DataikuIch arbeite mit einem potenziellen Kunden zusammen, der derzeit Dataiku verwendet. Dataiku scheint eher ein Unternehmensprodukt zu sein, aber ich muss direkt erklären können, wie sich JMP von Dataiku unterscheidet. Hat jemand Erfahrung mit diesem Produkt und kann erklären, wie wir uns von anderen abheben können? Danke.
Betreff: DataikuWir begannen das Gespräch über SEEQ vs. JMP und sie sprachen auch über Dataiku. Zusammenfassend scheint es, dass sie SEEQ oder Dataiku für Echtzeitüberwachungsfunktionen benötigen. JMP bietet im Vergleich zu SEEQ bessere Modellentwicklungsmöglichkeiten, aber auf einfachere Weise als Dataiku. Dataiku verfügt über gute KI/ML-Funktionen, erfordert aber höhere Fähigkeiten.
Betreff: Dataiku@Emmanuel_Romeu kann möglicherweise zusätzliche Informationen zur Kundeninteraktion liefern, die ich oben erwähnt habe. Ich habe aus dem Gespräch mitgenommen, dass es einige Überschneidungen gibt, die Anwendungsfälle für Dataiku und JMP jedoch organisatorisch unterschiedlich sind. JMP Live hat eine größere Überschneidung mit Dataiku, insbesondere mit Plänen für serverseitige Datenaktualisierungsfunktionen in JMP 17 und höher.
Betreff: DataikuWir sind gerade bei einem anderen Kunden auf sie gestoßen. Mein Eindruck ist hier ziemlich ähnlich. Verschiedene Tools für verschiedene Aufgaben. Begrenzte Analysemöglichkeiten mit dem Data Science-Paket, das zusätzliche Kosten verursacht und maschinelles Lernen und Data Mining über Python ermöglicht. Es scheint, als müsste alles für einen bestimmten Anwendungsfall konfiguriert und entwickelt werden, im Gegensatz zum allgemeinen Problemlösungstool JMP. In dieser Kundeninteraktion wurde tatsächlich vorgeschlagen, dass Dataiku auch für Datenbereinigungs- und -speicheraufgaben vor der JMP-Analyse verwendet werden könnte (Verbindung zu Live-Datenquellen), also ist dies sicherlich keine Entweder-oder-Diskussion.
Betreff: DataikuVielleicht haben Sie den aktuellen Thread zum NXP Hackathon gesehen. Übrigens ist „DataIku“ das Tool, auf das sich NXP anscheinend standardisiert hat. Als Mitglied der Jury habe ich mehrere Demos gesehen. Andere an diesem Projekt Beteiligte haben vielleicht ihre eigenen Kommentare, aber mein Fazit wäre, dass JMP zwar (synergistisch …) mit DataIku koexistieren, es aber niemals ersetzen könnte.
Betreff: DataikuHallo Peter,
Ich frage mich, ob Sie Neuigkeiten über den potenziellen Kunden haben.
Derzeit verbreitet sich Dataiku in Korea als DX- (Digital Transformation) bzw. KI-Initiativtool.
Deshalb bin ich neugierig darauf.
Danke!
Betreff: DataikuIch wollte erwähnen, dass die XGBoost- und Torch-Add-Ins JMP Pro für KI/ML-Initiativen aufwerten. Wir haben Kunden, die Torch bereits verwenden, um Modelle in Python zu erstellen und bereitzustellen.
Auch eine Personalnotiz: In den letzten Jahren war Kelci Miclaus Global Head für AI/ML Life Sciences bei Dataiku. Sie war früher eine Star-Praktikantin und dann Programmiererin und Managerin in unserem JMP Life Sciences F&E-Team. Sie sind sich also unserer Existenz durchaus bewusst und positionieren sich entsprechend. Das Torch-Add-In wurde erst dieses Jahr veröffentlicht und sie sehen JMP Pro jetzt wahrscheinlich als direkte Konkurrenz zu dem, was sie mit Python-Wrappern machen.
Betreff: DataikuDanke für Ihre Kommentare, @russ_wolfinger !
Ich habe beobachtet, dass viele koreanische Unternehmen in letzter Zeit DT-Initiativen (Digital Transformation) einschließlich KI/ML-Techniken übernehmen und implementieren. Ich denke, dass Teslas Versuche im Zusammenhang mit IoT und Elektroautos ein gutes Beispiel für „wirklich transformative“ DT wären.
Da die Ausbildung eines Datenwissenschaftlers wie Ihnen sehr lange dauert, versuchen Unternehmen, alle ihre Wissenschaftler und Ingenieure in kurzer Zeit zu Citizen Data Scientists auszubilden. Gleichzeitig suchen sie nach Tools, die Datenanalysen ohne oder mit wenig Code ermöglichen. Das Erlernen von R und/oder Python und deren Anwendung in der Arbeit ist für Wissenschaftler und Ingenieure im Allgemeinen zu viel Aufwand. Daher sollte das Tool künstliche Intelligenz und maschinelles Lernen einfacher ausführen können. In einem kürzlichen Interview mit einem Dataiku-Benutzer eines großen koreanischen Unternehmens scheint es, dass Dtaiku deren Anforderungen in dieser Hinsicht weitgehend erfüllt hat. Es zeichnet sich dadurch aus, dass es den Arbeitsablauf des gesamten KI/ML-Projektprozesses – von der Datenerfassung und -bereinigung bis zur Modellierung – auf einen Blick visuell darstellt, als ob er auf dem Zuverlässigkeitsblockdiagramm von JMP und verschiedenen Funktionen von Datei und Tabellen basieren würde. Es scheint DB-Zugriff und Datenorganisation, Visualisierung von Graph Builder und sogar Analyse und Modellierung mithilfe des Torch-Add-Ins flexibel zu integrieren. Darüber hinaus scheint die Zusammenarbeitsfunktion von Dataiku der Integration der Projektfunktion und von JMP Live zu entsprechen.
Betreff: Dataiku@saradoudt Wir scheinen immer mehr Gespräche mit Kunden/Interessenten über die Fähigkeiten von Dataiku im Vergleich zu JMP zu führen. Es wäre wertvoll, ein Verkaufsblatt der Konkurrenz (ähnlich dem, was für Minitab verfügbar ist) für Dataiku zu haben. Ich glaube nicht, dass die Details, die für Dataiku auf der Konkurrenzseite erfasst wurden ( JMP-Konkurrenten – Dataiku ), ausreichen, um Teams auf diese Diskussionen vorzubereiten.
Betreff: DataikuIch habe inzwischen das Team gewechselt und arbeite nicht mehr mit diesem Kunden zusammen. Trotzdem stoße ich im Halbleiterbereich häufig auf Dataiku. Vor ein paar Wochen war ich auf der SemiconWest und in den Vorträgen, die ich besuchte, wurde Dataiku häufiger erwähnt als nicht. Es ist ein Konkurrent, den wir genau verstehen und für den wir Diskussionspunkte entwickeln müssen, um sowohl JMP von Dataiku abzugrenzen als auch Komplementarität zu identifizieren. Dataiku wächst schnell und ohne den Aspekt der Komplementarität wird es für uns meiner Meinung nach immer schwieriger, dort Fuß zu fassen, wo es etabliert ist, was durch den Unternehmenscharakter dieses Tools noch verstärkt wird.
