至顶网CIO与应用频道 02月14日 北京消息:可视化分析领域的领军企业Tableau Software(纽交所代码:DATA)于今日宣布发布新产品Tableau 2019.1。作为新发布产品的一部分,数据问答功能利用自然语言处理,使人们能使用普通的语言提出关于数据的问题,并立即在 Tableau 中获得可视化响应。此次,Tableau还宣布通过Tableau Prep Conductor扩展其平台功能,允许组织大规模计划和管理自助式数据准备,无需进行任何新的部署或配置。
“随着中国成为世界上最大的数字经济体之一,中国企业正在寻求业务变革的机遇,以跟上数字经济的潮流。数据是助力当今所有转型的动力。因此企业要想在当前的商业环境中进一步发展,必须让更多人掌握数据的力量。”Tableau大中华区总裁叶松林先生说,“我们强化了现有的平台,使用户能轻松地将准备好的数据导入Tableau,并使用日常语言提出他们的数据问题,获得可视化的答案。”
正在申请专利的技术将简单的问题转化为分析查询
通过数据问答功能,客户只需输入“我这个月的销售额是多少?”这类问题,Tableau 就可以返回一个交互式数据可视化视图,让用户可以继续探索,改进问题并深入研究细节。无需深入理解数据结构,也不需要具备编程技能。此种正在申请专利的功能可以使任何具有不同技能组合的人更加深入地利用数据,并且无需进行任何设置或编程即可生成分析见解并与他人共享。
数据问答作是 Tableau Server 和 Tableau Online 的随附功能,无需额外成本。数据问答可以使用 Tableau 支持的各种数据源(包括实时数据和提取数据),因此可以实时连接到任何数据源,无需移动数据或训练算法。无需任何设置,数据问答与 Tableau Server 现有的安全和治理功能集成,可以立即使用。
“通过数据问答,我们帮助让任何人都能随时随地实现分析,无论是否具备分析数据的专业知识都可以使用”,Tableau 的首席产品官 Francois Ajenstat 说道,“我们独有的自然语言对话方法让人们能按照原本的想法提问。数据问答提供一种更加直观且更加自然的数据交互方式,降低了分析的门槛,人们可以使用普通的语言提问,并更加快速地获得高度相关的见解。”如同在 Tableau 开创性的拖放功能基础之上,数据问答使自助式分析的进化迈向新台阶。
数据问答在后台使用强大的算法自动配置和索引数据源。此外,数据问答创新性的解析器可以自动剖析不明确的表述,并利用 Tableau 的分析深度,使人们能够以自然的、口语化的方式轻松提出复杂的问题。这意味着,如果一个问题有多种解读方式,那么数据问答将结合对于数据源和先前用户活动的理解,呈现一系列有效的选项供用户选择,同时用户可以根据需要进一步完善结果。
全新Data Management包中的Prep Conductor
Tableau 2019.1还引入了Tableau Prep Conductor,它是全新订阅包的一部分,此订阅包称为Tableau Data Management。此款新产品扩展了 Tableau 平台,可以帮助客户确保有效治理,及时获得最新的数据,将其用于分析。
“客户拥有的数据已达到前所未有的数量,要理解、管理和整理所有数据以进行良好的决策制定是十分困难的”,Tableau 的首席产品官 Francois Ajenstat 说道,“利用 Tableau Data Management,组织可以更轻松地提供大规模值得信任的、治理良好的数据,进而整个组织都可以更快、更有信心地进行分析。”
当客户订阅 Data Management 产品时,他们将在 Tableau Server 部署中启用 Tableau Prep Conductor。Prep Conductor 可以使在 Tableau Prep Builder(这是 Tableau Prep 的新名称,目前已有超过 11,000 个客户账户使用)中创建的流程实现自动化,以确保用户始终可以获取干净的数据来进行分析。Prep Builder 帮助人们快速、自信地准备他们的数据进行分析。现在有了 Prep Conductor,他们还可以自动维持最新数据。
在 2019 年晚些时候,Tableau Data Management 还将包含全新的目录功能。此功能可以帮助组织获得对于数据的可视性,并为最终用户增强数据可发现性。
Tableau Data Management 包今日起即可作为 Tableau Server 的附加产品购买,每用户每月 5.50 美元。客户可以升级到 Tableau Server 2019.1 并订阅 Tableau Data Management 包,以将这些功能添加到现有环境中。
Tableau 2019.1的PowerPoint 导出新功能
Tableau 2019年的第一个版本还将包括新的 PowerPoint导出功能,可在幻灯片中优化可视化和仪表板的大小,客户只需点击按钮即可展示其分析结果。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。