Alteryx正在桌面上发布一个辅助ML功能的测试版,它将提供记录在案的AutoML体验。也就是说,系统会建
议潜在的模型,并支持同时进行3-5个并排测试的能力,然后解释模型性能的方法和原因,以及系统选择背后的基本原理最佳模型的一堆。它还将提供有关如何处理不完善数据集的建议,例如缺少值的数据集。在测试版发布时,Alteryx将只支持少数模型(这与其他AutoML服务所做的非常一致)并逐渐添加到它们中。
这是更广泛的行业计划的一部分,该计划旨在打开人工智能的黑匣子,使模型更具可解释性,吸引了从IBM到H2O等供应商的努力。Alteryx只是在这个旅程的开始。例如,与Data Robot已经支持的专业数据科学工具提供商相比,它的并排测试功能相形见绌。因此,除了增加对更多模型的支持之外,在服务器上运行新的辅助建模功能是有意义的,因为在更大的数据集中同时测试更多模型的能力会更大。
Salesforce收购了157亿美元的Tableau:您需要知道的一切
Salesforce-Tableau,其他BI交易流程;这个数字现在连续五次
与针对硬核数据科学家的供应商提供的产品相比,Alteryx将从培训轮开始,这并不奇怪。这一切都回归到了解公司的最佳位置:业务分析师和开发人员。多年来,聚光灯从数据准备到数据科学都来回转移。Alteryx提供了一个拖放环境,可以自动完成工作流程,从数据发现到准备,建模和演示,所以它是上述任何一个。但到目前为止,我们在会议上与大家谈过的大多数客户都开始 - 并且在许多情况下,继续专注于 - 数据准备。
因此,Alteryx与数据准备提供商,数据科学工具和可视化重叠。专业数据准备工具具有使用ML功能来协助该过程的优势,但与Alteryx不同,它们是独立的。相比之下,Alteryx通过拖放工作流自动化分析生命周期,由大约250个工具调色板支持,用于执行从准备到连接,解析,转换,数据调查,预测分析等操作。与数据科学的关联来自R和Python的支持以及从Jupyter笔记本编写或导入程序的能力。
因此,虽然Alteryx提供了图表功能,但没有人会将它与Tableau混淆,同样也适用于Tableau数据准备。多年来,Tableau一直是Alteryx最亲密的合作伙伴之一 - 分析师和开发人员在Alteryx中准备数据并在Tableau中对其进行可视化和制图是司空见惯的。
至于数据科学,从数据科学101等会议会议中可以清楚地看到,人口统计学更多地指向了数据科学家:分析师和开发人员希望通过数据科学经验来简化他们的简历。当然,数据科学家可以使用他们的Jupyter笔记本,但他们与Alteryx世界的互动可能更多的是将他们的模型导入工作流程,或者检查Alteryx功能产生的R或Python代码。Alteryx的消息传递是针对公民数据科学家的,这并不奇怪。
当然,另一个要放弃的鞋子是Alteryx对ClearStory Data的计划。由于收购后墨水仍在干燥,Alteryx将在几个方面利用ClearStory。首先,它将为机器学习增强应用急需的数据代表功能,特别是在数据匹配和混合方面。其次,它将为混合添加第二个基于Spark的执行引擎,以处理更大的数据操作运行。作为具有内存功能的缩放处理和数据量,这只能增强Alteryx破解ML模型的能力。展望未来,Alteryx计划通过更多此类执行引擎扩展调色板。
过去几周发生的事件改变了公司竞争的格局。从短期来看,Salesforce宣布购买Tableau不会显着改变Alteryx关系的动态;最大的影响可能来自那些在Salesforce正式宣布其计划之前可能会犹豫与Tableau签订企业协议的大客户。但与MuleSoft一样,Salesforce计划将Tableau作为一家独立公司运营。同样,从理论上讲,这不应该改变Alteryx的问题,但是如果Salesforce在充实Tableau准备工作中吸收更多资源,反过来又包含了MuleSoft连接器呢?从理论上讲,这将直接在Alteryx的后院竞争。同样,谷歌对Looker的收购可能会在类似的基础上进行,
坐在角落里的16吨大猩猩是云转型的问题:Alteryx专为Windows桌面而设计,只是为了增加一个Linux服务器和基于浏览器的Ui而滚动。但是再一次,在UI方面,Tableau处于相同的情况。这是在我们开始讨论可以为基于云的PaaS产品准备好这些工具的容器化之前。我们在这里领先于自己,但基于云的AutoML服务的出现将成为摇尾巴的尾巴。
鉴于谷歌和Salesforce收购的新颖性,实际结果将至少在6至12个月之外。虽然Alteryx的社区与Tableau的社区相形见绌,但随着竞争环境的变化,自助服务社区将成为其最强大的资产。