ZD至顶网软件频道消息:与其他一些数据可视化分析的技术厂商比,Tableau总是带着点儿艺术范儿,这使得它的呈现结果总是能让人眼前一亮。这样的好处显而易见,艺术范儿的呈现方式不仅让繁多枯燥的数据更加一目了然,而且还很赏心悦目。
4月20日,Tableau在北京举办了第二届可视化分析峰会。会议期间,Tableau的专家向记者展示了使用Tableau Public如何让数据为新闻报道加分。通过展示可以看到,使用Tableau Desktop Public版浏览打开数据,只需要简单拖放,即使没有任何数据处理经验的人也都可以快速地将一个包含了几千条数据的报表文件,按照用户的不同需求,以艺术范儿的方式展现出来。并且,分析结果还可以通过代码或者链接的方式随意插入到网页中。此外,除了结构化数据,Tableau的分析工具还支持文本等非结构化的数据可视化分析,这点也能满足用户对文本分析的需求。
Tableau的艺术基因来自其联合创始人之一、斯坦福大学教授Pat Hanrahan。Hanrahan不仅是Tableau的创始人,也是皮克斯动画工作室的创始成员之一,在皮克斯任职期间,Hanrahan负责批量渲染软件技术的研发,并且三度获得奥斯卡最佳科学技术奖。
事实上,数据可视化的意义就是将大量复杂枯燥的具有潜逻辑的数据进行整理分析,而数据可视化系统则是与用户直接对话、辅助用户决策的工具。艺术范儿的结果呈现只是Tableau的优势之一。
Tableau首席产品官Francois Ajenstat表示:“Tableau的使命是帮助人们能够看到并且能够理解数据,让数据为人所用。”正如Ajenstat所言,Tableau将“人人都是数据分析师”作为公司愿景,并依靠核心技术VizQL进了一系列的创新。
近两年,随着云计算服务的蓬勃发展,企业应用出现了非常明显的向云迁徙的趋势,这对于数据分析来说产生了很大的影响。和传统本地模式相比,商业智能(BI)分析工具,分析数据管理和集成平台以及空间信息分析工具等在采用云服务时有显著的差异。
为了满足企业对于数据可视化分析的不同需求,Tableau将产品分为桌面版、服务器版、云平台版和公众版四种,从用户群体划分看,既有企业级用户,也有个人用户,从平台来看,既有基于本地数据中心的服务,也有基于云计算平台的版本。Tableau的产品能够让客户轻松运行其现有系统,对接其云端存储,同时连接到所有需要的数据源。Tableau将通过降低数据分析的技术壁垒,持续帮助企业建立分析文化。在Tableau的帮助下,更多人能够随时随地地分析各种大小,各种量级的数据。
2017年4月初,Tableau宣布将旗下权限产品的收费方式改为订阅方式。新的定价模型显著降低了部署一流商业智能平台的初始费用,有效地帮助企业预先灵活进行部署预算和规划,让企业随需求变化轻松实现扩展。
Tableau持续不断地进行着创新,以迅速地满足消费者需求、响应市场趋势。在会上,Ajenstat还介绍了公司的一系列革新:Tableau发布了新的空间文件连接器使 Tableau 的强大地图绘制功能得到进一步提升,整合了Python并预先加载了Tableau 10.3版本中的一些全新功能,帮助Tableau更好地进行数据分析。
此外,Francois还公布了Tableau未来的产品更新信息,包括全新数据引擎Hyper、全新自助式数据准备工具Project Maestro和支持Linux环境的Tableau Server。
据了解,Tableau每年花费营收的30%用于研发。Francois表示,Tableau在数据、分析、自助式工具以及企业级服务能力上进行了大量投资,“目前,Tableau支持60多种数据格式,但是有些数据需要预处理,对于这些工作,接下来Tableau将加大机器学习方面的研发,帮助用户进一步完善数据预处理方面的工作。同时,Tableau也将继续云端产品的研发,加大用户使用的灵活性。”
目前,Tableau在全球约有54000家客户,其中亚太地区有9600家。Tableau现已在上海和北京分别设立分公司,共有70名左右的员工。由于持续的产品创新和不懈的专注,Tableau自2015年在中国成立以来一直不断高速增长。在中国,Tableau与中国东方航空公司、中国航信、拜耳、一号店等领先的中国本土公司和国际公司紧密合作,为他们提供全面的数据分析解决方案。
Tableau大中华区总监叶松林表示: “亚太区是Tableau增长最快的地区之一,Tableau未来的创新将帮助更多的中国客户、合作伙伴以及广大个人用户查看并理解数据。”2017年,Tableau将会推出Linux版本,并根据中国用户推出适合于特定行业的个性化策略。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。