Índice analítico[Ocultar][Mostrar]
A pandemia en curso impulsou como nunca o traballo remoto e as ferramentas que o soportan. Zoom, por exemplo, duplicou o seu valor.
Non obstante, os avances tecnolóxicos non foron tan rápidos para permitir que os analistas de datos e os científicos de datos colaborasen en tempo real.
Einblick, unha startup con sede en Massachusetts, espera cambiar iso.
Einblick é un encerado analítico interactivo que permite aos usuarios analizar o seu datos visualmente, crear modelos e tomar opcións baseadas en datos como grupo.
A análise de datos interactiva é unha extensión de análise en tempo real que utiliza unha mestura de sistemas de bases de datos distribuídas e habilidades de renderizado para acelerar o proceso de análise e permitir aos usuarios aproveitar as capacidades analíticas da tecnoloxía de Business Intelligence.
Baseada en seis anos de estudo no MIT e na Brown University, a súa tecnoloxía axuda aos usuarios a superar as dificultades asociadas á comunicación a distancia.
Explorémolo en profundidade!
O que é perspicacia?
Einblick é unha ferramenta de análise interactiva construída nun encerado que permite aos equipos examinar rapidamente o pasado, anticiparse ao futuro e tomar as mellores decisións baseadas en datos para o seu negocio.
Proporciona unha única solución que inclúe un conxunto completo de ferramentas e tecnoloxías para operacións analíticas, desde a purificación e transformación de datos ata a construción de modelos e a análise de simulacións.
Debido á súa sinxela interface de usuario, á súa aprendizaxe automática de vangarda e ás súas capacidades únicas de extracción de datos, os usuarios non necesitan unha formación técnica para realizar análises complexas.
Automatiza as operacións complicadas e lentas, permitindo a calquera revisar os seus datos e obter información útil.
Como funciona?
Hai dous compoñentes lóxicos básicos para Einblick:
- Aplicación Einblick
- Contedor Einblick
Aplicación Einblick
Un clúster de Kubernetes alberga os contedores Einblick. O seu sistema seguro de autenticación de usuarios autentica cada solicitude de usuario.
o equilibrador de carga asigna unha aplicación a un contedor cando un usuario se conecta a el. Os contedores son réplicas idénticas que se manteñen sincronizadas mediante unha base de datos centralizada de MongoDB.
Cando un usuario modifica o seu espazo de traballo, MongoDB actualiza e propaga a nova información a todas as réplicas, permitindo a colaboración en tempo real.
Cómpre mencionar que, debido a que o estado do espazo de traballo e a computación están separados, os usuarios simultáneos poden executar tarefas no mesmo espazo de traballo executando en diferentes contedores ao tempo que permiten a sincronización e o paralelismo.
Contedor Einblick
Nos contedores Einblick, as cargas de traballo execútanse. O motor de cálculo progresivo de Einblick, Davos, opera en fluxos de datos e permite a velocidade interactiva da aplicación.
Cando se asigna un usuario a un contedor, cada traballo envíase a Davos, que comeza a extraer datos da fonte de datos escollida.
Sempre que sexa posible, baixará as condicións da mostra ata a fonte de datos subxacente.
En caso contrario, escaneará os datos e calculará unha mostra do depósito sobre a fonte de datos. Todos os operadores operan en fluxos de datos e os consumidores reciben copias actualizadas das saídas das tarefas cada vez que un operador executa un lote.
Cando se determina o resultado da carga de traballo, Montana recibe de inmediato copias novas do resultado da carga de traballo.
Montana é a capa de middleware de Einblick, encargada de manter a información da aplicación/espazo de traballo, permitir a colaboración para sincronizar o espazo de traballo entre os usuarios (MongoDB) e transmitir os resultados das tarefas a Laax, o seu frontend.
Finalmente, Laax é o código Javascript que mostra os resultados de Davos no navegador do usuario.
Que é Einblick Analytics?
Einblick permite aos equipos aplicar análises de datos avanzadas para atender unha variedade de procesos de toma de decisións e planificación estratéxica:
Análise descritiva
Os datos pódense utilizar para coñecer o que pasou no pasado. Para esta forma de estudo, utilízanse habitualmente ferramentas de BI tradicionais (gráficos, paneis de control e análise interactiva).
Pero, hai unha nova xeración de ferramentas de BI (como Sisu) que empregan a aprendizaxe automática para axudar aos analistas a navegar por conxuntos de datos de alta dimensión.
Estas novas ferramentas destacan os principais motores, buscan tendencias e incluso recomendan gráficos. Poden expoñer automaticamente patróns e controladores importantes ademais de proporcionar unha interface altamente dinámica para crear visualizacións de datos.
Non obstante, se queres medir os KPI en tempo real, necesitarás un sistema de seguimento, como Einblick, que actualice os datos automaticamente e envíe alertas.
Análise preditivo
Facer uso dos datos para crear modelos de predición. Os modelos de previsión e de abandono son exemplos populares nesta área.
Pero non hai xa ferramentas (autoML) que permiten que persoas non técnicas xeren modelos?
Tales ferramentas existen (considere KNIME, Rapid Miner e Alteryx), pero moitas delas funcionan replicando motores de fluxo de traballo: os datos entran, executas algunha operación e a saída entrégase a outro operador.
Podes cuestionar se unha IU semellante ao fluxo de traballo é perfecta. Despois de experimentar coas primeiras iteracións do mesmo, creo que a súa interface de usuario é unha mellor combinación para persoas non técnicas.
Einblick permite aos usuarios crear e compartir modelos de predición, así como combinar e modificar numerosos conxuntos de datos.
O máis importante é que os usuarios desenvolven progresivamente modelos e aplicacións de datos mediante unha interface atractiva que lles permite mesturar visualizacións, modelos e análise de datos.
Análise prescritiva
Podes crear simulacións, escenarios ou simulacións usando datos usando Einblick.
Tamén pode axudarche a comprender a importancia de variables e predictores importantes, así como a construír e analizar escenarios. Ferramentas avanzadas como a simulación de Monte Carlo incluiranse en breve.
Quen pode usar a plataforma?
Independentemente do seu sector, negocio ou función, pode axudarche a tomar decisións baseadas en datos rapidamente. Algúns deles enuméranse a continuación:
1. Fabricación
- Previsión da demanda de produtos.
- Mantemento preditivo.
- Optimizar o persoal da liña de produción.
2. Seguros e Banca
- Os modelos deben actualizarse rapidamente para responder aos acontecementos actuais.
- Crear unha estratexia de mercadotecnia baseada nos requisitos do cliente.
- Mellorar a captación de clientes.
3. Sector enerxético
- Investigar o impacto ambiental da planta.
- Identificar anormalidades da rede de distribución.
- Fai un seguimento do rendemento das plantas de produción e extracción.
4. Sector da Administración
- Calcular o impacto das políticas futuras.
- O impacto do programa debe medirse.
- Toma decisións baseadas en datos.
5. Sector sanitario
- En escenarios de crise, previsión de poboación.
- Mellorar a xestión de riscos.
- Prototipar rapidamente modelos de risco de admisión.
6. Sector do comercio polo miúdo
- Mellorar as campañas de mercadotecnia.
- Optimizar os niveis de forza de traballo co Covid-19.
- Previsión da demanda no medio das circunstancias cambiantes do mercado.
Características
- Visualización de datos marcos – Use todo o potencial dos marcos de datos de Python para editar datos e interactuar con varios conxuntos de datos na mesma pantalla.
- Nun lenzo de forma libre, Visual Analytics – Admítense iteracións rápidas entre carga, limpeza, conversión, visualización e modelado de datos nun lenzo de forma libre ilimitada.
- Aprendizaxe automática interactiva – Constrúe modelos de ML utilizando a premiada ferramenta interactiva AutoML de Einblick, mantendo o control sobre os detalles específicos do modelo.
- Optimización – Optimice os resultados que son importantes para a súa empresa e capte as compensacións que se derivan de varias accións alternativas.
- Colaboración – Permite a colaboración presencial e remota con compañeiros na mesma sala. Foi creado para navegadores de escritorio, así como para interfaces de lápiz e táctil.
- Fácil implantación na nube – Pódese despregar facilmente na nube pública ou privada e intégrase cos seus sistemas de almacenamento e bases de datos existentes.
- Flexibilidade – Integra as túas propias funcións de Python como novos operadores visuais, facéndoas dispoñibles para todo o teu equipo ou corporación.
- Redes estatísticas de seguridade – O asistente de estatística simplifica o proceso de selección da proba estatística adecuada para os seus datos.
Iniciación a Einblick
1. Iniciar sesión
Cando inicies Einblick, solicitaráselle unha pantalla de inicio de sesión.
2. Menú principal
Serás enviado ao menú principal despois de iniciar sesión.
As partes destacadas anteriormente explícanse máis abaixo.
Engadir un botón novo
O método principal para engadir novos elementos é a través de Add New botón. Cando fai clic nel, aparece un menú de opcións que detallan as cousas que pode engadir, como se ve na figura a continuación.
Fichas de elementos
Podes acceder aos numerosos tipos de elementos accesibles en Einblick facendo clic nas distintas pestanas de elementos.
Por exemplo, ao visitar a pestana de espazos de traballo mostraranse todos os lugares de traballo aos que tes acceso. Ten en conta que os produtos aos que non tes acceso non se mostrarán aquí.
Inclúe:
- recente
- Arquivos
- Data
- Operadores
- Usuarios
A barra de busca, que se explica a continuación, pódese usar para filtrar os obxectos mostrados.
Buscar Bar
A barra de busca esténdese para revelar os elementos usados recentemente, as consultas recentes e as etiquetas que estean visibles actualmente cando fai clic nela (descrito máis abaixo).
Nos resultados da busca, aparecerá calquera elemento cun nome ou etiqueta coincidente.
Elementos do menú principal
No menú principal, cada obxecto representa un cadro co que podes interactuar. Podes mover estas cousas a outro lugar do menú principal se queres relacionalas con outros elementos.
Os elementos tamén se poden conectar con opcións, ás que se pode acceder mediante o menú de tres puntos, como se ilustra na figura seguinte.
3. Cargar o conxunto de datos
Admite unha variedade de interfaces de datos, o que lle permite acceder aos seus datos independentemente de onde se atopen. O método máis sinxelo para comezar é cun ficheiro CSV, pero tamén podes investigar Iniciar facendo clic en:
- Engadir novo
- Datasets
- Cargar ficheiro CSV
- Carga rápida
O teu ficheiro CSV aparecerá no ficheiro conxuntos de datos área do menú principal despois de ser enviado ao sistema.
4. Crea un novo espazo de traballo
Para comezar a analizar os teus datos, primeiro debes crear un espazo de traballo e vinculalo ao teu conxunto de datos. Pódese emparellar un número arbitrario de conxuntos de datos con cada espazo de traballo.
prema engadir novo e despois espazo de traballo para crear un novo espazo de traballo.
Na pestana de espazos de traballo engadirase un novo espazo de traballo e un panel á dereita proporcionará información relacionada co espazo de traballo.
Arrastre unha icona de conxunto de datos desde a pestana de conxuntos de datos á área de conxuntos de datos do panel do espazo de traballo para vinculala a ela.
Para acceder ao espazo de traballo, fai clic na icona da frecha da súa icona ou no botón Abrir na parte superior do seu panel. Tamén pode engadir o conxunto de datos ao espazo de traballo despois.
5. Por último, utiliza o espazo de traballo
Un espazo de traballo é un lenzo interactivo no que pode dispoñer graficamente os datos para a súa exploración, así como executar actividades de minería de datos e modelado preditivo.
prezos
Podes comezar a usar o sitio co seu plan básico, que é completamente gratuíto e ten unha infinidade de funcións. Tamén ofrece dous plans premium, que se detallan a continuación:
- Pro: $45/usuario/mes (facturación anual).
- Empresa: póñase en contacto co equipo de Einblick para obter prezos personalizados.
Pros
- Mellorar a colaboración analítica.
- Modelos mellorados e información máis rápida
- Citizen data science potenciada.
Contra
- Algunhas persoas poden considerar que o lugar de traballo non é atractivo.
Conclusión
En resumo, democratizar a analítica prescritiva require un cambio fundamental na forma en que os individuos interactúan cos datos.
Einblick é a primeira plataforma de procesamento de datos visuais, que combina as mellores características das ferramentas de IA centradas no fluxo de traballo e as ferramentas de BI centradas na visualización.
Está deseñado de abaixo cara arriba para facilitar a colaboración, xa sexa de forma remota ou presencial, o que permite aos equipos tomar decisións baseadas en datos.
Probao e comparte as túas opinións connosco.
Marcar
Bo escrito, Jay. Acabo de atopar isto cando intentaba saber sobre Einblick.