自适应分析（Adaptive Analytics）是一项可选扩展，它在 InterSystems IRIS 和热门商业智能 (BI) 和人工智能 (AI) 客户端工具之间提供了面向业务的虚拟数据模型层。 它包含直观的用户界面，便于以虚拟多维数据集的形式开发数据模型，这种模型支持组织数据、定义一致的计算测量结果以及明确命名数据字段。 拥有集中式通用数据模型，企业可以解决定义和计算中存在分歧的问题，从而为最终用户提供一致的业务指标和数据特征视图。
2022 年 12 月 1 日，中国，北京——致力于帮助客户解决最关键的可扩展性、互操作性和速度问题的创新数据技术提供商 InterSystems 今天宣布，在Forrester日前公布的《The Forrester Wave™：事务分析型数据平台（2022年第4季度）》报告中，InterSystems IRIS® 数据平台被评为领导者。
当我们使用IRIS时，我们通常有能力快速的部署一个现成使用的BI基础模块（数据、分析立方体和IRIS BI仪表盘）。当我们开始使用Adaptive Analytics时，我们通常希望有同样的功能。Adaptive Analytics拥有我们需要的所有工具。文档中包含了对如何使用开放的网络API的描述。用户界面和引擎之间的所有交互也都是通过内部的Web API发生的，并且可以被发射出来。
有必要将这两个过程自动化：在容器中部署Adaptive Analytics和直接部署到服务器系统。为此，最简单的方法是使用bash脚本来处理API。我们唯一需要的第三方应用程序是一个名为jq的JSON文件解析器。你可以使用以下命令来安装它：
apt update
apt install -y jq
首先，我们需要登录以获得一个API访问令牌。这个令牌也适用于引擎本身的方法。我们必须将访问令牌保存在一个变量中，因为现在我们几乎在每个请求中都需要它。对于一个标准的登录和密码admin/admin，该命令将看起来像这样：
TOKEN=$(curl -u admin:admin --location --request GET 'http ://localhost:10500/default/auth')InterSystems IRIS是一个伟大的数据平台，它满足了当前市场所需的功能。在这篇文章中，你可以看到我心目中的前10大功能:
针对InterSystems开发者社区的分析。使用InterSystems IRIS BI (DeepSee)、Power BI和Logi Report Designer制作的项目，可视化并分析InterSystems 开发者社区上的成员、文章、问题、答案、观点和其他内容和活动。
你可以看到自己的活动、文章和问题。跟踪你的贡献如何改变开发者社区。
使用IRIS BI、Adaptive Analytics、InterSystems Reports、Tableau和Power BI分析关于你和你朋友的统计数据。
该项目包含预配置的IRIS和Atscale在Docker容器中的部署以及BI系统的项目文件。
更多细节信息请见相应应用的README。
这个项目也支持在线部署，你可以在这里查看。
比较不同的商业智能技术是非常有趣的。我很好奇它们在功能、开发工具、速度和可用性方面有什么不同。
在这个应用程序中，我选择了一个有欧洲各国水状况的数据集。这是一个开源的数据集，包含1991年到2017年的观测数据。
团队和我决定使用IRIS BI、Tableau、PowerBI和InterSystems Reports（由Logi Reports驱动）在这个BI数据集的基础上制作一个模型
对于前端，我们通过Embedded Python在PythonFlask中制作了一个网页界面。
顺便说一下，其结果可以在这个网页上看到：http://atscale.teccod.com:8080/
你可以看看demo stand (演示台)，因为从资源库部署一个容器可能需要多至20分钟的时间。大量的python包，后面会有更多的原因。
主页面
事实上，数据似乎很小，期间只有17年 :)
因此，在现有的基础上，我想延续数据集，为此使用了一个神经网络。使用同样的嵌入式Python，使用了Tensorflow，这个包下载后占据了511MB，不要惊讶
实际上，这也是容器部署时间长的原因--为神经网络下载了很多包，相当多的相关包，安装时间很长。不过会有一篇关于神经网络和Integrated ML（一体化机器学习）的单独文章，我很快会发表。
同事们，大家好
在这篇文章中，我将告诉你我们如何将报告生成时间从28分钟减少到1分钟。让我告诉你我们是如何实现这一目标的
我希望，如果有必要，你将能够为自己重现同样的结果。这篇文章里有一些有用的链接，所以要读到最后。
让我们开始吧。
我们使用Adaptive Analytics和InterSystems Reports Server为一家公司做报告。以前，这个报告是以DeepSee的屏幕截图形式生成的。总的来说，这并不坏，但它花费了大量的时间，而且看起来不是很可读。该报告本身由12页组成，为PDF格式。
一般来说，数据不是太大，不会使报告的生成花费很多时间
然而，在撰写本文时，有一个表包含11,330,263行。不是那么关键，但它造成了延迟。即使是计算行数的查询也需要近30秒
最初，系统的交互方案是这样的：
Atscale创建了自己的数据缓存，这导致了性能的提高。
Logi使用自己的数据缓存，这稍微加快了报告的开发速度。
但总的来说，这仍然导致了报告在28分钟内形成的事实。
鉴于报告只有12页，这个速度还是很慢的。
我们甚至故意添加了新的标签，并将报告中的小部件复制到那里，以便在开发或调试时不需要生成整个报告。也许这就是在Logi上开发时的一种日常技巧，或者说是一种正常的开发方法。总的来说，我们在工作中使用了它
InterSystems IRIS 2021.1 的发布引入了自适应分析(Adaptive Analytics)的介绍。 为了开始使用和熟悉 InterSystems IRIS BI cube示例，我们创建了一个用于自适应分析的 HoleFoods 应用程序示例模版。 此示例应用程序可在 Open Exchange 上获得， 还有一个学习服务课程learning services course 可用于了解有关自适应分析的更多信息。
Hello 家人们，
InterSystems 学习网站有许多非常棒的课程。 因此，如果您想了解 InterSystems 并开始使用 InterSystems，希望这些资源可以帮到你：
您可能已经听说，我们目前正在为所有正在使用 Caché 和 Ensemble 的客户提供限时免费迁移到我们的下一代数据平台 InterSystems IRIS 的机会。
虽然我们依旧如往常一样全力支持那些正在使用 Caché 数据库和 Ensemble 集成引擎的客户，但我们还是认为 InterSystems IRIS 是未来的关键。它结合了 Caché 和 Ensemble 的所有功能，并添加了大量令人兴奋的强大功能，从机器学习到原生 Python。
这也正是我们为现有客户提供迁移到 InterSystems IRIS 并使用这些新功能的原因。 我们也通过就地迁移支持轻松迁移，这意味着无需数据库转换、分步迁移指南、教程等。
听起来挺有趣对吗？ 以下是我针对当前 Caché 和 Ensemble 应迁移到 InterSystems IRIS 的五个主要原因。
在医疗领域，开发创新可以挽救更多的生命。
这也是为什么我们更需要去倾听负责构建未来的人：开发人员。 他们需要什么工具才能更有效地使应用程序更加高效？ 他们面对着什么样的障碍？
InterSystems 不想去做无用的猜测，因此我们推动进行了一项研究，该研究综合了 200 名医疗行业开发者的反馈，深入了解了他们的最大需求。我们认为，这些研究结果为医疗单位和医疗技术公司提供了一个机会，可以帮助他们的开发团队为业务带来新机遇，同样也为临床医生和患者带来更光明的未来。
以下是三个关键要点：
1. 开发人员想要一个统一的医疗平台。
在接受本次研究采访的 200 名开发人员中，有88% 的受访者表示他们是医疗 IT 领域的专家或该领域的技术人员——他们都希望能有最好的、为他们的行业量身定制的开发工具。 这就是为什么一半的受访者将统一的、专注于医疗的数据平台列为购买新开发工具的关键原因。
一个合适的医疗行业开发平台应该包括互操作性/集成引擎、分析工具、面向医疗行业的自然语言处理功能、机器学习工具和 FHIR 服务器，以及其他组件。
如果一家公司能够提供一个包含所有上述组件的平台，那么超过 90% 的开发人员将对这项技术非常感兴趣。
2. 临床数据模型必不可少
2021 年 8 月的学习资料现在可以在learning.intersystems.com上独家获取！您可以：
注意：老是错过最新消息？别担心，我们会在9月恢复正常的邮件发送。