至顶网CIO与应用频道 05月11日 北京消息:5月10日,国内领先的新一代数据分析公司 GrowingIO V3.0s 产品上线,推出 5 大场景化模板,支持自定义实时,计算速度提升 50%,并优化数据看板等功能。
全新版本,将有助于业务人员降低数据分析上手门槛,提高分析效率和产出,给业务人员提供更有参考性和可执行的洞察,支持决策。
GrowingIO 创始人张溪梦认为,“此次上线,一直秉承 GrowingIO 产品理念,贴近公司内部一线业务人员需求,解决实际的业务问题,降低成本,提高数据分析效率,促进业务更好增长。”
一、场景化模板:一键生成专属数据看板
在实际的工作中,产品、运营和市场人员经常会遇到的问题是,不知道怎样建立一个系统化、有业务意义的数据分析体系,上手较难。
GrowingIO 3.0s 版本推出了业务场景模板,包括渠道分析场景、落地页分析场景、用户留存分析场景、APP版本更新分析场景和用户活跃分析场景。

场景分析模板大大降低了业务人员做数据分析的门槛,基于 GrowingIO 全量数据采集技术支持,有数据就有模板,就可以做相应的、系统的数据分析。
与此同时,GrowingIO 3.0s 版本的看板支持将事件分析、漏斗分析、留存分析放到一个报表中,不需要在分析工具之间跳转,按照业务分析需求,将数据分析的图表集中展示和使用,优化了数据分析体验。
二、自定义实时数据监测:支持分钟级项目监控
一个典型的应用场景,各大互联网金融、电商、在线旅游等网站 / App 大促时,业务人员可以在一个大屏幕上同时看实时数据。

即时监测整体及各个渠道的流量、转化,随时调整营销策略,无需被动等待数据或工程部门事后提供数据,造成事后分析,效率低下,数据无法真正服务业务。
GrowingIO 自定义实时分析不但可以查看 pv,并且能按照业务需求,按照某一自定义指标即时监测其趋势,随时调整营销策略,降低获客成本,提高渠道 ROI。
目前,在国内只有 GrowingIO 一家能够支持在产品界面直接添加指标进行实时数据监测,这主要源于其背后基于无埋点的全量数据采集技术。
针对此前数据分析产品需手动埋点、数据采集不全、核心业务数据无法保留、工程量繁重、制图生成耗时漫长、业务人员无法自主按需分析、无法对用户行为进行实时深层分析等行业七大痛点,GrowingIO 采用无埋点数据采集技术,全面收集,一键出图,实现实时数据分析,为企业提供高级定制分析解决方案,创造全新数据分析产品。
三、强大的第二代数据处理引擎:计算速度提升 50%
本次产品更新搭载着 GrowingIO 强大的第二代数据处理引擎,通过数据模型优化与自主研发的数据压缩存储技术,极大的提升了数据处理和查询速度,每秒处理数据能力提高 50%,小时数据计算速度提升 50%,回溯任务的计算速度提升 90%,支持更加丰富的维度分析,支持会话级别的维度归因计算。

在 GrowingIO 数据处理量已到达到每天千亿级别的情况下,保证用户能够更快速、更准确的获取各类分析数据。
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。