오늘 온라인 Virtual Global Inspire 컨퍼런스에서 알래스카분석 자동화 플랫폼을 제공하는 는 다른 여러 기능과 함께 Alteryx Machine Learning 도구를 포트폴리오에 추가했다고 발표했습니다.

원래 Microsoft가 개발한 AutoML 프레임워크를 기반으로 하는 Alteryx Machine Learning은 비즈니스 분석가와 데이터 과학자에게 조기 액세스 프로그램을 통해 AI 모델을 구축하는 안내 방식을 제공합니다. 또한 특허 출원 중인 DFS(심층 피처 합성) 구현에 대한 액세스도 제공합니다. 오픈 소스 소프트웨어 여러 데이터 세트의 기능으로 알려진 AI 모델용 아티팩트를 구축하기 위한 것입니다. DFS는 매사추세츠 공과대학(MIT)이 개념적으로 개척한 개념이다.

Alteryx Machine Learning에는 해당 아티팩트를 관리하기 위한 내장 Feature Store 저장소, 데이터 세트 내의 숨겨진 요소와 관계를 더 쉽게 찾아낼 수 있는 자동화된 통찰력 생성 기능, 데이터 준비 작업을 자동화하기 위한 Alteryx Designer 도구와의 통합도 포함되어 있습니다. 300개 이상의 재사용 가능한 빌딩 블록을 포함하며 광범위한 외부 데이터 소스와의 통합을 포함합니다.

또한 회사는 자연어 처리(NLP), 텍스트 마이닝 및 컴퓨터 비전 도구를 Alteryx Designer와 결합하여 반구조화된 이미지 기반 데이터를 보다 쉽게 ​​통합할 수 있는 Alteryx Intelligence Suite를 출시했습니다. 이제 통합 소프트웨어 개발 키트 및 API(애플리케이션 프로그래밍 인터페이스)에 대한 액세스를 제공하는 Alteryx Designer는 Alteryx Designer Cloud라는 클라우드 기반 서비스를 통해 미리 보기로 제공되고 있습니다.

Alteryx는 또한 Alteryx 분석 프로세스 자동화 플랫폼 내에서 직접 액세스할 수 있는 온라인 커뮤니티를 시작했습니다. 그리고 어제 회사는 Alteryx 분석 및 데이터 과학 포트폴리오를 보완하고 확장하는 기술을 개발하는 회사에 투자할 50천만 달러 규모의 펀드인 Alteryx Ventures를 설립했다고 발표했습니다.

접근 용이성

이러한 이니셔티브의 가장 중요한 목표는 다음과 같습니다. 데이터 과학 Alteryx의 최고 데이터 및 분석 책임자인 Alan Jacobson은 VentureBeat에 이렇게 말했습니다. 그는 Alteryx가 제공하는 로우 코드/노 코드 도구 세트를 사용하면 다양한 수준의 데이터 과학 전문 지식을 갖춘 개인 팀이 더 쉽게 협업할 수 있다고 덧붙였습니다.

이는 기계 학습 알고리즘이 거의 모든 프로세스에 주입되는 시점에 매우 중요하다고 Jacobson은 말했습니다. “우리 삶의 거의 모든 측면에는 이미 AI나 ML이 있습니다.”라고 그는 말했습니다.

문제는 데이터 과학자가 일반적으로 산업 분야 지식이 많지 않은 반면, 해당 전문 지식을 갖춘 LOB 사용자는 여전히 스프레드시트에 의존하여 데이터를 분석하는 경우가 많다는 점이라고 Jacobson은 말했습니다. 그러나 AutoML과 같은 프레임워크의 등장으로 마침내 많은 최종 사용자가 이러한 스프레드시트를 더욱 강력한 AI 기반 분석 애플리케이션으로 교체하게 되었습니다.

물론 Alteryx가 다양한 도구와 플랫폼에 AI 기능을 내장하기 위해 노력하는 분석 애플리케이션 제공업체는 아닙니다. 그러나 이러한 애플리케이션 내의 AI 기능에 대한 접근성이 높아짐에 따라 사용자 기반은 역사적으로 이러한 애플리케이션의 주요 사용자였던 비즈니스 분석가를 훨씬 넘어 확장되어야 합니다. 실제로 개인적인 경험을 바탕으로 직감에만 의존하기보다는 사실에 기반해 더 빠르게 결정을 내리는 사용자의 수는 꾸준히 감소할 것입니다.

AI가 주입된 분석 애플리케이션의 최종 사용자와 스프레드시트를 선호하는 사용자 사이에 세대 간 격차가 얼마나 존재할지는 확실하지 않습니다. 하지만 현재는 전자보다 후자가 훨씬 더 많습니다. 그러나 대학 졸업자가 늘어날 때마다 스프레드시트를 선호하는 개인의 수는 계속해서 감소하고 있습니다.