开发自动化数据和功能发现服务的探索公司在Zeev Ventures的带领下筹集了3100万美元的B系列资金，使其总资金达到5000万美元

探索，一家位于特拉维夫的初创公司，开发了一个自动化的数据和特征发现平台，今天完成了一轮3100万美元的融资。在注资之前的几个月里，Explorum表现出色，自去年9月以来，该公司的客户群增加了两倍，并纳入了与更多行业和垂直市场相关的数据。

特征工程-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-是困难的。根据福布斯的一项调查，数据科学家80%的时间花在数据准备上，76%的人认为这是他们工作中最不享受的部分。这也很昂贵-Trifeta将组织的集体数据准备成本固定在4500亿美元。

探索旨在通过充当公司信息的储存库来解决这一问题，将孤立的内部数据动态连接到数千个外部来源。使用机器学习，它声称可以自动从数据中提取、设计、聚合和集成最相关的特征，以支持复杂的预测算法，在对表现最好的人员进行评分、排名和部署之前对数百人进行评估。

贷款人和保险公司可以使用Explorum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客户可能购买每种产品。在该平台内，数据科学家可以添加自定义代码，以纳入领域知识并微调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信息模式的工具。

今年4月，探索实验室增加了一组新的信号，以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公司内部数据、政策因素和地理因素等变量组合在一起，该平台可以生成总体风险得分。(例如，一个被认为是基本的、接受联邦援助的医疗系统比一个关闭的、不被认为是危急的酒店风险更低。)。

最近探索的客户包括在线小企业贷款机构OnDeck、全球媒体机构CrossMedia、小企业银行提供商BlueVine、在线眼镜零售商GlassesUSA和小企业贷款提供商代表。Zeev Ventures领导了本周宣布的B系列，来自Dynamic Loop、Emerge和F2 Capital的参与。这轮融资使Explorum的总融资达到5000万美元，该公司表示，这笔资金将用于向新的业务垂直市场和地理市场扩张，使其能够扩大数据目录，并招聘更多数据科学和商业人才。

Explorum加入了一大批其他初创公司和现有公司的行列，进入了新兴的“汽车ML”细分市场。Databricks上个月刚刚发布了一个用于模型构建和部署的工具包，它可以自动执行超参数调优、批量预测和模型搜索等操作。IBM的Watson Studio AutoAI-6月份首次亮相-承诺自动开发企业AI模型，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，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，高于去年的240亿美元收入。高德纳对此表示同意：在最近对全球数千家企业高管进行的一项调查中，它发现，人工智能的实施在过去四年里增长了惊人的270%，仅在过去一年就增长了37%。