数据科学初创公司Explorium Ltd.希望获得该企业的牵线搭桥，获得1900万美元的资金，以使其业务起步。
今天宣布的资金包括由Emerge牵头的360万美元种子轮以及F2 Capital的参与，以及由Zeev Ventures牵头的1550万美元A轮融资。
Explorium的想法是为企业提供更丰富的数据集，这些数据集可用于训练机器学习模型，然后可用于对业务方面进行更准确的预测。
大多数公司已经在其内部信息技术系统中存储了数据堆栈，但是如果可以向其学习其他第三方数据，则机器学习模型将变得更加可靠。这就是Explorium发挥作用的地方，可帮助公司将其数据连接到成千上万个其他公开可用的信息源。
Explorium称其平台为一种数据的“约会站点”。它通过分析公司的数据来工作，以确定哪些其他信息可以改善其机器学习模型。然后，这些新数据以即用型格式交付给客户。
Explorium的联合创始人兼首席执行官Maor Shlomo告诉SiliconANGLE，他的公司提供的外部数据为组织的现有信息添加了关键的上下文，从而实现了更有效的机器学习。
“例如，保险公司试图预测在任何给定时间内预期要接多少个电话，以有效地为其呼叫中心配备人员，” Shlomo说。“但是，他们的历史数据集主要仅包括日期，时间和过去收到的电话数量。这太狭窄了，无法提供基本动态的清晰图片，导致模型不准确，您根本无法相信自己经营业务。”
Shlomo说，Explorium可以通过探索诸如拨打电话的时间之类的东西来增强保险提供商的数据集。然后，它将调查例如在通话时是否正在下雨，外面是否天黑，是否有损坏的新闻报道。
Explorium的平台探索了数千个自动生成的想法，以这种方式增强了客户的数据，使其能够提供更多的上下文。有了这个附加的上下文，保险提供商将能够对何时可能接听大量的电话作出更准确的预测。
“我们正在为机器学习数据做着搜索引擎为网络做的事情，” Shlomo说。“就像搜索引擎搜索网络并提供最相关的答案一样，Explorium也会搜索组织内部和外部的数据源，以生成可驱动精确模型的功能。”
尽管Explorium现在才刚刚从隐身模式中脱颖而出，但它已经拥有60多名员工，并以财富100强中的几家公司为客户。