International Integrated Systems, Inc.

Your Path to Enterprise AI

無法有效率的團隊合作往往是導致AI專案失敗的主因，過去組織在進行各式議題分析應用時，資料工程師須先將資料進行萃取、轉換、載入等準備工作，資料分析師繼而利用分析與視覺化工具進行資料探勘與模型建置，整體資料分析過程上必須要倚賴各種專業人員和技術的無縫接軌，才能順利的完成議題分析，但團隊成員的高流動率常導致建模經驗與資產無法傳承累積，同時，非自動化的斷鏈流程也讓專案負責人或利害關係人無法追蹤和管理。

為使企業成功的執行AI專案，並加速其應用的落地與規模化，導入資料科學及機器學習的平台(MLOps)、擴充分析（Augmented Analytics）等是AI發展的主要趨勢 (Gartner, 2019)，這樣的平臺可利用拖拉圖型及簡單的工作操作進行分析，減化了對資料專家的倚賴，使企業/機關中的各個角色都能透過資料分析有新的看見。在資料素養(Data Literacy)、資料民主化(Data Democracy)的基礎上，MLOps讓資料分析團隊協同合作，縮短分析建模流程，快速進行各項預測分析實驗，落實AI價值，使決策最佳化。

Dataiku DSS在Gartner 2020、2021 Magic Quadrant中列為資料科學及機器學習平台的領導者，系統功能架構設計上兼顧系統、人、業務3大構面，以協助企業/機關快速落實AI的價值並轉型到AI的新常態(New Normal)。

Dataiku DSS充分發揮資料分析最大效益，包含：

快速進行各項議題的分析建模實驗。
建立知識庫，以利建模的經驗累積，達到知識共享與模型調參優化傳承。
提高資料分析流程自動化程度以及團隊合作流程可視化追蹤與管理。
確保個人隱私保護，模型開發、自動測試、佈署及上線等過程，符合資訊安全。

Gartner將Dataiku評比為資料科學與機器學習平臺中的領導產品

功能

Dataiku DSS可支援資料專案中各階段的工作，在架構上可分為三大模組，包含資料設計、自動化與API佈署，從資料分類連結管理任務、自動化的機器學習到模型與產品的應用上架。

Dataiku DSS協作平臺架構示意圖

Dataiku DSS對應資料分析之功能架構

Dataiku DSS是All-in-One的資料分析平臺，功能架構包括資料管理、機器學習及模型的佈署。主要功能有：

資料準備(Data Access and Preparation)-資料準備是資料分析專案中耗時最多的部分，Dataiku 可無縫的連結到各式的資料庫與資料格式，提供互動式的視覺化界面，在分散式運算系統中快速的轉換資料。

資料探勘(Data Analysis)-可自動偵測資料綱要、欄位語義與資料品質偵測等，並可快速將資料分類、視覺化並建置儀表板。

協作環境(Collaboration)- Dataiku DSS提供版本控管、知識學習分享、執行活動監管等功能，有助於組織內各種角色間的協作以及開發成果的重複使用。Dataiku提供專案、資料、模型、使用情形的集中檢視界面，便利資源的監控、模型文件的自動產製、歷程的稽核與追溯。

部署(Deployment)-讓資料分析模型可以在安全、可擴充及穏定的環境進行開發、自動測試、佈署及上線等作業，並提供模型版本及正確度的管理，以確保企業的預測決策模型永遠在最好的狀態下運作，

AI治理及資訊安全(Governance and Security)-有權限管理、軌跡追蹤、資源管理的模組，並可客製化架構以符合個資保護及政策的規範。

機器學習(Machine Learning)-提供最新的機器學習技術(AutoML)，使資料科學家可專注在對的模型的建置與最佳化。資料分析人員可選擇自動建模的策略、選擇後端的套件(如：TensorFlow, Keras, Scikit-learn, XGBoost, MLLib, H2O等)，並應用不同的演算法。AutoML亦可做參數的最佳化、分析建模的結果、結合不同的模型，並自動產製標準的建模文件。

整合性與擴充性(Integration and Extensibility)-支援多種語言以進行資料的轉換，可產出圖表、APPs、儀表板、及WebApps API，使不同的使用者便利檢視AI分析的結果。除此之外，可快速在雲端/地端調整，其跨平臺的設計彈性，擁抱生態體系中其他技術與平臺的開放特性，使企業可在變動的環境中保持長期發展的彈性，讓AI的產品可以儘快的佈署上市。