綜合數據管理平臺
概 述
在產品設計中，設計者需要對設計出的產品做出好壞的評價。然而，單純的非好即壞的評價體系，不足以量化優劣程度，也無法明確好壞點在哪，更無法對如何改進提供策略性的指導意見。因此，通過對設計出的產品的各種測試數據進行挖掘，分析出該產品的優劣程度、優劣的關鍵點以及輔助提供修改策略成為當下進行高成本產品設計的主流。隨著機器學習的硬件技術、網絡技術、科學計算架構及個別算法領域的突破，使得利用數學算法為系統作出基于統計和概率的評價體系成為可能。
綜測數據的管控平臺實現數據收集、數據存儲和管理、數據展示以及數據分析四種主要功能；同時具備與其他數據庫的鏈接接口，可以將數據通過一定的協議進行數據拷貝。通過對幾百種特征值的不同批次數據進行分類、聚類、相關性分析等算法，幫助找出最具影響力的幾個或十幾個特征值，從而構建出成果包絡線，并給出數據和算法支撐的理由。從而為用戶對產品質量的量化評價提供切實可行的最小系統架構。
功能特點
◇ 數據收集
與其他系統網絡數據交換，根據制定的數據接口協議定期將數據上傳至綜測數據管控平臺，同時實現本地多節點測試數據上傳，對所有原始數據備份。
◇ 數據存儲和管理
采用高擴展的分布式全文檢索引擎進行數據存儲和管理，可以擴展到多臺服務器，處理PB級的結構化或非結構化數據，實時分析的分布式搜索引擎；支持插件機制，部署可視化插件、同步插件。
◇ 數據展示
基于配置和查詢的可視化界面，可滿足多區域綜測數據共享；基于 API 的可視化輸出和系統集成任務。
◇ 數據分析
根據分析需求定制特殊的統計或算法。通過使用統計學算法對不同批次的數據進行統計分析，通過使用數據可視化技術對該統計結果進行呈現。通過使用聚類／分類分析判斷產品的性質。提供各種算法庫：包括基礎的矩陣計算、離散信號分析、時間序列信號分析、通用統計學分析以及機器學習算法。
我們的優勢
◇ 平臺采用前后端分離結構，采用 python 作為總體框架語言，HTML 和 JavaScript 作為前端應用開發語言，SQL 做后端數據庫語言，層次分明
◇ 在常規的服務器和應用計算機下，數據器響應、業務數據響應、數據分析、API 響應時間均在 1s 以內
◇ 支持多操作平臺和跨平臺工作，Linux、Windows7、Windows10
◇ 預留擴展接口，包括數據對接、算法定制、web應用頁面等
