MiningLamp Diakui oleh Firma Riset Independen yang Terkemuka Forrester, Dinilai di Antara Kalangan Pemimpin Industri
BEIJING, 14 Desember 2018 /PRNewswire/ -- Beijing MiningLamp Software System Co Ltd (disingkat "MiningLamp") hari ini mengumumkan keberhasilannya meraih pengakuan dalam laporan Wave yang baru dirilis Forrester tentang pasar PAML (Predictive Analytics and Machine Learning Solutions) Tiongkok.
Predictive Analytics and Machine Learning (PAML) ialah salah satu segmen pasar big data dan kecerdasan buatan (AI) yang utama. Forrester, lembaga kenamaan dunia yang berspesialisasi di bidang penelitian pasar dan konsultasi, mengkaji sembilan vendor PAML terpenting di pasar Tiongkok.
Kajian ini, bertajuk The Forrester Wave™: Predictive Analytics and Machine Learning Solutions in China, Q4 2018, merupakan penilaian dengan 24 kriteria, mencakup portofolio produk, strategi dan jangkauan pasar yang ada saat ini.
Laporan THE FORRESTER WAVE Predictive Analytics And Machine Learning Solutions in China
Seperti dinyatakan Forrester di laporan ini, DataInsight, visualized knowledge graph analysis platform dari MiningLamp, dengan mudah membangun model machine learning berdasarkan Spark. Lewat kerja sama dengan sejumlah klien, MiningLamp tak hanya menjalankan strategi Litbang (R&D) PAML, namun juga menyajikan solusi vertikal. Misalnya, CONA mendukung automatic data governance dan memiliki layanan rekayasa. SCOPA menawarkan sejumlah model PAML yang sangat abstrak dan terspesialisasi bagi sektor keamanan publik, keuangan dan manufaktur.
Knowledge graph di sektor keamanan publik yang dipelopori MiningLamp, telah menghimpun lebih dari 80% model data yang berbeda-beda. Berdasarkan vertical knowledge graph yang mendalam - perangkat penting bagi klien, MiningLamp tak hanya mewujudkan integrasi vertikal, namun juga mulai memperbesar skala sektor cognitive intelligence yang lebih mapan.
Sejak berdiri pada 2014, MiningLamp tetap berkomitmen dalam kegiatan Litbang di berbagai teknologi kognitif guna memetakan industrial knowledge graph untuk sejumlah instansi pemerintah dan perusahaan di sektor keamanan publik, kota digital, rekayasa industri dan keuangan. Kini, MiningLamp secara bertahap menghubungkan persepsi dan kognisi di beragam skenario aplikasi.
MiningLamp menjalankan knowledge graph pada keamanan publik di lebih dari 30 instansi provinsi dan kota di Tiongkok, melindungi beragam ajang keamanan domestik dan internasional. Di sektor keuangan, MiningLamp membangun knowledge graph perbankan bertaraf nasional yang pertama, dan memprakarsai sistem aplikasi berdasarkan beragam skenario bisnis sebagai tolok ukur perbankan seperti People's Bank of China (PBC), China Everbright Bank (CEB) dan Bank of Communications (BOCOM). Hasilnya, MiningLamp meningkatkan kemampuan manajemen risiko dan efisiensi pengendalian risiko bank-bank itu. Bagi kota digital, MiningLamp membantu sejumlah klien untuk membuat platform canggih perdana di Tiongkok yang mengelola seluruh daur hidup data otomotif.
MiningLamp juga meningkatkan efisiensi kerja dan mempermudah risiko keamanan serta biaya operasional berbagai perusahaan kereta api, menempatkan industri transportasi di jalur penggunaan TI dan teknologi canggih. Dengan demikian, MiningLamp berupaya menggabungkan kepiawaian industri dengan layanan big data yang terpadu yakni "teknologi + bisnis + standar" dalam sektor keamanan publik, teknik industri, kota digital dan keuangan, memperbarui industri, mulai dari pemberdayaan secara individual hingga sepenuhnya mewujudkan kemutakhiran bagi banyak perusahaan.
Sebagai pelopor era big data + AI, MiningLamp menyadari betul bahwa setiap hari, setiap detik, berbagai teknologi dan model bisnis berpadu. Setelah 30 tahun mengembangkan peranti lunak Tiongkok, teknologi informasi digital segera memasuki babak revolusi terbaru. Untuk itu, MiningLamp akan terus berpegang pada prinsipnya, "Terus Mewujudkan Teknologi dan Layanan", memperluas wawasan manusia dengan teknologi, serta meningkatkan efisiensi seluruh industri, sehingga bersumbangsih terhadap promosi big data dan AI di Tiongkok.