为Tableau引入DataRobot Insights Extension

时间:2019-03-14 21:44:12 阅读:72次

  今天,我们推出了DataRobot Insights,这是一个新的Tableau Extension,旨在通过现有的团队和工具进一步帮助我们的客户加速AI的成功。利用DataRobot世界领先的数据科学家设计的内置最佳实践和护栏,DataRobot可自动进行探索性分析,使Tableau Desktop作者能够有效地发现并关注最具影响力的变量,从而获得更好的结果。

<! - more - >

有效地探索数据

  手动探索数以千计的潜在变量组合以找到关键关系是不实际的,也不是有效的。我们新的Tableau Extension可以自动完成繁忙的工作。使用DataRobot Insights,您可以花更少的时间来查找重要内容,并花更多时间查看下一步的原因和操作。

  

  

  通过将DataRobot的无代码自动机器学习功能与Tableau的动态可视化分析技术相结合,您现在可以在当前的分析流程中快速发现隐藏的见解和有价值的模式。

  

民主化预测性见解

   DataRobot经过验证的自动化机器学习平台还提供无与伦比的深度和广度,可以负责任地扩展整个企业的受治理公民数据科学。借助DataRobot,精通数据的业务分析专业人员可以轻松构建和部署高度准确的自动化机器学习模型,任何人都可以理解,解释和信任。通过将DataRobot预测集成到Tableau仪表板中,组织可以在可操作的仪表板中提供预测性见解,从而产生显着的积极影响。

  

  

  来源:Teknion数据解决方案合作伙伴Will Gray,Joshua Milligan和Bridget Cogley的再入院预防仪表板

  

  根据LendingTree战略分析副总裁Akshay Tandon的说法,“DataRobot改变了从数据中提取价值的经济学。”其他DataRobot客户引用了业务分析专业人员(而非数据科学家)提供的极具吸引力的投资回报。

由于将DataRobot添加到分析流程中,Steward Healthcare在一年内每年节省了1000万美元的成本。还有许多其他相关的案例研究,其中业务分析专业人员实现了AI的承诺。

  通过一些关于如何发现机器学习机会的培训,业务分析专业人员可以成功实现从可视化分析到预测分析的跨越。从降低成本到寻找新的收入来源或改善医疗保健,这些人才最适合利用人工智能机会,因为他们了解组织和数据中的细微差别。

  

了解有关DataRobot + Tableau的更多信息

  如果您想比以往更智能,更快速地解决问题,请停止等待数据科学家并开始学习业务分析专业人员如何使用DataRobot。通过授权整个组织中的更多用户来处理更多项目--DataRobot正在帮助实现AI驱动的企业。

  • 注册Tableau的DataRobot入门套件
    请于10月22日至25日在新奥尔良的Tableau会议上参观我们的团队#215展台
    注册“如何建立辉煌”基于人工智能的Tableau Dashboards“,Tableau会议的补充工作室
    观看DataRobot和Tableau行动:禅师的观点
    阅读从BI转向自动机器学习

      有关我们与Tableau合作的更多详细信息,请访问我们的合作伙伴页面,网址为https://www.datarobot.com/tableau/。

      

      

  • 为Tableau引入DataRobot Insights Extension所属专题:引入 Extension 《为Tableau引入DataRobot Insights Extension》链接:http://www.zhouchuanxiong.net/1219

    为Tableau引入DataRobot Insights Extension相关文章

  • DataRobot如何在国内和国外自动化定价优化一般
  • 数据科学家聚焦:Jessica Lin
  • DataRobot + Snowflake的力量
  • 庆祝2018年退伍军人日:与DataRobot兽医讨论
  • 在预测垃圾邮件时与他人合作
  • 如何理解DataRobot模型:比较模型的准确性[第2部分]
  • 拖放还不够!
  • 如何理解DataRobot模型:深入研究模型精度[第3部分]
  • 汲取美国鲨鱼坦克数据
  • 国内和国外如何一般使用DataRobot保持曲线前方
  • 数据科学家聚焦:Xavier Conort
  • 如何理解DataRobot模型:快速查找数据中的重要内容[第4部分]
  • Gartner公布了2019年的战略技术趋势
  • 如何理解DataRobot模型:参见模式数据中找到的模型[第5部分]
  • 数据科学家聚焦:Amanda Schierz
  • 如何理解DataRobot模型:当你绝对必须有一个公式[第6部分]
  • 数据科学家聚焦:Jordan Meyer
  • 格莱美预测2019年:调入年度歌曲
  • 如何理解DataRobot模型:解锁模型的制作方法[第7部分]
  • 使用Tableau的新DataRobot假设分析运行模拟
  • 数据科学家聚焦:Zach Deane-Mayer
  • DataRobot的奥斯卡预测2019年:所有人都关注最佳影片
  • DataRobot获取Cursor
  • 如何理解DataRobot模型:理解为什么预测有其价值[第8部分]
  • 我们对持续测试的痴迷
  • Ironside和DataRobot合作伙伴关系赋予更多非数据科学家权力
  • 我们非常高兴地宣布推出DeepMind Health
  • 宣布与Moorfields眼科医院建立DeepMind Health研究合作伙伴关系
  • 使用合成梯度的解耦神经接口
  • WaveNet:原始音频的生成模型