Daftar Isi[Bersembunyi][Menunjukkan]
Pandemi yang sedang berlangsung mendorong pekerjaan jarak jauh dan alat yang mendukungnya tidak seperti sebelumnya. Zoom, misalnya, memiliki nilai lebih dari dua kali lipat.
Namun, kemajuan teknologi belum secepat yang memungkinkan analis data dan ilmuwan data untuk berkolaborasi secara real time.
Einblick, sebuah startup yang berbasis di Massachusetts, berharap untuk mengubah itu.
Einblick adalah papan tulis analitik interaktif yang memungkinkan pengguna menganalisis data secara visual, membuat model, dan membuat pilihan berdasarkan data sebagai grup.
Analitik data interaktif adalah ekstensi analitik real-time yang menggunakan campuran sistem database terdistribusi dan keterampilan rendering untuk mempercepat proses analitik dan memungkinkan pengguna memanfaatkan kemampuan analitis teknologi Business Intelligence.
Berdasarkan enam tahun studi di MIT dan Brown University, teknologinya membantu pengguna mengatasi kesulitan yang terkait dengan komunikasi jarak jauh.
Mari kita telusuri secara mendalam!
Apa itu einblick?
Einblick adalah alat analitik interaktif yang dibangun di atas papan tulis yang memungkinkan tim untuk dengan cepat memeriksa masa lalu, mengantisipasi masa depan, dan membuat keputusan berbasis data terbaik untuk bisnis mereka.
Ini memberikan solusi tunggal yang mencakup rangkaian alat dan teknologi komprehensif untuk operasi analitik, mulai dari pemurnian dan transformasi data hingga pembuatan model dan analisis bagaimana-jika.
Karena antarmuka pengguna yang sederhana, pembelajaran mesin otomatis mutakhir, dan kemampuan penambangan data yang unik, pengguna tidak memerlukan latar belakang teknis untuk melakukan analisis yang rumit.
Ini mengotomatiskan operasi yang memakan waktu dan sulit, memungkinkan siapa saja untuk meninjau data mereka dan mendapatkan wawasan yang berguna.
Bagaimana cara kerjanya?
Ada dua komponen logika dasar untuk Einblick:
- Aplikasi Einblick
- Wadah Einblick
Aplikasi Einblick
Cluster Kubernetes menghosting container Einblick. Sistem otentikasi pengguna yang aman mengotentikasi setiap permintaan pengguna.
Grafik penyeimbang beban mengalokasikan aplikasi ke wadah ketika pengguna terhubung ke sana. Wadah adalah replika identik yang disimpan disinkronkan oleh database MongoDB terpusat.
Saat pengguna memodifikasi ruang kerjanya, MongoDB memperbarui dan menyebarkan informasi baru ke semua replika, memungkinkan kolaborasi waktu nyata.
Perlu disebutkan bahwa, karena status ruang kerja dan komputasi terpisah, pengguna secara bersamaan dapat menjalankan tugas di ruang kerja yang sama yang berjalan pada wadah berbeda sambil mengaktifkan sinkronisasi dan paralelisme.
Wadah Einblick
Dalam wadah Einblick, beban kerja dijalankan. Mesin komputasi progresif Einblick, Davos, beroperasi di seluruh aliran data dan memungkinkan kecepatan interaktif aplikasi.
Saat pengguna ditugaskan ke sebuah wadah, setiap pekerjaan dikirim ke Davos, yang mulai menarik data dari sumber data yang dipilih.
Bila memungkinkan, itu akan mendorong kondisi sampel ke sumber data yang mendasarinya.
Jika tidak, itu akan memindai data dan menghitung sampel reservoir di atas sumber data. Setiap operator beroperasi pada aliran data, dan konsumen mendapatkan salinan keluaran tugas yang diperbarui setiap kali operator mengeksekusi lebih dari satu batch.
Ketika hasil beban kerja ditentukan, Montana menerima salinan baru dari hasil beban kerja segera.
Montana adalah lapisan middleware Einblick, yang bertugas menyimpan informasi aplikasi/ruang kerja, memungkinkan kolaborasi untuk menyinkronkan ruang kerja antar pengguna (MongoDB), dan mengirimkan hasil tugas ke Laax, frontendnya.
Terakhir, Laax adalah kode Javascript yang menampilkan hasil Davos di browser pengguna.
Apa itu Einblick Analytics?
Einblick memungkinkan tim untuk menerapkan analitik data tingkat lanjut untuk melayani berbagai proses pengambilan keputusan dan perencanaan strategis:
Analisis Deskriptif
Data dapat digunakan untuk mempelajari tentang apa yang terjadi di masa lalu. Untuk bentuk studi ini, alat BI tradisional (bagan, dasbor, dan analitik interaktif) biasanya digunakan.
Namun, ada alat BI generasi baru (seperti Sisu) yang menggunakan pembelajaran mesin untuk membantu analis menavigasi kumpulan data dimensi tinggi.
Alat-alat baru ini menyoroti pendorong utama, menemukan tren, dan bahkan merekomendasikan grafik. Mereka dapat secara otomatis mengekspos pola dan driver penting selain menyediakan antarmuka yang sangat dinamis untuk membangun visualisasi data.
Namun, jika Anda ingin mengukur KPI secara real time, Anda memerlukan sistem pemantauan, seperti Einblick, yang secara otomatis memperbarui data dan mengirimkan peringatan.
Predictive Analytics
Manfaatkan data untuk membuat model prediksi. Model peramalan dan churn adalah contoh populer di bidang ini.
Tetapi bukankah sudah ada alat (autoML) yang memungkinkan orang non-teknis membuat model?
Alat semacam itu memang ada – pertimbangkan KNIME, Rapid Miner, dan Alteryx – tetapi banyak di antaranya berfungsi dengan mereplikasi mesin alur kerja: data masuk, Anda menjalankan beberapa operasi, dan output diserahkan ke operator lain.
Anda mungkin mempertanyakan apakah UI seperti alur kerja itu sempurna. Setelah bereksperimen dengan iterasi awal, saya yakin antarmuka pengguna mereka lebih cocok untuk orang non-teknis.
Einblick memungkinkan pengguna untuk membuat dan berbagi model prediksi, serta menggabungkan dan memodifikasi banyak set data.
Lebih penting lagi, pengguna secara progresif mengembangkan model dan aplikasi data menggunakan antarmuka menarik yang memungkinkan mereka menggabungkan visualisasi, model, dan analisis data.
Analisis Preskriptif
Anda dapat membuat bagaimana-jika, skenario, atau simulasi menggunakan data menggunakan Einblick.
Ini juga dapat membantu Anda memahami pentingnya variabel dan prediktor penting, serta untuk membangun dan menganalisis skenario. Alat canggih seperti simulasi Monte Carlo akan segera disertakan.
Siapa yang dapat menggunakan platform?
Terlepas dari sektor, bisnis, atau fungsi Anda, ini dapat membantu Anda membuat pilihan berdasarkan data dengan cepat. Beberapa dari mereka terdaftar di bawah ini:
1. pabrik
- Perkiraan permintaan produk.
- Pemeliharaan prediktif.
- Optimalkan staf lini produksi.
2. Asuransi dan Perbankan
- Model harus diperbarui dengan cepat untuk menanggapi kejadian saat ini.
- Membuat strategi pemasaran berdasarkan kebutuhan pelanggan.
- Meningkatkan akuisisi pelanggan.
3. Sektor energi
- Selidiki dampak lingkungan pabrik.
- Identifikasi kelainan jaringan distribusi.
- Melacak hasil produksi dan pabrik ekstraksi.
4. Sektor Pemerintah
- Hitung dampak kebijakan di masa depan.
- Dampak program harus diukur.
- Membuat keputusan berdasarkan data.
5. Sektor kesehatan
- Dalam skenario krisis, perkiraan populasi.
- Meningkatkan manajemen risiko.
- Prototipe model risiko penerimaan dengan cepat.
6. Sektor Ritel
- Meningkatkan kampanye pemasaran.
- Mengoptimalkan tingkat tenaga kerja menggunakan Covid-19.
- Perkiraan permintaan di tengah perubahan keadaan pasar.
Fitur utama
- Visualisasi data frame – Gunakan potensi penuh bingkai data Python untuk mengedit data dan berinteraksi dengan beberapa kumpulan data di layar yang sama.
- Pada Kanvas Bentuk Bebas, Analisis Visual – Iterasi cepat antara memuat, membersihkan, mengonversi, menampilkan, dan memodelkan data pada kanvas bentuk bebas tak terbatas didukung.
- Pembelajaran Mesin Interaktif – Bangun model ML menggunakan alat AutoML interaktif pemenang penghargaan Einblick sambil mempertahankan kontrol atas spesifikasi model.
- Optimasi – Optimalkan hasil yang penting bagi perusahaan Anda, dan pahami pertukaran yang datang dengan berbagai tindakan alternatif.
- Kolaborasi – Memungkinkan kolaborasi langsung dan jarak jauh dengan rekan kerja di ruangan yang sama. Itu dibuat untuk browser desktop serta antarmuka pena dan sentuh.
- Penerapan Cloud yang Mudah – Mudah diterapkan di cloud publik atau pribadi dan terintegrasi dengan sistem penyimpanan dan database Anda yang sudah ada.
- keluwesan – Integrasikan fungsi Python Anda sendiri sebagai operator visual baru, membuatnya tersedia untuk seluruh tim atau perusahaan Anda.
- Jaring Pengaman Statistik – Asisten statistik menyederhanakan proses pemilihan uji statistik yang sesuai untuk data Anda.
Memulai dengan Einblick
1. Masuk
Saat Anda meluncurkan Einblick, Anda akan diminta dengan layar login.
2. Menu Utama
Anda akan diarahkan ke Menu Utama setelah login.
Bagian-bagian yang disorot di atas dibahas lebih lanjut di bawah ini.
Tambahkan Tombol Baru
Metode utama untuk menambahkan item baru adalah melalui Add New tombol. Saat Anda mengkliknya, menu pilihan yang merinci hal-hal yang dapat Anda tambahkan muncul, seperti yang terlihat pada gambar di bawah.
Tab Barang
Anda dapat mengakses berbagai jenis item yang dapat diakses di Einblick dengan mengklik berbagai tab item.
Misalnya, mengunjungi tab ruang kerja akan menampilkan semua tempat kerja yang dapat Anda akses. Harap diingat bahwa produk yang tidak dapat Anda akses tidak akan ditampilkan di sini.
Ini mencakup:
- Baru
- File
- Data
- Operator
- pengguna
Bilah pencarian, yang dijelaskan di bawah, dapat digunakan untuk memfilter objek yang ditampilkan.
Search Bar
Bilah pencarian meluas untuk mengungkapkan item yang baru saja digunakan, kueri terbaru, dan tag yang saat ini terlihat saat Anda mengkliknya (dijelaskan lebih lanjut di bawah).
Di hasil pencarian, item apa pun dengan nama atau tag yang cocok akan muncul.
Item Menu Utama
Di menu utama, setiap objek yang diwakili oleh kotak yang dapat Anda gunakan untuk berinteraksi. Anda dapat memindahkan hal-hal ini ke tempat lain di menu utama jika Anda ingin menghubungkannya dengan item lain.
Item juga dapat dihubungkan dengan opsi, yang dapat diakses menggunakan menu tiga titik, seperti yang diilustrasikan pada gambar di bawah.
3. Unggah Kumpulan Data
Ini mendukung berbagai antarmuka data, memungkinkan Anda untuk mengakses data Anda di mana pun letaknya. Metode paling sederhana untuk memulai adalah dengan file CSV, tetapi Anda juga dapat menyelidiki Mulai dengan mengklik:
- Tambahkan baru
- Dataset
- Unggah file CSV
- Unggah cepat
File CSV Anda akan muncul di kumpulan data area menu utama setelah dikirimkan ke sistem.
4. Buat ruang kerja baru
Untuk mulai menganalisis data Anda, Anda harus terlebih dahulu membangun ruang kerja dan menautkannya ke kumpulan data Anda. Sejumlah set data yang berubah-ubah dapat dipasangkan dengan setiap ruang kerja.
Klik menambahkan baru dan kemudian ruang kerja untuk membuat ruang kerja baru.
Di tab ruang kerja, ruang kerja baru akan ditambahkan, dan panel di sebelah kanan akan memberikan informasi terkait ruang kerja.
Seret ikon kumpulan data dari tab kumpulan data ke area kumpulan data di panel ruang kerja untuk menautkannya.
Untuk mengakses ruang kerja, klik ikon panah pada ikonnya atau tombol buka di bagian atas panelnya. Anda juga dapat menambahkan kumpulan data ke ruang kerja setelahnya.
5. Terakhir, gunakan ruang kerja
Ruang kerja adalah kanvas interaktif tempat Anda dapat meletakkan data secara grafis untuk eksplorasi, serta menjalankan penambangan data, dan aktivitas pemodelan prediktif.
Harga
Anda dapat mulai menggunakan situs dengan paket Dasarnya, yang sepenuhnya gratis dan memiliki banyak fitur. Ini juga menawarkan dua paket premium, yang dirinci di bawah ini:
- Pro: $45/pengguna/bulan (ditagih setiap tahun).
- Perusahaan: Hubungi tim Einblick untuk harga khusus.
Pro
- Meningkatkan kolaborasi analitis.
- Model yang ditingkatkan dan wawasan yang lebih cepat
- Ilmu data warga diberdayakan.
Kekurangan
- Beberapa orang mungkin menganggap tempat kerja tidak menarik.
Kesimpulan
Untuk meringkas, demokratisasi analitik preskriptif membutuhkan perubahan mendasar dalam cara individu berinteraksi dengan data.
Einblick adalah platform pemrosesan data visual pertama, yang menggabungkan fitur terbesar dari alat AI yang berpusat pada alur kerja dan alat BI yang berpusat pada visualisasi.
Ini dirancang dari bawah ke atas untuk memfasilitasi kolaborasi, baik dari jarak jauh atau secara langsung, memungkinkan tim untuk membuat keputusan berdasarkan data.
Cobalah dan bagikan pemikiran Anda dengan kami.
Mark
Tulisan yang bagus, Jay. Baru saja menemukan ini ketika mencoba mencari tahu tentang Einblick.