簡單、高效、智慧，可快速搭建的企業級Web報表。 從報表開發的資料準備、樣式設計、資料計算、資料視覺化到互動邏輯、共用發佈。
提供豐富的報表資源，囊括分組報表、清單報表、交叉報表、段落式報表、多源報表、分片報表等多種類型報表，以最大程度滿足使用者對報表的選擇需求。
我們同時支援在Word和PowerPoint中將報告範本中的資料元素資料（單數字、表格、圖形）從“靜態”變成“動態”，每當需要使用時， 資料分析師可以像刷新報表一樣刷新這些分析報告，按照所輸入的參數對報告資料進行解讀、討論、建議，從而將更多時間用在“分析”上。
面向資料服務的即席查詢
適用於許可權受控下的明細資料服務
透視分析能夠組合維度、匯總計算、切片、鑽取，洞察資料。
表格查詢：報表通過一個業務查詢直接生成，可實現對資料的再分析，例如切換查詢的參數、更改交叉表/清單表顯示方式、分組展現、聚合、排序、圖形、前端過濾等。
圖形分析：提供柱圖、線圖、圓形圖、堆積圖、雙Y軸、儀錶盤等圖形分析方法，圖形採用HTML5技術動態展現效果。
分析跳轉：使用者可以建立報表連結將多個報表關聯起來，實現從一個報表跳轉到另一個報表。通過報表間的分析跳轉，用戶不僅能夠方便地實現概要資料到明細資料的透視分析，而且可以在關聯的報表之間傳遞參數實現分析流。
預警：可實現對關鍵資訊的即時監控，説明用戶及時發現問題並採取相應的措施，可根據場景設置多種告警條件和告警樣式。
多種輸出方式：支持業務分析結果以TXT、CSV、HTML、PDF、Doc、Xlsx、資料分析包等檔案類型匯出。
多種時間計算：可根據業務屬性設置時間計算及二次計算，如快速分析年/月/日的增長率等；並支援多種應用場景，如自訂周開始時間，取相同時間段的資料做環比等
所見即所得的儀錶盤設計介面，支援各種佈局
豐富的交互控制項和圖表元件，支援智慧配圖推薦
近年來，資料採擷引起了產業界的極大關注，其主要原因是存在大量資料，可以廣泛使用，並且迫切需要將這些資料轉換成有用的資訊和知識。 獲取的資訊和知識可以廣泛用於各種應用，包括商務管理、生產控制、市場分析、工程設計和科學探索等。
資料採擷，就是從大量資料（包括文本）中挖掘出隱含的、未知的、對決策有潛在價值的關係、模式和趨勢，並用這些知識和規則建立用於決策支援的模型，提供預測性決策支援的方法、工具和過程； 是利用各種分析工具在海量資料中發現模型和資料之間關係的過程。這些模型和關係可以被企業用來分析風險、預測未來。
資料採擷的目的就是從資料中“淘金”，是從資料中獲取價值的過程。資料採擷是提供了從資料到價值的解決方案，“機器學習”是資料採擷的基石，“建模”是資料採擷過程中最關鍵的一個環節。
平臺具備流程化、視覺化的建模介面，內置實用的、經典的統計挖掘演算法和深度學習演算法，這些演算法配置簡單降低了機器學習的使用門檻， 大大節省了成本，業務人員可通過輕鬆拖拉拽元件的操作，進行視覺化建模，完成模型流程的搭建，並能將模型發佈管理。
該平臺將機器學習系統做成更加通用的、簡單易用的平臺，可以幫助企業將相關業務輕易接入該平臺，從而幫助企業利用機器學習的手段挖掘分析企業資料和解決相關的業務問題。
平臺彙集50+種資料採擷演算法元件，靈活建立業務模型流程，主要包含基本的資料特徵處理、分類、聚類、關聯、回歸、深度學習演算法，以及支援Java和Python演算法擴展。
随着互联网的广泛普及，语言信息处理的社会需求越来越大，人们迫切需要用自动化的手段处理海量的语言信息。 自然语言处理是计算机科学领域与人工智能领域中的一个重要方向，如何用更高效的算法指导计算机处理大规模数据， 形成可解释、有知识、有道德、可自我学习的自然语言分析系统成为众多AI从业者以及数据分析用户的追求。
Synapse自然语言分析基于预训练的语言模型，赋予智能机器人强大的语言解析能力，能快速的将对应的信息反馈给用户，致力于帮助用户更智能的进行大数据分析，以推动业务发展和产业升级。
用户可在系统通过语音或者文字输入的方式传递自然语言，平台会自行解析后将对应业务主题的数据分析结果或者对应的问答信息反馈给用户， 提供了更智能的用户交互方式，极大的简化了数据分析的过程。用户也可在前端对平台反馈的结果进行核实，提供对应的信息给平台自动调优。
除此之外，平臺還可支援以下功能：