Infor大中华区解决方案咨询总监鹿崇
今年初,Gartner发布了其2018年商业智能和分析平台魔力象限,其中描述了现代分析和商业智能(BI)平台的构成。
我们相信,Gartner与现代BI平台关联的架构和功能,与Birst基于云的网络商业分析平台固有的架构和功能紧密相关。
以下示例可供参考:
Gartner在报告中指出,“现代分析和商业智能平台代表着主流购买,基于云的部署越来越多。”
Birst的云规模架构提供了一个基于现代多租户平台的新一代解决方案,该平台使得企业能够以更少的资源更快的在企业内交付分析。
根据Gartner的数据,“到2020年,那些为用户提供内外部数据访问目录的企业将会比没有进行分析投资的企业多获得两倍的商业价值。”
通过Birst的网络业务分析平台,商业用户可以通过Birst的企业级、多租户云架构,将他们准备的数据连接至一个可信的数据网络,从而丰富他们自身以及企业中其他人员的见解。
Birst使人们能够通过对企业中的数据和分析部署进行无缝的网络化集成,而扩展他们的分析、数据模型和可视化。
2018年Gartner魔力象限指出,“基于视觉的数据发现是现代分析和商业智能(BI)平台的一个本质特征。这种颠覆浪潮始于2004年左右,此后市场和新购买趋势则从以IT为中心的记录(SOR)报告转向具备自助服务的以业务为中心的敏捷分析。
通过Birst的网络业务分析平台,分散的团队和个人用户可以利用自身的本地数据增强企业数据模型,而不会有损数据管理。大家均采用一个统一的语义层,无论用户身处何处,均能保持共同的定义和关键指标,从而确保一致性。
此外,Gartner在魔力象限报告中指出,“现代分析和BI平台有简单易用的工具,可以为全面的分析工作流能力提供支持。”
Birst持续向我们的现代消费者级用户界面添加新一代功能,以一种更加简洁直观和用户友好的方式,为商业人士赋予强大的能力。这些功能以前只对企业用户开放,而现在人人皆可使用。
Birst平台提供了一种一致性的企业视图,通过世界一流的仪表板、深入的报告分析、可视化的发现、移动工具和预测分析,使用户能够进行自助分析。
Gartner在其2018年的魔法象限中定义并评估了以下五个分析和商业智能的用例:
1、“敏捷集中的BI供应——使用平台的独立数据管理功能,支持从数据到集中交付和管理的分析内容的灵活IT驱动工作流。”
2、“分散式分析——支持从数据到自助分析的工作流。包括对单个业务单位和用户的分析。”
3、“管理数据发现——支持从数据到自助服务分析的工作流,到SOR 、IT管理内容(可实现用户生成内容的管理、可重用性和可推广性),再到认证数据和分析内容。”
4、“OEM或嵌入式BI——支持从数据到流程或应用程序中嵌入式BI内容的工作流。”
5、“外联网部署——支持类似于面向外部客户的敏捷集中BI供应,或公民访问分析内容(适用于公共部门)的工作流。”
您可下载一份Gartner魔力象限报告以了解更多与Birst处理这些用例方面性能有关的信息。
在编制2018年报告时,Gartner还提出了许多战略规划假设,包括关于增强分析的假设:
“到2020年,增强分析——一种包括自然语言查询和叙述、增强数据准备、自动高级分析和基于视觉的数据发现能力的范式——将成为针对商业智能、分析和数据科学、机器学习平台和嵌入式分析等方案新一轮购买的主要驱动力。”
“到2020年,在增强数据发现能力方面有所差别的现代商业智能和分析平台的用户数量将以两倍的速度增长,且其将获得两倍于其他用户的商业价值。”
最后,我们相信这些规划假设,以及Gartner对现代BI的看法,与Birst的方法有着共同的依据。
Infor去年收购Birst,其大量的云服务订户,PB级别的云上的任务关键性数据,为Infor提供了一个单一、优质的平台,以非常友好的用户界面呈现深度分析、发现、相关和预测分析功能。作为云商业智能和企业分析的领导者,Birst被Forrester Wave™评为2017年第3季度“以云部署为主的企业商业智能平台”领导者。Birst旨在满足当今企业需求的现代云BI和分析解决方案:
1、加快价值实现过程:Birst显著地加速了进行整个企业分析的这一繁琐和耗时的过程。Birst利用能够减少人工干预的专利自动化技术——一种能够消除传统的
企业预置型任务的现代云架构,以及能够提高开发过程高效性和高产性的元数据可重用性,在更短的时间内提供更高的价值。
2、增强分析:Birst的专利机器学习技术(美国专利号9,652,516和9,483,537)帮助商业用户大大提高使用数据和发现洞察的速度和简易度。Birst通过机器学习,智能发掘数据中的业务关键性关系,并自动构建可视化和仪表板;高级算法采用原始数据,并即时将其组织成一套条理分明的一致的业务指标和属性。
3、业务速度的可信数据:Birst的分析网络建立在一组通用的、可重用的业务规则和定义之上,这些规则和定义是通过Birst的专利自动化技术生成的,无需人工干预。这种共享的业务定义,或语义层,使用户能够使用独特的数据视图——来自内部和外部的条理分明的数据——从而消除了特定度量或关键性能指标(KPI)的含义模糊性。Birst支持数据管理,并解决企业内分析竖井的扩散所导致的混乱问题,实现集中式和分散式数据管理方法与敏捷语义层的连接。
4、面向所有信息工作者的自助服务:Birst为每个信息工作者赋予分析的力量,而非仅仅局限于精通数据的分析师或受过高度训练的数据科学家。Birst的面向业务用户的UX可以使各类人员使用直观的拖放工具访问、编制和探索数据。他们可以获得完整的分析能力,从而发现见解,并将其与Birst网络中的其他个人和团队共享,且仅需轻松点击鼠标即可预测商业结果,而无需专家支持。由此,所有用户,无论是办公室工作用户还是户外工作用户,均可获得基于网络的无缝用户体验。
5、降低所有权成本: Birst是一个建立在新一代多租户云架构之上的真正的软件即服务(SaaS)解决方案,可提供诸多功能,如部署虚拟BI租户、虚拟化数据和元数据、在虚拟租户之间联合语义模型以及实现人工任务的自动化操作。这意味着能够减少资源,实现零硬件、零升级成本和快速部署,从而最终降低总所有权成本。
好文章,需要你的鼓励
三星与AI搜索引擎Perplexity合作,将其应用引入智能电视。2025年三星电视用户可立即使用,2024和2023年款设备将通过系统更新获得支持。用户可通过打字或语音提问,Perplexity还为用户提供12个月免费Pro订阅。尽管面临版权争议,这一合作仍引发关注。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
苹果M5 MacBook Pro评测显示这是一次相对较小的升级。最大变化是M5芯片,CPU性能比M4提升约9%,多核性能比M4 MacBook Air快19%,GPU性能提升37%。功耗可能有所增加但电池续航保持24小时。评测者认为该产品不适合M4用户升级,但对使用older型号用户仍是强有力选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。