer Har, Đồng sáng lập và CTO, Explorium – Loạt phỏng vấn

Omer Har là một chuyên gia về khoa học dữ liệu và kỹ sư phần mềm có gần một thập kỷ kinh nghiệm xây dựng các mô hình AI giúp thúc đẩy các doanh nghiệp lớn.

Omer Har là Đồng sáng lập và CTO của Explorium, một công ty cung cấp nền tảng khoa học dữ liệu đầu tiên thuộc loại này, được hỗ trợ bởi khám phá dữ liệu tăng cường và kỹ thuật tính năng. Bằng cách tự động kết nối với hàng nghìn nguồn dữ liệu bên ngoài và tận dụng học máy để chiết xuất các tín hiệu có tác động nhất, nền tảng Explorium cho phép các nhà khoa học dữ liệu và các nhà lãnh đạo doanh nghiệp đưa ra quyết định bằng cách loại bỏ rào cản để có được dữ liệu phù hợp và cho phép quyền dự đoán vượt trội.

Khi nào bạn lần đầu tiên khám phá ra rằng bạn muốn tham gia vào khoa học dữ liệu?

Sự quan tâm của tôi đến khoa học dữ liệu đã bắt đầu từ hơn một thập kỷ trước, đó cũng là khoảng thời gian tôi đã thực hành và lãnh đạo các nhóm khoa học dữ liệu. Tôi bắt đầu với vai trò là một kỹ sư phần mềm nhưng luôn bị thu hút bởi các thách thức dữ liệu phức tạp và thuật toán từ sớm. Tôi may mắn khi đã học được nghề nghiệp tại Microsoft (MSFT ) Research, nơi là một trong những nơi ít ỏi vào thời điểm đó nơi bạn có thể thực sự làm việc trên các thách thức học máy ứng dụng phức tạp với quy mô lớn.

Bạn đã đồng sáng lập Explorium vào năm 2017, bạn có thể thảo luận về ý tưởng đằng sau việc ra mắt startup này không?

Explorium dựa trên một nhu cầu đơn giản nhưng rất mạnh mẽ – có rất nhiều dữ liệu xung quanh chúng ta có thể giúp xây dựng các mô hình tốt hơn, nhưng không có cách nào để biết trước哪 các nguồn dữ liệu sẽ có tác động và như thế nào. Ý tưởng ban đầu đến từ Maor Shlomo, Đồng sáng lập và CEO của Explorium, người đã phải đối mặt với sự đa dạng dữ liệu chưa từng có trong dịch vụ quân sự và tìm cách tận dụng nó vào việc ra quyết định và xây dựng mô hình. Khi cả ba chúng tôi lần đầu tiên gặp nhau, nó đã ngay lập tức rõ ràng với chúng tôi rằng kinh nghiệm này vang vọng nhu cầu chúng tôi đang đối mặt trong thế giới kinh doanh, đặc biệt là trong các lĩnh vực khoa học dữ liệu đang phát triển nhanh như công nghệ quảng cáo và tiếp thị, nơi cả tôi và Or Tamir (Đồng sáng lập và COO của Explorium) đều đang dẫn dắt sự tăng trưởng thông qua dữ liệu.

Trước Explorium, việc tìm kiếm các nguồn dữ liệu có liên quan thực sự có tác động – để cải thiện độ chính xác của mô hình học máy – là một quá trình tốn thời gian, tốn kém và có khả năng thành công thấp. Lý do là bạn基本 đang đoán và sử dụng những người có giá trị nhất – các nhà khoa học dữ liệu – để thực nghiệm. Hơn nữa, việc thu thập dữ liệu bản thân là một quá trình kinh doanh phức tạp và các nhóm khoa học dữ liệu thường không có khả năng tham gia thương mại với nhiều nhà cung cấp dữ liệu.

Là một nhà lãnh đạo khoa học dữ liệu được đo lường bởi tác động kinh doanh được tạo ra bởi các mô hình, tôi không có sự sang trọng để gửi đội của mình đi trên một cuộc săn lùng vô ích. Do đó, bạn thường thích triển khai nỗ lực của mình vào những thứ có thể có tác động thấp hơn so với một nguồn dữ liệu mới có liên quan, chỉ vì chúng nằm trong phạm vi kiểm soát của bạn.

Explorium gần đây đã thành công trong việc huy động thêm 31 triệu đô la trong một vòng tài trợ Series B. Bạn có bất ngờ về tốc độ tăng trưởng của công ty mình không?

Đó chắc chắn là một chuyến tàu tên lửa cho đến nay, và bạn không bao giờ có thể coi đó là điều đương nhiên. Tôi không thể nói rằng tôi đã bất ngờ về mức độ phổ biến của nhu cầu về dữ liệu tốt hơn, nhưng đó luôn là một trải nghiệm tuyệt vời khi thấy tác động bạn tạo ra cho khách hàng và doanh nghiệp của họ. Thử thách phân tích lớn nhất mà các tổ chức sẽ phải đối mặt trong thập kỷ tới là tìm kiếm dữ liệu phù hợp để nuôi các mô hình và quy trình tự động của họ. Các tài sản dữ liệu phù hợp có thể tạo ra những người lãnh đạo thị trường mới, vì vậy sự tăng trưởng của chúng tôi thực sự phản ánh số lượng khách hàng ngày càng tăng nhận ra điều đó và đang ưu tiên dữ liệu. Trên thực tế, số lượng “những người săn lùng dữ liệu” – những người tìm kiếm dữ liệu như một phần của công việc hàng ngày – đang tăng trưởng theo cấp số nhân trong kinh nghiệm của chúng tôi.

Bạn có thể giải thích nền tảng dữ liệu của Explorium là gì và quá trình khám phá dữ liệu tự động là gì không?

Explorium cung cấp một nền tảng khoa học dữ liệu toàn diện được hỗ trợ bởi khám phá dữ liệu tăng cường và kỹ thuật tính năng. Chúng tôi tập trung vào “dữ liệu” trong khoa học dữ liệu – nghĩa là tự động kết nối với hàng nghìn nguồn dữ liệu bên ngoài và tận dụng các quá trình học máy để chiết xuất các tín hiệu và tính năng có tác động nhất. Đây là một quá trình phức tạp và nhiều giai đoạn, bắt đầu bằng việc kết nối với hàng nghìn nguồn liên quan trong danh mục dữ liệu Explorium. Sau đó, chúng tôi tự động hóa quá trình khám phá sự đa dạng dữ liệu liên kết này bằng cách thử nghiệm hàng trăm nghìn ý tưởng về các tính năng và tín hiệu có ý nghĩa để tạo ra tập tính năng tối ưu, xây dựng mô hình trên đó và cung cấp chúng cho sản xuất theo các cách linh hoạt.

Bằng cách tự động hóa việc tìm kiếm dữ liệu bạn cần, không chỉ là dữ liệu bạn có bên trong, nền tảng Explorium đang làm cho khoa học dữ liệu những gì các công cụ tìm kiếm đã làm cho web – chúng tôi đang tìm kiếm, xếp hạng và mang lại cho bạn dữ liệu phù hợp nhất cho câu hỏi dự đoán tại tay.

Điều này cho phép các nhà khoa học dữ liệu và các nhà lãnh đạo doanh nghiệp đưa ra quyết định bằng cách loại bỏ rào cản để có được dữ liệu phù hợp và cho phép quyền dự đoán vượt trội.

Loại nguồn dữ liệu bên ngoài nào mà Explorium khai thác?

Chúng tôi có quyền truy cập vào hàng nghìn nguồn trên gần như mọi danh mục dữ liệu bạn có thể nghĩ đến, bao gồm công ty, địa lý, hành vi, thời gian, dữ liệu trang web và nhiều hơn nữa. Chúng tôi có nhiều nhóm chuyên gia chuyên về việc thu thập dữ liệu thông qua các nguồn mở, công khai, cao cấp và các đối tác. Sự tiếp cận của chúng tôi với các tài năng độc đáo từ các đơn vị tình báo và công nghệ hàng đầu của Israel mang lại kiến thức và kinh nghiệm đáng kể trong việc tận dụng sự đa dạng của dữ liệu để ra quyết định.

Làm thế nào Explorium sử dụng học máy để hiểu loại dữ liệu nào có liên quan đến khách hàng?

Đây là một phần của “nước sốt bí mật” của chúng tôi, vì vậy tôi không thể đi sâu vào chi tiết, nhưng ở mức độ cao, chúng tôi sử dụng học máy để hiểu ý nghĩa đằng sau các phần khác nhau của tập dữ liệu của bạn và sử dụng các thuật toán liên tục cải tiến để xác định các nguồn trong danh mục của chúng tôi có thể có liên quan. Bằng cách kết nối các nguồn này với dữ liệu của bạn, chúng tôi có thể thực hiện các quá trình khám phá dữ liệu và kỹ thuật tính năng phức tạp, được thiết kế đặc biệt để hiệu quả với dữ liệu bên ngoài và cao chiều, để xác định các tính năng có tác động nhất từ các nguồn có liên quan nhất. Việc thực hiện tất cả trong ngữ cảnh của các mô hình học máy làm cho tác động có thể đo lường được thống kê và cho phép chúng tôi liên tục học hỏi và cải thiện khả năng kết hợp, tạo và khám phá của mình.

Một trong những giải pháp được cung cấp là giảm thiểu rủi ro gian lận ứng dụng cho các nhà cho vay trực tuyến bằng cách sử dụng khám phá dữ liệu tăng cường. Bạn có thể đi vào chi tiết về cách giải pháp này hoạt động không?

Cho vay là tất cả về việc dự đoán và giảm thiểu rủi ro – dù đó là khả năng trả nợ của người đi vay (ví dụ: hiệu suất tài chính) hay ý định của họ để làm như vậy (ví dụ: gian lận). Các ứng dụng cho vay vốn là một sự đánh đổi giữa mong muốn của người cho vay để thu thập thêm thông tin và khả năng của họ để cạnh tranh với các nhà cung cấp khác, vì các bảng câu hỏi dài hơn và phức tạp hơn có tỷ lệ hoàn thành thấp hơn, bị thiên vị theo định nghĩa và như vậy.

Với Explorium, cả các ngân hàng truyền thống và các nhà thách thức trực tuyến đều có thể tự động tăng cường quá trình ứng dụng với các nguồn dữ liệu bên ngoài và khách quan, thêm ngay lập tức ngữ cảnh và tiết lộ các mối quan hệ có ý nghĩa. Không tiết lộ quá nhiều để giúp các kẻ gian lận, bạn có thể tưởng tượng rằng trong ngữ cảnh của gian lận, điều này có thể có nghĩa là các hành vi và thuộc tính khác nhau nổi bật so với các ứng viên thực sự nếu bạn có thể thu thập một cái nhìn 360 độ về họ. Mọi thứ từ sự hiện diện trực tuyến, hồ sơ chính thức, mẫu hành vi trên mạng xã hội và dấu vết vật lý để lại các dấu vết bánh mì có thể được suy đoán và kiểm tra như các tính năng và chỉ số tiềm năng nếu bạn có thể truy cập vào dữ liệu và kiến thức dọc liên quan. Đơn giản nói, dữ liệu tốt hơn đảm bảo các mô hình dự đoán tốt hơn, điều này giúp chuyển đổi rủi ro giảm và doanh thu cao hơn sang lợi nhuận của người cho vay.

Trong một cái nhìn rộng hơn, kể từ khi COVID-19 tấn công trên quy mô toàn cầu, chúng tôi đã thấy sự gia tăng của các mẫu gian lận mới cũng như nhu cầu của các nhà cho vay để quay lại cơ bản, vì đại dịch đã phá vỡ tất cả các mô hình. Không ai thực sự tính đến một sự kiện “Con Thiên Nga Đen” như vậy, và một phần của phản ứng ban đầu của chúng tôi để giúp các công ty này đã là tạo ra các tín hiệu tùy chỉnh giúp đánh giá rủi ro kinh doanh trong những thời điểm không chắc chắn và động này. Bạn có thể đọc thêm về nó trong một bài đăng tuyệt vời được viết bởi Maor Shlomo, Đồng sáng lập và CEO của Explorium.

Cảm ơn vì cuộc phỏng vấn tuyệt vời, những người đọc muốn tìm hiểu thêm nên truy cập Explorium.