以AI為核心打造極致數據產品體驗

4月11日，DataHunter舉辦戰略升級暨A輪融資發布會，以下內容根據 DataHunter CTO馬珂演講整理而成。

不管是Data Analytics還是Data MAX，在整個研發過程中，我們會一直強調用戶體驗。我們希望將產品的智能化和易用性做到極致，最大程度降低數據分析產品的使用門檻。

形成數據分析流程閉環

從數據處理、數據分析到結論呈報，Data Analytics幫助企業在內部形成數據分析整體流程的閉環。同時，人工智慧技術也貫穿於整個分析流程中，在每一個環節充當用戶的「智能助手」，輔助業務決策。

數據處理

異構數據源整合：Data Analytics可兼容多種數據源類型，支持海量的數據處理。系統可接入Excel/CSV等數據文件、企業各種業務系統、第三方互聯網數據、公共數據服務平台等，幫助企業打破數據孤島。

多維數據合併：在產品層面，主要體現在工作表及數據關聯兩個層面，這個過程系統會自動對數據源進行二次處理，方便用戶進行下一步數據分析操作。

實時計算行列：針對數據表進行實時動態處理，支持計算欄位功能，用戶可在數據表中使用運算符或函數對錶的行列進行編輯。

實時數據許可權：數據許可權管理功能，一方面，IT人員可對所有數據源進行統一管理和分發；另一方面，可針對不同層級的企業人員進行許可權劃分，例如，可以設置北京地區的業務人員只能看到該地區的業務數據，運營人員只能看到與其工作相關的數據。

數據分析

在數據分析過程中，Data Analytics內置了豐富的可視化圖表、支持任意維度下鑽和數據預覽以及可配置的協同分析。更重要的是，Data Analytics引入了探索式分析。

結論呈報

通常，我們會將數據分析結果呈現給企業管理層，在管理層查看數據的過程中，所有數據都會進行動態更新，並與歷史數據進行實時對比。通過一些多媒體的輔助組件，如文字闡述、圖像等，形成更加適合用戶觀看的數據看板。

全面集成AI 預測業務未來

人工智慧是DataHunter產品矩陣的一部分，在整個產品體系的各個「角落」都能看到AI的影子。比如，在可視化展示過程中，我們可以將最適合展現此類型數據的圖表推薦給用戶；再比如，根據數據的變化趨勢，系統會對未來的業務走向進行預測。

DataHunter已經將人工智慧應用在客戶的實際業務場景中，在消費品行業，如遇到重大節日，我們可以幫助企業提前規劃庫存並預測產品銷售情況；在製造業，企業可以利用AI技術對產品進行自動調優。

為了給用戶提供最優秀的數據分析體驗，我們提供了一系列的周邊服務，如用戶和團隊管理、圖錶快照、實時消息通知、討論板等。Data Analytics數據可視化分析產品的不斷成熟和穩定，離不開研發團隊的共同努力，但我們更要感謝眾多客戶給與的反饋、支持和幫助。

標準化、通用型的數據可視化大屏產品

過去兩年，我們獲得了很多行業客戶的認可，這也使得團隊積累了豐富的數據可視化大屏技術和設計經驗。如何去沉澱這些技術？如何更有效率的幫助客戶快速實現數據大屏效果？這就要求我們的數據可視化大屏一定要成為標準化、通用型產品，這就是Data MAX的起源。

考慮到客戶對於數據可視化大屏產品的復用率基本為零，所以在研發上，團隊首先從技術上進行歸納總結，並針對整個項目搭建了底層框架。Data MAX底層框架主要分為兩部分，即分散式組件DHDC（DataHunter Distributed Component）和伺服器DHDC Service。

基於DHDC（DataHunter Distributed Component）架構，我們在開發過程中真正實現了高內聚低耦合，大幅提高了敏捷度。在產品上，我們可以將功能（組件）組裝成不同的產品，就像拿樂高積木一樣可以拼裝成不同的形狀。這樣，不但能快速實現產品上的細分，甚至可以快速做出完全不同的產品。

DHDC本質是一種技術標準，未來我們會不斷完善這種標準，形成社區和組件市場，讓更多企業和個人藉此受益。

DataHunter可視化核心技術

上圖是我們在研發Data Analytics和Data MAX的過程中沉澱下來的核心技術，這其中包括但不限於已經在申請專利的部分。這裡特彆強調一下DH3D，以往數據圖表都是以二維的形式展現，而藉助DH3D技術，我們不僅實現了圖表的3D效果，還保證了在三維狀態下，將數據特徵更好的表現出來。

DataHunter數據分析核心技術

DataHunter在數據分析方面也積累了很多核心技術，為此我們也給這些技術取了很酷的名字：

Neptune（大數據分散式存儲系統）、Pluto（分散式計算）、Jupiter（查詢匯流排）：結合客戶自身的業務規模和數據量，提供有針對性的數據存儲方案、計算方案以及查詢方案。

Tethys（異構數據池）、Mimas（實時數據裝飾器）：異構數據池和實時數據裝飾器都是輔助技術，通過對數據流進行過濾，實現實時的數據分析和計算。

DataHunter底層架構一覽

Data-GRAPHICS（數據可視化引擎）：所有數據可視化技術的底層支撐。

MATH-EXP（自然語言算式解析）：使得系統可以解析和計算用戶輸入的特定算式，主要解決特定行業的數據分析需求。

GEO-NAMES（行政區別名稱模糊匹配和經緯度查詢）：通過機器演算法精確判斷地理位置數據，比如數據表中有「朝陽」欄位，系統可以自動判斷該坐標是位於遼寧還是北京。

DIFF（對象分支深度操作）：主要用於多維數據處理。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！