ML与BI结合的产品:Tellius

21-12-23 banq

AI 和 BI 的世界在分析连续体中占据不同的位置,最常通过描述性分析、预测性分析和规范性分析等概念来理解:

用户可以利用描述性分析和 BI 工具来探索过去发生的事情;而预测分析则利用在现实世界数据上训练的 ML 模型来生成对接下来会发生什么的有根据的猜测。

然而,这两个阵营之间的界限逐月变得越来越模糊。多年来,Gartner一直在谈论 BI 工具供应商如何在其产品中添加更多 ML 和 AI 功能。在其最新的分析和 BI 平台魔力象限中,该公司谈到了下一代“增强分析”产品将如何将机器学习和人工智能应用于数据准备、查询生成和洞察生成等方面。与此同时,我们看到数据科学开发AutoML将 SQL 作为数据准备、操作和查询的必要成分。

在BI方面,我们看到这样的工具的Tableau,PowerBI和Qlik做可视化的一个不错的工作,但是大多数业务用户和分析师都希望超越这些可视化工具来进一步了解事情发生的原因。

 

Tellius 平台

Tellius 平台是通过将 AI 和 ML 技术和技术应用于大数据来增强主流 BI 工具的分析能力。该平台使用 Apache Spark 构建并具有内存列式数据库,旨在让普通用户无需手动、基于 SQL 的切片和切块即可探索海量数据集。

首先,它利用自然语言处理 (NLP) 功能为用户呈现更简单的搜索式界面。该软件将键入的问题转换为针对存储在其列式数据库中的数据执行的目标 SQL 查询,并在几秒钟内返回结果。

如果你说‘按渠道和产品给我带来收入’,它会给你这些答案。这就是它的美妙之处。我们的客户正在对数十亿条记录执行此操作,并且仍然得到二级响应,这令人难以置信,但绝对有可能。而且你不必用问题来限制自己。

该系统还可以利用其自然语言查询 (NLQ) 功能自行生成问题。如果用户刚刚开始,她可以询问系统她可以问什么,Tellius 会提供建议。除了以 NLQ 方式提问之外,它还使用自然语言生成 (NLG) 生成答案。

Tellius 还具有基本的 AutoML 功能,包括基于存储在数据库中的数据生成模型的能力。

由于其分布式架构,Tellius 能够查询比 Tableau 或 Qlik 环境中容纳的更大的数据集。他说,这消除了削减数据以使其适合用于探索性分析的 BI 工具的需要。

Spark 是一种非常分布式的技术,这意味着如果您有数 TB 的数据,我们可以以分布式方式将其加载到我们的系统中,并且仍然可以为您提供极快的结果,

猜你喜欢