一句話自動產生SQL語法，瞄準數據處理的Numbers Station獲近4億元募資

根據外包數據清理平台CrowdFlower的調查指出，資料科學家有60%的工作時間花在「清理數據」，而非真正的數據分析。就算所有企業都了解「數據驅動」（Data-Driven）的重要性，資料處理仍是無可必免的苦工。

新創Numbers Station把近來火熱的「生成式AI」運用在資料處理的環節上：使用者只要輸入一句話，即可自動產生SQL語法，在龐大的數據庫中撈取數據。如某產品的月銷量、本季營業額前三的產品，還能夠直接建立AI模型，連不懂程式語言的工作者也能使用，在今（2023）年3月獲得1,250萬美元的A輪募資。

Numbers Station期望讓資料科學家專注在「最重要的事」

Numbers Station是由史丹佛大學博士Chris Aberger、Ines Chami、Sen Wu，以及副教授Chris Ré共同創辦。

「我們看到大多數AI人才專注於行銷內容、圖片生成功能，鮮少專注於處理龐雜的數據格式、資料前清理，但這仍然是一個巨大的企業問題和企業需求。」Numbers Station執行長Chris Aberger說道。

執行數據分析之前，如果沒有清理乾淨的數據，就難以產出具有正確見解的洞察，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，在尚未清理之前便建立AI模型，會降低AI模型的準確率。不過因數據龐大、來源多樣，使得數據清洗工作一直相當困難。

Chris Aberger指出，數據分析、清理能力需要一定程度的門檻，因此數據往往只能由公司一部分的人掌握，不論是初階數據的存取或是AI模型，都仰賴這小部分的人，「我們想讓資料科學家花更多的時間提供洞察，花更少的時間在這些平凡的數據清理上。」

Numbers Station讓公司人人都能寫SQL、建立AI模型

2021年Numbers Station正式成立，專門給企業提供生成式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）等工作，但目前僅提供SQL語言使用。

Numbers Station的目標簡單來說，就是讓數據清洗不再困難，也不再限於具有專業知識的人。具體來說分成3個部分：第一是提高效率，讓資料科學家專注於更重要的工作，例如解釋數據、制定決策；二是提高數據品質，透過AI自動糾正並識別數據問題；三是數據存取權民主化，讓公司所有人皆能執行數據撈取、建立AI模型工作。

為了達到上述目標，Numbers Station的產品提供3大服務來加速數據的清洗、存取與使用：

• 自動生成SQL語言：
  SQL語言大多應用在資料庫查詢，如客戶訂單、銷售趨勢等，藉由Numbers Station，使用者便不用學習SQL語言，只要輸入口語化的指令，例如「在A資料表中尋找價格大於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，以客戶評論來說，使用者只要輸入一句話，如「這些顧客最喜歡這支產品的哪一個地方？以一個單字摘要，例如價格、尺寸合適度、風格等」，Numbers Station就會自動為資料及貼上標籤，接著使用者只需要檢驗標籤是否正確，回饋並修正，即可建立一套AI模型。

• 自動整併資料庫：
  由於公司的多個資料集可能散佈在不同平台，Numbers Station能直接將SAP、Salesforce、Snowflake等資料直接合併在一起。

以Numbers Station過去的一間企業客戶來說，該企業擁有兩個客戶關係管理系統（CRM），各自管理線上與實體門市的顧客，兩邊數據呈現孤立狀態。為了得知顧客在線上、實體的消費情形，企業希望將兩邊數據整併在一起，讓行銷及業務團隊追蹤全面的消費者購物旅程。

但困難的是，企業中不同實體門市的數據雜亂，出現許多缺失值、格式錯誤的狀況，導致數據整併工程需要耗費許多精力，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。

對於生成式AI熱潮，Numbers Station執行長：「加入自身專業」才是成功關鍵

今（2023）年3月，Numbers Station獲得1,250萬美元A輪募資，由Madrona領投，並包含Norwest Venture Partners、Factory等其他投資人。

Madrona投資人Tim Porter和Jon Turow說，投資Numbers Station的原因之一是團隊成員背景具有技術實力，可以為更多企業導入AI，降低技術使用門檻，像是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正在解決數據行業幾十年來存在的挑戰。他們的平台和底層AI技術正在為現代數據工作帶來根本性的轉變。」

現行許多公司使用ChatGPT原先的Open AI模型打造產品，Chris Aberger也提出相應看法。在他看來，由於ChatGPT僅抓取網路上的資訊，無法涵括所有知識、專業，僅能達到及格水準，因此需要再微調才能做到將近滿分，做出產品差異化，「真正重要的是，你在這些模型上的哪些地方應用AI專業知識，使它們在特定組織的任務中表現良好。」

參考資料：TechCrunch、businesswire、The Analytics Engineering Roundup

提供您第一手最豐富的創業資訊！
邀請您加入「《創業小聚》LINE官方帳號」

延伸閱讀

從歷史上的「網絡效應」看ChatGPT：當AI成為標配，新創怎麼建立護城河？
前OpenAI工程總監創辦AI新創Adept，要讓所有軟體都能被AI操控
AI會取代人類，還是人類會成為AI的一部分？從「平台經濟」看人機互動的未來
Seek AI：讓行銷人不懂資料庫也可以1秒生成銷售數字、產品趨勢、營業額