如何巧用大数据分析工具实现算法复用管理

虽然现在市场上已经有很多挖掘分析的智能工具，但根据我们的观察，不少企业用户在面对一些代码化分析及管理的诉求时，还是会更偏好用代码实现建模分析过程，因此在使用

【场景个性化分析方法】：虽然AI机器学习平台已经内置了大量的算法，但行业特有的算法和数据处理逻辑，需要自己编码实现，例如，研究所科研人员自己编写设备故障诊断的机理模型等，他们希望用平台来现这种个性化的分析场景。

【代码分散化管理】：对于代码偏好的人员，算法成果往往以代码形式散落在个人电脑上，企业无法进行统一的管理和维护，甚至不清楚内部有多少成果，能够解决哪方面的业务问题。尤其是企业中人员发生变动时，算法成果就脱离企业的掌控，无法沉淀为企业成果。

【算法成果复用效率差】：没有算法成果复用途径，当遇到相似场景分析时，需要从零开始编写代码实现，从而耗费更多时间，导致复用效果差。

针对以上诉求，我们支持了扩展编程、Notebook、自定义算法等拓展分析功能，满足代码偏好人员的建模分析需求，让分析过程更灵活。

怎么使用扩展编程？

扩展编程支持用户编写SQL、Python、R、Java、Scala、Matlab、PySpark脚本实现数据处理、数据分析、图表展示等功能，丰富建模过程中处理、算法及图表的方法，提升可视化建模中数据处理的灵活性和扩展性。

Notebook是在平台中集成好的模块，方便用户在Notebook中以编程的形式完成建模分析过程，满足编码偏好人员的分析需求。

自定义算法管理支持用户通过Python、R、Java、Scala、Matlab、TensorFlow、PySpark基于平台规范封装自主算法并发布形成平台节点，方便用户灵活扩展平台算法节点功能，增强平台的业务适应能力，充分满足企业级用户的个性化需求。

如何将扩展编程和AI工具联合使用，发挥最大价值

某工业领域企业，有一些算法人员，也沉淀了部分该行业常用的算法成果，但都散落在个人电脑中，他们希望有一款产品可以满足业务人员和算法人员的同时使用，并能将算法成果统一管理起来。在采用了TempoAI产品之后，扩展编程、Notebook、自定义算法管理等功能大大超出他们预期。其价值主要体现在以下3点：

【提供代码分析】：不仅能让业务人员采用可视化配置的方式快速实现建模及预测，也支持代码偏好的分析人员，通过不同工具编写代码实现行业算法及业务规则，并与已有算法功能交叉使用，无缝融合，使用起来更加灵活。

【形成内容资产】：支持将内部已有历史算法成果集成到平台中，统一管理及维护，进行算法成果沉淀，形成内容资产。

【共享知识成果】：支持成果共享，可在平台形成封装好的算法，业务人员可查看并直接以拖拽配置的方式使用，快速实现资源复用，提升整体的分析效率。

当企业需要集成自己的算法或用户要用代码实现个性化的分析需求，都可以使用TempoAI的扩展编程、Notebook、自定义算法管理等功能，满足不同人员的分析需求，提升企业的拓展分析能力，并快速形成知识沉淀，让企业更好的管理和复用现有成果，降低分散管理带来的成本浪费，助力企业实现个性化业务需求。