KNIME je software pro datovou analytiku, v němž se pracovní postupy skládají vizuálně z bloků („uzlů“), místo aby se programovaly. Open-source platforma KNIME Analytics Platform pokrývá import dat, čištění, analýzu, strojové učení a reporting, zatímco komerční nabídky výrobce přidávají spolupráci a provoz v organizacích. Typickým příkladem je postup, který sloučí měsíční data o prodeji z několika souborů Excelu, vyčistí je a vytvoří prognózu.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoNo-code označuje nástroje, které lidem umožňují vytvářet aplikace, automatizace nebo weby prostřednictvím grafického rozhraní, bez psaní programového kódu. Odborné týmy tak mohou procesy realizovat a testovat samy, místo aby čekaly na vývoj v IT. Limity se objevují u velmi specializovaných požadavků, velkých objemů dat nebo hlubokých integrací. Příklad: obchodní tým pomocí přetahování sestaví postup, který třídí a shrnuje nové poptávky.
Data mining je systematické prohledávání velkých datových souborů za účelem nalezení vzorců, souvislostí a anomálií. Využívá statistické postupy a metody strojového učení, například shlukování, klasifikaci nebo asociační analýzu. Klasickým příkladem je analýza nákupního košíku v maloobchodě, která ukazuje, které produkty se často kupují společně – podklad pro sortiment, umístění zboží a doporučení.
Průzkumová analýza dat (EDA) je první, otevřený pohled na datový soubor: počítáte souhrnné ukazatele, zkoumáte rozdělení a grafy a hledáte vzorce, odlehlé hodnoty a chybějící hodnoty – zatím bez pevné hypotézy. Pomáhá posoudit kvalitu dat a najít smysluplné otázky pro další analýzu nebo modelování. Příklad: před prognózou prodeje EDA odhalí, že jeden měsíc byl kvůli migraci systému zaznamenán neúplně.
Pipeline strojového učení je definovaná posloupnost kroků, která mění surová data na nasaditelný model: sběr a čištění dat, příprava rysů, trénování, vyhodnocení, nasazení a monitorování. Automatizace těchto kroků činí výsledky reprodukovatelnými a umožňuje zpracovat nová data s malým úsilím. Obchodník například může každý týden přetrénovat a otestovat model prognózy prodeje na nejnovějších číslech.
