Innehållsförteckning[Dölj][Visa]
Den pågående pandemin stärkte distansarbete och verktygen som stödjer det som aldrig förr. Zoom har till exempel mer än fördubblats i värde.
Tekniska framsteg har dock inte varit lika snabba när det gäller att göra det möjligt för dataanalytiker och datavetare att samarbeta i realtid.
Einblick, en Massachusetts-baserad startup, hoppas kunna ändra på det.
Einblick är en interaktiv analytisk whiteboard som gör det möjligt för användare att analysera sina data visuellt, skapa modeller och göra datadrivna val som grupp.
Interactive data analytics är ett realtidsanalystillägg som använder en blandning av distribuerade databassystem och renderingsfärdigheter för att påskynda analysprocessen och tillåta användare att dra nytta av de analytiska funktionerna hos Business Intelligence-teknik.
Baserat på sex års studier vid MIT och Brown University, hjälper dess teknologi användare att övervinna svårigheter i samband med fjärrkommunikation.
Låt oss utforska det på djupet!
Vad är insikt?
Einblick är ett interaktivt analysverktyg byggt på en whiteboard som gör det möjligt för team att snabbt undersöka det förflutna, förutse framtiden och fatta de bästa datadrivna besluten för sin verksamhet.
Den tillhandahåller en enda lösning som inkluderar en omfattande uppsättning verktyg och teknologier för analysoperationer, från datarening och transformation till modellbyggande och vad-om-analys.
På grund av dess enkla användargränssnitt, banbrytande automatisk maskininlärning och unika datautvinningsmöjligheter, behöver användare inte ha en teknisk bakgrund för att göra komplexa analyser.
Den automatiserar tidskrävande och svåra operationer, så att vem som helst kan granska sina data och få användbara insikter.
Hur fungerar det?
Det finns två grundläggande logiska komponenter till Einblick:
- Einblick-applikation
- Einblick Container
Einblick-applikation
Ett Kubernetes-kluster är värd för Einblick-behållarna. Dess säkra användarautentiseringssystem autentiserar varje användarförfrågan.
Smakämnen lastbalans tilldelar en applikation till en behållare när en användare ansluter till den. Behållarna är identiska repliker som hålls synkroniserade av en centraliserad MongoDB-databas.
När en användare ändrar sin arbetsyta uppdaterar MongoDB och sprider den nya informationen till alla repliker, vilket möjliggör samarbete i realtid.
Det är värt att nämna att, eftersom arbetsytans tillstånd och beräkningar är åtskilda, kan samtidiga användare utföra uppgifter i samma arbetsyta som körs på olika behållare samtidigt som de möjliggör synkronisering och parallellitet.
Einblick Container
I Einblick-containrar exekveras arbetsbelastningar. Einblicks progressiva beräkningsmotor, Davos, fungerar över dataströmmar och tillåter applikationens interaktiva hastighet.
När en användare tilldelas en container, skickas varje jobb till Davos, som börjar hämta data från den valda datakällan.
När det är möjligt kommer det att trycka ner provvillkoren till den underliggande datakällan.
Annars kommer den att skanna data och beräkna ett reservoarprov över datakällan. Varje operatör arbetar på dataströmmar och konsumenter får uppdaterade kopior av uppgiftsutdata varje gång en operatör kör över en batch.
När arbetsbelastningsresultatet har fastställts får Montana nya kopior av arbetsbelastningsresultatet direkt.
Montana är Einblicks mellanprogramlager, som ansvarar för att behålla applikations-/arbetsytainformation, möjliggöra samarbete för att synkronisera arbetsytor mellan användare (MongoDB) och överföra uppgiftsresultat till Laax, dess frontend.
Slutligen är Laax Javascript-koden som visar Davos-resultaten i användarens webbläsare.
Vad är Einblick Analytics?
Einblick gör det möjligt för team att tillämpa avancerad dataanalys för att tjäna en mängd olika beslutsfattande och strategiska planeringsprocesser:
Beskrivande analys
Data kan användas för att lära sig om vad som hände tidigare. För denna studieform används vanligtvis traditionella BI-verktyg (diagram, instrumentpaneler och interaktiva analyser).
Men det finns en ny generation av BI-verktyg (som Sisu) som använder maskininlärning för att hjälpa analytiker att navigera i högdimensionella datamängder.
Dessa nya verktyg lyfter fram viktiga drivkrafter, hittar trender och rekommenderar till och med diagram. De kan automatiskt exponera mönster och viktiga drivkrafter förutom att tillhandahålla ett mycket dynamiskt gränssnitt för att bygga datavisualiseringar.
Men om du vill mäta KPI:er i realtid behöver du ett övervakningssystem, som Einblick, som automatiskt uppdaterar data och skickar varningar.
Predictive Analytics
Använd data för att skapa prediktionsmodeller. Prognos- och churnmodeller är populära exempel inom detta område.
Men finns det inte redan (autoML) verktyg som tillåter icke-tekniska personer att generera modeller?
Sådana verktyg finns – överväg KNIME, Rapid Miner och Alteryx – men många av dem fungerar genom att replikera arbetsflödesmotorer: data kommer in, du utför en operation och utdata lämnas till en annan operatör.
Du kan ifrågasätta om ett arbetsflödesliknande gränssnitt är perfekt. Efter att ha experimenterat med tidiga iterationer av det tror jag att deras användargränssnitt är en bättre matchning för icke-tekniska personer.
Einblick låter användare skapa och dela prediktionsmodeller, samt slå samman och modifiera många datamängder.
Mer avgörande är att användare gradvis utvecklar modeller och dataappar med ett tilltalande gränssnitt som låter dem blanda visualiseringar, modeller och dataanalys.
Förskrivningsanalys
Du kan skapa vad-om, scenarier eller simuleringar med hjälp av data med Einblick.
Det kan också hjälpa dig att förstå betydelsen av viktiga variabler och prediktorer, samt att bygga och analysera scenarier. Avancerade verktyg som Monte Carlo-simulering kommer att inkluderas inom kort.
Vem kan använda plattformen?
Oavsett din sektor, verksamhet eller funktion kan det hjälpa dig att göra datadrivna val snabbt. Några av dem är listade nedan:
1. tillverkning
- Produktefterfrågan prognos.
- Förutsägande underhåll.
- Optimera bemanningen av produktionslinjen.
2. Försäkring och bank
- Modeller måste uppdateras snabbt för att svara på aktuella händelser.
- Skapa marknadsföringsstrategi utifrån kundens krav.
- Förbättra kundförvärvet.
3. Energisektorn
- Undersök anläggningens miljöpåverkan.
- Identifiera avvikelser i distributionsnätet.
- Håll koll på genomströmningen av tillverknings- och utvinningsanläggningar.
4. Offentlig sektor
- Beräkna effekten av framtida politik.
- Programeffekten bör mätas.
- Ta datadrivna beslut.
5. Vårdsektorn
- I krisscenarier, prognostisera befolkning.
- Förbättra riskhanteringen.
- Prototypa snabbt riskmodeller för antagning.
6. Detaljhandeln
- Förbättra marknadsföringskampanjer.
- Optimera personalstyrkan med hjälp av Covid-19.
- Prognostisera efterfrågan mitt i förändrade marknadsförhållanden.
Funktioner
- Datavisualisering Ramar – Använd Python-dataramars fulla potential för att redigera data och interagera med flera datamängder på samma skärm.
- På en duk i fritt format, Visual Analytics – Snabba iterationer mellan laddning, rengöring, konvertering, visning och modellering av data på en obegränsad arbetsduk i fritt format stöds.
- Interaktiv maskininlärning – Bygg ML-modeller med Einblicks prisbelönta interaktiva AutoML-verktyg samtidigt som du behåller kontrollen över modellspecifikationerna.
- Optimering – Optimera för de resultat som är viktiga för ditt företag, och förstå de avvägningar som kommer med olika alternativa åtgärder.
- Samarbete – Det möjliggör personligt samarbete och samarbete på distans med kollegor i samma rum. Det skapades för stationära webbläsare samt penna och pekgränssnitt.
- Enkel molninstallation – Det är lätt att distribuera i det offentliga eller privata molnet och integreras med dina befintliga lagrings- och databassystem.
- Flexibilitet – Integrera dina egna Python-funktioner som nya visuella operatorer, vilket gör dem tillgängliga för hela ditt team eller företag.
- Statistiska skyddsnät – Den statistiska assistenten förenklar processen för att välja lämpligt statistiskt test för dina uppgifter.
Komma igång med Einblick
1. Logga in
När du startar Einblick kommer du att få en inloggningsskärm.
2. Huvudmeny
Du kommer att skickas till huvudmenyn efter att du har loggat in.
Delarna som markerats ovan diskuteras vidare nedan.
Lägg till ny knapp
Den primära metoden för att lägga till nya objekt är via Lägg till en ny knapp. När du klickar på den visas en meny med val som beskriver de saker du kan lägga till, som visas i bilden nedan.
Objektflikar
Du kan komma åt de många typerna av objekt som är tillgängliga i Einblick genom att klicka på de olika objektflikarna.
Om du till exempel besöker fliken arbetsytor visas alla arbetsplatser som du har tillgång till. Tänk på att produkter som du inte har tillgång till inte kommer att visas här.
Det omfattar:
- Senaste
- Filer
- Data
- Operatörer
- användare
Sökfältet, som förklaras nedan, kan användas för att filtrera de visade objekten.
Sök Bar
Sökfältet utökas för att avslöja alla nyligen använda objekt, senaste frågor och taggar som för närvarande är synliga när du klickar på den (beskrivs längre ner nedan).
I sökresultaten kommer alla objekt med ett matchande namn eller tagg att visas.
Huvudmenyalternativ
I huvudmenyn representerar varje objekt en ruta som du kan interagera med. Du kan flytta dessa saker någon annanstans i huvudmenyn om du vill relatera dem till andra objekt.
Objekt kan också kopplas ihop med alternativ, som är tillgängliga med hjälp av trepunktsmenyn, som illustreras i figuren nedan.
3. Ladda upp datauppsättning
Den stöder en mängd olika datagränssnitt, så att du kan komma åt din data oavsett var den ligger. Den enklaste metoden att komma igång är med en CSV-fil, men du kan också undersöka Start genom att klicka på:
- Lägg till ny
- dataset
- Ladda upp CSV-fil
- Snabbuppladdning
Din CSV-fil kommer att visas i datauppsättningar område av huvudmenyn efter att den har skickats till systemet.
4. Skapa en ny arbetsyta
För att börja analysera dina data måste du först bygga en arbetsyta och länka den till din datauppsättning. Ett godtyckligt antal datauppsättningar kan paras ihop med varje arbetsyta.
Klicka lägga till nya och sedan arbetsyta för att skapa en ny arbetsyta.
På fliken arbetsytor kommer en ny arbetsyta att läggas till, och en panel till höger ger arbetsytarelaterad information.
Dra en datauppsättningsikon från datauppsättningsfliken till datauppsättningsområdet på arbetsytepanelen för att länka den till den.
För att komma åt arbetsytan, klicka på pilikonen på dess ikon eller på öppna-knappen högst upp på panelen. Du kan också lägga till datauppsättningen i arbetsytan efteråt.
5. Använd slutligen arbetsytan
En arbetsyta är en interaktiv duk på vilken du grafiskt kan lägga ut data för utforskning, samt utföra datautvinning och prediktiva modelleringsaktiviteter.
Priser
Du kan börja använda webbplatsen med dess grundläggande plan, som är helt gratis och har en uppsjö av funktioner. Det erbjuder också två premiumplaner, som beskrivs nedan:
- Pro: 45 USD/användare/månad (faktureras årligen).
- Företag: Kontakta Einblick-teamet för anpassad prissättning.
Fördelar
- Förbättra analytiskt samarbete.
- Förbättrade modeller och snabbare insikter
- Medborgardatavetenskap bemyndigad.
Nackdelar
- Vissa människor kan tycka att arbetsplatsen är föga tilltalande.
Slutsats
För att sammanfatta, demokratisering av preskriptiv analys kräver en fundamental förändring i hur individer interagerar med data.
Einblick är den första visuella databehandlingsplattformen, som kombinerar de bästa funktionerna hos arbetsflödescentrerade AI-verktyg och visualiseringscentrerade BI-verktyg.
Den är designad från botten och upp för att underlätta samarbete, antingen på distans eller personligen, så att team kan fatta datadrivna beslut.
Prova det och dela dina tankar med oss.
Markera
Bra skrivet, Jay. Kom precis över detta när jag försökte ta reda på om Einblick.