KNIME je softver za analitiku podataka u kojem se tijekovi rada vizualno sastavljaju od blokova („čvorova”) umjesto da se programiraju. Open-source KNIME Analytics Platform obuhvaća uvoz podataka, čišćenje, analizu, strojno učenje i izvješćivanje, dok komercijalne ponude pružatelja dodaju suradnju i rad unutar organizacija. Tipičan primjer je tijek rada koji spaja mjesečne podatke o prodaji iz više Excel datoteka, čisti ih i izrađuje prognozu.
Agenti, tijekovi rada i predlošci u jednom radnom prostoru – besplatna demo verzija na 24 sata.
Pokrenite demoNo-code označava alate koji omogućuju izradu aplikacija, automatizacija ili web-stranica putem grafičkih sučelja, bez pisanja programskog koda. Poslovni timovi sami mogu provesti i testirati procese umjesto da čekaju IT razvoj. Ograničenja se pojavljuju kod vrlo specijaliziranih zahtjeva, velikih količina podataka ili dubokih integracija. Primjer: prodajni tim povlačenjem i ispuštanjem izrađuje tijek rada koji razvrstava i sažima nove upite.
Rudarenje podataka je sustavno pretraživanje velikih skupova podataka u potrazi za obrascima, odnosima i anomalijama. Koristi statističke tehnike i metode strojnog učenja poput klasteriranja, klasifikacije ili analize asocijacija. Klasičan primjer je analiza košarice u maloprodaji, koja pokazuje koji se proizvodi često kupuju zajedno – temelj za asortiman, raspored i preporuke.
Eksplorativna analiza podataka (EDA) prvi je, otvoreni pogled na skup podataka: računaju se sažete brojke, ispituju distribucije i grafikoni te traže obrasci, odstupanja i nedostajuće vrijednosti – još bez čvrste hipoteze. Pomaže procijeniti kvalitetu podataka i pronaći smislena pitanja za daljnju analizu ili modeliranje. Primjer: prije prognoze prodaje EDA otkriva da je jedan mjesec zbog migracije sustava nepotpuno evidentiran.
Cjevovod strojnog učenja (machine learning pipeline) definiran je slijed koraka koji sirove podatke pretvara u model spreman za uporabu: prikupljanje i čišćenje podataka, priprema obilježja, treniranje, vrednovanje, uvođenje i nadzor. Automatizacijom tih koraka rezultati postaju ponovljivi, a novi se podaci mogu obrađivati uz malo truda. Trgovac, primjerice, svaki tjedan može ponovno trenirati i testirati svoj model za prognozu prodaje s najnovijim brojkama.
