资料库我正在与当前使用的潜在客户合作资料库. Dataiku 似乎更像是一种企业产品，但需要能够直接说明 JMP 与 Dataiku 的不同之处。 任何有此产品经验的人都可以谈谈我们如何使自己脱颖而出吗？谢谢。
回复：数据库我们开始讨论 SEEQ 与 JMP，他们还讨论了 Dataiku。 综上所述，他们似乎需要 SEEQ 或 Dataiku 来提供实时监控功能。 与 SEEQ 相比，JMP 提供了更好的模型开发能力，但与 Dataiku 相比，它的开发方式更简单。 Dataiku 具有良好的 AI/ML 能力，但需要更高的技能。
回复：数据库@Emmanuel_Romeu或许能够提供一些关于我在上面谈到的客户互动的额外信息。 我从电话会议中了解到存在一些重叠，但 Dataiku 和 JMP 的组织用例会有所不同。 JMP Live 与 Dataiku 有更大的重叠，尤其是 JMP 17 及更高版本中的服务器端数据刷新功能计划。
回复：数据库我们刚刚在另一个客户那里遇到了他们。 我的印象在这里非常相似。 不同的工具用于不同的任务。 数据科学捆绑包的有限分析，这是一项额外费用，并允许通过 Python 进行机器学习和数据挖掘。 似乎一切都需要针对特定用例进行配置和开发，而不是一般的问题解决工具 JMP。 在这个客户互动中，实际上有人建议 Dataiku 也可以在 JMP 分析之前用于数据清理和仓储任务（连接到实时数据源），所以这肯定不是和/或对话。
回复：数据库也许你已经看到了最近关于恩智浦黑客马拉松. FWIW，“DataIku”是恩智浦似乎已经标准化的工具。 作为评审团的一员，我看了几个演示。 参与该项目的其他人可能有他们自己的评论，但我的总结是，尽管 JMP 可以与 DataIku 共存（协同......），但它永远无法取代它。
