# Kumo.ai

Kumo.ai 透過類 SQL 介面，根據資料倉儲資料產生預測。

- Findings24: <https://findings24.com/zh-TW/tools/kumo-ai>
- 網站: <https://kumo.ai>
- 價格: Freemium
- 分類: AI SQL助手, AI行銷分析

## 什麼是 Kumo.ai？

Kumo.ai 是一個用於關聯式資料的預測型 AI 平台。其核心產品 KumoRFM 被描述為關聯式基礎模型，可直接根據資料倉儲資料產生預測，而不需要手動特徵工程或傳統 ML 管線。

使用者透過 Predictive Query Language（PQL）這種類 SQL 介面來定義預測任務，接著可要求輸出例如流失、詐騙、需求、排序或推薦等預測。此平台定位於希望快速建立預測工作流程、並可選擇針對任務進行微調以提升效能的團隊。

## Kumo.ai 能做什麼？

### Predictive Query Language

使用 PQL 定義預測任務，這是一種類 SQL 語法，可指定預測的目標與資料脈絡。

### 以資料倉儲為原生的工作流程

從已連接的資料倉儲開始，無需傳統的特徵工程或管線流程即可產生預測。

### 即時預測與微調

使用 KumoRFM 取得即時預測，並可在任務需要更多最佳化時進行微調。

### 自動化 ML 管線步驟

讓系統自動化主要的 ML 步驟，例如特徵準備、標籤工程、訓練資料集建立、模型最佳化與 MLOps。

### AI 輔助撰寫

使用程式碼代理將自然語言轉換為 PQL，並支援在 notebook 或 IDE 中以 SDK 為基礎的工作流程。

### 代管式 SaaS 架構

採用將面向使用者的預測查詢介面與底層快取、後設資料與處理層分離的架構。

## 使用情境

### 關聯式預測任務

透過撰寫預測查詢，而不是組裝傳統訓練管線，來建立流失、詐騙、需求或排序問題的模型。

### 風險與詐騙偵測

將平台用於交易詐騙、帳戶盜用、詐騙集團偵測、拒付預測，以及類似的風險導向工作負載。

### 客戶成長與個人化

將 Kumo 應用於潛在客戶評分、客戶終身價值、挽回目標、交叉銷售與產品推薦工作流程。

### 預測與營運

支援需求預測、庫存規劃、預算配置與供應鏈決策等規劃與營運情境。

### 開發者與資料科學工作流程

使用程式碼代理與 SDK 工作流程，將自然語言問題在 notebook 或 IDE 中轉換為 PQL。

## 常見問題

### Kumo 的建模方式是如何運作的？

Kumo 使用 Predictive Query Language（PQL），一種類 SQL 介面，來定義預測任務。文件指出，平台可以根據該查詢自動化特徵工程、訓練表生成與模型訓練。

### Kumo 是否需要將資料移到另一個系統？

首頁說明 Kumo 可直接連接到您的資料倉儲，而安全性文件指出，使用者透過預測查詢介面存取平台，同時資料仍保留在客戶資料儲存區中。

### Kumo 是為哪些使用案例而設計的？

來源資料顯示，Kumo 適用於詐騙偵測、流失預測、需求預測、潛在客戶評分、推薦，以及其他基於關聯式資料的預測問題。

### 團隊可以針對特定問題自訂 Kumo 嗎？

首頁指出 Kumo 可針對特定使用案例進行微調，且概述表示它同時支援即時的情境內預測與針對任務的最佳化。

### 網站上有公布定價嗎？

首頁包含定價連結，但目前定價頁面為 404，且在已收集的來源中沒有可用的定價細節。

## 快速資訊

- **類別**: 預測型 AI 平台
- **主要介面**: Predictive Query Language (PQL)
- **核心模型**: KumoRFM 關聯式基礎模型
- **主要使用者**: 資料科學家、ML 工程師與商務主管
- **定價**: 未在已收集來源中公布
- **網站**: kumo.ai