진행 중인 팬데믹은 원격 작업과 원격 작업을 지원하는 도구를 이전과는 전혀 다른 방식으로 강화했습니다. 예를 들어 Zoom의 가치는 두 배 이상입니다.
그러나 데이터 분석가와 데이터 과학자가 실시간으로 협업할 수 있도록 하는 기술 발전은 그리 빠르지 않았습니다.
매사추세츠에 기반을 둔 스타트업인 아인블릭(Einblick)은 그것을 바꾸기를 희망합니다.
Einblick은 사용자가 자신의 데이터를 분석할 수 있는 대화형 분석 화이트보드입니다. 데이터를 시각적으로, 모델 생성 및 데이터 기반 선택을 그룹으로 수행합니다.
대화형 데이터 분석은 분산 데이터베이스 시스템과 렌더링 기술을 혼합하여 사용하여 분석 프로세스를 가속화하고 사용자가 비즈니스 인텔리전스 기술의 분석 기능을 활용할 수 있도록 하는 실시간 분석 확장입니다.
MIT와 브라운 대학에서 XNUMX년간의 연구를 바탕으로 사용자가 원격 통신과 관련된 어려움을 극복할 수 있도록 도와주는 기술입니다.
자세히 살펴보겠습니다!
아인블릭?
Einblick은 화이트보드에 구축된 대화형 분석 도구로 팀이 과거를 신속하게 검토하고 미래를 예측하며 비즈니스를 위한 최상의 데이터 기반 의사 결정을 내릴 수 있도록 합니다.
데이터 정제 및 변환에서 모델 구축 및 what-if 분석에 이르기까지 분석 작업을 위한 포괄적인 도구 및 기술 제품군을 포함하는 단일 솔루션을 제공합니다.
간단한 사용자 인터페이스, 최첨단 자동 기계 학습 및 고유한 데이터 마이닝 기능으로 인해 사용자는 복잡한 분석을 수행하기 위해 기술적 배경이 필요하지 않습니다.
시간 소모적이고 어려운 작업을 자동화하여 누구나 데이터를 검토하고 유용한 통찰력을 얻을 수 있습니다.
어떻게 진행합니까?
Einblick에는 두 가지 기본 논리적 구성 요소가 있습니다.
- 아인블릭 어플리케이션
- 아인블릭 컨테이너
아인블릭 어플리케이션
Kubernetes 클러스터는 Einblick 컨테이너를 호스팅합니다. 보안 사용자 인증 시스템은 각 사용자 요청을 인증합니다.
XNUMXD덴탈의 로드 밸런서 사용자가 컨테이너에 연결할 때 애플리케이션을 컨테이너에 할당합니다. 컨테이너는 중앙 집중식 MongoDB 데이터베이스에 의해 동기화된 상태로 유지되는 동일한 복제본입니다.
사용자가 자신의 작업 공간을 수정하면 MongoDB는 새 정보를 업데이트하고 모든 복제본에 전파하여 실시간 협업을 가능하게 합니다.
작업 공간 상태와 계산이 분리되어 있기 때문에 동시 사용자는 동기화 및 병렬 처리를 활성화하면서 다른 컨테이너에서 실행되는 동일한 작업 공간에서 작업을 실행할 수 있습니다.
아인블릭 컨테이너
Einblick 컨테이너에서는 워크로드가 실행됩니다. Einblick의 진보적인 계산 엔진인 Davos는 데이터 스트림에서 작동하며 애플리케이션의 대화형 속도를 허용합니다.
사용자가 컨테이너에 할당되면 각 작업이 선택한 데이터 소스에서 데이터를 가져오기 시작하는 Davos로 발송됩니다.
가능할 때마다 샘플 조건을 기본 데이터 소스로 푸시합니다.
그렇지 않으면 데이터를 스캔하고 데이터 원본에 대해 저수지 샘플을 계산합니다. 모든 운영자는 데이터 스트림에서 작동하며 소비자는 운영자가 일괄 처리를 실행할 때마다 작업 출력의 업데이트된 복사본을 받습니다.
워크로드 결과가 결정되면 Montana는 즉시 워크로드 결과의 새로운 사본을 받습니다.
Montana는 Einblick의 미들웨어 계층으로 애플리케이션/워크스페이스 정보를 유지하고, 협업을 통해 사용자간 워크스페이스 동기화(MongoDB)를 가능하게 하며, 태스크 결과를 프런트엔드인 Laax로 전송합니다.
마지막으로 Laax는 사용자의 브라우저에 Davos 결과를 표시하는 Javascript 코드입니다.
아인블릭 애널리틱스란?
Einblick은 팀이 고급 데이터 분석을 적용하여 다양한 의사 결정 및 전략적 계획 프로세스를 지원하도록 지원합니다.
기술 분석
데이터를 사용하여 과거에 발생한 일을 알 수 있습니다. 이러한 형태의 연구에는 기존 BI 도구(차트, 대시보드 및 대화형 분석)가 일반적으로 사용됩니다.
그러나 기계 학습을 사용하여 분석가가 고차원 데이터 세트를 탐색하는 데 도움이 되는 차세대 BI 도구(예: Sisu)가 있습니다.
이 새로운 도구는 주요 동인을 강조하고 추세를 찾고 차트를 추천합니다. 데이터 시각화 구축을 위한 매우 동적인 인터페이스를 제공하는 것 외에도 패턴과 중요한 동인을 자동으로 노출할 수 있습니다.
그러나 KPI를 실시간으로 측정하려면 자동으로 데이터를 업데이트하고 알림을 보내는 Einblick과 같은 모니터링 시스템이 필요합니다.
예측 분석
데이터를 활용하여 예측 모델을 만듭니다. 예측 및 이탈 모델은 이 분야에서 널리 사용되는 예입니다.
그러나 기술자가 아닌 사람들이 모델을 생성할 수 있도록 해주는 (autoML) 도구가 이미 있지 않습니까?
KNIME, Rapid Miner 및 Alteryx와 같은 도구가 존재하지만 대부분은 워크플로 엔진을 복제하여 작동합니다.
워크플로와 같은 UI가 완벽한지 의문이 들 수 있습니다. 그것의 초기 반복을 실험한 후에, 나는 그들의 사용자 인터페이스가 비기술적인 사람들에게 더 잘 어울린다고 생각합니다.
Einblick을 통해 사용자는 예측 모델을 생성 및 공유하고 수많은 데이터 세트를 병합 및 수정할 수 있습니다.
더 중요한 것은 사용자가 시각화, 모델 및 데이터 분석을 혼합할 수 있는 매력적인 인터페이스를 사용하여 모델 및 데이터 앱을 점진적으로 개발한다는 것입니다.
규범 적 분석
Einblick을 사용하여 데이터를 사용하여 what-if, 시나리오 또는 시뮬레이션을 만들 수 있습니다.
또한 중요한 변수 및 예측 변수의 중요성을 이해하고 시나리오를 구축하고 분석하는 데 도움이 될 수 있습니다. Monte Carlo 시뮬레이션과 같은 고급 도구가 곧 포함될 예정입니다.
누가 플랫폼을 사용할 수 있습니까?
부문, 비즈니스 또는 기능에 관계없이 데이터 기반 선택을 신속하게 수행하는 데 도움이 될 수 있습니다. 그 중 일부는 다음과 같습니다.
1. 제조
- 제품수요예측.
- 예측 유지 보수.
- 생산 라인 인력을 최적화합니다.
2. 보험 및 은행
- 현재 발생에 대응하려면 모델을 빠르게 업데이트해야 합니다.
- 고객 요구 사항을 기반으로 마케팅 전략을 수립합니다.
- 고객 확보를 개선합니다.
3. 에너지 부문
- 식물이 환경에 미치는 영향을 조사합니다.
- 유통망 이상을 식별합니다.
- 제조 및 추출 공장의 처리량을 추적하십시오.
4. 정부 부문
- 향후 정책의 영향을 계산합니다.
- 프로그램 영향을 측정해야 합니다.
- 데이터 기반 결정을 내립니다.
5. 의료 부문
- 위기 시나리오에서 인구를 예측합니다.
- 위험 관리를 강화합니다.
- 승인 위험 모델의 프로토타입을 신속하게 제작합니다.
6. 소매 부문
- 마케팅 캠페인을 개선합니다.
- Covid-19를 사용하여 인력 수준을 최적화합니다.
- 변화하는 시장 환경 속에서 수요를 예측합니다.
주요 특징들
- 데이터 시각화 프레임 – Python 데이터 프레임의 잠재력을 최대한 활용하여 동일한 화면에서 데이터를 편집하고 여러 데이터 세트와 상호 작용합니다.
- 자유 형식 캔버스에서 시각적 분석 – 무제한 자유 형식 캔버스에서 데이터 로드, 정리, 변환, 표시 및 모델링 사이의 빠른 반복이 지원됩니다.
- 대화형 기계 학습 – Einblick의 수상 경력에 빛나는 대화형 AutoML 도구를 사용하여 모델 세부 사항에 대한 제어를 유지하면서 ML 모델을 구축합니다.
- 최적화 – 회사에 중요한 결과를 위해 최적화하고 다양한 대안 조치와 함께 제공되는 장단점을 파악하십시오.
- 협업 – 같은 방에 있는 동료들과 대면 및 원격 협업이 가능합니다. 데스크탑 브라우저와 펜 및 터치 인터페이스용으로 제작되었습니다.
- 손쉬운 클라우드 배포 – 퍼블릭 또는 프라이빗 클라우드에 쉽게 배포할 수 있으며 기존 스토리지 및 데이터베이스 시스템과 통합됩니다.
- 유연성 – 자신의 Python 기능을 새로운 시각적 연산자로 통합하여 전체 팀 또는 회사에서 사용할 수 있도록 합니다.
- 통계적 안전망 – 통계 도우미는 데이터에 적합한 통계 테스트를 선택하는 프로세스를 단순화합니다.
Einblick 시작하기
1. 로그인
Einblick을 실행하면 로그인 화면이 표시됩니다.
2. 메인 메뉴
로그인 후 메인 메뉴로 이동됩니다.
위에서 강조 표시된 부분은 아래에서 자세히 설명합니다.
새 버튼 추가
새 항목을 추가하는 기본 방법은 새로운 추가 단추. 클릭하면 아래 그림과 같이 추가할 수 있는 항목을 자세히 설명하는 선택 메뉴가 나타납니다.
항목 탭
다양한 항목 탭을 클릭하여 Einblick에서 액세스할 수 있는 다양한 유형의 항목에 액세스할 수 있습니다.
예를 들어 작업 공간 탭을 방문하면 액세스 권한이 있는 모든 작업 공간이 표시됩니다. 액세스 권한이 없는 제품은 여기에 표시되지 않습니다.
그것은 포함한다 :
- 최근
- 파일
- Data
- 연산자
- 사용자
아래에 설명된 검색 표시줄을 사용하여 표시된 개체를 필터링할 수 있습니다.
검색 바
검색 표시줄이 확장되어 최근에 사용한 항목, 최근 쿼리 및 클릭 시 현재 표시되는 태그를 표시합니다(자세한 내용은 아래 참조).
검색 결과에 일치하는 이름이나 태그가 있는 모든 항목이 나타납니다.
주 메뉴 항목
기본 메뉴에서 상자가 나타내는 각 개체는 상호 작용할 수 있습니다. 이러한 항목을 다른 항목과 연결하려는 경우 주 메뉴의 다른 곳으로 이동할 수 있습니다.
항목은 아래 그림과 같이 점 XNUMX개 메뉴를 사용하여 액세스할 수 있는 옵션과 연결할 수도 있습니다.
3. 데이터세트 업로드
다양한 데이터 인터페이스를 지원하므로 데이터가 있는 위치에 상관없이 데이터에 액세스할 수 있습니다. 시작하는 가장 간단한 방법은 CSV 파일을 사용하는 것이지만 다음을 클릭하여 시작을 조사할 수도 있습니다.
- 새로운 추가
- 데이터 세트
- CSV 파일 업로드
- 빠른 업로드
CSV 파일이 데이터 세트 시스템에 제출된 후 메인 메뉴의 영역.
4. 새 작업 공간 만들기
데이터 분석을 시작하려면 먼저 작업 공간을 구축하고 데이터 세트에 연결해야 합니다. 임의 개수의 데이터 세트를 각 작업 공간과 쌍으로 연결할 수 있습니다.
새로운 추가 그런 다음 새 작업 공간을 만드는 작업 공간.
작업 공간 탭에는 새로운 작업 공간이 추가되고 오른쪽 패널에는 작업 공간 관련 정보가 제공됩니다.
데이터세트 탭에서 작업공간 패널의 데이터세트 영역으로 데이터세트 아이콘을 드래그하여 연결합니다.
작업 공간에 액세스하려면 해당 아이콘의 화살표 아이콘 또는 패널 상단의 열기 버튼을 클릭하십시오. 나중에 데이터 세트를 작업 공간에 추가할 수도 있습니다.
5. 마지막으로 작업 공간 사용
작업 영역은 탐색을 위해 데이터를 그래픽으로 배치하고 데이터 마이닝 및 예측 모델링 활동을 실행할 수 있는 대화형 캔버스입니다.
가격 정책
완전 무료이며 다양한 기능을 갖춘 기본 계획으로 사이트 사용을 시작할 수 있습니다. 또한 아래에 자세히 설명된 두 가지 프리미엄 요금제를 제공합니다.
- 장점: $45/사용자/월(매년 청구).
- Enterprise: 맞춤형 가격은 Einblick 팀에 문의하십시오.
장점
- 분석 협업을 개선합니다.
- 개선된 모델 및 더 빠른 인사이트
- 시민 데이터 과학이 강화되었습니다.
단점
- 어떤 사람들은 직장이 매력적이지 않다고 생각할 수 있습니다.
결론
요약하면 규범적 분석을 민주화하려면 개인이 데이터와 상호 작용하는 방식에 근본적인 변화가 필요합니다.
Einblick은 워크플로우 중심 AI 도구와 시각화 중심 BI 도구의 가장 큰 기능을 결합한 최초의 시각적 데이터 처리 플랫폼입니다.
팀이 데이터 기반 의사 결정을 내릴 수 있도록 원격 또는 대면 협업을 촉진하도록 상향식으로 설계되었습니다.
그것을 시도하고 우리와 함께 생각을 공유하십시오.
표시
잘 써주세요, 제이. Einblick에 대해 알아보려고 할 때 이것을 발견했습니다.