外包數據清理平台 CrowdFlower 調查指出，資料科學家有 60% 時間花在「清理數據」，而非真正數據分析。就算所有企業都了解「數據驅動」（Data-Driven）的重要性，資料處理仍是無可避免的苦工。
新創Numbers Station把近來火熱的「生成式AI」運用於資料處理：使用者只要輸入一句話，即可自動產生SQL語法，從龐大資料庫撈取數據。如某產品月銷量、本季營業額前三產品，還能直接建立AI模型，連不懂程式語言的工作者也能使用，3月剛獲1,250萬美元A輪募資。
▲ Numbers Station專門解決數據分析上一層工作：數據清理。（Source：Numbers Station）
Numbers Station是由史丹佛大學博士Chris Aberger、Ines Chami、Sen Wu及副教授Chris Ré共同創辦。
「我們看到大多數AI人才專注行銷、圖片產生功能，鮮少專注處理龐雜數據格式、資料前清理，但這仍是巨大的企業問題和企業需求。」Numbers Station執行長Chris Aberger說。
數據分析之前，如果沒有清理乾淨的數據，就難以產出有正確見解的洞察，也就是常見的「垃圾進、垃圾出」（Garbage in, garbage out），如果大多原始數據（Raw Data）錯誤、重複或缺失，尚未清理前便建立AI模型，會降低AI模型的準確率。不過因數據龐大、來源多樣，使數據清洗一直相當困難。
Chris Aberger指出，數據分析、清理能力需要一定程度門檻，因此數據往往只是部分人掌握，不論初階數據存取或AI模型，都仰賴這少數人。「我們想讓資料科學家花更多時間提供洞察，花更少時間在平凡的數據清理」。
Numbers Station讓人人都能寫SQL、建立AI模型
2021年Numbers Station成立，專門提供生成式AI服務，為資料科學家省去重複又耗時的數據清理、重複數據刪除、正規化（Normalization）等，但目前僅供SQL語言。
Numbers Station的目標簡單來說，就是讓數據清洗不再困難，也不再限於有專業知識的人。分成三部分：第一是提高效率，讓資料科學家專注更重要的工作，如解釋數據、制定決策；二是提高數據品質，透過AI自動糾正並辨識問題；三是數據存取權民主化，讓所有人皆能數據撈取、建立AI模型。
為了達成上述目標，Numbers Station產品提供三大服務加速數據清洗、存取與使用：
自動生成SQL語言
SQL語言大多用於資料庫查詢，如客戶訂單、銷售趨勢等，藉Numbers Station，使用者不用學SQL語言，只要輸入口語化指令，如「在A資料表尋找價格大於1,000的商品」，即可得到一串SQL公式，直接撈取需要的數據。
自動建立AI模型
Numbers Station也能自動建立AI模型，以客戶評論為例，使用者只要輸入一句話，如「這些顧客最喜歡這產品哪個地方？以一個單字摘要，如價格、尺寸合適度、風格等」，Numbers Station就會自動為資料集貼上標籤，接著只需檢驗標籤是否正確，回饋並修正，即可建立AI模型。
▲ Numbers Station可讓程式小白直接建立AI模型。（Source：Numbers Station）
自動整併資料庫
由於公司多個資料庫可能散布不同平台，Numbers Station能直接將SAP、Salesforce、Snowflake等資料合併。
▲ Numbers Station自動整併資料集功能。（Source：Numbers Station）
以Numbers Station某間企業客戶來說，擁有兩個客戶關係管理系統（CRM），各自管理線上與實體門市顧客，兩邊數據各自獨立。為了得知顧客線上、實體消費情形，企業希望兩邊數據整併，讓行銷及業務團隊追蹤消費者全面購物過程。
但困難的是，不同實體門市數據雜亂，出現許多缺失值、格式錯誤，導致數據整併需耗費許多精力，最後使用Numbers Station後，兩邊數據匹配率98%，工作速度提升10倍，為數據分析團隊大幅節省時間成本。
對抗生成式AI熱潮，「加入自身專業」才是成功關鍵
3月Numbers Station剛獲1,250萬美元A輪募資，由Madrona領投，含Norwest Venture Partners、Factory等其他投資人。
Madrona投資人Tim Porter和Jon Turow說，投資Numbers Station原因是團隊成員背景有技術實力，可為更多企業導入AI，降低技術使用門檻，Chris Aberger過去就在美國人工智慧軟硬體獨角獸SambaNova Systems領導機器學習團隊。
資料視覺化企業Tableau的前執行長Mark Nelson也發表看法：「Numbers Station正在解決數據業幾十年來挑戰，其平台和底層AI技術為現代數據工作帶來根本性的轉變。」
現行許多公司使用ChatGPT原OpenAI模型打造產品，Chris Aberger也提出相應看法。在他看來，由於ChatGPT僅抓取網路資訊，無法涵括所有知識專業，僅能達到及格水準，因此需要微調才能做到近滿分，使產品差異化。「真正重要的是，這些模型哪些地方應用AI專業知識，使它們在特定組織任務表現良好。」
（本文由 創業小聚 授權轉載；首圖來源：Numbers Station AI）
從這裡可透過《Google 新聞》追蹤 TechNews
