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
|
2月前
|
数据采集 数据可视化 数据挖掘
Pandas数据应用:天气数据分析
本文介绍如何使用 Pandas 进行天气数据分析。Pandas 是一个强大的 Python 数据处理库,适合处理表格型数据。文章涵盖加载天气数据、处理缺失值、转换数据类型、时间序列分析(如滚动平均和重采样)等内容,并解决常见报错如 SettingWithCopyWarning、KeyError 和 TypeError。通过这些方法,帮助用户更好地进行气候趋势预测和决策。
124 71
|
15天前
|
SQL 数据可视化 大数据
从数据小白到大数据达人:一步步成为数据分析专家
从数据小白到大数据达人:一步步成为数据分析专家
164 92
|
17天前
|
数据采集 SQL 人工智能
瓴羊Dataphin:AI驱动的数据治理——千里之行,始于标准 |【瓴羊数据荟】数据MeetUp第三期
数据标准是数据治理的核心抓手,通过梳理数据标准可以有效提升数据质量。瓴羊Dataphin平台利用AI技术简化数据治理流程,实现自动化的数据标准建立、质量规则构建和特征识别,助力企业在大模型时代高效治理数据,推动数据真正为业务服务。
281 28
瓴羊Dataphin:AI驱动的数据治理——千里之行,始于标准 |【瓴羊数据荟】数据MeetUp第三期
|
2月前
|
存储 数据采集 数据可视化
Pandas数据应用:电子商务数据分析
本文介绍如何使用 Pandas 进行电子商务数据分析,涵盖数据加载、清洗、预处理、分析与可视化。通过 `read_csv` 等函数加载数据,利用 `info()` 和 `describe()` 探索数据结构和统计信息。针对常见问题如缺失值、重复记录、异常值等,提供解决方案,如 `dropna()`、`drop_duplicates()` 和正则表达式处理。结合 Matplotlib 等库实现数据可视化,探讨内存不足和性能瓶颈的应对方法,并总结常见报错及解决策略,帮助提升电商企业的数据分析能力。
143 73
|
1月前
|
存储 数据采集 数据可视化
Pandas数据应用:医疗数据分析
Pandas是Python中强大的数据操作和分析库,广泛应用于医疗数据分析。本文介绍了使用Pandas进行医疗数据分析的常见问题及解决方案,涵盖数据导入、预处理、清洗、转换、可视化等方面。通过解决文件路径错误、编码不匹配、缺失值处理、异常值识别、分类变量编码等问题,结合Matplotlib等工具实现数据可视化,并提供了解决常见报错的方法。掌握这些技巧可以提高医疗数据分析的效率和准确性。
70 22
|
2月前
|
数据采集 自然语言处理 供应链
央国企“严选”的瓴羊,如何让数据“供得出、流得动、用得好”?|【瓴羊Dataphin在信通院2024数据资产管理大会】
在产业变革新浪潮下,数据资产管理步入“繁花时代”,瓴羊高级解决方案专家黄彦之出席2024数据资产管理大会并分享了瓴羊基于12年阿里最佳数据实践,通过Dataphin等产品助力央国企数智化转型的路径与方法。大会发布《数据治理产业图谱3.0》,瓴羊Dataphin入选BUCM板块代表产品,彰显其领先经验。
104 18
|
2月前
|
数据采集 安全 大数据
“点数成金”时代,如何应用全域数据资产治理释放企业数据价值?【瓴羊Dataphin在信通院2024数据资产管理大会】
在“点数成金”时代,企业数据成为宝贵资产。12月18-19日,信通院“2024数据资产管理大会”在京举办,瓴羊政企金融事业部总监徐宁分享了Dataphin在数据治理领域的创新方法论与实践经验,强调数据资产双循环和元数据管理的重要性。瓴羊副总裁王赛获颁数据资产管理专家证书。
83 16
|
3月前
|
存储 机器学习/深度学习 数据可视化
数据集中存在大量的重复值,会对后续的数据分析和处理产生什么影响?
数据集中存在大量重复值可能会对后续的数据分析和处理产生多方面的负面影响
170 56
|
2月前
|
数据采集 数据可视化 索引
Pandas数据应用:股票数据分析
本文介绍了如何使用Pandas库进行股票数据分析。首先,通过pip安装并导入Pandas库。接着,从本地CSV文件读取股票数据,并解决常见的解析错误。然后,利用head()、info()等函数查看数据基本信息,进行数据清洗,处理缺失值和重复数据。再者,结合Matplotlib和Seaborn进行数据可视化,绘制收盘价折线图。最后,进行时间序列分析,设置日期索引、重采样和计算移动平均线。通过这些步骤,帮助读者掌握Pandas在股票数据分析中的应用。
77 5
|
2月前
|
数据采集 监控 数据挖掘
常用电商商品数据API接口(item get)概述,数据分析以及上货
电商商品数据API接口(item get)是电商平台上用于提供商品详细信息的接口。这些接口允许开发者或系统以编程方式获取商品的详细信息,包括但不限于商品的标题、价格、库存、图片、销量、规格参数、用户评价等。这些信息对于电商业务来说至关重要,是商品数据分析、价格监控、上货策略制定等工作的基础。

热门文章

最新文章

相关产品

  • 智能数据建设与治理 Dataphin