Innholdsfortegnelse[Gjemme seg][Forestilling]
Den pågående pandemien økte fjernarbeid og verktøyene som støtter det som aldri før. Zoom har for eksempel mer enn doblet seg i verdi.
Imidlertid har teknologiske fremskritt ikke vært like raske når det gjelder å gjøre det mulig for dataanalytikere og dataforskere å samarbeide i sanntid.
Einblick, en Massachusetts-basert oppstart, håper å endre det.
Einblick er en interaktiv tavle for analyser som lar brukere analysere sine data visuelt, lag modeller og ta datadrevne valg som gruppe.
Interactive data analytics er en sanntidsanalyseutvidelse som bruker en blanding av distribuerte databasesystemer og gjengivelsesferdigheter for å akselerere analyseprosessen og la brukere dra nytte av de analytiske egenskapene til Business Intelligence-teknologi.
Basert på seks års studier ved MIT og Brown University, hjelper teknologien brukerne med å overvinne vanskeligheter knyttet til fjernkommunikasjon.
La oss utforske det i dybden!
Hva er innsikt?
Einblick er et interaktivt analyseverktøy bygget på en tavle som lar team raskt undersøke fortiden, forutse fremtiden og ta de beste datadrevne beslutningene for virksomheten deres.
Den gir én enkelt løsning som inkluderer en omfattende pakke med verktøy og teknologier for analyseoperasjoner, fra datarensing og transformasjon gjennom modellbygging og hva-hvis-analyse.
På grunn av det enkle brukergrensesnittet, banebrytende automatisk maskinlæring og unike datautvinningsfunksjoner, trenger ikke brukere en teknisk bakgrunn for å gjøre komplekse analyser.
Den automatiserer tidkrevende og vanskelige operasjoner, slik at alle kan se gjennom dataene sine og få nyttig innsikt.
Hvordan virker det?
Det er to grunnleggende logiske komponenter til Einblick:
- Einblick-applikasjon
- Einblick container
Einblick-applikasjon
En Kubernetes-klynge er vert for Einblick-beholderne. Det sikre brukerautentiseringssystemet autentiserer hver brukerforespørsel.
De lastbalanser tildeler en applikasjon til en beholder når en bruker kobler til den. Beholderne er identiske replikaer som holdes synkronisert av en sentralisert MongoDB-database.
Når en bruker endrer arbeidsområdet sitt, oppdaterer og sprer MongoDB den nye informasjonen til alle replikaer, noe som muliggjør samarbeid i sanntid.
Det er verdt å nevne at fordi arbeidsområdetilstand og beregning er atskilt, kan samtidige brukere utføre oppgaver i samme arbeidsområde som kjører på forskjellige beholdere, samtidig som de muliggjør synkronisering og parallellitet.
Einblick container
I Einblick-beholdere utføres arbeidsbelastninger. Einblicks progressive beregningsmotor, Davos, opererer på tvers av datastrømmer og tillater den interaktive hastigheten til applikasjonen.
Når en bruker blir tildelt en container, sendes hver jobb til Davos, som begynner å hente data fra den valgte datakilden.
Når det er mulig, vil det presse prøvebetingelsene ned til den underliggende datakilden.
Ellers vil den skanne dataene og beregne en reservoarprøve over datakilden. Hver operatør opererer på datastrømmer, og forbrukere får oppdaterte kopier av oppgaveutdata hver gang en operatør kjører over en batch.
Når arbeidsbelastningsresultatet er bestemt, mottar Montana ferske kopier av arbeidsbelastningsresultatet umiddelbart.
Montana er Einblicks mellomvarelag, som har ansvaret for å holde applikasjons-/arbeidsområdeinformasjon, muliggjør samarbeid for å synkronisere arbeidsområde på tvers av brukere (MongoDB), og overføre oppgaveresultater til Laax, dets frontend.
Til slutt er Laax Javascript-koden som viser Davos-resultatene i brukerens nettleser.
Hva er Einblick Analytics?
Einblick gjør det mulig for team å bruke avansert dataanalyse for å betjene en rekke beslutningsprosesser og strategiske planleggingsprosesser:
Beskrivende analyse
Data kan brukes til å lære om hva som har skjedd i fortiden. For denne studieformen brukes vanligvis tradisjonelle BI-verktøy (diagrammer, dashbord og interaktive analyser).
Men det er en ny generasjon BI-verktøy (som Sisu) som bruker maskinlæring for å hjelpe analytikere med å navigere i høydimensjonale datasett.
Disse nye verktøyene fremhever nøkkeldrivere, finner trender og anbefaler til og med diagrammer. De kan automatisk avsløre mønstre og viktige drivere i tillegg til å gi et svært dynamisk grensesnitt for å bygge datavisualiseringer.
Men hvis du vil måle KPIer i sanntid, trenger du et overvåkingssystem, som Einblick, som automatisk oppdaterer data og sender varsler.
Prediktiv Analytics
Bruk data til å lage prediksjonsmodeller. Prognoser og churn-modeller er populære eksempler på dette området.
Men finnes det ikke allerede (autoML) verktøy som lar ikke-tekniske personer generere modeller?
Slike verktøy finnes – tenk på KNIME, Rapid Miner og Alteryx – men mange av dem fungerer ved å replikere arbeidsflytmotorer: data kommer inn, du utfører en operasjon, og utdataene blir levert til en annen operatør.
Du kan stille spørsmål om et arbeidsflytlignende brukergrensesnitt er perfekt. Etter å ha eksperimentert med tidlige gjentakelser av det, tror jeg at brukergrensesnittet deres passer bedre for ikke-tekniske personer.
Einblick lar brukere lage og dele prediksjonsmodeller, samt slå sammen og endre en rekke datasett.
Mer avgjørende er det at brukere gradvis utvikler modeller og dataapper ved å bruke et tiltalende grensesnitt som lar dem blande visualiseringer, modeller og dataanalyse.
Reseptbelagt Analytics
Du kan lage hva hvis, scenarier eller simuleringer ved å bruke data ved å bruke Einblick.
Det kan også hjelpe deg med å forstå betydningen av viktige variabler og prediktorer, samt å bygge og analysere scenarier. Avanserte verktøy som Monte Carlo-simulering vil bli inkludert om kort tid.
Hvem kan bruke plattformen?
Uavhengig av din sektor, virksomhet eller funksjon, kan det hjelpe deg å ta datadrevne valg raskt. Noen av dem er listet opp nedenfor:
1. produksjon
- Prognose for produktetterspørsel.
- Prediktivt vedlikehold.
- Optimaliser bemanningen i produksjonslinjen.
2. Forsikring og bankvirksomhet
- Modeller må oppdateres raskt for å reagere på aktuelle hendelser.
- Lag markedsføringsstrategi basert på kundens behov.
- Forbedre kundeanskaffelse.
3. Energisektoren
- Undersøk anleggets miljøpåvirkning.
- Identifiser unormale distribusjonsnettverk.
- Hold oversikt over gjennomstrømningen til produksjons- og utvinningsanlegg.
4. Offentlig sektor
- Beregn virkningen av fremtidige retningslinjer.
- Programeffekten bør måles.
- Ta datadrevne beslutninger.
5. Helsesektoren
- I krisescenarier, prognoser befolkning.
- Forbedre risikostyring.
- Rask prototype opptaksrisikomodeller.
6. Detaljhandel
- Forbedre markedsføringskampanjer.
- Optimaliser arbeidsstyrkenivåene ved å bruke Covid-19.
- Forvent etterspørsel midt i endrede markedsforhold.
Viktige funksjoner
- Datavisualisering Rammer – Bruk Python-datarammers fulle potensial til å redigere data og samhandle med flere datasett på samme skjerm.
- På et lerret i fritt format, Visual Analytics – Raske iterasjoner mellom lasting, rengjøring, konvertering, visning og modellering av data på et ubegrenset lerret i fritt format støttes.
- Interaktiv maskinlæring – Bygg ML-modeller ved å bruke Einblicks prisbelønte interaktive AutoML-verktøy mens du beholder kontrollen over modellspesifikasjonene.
- Optimalisering – Optimaliser for resultatene som er viktige for din bedrift, og ta tak i avveiningene som følger med ulike alternative handlinger.
- Collaboration – Det gir mulighet for personlig og eksternt samarbeid med kolleger i samme rom. Den ble laget for stasjonære nettlesere så vel som penn- og berøringsgrensesnitt.
- Enkel skydistribusjon – Den kan enkelt distribueres i den offentlige eller private skyen og integreres med eksisterende lagrings- og databasesystemer.
- fleksibilitet – Integrer dine egne Python-funksjoner som nye visuelle operatører, og gjør dem tilgjengelige for hele teamet eller bedriften.
- Statistiske sikkerhetsnett – Den statistiske assistenten forenkler prosessen med å velge riktig statistisk test for dataene dine.
Komme i gang med Einblick
1. Logg Inn
Når du starter Einblick, vil du bli bedt om en påloggingsskjerm.
2. Hovedmeny
Du vil bli sendt til hovedmenyen etter pålogging.
Delene som er uthevet ovenfor diskuteres videre nedenfor.
Legg til ny knapp
Den primære metoden for å legge til nye elementer er via Legg til ny knapp. Når du klikker på den, vises en meny med valg som beskriver tingene du kan legge til, som vist i figuren nedenfor.
Varefaner
Du kan få tilgang til de mange typene elementer som er tilgjengelige i Einblick ved å klikke på de forskjellige varefanene.
Hvis du for eksempel besøker fanen arbeidsområder, vises alle arbeidsplasser du har tilgang til. Vær oppmerksom på at produkter som du ikke har tilgang til ikke vises her.
Det inkluderer:
- Nylig
- Filer
- Data
- Operatører
- brukere
Søkefeltet, som er forklart nedenfor, kan brukes til å filtrere de viste objektene.
Søk Bar
Søkefeltet utvides til å avsløre alle nylig brukte elementer, nylige forespørsler og tagger som for øyeblikket er synlige når du klikker på den (beskrevet videre nedenfor).
I søkeresultatene vil ethvert element med et samsvarende navn eller kode vises.
Hovedmenyelementer
I hovedmenyen representerer hvert objekt en boks som du kan samhandle med. Du kan flytte disse tingene andre steder i hovedmenyen hvis du vil relatere dem til andre elementer.
Elementer kan også kobles til alternativer, som er tilgjengelige ved hjelp av trippelpunktmenyen, som illustrert i figuren nedenfor.
3. Last opp datasett
Den støtter en rekke datagrensesnitt, slik at du kan få tilgang til dataene dine uavhengig av hvor de ligger. Den enkleste metoden for å komme i gang er med en CSV-fil, men du kan også undersøke Start ved å klikke:
- Legg til ny
- datasett
- Last opp CSV-fil
- Rask opplasting
CSV-filen din vises i datasett område av hovedmenyen etter at den er sendt til systemet.
4. Opprett et nytt arbeidsområde
For å begynne å analysere dataene dine, må du først bygge et arbeidsområde og koble det til datasettet ditt. Et vilkårlig antall datasett kan pares med hvert arbeidsområde.
Klikk legg til ny og deretter arbeidsområde for å opprette et nytt arbeidsområde.
I fanen arbeidsområder vil et nytt arbeidsområde bli lagt til, og et panel til høyre vil gi arbeidsområderelatert informasjon.
Dra et datasettikon fra datasettfanen til datasettområdet i arbeidsområdepanelet for å koble det til det.
For å få tilgang til arbeidsområdet, klikk på pilikonet på ikonet eller åpne-knappen øverst i panelet. Du kan også legge til datasettet i arbeidsområdet etterpå.
5. Bruk til slutt arbeidsområdet
Et arbeidsområde er et interaktivt lerret der du grafisk kan legge ut data for utforskning, samt utføre datautvinning og prediktive modelleringsaktiviteter.
Priser
Du kan begynne å bruke nettstedet med sin grunnleggende plan, som er helt gratis og har en mengde funksjoner. Den tilbyr også to premiumplaner, som er beskrevet nedenfor:
- Pro: $45/bruker/måned (faktureres årlig).
- Enterprise: Kontakt Einblick-teamet for tilpassede priser.
Pros
- Forbedre analytisk samarbeid.
- Forbedrede modeller og raskere innsikt
- Citizen data science bemyndiget.
Ulemper
- Noen mennesker kan oppleve at arbeidsplassen er lite tiltalende.
konklusjonen
For å oppsummere, demokratisering av foreskrivende analyser krever et grunnleggende skifte i hvordan individer samhandler med data.
Einblick er den første visuelle databehandlingsplattformen, som kombinerer de beste funksjonene til arbeidsflytsentriske AI-verktøy og visualiseringsentriske BI-verktøy.
Den er designet fra bunnen og opp for å lette samarbeid, enten eksternt eller personlig, slik at team kan ta datadrevne beslutninger.
Prøv det og del dine tanker med oss.
Marker
Fint skrevet, Jay. Kom akkurat over dette da jeg prøvde å finne ut om Einblick.