介绍AI时代的数据工具（1）——Polymer

主要观点总结

本文介绍了一个新开启的系列，分期介绍海外AI时代的数据工具。首篇文章重点介绍了Polymer这一AI驱动的数据可视化工具。Polymer能够自动收集数据、组织数据并进行分析，旨在简化数据分析和仪表盘创建过程，方便非专业人士使用。文章从数据收集、数据组织和数据AI三个方面对Polymer进行了详细介绍，并提到了它的亮点和挑战。

关键观点总结

关键观点1: Polymer是AI驱动的数据可视化工具，具备自动收集、组织和分析数据的能力。

Polymer能够从多个数据平台自行获取数据，并整合异源数据。它能够自动生成dashboard，把需要的重点数据都放在一起，并提供各种数据可视化表达方式。

关键观点2: Polymer具有数据连接和整合的功能。

Polymer不仅可以直接连接数据平台获取数据，还能把不同平台的数据整合在一起，方便用户在一个界面查看多个平台的数据。它还提供自动更新的功能，用户不需要做手动操作。

关键观点3: Polymer提供了AI数据分析的功能。

虽然它的AI数据分析水平还有待提高，能够发现异常和找到规律，但还不能深入理解业务。不过，对于需要大量快速生成数据视图的用户来说，Polymer仍然是一个不错的选择。

文章预览

我开一个新的系列，分期介绍海外的AI时代的数据工具。这是第一篇。 在我的心中，AI提供的数据工具，跟过去我用过的所有的数据工具应该都非常不同。 它应该能 够自己收集数据，自己组织数据 ，然后 自己做出数据的分析 。这意味着它能完全取代普通数据分析师的工作。 这三个加粗的部分，也是我认为AI型数据工具的三大必备特征。 同时具备这三大特征的工具有吗？在一定条件下，我认为这样的工具是存在的。当然，类似于人这样的生物，能够自己在数字世界中到处搜集数据，甚至查看物理世界中的数据的这种AI，我想应该还没有出现。 而今天要介绍一个自动数据分析的AI工具，Polymer，则是在一定条件下具备这三个特征的工具。这一类的工具，坦率说，其实市面上如雨后春笋般出来，数量也不少了，但为什么要先介绍Polymer呢？ 因为这个工具 ………………………………