北京,2022年7月19日——Qlik今天宣布对新推出的Amazon Redshift Serverless云数据仓库同时提供Qlik Sense云分析和Qlik数据集成能力支持。越来越多的企业希望能够激活SAP和大型机等关键企业数据源,以便在业务层面开展规模化云分析,客户如今可以利用Amazon Redshift Serverless中的Qlik解决方案,在决策关键时期向业务用户及时提供相关数据。
Qlik技术联盟高级副总裁Itamar Ankorion表示:“自十年前Amazon Redshift首次推出以来,Qlik一直致力于为Amazon Redshift客户提供分析方案。如今,Amazon Redshift Serverless与Qlik数据集成解决方案相结合使用,可以确保我们的共同客户能够从SAP和大型机等关键来源及时获得所需的相关数据,以便按需开展云分析,同时,还可利用Qlik Sense将分析能力通过云端扩展至企业内部各个团队,使团队在决策过程中受益。”
对Amazon Redshift Serverless的兼容支持是Qlik与亚马逊云科技持续深化合作的全新里程碑,双方旨在最大限度地提高企业数据在云分析中的价值。去年,Qlik与亚马逊云科技推出了一项协作解决方案,可以通过Qlik数据集成平台将企业SAP系统中的待分析数据实时提交至亚马逊云科技,以帮助企业从SAP数据中获取更多价值。该协作方案利用了Qlik在访问和转换SAP数据进行分析方面的丰富专业知识,以及在云数据仓库、数据湖和机器学习领域的最佳实践。
施耐德电气财务绩效系统和数据副总裁Clint Clark表示:“能够更轻松地访问和集成SAP数据并借助数据分析结果增强决策能力,这有助于我们从最重要的企业数据资产中开辟一条新的重要价值来源。Qlik数据集成平台可以将SAP数据输送至我们的亚马逊云科技环境中,以便我们更好地发掘SAP数据的价值,这也是我们在企业层面实现完全数据驱动的更宏伟目标的一部分。”
Qlik自2020年起成为亚马逊云科技高级技术合作伙伴(Advanced Technology Partner),2021年完成了亚马逊云科技迁移和现代化能力认证(Migration and Modernization Competency),并在AWS Marketplace上推出了Qlik Sense Enterprise SaaS和Qlik数据集成解决方案。双方广泛和深入的集成与认证表明,客户能够信心满满地将Qlik技术与亚马逊云科技相结合部署,以便从云端所有数据中获取更多价值。
Amazon Redshift副总裁Yan Leshinsky表示:“客户认可Amazon Redshift最佳的性价比和丰富的SQL功能集,包括半结构化数据、机器学习和数据共享等新功能。随着数据量的增加以及从数据中获取洞察的需求不断上涨,客户希望能够将Redshift更广泛地提供给在数据仓库方面并不擅长的用户。借助Redshift Serverless,客户只需简单的操作,就可以获得他们喜欢的一切Redshift功能。简单易用和自动扩展功能以及随用随付模式,使得Amazon Redshift能够更便捷、更经济高效地应用于这些动态业务环境。”
想要了解Qlik在亚马逊云科技平台上的数据分析和数据集成解决方案的更多信息,敬请访问 Qlik官网。
关于 Qlik
Qlik 的愿景是创建一个具备数据素养的世界,在这个世界里,所有人都可以运用数据和分析来优化决策,解决最具挑战性的问题。作为一家私营企业,Qlik 提供了基于云的实时数据集成和分析解决方案,以缩小数据、洞察和行动之间的差距。通过将数据转化为主动智能,企业可以做出更好的决策,提高收入和盈利能力,并改善客户关系。Qlik 的业务遍及100多个国家,为全球38,000多家客户提供服务。
好文章,需要你的鼓励
这项研究由浙江大学、复旦大学等机构联合完成,提出了ReVisual-R1模型,通过创新的三阶段训练方法显著提升了多模态大语言模型的推理能力。研究发现优化的纯文本冷启动训练、解决强化学习中的梯度停滞问题、以及分阶段训练策略是关键因素。ReVisual-R1在各类推理基准测试中超越了现有开源模型,甚至在某些任务上超过了商业模型,为多模态推理研究开辟了新途径。
这项研究提出了一种名为"批评式微调"的创新方法,证明仅使用一个问题的批评数据就能显著提升大语言模型的推理能力。研究团队对Qwen和Llama系列模型进行实验,发现这种方法在数学和逻辑推理任务上都取得了显著提升,平均提高15-16个百分点,而且只需要强化学习方法1/20的计算资源。这种简单高效的方法为释放预训练模型的潜在推理能力提供了新途径。
新加坡国立大学研究团队开发了名为IEAP的图像编辑框架,它通过将复杂编辑指令分解为简单原子操作序列解决了当前AI图像编辑的核心难题。研究发现当前模型在处理不改变图像布局的简单编辑时表现出色,但在需要改变图像结构时效果差。IEAP框架定义了五种基本操作,并利用思维链推理技术智能分解用户指令,实验证明其性能显著超越现有方法,尤其在处理复杂多步骤编辑时。
Character AI的研究者开发出TalkingMachines系统,通过自回归扩散模型实现实时音频驱动视频生成。研究将预训练视频模型转变为能进行FaceTime风格对话的虚拟形象系统。核心创新包括:将18B参数的图像到视频DiT模型改造为音频驱动系统、通过蒸馏实现无错误累积的无限长视频生成、优化工程设计降低延迟。系统可让多种风格的虚拟角色与人进行自然对话,嘴型与语音同步,为实时数字人交互技术开辟了新可能。