通过Sisense Hunch进行大数据分析的深度学习

大数据中的神经网络

基本上，SISENSEND HINCH是“一般目的分析引擎”，由“多级神经网络”提供，SISENSE CEO。

“它会回答你提出的任何问题，”Orad说，只要查询是在SQL编程语言。

SISENSE，成立于2004年，卖出一个独立的集成的分析和BI平台，涵盖整个工作流程。该公司长期推出其产品易用性，快速实施时间和相对较快的大数据分析时间。Hunch似乎适合作为供应商的产品套房的补充。

亨希以基于组织的数据大小和类型的基于订阅的定价出售，使用大数据分析的深度学习自动探索大数据并发现有用的见解。

获得问题和答案

[通过SISENSE HINCH，用户可以通过该数据集运行神经网络流程，让机器学习告诉我们可以回答哪些问题。

弗里斯特研究公司(Forrester)的分析师鲍里斯·埃尔森(Boris Evelson)说，西瑟斯打算利用10月23日正式发布、现已上市的Hunch，从机构数据中实际存在的有用信息中提取一些推测。

有了Sisense Hunch，“与其让数据库对无数的问题开放，不如让神经网络对数据集进行处理，让机器学习告诉我们哪些问题可以得到回答，”Evelson说。

然后亨希运行问题并创建由这些问题填充的数据库以及答案。

这个新数据库只包含从原始数据获得的问题和答案，是重量轻的，并且可以适合智能手机，可穿戴物和传感器等小型设备，启用大数据分析在IoT设备。浓缩数据包启用较少的计算密集型和更快的方法来查询数据并找到洞察力。

Evelson指出，这也创造了一层额外的安全和隐私。

“你可以分析你的问题和答案，但你无法真正看到底层数据，”他说。因此，如果系统是正确培训的，例如，私人细节，例如，不会显示 - 只显示最初呈现的内容的要点。

正如Orad所说，神经网络就像人脑一样，“学习了它就会忘记细节。”

通过在大数据分析中使用深度学习，组织可以节省时间、人力和成本。大型组织倾向于将80%的数据存储在数据湖泊。

Orad表示，软件“通过部署学习数据”，可能只需要几天的组织设置和培训。

拖放界面也意味着可以使用sisense hunch公民数据科学家,向口说。

但是，存在很大的潜在缺点。

妥协和让步

通过在大数据分析中通过深度学习实现自动压缩，而不是依赖于大型、缓慢的数据仓库，用户牺牲了一定程度的准确性来换取更快的结果。

Sisense表示，Hunch可以提供99%的准确率。而且，即便如此，只有当用户在有限的范围内工作，并在大数据分析工具中进行适当的深度学习时，这个数字才可能实现。

Orad承认“99和100之间的差异是无穷无尽的。”但他补充说，对用户来说，牺牲这1%可能会节省“数万种资源”。

“替代方案是要去一个大的团队，并要求它建立一个大数据仓库，”他说。“我们的过程更直观，洞察力的时间更加加速，更加加快。”

Evelson说，对于大多数用例来说，“99%很好。”

他说，他相信Sisense Hunch可以为大型企业提供服务，而这些企业往往拥有大量的原始数据以一种方式开始利用这些数据。

对于小型或中型企业，他们可能拥有更少的非结构化数据，Evelson说，产品的实用性最终将取决于价格。