• 大数据
    大数据安全公司瀚思HanSight完成A轮3000万元融资 瀚思(HanSight)日前宣布获得了由恒宝股份领投、南京高科、赛伯乐跟投的 A 轮投资,金额为 3000 万元。不久前 36 氪曾报道过瀚思,在此基础上又推出了用户行为分析系统(HanSight UBA)、瀚思安全威胁情报(HanSight TI)、安全易三款新产品。 有机构指出,近年来机构单位对用户行为分析功能的需求上涨了近十倍,2017年UEBA 市场营收将达到 2 亿美元,全球范围内的全资收购案例数量也开始大幅增加。这包括:商业智能软件提供商 Splunk 宣布已经以 1.9 亿美元的价格收购安全初创企业 Caspida,微软则为收购 Adallom 支付了 3.2 亿美元等。 而 HanSight UBA 提供了基于实际安全场景的多维度异常检测功能,通过 “仪表盘” 功能将机器学习和算法产生的各种数值结果翻译成用户能够理解的安全场景。据瀚思方面告知,在普通的服务器上,HanSight UBA 利用 GPU 优化的算法,一分钟内就能完成大部分企业业务场景下的行为数据分析。 再说瀚思安全威胁情报(HanSight TI),它有别于传统的安全分析系统,是通过从网络数据、主机数据,登录认证数据和威胁情报数据中形成联动分析,将这些用户环境中的所有行为足迹统一进行处理,最终把威胁情报和解决办法交付给最终用户。此外,瀚思的威胁情报使用了自然语言处理技术(NLP),从各种完全非结构化信息(例如 “黑客 QQ 讨论群”)抽取安全事件汇总成为威胁情报,直接原生集成到瀚思产品线(HanSight UBA 等)内。 瀚思联合创始人董昕强调,HanSight UBA 和 HanSight TI 将与瀚思大数据安全分析平台(HanSight Enterprise)高度集成,最终为客户打造一套解决海量安全数据分析难题的系统解决方案。 最后是基于云端的大数据安全分析平台 “安全易”,它可以帮助中小型企业从海量日志和安全事件中迅速发现威胁,可以实现在安全事件发生后告警,通过可视化发掘数据背后的价值。用户只需将数据源(日志/流量/设备数据)接入,便可发现内部发生的安全事件、安全隐患,获得解决建议和处理办法。   原创文章,作者:徐宁,如若转载,请注明出处:http://36kr.com/p/5047968.html
    大数据
    2016年06月12日
  • 大数据
    新加坡大数据公司Lynx Analytics拿到1000万美元投资,但是他们早就盈利了 近日,新加坡大数据分析公司 Lynx Analytics 宣布获得 1000 万美元的战略投资,此轮融资过后,公司估值将达到 6600 万美元,但 Lynx Analytics 没有透露此次投资方。拿到投资之后,Lynx Analytics 会开始开发新产品并进行新一轮市场扩张。   Lynx Analytics 的 COO Sander Swinkels 认为目前绝大多数企业都存在着在纷乱繁杂的数据里很难分析出其实际消费者的问题,而这便是 Lynx Analytics 尝试去解决的痛点。Lynx Analytics 目前主要为企业提供大数据分析,运用图论理论将各种信息来源汇聚一起并施加分析,从而帮助企业精准刻画出其消费者画像,进而帮助企业推出客户所喜爱的产品并进行针对性地营销。   帮助其他企业更容易地赚钱,再在这一过程中赚一点这些企业的钱,当然会有很大的市场。所以,Lynx Analytics 的营业收入每年都以 50%至 60%的速度增长,并早已实现了盈利。   加之,Lynx Analytics 没有什么其他要花钱的地方,要做的只是把利润用来招聘更多的优秀人才。在这样一种模式下,Lynx Analytics 的现金储备越来越多,多到可以让 Lynx Analytics 仔细选择与什么客户进行合作。   据悉,Lynx Analytics 曾收到很多投资、收购的邀请,但都一一拒绝了,因为公司的业绩明显。   本文参考了信息来源:techinasia.com
    大数据
    2016年06月01日
  • 大数据
    BoCloud博云与TalkingData联合推出DataCruiser大数据云平台 BoCloud 博云与 TalkingData 在北京联合发布 DataCruiser 大数据云平台。   该平台融合了BoCloud云架构与 TalkingData 大数据分析的能力,提供应用容器和大数据计算相关的组件仓库和便捷的操作模式,意在提高 IT 系统的效率,降低企业在部署数据分析平台的综合成本。主要定位银行、保险、证券等金融行业企业。   因为像是银行,电力,运营商,物流公司等行业用户已经积累了大量数据,都在寻求方法去利用。然而大数据处理平台配置和部署的繁琐,以及组件相互依赖关系复杂,针对这个问题, DataCruiser 侧重做高弹性。   TalkingData 的大数据处理框架集成到BoCloud 博云的 PaaS 平台上,包含了 HDFS 文件存储系统、Yarn 资源管理和 Zookeeper 协作处理、Kafka 数据分发、Strom 实时处理和 MapReduce 离线批处理部分,并提供用户业务定制容器、TalkingData 管理容器和第三方开源中间件容器,为客户打造一个专业化的大数据 PaaS 平台,实现平台与应用的分离,从而使得大数据开发人员能够将有限的资源投入到核心算法和应用的开发中去。   据悉,该平台可以将部署时间降低为原来的数十分之一;并且,提高互联网及移动互联网环境下高并发应对能力,使金融大数据的处理能力通过弹性云至少提升 10 倍。   来源:36氪,作者:徐宁,如若转载,请注明出处:http://36kr.com/p/5047174.html
    大数据
    2016年05月20日
  • 大数据
    运用大数据,帮企业解决网络风险及欺诈,同盾科技完成3200万美元B+融资 随着互联金融的不断发展,征信和风控体系正在成为互联网金融、信贷、消费分期的基础设施,大数据征信、云风控的概念正成为新的手段。杭州同盾是一家专门帮助 企业解决网络风险及欺诈问题服务的创业公司,目前已经有超过 3000 家客户接入同盾科技的 SaaS 服务,涉及领域包括银行、保险、O2O、第三方支付等。   同盾科技 CEO 蒋韬认为,虽然同盾科技提供企业级 SaaS 服务,但本质上一家技术驱动型的大数据分析公司。   同盾科技解决的问题有两大类,第一大类是欺诈类的风险,包括账户、交易、信用卡申请、贷款申请方面的识别和发现。第二大类是信用类的风险,包括个人过往数据收集、整理、画像,同时这也是建模的过程。   这里的数据不仅仅是传统的逾期数据,还包括互联网上的数据—社交网络、电商、O2O、游戏、支付等多维度的数据。除此之外,同盾还将众多的底层风控服务包括:代理 IP 检测、设备画像、情报分析、生物探针等也分享给客户。   自创立之初,同盾科技就提出 “跨行业联防联控” 的风控理念,“欺诈风控” 与 “信用风控” 两条条产品线并行,一方面通过技术手段收集整理全网内,各行业大规模的黑名单信息,打破数据孤岛。这样解决了传统征信体系中单价企业风控黑名单信息不全,自建成本高的问题。   另一方面同盾科技通过设备指纹、指标计算、生物探针等技术追踪用户行为数据,通用在账户登录,交易等场景的风险保护。   举个例子来说,在支付场景下如果认定身份证或手机号有欺诈行为,同盾科技会对客户进行提醒。另外同盾科技还与第三方数据公司合作,提供更精准的用户画像、用户评分和风险建模服务。   随 着技术的发展,出了技术的进步之外,欺诈手段也在不断发展,拿伪基站这件事来说,以前需要一台汽车携带,而现在背着书包就可以进行欺诈活动。因此,在国内 欺诈的成本很低,从单一的欺诈工具逐渐演变成成熟的产业链条。   蒋韬告诉 记者,之前一些企业组织几个人的团队与整个黑产链条进行对抗,但由于实力的不对等导致收效甚微。而同盾团队的 250 多人中近 70%是风控专家和数据分析师,分别专注于大数据实时处理、网络欺诈分析、机器学习、身份识别、可信计算等领域。刚完成的 B+ 轮融资会主要用于拓宽数据来源,并已着手收购一些业务相关的公司。   蒋韬认为,中国的征信体系从底层基础设施 到制度规范以及征信的生态都不完善,也不是在短时间内可以通过某一家公司迅速建立起来的,而同盾科技,则会在整个体系中,专注于自身的领域。   中国的征信体系相对于美国还很落后,美国用了超过 50年 的时间,而随着大数据的成熟以及计算能力的提高,蒋韬认为在 10年 左右的时间会建立相对完善的征信体系。   来源:36氪 ,作者:陈庆翔,如若转载,请注明出处:http://36kr.com/p/5046328.html
    大数据
    2016年04月25日
  • 大数据
    SAP 认为全球在迎来变革浪潮,而中国的商业要这样重构 编者注:日前,SAP在上海举办了主题为“数字经济下的商业重构”的大型论坛活动,大中华区总裁纪秉盟发表了主旨演讲,他认为“旧的商业模式正在变得过时,我们将迎来新一波的变革浪潮”。本文基于他的演讲内容整理:   中国政府在供给侧改革方面正不断进行经济的演进。很多体制改革,尤其是大型国有企业的改革,将对未来将会产生实质性的影响。“十二五”规划是一个延续的概念,五个发展理念 (创新、协调、绿色、开放、共享) 就是中国政府和中国企业目前从自己的角度,在全球经济下对中国的定位。   中国政府的主要核心项目是互联网+、互联网+汽车、银行。任何一个传统行业,都可以利用信息技术、移动技术、大数据和人工智能。任何一种前沿的技术都可以用来对某一个具体的行业进行转型。国家级的战略规划项目,也就是中国制造2025。在未来10年,中国的制造将会脱胎换骨。在过去几十年里,中国一直是全球的制造工厂,而现在中国制造业正在向智能制造转型。   在做商业重构的时候,首先是基于结果导向的模式,而不是从生产产品的角度去销售。设想一下消费者怎么使用这些产品,能不能补充他们现在的服务,带来完全不同的体验?   比如数字渠道,一些体育用品,一些体恤衫,还有运动鞋,充分利用数字渠道,把一些传感器放到所有产品里面去,形成一个意识型社区,并不只是提供运动设备,运动衣衫,还能够跟社交网络连接起来,涉及营养、食品、运动等等,使用这样一些数字渠道,能够支持到主要的服务和业务,这就是非常好的案例。   比如生态模式,像Uber还有滴滴打车,充分利用了这样一个生态系统。他们并不只是一家出租车公司,也成为了全球的运输企业,而自己不拥有任何车辆。他们正在考虑物流、快递,形成这样的商业模式。从传统来说,这是从来没有想到过的,企业都重构这样的业务模式,这是今后很多年都会出现的。   重构业务流程和工作模式的第一点是做到“实时流程”,技术在历史上第一次做到了去推动一个实时的工作平台,能够看到实时完整的供应链,以前都是一些分散、比较过时的数据,也很难确定它的机会在什么地方,或者这些挑战是来自于供应链哪一个方面。现在已经发生巨大的变化,我们有最新的技术,这已经变成了一种可能了。还有我们协作式的流程,SAP有一些客户,利用物联网,利用健康的行业,能够改善我们医疗。   公司需要一个中间的数字核心去管理所有内部的流程,除此之外,也需要能够管理客户、供应商、人力资本,这是所有这些公司要做的三个最基本的事情。   再看大数据,还有物联网:现在太多的公司,也包含了中国一些公司在里面,有一些暗数据,这些公司拥有的数据也是不能被使用的暗数据,这些数据并没有充分利用,可以看到一些数据收集的灰色领域,并没有充分利用这样一些信息去改进他们一些服务质量,能够改进他们跟客户差异性的一些服务,这个领域是一个全新的,而且是快速在改变。   员工队伍也在体验着巨大的变化,这是以前从来没有看到过的。不同的一些年龄段,不同的年代的员工,都有一些不同的价值,不同的一些理念,就是给他们提供什么样的工作方式,年轻的员工、千禧一代他们并不只是看重钱的问题,他们价值系统完全不一样,价值观不一样,这些企业如何跟他们互动,来去保留,保护这些员工,也是变得非常非常重要。   最后就回到了我们是否有这样一个结构和这个企业的文化,能够支撑、能够驱动我们数字化转型的历程?是否有正确的领导者和人才,能够驾驭这样一个战略的方向?你要找到一个正确的轨道,你们是否知道你们的竞争对手在做什么,以及你们是否有正确的轨道,这些问题都要问自己,我们公司是否有这样一个数字的DNA,能够不断重构我们这样一些商业能力。   来源:虎嗅网
    大数据
    2016年04月25日
  • 大数据
    IT海量监控加持SaaS,监控易乘上大数据的快车 “只要用户有IT设备,并且设备7*24小时不停运行的话,都需要监控,它在IT系统的作用相当于一个汽车的仪表盘。”监控易创始人&CEO胡建强接受采访时表示。 监控易是美信科技在2015年5月份上线的产品,创始人胡建强告诉记者,公司之前做传统IT运维,主要面向的客户覆盖电信、银行、交通、医疗等行业。在数据爆炸般增长的年代,IT监控也需要随之发展的更加便捷。于是在2014年9月,胡建强决定开发SaaS产品。 监控易比起传统运维更占优势,表现在以下几点。第一,SaaS按需收费,收入能够稳定增长,胡建强说到,传统运维产品卖出之后没有标准化的服务费,采用预算制的大型企业每年在IT监控上的投入不一样,也带来不小的压力。第二,监控易在移动客户端可以查看运维情况,邮件、短信、App多种方式提示报警信息,支持多种场景运维方式,随时随地保持运维体验。第三,精细化管理。传统运维降低成本,提高了人力效率,而在这个领域竞争阶段,会有一些新的工具提升效率,降低风险。 值得一提的是,监控易的数据库、中间件、Web Server等核心技术全自主开发,没有使用任何开源或第三方产品,专注于海量监控。“性能是同行业其他产品的20倍,”胡建强说。 价格方面,监控易以探针为标准,25个探针费用为900元/年。每天有将近三十个客户试用一个月SaaS服务,5%到10%的转化率。监控易目前有三百余位客户,包括华润万家、泰康人寿、蓝色光标等诸多公司。 SaaS产品上线之后,6月份胡建强和真格基金合伙人李剑威面聊,号称“中国投资SaaS第一人”,曾投资销售易、日志易等SaaS企业的李剑威当即决定投资。胡建强又找到达内科技总裁,也是他的师兄韩少云,最终监控易拿到1300万元的投资。胡建强提到,SaaS是不可避免的趋势,无非是观察多长时间之后可以等到爆发点,投资的目的就在于缩短爆发的时间。 胡建强表示,这笔投资主要用在完善产品和组建销售团队上面。之前做传统运维的时候没有专职销售,一切靠自然增长,现在为了加快速度,监控易预计今年把销售扩张到30人左右。另外,监控易还在建设PaaS平台,让代理商也能拥有SaaS能力,服务客户,扩大销售范围。 当前国外在运维方面不乏巨头,IBM、惠普包括微软等,新兴的SaaS企业如Sumologic、NewRelic等也发展很快,美国已有不少家上市公司。反观国内,专攻这方面的上市公司还没有,大部分创业公司营业额在几千万左右,监控易有计划在未来把自己打造成为上市公司。 胡建强透露,公司一直处于盈利阶段。“免费版吸引不到大客户,因为会牵扯到数据安全问题,收费能够保证安全,所以SaaS收费才是健康的商业模式。”   猎云网(微信:ilieyun)北京 文/赵子潇
    大数据
    2016年04月07日
  • 大数据
    大数据处理引擎 Apache Flink 母公司 data Artisans 获 550 万欧元 A 轮融资 德国大数据初创企业 data Artisans 刚刚宣布获得了 550 万欧元的 A 轮融资。 data Artisans 是一家总部位于德国柏林的大数据初创企业,成立于 2014年。不过他们的技术其实早在 2008年 就已经开始研发,当时是作为柏林理工大学一个研究性项目,这也就是 Flink 的前身。2014年,Flink 开始 Apache 孵化器所接受,然后迅速地成为了 ASF(Apache Software Foundation)的顶级项目之一。作为所谓的第四代大数据处理引擎,Apache Flink 致力于建设一个以开源的、实时的大数据流处理(也支持批处理)引擎为核心的大数据处理框架,在提供丰富的 API 帮助下实现对单点部署、分布式部署以及云部署数据的实时数据应用的支持。 在开源社区的帮助下,Apache Flink 的发展很快。2015年8月 才推出了 0.1 版的他们已经刚刚在今年3月 初就已经推出了 1.0 版,实现了对典型生产型数据应用的支持。目前已有 Capital One、爱立信、Bouygues Telecom、Amadeus、ResearchGate 以及 King.com 等客户在使用 Apache Flink。data Artisans 下一步计划是推出 SQL 界面、提高 Flink 动态伸缩能力、安全监控能力等,其愿景是将来大多数的数据应用都能够将数据作为无限的事件流来看待。 此轮融资由 Intel Capital 领投,Tengelmann Ventures 与 b-to-v Partners 跟投。   原创文章,作者:boxi,如若转载,请注明出处:http://36kr.com/p/5045387.html
    大数据
    2016年04月01日
  • 大数据
    大数据招聘服务SaaS平台e成获数千万美元B轮融资 3 月 23 日,大数据招聘服务 SaaS 平台 e 成 宣布获得数千万美元的 B 轮融资,此次的投资方为凯辉创新基金和光速安振。其中,光速作为 e 成 A 轮的投资方,本轮再度投资。据悉,光源资本在本轮融资中担任独家财务顾问。   e成隶属于上海逸橙信息科技有限公司,公司成立于2012年7月,创始人兼CEO为周友鸿。2014年10月,e成获得光速安振领投A轮千万美元融资。   据悉,e成是一个大数据招聘服务SaaS平台,主要通过机器学习算法、数据挖掘、和NLP(自然语言处理)等技术来提升招聘效率,形成协同共享效应,并通过建立的海量个人、企业用户画像提供数据BI服务,推进企业的人力资本效率。   e成ceo周友鸿表示,“B轮后,凯辉基金将其在欧洲和美国积累的优质资源共享给e成,这将进一步推进我们在招聘SaaS、交易服务、数据化服务一体化的商业模式下,有更多创新和服务。”     备注:融资消息中的金额由被报道公司或投资机构提供,HRTechChina不做任何形式背书。
    大数据
    2016年03月23日
  • 大数据
    除了深度学习,或许我们还能从 AlphaGo 身上看到大数据的创业机会 编者按:AlphaGo 的胜利是大数据 + 深度学习的胜利,近来关于深度学习的讨论在意见市场上已有很多,于是作者便从大数据创业机会的角度来进行讨论。本文来自微信公众号  九合互联网创业观察(ID: jiuheguancha),36 氪经授权转载。 最近几天,AlphaGo 绝对是科技圈和围棋圈的头条,不管 AlphaGo 和李世石比赛结果是 3:2 还是 4:1,AlphaGo 所代表的人工智能技术,已经达到让人不明觉厉的水准,不少人开始担心人工智能的未来,作为技术派投资男,笔者不担心未来,笔者更关注 AlphaGo 所代表的人工智能胜利背后带来的创业机会与启示。 AlphaGo 的胜利是大数据 + 深度学习的胜利,通过基于大数据的深度学习来减少搜索量,在有限的搜索时间和空间内找到取胜概率最大的下法,具体的算法笔者无力探讨,但可以带出大数据创业机会的思考。 大概从 2013年 开始,大数据的概念慢慢热了起来。国内陆续有不少创业者进入到这个领域,相关项目也慢慢得到资本市场的认可,融资案例不时浮现,跑的快的已经 B 轮了,但纵观整个行业,并没有一个标杆性的公司出来(如美国的 Palantir),加上市场上打着大数据概念的项目很多,导致有人开始质疑大数据是不是个趋势,是不是一个机会。如果是,切入点又在哪里。 笔者坚定的认为大数据是个大趋势,源自如下一些逻辑判断: 1、随着传感器技术的发展,IOT、可穿戴设备的普及,人和环境的数据化进程只会越来越快,也就是数据会越来越多。 2、万物互联、万物智能是个大趋势,而智能的基础是大数据,想想,我们人类的认知和情感就是来自感觉器官收集的大数据学习来的,人就是个大数据处理系统,人工智能就是模拟人认知和思考的过程。 趋势在,机会就在。 既然大势所趋,那么创业的切入点在哪?从产业链来看,大体可以分成三个部分。数据收集,数据加工,数据应用。 数据收集(数据就是 IP) 从长远来看,数据成为 IP 是必然的,而且是大 IP,特别是不可替代性的数据,道理很简单,因为数据是原材料、是生产要素,但一定要注意,是有应用价值的、不可替代性高的数据。想想,如果你有所有人的基因和病历数据,不管是医疗还是保险行业应用,都需要这个数据。当前数据市场还处于蛮荒时代,各家都在抢地盘、相称王,而受限于应用场景、数据质量、可替代性等因素,目前变现价值还很低,属于矮大紧老师所说的卖下水的生意。所以这是一个很好的切入点,寻找有应用价值的、不可替代性高的数据,做到最全、质量最好,每个领域都可能有,比如天气数据、环境数据、医疗数据、基因数据、金融等等。 数据加工(算法和架构) 数据加工大体可分为两大部分,算法部分与架构部分。 先说架构,随着开源社区的发展和普及,架构技术的领先性会越来越不明显,而且做架构或平台又是资源(人力 + 资金)密集型的工作,属于大厂的优势项目,小团队机会不大,当然,技术足够牛逼的,能快速抢占先机的,也有机会,比如时速云国内首个实现跨 IaaS 的容器云平台。 再说算法,这是笔者更看好的方向,因为相对架构而言,算法更容易形成长时间壁垒,同时资源投入相对较小,有核心的算法能力,同时能找到应用场景,就有机会胜出。比如 AlphaGo 的深度学习模型和搜索算法,一时半会儿别人是很难模仿出相同效果的。比如大数据预测领域的所问数据,有领先的深度分析技术,牛 x 的大数据预计模型,来保证最终的应用效果。 数据应用(大数据 + 行业) 行业应用是大数据价值的最终体现,大数据的核心不是数据大小,而是通过数据洞察规律,通过全方位、多角度的数据融合、协同,结合行业应用实现价值变现,因此 “大数据 +” 孕育着大量的机会,比如大数据 + 精准营销公司摩比万思 ,通过海量用户数据构建用户画像,从而实现精准营销。比如蚂蚁微贷和蚂蚁花呗,通过卖家及用户的历史行为数据计算授信策略。当然,这个方向要求创业团队对行业有深刻的理解,团队的配备必须是数据人才 + 行业人才。 总结: 笔者是非常看好大数据这个方向的,但创业者需要理解大数据的本质与内涵,找到最适合自己的切入点。 数据必然成为 IP,特别是不可替代的数据,垂直领域的数据收集和整理是个不错的创业方向。 大数据的基础架构服务和核心算法都有创业机会,但算法路线更容易形成壁垒 大数据 + 行业应用机会很多,但创业团队必须同时具备大数据和行业人才。 附:国外大数据公司图谱 出处:http://36kr.com/p/5044513.html
    大数据
    2016年03月15日
  • 大数据
    Pre-A轮融资340万美元,大数据公司Taste Analytics通过挖掘用户吐槽内容智能化企业决策 大数据、云计算等技术在近几年得到迅猛的发展,但是在实际操作层面,中美之间还存在很大差距。国内的企业级客户在进行大数据分析时,仍以分析结构化数据为主,而在美国,很多企业已经开始分析非结构化数据,中国市场仍缺少这方面有效的分析工具。   据IDC的调查报告显示:企业中80%的数据都是非结构化数据,这些数据每年都按指数增长60%。   位于硅谷的Taste Analytics推出综合智能数据分析平台—— Signals,其最独特的地方在于既具备非结构化文本文档数据的深度分析能力,同时也支撑着各种传统的结构化数据 (报表、销售记录等)。   那么,什么是非结构化数据? 非结构化数据主要是指那些无法用固定结构来逻辑表达实现的数据,简单来说就是用户散落在论坛、微博、微信或其他渠道发表的关于产品的各种评价或吐槽。   从形态上,它主要包含这三大块: 第一是文本文字; 第二是图像、图片等; 第三是视频流、电视流。   对比一下或许更有助于理解,非结构化数据和结构化数据最本质的区别包括三个层面: 首先,非结构化数据的容量对比结构化数据要大,可以达到10几倍甚至几十倍的体量; 其次是产生的速度,比如Twitter刚出来的时候,每天产生一亿条的信息量,新浪微博的信息量更大,可以达到几十亿条信息; 最后是数据来源的多样性,这些数据来源有客服、邮件、调查问卷、社交网络等等。   因此,signals平台服务的对象不是企业的 IT、数据库,而是商业人员,例如市场营销,客服、信息洞察员、产品优化改进设计人员等。   以手机厂商为例,Signals通过对客户的邮件反馈、在论坛的相关讨论、微信、微博等相关评价信息分析,告诉设计师用户普遍反映电源键的位置设计很不人性化,手机开屏经常掉帧等等,从而进行产品优化。   非结构化数据既然这么复杂,那怎么分析? Taste analytic主要是通过如下几个步骤进行非结构化数据分析的:   第一,数据采集,帮助企业更快更全的采集到各类数据。   signals集成了上百个数据接口,包括亚马逊、天猫、Salesforce,ZenDesk, Esty, Yelp、Twitter、Facebook、Apple Store、Google Play Store等,并且这个数字还在飞速扩大,根据taste analytic创始人汪晓宇的介绍,他们正在和国内的第三方数据提供商聚合数据、百分点等进行合作,将为中国客户提供更多本地化的数据。   非结构化数据接入口   第二,数据分析,也就是对于非结构化和结构化数据进行深度机器分析。   signal通过深度学习非结构化的自然语言,根据用户的用词、造句、行文方式来理解文字含义,通过对大范围的用户、上千万个消费点进行聚类分析。目前Signals平台具备成熟的实时分析包括中文在内的12种文字以及语音等非结构化数据的能力。   此外,Taste Analytics的服务适用于各种非结构化数据分析场景,只要有聊天记录、对话记录和邮件记录,就可以和数据源直接对接分析。   从各种维度进行分析 第三,将数据进行图像可视化。   Signals平台会把数据分析结果进行可视化输出,为客户提供10余种图像可视化模式,并且支持客户自定义分析,共包括15种不同的可视化分类。 将数据分析结果可视化 此外,汪晓宇告诉创业邦,Taste Analytics研发出的最先进的分析技术——预测性分析,也将在中国上线,用户可以享受到结构化和非结构数据的精准分析结果,系统针对关键词、时间趋势等因素对市场行为作出及时的预测。   依据上图的元素进行预测分析   那凭啥别人不能做或做不了? 与国内诸葛IO、GrowingIo不同的是,Taste Analytics主要针对的是文本非结构化的挖掘和处理,而诸葛IO是对于机器产生的数据流,Click数据的分析。对于企业来说,两者是相对互补的关系。   汪晓宇告诉创业邦,Taste Analytics成立两年,就已经获得了百万美元量级的订单,拥有像Ally银行、ForeSee问卷调查等客户,收入增长了6倍,并且季度营收增长速度保持在300%左右。   之所以取得这样的成绩,主要核心在于技术和人才,其技术壁垒在于文本数据的深度学习。   汪晓宇博士毕业于北京邮电大学的通信工程专业,之后就到美国直博,之后因为突出的学术贡献,被破格提拔为北卡大学夏洛特分校的助理敎授,并在美国五大视觉中心之一的夏洛特视觉中心任主任。他曾经应邀在美国海事国防安全风险大会演讲;还曾在斯坦福给计算机系的学生传授研发经验。   Taste Analytics的CTO俞立和Thomas Kraft,也是从美国顶级学府博士毕业,技术团队成员全都是硕士以上学历,博士占比达40%。   Taste Analytics在2月完成Pre-A轮340万美元融资,由真格基金领投,跟投机构包括聚合数据、华创资本等。   汪晓宇认为在实际操作中,图片、视频的潜力还大大没有被挖掘,机器数据和FinTech 瞬时高维度的金融数据也很有潜力。Taste Analytics未来将加大对图片和视频领域的非结构化数据分析。   来源:创业邦
    大数据
    2016年03月04日
  • 1234567891011 19 跳转至