nextionBI发布：凭什么断言“十年后回头看，现在做的都不算BI”

文章插图
2022年2月25日，数睿数据召开了“了解更深懂得更多”nextionBI产品发布会，36氪、CSDN、甲子光年等媒体线上联合发布。从无代码到BI，从新风口到老行业，为什么选择在这个时候进入BI赛道，我们对下一代BI的思考和设计又是怎样的...
价值驱动的下一代BI 专注知识的积累、发现与应用发布会的开场，数睿数据总裁刘超谈到了公司初期是做大数据平台的，在大数据技术之上提供 BI 能力这件事情顺理成章，因为早前大数据概念进入企业落地的第一步往往就是 BI，通过对数据分析查看业务运行情况，二者的联系十分紧密。如果说无代码做的是数字矿脉的探知和数字矿山的建设，那BI做的是数字矿产的挖掘和输出，实现价值从地下到手中的流转。
在理解下一代BI应该具备什么能力之前，刘超对当前“工具负责好看、工作靠人来干、知识难以沉淀”的问题进行了总结分析，大致归纳为“三个依赖”：对系统的依赖、对知识的依赖、对环境的依赖。

文章插图
首先，目前BI分析的数据大多数来源于各类业务系统，使用这些数据的时候会遇到很多质量、安全、标准等方面的问题。问题出自于机器，但却需要靠人去治理，这既不合理也产生了很多不必要的工作量，因此下一代BI应该让机器做机器该做的事，让人做人该做的事。
其次，是对知识的依赖。人类社会发展到今天，各个学科、行业都积累了自己的知识，这些知识如果运用到数据分析中，需要事先积累、吸收、融汇贯通，需要付出大量的努力。能不能让工具代替人去消化这些知识，降低知识运用的门槛，是第二个问题。
最后，是对环境的依赖。我们相信数据积累到一定规模，结合企业的知识历史数据，就能实现智能化的知识共享。但是运用知识的环境是纷繁复杂的，如何让基于一个系统分析形成的知识能够快速分享到另一个系统中产生价值，这是目前的BI缺少的能力，解决这个问题，企业才真正具备动态学习和积累的能力。
“按照“DIKW”模型理论，BI不能停留在数据阶段，做统计与可视化，而要专注于把数据转变为知识。下一代BI与人的关系，应该是BI工具去数据中总结知识，人把知识和业务结合，产出智慧，创造价值。”刘超说道。
这就是nextionBI的产品设计理念。
增强分析与机器学习算法 nextionBI的隐形巨擘面向知识的BI该如何设计？对于nextionBI的AI能力，我们的设计是“当用户感知不到时，就是它无处不在的时候”，就是说它工作的时候你不会感知到它，当它不工作了，你才会强烈地感到不适。

文章插图
数睿数据AI科学家车文彬博士
我们在nextionBI的很多功能组件里都封装了AI 算法，在看不到的地方，有更多的自动化和智能化。比如数据分析模型提供了时序分析、预测、分类、聚类这些通用算法，用户过去想做一些预测或分类，都需要机器学习的一些模型训练，现在用户只需要开箱即用，很快的一键操作就可以完成三维/时序/图谱等分析。
数据分析仪的另一大亮点是基于NLG（自然语言生成）的智能数据解读，解读也是自然语言式的，让枯燥乏味的数据自动说人话，对于数据不敏感人群可以提供友好的数据解读辅助。当数据量和维度都比较繁多的时候，智能数据解读可以快速告诉你数据的分布是什么样的，有哪些特征，特征之间是否有隐形关联？关联程度怎么样？整体数据分布是否有空值？

以上关于本文的内容，仅作参考！温馨提示：如遇健康、疾病相关的问题，请您及时就医或请专业人士给予相关指导!

「四川龙网」www.sichuanlong.com小编还为您精选了以下内容，希望对您有所帮助：