Explorium融资3100万美元,通过AI实现数据准备自动化

总部位于特拉维夫的初创公司Explorium正在开发一个自动数据和功能发现平台,今天完成了3100万美元的融资。在经历了几个月的辉煌之后,Explorium获得了这笔资金。自去年9月以来,该公司的客户基础增加了两倍,并整合了更多行业和垂直领域的数据。

特征工程——利用领域知识通过数据挖掘技术从原始数据中提取特征的过程——是一项艰巨的任务。根据福布斯的一项调查,数据科学家花费80%的时间在数据准备上,76%的人认为这是他们工作中最不愉快的部分。它也很昂贵——Trifecta估计,组织机构的数据准备成本为4500亿美元。

Explorium的目标是解决这个问题,它充当公司信息的储存库,即时将筒仓式的内部数据与数千个外部来源连接起来。该公司声称,利用机器学习技术,它可以自动提取、设计、聚合和整合数据中最相关的特征,从而为复杂的预测算法提供动力,对数百人进行评估,然后对表现最好的人进行评分、排名和部署。

贷方和保险公司可以使用Explorium从数千个数据来源中发现预测变量,而零售商则可以利用它来预测哪些客户可能会购买每种产品。在这个平台中,数据科学家可以添加自定义代码来整合领域知识和微调AI模型。此外,他们还可以访问为揭示大型语料库中的优化通知模式而设计的工具。

今年4月,Explorium添加了一套新的信号,以帮助各机构了解大流行带来的风险。该平台将公司内部数据、政策因素和可能影响公司还款或可操作性的地理因素等变量结合起来,生成一个总体风险评分。(例如,一个被认为是必要的、接受联邦援助的医疗系统,其风险要低于一家关闭的、被认为不是关键的酒店。)

Explorium最近的客户包括在线小企业贷款机构OnDeck、全球媒体机构CrossMedia、小型企业银行服务提供商BlueVine、在线眼镜零售商GlassesUSA以及小型企业贷款提供商Behalf。本周宣布的B轮投资由Zeev Ventures领衔,参与的有Dynamic Loop、Emerge、01 Advisors和F2 Capital。这次融资将使Explorium的总投资达到5,000万美元。该公司表示,这笔资金将用于拓展新的垂直市场和地理市场,使其能够扩充数据目录,并聘用更多数据科学和商业人才。

Explorium也加入了新兴的“AutoML”市场。Databricks上个月刚刚推出了一个用于模型构建和部署的工具包,它可以自动完成超参数调优、批处理预测和模型搜索等工作。IBM的Watson Studio AutoAI——今年6月首次亮相——承诺自动化企业AI模型的开发,微软最近增强的Azure机器学习云服务和谷歌的AutoML套件也是如此。

IDC预测,到2022年,全球在认知和人工智能系统上的支出将达到776亿美元,而去年的收入为240亿美元。Gartner对此表示赞同:在最近对全球数千家企业高管的调查中,它发现人工智能的实施在过去四年里增长了惊人的270%,仅去年一年就增长了37%。

发表评论

电子邮件地址不会被公开。 必填项已用*标注