技術特點如下：
1、結構化&非結構化統(tǒng)一處理
2、數據采集清洗同步
3、分布式內存處理
4、多種數據災備方式
5、高并發(fā)、大吞吐、高可靠
6、數據實時處理不落地
7、100%兼容現有Hadoop環(huán)境和傳統(tǒng)數據庫環(huán)境
核心功能如下：
1、語義模型管理
語義模型管理的目標是，盡量降低成熟語義模型開發(fā)工作量，降低模型開發(fā)過程中的交易成本，平滑學習曲線。助推語義能力開發(fā)技術的推廣。
其中，模型從需求采集、語料搜集、標簽/標注、模型網絡搭建設計、模型訓練、驗證、發(fā)布可形成一個流水線管理模式。
�。�1）樣本管理
樣本管理負責采集、維護、管理領域類標簽、標注完成的樣本集。提供按標簽體系，按項目，按場景等多維管理功能。
（2）模型管理
模型訓練管理負責承載既有算法模板管理復用，算法模型參數調優(yōu)，多算法模型對比等功能。同時承擔模型存檔、維護等功能。
�。�3）模型指標驗證
驗證、測試管理承擔各類模型有效性驗證，各參數指標測試等功能，同時提供模擬各落地場景測試環(huán)境的能力。提供功能性測試和非功能性測試環(huán)境管理。
2、數據匯聚與流式處理
平臺利用Dataexchange數據流水線的方式對數據進行實時及批量抽取數據、清洗、轉換、過濾等流式處理，支持文件、數據庫、數倉、網絡、日志、大數據平臺等幾乎所有數據源及數據格式。
（1）操作簡便：
一鍵部署，開箱即用，無需專業(yè)技術背景，簡單易學，普通業(yè)務人員即可操作，降低使用及維護成本。
�。�2）多種數據采集適配接口：
Oracle、SQLServer、MySQL、DB2、PostgreSQL數據庫適配器；Oracle日志采集適配器；Hadoop/HDFS/HBase/Kafka/Spark、MongoDB、Redis、TCP/UDP等多種采集適配器。
�。�3）更好的兼容性，開發(fā)門檻低：
100%兼容現有Hadoop環(huán)境和傳統(tǒng)數據庫環(huán)境，無需用戶在流計算框架上進行編程開發(fā)工作，提供了SQL語義的流數據分析功能，降低了使用門檻。
高并發(fā)、大吞吐、高可靠
數據傳輸可按照優(yōu)先級任務調度、支持定時批量、實時批量數據傳輸，具有大吞吐、高并發(fā)、集群化、高可靠等特點。
�。�4）數據實時處理不落地：
數據處理過程不落地，降低存儲開銷數據實時計算，實時處理。
3、數據匯聚與流式處理
可完成所有的數據采集、傳輸、復制、預處理、融合和內存計算功能；采集來自各種數據庫、消息系統(tǒng)、網站、移動設備、物聯網等數據；內置計算平臺對采集的數據進行實時清洗和計算分析；分析后的數據結果可實時呈現在用戶分析中心。
4、數據對象分析
針對對象、屬性和方法利用關系流對其中的關聯關系進行配置。對象做為屬性與方法的載體，屬性與方法進行關聯，同時繼承面向對象的思想，屬性也可以關聯其他對象，通過關系流配置映射業(yè)務場景，可以根據不同的業(yè)務場景，定義不同的分析對象。
（1）對象管理
對象管理是以抽象的概念來支持業(yè)務的定義，以庫的形式來進行承載，每一個對象都是一個業(yè)務的轉化，將業(yè)務以對象的概念進行抽象的實現；同時對象也是屬性與方法的載體，以對象實體表的身份存在。
�。�2）屬性管理
屬性以獨立的形式存在，可以通過配置與對象和方法進行組合，屬性代表業(yè)務場景的一個元數據，屬性通過關聯方法提取的內容做為元數組的值。
�。�3）方法管理
方法實際指的就是提取數據的功能實現，以庫的形式存在，包含算法和功能方法兩部分，算法目前是指面向NLP領域的算法，方法主要是數據查詢、處理功能的方法；方法可以獨立使用也可以與對象、屬性進行關聯。
