瓴羊Dataphin升级V3.11,新上线数据分析、隐私计算平台促进数据流通消费

本文涉及的产品
智能数据建设与治理Dataphin,200数据处理单元
简介: 瓴羊旗下开发云核心产品Dataphin(智能数据建设与治理)近期升级到V3.11版本,全新上线Notebook数据分析空间,以及Dataphin隐私计算平台,在数据采、建、管、用的基础上,进一步强化数据消费和数据流通能力,帮助企业用标准化的产品能力,在大数据时代构建起生产经济、质量可靠、安全稳定、消费便捷的企业级数据资产,促进数据价值释放。

瓴羊旗下开发云核心产品Dataphin(智能数据建设与治理)近期升级到V3.11版本,全新上线Notebook数据分析空间,以及Dataphin隐私计算平台,在数据采、建、管、用的基础上,进一步强化数据消费和数据流通能力,帮助企业用标准化的产品能力,在大数据时代构建起生产经济、质量可靠、安全稳定、消费便捷的企业级数据资产,促进数据价值释放。

一、更便捷的数据分析空间

数据分析是企业将数据价值充分释放的重要途径之一,本次升级,Dataphin新增了个人专属的数据探索空间,通过Dataphin数据分析空间,业务同学哪怕不在开发项目中,也能随时进入分析平台快速自主查数,数据分析师也能在查询结果中穿插分析思路与结论,将工作成果随时分享给老板或者同事。另外,数据开发同学也时常会写一些复杂的SQL,在调试的时候存在太多的临时表和中间表的代码会让代码难以调试,Notebook可以将每一步的开发内容都自动保存成一张临时表,方便开发时的调试。

在数据查询场景中,Dataphin数据分析空间支持先写代码,再选择计算资源,这样就可以避免和开发同学在计算资源的使用上出现挤兑,导致数据分析卡顿,不能快速拿到分析结果。

Dataphin数据分析空间也弱化了Dataphin原有的项目概念,租户中每个用户都可进入分析平台创建任务,编写SQL代码。在目录树部分,用户仅可见“我”创建的任务,以及他人分享给“我”的任务。旨在帮助用户从个人视角出发,更高效、专注地管理自己的数据分析结果。

二、Dataphin隐私计算促进数据安全流通

数据资产在流程场景中,往往可以发挥出更大的价值,但之前企业困与安全保护技术的限制,对于数据流通存在很高的数据泄漏和安全监管风险,本次Dataphin新版本全新上线了数据流通版块,基于时下最流行的隐私计算技术,如多方安全计算、联邦学习、同态加密、差分隐私等技术路线,帮助企业在各类数据流通场景实现价值释放。

在营销链路中,企业希望可以指定人群进行特定场景营销。例如,某品牌希望针对某渠道的【特定非活跃老客】用户进行老客营销,需要求两边客户交集,但两边客户ID不透出,此处可用Dataphin隐私计算平台的ID安全匹配功能完成。

电商平台在媒体平台进行了营销广告投放,投放结束后,也能通过Dataphin隐私计算平台的联合分析能力联合两边的数据,进行全链路的营销活动复盘分析。

在一些查询场景,数据查询方不想向数据服务方透露要查询的内容。例如某企业期望通过第三方数商,对企业用户画像进行标签增补,但不想把用户信息透露给第三方数商,就可以用Dataphin隐私计算平台的隐匿信息查询的功能。

当不同数据资产持有方,分别拥有一部分客户数据,且拥有的客户特征不一样,如银行拥有客户的金融信用数据,电商拥有客户的电商消费数据,就可以通过Dataphin隐私计算平台联合两方数据训练精准营销模型,进行联合建模,或者模型调优。

以上隐私计算能力都已上线Dataphin最新的V3,11版本。

三、Dataphin V3.11还更新了20+功能点,35+应用场景

在最新版本的瓴羊Dataphin当中,你将拥有一个更全能的SQL编辑器,可以在写SQL的过程中,智能出发提示,边写边边查无需开N个页面,Dataphin也会对错误的语句进行智能纠错,不仅能将错误信息汇总到问题面板,还支持一键纠错,与此同时,Dataphin的SQL编辑器还能大大提升效率,不仅在每个语句左侧增加了快速运行按钮,还能通过输入@来快速勾选表中多个字段,无需在一个个输入。

数据分类分级内置了通用和行业模板,更符合安全监管要求,企业可以在对数据进行分类分级的时候,快速引入内置模板来完成数据安全管理。Dataphin还能通过特征智能识别敏感数据,对敏感数据进行更加全面和快速的识别,并结合权限体系,开展全链路的研发安全保障。

数据资产也有了清晰的专题目录随时可用,Dataphin支持5级资产专题目录,可以快速定位资产使用场景,并可配置标签,帮助数据消费人员快速检索和发现想要的数据资产。同时,数据资产被以面向场景的方式组成提升专题广场,让企业真正具备数据资产运营能力,让数据资产好找好用。

本次Dataphin升级到了V3.11版本,更新了20+功能点,35+应用场景,等你解锁。比如支持EMR 5.x 计算引擎、Hive 引擎支持 Impala 查询加速、支持数据研发事中治理等。

在下一个版本中,Dataphin将引入官方内置引擎 StarRocks,分析平台将引入更多分析工具,质量模块将开放全新的质量分,还有很多针对智能数据建设与数据治理能力的功能升级,敬请期待。

了解更多瓴羊Dataphin智能数据建设与治理能力,点击查看详情

相关文章
|
1月前
|
数据挖掘 PyTorch TensorFlow
|
4天前
|
存储 人工智能 安全
【荣誉奖项】荣获2024数据治理优秀产品!瓴羊Dataphin联合DAMA发布数据管理技能认证
瓴羊Dataphin连续俩年获得DAMA年度优秀数据治理产品奖,本次与DAMA联合发布“DAMA x 瓴羊 数据管理技能认证”,助力提升全民数据素养。
【荣誉奖项】荣获2024数据治理优秀产品!瓴羊Dataphin联合DAMA发布数据管理技能认证
|
6天前
|
机器学习/深度学习 人工智能 搜索推荐
某A保险公司的 数据图表和数据分析
某A保险公司的 数据图表和数据分析
14 0
某A保险公司的 数据图表和数据分析
|
2月前
|
数据采集 DataWorks 数据挖掘
提升数据分析效率:DataWorks在企业级数据治理中的应用
【8月更文第25天】本文将探讨阿里巴巴云的DataWorks平台如何通过建立统一的数据标准、规范以及实现数据质量监控和元数据管理来提高企业的数据分析效率。我们将通过具体的案例研究和技术实践来展示DataWorks如何简化数据处理流程,减少成本,并加速业务决策。
329 54
|
14天前
|
机器学习/深度学习 数据采集 数据可视化
如何理解数据分析及数据的预处理,分析建模,可视化
如何理解数据分析及数据的预处理,分析建模,可视化
34 0
|
1月前
|
机器学习/深度学习 数据挖掘 TensorFlow
🔍揭秘Python数据分析奥秘,TensorFlow助力解锁数据背后的亿万商机
【9月更文挑战第11天】在信息爆炸的时代,数据如沉睡的宝藏,等待发掘。Python以简洁的语法和丰富的库生态成为数据分析的首选,而TensorFlow则为深度学习赋能,助你洞察数据核心,解锁商机。通过Pandas库,我们可以轻松处理结构化数据,进行统计分析和可视化;TensorFlow则能构建复杂的神经网络模型,捕捉非线性关系,提升预测准确性。两者的结合,让你在商业竞争中脱颖而出,把握市场脉搏,释放数据的无限价值。以下是使用Pandas进行简单数据分析的示例:
37 5
|
2月前
|
存储 数据挖掘 数据处理
DataFrame探索之旅:如何一眼洞察数据本质,提升你的数据分析能力?
【8月更文挑战第22天】本文通过电商用户订单数据的案例,展示了如何使用Python的pandas库查看DataFrame信息。首先导入数据并使用`head()`, `columns`, `shape`, `describe()`, 和 `dtypes` 方法来快速概览数据的基本特征。接着,通过对数据进行分组操作计算每位顾客的平均订单金额,以此展示初步数据分析的过程。掌握这些技能对于高效的数据分析至关重要。
36 2
|
2月前
|
数据采集 机器学习/深度学习 算法
"揭秘数据质量自动化的秘密武器:机器学习模型如何精准捕捉数据中的‘隐形陷阱’,让你的数据分析无懈可击?"
【8月更文挑战第20天】随着大数据成为核心资源,数据质量直接影响机器学习模型的准确性和效果。传统的人工审查方法效率低且易错。本文介绍如何运用机器学习自动化评估数据质量,解决缺失值、异常值等问题,提升模型训练效率和预测准确性。通过Python和scikit-learn示例展示了异常值检测的过程,最后强调在自动化评估的同时结合人工审查的重要性。
78 2
|
1月前
|
机器学习/深度学习 数据挖掘 TensorFlow
从数据小白到AI专家:Python数据分析与TensorFlow/PyTorch深度学习的蜕变之路
【9月更文挑战第10天】从数据新手成长为AI专家,需先掌握Python基础语法,并学会使用NumPy和Pandas进行数据分析。接着,通过Matplotlib和Seaborn实现数据可视化,最后利用TensorFlow或PyTorch探索深度学习。这一过程涉及从数据清洗、可视化到构建神经网络的多个步骤,每一步都需不断实践与学习。借助Python的强大功能及各类库的支持,你能逐步解锁数据的深层价值。
54 0
|
2月前
|
SQL 数据挖掘 Serverless
SQL 窗口函数简直太厉害啦!复杂数据分析的超强利器,带你轻松攻克数据难题,快来一探究竟!
【8月更文挑战第31天】在数据驱动时代,高效处理和分析大量数据至关重要。SQL窗口函数可对一组行操作并返回结果集,无需分组即可保留原始行信息。本文将介绍窗口函数的分类、应用场景及最佳实践,助您掌握这一强大工具。例如,在销售数据分析中,可使用窗口函数计算累计销售额和移动平均销售额,更好地理解业务趋势。
55 0

热门文章

最新文章

相关产品

  • 智能数据建设与治理 Dataphin