DataikuJe travaille avec un client potentiel qui utilise actuellement Dataiku . Dataiku semble être davantage un produit d'entreprise, mais doit être en mesure d'expliquer directement en quoi JMP est différent de Dataiku. Quelqu'un a-t-il une expérience avec ce produit et peut-il nous expliquer comment nous pouvons nous différencier ? Merci.
Re: DataikuNous avons commencé la conversation sur SEEQ vs JMP et ils ont également parlé de Dataiku. En conclusion, il semble qu’ils aient besoin de SEEQ ou Dataiku pour des capacités de surveillance en temps réel. JMP offre une meilleure capacité de développement de modèles par rapport à SEEQ, mais de manière plus simple que Dataiku. Dataiku possède de bonnes capacités d'IA/ML mais nécessite des compétences plus élevées.
Re: Dataiku@Emmanuel_Romeu pourra peut-être fournir des informations supplémentaires sur l'interaction client dont je parlais ci-dessus. Ce que j'ai retenu de l'appel, c'est qu'il y a un certain chevauchement, mais que les cas d'utilisation sur le plan organisationnel seraient différents pour Dataiku et JMP. JMP Live présente un chevauchement plus important avec Dataiku, en particulier avec les plans de fonctionnalités d'actualisation des données côté serveur dans JMP 17 et au-delà.
Re: DataikuNous venons de les rencontrer chez un autre client. Mon impression est assez similaire ici. Différents outils pour différentes tâches. Analyse limitée avec l'offre groupée de science des données, qui entraîne un coût supplémentaire et permet l'apprentissage automatique et l'exploration de données via Python. Il semble que tout devrait être configuré et développé pour un cas d'utilisation spécifique, par rapport à l'outil général de résolution de problèmes qu'est JMP. Lors de cette interaction client, il a en fait été suggéré que Dataiku pourrait également être utilisé pour des tâches de nettoyage et d'entreposage de données avant l'analyse JMP (connexion à des sources de données en direct), donc ce n'est certainement pas une conversation soit/ou.
Re: DataikuPeut-être avez-vous vu le fil de discussion récent sur le NXP Hackathon . FWIW, 'DataIku' est l'outil sur lequel NXP semble s'être standardisé. En tant que membre du jury, j'ai vu plusieurs démos. D'autres personnes impliquées dans ce projet peuvent avoir leurs propres commentaires, mais mon résumé serait que, même si JMP pourrait coexister (en synergie...) avec DataIku, il ne pourrait jamais le remplacer.
Re: DataikuSalut Peter,
Je me demande si vous avez des nouvelles concernant le client potentiel.
Actuellement, Dataiku s'est répandu en Corée en tant qu'outil d'initiative DX (Digital Transformation) ou IA.
C'est pourquoi je suis curieux à ce sujet.
Merci!
Re: DataikuJe voulais mentionner que les compléments XGBoost et Torch améliorent JMP Pro pour les initiatives AI/ML. Nous avons déjà des clients qui utilisent Torch pour créer et déployer des modèles en Python.
Également une note personnelle : au cours des deux dernières années, Kelci Miclaus a été responsable mondial de Dataiku pour les sciences de la vie IA/ML. Elle a été autrefois stagiaire star puis codeuse et manager au sein de notre équipe R&D JMP LIfe Sciences. Ils nous connaissent donc certainement bien et se positionnent en conséquence. Le complément Torch vient d'être publié cette année et ils considèrent probablement désormais JMP Pro comme un concurrent direct de ce qu'ils font avec les wrappers Python.
Re: DataikuMerci pour vos commentaires, @russ_wolfinger !
J'ai observé que de nombreuses entreprises coréennes ont récemment adopté et mis en œuvre une initiative DT (Digital Transformation) incluant des techniques d'IA/ML. Je pense qu'un bon exemple de DT « véritablement transformationnel » serait les tentatives de Tesla liées à l'IoT et aux voitures électriques.
Pendant ce temps, comme il faut beaucoup de temps pour développer un data scientist comme vous, les entreprises tentent de former tous leurs scientifiques et ingénieurs pour qu'ils deviennent des data scientists citoyens en peu de temps. Dans le même temps, ils recherchent des outils permettant d’analyser les données sans code ou avec low-code. Apprendre R et/ou Python et bien les appliquer dans leurs travaux représente un fardeau trop lourd pour les scientifiques et les ingénieurs en général. Ainsi, l’outil devrait être capable d’exécuter plus facilement l’intelligence artificielle et l’apprentissage automatique. Dans une récente interview avec un utilisateur Dataiku d'une grande entreprise coréenne, il semble que Dtaiku ait largement satisfait ses besoins à cet égard. Il se caractérise par le fait qu'il permet de voir visuellement d'un seul coup d'œil le flux de travail de l'ensemble du processus de projet AI/ML - de la collecte et du nettoyage des données à la modélisation, comme s'il était basé sur le diagramme de fiabilité de JMP et diverses fonctions de fichiers et de tables. Il semble intégrer de manière flexible l'accès à la base de données et l'organisation des données, la visualisation de Graph Builder et même l'analyse et la modélisation à l'aide du complément Torch. De plus, il semble que la fonction de collaboration de Dataiku soit similaire pour correspondre à l'intégration de la fonction Projet de JMP et de JMP Live.
Re: Dataiku@saradoudt Nous semblons rencontrer de plus en plus de conversations avec des clients/prospects concernant les capacités de Dataiku par rapport à JMP. Il serait utile d'avoir une fiche de vente concurrente (similaire à celle disponible pour Minitab) pour Dataiku. Je ne pense pas que les détails qui ont été capturés pour Dataiku sur la page des concurrents ( JMP Competitors - Dataiku ) soient suffisants pour préparer les équipes à ces discussions.
Re: DataikuDepuis, j'ai changé d'équipe et je ne travaille plus avec ce client. Quoi qu'il en soit, je rencontre fréquemment Dataiku dans le domaine des semi-conducteurs. Il y a quelques semaines, j'ai assisté à SemiconWest et parmi les conférences auxquelles j'ai assisté, j'ai plus mentionné Dataiku que non. C'est un concurrent que nous devons comprendre intimement et développer des points de discussion pour à la fois différencier JMP de Dataiku et identifier la complémentarité. Dataiku se développe rapidement et sans l'angle de complémentarité, je pense que nous aurons de plus en plus de mal à pénétrer là où il est implanté, ce qui est encore ponctué par le caractère entrepreneurial de cet outil.
