2009 年报表动向(二)

 

2009年第一季度报表工具动向(二)

 

再来看看润乾报表。

 

先来看产品:

他们的产品介绍: Excel 报表设计模型 ,非线性报表模型,多源填报模型 ,强关联语义模型……

是不是觉得不太好明白,有点深奥?

 

再来看销售策略:

 

  现在的市场不仅是一个产品创新的时代,还是名词创新的时代。华丽、未知、使人产生敬畏感的新名词随着新产品,不断在IT行业涌现。产品易用性在不断提高,与之相伴的却是大量使用户产生距离感的新名词,这两者看似矛盾,其中却自有和谐之处(实质为何,有兴趣的朋友可以试试)。不管怎么说,至少给你留下了专业、技术性强的印象。

 

  类似的产品,因为采取了截然不同的产品策略,使得今天这两家公司处于完全不同的市场地位。数巨报表的成功之处在于其定位于相对高端的市场-BI2008年开始润乾报表开始学习数巨报表,走高端的市场-BI,从网站KPI的包装,再加上类OLAP,五花八门。

 

  08年春节后,润乾报表改版,产品的着重点(包括网站)立足于BI,产品名称也相应地调整为润乾商业智能方案。产品定位改变了,产品也做了调整,包含的内容除了报表外,OLAPPortal等内容也丰富进来。这次变革,使得产品提高了一个档次,一下子与如意报表等低端报表工具拉开距离,迈进与BO等传统BI工具的竞争行列。

 

  润乾报表的思路很清晰:先拿定主义建立自己的报表品牌,再围绕报表建立一个完整的BI产品体系。虽然短期内还无法与BOBrioCognos等老牌劲敌相竞争,但随着国内用户对BI要求的逐渐增多,报表出身的数巨报表,在国外产品占据主动的高端BI市场及功能单一的报表市场中,钻了两者之间的空子。单就这一招,比之如意报表更显得技高一筹。

 

     不过,现在一个较矛盾的地方在于:润乾报表的很多宣传,还是侧重于报表,与其现在的产品定位不符。后续如何,静观其变吧。

 

炎鼎公司的数巨报表

 

  与如意报表相同,炎鼎公司的数巨报表也采用了Faster report控件。相比较而言,如意报表对Faster report的消化吸收做得更好,产品的友好性也远远超过了数巨。因为数巨的产品线推出BI有关的功能模块,如果嫌评测麻烦,报表功能参考如意就行了。

 

  题外话:如意和数巨共有的一个特点是他们都非常注重产品的包装,有比较明确的产品定位和相应的市场销售策略。国内很多以技术为导向的公司,产品的功能虽然强大,但是产品定位不明,产品界面、文档也很随意,对产品的生命周期其实有很大的影响。

以上均为个人观点,如对产品理解有不正之处,欢迎指正。

转载于:https://www.cnblogs.com/baobiao/archive/2008/12/23/1360538.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值