【51CTO.com原創稿件】隨著網絡的更新迭代，網絡數據成幾何倍飛速增長，各行各業都面臨著海量數據處理的壓力。當人工不能很好的對龐大數據進行計算與分析時，大數據分析應運而生。

大數據分析現狀

伴隨大數據相關的基礎設施、服務器、軟件系統和理論體系的持續發展，大數據分析方面的解決方案逐漸趨近成熟，且普及開來。隨著大數據技術的迭代更新，自助和自動化的信息服務需求也茂盛起來。雖然業界有諸多簡單易用的大數據分析工具及相關的解決方案，但具備基本的通信技術和信息處理領域的專業知識仍是剛需。

數據分析中的特征工程

在海量的數據分析過程中，特征工程發揮著重要作用。特征工程是為了使特征（數據抽取出來的對結果預測有幫助的信息）在機器學習算法和模型上發揮更優效果的過程，該過程往往需要數據科學家人工地找出***的特征組合，所以在效果及效率上有一定的局限性。自動特征工程出現前，需要依靠人類的經驗去完成這項耗時且龐大的工程。

自動特征組合方式

自動特征工程應用以后，解決了人工經驗不足帶來的不能及時發現有效特征以及自動特征組合繁瑣的問題。目前，機器學習在業界研究自動特征工程問題時，主要從以下三個方向著手：隱式特征組合、半顯式特征組合和顯式特征組合。

其優缺點對比如下表所示：

隱式特征組合、半顯式特征組合和顯式特征組合優缺點對比

AI賦能數據分析，攻克技術壁壘

對于傳統特征工程帶來的低效、復雜等問題，來自寶島臺灣的美商行動貝果MoBagel（以下簡稱行動貝果）給出了自己的解決方案——一款簡單易用的AI預測工具Decanter，Decanter是由行動貝果自主研發的自動化機器學習引擎，結合136種機器學習算法（包含深度學習算法）進行自動建模和優化，為企業大量數據與商業目標在數千算法組合中尋得***模型，提供精準的即時預測分析服務。Decanter主要提供自動化數據清洗、特征工程、建立及調教預測模型三大功能，這樣將數據分析預測變得簡單、準確、快速，同時將全自動機器學習(AutoML)導入企業，建立符合行業需求的AI模塊。

采訪的***，行動貝果的CTO林昭寬表示，比起行動貝果獨自開拓市場，加入微軟加速器·北京第11期后，擁有了更強大的資源優勢與影響力，加上許多校友企業互相幫助，以及微軟加速器·北京本身的市場滲透率與知名度，行動貝果可以快速開拓更廣闊的市場發展與布局。