資料庫我正在與當前使用的潛在客戶合作資料庫. 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。 任何有此產品經驗的人都可以談談我們如何使自己脫穎而出嗎？謝謝。
回复：數據庫我們開始討論 SEEQ 與 JMP，他們還討論了 Dataiku。 綜上所述，他們似乎需要 SEEQ 或 Dataiku 來提供實時監控功能。 與 SEEQ 相比，JMP 提供了更好的模型開發能力，但與 Dataiku 相比，它的開發方式更簡單。 Dataiku 具有良好的 AI/ML 能力，但需要更高的技能。
回复：數據庫@Emmanuel_Romeu可能能夠提供一些關於我在上面談到的客戶互動的額外信息。 我從電話會議中了解到存在一些重疊，但 Dataiku 和 JMP 的組織用例會有所不同。 JMP Live 與 Dataiku 有更大的重疊，尤其是 JMP 17 及更高版本中的服務器端數據刷新功能計劃。
回复：數據庫我們剛剛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。 數據科學捆綁包的有限分析，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。 似乎一切都需要針對特定用例進行配置和開發，而不是一般的問題解決工具 JMP。 在這個客戶互動中，實際上有人建議 Dataiku 也可以在 JMP 分析之前用於數據清理和倉儲任務（連接到實時數據源），所以這肯定不是和/或對話。
回复：數據庫也許你已經看到最近關於恩智浦黑客馬拉松. FWIW，“DataIku”是恩智浦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。 參與此項目的其他人可能有他們自己的評論，但我的總結是，儘管 JMP 可以與 DataIku 共存（協同......），但它永遠無法取代它。
