ML與BI結合的產品：Tellius

AI 和 BI 的世界在分析連續體中佔據不同的位置，最常通過描述性分析、預測性分析和規範性分析等概念來理解：

使用者可以利用描述性分析和 BI 工具來探索過去發生的事情；而預測分析則利用在現實世界資料上訓練的 ML 模型來生成對接下來會發生什麼的有根據的猜測。

然而，這兩個陣營之間的界限逐月變得越來越模糊。多年來，Gartner一直在談論 BI 工具供應商如何在其產品中新增更多 ML 和 AI 功能。在其最新的分析和 BI 平臺魔力象限中，該公司談到了下一代“增強分析”產品將如何將機器學習和人工智慧應用於資料準備、查詢生成和洞察生成等方面。與此同時，我們看到資料科學開發AutoML將 SQL 作為資料準備、操作和查詢的必要成分。

在BI方面，我們看到這樣的工具的Tableau，PowerBI和Qlik做視覺化的一個不錯的工作，但是大多數業務使用者和分析師都希望超越這些視覺化工具來進一步瞭解事情發生的原因。

Tellius 平臺

Tellius 平臺是通過將 AI 和 ML 技術和技術應用於大資料來增強主流 BI 工具的分析能力。該平臺使用 Apache Spark 構建並具有記憶體列式資料庫，旨在讓普通使用者無需手動、基於 SQL 的切片和切塊即可探索海量資料集。

首先，它利用自然語言處理 (NLP) 功能為使用者呈現更簡單的搜尋式介面。該軟體將鍵入的問題轉換為針對儲存在其列式資料庫中的資料執行的目標 SQL 查詢，並在幾秒鐘內返回結果。

如果你說‘按渠道和產品給我帶來收入’，它會給你這些答案。這就是它的美妙之處。我們的客戶正在對數十億條記錄執行此操作，並且仍然得到二級響應，這令人難以置信，但絕對有可能。而且你不必用問題來限制自己。

該系統還可以利用其自然語言查詢 (NLQ) 功能自行生成問題。如果使用者剛剛開始，她可以詢問系統她可以問什麼，Tellius 會提供建議。除了以 NLQ 方式提問之外，它還使用自然語言生成 (NLG) 生成答案。

Tellius 還具有基本的 AutoML 功能，包括基於儲存在資料庫中的資料生成模型的能力。

由於其分散式架構，Tellius 能夠查詢比 Tableau 或 Qlik 環境中容納的更大的資料集。他說，這消除了削減資料以使其適合用於探索性分析的 BI 工具的需要。

Spark 是一種非常分散式的技術，這意味著如果您有數 TB 的資料，我們可以以分散式方式將其載入到我們的系統中，並且仍然可以為您提供極快的結果，