La plateforme de données configurable de la Skaipermet aux organisations d'obtenir des informations opportunes et exploitables à partir d'un large éventail de sources de données externes. C'est la pointe de l'analyse.
Les technologies de nouvelle génération comme celle-ci ne seraient pas possibles sans le travail d'innovateurs très talentueux et dévoués qui travaillent en coulisse pour transformer des fonctionnalités autrefois inimaginables en réalité commerciale. C'est notre vice-président de la recherche et du développement, Yoram Landau , qui dirige ces efforts (connectez-vous avec lui sur LinkedIn ici).
Nous avons eu l'occasion de discuter avec Yoram de la manière dont il aborde les technologies sous-jacentes d'apprentissage automatique et d'intelligence artificielle qui alimentent la plateforme Skai (une plateforme de "big data intelligente", comme il l'appelle), ainsi que du chemin qui l'a mené à son poste actuel.
Pourquoi les entreprises sont-elles intéressées par l'utilisation de données externes ?
Les données peuvent être utilisées pour prendre de meilleures décisions. Les données externes permettent aux entreprises d'apprendre tout ce qu'elles ne savaient pas - y compris tout ce qu'elles ne savaient pas qu'elles ne savaient pas. Cependant, les données externes non structurées sont également l'un des types de données les plus difficiles à exploiter lorsqu'il s'agit d'obtenir des informations exploitables. Les données non structurées sont toujours complexes. Les données externes sont toujours complexes. La combinaison des deux rend leur traitement très difficile, mais leur valeur est énorme.
Comment la plateforme Skai donne-t-elle un sens à tous les différents types de données qui existent ?
De nombreux composants d'IA sont utilisés pour extraire le contexte de différents types de données. Il s'agit généralement d'une combinaison d'algorithmes de traitement du langage naturel (NLP) et d'apprentissage automatique (ML), mais nous utilisons également une expertise de domaine guidée par l'homme pour affiner et valider nos modèles.
Nous disposons d'un algorithme NLP propriétaire basé sur certains algorithmes standard, mais considérablement amélioré et modifié pour nos besoins. Nous appliquons ensuite une taxonomie spécifique à un domaine, créée par des experts, afin d'extraire le contexte pertinent pour la catégorie dans laquelle nous travaillons.
Quel a été le parcours professionnel qui vous a conduit à devenir le vice-président de la R&D de la Skai?
J'ai obtenu ma licence en informatique en Israël et mon master aux États-Unis. J'ai passé les dix premières années qui ont suivi l'obtention de mon diplôme en Californie, où j'ai travaillé pour différentes grandes entreprises, dont Sun Microsystems et Silicon Graphics.
Par la suite, je suis retourné en Israël et j'ai occupé d'autres postes de direction. Mon rôle le plus important a probablement été celui que j'ai joué chez Orbit Worldwide, la société de voyage. J'ai géré leur centre de développement en Israël, où nous avons construit des parties importantes de la plateforme de voyage en ligne. Ensuite, je suis venu à la Skai.
Pourquoi avez-vous décidé de vous lancer dans l'analyse basée sur l'IA ?
Pour moi, qui viens du monde de l'ingénierie et qui suis une personne analytique, j'ai vu un grand potentiel dans ce domaine. J'ai passé de nombreuses années à travailler sur des défis d'ingénierie liés aux données. J'ai vu les possibilités qu'offrait l'utilisation de l'IA sur la plateforme "smart big data" pour relever ces défis. C'était vraiment passionnant pour moi.
J'aime considérer la Skai comme une plateforme de "big data intelligente". L'intelligence provient principalement des activités liées à l'IA que nous menons ici. Lorsque vous voulez atteindre une grande précision à l'échelle en utilisant les différents types de données que nous traitons, vous devez utiliser l'IA.
Quels sont vos objectifs en tant que responsable de la R&D de la Skai?
Donc, ce que nous voulons faire ici - et nous avons déjà réalisé des parties importantes de ce travail - c'est construire une infrastructure dans laquelle vous pouvez introduire n'importe quel type de données non structurées à n'importe quelle échelle et qui extraira automatiquement le contexte avec une grande précision. Le résultat final est un lac de données intelligent qui peut être connecté à différents types de données, que les clients peuvent utiliser pour obtenir des informations et des prédictions via nos différentes capacités de configuration ou via un accès direct au lac de données.
Quels sont les défis sur lesquels votre équipe travaille actuellement ?
Il est difficile d'automatiser le traitement de l'extraction du contexte à partir de différents types de données externes non structurées. Afin d'intensifier ces efforts, vous devez normaliser le traitement des données, car il est beaucoup plus facile d'automatiser lorsque tout est normalisé. Mais une fois que l'on standardise le traitement des données, on perd en flexibilité. Et qui dit perte de flexibilité dit perte de qualité.
À la Skai, nous éliminons le choix entre des informations approfondies et significatives et l'automatisation en étant capables de traiter entièrement plusieurs types de données non structurées à grande échelle et d'extraire le contexte pertinent pour une catégorie de produits ou un domaine thérapeutique particulier.
Quel est, selon vous, l'avenir des analyses avancées basées sur l'IA ?
L'avenir est à une plus grande échelle et à une plus grande précision dans le discernement des sentiments et du contexte dans un plus grand nombre de catégories de produits et de secteurs verticaux. Atteindre une précision élevée à grande échelle - c'est sans aucun doute notre avenir avec l'IA, et cela impliquera principalement le NLP, le ML et le traitement d'images. La prédiction est un autre aspect important de l'IA, qui fait appel à des technologies telles que les réseaux neuronaux et l'apprentissage profond.
Citez une technologie que vous avez rencontrée à un moment donné et qui vous a fait penser "wow, je vis vraiment dans le futur".
Je dirais soit la réalité virtuelle, soit les voitures autonomes. Ces deux domaines sont vraiment fascinants.
-------------
*Cetarticle de blog a été publié à l'origine sur Signals-Analytics.com. Kenshoo a acquis Signals-Analytics en décembre 2020. Lire le communiqué de presse.
Plus de détails
