目前数据可视化供应商Qlik公司的研究团队正在改进其Associative Engine，同时也在推进会话分析和多属性数据分析等技术项目。

在这个访谈中，Qlik Research公司高级主管Elif Tutuk详细介绍了她的团队正在为未来产品孵化的新技术项目。Tutuk的研究小组负责过一系列成功的Qlik技术功能，现在这些功能已集成为产品，其中包括Qlik Cognitive Engine（AI框架）和Associative Big Data Indexing–使用户不必在内存中加载数据，并可在数据源上创建关联索引。

Tutuk还解释了她的团队如何进一步推进基于“自连接（livewired）”数据运行Qlik AI Associative Engine的概念，自连接数据会定义数据点之间的连接，并且不是基于开发人员定义的参数。

然后，她详细介绍了正在开发中的最新Qlik技术项目，例如被称为Data Swarm的多属性可视化分析功能，她还谈到他们正在将自然语言处理和语音技术融入Qlik的视觉功能。 Qlik公司希望这些项目有助于将其与Tableau、Tibco和MicroStrategy等竞争对手区分开来。

Qlik公司的Associative Engine如何帮助数据实现自连接？

 Elif Tutuk：对于Qlik的AI引擎，独特之处在于它如何自动地自己关联数据值。我们会对数据运行算法，查看数据值以确定可能发生的连接。

与关系方法（其中人类基于预先设定的问题定义数据之间的连接）相比，使用关联引擎的第一个优点是数据定义自身。从这个角度来看，我使用了这样的术语，即该技术自己连接，这与关系方法不同，关系方法是硬连线且由开发人员定义。当用户提出问题时，他们不必遵循预定义的路径以深入查看数据。

通过使用Qlik Associative Engine，我们会分析完整数据集，这与使用基于关系查询的工具不同。当你以用户身份提出问题时，你已经过滤了数据，因此AI只会查看该数据片段中的数据。

在Qlik，我们正在利用这些问题作为机器理解你的兴趣和设置背景的方式，但是我们并不是在分组数据。你可以获得这些额外的隐藏见解，以帮助你在初始问题之外进行思考，并帮助你开始提出你甚至没有想到的下一个问题。

你的团队还在进行哪些其他Qlik技术项目？

Tutuk：其中之一是视觉体验，这允许用户对数据进行多属性分析。我们一直将其称为Data Swarm。

作为用户，我可以告诉系统我感兴趣的是什么，但是通过我自身的思维，我只能提出有限的属性来分析数据集。但通过使用算法，我们可以帮助用户分析他们的数据，而不仅限于一个维度、一个度量或一些属性。这些算法将数据视为点并确定每个数据点的位置，为用户创建图片以实际查看数据中的模式和异常值。

根据你看到的模式，你可以进一步深入查看所选择的数据，并使用更多传统的可视化进行进一步分析，例如条形图和散点图。目前该功能还不存在我们的产品中；这是一个示例，说明我们正在探索功能以分析具有很多属性的大量数据。

会话分析如何影响你的研究？

Tutuk：我们最近收购了CrunchBot [AI Inc.]，以将自然语言功能引入Qlik Cognitive Engine中。在Qlik Research，我们一直在研究这种会话分析体验。

我非常相信，如果只有一个搜索框，这将无法真正帮助到用户。当你已经知道要问的问题时，你可以使用Google。搜索引擎非常适合这些情况，因为你可以非常快速地获得答案。这就是我们构建具有更自然语言功能的搜索引擎的原因。

但我们现在正在孵化的会话分析体验是将搜索和自然语言功能与视觉功能相结合。试想一下，你提出一个问题，你会得到答案，然后当你问下一个问题时，我们实际上会帮助你直观地看到你正在经历的过程。你可以字面上看到你的思路。这是一种考虑搜索和BI的新方法。

基于当前我们拥有的数据量，我们确实需要创建一种体验，让用户可以同时看到多个可视化，然后与之交互。然后，当你与之交互时，这会让机器了解你的背景以及你感兴趣的事物。这已经在我们的工作路线图中，我们已经有了一个工作原型。

语音搜索将如何在未来的Qlik技术中发挥作用？

Tutuk：语音有它的作用。如果我是一名推销员，我正开车前往下一个目标地点，那么，我只想用语音提出我的问题。这是我们希望在Qlik Insight Bot中实现的功能之一，这正是我们打算替代CrunchBot的新名字。除了输入外，你还可以使用语音命令。

不同的用户有着不同的需求，但他们都有相同的期望 – 他们希望轻松使用该技术，他们希望能够获得可操作的见解。这就是我们目前在Qlik Research工作的目标。