ThoughtSpot

αž…αŸ†αžŽαžΆαžαŸ‹αžαŸ’αž“αžΆαž€αŸ‹αžαŸ’αž›αžΉαž˜αžŸαžΆαžš
αžŸαŸαž€αŸ’αžŠαž·αžŸαž˜αžŸαž˜αŸ’αžšαžΆαž”αŸ‹ 3+
5αž–αžΆαž“αŸ‹+
αž€αžΆαžšαž‘αžΆαž‰αž™αž€
αž…αŸ†αžŽαžΆαžαŸ‹αžαŸ’αž“αžΆαž€αŸ‹αžαŸ’αž›αžΉαž˜αžŸαžΆαžš
αžŸαŸαž€αŸ’αžŠαž·αžŸαž˜αžŸαž˜αŸ’αžšαžΆαž”αŸ‹ 3+
αžŸαŸ’αžœαŸ‚αž„αž™αž›αŸ‹αž”αž“αŸ’αžαŸ‚αž˜
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹
αžšαžΌαž”αž—αžΆαž–β€‹β€‹αžšαžΌαž”αžαžβ€‹αž’αŸαž€αŸ’αžšαž„αŸ‹

αž’αŸ†αž–αžΈβ€‹αž€αž˜αŸ’αž˜αžœαž·αž’αžΈαž“αŸαŸ‡

αž‡αžΆαž˜αž½αž™αž“αžΉαž„ ThoughtSpot Mobile, AI-Powered Analytics αž‚αžΊαž„αžΆαž™αžŸαŸ’αžšαž½αž› αž“αž·αž„αž’αžΆαž…αž…αžΌαž›αž”αŸ’αžšαžΎαž”αžΆαž“αŸ” αž˜αž·αž“αžαžΆαž’αŸ’αž“αž€αž€αŸ†αž–αž»αž„αžŸαŸ’αžœαŸ‚αž„αžšαž€αž€αžΆαžšαž™αž›αŸ‹αžŠαžΉαž„αžαžΆαž˜αž–αŸαž›αžœαŸαž›αžΆαž‡αžΆαž€αŸ‹αžŸαŸ’αžαŸ‚αž„αž“αŸ…αž†αŸ’αž„αžΆαž™αž–αžΈαžαž»αžšαž”αžŸαŸ‹αž’αŸ’αž“αž€ αž¬αž‚αŸ’αžšαžΆαž“αŸ‹αžαŸ‚αžαžΆαž˜αžŠαžΆαž“αžšαžœαžΆαž„αž€αžΆαžšαž”αŸ’αžšαž‡αž»αŸ†αž“αŸ„αŸ‡ ThoughtSpot Mobile αž”αŸ’αžšαžΆαž”αŸ‹αž’αŸ’αž“αž€αž’αŸ†αž–αžΈαž’αŸ’αžœαžΈαžŠαŸ‚αž›αž€αŸ†αž–αž»αž„αž€αžΎαžαž‘αžΎαž„ αž“αž·αž„αž˜αžΌαž›αž αŸαžαž» αž˜αž·αž“αžαžΆαž’αŸ’αž“αž€αž“αŸ…αž‘αžΈαžŽαžΆαž€αŸαžŠαŸ„αž™αŸ” αžšαž€αŸ’αžŸαžΆαž‘αŸ†αž“αžΆαž€αŸ‹αž‘αŸ†αž“αž„αž‡αžΆαž˜αž½αž™αž’αžΆαž‡αžΈαžœαž€αž˜αŸ’αž˜αžšαž”αžŸαŸ‹αž’αŸ’αž“αž€αž—αŸ’αž›αžΆαž˜αŸ—αž–αžΈαž€αž˜αŸ’αž˜αžœαž·αž’αžΈ αž αžΎαž™αž•αŸ’αž›αžΆαžŸαŸ‹αž‘αžΈαžŠαŸ„αž™αž—αžΆαž–αž‡αžΏαž‡αžΆαž€αŸ‹αŸ”

αž’αŸ’αž“αž€αž’αžΆαž…αž”αŸ’αžšαžΎ ThoughtSpot Mobile αžŠαžΎαž˜αŸ’αž”αžΈαŸ–
* αžŸαž½αžšαžŸαŸ†αžŽαž½αžšαž—αžΆαžŸαžΆαž’αž˜αŸ’αž˜αž‡αžΆαžαž· αž“αž·αž„αž‘αž‘αž½αž›αž”αžΆαž“αž€αžΆαžšαž™αž›αŸ‹αžŠαžΉαž„αžŠαŸ‚αž›αž’αžΆαž…αž‘αž»αž€αž…αž·αžαŸ’αžαž”αžΆαž“ αž“αž·αž„αž’αžΆαž…αž•αŸ’αž‘αŸ€αž„αž•αŸ’αž‘αžΆαžαŸ‹αž”αžΆαž“αŸ”
* αžšαž€αž˜αžΎαž› αž“αž·αž„αž’αŸ’αžœαžΎαž’αž“αŸ’αžαžšαž€αž˜αŸ’αž˜αž‡αžΆαž˜αž½αž™ Liveboards αž“αž·αž„αž…αž˜αŸ’αž›αžΎαž™αžŠαŸ‚αž›αž”αž„αŸ’αž€αžΎαžαž‘αžΎαž„αžŠαŸ„αž™αž€αŸ’αžšαž»αž˜αžšαž”αžŸαŸ‹αž’αŸ’αž“αž€αŸ”
* αžŸαž·αž€αŸ’αžŸαžΆαž›αžΎαž…αž˜αŸ’αž›αžΎαž™αžŠαŸ‚αž›αž”αž„αŸ’αž€αžΎαžαžŠαŸ„αž™ AI αžŠαžΎαž˜αŸ’αž”αžΈαžŸαž½αžšαžŸαŸ†αžŽαž½αžšαžαžΆαž˜αžŠαžΆαž“αŸ”
* αžαžΆαž˜αžŠαžΆαž“αž€αžΆαžšαžœαžΆαžŸαŸ‹αžœαŸ‚αž„αžŠαŸαžŸαŸ†αžαžΆαž“αŸ‹αž”αŸ†αž•αž»αžαžšαž”αžŸαŸ‹αž’αŸ’αž“αž€αž“αŸ…αž›αžΎαž”αž‰αŸ’αž‡αžΈαžαžΆαž˜αžŠαžΆαž“αž•αŸ’αž‘αžΆαž›αŸ‹αžαŸ’αž›αž½αž“ αž αžΎαž™αžšαž€αžƒαžΎαž‰αž€αžΆαžšαž•αŸ’αž›αžΆαžŸαŸ‹αž”αŸ’αžαžΌαžšαž˜αž·αž“αž’αž˜αŸ’αž˜αžαžΆ αž¬αžŸαŸ†αžαžΆαž“αŸ‹αž—αŸ’αž›αžΆαž˜αŸ—αŸ”
* αžŸαŸ’αžœαŸ‚αž„αžšαž€αž’αŸ’αž“αž€αž”αžΎαž€αž”αžšαžŠαŸ‚αž›αž˜αžΆαž“αž’αžαŸ’αžαž“αŸαž™αž“αŸ…αž–αžΈαž€αŸ’αžšαŸ„αž™αž€αžΆαžšαž•αŸ’αž›αžΆαžŸαŸ‹αž”αŸ’αžαžΌαžš KPIs αž—αŸ’αž›αžΆαž˜αŸ—αŸ” αž…αžΌαž›αž‘αŸ…αž•αŸ’αž“αŸ‚αž€αžαžΆαž„αž€αŸ’αžšαŸ„αž˜αž“αŸƒαž€αžΆαžšαž•αŸ’αž›αžΆαžŸαŸ‹αž”αŸ’αžαžΌαžšαžŠαŸ„αž™αž…αž»αž…αž›αžΎαž€αžΆαžšαž–αž“αŸ’αž™αž›αŸ‹αžŠαŸ‚αž›αž”αž„αŸ’αž€αžΎαžαžŠαŸ„αž™ AI αž“αž·αž„αž–αž·αž“αž·αžαŸ’αž™αž˜αžΎαž›αž€αžΆαžšαžœαž·αž—αžΆαž‚αžŠαŸ‚αž›αž˜αžΎαž›αžƒαžΎαž‰αŸ”
* αžšαŸ€αž”αž…αŸ† αž“αž·αž„αž‘αž‘αž½αž›αž€αžΆαžšαž‡αžΌαž“αžŠαŸ†αžŽαžΉαž„ KPI αžŠαŸ„αž™αžŸαŸ’αžœαŸαž™αž”αŸ’αžšαžœαžαŸ’αžαž· αž¬αž•αŸ’αž‘αžΆαž›αŸ‹αžαŸ’αž›αž½αž“αžαžΆαž˜αžšαž™αŸˆαž€αžΆαžšαž‡αžΌαž“αžŠαŸ†αžŽαžΉαž„αžšαž»αž‰ αž¬αž’αŸŠαžΈαž˜αŸ‚αž›αŸ” αž˜αžΎαž›αž–αŸαžαŸŒαž˜αžΆαž“αž›αž˜αŸ’αž’αž·αžαž”αž“αŸ’αžαŸ‚αž˜αžŠαŸ„αž™αž…αž»αž…αž›αžΎαž€αžΆαžšαž‡αžΌαž“αžŠαŸ†αžŽαžΉαž„αŸ”
* αž…αŸ‚αž€αžšαŸ†αž›αŸ‚αž€αž€αžΆαžšαž™αž›αŸ‹αžŠαžΉαž„αž‡αžΆαž˜αž½αž™αž“αžΉαž„αž€αžΆαžšαž…αž»αž…αž˜αž½αž™αžŠαžΎαž˜αŸ’αž”αžΈαž…αžΆαž”αŸ‹αž•αŸ’αžαžΎαž˜αž€αžΆαžšαž–αž·αž—αžΆαž€αŸ’αžŸαžΆαž‡αžΆαž˜αž½αž™αžŸαž αž€αžΆαžšαžΈαžšαž”αžŸαŸ‹αž’αŸ’αž“αž€αŸ”
* αž”αŸ’αžαžΌαžšαžšαžœαžΆαž„ Orgs αžŠαžΎαž˜αŸ’αž”αžΈαž…αžΌαž›αž”αŸ’αžšαžΎ αž“αž·αž„αž”αŸ’αžšαžΎαž”αŸ’αžšαžΆαžŸαŸ‹αž‘αž·αž“αŸ’αž“αž“αŸαž™αžŠαŸ‚αž›αž–αžΆαž€αŸ‹αž–αŸαž“αŸ’αž’αŸ”
* αž€αŸ†αžŽαžαŸ‹αž•αŸ’αž‘αŸ‡ Liveboard αžŸαž˜αŸ’αžšαžΆαž”αŸ‹αž€αžΆαžšαž…αžΌαž›αžŠαŸ†αžŽαžΎαžšαž€αžΆαžšαžšαž½αž…αžšαžΆαž›αŸ‹αž‘αŸ…αž€αžΆαž“αŸ‹ Liveboard αžŠαŸ‚αž›αž’αŸ’αž“αž€αž…αžΌαž›αž…αž·αžαŸ’αžαŸ”
AI-Powered Analytics
αž”αžΆαž“β€‹αžŠαŸ†αž‘αžΎαž„αž€αŸ†αžŽαŸ‚β€‹αž“αŸ…
28 αž€αž‰αŸ’αž‰αžΆ 2026

αžŸαž»αžœαžαŸ’αžαž·αž—αžΆαž–β€‹αž‘αž·αž“αŸ’αž“αž“αŸαž™

αžŸαž»αžœαžαŸ’αžαž·αž—αžΆαž–β€‹αž…αžΆαž”αŸ‹αž•αŸ’αžŠαžΎαž˜αž–αžΈβ€‹αž€αžΆαžšαž™αž›αŸ‹αžŠαžΉαž„αž’αŸ†αž–αžΈβ€‹αžšαž”αŸ€αž”αžŠαŸ‚αž›β€‹αž’αŸ’αž“αž€αž’αž—αž·αžœαžŒαŸ’αžαž“αŸβ€‹αž”αŸ’αžšαž˜αžΌαž› αž“αž·αž„β€‹αž…αŸ‚αž€αžšαŸ†αž›αŸ‚αž€β€‹αž‘αž·αž“αŸ’αž“αž“αŸαž™αžšαž”αžŸαŸ‹αž’αŸ’αž“αž€αŸ” αž€αžΆαžšαž’αž“αž»αžœαžαŸ’αžβ€‹αž…αŸ†αž–αŸ„αŸ‡αžŸαž“αŸ’αžαž·αžŸαž»αž αž“αž·αž„β€‹αž―αž€αž‡αž“αž—αžΆαž–β€‹αž‘αž·αž“αŸ’αž“αž“αŸαž™β€‹αž’αžΆαž…αžαž»αžŸαž‚αŸ’αž“αžΆαž‘αŸ…αžαžΆαž˜β€‹αž€αžΆαžšαž”αŸ’αžšαžΎαž”αŸ’αžšαžΆαžŸαŸ‹ αžαŸ†αž”αž“αŸ‹ αž“αž·αž„β€‹αž’αžΆαž™αž»αžšαž”αžŸαŸ‹αž’αŸ’αž“αž€αŸ” αž’αŸ’αž“αž€αž’αž—αž·αžœαžŒαŸ’αžαž“αŸβ€‹αž”αžΆαž“αž•αŸ’αžŠαž›αŸ‹β€‹αž–αŸαžαŸŒαž˜αžΆαž“αž“αŸαŸ‡ αž“αž·αž„β€‹αž’αžΆαž…αž’αŸ’αžœαžΎαž”αž…αŸ’αž…αž»αž”αŸ’αž”αž“αŸ’αž“αž—αžΆαž–β€‹αžœαžΆαž“αŸ…αž–αŸαž›αžαžΆαž„αž˜αž»αžαŸ”
  • αž˜αž·αž“αž…αŸ‚αž€αžšαŸ†αž›αŸ‚αž€β€‹αž‘αž·αž“αŸ’αž“αž“αŸαž™β€‹αž‡αžΆαž˜αž½αž™β€‹αž—αžΆαž‚αžΈαž‘αžΈαž”αžΈαž‘αžΎαž™
    αžŸαŸ’αžœαŸ‚αž„αž™αž›αŸ‹β€‹αž”αž“αŸ’αžαŸ‚αž˜αž’αŸ†αž–αžΈβ€‹αžšαž”αŸ€αž”αžŠαŸ‚αž›β€‹αž’αŸ’αž“αž€αž’αž—αž·αžœαžŒαŸ’αžαž“αŸβ€‹αž”αŸ’αžšαž€αžΆαžŸαž’αŸ†αž–αžΈβ€‹αž€αžΆαžšαž…αŸ‚αž€αžšαŸ†αž›αŸ‚αž€β€‹αž‘αž·αž“αŸ’αž“αž“αŸαž™
  • αž€αž˜αŸ’αž˜αžœαž·αž’αžΈαž“αŸαŸ‡αž’αžΆαž…αž”αŸ’αžšαž˜αžΌαž›αž”αŸ’αžšαž—αŸαž‘αž‘αž·αž“αŸ’αž“αž“αŸαž™αž‘αžΆαŸ†αž„αž“αŸαŸ‡
    αž–αŸαžαŸŒαž˜αžΆαž“β€‹αž•αŸ’αž‘αžΆαž›αŸ‹αžαŸ’αž›αž½αž“, αž”αŸ’αžšαžαž·αž”αžαŸ’αžαž·αž€αžΆαžš αž“αž·αž„αž–αŸαžαŸŒαž˜αžΆαž“αž€αž˜αŸ’αž˜αžœαž·αž’αžΈ αž“αž·αž„ αž§αž”αž€αžšαžŽαŸ αž¬αž›αŸαžαžŸαž˜αŸ’αž‚αžΆαž›αŸ‹αž•αŸ’αžŸαŸαž„αž‘αŸ€αž
  • αž‘αž·αž“αŸ’αž“αž“αŸαž™αžαŸ’αžšαžΌαžœαž”αžΆαž“αž’αŸŠαžΈαž“αž‚αŸ’αžšαžΈαž”αžŸαž˜αŸ’αžšαžΆαž”αŸ‹αž€αžΆαžšαž•αŸ’αž‘αŸαžš
  • αž˜αž·αž“αž’αžΆαž…αž›αž»αž”αž‘αž·αž“αŸ’αž“αž“αŸαž™αž”αžΆαž“αž‘αŸ

αž’αŸ’αžœαžΈβ€‹αžŠαŸ‚αž›β€‹αžαŸ’αž˜αžΈ

ThoughtSpot introduces Spotter 3 β€” an AI agent that analyzes structured and unstructured data like a human analyst.
New features:
β€’ Data-aware insights based on query results
β€’ Secure processingβ€”data sent to the LLM only for generating insights
β€’ Analyst-grade reasoning with planning and validation
β€’ Narrative summaries explaining your data
β€’ Automatic model selection across multiple data sources
αž…αŸ†αžŽαžΆαžαŸ‹αžαŸ’αž“αžΆαž€αŸ‹αžαŸ’αž›αžΉαž˜αžŸαžΆαžš
αžŸαŸαž€αŸ’αžŠαž·αžŸαž˜αžŸαž˜αŸ’αžšαžΆαž”αŸ‹ 3+
αžŸαŸ’αžœαŸ‚αž„αž™αž›αŸ‹αž”αž“αŸ’αžαŸ‚αž˜

αž‡αŸ†αž“αž½αž™αž€αž˜αŸ’αž˜αžœαž·αž’αžΈ

αž’αŸ†αž–αžΈαž’αŸ’αž“αž€β€‹αž’αž—αž·αžœαžŒαŸ’αžαž“αŸ
ThoughtSpot, Inc.
prashant.kedia@thoughtspot.com
444 Castro St Ste 1000 Mountain View, CA 94041-2070 United States
+91 97663 88361