總部位于特拉維夫的創業公司Explorium開發自動數據和功能發現平臺，今天完成了3,100萬美元的融資。Explorium經過數個標志性的幾個月后才注入資金，自去年9月以來，Explorium的客戶群增加了兩倍，并整合了與更多行業和垂直行業有關的數據。

特征工程是一項艱巨的任務，即使用領域知識通過數據挖掘技術從原始數據中提取特征的過程。根據《福布斯》調查，數據科學家將80%的時間用于數據準備，而76%的人則將其視為工作中最不愉快的部分。這也很昂貴— Trifecta估計組織的集體數據準備成本為4500億美元。Explorium旨在通過充當公司信息存儲庫，將孤立的內部數據動態連接到數千個外部源來解決此問題。它聲稱使用機器學習，可以自動從數據中提取，設計，匯總和集成最相關的功能，以支持復雜的預測算法，在對最高績效者進行評分，排名和部署之前對其進行數百次評估。

貸款人和保險公司可以使用Explorium從數千個數據源中發現預測變量，而零售商可以利用它來預測哪些顧客可能會購買每種產品。在該平臺內，數據科學家可以添加自定義代碼以合并領域知識和微調的AI模型。此外，他們還可以使用旨在從大型語料庫中發現優化通知模式的工具。

4月，Explorium添加了一組新信號來幫助組織了解大流行帶來的風險。通過將可能影響公司還款或可操作性的變量(如公司內部數據，政策因素和地理因素)組合在一起，該平臺將產生整體風險評分。(例如，被認為是必不可少的并獲得聯邦援助的衛生系統，比關閉且不被認為是至關重要的酒店，風險要低。)

Explorium的最新客戶包括在線小型企業貸方OnDeck，全球媒體代理商CrossMedia，小型企業銀行提供商BlueVine，在線眼鏡零售商GlassesUSA和小型企業貸款提供商Behalf。Zeev Ventures領導了本周宣布的B輪融資，其中包括Dynamic Loop，Emerge，01 Advisors和F2 Capital。該輪融資使Explorium的總資金達到5,000萬美元，該公司表示將用于擴展到新的業務領域和地理市場，從而使其能夠擴大數據目錄并雇用更多的數據科學和商業人才。

Explorium在迅速發展的“自動ML”細分市場中與眾多其他初創公司和現有公司并駕齊驅。上個月，Databricks推出了用于模型構建和部署的工具包，該工具包可以自動執行超參數調整，批處理預測和模型搜索之類的操作。IBM的Watson Studio AutoAI于6月首次亮相，它有望實現企業AI模型開發的自動化，微軟最近增強的Azure機器學習云服務和Google的AutoML套件也是如此。