美人可以提供受治理的数据，也就是您需要的指标 是预定义的、可重用的和可靠的吗. 这样就可以了 更容易收集，合并，并从连接的饲料数据 资源直接到您的高级分析模型.
分析更. 争论不.
更快的数据准备可以提高效率和速度 价值的转换.
有效地准备正确的数据
使用流行的工具进行规范分析
从简单的回归预测，到k均值 聚类客户细分-使用 您已经了解并喜欢构建的技术和工具 人工智能和机器学习模型 回答最重要的问题.
根据模型输出立即采取行动
通过交付，更快地从答案到结果 为你的利益相关者和其他人提供可行的见解 端点. 将模型输出与美人中的其他数据集合并 可视化数据，或安排和触发周围的操作 业务流程.
美人在数据科学工作流程中的好处...
节省时间
- 通过统一的机器学习消除数据移动 BigQuery中的工作流
- 使用整洁的数据集来加快模型的开发 查看构建BigQuery ML模型
- 向业务用户展示预测指标，他们就能做到 利用美人的自助服务功能来 实施他们
许多集成
- 与R Studio和Jupyter Notebook的强大数据连接
- 通过BigQuery实现人工智能分析技术的民主化; datarrobot, BIgSquid和其他技术合作伙伴
- 可扩展的机器学习与谷歌TensorFlow和 BigQuery集成
改善结果
- 加强反馈循环以更好地测试和优化 统计模型
- 自动化操作以显示洞察力并触发业务 流程
- 推动你的最高价值的工作，以获得更大的影响 地点和方式
将美人与您最喜欢的工具集成
美人允许你输入你的高级分析模型 使用已清理的数据集，以便您可以花时间 构建模型而不是争论数据.
通过构建减少数据移动和增加反馈循环 将预测模型放入BigQuery数据库 从美人预清理的数据. 模型的表面输出 来帮助实现机器学习的价值 为您的业务操作的模型.
在使用时利用来自美人的预建模数据 Python在你的Jupyter笔记本. 连接到 的API，从预先清理过的 数据集，以帮助加强反馈循环和 减少花费在数据准备上的时间.
使用SDK将美人集成到R-Studio中. 问题的API 从R-Studio调用到预先清洁，预先准备的表面 从美人的数据模型中获取数据.
