現代資料科學的應用發展，從商業智慧範疇的描述式分析、診斷式分析，演進到人工智慧（AI）實現預測式分析、處方式分析，相關工具除了基本可視化分析能力，統計數值分析引擎亦不可或缺。
基於中介軟體（Middleware）起家的TIBCO，旗下的TIBCO Spotfire與TIBCO Data Science，具備前述兩種特性，讓資料科學家先以視覺化方式探索數據型態、特徵，複雜問題則可切換到高階的資料科學工具設計機器學習模型，無須自行撰寫Python或R程式語言，實現提高人工找到解答的效率與準確度。
TIBCO（台灣堤巴克軟體）總經理林祐成指出，硬體運算力與數據量的倍增，可說是資料分析工具演進的重要推手。以金融業來看，過去只有實體ATM與網路銀行，在金融科技的發展目標下，行動網銀、第三方支付等應用場景百花齊放，使得資料來源管道變多、變得更加即時，之所以有能力承載，主要因素是硬體資源能夠負荷，軟體工具才得以發揮，每天蒐集幾千萬筆資料量，可達到快速傳輸與運算，實際上是拜硬體所賜，軟體設計的操作介面得以更進一步提高易用性。
可視化分析預處理資料特徵
TIBCO過去推廣商業智慧軟體，主要需求客群大多是金字塔頂端，林祐成說明，十多年前進入台灣市場最早推廣的客群為製造業，後來才跨足到金融業，近幾年又增添超商龍頭、交通運輸業等。如今演進到AI世代，資料科學成為顯學，進階分析軟體才受到更多企業關注，主要是基於TIBCO Spotfire與TIBCO Data Science交叉運用，讓各式應用場景從科學數據中找到解答。
TIBCO大中華區解決方案資深顧問于正之說明，資料分析框架大致分為描述式分析、診斷式分析、預測式分析、處方式分析。描述式與診斷式分析歸類於商業智慧範疇，預測式與處方式分析，即為AI應用的實踐。
可視化分析對資料科學而言至關重要，藉此執行特徵工程（Feature Engineering）了解資料內容型態、特徵。大部分資料科學家會採用統計學的計算公式實作特徵工程，可是統計的特徵工程本身，抽出具有代表性的樣本資料有難度，因為對於數學公式來說，無法理解性別、地址、產品採購總額等數值的意義，只有具備領域知識的分析者可理解數位資料的關聯性。
運用TIBCO Spotfire可視化分析工具先進行特徵工程分析，才得以依據資料型態選擇演算法。接著便可採用TIBCO Data Science實作資料準備，也就是再執行一次特徵工程，進而選用多個機器學習演算分析，完成後進行模型的準確度驗證，挑選出最合適的演算模型，達到預測式分析的能力。
即時分析提出解決問題處方
欲進一步達到處方式分析階段，必須有能力建立即時分析。前述說明運用TIBCO Data Science建立模型之後，開始部署到線上營運的關鍵應用系統，執行程序產生的相關資料可拋送到TIBCO Streaming串流分析工具，運用前述模型即時評估操作行為的風險值，于正之以銀行業為例說明，一旦被判讀有85%為盜刷風險則立即凍結帳戶，此即稱為處方式分析。也就是說，除了建立與部署模型，還必須具備解決問題的能力，才可完整地協助企業整體營運。
TIBCO近期的實際案例是台灣零售業龍頭，建立機器學習模型的目的，是為了即時地掌握全台灣門市銷售狀況與訂單，估算採購貨物的數量以便配送到各地門市。在門市提出訂單時，可即時地進行信用評等，來決定商品的折扣幅度，萬一信用評等顯示為高風險，則直接停止出貨。
此外，TIBCO Spotfire可視化分析工具擁有易於上手的特性，同樣適合第一線部門員工用來查看工作流程中產生的資料內容。TIBCO Data Science則是輔助資料科學家執行任務，首要必須具備數理背景的工程師，或者是商學院的人員，藉由工具來降低門檻。具有領域知識背景的人，不見得是IT專家，現代化工具已經內建許多常見的演算法，第一線員工有機會經過教育訓練，說明資料準備階段須先運行特徵工程、分類，再套用演算法，基礎概念具備後，即可運用工具來實現。
「採用工具輔助首要是為了降低學習門檻，讓商業用戶也得以有機會執行分析，其次是提高工作效率，無須撰寫程式，圖形化介面上拖拉放即可完成機器學習Pipleline。與其搶奪稀缺的資料科學家，不如借助成熟的商業工具力量輔助內部培育人才，特別是能夠理解資料內容意涵的第一線員工，如此才可真正解決營運問題。」于正之說。
工具輔助讓一般員工也可操作分析
過去人工開發數學模型，可能只是解決特定領域的單一事件，或許還足以因應。凌群市場暨產品行銷事業群總處長楊宏祥觀察，隨著物聯網應用逐漸擴展後，蒐集的資料量較以往倍增，已不再是人工建立數學模型可以解答問題。TIBCO等資料分析工具的大廠，近年來開始把長期在企業客戶累積的經驗，逐漸增添內建到工具，並且讓操作介面變得更直覺，降低進入門檻，讓業務、會計等部門，即使不具備工程背景亦可運行資料科學分析。
從近年來新創公司、國際商業軟體大廠發展趨勢即可發現，工具的進化，主要用意是讓不同領域知識的員工得以用來輔助商業決策，可推動企業整體營運朝向智慧化發展。進化過程中不見得是技術上的突破，更多屬於歸納整理應用需求，例如內建普遍採用的演算模型，讓操作者無須重新學習，藉由易於上手的工具輔助，可快速地掌握商業分析的解答，進而提高營運效能。
TIBCO總經理林祐成（右）與凌群市場暨產品行銷事業群總處長楊宏祥（左）攜手推廣成熟的商業分析軟體，降低資料分析學習門檻，讓物聯網等高度數位化應用場域實踐AI應用。
企業各個部門工作者所掌握的領域知識更是資料分析關鍵要素，軟體工具僅可依據特定產業的通用規則研發，但是通常無法完整適應每家企業的工作流程，一旦遇到需要調整之處，往往必須仰賴原廠提供客製化服務。楊宏祥強調，如今的資料科學分析工具，主要目標是讓具備領域知識的工作者運用，快速地產生出演算模型。林祐成以實際參與本土IC設計大廠的專案舉例，TIBCO加入概念驗證是協同該企業的領域專家共同建立分析模型，或許剛開始得投入較多人力成本，隨著分析模型的精準度逐漸提升，才可實際解決既有難以突破的困境。