Explorium开发自动数据和功能发现平台

总部位于特拉维夫的创业公司Explorium开发自动数据和功能发现平台，今天完成了3，100万美元的融资。Explorium经过数个标志性的几个月后才注入资金，自去年9月以来，Explorium的客户群增加了两倍，并整合了与更多行业和垂直行业有关的数据。

特征工程是一项艰巨的任务，即使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。根据《福布斯》调查，数据科学家将80%的时间用于数据准备，而76%的人则将其视为工作中最不愉快的部分。这也很昂贵— Trifecta估计组织的集体数据准备成本为4500亿美元。Explorium旨在通过充当公司信息存储库，将孤立的内部数据动态连接到数千个外部源来解决此问题。它声称使用机器学习，可以自动从数据中提取，设计，汇总和集成最相关的功能，以支持复杂的预测算法，在对最高绩效者进行评分，排名和部署之前对其进行数百次评估。

贷款人和保险公司可以使用Explorium从数千个数据源中发现预测变量，而零售商可以利用它来预测哪些顾客可能会购买每种产品。在该平台内，数据科学家可以添加自定义代码以合并领域知识和微调的AI模型。此外，他们还可以使用旨在从大型语料库中发现优化通知模式的工具。

4月，Explorium添加了一组新信号来帮助组织了解大流行带来的风险。通过将可能影响公司还款或可操作性的变量（如公司内部数据，政策因素和地理因素）组合在一起，该平台将产生整体风险评分。（例如，被认为是必不可少的并获得联邦援助的卫生系统，比关闭且不被认为是至关重要的酒店，风险要低。）

Explorium的最新客户包括在线小型企业贷方OnDeck，全球媒体代理商CrossMedia，小型企业银行提供商BlueVine，在线眼镜零售商GlassesUSA和小型企业贷款提供商Behalf。Zeev Ventures领导了本周宣布的B轮融资，其中包括Dynamic Loop，Emerge，01 Advisors和F2 Capital。该轮融资使Explorium的总资金达到5，000万美元，该公司表示将用于扩展到新的业务领域和地理市场，从而使其能够扩大数据目录并雇用更多的数据科学和商业人才。

Explorium在迅速发展的“自动ML”细分市场中与众多其他初创公司和现有公司并驾齐驱。上个月，Databricks推出了用于模型构建和部署的工具包，该工具包可以自动执行超参数调整，批处理预测和模型搜索之类的操作。IBM的Watson Studio AutoAI于6月首次亮相，它有望实现企业AI模型开发的自动化，微软最近增强的Azure机器学习云服务和Google的AutoML套件也是如此。