Indholdsfortegnelse[Skjule][At vise]
Den igangværende pandemi boostede fjernarbejde og de værktøjer, der understøtter det som aldrig før. Zoom er for eksempel mere end fordoblet i værdi.
De teknologiske fremskridt har dog ikke været så hurtige til at gøre det muligt for dataanalytikere og dataforskere at samarbejde i realtid.
Einblick, en Massachusetts-baseret startup, håber at ændre det.
Einblick er en interaktiv analysetavle, der gør det muligt for brugere at analysere deres data visuelt, opret modeller og tag datadrevne valg som gruppe.
Interaktiv dataanalyse er en analyseudvidelse i realtid, der bruger en blanding af distribuerede databasesystemer og gengivelsesfærdigheder til at accelerere analyseprocessen og give brugerne mulighed for at drage fordel af de analytiske muligheder i Business Intelligence-teknologi.
Baseret på seks års studier ved MIT og Brown University hjælper dens teknologi brugere med at overvinde vanskeligheder forbundet med fjernkommunikation.
Lad os udforske det i dybden!
Hvad er indsigt?
Einblick er et interaktivt analyseværktøj bygget på en tavle, der giver teams mulighed for hurtigt at undersøge fortiden, forudse fremtiden og træffe de bedste datadrevne beslutninger for deres virksomhed.
Det giver en enkelt løsning, der inkluderer en omfattende suite af værktøjer og teknologier til analyseoperationer, fra dataoprensning og transformation gennem modelbygning og what-if-analyse.
På grund af dens enkle brugergrænseflade, banebrydende automatisk maskinlæring og unikke data mining-kapaciteter, behøver brugere ikke en teknisk baggrund for at lave komplekse analyser.
Det automatiserer tidskrævende og vanskelige operationer, så enhver kan gennemgå deres data og få nyttig indsigt.
Hvordan virker det?
Der er to grundlæggende logiske komponenter til Einblick:
- Einblick applikation
- Einblick container
Einblick applikation
En Kubernetes-klynge er vært for Einblick-beholderne. Dets sikre brugergodkendelsessystem autentificerer hver brugeranmodning.
belastningsbalancer allokerer en applikation til en container, når en bruger opretter forbindelse til den. Containerne er identiske replikaer, der holdes synkroniseret af en centraliseret MongoDB-database.
Når en bruger ændrer sit arbejdsområde, opdaterer og udbreder MongoDB de nye oplysninger til alle replikaer, hvilket muliggør samarbejde i realtid.
Det er værd at nævne, at fordi arbejdsområdetilstand og beregning er adskilt, kan samtidige brugere udføre opgaver i det samme arbejdsområde, der kører på forskellige containere, mens de muliggør synkronisering og parallelitet.
Einblick container
I Einblick-containere udføres arbejdsbelastninger. Einblicks progressive beregningsmotor, Davos, fungerer på tværs af datastrømme og tillader applikationens interaktive hastighed.
Når en bruger er tildelt en container, sendes hvert job til Davos, som begynder at trække data fra den valgte datakilde.
Når det er muligt, vil det skubbe prøvebetingelser ned til den underliggende datakilde.
Ellers vil den scanne dataene og beregne en reservoirprøve over datakilden. Hver operatør opererer på datastrømme, og forbrugere får opdaterede kopier af opgaveoutput, hver gang en operatør udfører en batch.
Når arbejdsbelastningsresultatet er bestemt, modtager Montana friske kopier af arbejdsbelastningsresultatet med det samme.
Montana er Einblicks middleware-lag, der har ansvaret for at opbevare applikations-/arbejdspladsoplysninger, hvilket muliggør samarbejde for at synkronisere arbejdsområde på tværs af brugere (MongoDB) og overføre opgaveresultater til Laax, dets frontend.
Endelig er Laax Javascript-koden, der viser Davos-resultaterne i brugerens browser.
Hvad er Einblick Analytics?
Einblick gør det muligt for teams at anvende avanceret dataanalyse til at betjene en række forskellige beslutningstagnings- og strategiske planlægningsprocesser:
Beskrivende analyse
Data kan bruges til at lære om, hvad der skete i fortiden. Til denne form for undersøgelse er traditionelle BI-værktøjer (diagrammer, dashboards og interaktive analyser) almindeligvis anvendt.
Men der er en ny generation af BI-værktøjer (såsom Sisu), der anvender maskinlæring til at hjælpe analytikere med at navigere i højdimensionelle datasæt.
Disse nye værktøjer fremhæver nøgledrivere, find trends og anbefaler endda diagrammer. De kan automatisk afsløre mønstre og vigtige drivere ud over at give en meget dynamisk grænseflade til opbygning af datavisualiseringer.
Men hvis du vil måle KPI'er i realtid, har du brug for et overvågningssystem, som Einblick, der automatisk opdaterer data og sender advarsler.
Prediktiv Analytics
Gør brug af data til at skabe forudsigelsesmodeller. Forecasting og churn-modeller er populære eksempler på dette område.
Men er der ikke allerede (autoML) værktøjer, der gør det muligt for ikke-tekniske mennesker at generere modeller?
Sådanne værktøjer eksisterer – overvej KNIME, Rapid Miner og Alteryx – men mange af dem fungerer ved at replikere workflow-motorer: data kommer ind, du udfører en eller anden operation, og outputtet afleveres til en anden operatør.
Du kan stille spørgsmålstegn ved, om en workflow-lignende brugergrænseflade er perfekt. Efter at have eksperimenteret med tidlige gentagelser af det, tror jeg, at deres brugergrænseflade passer bedre til ikke-tekniske mennesker.
Einblick giver brugerne mulighed for at oprette og dele forudsigelsesmodeller samt flette og ændre adskillige datasæt.
Mere afgørende er det, at brugere gradvist udvikler modeller og dataapps ved hjælp af en tiltalende grænseflade, der giver dem mulighed for at blande visualiseringer, modeller og dataanalyse.
Receptpligtig analyse
Du kan oprette hvad hvis, scenarier eller simuleringer ved hjælp af data ved hjælp af Einblick.
Det kan også hjælpe dig med at forstå betydningen af vigtige variabler og prædiktorer, samt at opbygge og analysere scenarier. Avancerede værktøjer såsom Monte Carlo simulering vil blive inkluderet inden længe.
Hvem kan bruge platformen?
Uanset din sektor, virksomhed eller funktion kan det hjælpe dig med at træffe datadrevne valg hurtigt. Nogle af dem er anført nedenfor:
1. Produktion
- Produktefterspørgsel prognose.
- Forudsigende vedligeholdelse.
- Optimer produktionslinjebemandingen.
2. Forsikring og bankvirksomhed
- Modeller skal opdateres hurtigt for at reagere på aktuelle hændelser.
- Lav marketingstrategi baseret på kundens behov.
- Forbedre kundehvervelse.
3. Energisektoren
- Undersøg anlæggets miljøpåvirkning.
- Identificer unormale distributionsnetværk.
- Hold styr på produktions- og udvindingsanlæggenes gennemstrømning.
4. Offentlig sektor
- Beregn virkningen af fremtidige politikker.
- Programeffekten bør måles.
- Træf datadrevne beslutninger.
5. Sundhedssektoren
- I krisescenarier, prognose befolkning.
- Forbedre risikostyring.
- Hurtigt prototype optagelsesrisikomodeller.
6. Detailsektor
- Forbedre marketingkampagner.
- Optimer arbejdsstyrkeniveauet ved hjælp af Covid-19.
- Forudsig efterspørgsel midt i skiftende markedsforhold.
Nøglefunktioner
- Datavisualisering Rammer – Brug Python-datarammers fulde potentiale til at redigere data og interagere med flere datasæt på samme skærm.
- På et lærred i frit format, Visual Analytics – Hurtige iterationer mellem indlæsning, rensning, konvertering, visning og modellering af data på et ubegrænset frit-lærred understøttes.
- Interaktiv maskinlæring – Byg ML-modeller ved hjælp af Einblicks prisvindende interaktive AutoML-værktøj, mens du bevarer kontrollen over modelspecifikationerne.
- Optimering – Optimer til de resultater, der er vigtige for din virksomhed, og tag fat i de afvejninger, der følger med forskellige alternative handlinger.
- Samarbejde – Det giver mulighed for personligt og fjernt samarbejde med kolleger i samme rum. Det blev skabt til desktop-browsere samt pen- og berøringsgrænseflader.
- Nem cloud-implementering – Det er nemt at implementere i den offentlige eller private sky og integreres med dine eksisterende lager- og databasesystemer.
- Fleksibilitet – Integrer dine egne Python-funktioner som nye visuelle operatører, og gør dem tilgængelige for hele dit team eller din virksomhed.
- Statistiske sikkerhedsnet – Den statistiske assistent forenkler processen med at vælge den relevante statistiske test for dine data.
Kom godt i gang med Einblick
1. Log på
Når du starter Einblick, bliver du bedt om en login-skærm.
2. Hovedmenu
Du vil blive sendt til hovedmenuen efter login.
De dele, der er fremhævet ovenfor, diskuteres yderligere nedenfor.
Tilføj ny knap
Den primære metode til at tilføje nye varer er via Tilføj ny knap. Når du klikker på den, vises en menu med valg, der beskriver de ting, du kan tilføje, som det ses i figuren nedenfor.
Varefaner
Du kan få adgang til de mange typer genstande, der er tilgængelige i Einblick, ved at klikke på de forskellige emnefaner.
For eksempel vil et besøg på fanen arbejdsområder vise alle arbejdspladser, som du har adgang til. Vær opmærksom på, at produkter, som du ikke har adgang til, ikke vil blive vist her.
Det omfatter:
- Nye
- Filer
- data
- Operatører
- Brugere
Søgelinjen, som er forklaret nedenfor, kan bruges til at filtrere de viste objekter.
Søg Bar
Søgelinjen udvides til at afsløre alle nyligt brugte elementer, seneste forespørgsler og tags, der i øjeblikket er synlige, når du klikker på den (beskrevet yderligere nedenfor).
I søgeresultaterne vil ethvert element med et matchende navn eller tag blive vist.
Hovedmenupunkter
I hovedmenuen repræsenterer hvert objekt en boks, som du kan interagere med. Du kan flytte disse ting andre steder i hovedmenuen, hvis du vil relatere dem til andre elementer.
Elementer kan også forbindes med muligheder, som er tilgængelige ved hjælp af triple-dot menuen, som illustreret i figuren nedenfor.
3. Upload datasæt
Den understøtter en række datagrænseflader, så du kan få adgang til dine data, uanset hvor de ligger. Den enkleste metode til at komme i gang er med en CSV-fil, men du kan også undersøge Start ved at klikke:
- Tilføj ny
- datasæt
- Upload CSV-fil
- Hurtig upload
Din CSV-fil vises i datasæt område af hovedmenuen, efter at den er blevet sendt til systemet.
4. Opret et nyt arbejdsområde
For at begynde at analysere dine data skal du først bygge et arbejdsområde og linke det til dit datasæt. Et vilkårligt antal datasæt kan parres med hvert arbejdsområde.
Klik tilføje nye og derefter arbejdsområde for at oprette et nyt arbejdsområde.
På fanen arbejdsområder tilføjes et nyt arbejdsområde, og et panel til højre vil give arbejdsområderelaterede oplysninger.
Træk et datasætikon fra fanen datasæt til datasætområdet i arbejdsområdepanelet for at linke det til det.
For at få adgang til arbejdsområdet skal du klikke på pileikonet på dets ikon eller på åben-knappen øverst i panelet. Du kan også tilføje datasættet til arbejdsområdet efterfølgende.
5. Brug endelig arbejdsområdet
Et arbejdsområde er et interaktivt lærred, hvorpå du grafisk kan lægge data ud til udforskning, samt udføre datamining og prædiktive modelleringsaktiviteter.
Priser
Du kan begynde at bruge webstedet med dets grundlæggende plan, som er helt gratis og har et væld af funktioner. Det tilbyder også to premium-planer, som er beskrevet nedenfor:
- Pro: $45/bruger/måned (faktureres årligt).
- Enterprise: Kontakt Einblick-teamet for tilpassede priser.
FORDELE
- Forbedre analytisk samarbejde.
- Forbedrede modeller og hurtigere indsigt
- Bemyndiget med borgerdatavidenskab.
ULEMPER
- Nogle mennesker synes måske, at arbejdspladsen er utiltalende.
Konklusion
For at opsummere kræver demokratisering af præskriptiv analyse et grundlæggende skift i, hvordan individer interagerer med data.
Einblick er den første visuelle databehandlingsplatform, der kombinerer de bedste funktioner i workflow-centrerede AI-værktøjer og visualiseringscentrerede BI-værktøjer.
Det er designet nedefra og op for at lette samarbejdet, enten eksternt eller personligt, hvilket giver teams mulighed for at træffe datadrevne beslutninger.
Prøv det og del dine tanker med os.
Mærke
Godt skrevet, Jay. Faldt lige over dette, da jeg forsøgte at finde ud af om Einblick.