Ihr DataRobot Partner in der Schweiz

Mit Heyde-Lösungen zu präziseren Geschäftsprognosen

Trends frühzeitig antizipieren: Ihr DataRobot-Partner macht’s möglich

DataRobot bietet eine führende Plattform für automatisiertes Maschinenlernen, die Ihnen präzise Vorhersagen geschäftlicher Entwicklungen ermöglicht.

Das passende Vorhersagemodell finden Sie dank Künstlicher Intelligenz mit nur einem Mausklick: DataRobot analysiert Ihre Geschäftsdaten und trifft unter hunderten von Prognosemodellen die beste Wahl – vollautomatisch und in Sekunden.

Erfahren Sie, wie Ihr Unternehmen künftige Entwicklungen frühzeitig antizipieren & schnellere Entscheidungen treffen kann!

Heyde hilft Ihnen gern weiter.

 

Mit DataRobot präzise Vorhersagen treffen

DataRobot erleichtert Ihrem Unternehmen den Einstieg in Predictive Analytics.

Die Plattform fungiert als virtueller Data Scientist und übernimmt alle Arbeitsschritte zur Erstellung valider Vorhersagemodelle: Nach der Analyse der Daten auf Trends & Muster werden mithilfe Künstlicher Intelligenz geeignete Prädiktionsmodelle ausgewählt, trainiert und getestet. Die Genauigkeit der zur Prognoseerstellung genutzten Modelle wird kontinuierlich überwacht.

So können Sie sich ganz auf Ihr Kerngeschäft konzentrieren: Generieren Sie smarte Prognosen, um Trends frühzeitig zu erkennen, Chancen & Risiken zu antizipieren und Wettbewerbsvorteile zu realisieren.

  • Ich möchte mehr über DataRobot erfahren

Datenblatt

Eine kurze Zusammenfassung von DataRobot auf einen Blick 

Ihr Data Scientist

Wir glauben, dass Sie mit DataRobot dem Fachkräftemangel in Ihrer Data Science Abteilung begegnen können.

Wie bringt DataRobot Künstliche Intelligenz in Unternehmen?

Heyde präsentiert mit DataRobot eine fortgeschrittene Plattform für Künstliche Intelligenz in Unternehmen. DataRobot ist die erste Plattform, die Data Science wirklich demokratisiert und den End-to-End Prozess automatisiert.
Modellierung, Einsatz und Pflege von Künstlicher Intelligenz und Maschine learning in Einem.

heyde: Ein Zeichen – Drei Werte

Wenn wir einmal unser eigenes Unternehmen analysieren – ausnahmsweise ohne Hilfe von Software – dann zeigen sich drei Grundwerte, die unserem Handeln eine solide Basis geben:
logo-heyde
  • 1. Exzellenz – zeigt sich in: Funktionalität, Qualität und Preis-Leistungs-Verhältnis
  • 2. Empathie – gelebt durch: Erfahrung, Vertrauen und Sicherheit
  • 3. Passion – spürbar in: Motivation & Inspiration, Engagement
Diese drei Werte geben unserem Logo seine Bedeutung: Ein Ring mit drei interagierenden Bereichen.
  • DataRobot Details

  • Überblick

    DataRobot bietet eine führende Plattform für automatisiertes Maschinenlernen, die konsequent für den Einsatz im Unternehmen entwickelt wurde.

    Die Plattform umfasst eine Reihe von Features und Funktionen, die dem IT-Team die sichere Bereitstellung von DataRobot in ganz unterschiedlichen Umgebungen ermöglicht.

    Sicherheit, hohe Verfügbarkeit, Modularisierung und Konnektivität wurden so designt, dass sich Unternehmen ganz auf die praktische Nutzung von DataRobot konzentrieren können, um durch noch fortschrittlichere Maschinenlern-Fähigkeiten ihre Kapitalrendite zu maximieren.

    • Implementierungsoptionen

      DataRobot bietet On-Premise-Unternehmenskunden zwei Bereitstellungsoptionen:  als eigenständiges Linux-Deployment oder als Hadoop-Deployment. Via Linux-Deployment kann die Plattform in einer Vielzahl von Locations bereitgestellt werden:

      von physischer Hardware über VMware Cluster bis hin zu Virtual-Private-Cloud(VPC)-Anbietern wie Amazon Web Services (AWS), Google Cloud und Microsoft Azure. Hadoop-Deployments ermöglichen die Installation von DataRobot in einem bereits bestehenden Hadoop-Cluster:

      Das spart Hardware-Kosten und vereinfacht die Datenanbindung, die in Hadoop typischerweise schon vorhanden ist.

      Der Vergleich dieser beiden On-Premise-Deployment-Optionen zeigt, dass die Features größtenteils identisch sind. Der Unterschied von Hadoop- und Linux-Deployments liegt in der Größe des von DataRobot nutzbaren Datensets:

      Hadoop, das sich als Branchenstandard für Big-Data-Plattformen etabliert hat, ermöglicht DataRobot die Aufnahme (Ingest) von bis zu 100 GB Daten für das Training der ML-Modelle. Standalone-Linux-Deployments sind aktuell auf 10 GB begrenzt.

    • Schlüsselmodule

      Die Schlüsselmodule der DataRobot-Umgebung sind: Anwendungsserver, Datenschicht, Modellierer und Vorhersage-Server. Als konzeptueller Flowchart lässt sich das wie folgt darstellen:

  • Neue Deployment-Optionen
    Neu auch als "Multi-Tenant SaaS" oder "Single-Tenant SaaS" verfügbar. 

    Multi-Tenant SaaS: Hoch skalierbar und sicher, mit einer robusten Infrastruktur und Massnahmen zum Schutz von Daten, bietet unsere Multi-Tenant SaaS-Bereitstellung Unternehmen jeder Grösse Zugang zur DataRobot AI-Plattform, ohne umfangreiche IT-Ressourcen zu benötigen.

    Single-Tenant SaaS: Ein Premium-Managed-Service in der Cloud und in der von Ihnen gewählten Region, mit der Sicherheit und Isolation einer selbstverwalteten Bereitstellung. Unsere Single-Tenant SaaS erfüllt spezifische Anforderungen wie Datenhoheit - ob geografisch oder regional oder in einer bestimmten Cloud-Region - sowie strenge Anforderungen an die Datensicherheit oder Isolation.
  • swipe icon

    Der Anwendungsserver beinhaltet alle primären Verwaltungskomponenten. Er übernimmt Authentifizierung, Projekt- und Nutzerverwaltung, und bietet einen API-Endpunkt.
    Er verwaltet auch die Queue der Modellierungs-Anfragen aus verschiedenen Projekten, die dann von den Modellierern übernommen werden, d. h. einer Rechenressource, die DataRobot-Anwendern das parallele Training von ML-Modellen und ggf. auch die Generierung von Vorhersagen erlaubt.

    Die Modellierer sind zustandslos und so konfigurierbar, dass sie je nach Bedarf in die Umgebung integriert oder herausgenommen werden können. So können bei einer VPC-Konfiguration Hardware-Kosten eingespart werden. Innerhalb eines Hadoop-Clusters sind die Modellierer YARN-Container.

    Trainierte ML-Modelle werden in die Datenschicht zurückgeschrieben; das Modell-Leaderboard auf dem Anwendungsserver reflektiert ihre Genauigkeit. Trainierte Modelle können auch auf den Prediction-Serverumgebungen bereitgestellt werden.

    Dedizierte Vorhersage-Server sind der wichtigste Teil jeder auf Analytics basierenden Unternehmung. Sie ermöglichen Echtzeit-Entscheidungen: schnell und zuverlässig, ohne Angst vorm Scheitern oder Zuspätkommen.

    Zudem werden die wichtigsten Statistiken zu diesen Vorhersagen und die gelieferten Daten zurück an den Anwendungsserver gegeben und den Nutzern angezeigt, um die Gesundheit der Modelle zu überwachen. Der Vorhersage-Server kann auch in einer von der DataRobot-Plattform getrennten Umgebung bereitgestellt werden, was Unternehmen das Deployment von Modellen in segregierten Netzwerken ermöglicht.

  • Speicherung und Konnektivität

    Ohne Daten gibt es weder Data Science noch Maschinenlernen. DataRobot bietet mehrere Möglichkeiten zur Anbindung von Unternehmensdaten, die zur Erstellung von ML-Modellen genutzt werden sollen. DataRobot liest Daten aus URLs (inkl. Amazon S3 buckets), HDFS (für Hadoop-Installationen), Datenbanken (via JDBC-Driver) und direkt aus hochgeladenen Flat Files (csv, xlsx, tsv, etc.). Alle Daten werden bei der Übertragung verschlüsselt.

    Die Datenspeicherung in DataRobot hängt von der gewählten Deployment-Methode ab. Hadoop-Deployments speichern alle relevanten Daten in HDFS.

    Bei regulären Linux-Deployments werden die Daten in einem Gluster-Dateisystem gespeichert, das mit Mehrfachkopien repliziert werden kann. Bei Nutzung einer AWS VPC kann DataRobot direkt in einen privaten Amazon S3 bucket schreiben. Im Interesse maximaler Sicherheit können alle in DataRobot gespeicherten Daten verschlüsselt werden.

  • Innere / Interne Komponenten

    Alle DataRobot-Komponenten sind modular im Design und können problemlos über mehrere Maschinen verteilt werden. Eben dieses Design ermöglicht DataRobot die horizontale Skalierung zur Anpassung an veränderte Geschäftsanforderungen.

    Alle Dienste laufen in Docker-Containern. Dadurch können mehrere Instanzen bestimmter Dienste auf mehreren Maschinen laufen, was hohe Verfügbarkeit und Resilienz in Disaster-Recovery-Situationen gewährleistet.

    Alternativ kann das Unternehmen alle Prozesse auf einem Server laufen lassen – sowohl bei Umgebungen mit weniger stringenten Verfügbarkeitsanforderungen oder zur Evaluierung der Plattform als Teil einer Machbarkeitsstudie (Proof of Concept).

    • PredictIT: Qlik & DataRobot

      Wie entwickelt sich die Zukunft? Weil dies ungewiss ist, modellieren Datenexperten auf unterschiedliche Arten Szenarien und prädiktive Vorhersagen.