2min

Tags in dit artikel

,

Qlik en DataRobot zijn een samenwerking gestart, om geautomatiseerde machine learning-modellen direct toe te voegen aan de platformen van Qlik. De bedrijven creëren daarmee de mogelijkheid om hun besluitvorming te baseren op voorspellende data binnen analyse-workflows.

Die integratie geeft gebruikers de optie om het hele scala aan data-analyses – historisch, huidige staat en voorspellend – direct vanuit Qlik uit te voeren. Daarnaast bouwt de samenwerking verder op Qlik’s doorlopende aanbod van augmented intelligence- en machine learning-verbeteringen, dat zakelijke gebruikers de mogelijkheid geeft om diepere inzichten te krijgen van al hun data.

Qlik levert al machine learning-mogelijkheden via zijn cognitieve engine en platform met Insight Advisor, dat de beste analytics en inzichten om te bekijken genereert en suggereert, op basis van de algemene dataset en de zoekcriteria van de gebruiker. Door Qlik’s open platform, extensie-technologie en de open source Qlik DataRobot-connecter, laat DataRobot Qlik-gebruikers machine learning-modellen ontwikkelen en democratiseren.

“Machine learning is essentieel in het helpen van gebruikers bij het onderzoeken van de grote hoeveelheden data die nodig zijn voor unieke inzichten die voor uitkomsten zorgen”, aldus Drew Clarke, SVP van Office of Strategy Management bij Qlik. “De integratie met DataRobot verbetert Qlik’s bestaande AI- en machine learning-mogelijkheden door voorspellende modeling naar iedere zakelijke gebruiker te brengen.”

Andere mogelijkheden

Met de open source-extensie en -connector is het verder mogelijk om data voor te bereiden en met sleutelvelden rechtstreeks vanuit Qlik Sense te verzenden naar DataRobot. Ook kan data uit verschillende tabellen binnen het associatieve datamodel gecombineerd worden en direct in DataRobot verwerkt worden.

DataRobot-projecten kunnen op hun beurt weer beheerd worden in Qlik door modellen rechtstreeks naar de Qlik-applicatie te verzenden. En dankzij de naadloze integratie wordt het mogelijk om voorspellend te modelleren en hermodelleren in één interface, zodat de gebruiker altijd beschikt over het best mogelijke model voor de analyse.