達泰庫我正在與當前正在使用的潛在客戶合作達泰庫. Dataiku 似乎更像是一種企業產品，但需要能夠直接說明 JMP 與 Dataiku 的不同之處。 任何對此產品有經驗並且可以談談我們如何使自己與眾不同的人？謝謝。
回复：大太庫也許你已經看過最近關於恩智浦黑客馬拉松. FWIW，“DataIku”是 NXP 似乎已經標準化的工具。 作為評審團的一員，我看了幾個演示。 參與該項目的其他人可能有自己的評論，但我的總結是，雖然 JMP 可以與 DataIku 共存（協同......），但它永遠無法取代它。
回复：大太庫我們只是在另一個客戶那裡遇到了他們。 我的印像在這裡非常相似。 不同的工具用於不同的任務。 使用數據科學捆綁包進行有限分析，這是一項額外費用，並允許通過 Python 進行機器學習和數據挖掘。 似乎所有東西都需要針對特定的用例進行配置和開發，而不是一般的問題解決工具 JMP。 在此客戶交互中，實際上有人建議 Dataiku 也可用於 JMP 分析之前的數據清理和倉儲任務（連接到實時數據源），因此這當然不是非此即彼的對話。
回复：大太庫@Emmanuel_Romeu或許能夠提供一些關於我上面談到的客戶互動的額外信息。 我從電話會議中得出的結論是存在一些重疊，但 Dataiku 和 JMP 的用例在組織上會有所不同。 JMP Live 與 Dataiku 有更大的重疊，尤其是 JMP 17 及更高版本中服務器端數據刷新功能的計劃。
回复：大太庫我們開始討論 SEEQ 與 JMP，他們還談到了 Dataiku。 總之，他們似乎需要 SEEQ 或 Dataiku 來實現實時監控功能。 與 SEEQ 相比，JMP 提供更好的模型開發能力，但與 Dataiku 相比，其方式更簡單。 Dataiku 具有良好的 AI/ML 能力，但需要更高的技能。
