至顶网软件频道消息: 对于现代企业而言,数据的重要性再怎么强调也不为过。正因为此,才产生了数据是“资源”一说,也才有了前些年的大数据热。今天,大数据热表面看起来似乎有所减退,但在业内人士看来,减退的只是市场炒作,更多用户正在实实在在的部署和使用大数据,并从中受益,而大数据市场的融资行为仍然在照常进行。近日,数据可视化分析展示厂商DataHunter就宣布获得了千万级别的A轮融资就是一个例证。
“在外人看来,大数据好像不是今天的风口了,但作为真正从业者,我们能感受到这个市场的旺盛需求和蓬勃向上的活力。”DataHunter创始人兼CEO程凯征告诉至顶网记者。
DataHunter创始人兼CEO程凯征
DataHunter是一家新兴的大数据企业,成立于2014年,2016年初产品正式上市,主要为企业提供简单易用的数据可视化分析产品及可自主配置的数据大屏展示工具。
程凯征介绍说,瞄准数据可视化这个行业是因为随着数据价值被广泛认可,数据的利用必然会走向平民化,而传统地依靠IT人员才能获取数据看到结果的模式是无法适应这一需求的。
“过去的BI项目是IT驱动,需要IT人员参与,每个应用都非常重,周期长;而随着IT技术的进步,特别是大数据技术的出现,新一代的BI项目则把数据分析能力还给了业务人员,应用转变为数据驱动,其特点是应用周期短,规模小。” 程凯征说。
DataHunter的产品就是瞄向这个市场,希望让业务人员也能使用BI,这对产品的易用性提出了很高要求。而Data Analytics就是DataHunter按照这个目的打造的一个业务数据可视化分析平台,能真正满足企业对于高效利用数据的迫切需求,完成从异构数据源整合到探索式分析,再到数据可视化及沟通协作的全流程整合。
程凯征用5种能力来总结了自己产品的特点,即自助式的数据处理能力、探索式的数据分析能力、自由的艺术表达能力、AI整合的智能分析能力以及互动、分享、协作能力。
程凯征进一步解释说,有一定规模的企业一般都会同时进行很多市场活动,收集大量数据。传统的数据处理方式是,业务部门把所有数据汇总完之后给IT部门,IT部门把这些数据整合到数据分析系统里,做出一个活动报告。一般情况下,IT部门收到数据后会对数据进行清洗,由于不知道哪些数据有用、哪些没用,所以会跟业务部门有很长时间的交流(通常称为需求调研),但是IT部门花大量时间沟通交流之后,做出的内容很可能没有满足业务部门的要求。
“Data Analytics希望解决这个问题,利用这个数据处理平台,业务部门自己就能通过Excel表把数据导入到系统,对数据进行处理和分析,基本是自助式的。”程凯征介绍,Data Analytics同时还会把一些智能化的分析能力整合进来,提供一定的分析和预测能力,甚至一定的AI能力,比如通过关联分析,找出平时人们没有觉察的关联关系。
程凯征介绍说,DataHunter曾经有一个客户每个月要出几千张报表,如果这些都要IT人员参与,是非常不现实的。而借助DataHunter工具,大部分报表业务人员就可以自己搞定。
现代企业的竞争早就超出了单纯的产品竞争,而进入生态链级的竞争。作为一家创新型企业,DataHunter深知这一点,并为此在积极布局。
程凯征告诉记者,在合作伙伴的选择上,他们的策略是大家一定要有互补。“第一,我们找合作伙伴,一定要给合作伙伴带来价值;其次,我们也要考虑合作伙伴怎么给我们带来价值,这一定是互惠互利的。如果一方没有利益,这个事情不会长久。”程凯征表示。
目前,DataHunter对外正式推出了合作伙伴计划,旨在通过行业资源共享、产品或技术优势互补,共同为客户提供优质的大数据解决方案。据了解,DataHunter为合作伙伴准备了丰厚的权益,包括免费提供产品试用和客户业务测试支持、提供产品API对接支持、帮助合作伙伴提升品牌曝光、获得更多销售机会和行业交流机会等。而在此之前,DataHunter已经先后与TalkingData、中国移动、青云QingCloud、星环科技、智慧足迹等达成了战略合作协议,为行业用户提供全方位的大数据解决方案。
DataHunter一直有一个提法,是要让客户“爱上看数据”。看得出,以数据立身、专注于数据分析和可视化呈现的DataHunter正通过其独特的技术践行这一目标,并帮助用户实现大数据的真正落地,让数据价值得以更好的体现。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。