Zeroclanzhang(讨论 | 贡献) 无编辑摘要 |
(修改内容) |
||
第4行: | 第4行: | ||
== 决策链软件简介 == | == 决策链软件简介 == | ||
决策链软件定位为:下一代整合型数据科学工具。 | 决策链软件定位为:下一代整合型数据科学工具。 | ||
我们致力于打造成一款简洁、易用、高效和智能的数据科学分析平台,让用户轻松地打造属于自己的统计世界。它基于[[统计流|统计流(数据分析流程,Workflow)]]实现可视化编程的逻辑,真正意义上实现了计算机辅助用户进行数据分析或者决策,并且能够做到轻松部署和高效执行。<br><br> | |||
在开发决策链的过程中,我们将数据科学领域的业务逻辑和分析原理进行了拆分、整合和重构,并将其设计为[[节点|节点(Node)]]。在决策链的画布中,用户可以利用[[节点|多种分析节点]]和[[连接线]],构建思维导图以描述数据分析的具体过程,能够适配复杂且多变的数据挖掘需求。<br><br> | |||
在决策链中,一切皆功能可以节点化,包括但不限于:云计算(服务器与集群控制指令)、多语言脚本(Java/R/Python/C++等解释器环境)、数据管道(数据库、数据接口、I/O读写)、数据加工(处理、清洗、采样、分箱)、数据挖掘(分析、建模、机器学习、神经网络)和AI人工智能(影像、语音和语义)等。 | |||
* ''产品理念'' | * ''产品理念'':搭建由开发者、数据分析师和集团用户共建共享的统计生态圈,让用户随心所欲地打造自己的统计世界,用数据科学驱动科研与生产。 | ||
* ''产品目标'' | * ''产品目标'':以服务学术研究为基础,为各行业提供智能化的数据分析指南和决策方案。 | ||
* ''软件应对的数据科学要素'':数据库及数据矩阵、影像、音频和语义。 | * ''软件应对的数据科学要素'':数据库及数据矩阵、影像、音频和语义。 | ||
* ''软件主要功能'':数据管道、数据加工、数据挖掘、模型构建、模型部署、工作流搭建与自动化应用。具体包括数据源接入(数据库、矩阵等)、数据整理和清洗(数据预处理、字符串及乱码处理、数据提取、特征增强、变量生成、数据降维和数据分箱等)、数据分析(基础数据统计和运算、高级数据统计及运算、回归分析、交叉分析、匹配和聚类等)、机器学习(数据、影像、语音和语义)、深度学习(数据、影像、语音和语义)等。 | * ''软件主要功能'':数据管道、数据加工、数据挖掘、模型构建、模型部署、工作流搭建与自动化应用。具体包括数据源接入(数据库、矩阵等)、数据整理和清洗(数据预处理、字符串及乱码处理、数据提取、特征增强、变量生成、数据降维和数据分箱等)、数据分析(基础数据统计和运算、高级数据统计及运算、回归分析、交叉分析、匹配和聚类等)、机器学习(数据、影像、语音和语义)、深度学习(数据、影像、语音和语义)等。 | ||
用户在软件画布中通过“拖拉拽”功能节点的方式即可实现各种数据分析的可视化操作,高效、便捷地完成各种数据分析任务,甚至以分析流为基础实现高度自动化分析。<br><br> | |||
软件分为个人版和企业版,企业版可根据用户需求定制化开发,并在私有云上部署。 | 软件分为个人版和企业版,企业版可根据用户需求定制化开发,并在私有云上部署。 | ||
2023年12月13日 (三) 14:13的最新版本
决策链软件简介
决策链软件定位为:下一代整合型数据科学工具。
我们致力于打造成一款简洁、易用、高效和智能的数据科学分析平台,让用户轻松地打造属于自己的统计世界。它基于统计流(数据分析流程,Workflow)实现可视化编程的逻辑,真正意义上实现了计算机辅助用户进行数据分析或者决策,并且能够做到轻松部署和高效执行。
在开发决策链的过程中,我们将数据科学领域的业务逻辑和分析原理进行了拆分、整合和重构,并将其设计为节点(Node)。在决策链的画布中,用户可以利用多种分析节点和连接线,构建思维导图以描述数据分析的具体过程,能够适配复杂且多变的数据挖掘需求。
在决策链中,一切皆功能可以节点化,包括但不限于:云计算(服务器与集群控制指令)、多语言脚本(Java/R/Python/C++等解释器环境)、数据管道(数据库、数据接口、I/O读写)、数据加工(处理、清洗、采样、分箱)、数据挖掘(分析、建模、机器学习、神经网络)和AI人工智能(影像、语音和语义)等。
- 产品理念:搭建由开发者、数据分析师和集团用户共建共享的统计生态圈,让用户随心所欲地打造自己的统计世界,用数据科学驱动科研与生产。
- 产品目标:以服务学术研究为基础,为各行业提供智能化的数据分析指南和决策方案。
- 软件应对的数据科学要素:数据库及数据矩阵、影像、音频和语义。
- 软件主要功能:数据管道、数据加工、数据挖掘、模型构建、模型部署、工作流搭建与自动化应用。具体包括数据源接入(数据库、矩阵等)、数据整理和清洗(数据预处理、字符串及乱码处理、数据提取、特征增强、变量生成、数据降维和数据分箱等)、数据分析(基础数据统计和运算、高级数据统计及运算、回归分析、交叉分析、匹配和聚类等)、机器学习(数据、影像、语音和语义)、深度学习(数据、影像、语音和语义)等。
用户在软件画布中通过“拖拉拽”功能节点的方式即可实现各种数据分析的可视化操作,高效、便捷地完成各种数据分析任务,甚至以分析流为基础实现高度自动化分析。
软件分为个人版和企业版,企业版可根据用户需求定制化开发,并在私有云上部署。
决策链解决的行业痛点及带来的行业突破
我们解决了哪些行业痛点
软件解决了以下行业层痛点:
- 自主研发,不存在被西方“卡脖子”的问题。
- 完成从数据科学、行业应用、软件开发到价值转化的闭环,让用户能够轻松驾驭垂直领域的数据分析任务。
- 简单易用,并能够保证用户在满足灵活性的同时实现高度的自动化,大幅度提高数据分析和模型搭建效率,而主流数据科学软件大部分依赖代码层操作,且牺牲大量自动化空间,增加了企业开发、学习和使用成本。
我们为行业带来了哪些突破
软件针对不同行业的应用场景和不同层级的用户,带来了以下颠覆性改变:
- 无代码可视化操作,大幅度降低学习成本和劳动强度。
- 任务部署流程化、可视化。
- 重复性工作自动化执行。
决策链核心特性
任务节点化与可视化
数据科学所涵盖的各种功能需求均被合理化的拆分为节点(Nodes),节点作为任务单元可以在画布中被拖拉拽,并经过简单的配置即可投入生产。
决策链研发团队在未来两年内,将陆续发布总共1000个涵盖全行业的任务节点,满足各行业不同层级用户的多样需求。 任务节点的包括但不限于以下类别:
- 数据读取和写入:数据库、矩阵、文件(数据、影像、音频、语义)。
- 数据处理:文本、数据、语音、影像的预处理、后处理、加密解密及特征增强等处理。
- 数据挖掘与加工:统计分析、建模、AI模型(机器学习、深度学习、多模态模型等)。
- AI与模型:AI单模型(机器学习、深度学习)、AI多模态模型。
- 逻辑控制:循环、分支等逻辑控制。
- 模型部署与应用:模型加载、模型预测、模型评估、模型优化等。
简化任务部署和应用
决策链中的任务部署和应用均在画布中完成。一张画布即可将复杂的任务流程清晰、简洁的展示,每个节点均可进行灵活的配置和执行调试。无论多么复杂的任务,都可以在一张画布中以所见即所得的方式部署和应用。
任务自动化、周期化执行
在针对数据库等网络环境中部署数据科学任务时,我们面对的是不断增量更新的数据流,手动执行这些任务非常的耗时耗力。决策链可以轻松快速的实现数据库接入→条件查询→数据清洗和整理→变量生成及变量提取→分配权重并进行数据处理→数据挖掘→建立模型→回写数据库并部署模型整个全流程,利用循环节点和API接口,可以进一步灵活的控制自动化和周期化的任务执行方案。 比如:数据库自动化执行。
再比如:机器学习自动化建模。
可定制集成业务模块
决策链支持各种高度专业化、场景化的集成化模块定制。以下面几个案例为示范:
- 自动化报表、报告系统
- 全自动生成项目报告,包括报表和各种分析结果图。表单等报告元素均可实现灵活定制。
- 定制化可视化节点
我们可以在画布中实现数据可视化的节点,满足用户灵活的需求制作图表。
例如:时间序列图、区位图、云雨图、曲面图、雷达图、饼图、散点图、柱状图、气泡图、森林图等。
可扩展插件机制
在决策链软件中,一切功能(包括节点)都可被理解为插件,包括软件中的功能、视窗、按钮,以及所有能够看到的或想到的事件。
我们支持灵活的插件开发机制,为软件带来接近无穷的扩展空间,以满足企业级用户不断提出的复杂且多样的需求。
产品定制化与服务
通常我们会按照以下流程完成企业级产品的定制化开发:
需求对接→讨论交流→方案定制→讨论交流→方案调整→确认方案→签订合同→财务流程→定制化开发→产品验收→财务流程→产品交付。
在产品的有效服务周期内,我们的技术支持团队会对用户进行定期的培训,对服务器进行周期性维护和升级,并提供及时、有效的售后技术支持。
产品生态
在决策链的生态链中,我们将软件、BBS论坛、Wiki百科融合为一个闭环生态链,让用户能够在生态中进行自由、高效和纯粹的交流沟通。
其中,统计流可以做为工程文件模板,在用户之间分享和传递,从而不断地为用户提供灵活的解决方案,积累长尾效应并拓展边际价值。
企业合作伙伴
我们不断参与国家重点、重大数据科学要素相关的产学研项目,已经与多个国内知名高校、研究所等单位进行了产学研合作。
团队介绍
决策链研发团队主要由海内外名校博士和硕士组成,我们的专业覆盖人工智能、大数据、数据挖掘及计算机软件开发等领域,拥有较高的研发效率和较强的创新能力。