達泰庫我正在與一位正在使用Dataiku 的潛在客戶合作。 Dataiku 似乎更像是企業產品，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的人都可以談論我們如何脫穎而出？謝謝。
回覆：數據泰庫我們開始討論 SEEQ 與 JMP，他們也討論了 Dataiku。總而言之，他們似乎需要 SEEQ 或 Dataiku 來實現即時監控功能。與 SEEQ 相比，JMP 提供了更好的模型開發能力，但與 Dataiku 相比，方法更簡單。 Dataiku 具有良好的 AI/ML 能力，但需要更高的技能。
回覆：數據泰庫@Emmanuel_Romeu也許能夠提供一些有關我上面談到的客戶互動的附加資訊。我從這次電話會議中得到的結論是，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，特別是 JMP 17 及更高版本中伺服器端資料刷新功能的計劃。
回覆：數據泰庫我們剛剛在另一個客戶那裡遇到了他們。我的印象與這裡非常相似。用於不同任務的不同工具。資料科學捆綁包的有限分析需要額外付費，並且允許透過 Python 進行機器學習和資料探勘。與一般的問題解決工具 JMP 相比，似乎所有內容都需要針對特定用例進行配置和開發。在這次客戶互動中，實際上有人建議 Dataiku 也可以用於 JMP 分析之前的資料清理和倉儲任務（連接到即時資料來源），因此這當然不是非此即彼的對話。
回覆：數據泰庫也許您已經看過最近有關恩智浦黑客馬拉鬆的帖子。 FWIW，「DataIku」是恩智浦似乎已經標準化的工具。作為評審團的成員，我觀看了幾個演示。參與該專案的其他人可能有自己的評論，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。
回覆：數據泰庫嗨彼得，
我想知道您是否有關於潛在客戶的任何最新消息。
目前，Dataiku已作為DX（數位轉型）或AI主動工具在韓國普及。
這就是為什麼我對此很好奇。
謝謝！
回覆：數據泰庫值得一提的是，XGBoost 和 Torch 外掛程式提升了 JMP Pro 的 AI/ML 計畫等級。我們的客戶已經使用 Torch 在 Python 中建置和部署模型。
另請注意：在過去幾年中，Kelci Miclaus 一直擔任 Dataiku 的 AI/ML 生命科學全球主管。她以前是我們 JMP 生命科學研發團隊的明星實習生，後來擔任編碼員和經理。所以他們當然很了解我們並做出相對應的定位。 Torch 外掛程式今年剛發布，他們現在可能將 JMP Pro 視為他們使用 Python 包裝器所做的直接競爭。
回覆：數據泰庫感謝您的評論， @russ_wolfinger ！
我觀察到，許多韓國公司最近採用並實施了包括人工智慧/機器學習技術在內的DT（數位轉型）措施。我認為「真正變革性」DT 的一個很好的例子就是特斯拉在物聯網和電動車方面的嘗試。
同時，由於培養像你這樣的資料科學家需要很長時間，因此公司正試圖在短時間內培訓所有科學家和工程師成為公民資料科學家。同時，他們尋找能夠實現無程式碼或低程式碼資料分析的工具。學習 R 和/或 Python 並將它們很好地應用到自己的工作中對於一般科學家和工程師來說是太大的負擔。因此，該工具應該能夠更輕鬆地執行人工智慧和機器學習。最近在採訪一位來自韓國大公司的Dataiku用戶時，看起來Dtaiku在這方面已經在很大程度上滿足了他們的需求。其特點是讓整個AI/ML專案流程的工作流程——從資料收集、清理到建模——一目了然，就好像它基於JMP的可靠性框圖和文件和表格的各種功能一樣。它似乎靈活地整合了資料庫存取和資料組織、圖形生成器的可視化，甚至使用 Torch Add-in 進行分析和建模。另外，Dataiku的協作功能似乎類似對應JMP的Project功能和JMP Live的整合。
回覆：數據泰庫@saradoudt我們似乎與客戶/潛在客戶就 Dataiku 的功能與 JMP 的功能進行了越來越多的對話。如果有 Dataiku 的競爭對手銷售表（類似 Minitab 的銷售表）將會很有價值。我認為競爭對手頁面（ JMP 競爭對手 - Dataiku ）上為 Dataiku 捕獲的詳細資訊不足以讓團隊為這些討論做好準備。
回覆：數據泰庫此後我更換了團隊，不再與該客戶合作。無論如何，我在半導體領域經常遇到 Dataiku。幾週前，我參加了 SemiconWest，在我參加的演講中，提到 Dataiku 的次數多於沒有提到的次數。我們需要深入了解它的競爭對手，並製定討論要點，以將 JMP 與 Dataiku 區分開來並確定互補性。 Dataiku 正在迅速擴張，如果沒有互補的角度，我認為我們將越來越難以在它已建立的地方取得進展，而該工具的企業性質進一步加劇了這一點。
