研祥数据分析建模平台
面向工程数据分析人员的全流程数据建模分析平台，对接丰富的海量工业数据源，快速构建数据模型和数据对象，支持拖拽式、零代码、敏捷式的算法模型开发。提供海量数据预处理、机器学习和人工智能建模分析以及模型在线部署能力。
「工程数据分析」面对的挑战
数据来源繁杂
需要从多种数据源中手动的挑选各种结构化、非结构化以及实时数据，并通过SQL代码实现数据关联，效率很低。
无法实现海量数据分析
能支持少量离线数据分析，面临海量实时/非实时数据的挑战。
数据质量低
对于很多原始数据，需要耗费大量精力执行格式转换、过滤、填充在内的各种清洗和预处理。
算法开发门槛高
不具备专业的算法工程师，因此无法实现代码级别的算法开发，无法完成深层次的分析任务。
不支持在线分析和预测分析
目前很多数据分析工具，都只能实现有限的、离线的统计分析，无法实现海量数据的在线分析和实时的预测；无法对离线分析结果进行自动部署。
不支持机器学习和人工智能
部分分析工具只能支持统计分析，无法实现海量数据的机器学习和人工智能模型的开发、训练、测试、评估。
无法实现协作
不同团队开发的模型和算法，无法被其他人所使用，知识无法实现传递。
数据分析建模平台特点
支持丰富的数据源
支持对接多种不同类型的数据源，屏蔽底层的连接细节/数据量，而将来自不同数据源的数据抽象成可直接被分析的数据对象。
支持海量数据的全流程分析
支持可扩展的并行计算引擎，支持海量数据的数据准备、数据处理、组件开发、训练模型、部署任务功能
支持在线部署
可以直接对接各种实时数据流，实现在线分析。
低门槛，易操作
整个建模流程设计基于拖拽式布局、连线式流程编排和指导式参数配置，使用者根据业务需要快速完成建模分析，并且每步的操作执行结果支持可视化显示。
组件可扩展，支持团队协作
用户可上传自己写好的组件，也可订阅其他用户公开的组件进行建模分析。
数据集管理
数据集管理 可以对接文件、Hive, HBase, PG, MySQL
、MongoDB等多种数据源，并支持将多种数据源绑定为一个数据集进行后续的分析工作。
数据模型/数据对象管理
可以将物理世界中的设备，流程抽象成一个数据模型，每个数据模型可以实例化成多个数据对象，定义好的数据对象可以直接作为组件在分析工程中使用。
分析组件
数据预处理（去重，过滤缺失值，自定义过滤，插值，类型转换，时间戳类型转换，特征分桶，重命名，自动分箱，标准化，归一化，PCA等），特征工程(时域频域变换、小波变化、ButterWorth滤波等），机器学习算法（KMeans，BisectingKMeans，GaussianMixture,
线性回归，决策树回归，GBT回归，SVM分类，决策树分类等），建模（训练模型，交叉验证，应用模型）。
分析工作流
用户可以使用拖拽式、可视化对选择的组件进行连接以构建自己的分析流。分析工作流可以按步骤运行，执行结果会保存到对应的每个组件实例里，并提供可视化的执行结果。建模组件支持网格参数最优模型选择。
实时在线模型部署和分析
分析完成的模型，可以通过在线部署，对接到实时的数据源上，并构建分析任务，实现实时的分析。
模型目录
用户上传和发布并分享的算法模型组件，可以在模型目录里被其他用户订阅并使用，可直接使用在分析工程中，能够与其他组件进行连接。
产品价值
简化了分析工作，提升了分析效率
拖拽式建模相比传统代码开发方式简单、高效，模型的发布及重用使得分析工程实现了资源复用，进而减少了大量重复工作量。
降低数据处理、分析和人工智能建模的门槛
丰富的组件库提供了丰富的数据预处理、数据分析、机器学习和建模的组件，将复杂的算法封装成简单配置的算法组件，极大的降低了开发底层算法的需求。
加速了模型到应用落地的过程
模型可直接在线部署，对接实时数据流。
提高了团队协作能力
分析工程可方便的分享给团队中的其他人员，既能够减少重复开发，也方便实现协同调试。
数据分析模型和组件的无缝迭代
数据分析不再是一次性固化的程序，允许在之前的工程和分析结果的基础上，快速的叠加新的组件、更新以往的模型，实现模型的迭代和分析的不断完善深入。
COPYRIGHT © 研祥智能科技股份有限公司.2020 ALL RIGHTS RESERVED.
粤公网安备 44030502006301号
粤ICP备13012854号-4
深圳市市场监督管理局企业主体身份公示