智能BI平台 AI

专业的算法能力
内置50+挖掘组件，包含了分类、回归、聚类、预测、关联等机器学习的成熟算法支持文本分析处理，支持使用Python扩展挖掘算法，支持使用SQL扩展数据处理能力
可视化流式建模
为用户提供可视化建模界面，预置大量数据处理及算法节点，通过拖拽的方式实现流式建模，方便用户快速构建数据挖掘模型
AutoML
将数据来源、特征、模型、优化、评价有关的重要步骤进行自动化地学习创建，使得机器学习模型通过向导式的方式即可被轻松创建应用
模型自学习
模型自学习根据定期更新的数据实现对模型自动化训练，并能自动将符合一定要求的模型发布或者部署到生产中，从而解决模型长期得不到更新准确性降低的问题，并极大减轻运维人员的工作量
模型对比
模型对比可以展示各个模型的分析结果、不同算法模型的对比分析，并支持导出包括模型参数、特征变量、特征重要性、评估指标等内容的评估报告

数据挖掘应用场景

营销域

满意度评估

客户细分

客户评级

客户挽留

促销分析

精准营销
风控域

专家研判系统

反欺诈诊断系统

异常预警系统

智能审计系统

信用评估

违约分析
运营域

库存优化

增长预测

预测维护

质量评估

效果评估

数据挖掘应用场景

营销域

满意度评估

客户细分

客户评级

客户挽留

促销分析

精准营销

风控域

专家研判系统

反欺诈诊断系统

异常预警系统

智能审计系统

信用评估

违约分析

运营域

库存优化

增长预测

预测维护

质量评估

效果评估

实战应用案例

精准营销-挖掘贵金属潜在客户
电力窃漏电用户自动识别
航空公司客户价值分析

需求分析
客户是企业盈利的第一要素，能够快速识别并争取客户，可以让企业迅速提高竞争力。对于银行零售部门，贵金属营销是一项重要的业务，挖掘贵金属潜在客户，旨在对客户进行精准营销，建立个性化的顾客沟通服务体系，既能降低银行营销成本，又能实现最大化营销效果。
适用场景/行业
银行、证券公司等针对特定的产品营销，需要快速寻找潜在的客户群体的企业。
需求分析
传统的防窃漏电方法主要通过定期巡检、定期校验电表、用户举报窃电、工作人员监控等方法来发现窃电或计量装置故障。但由于终端误报或漏报的情况过多，传统方法无法达到真正快速精确定位窃漏电嫌疑用户的目的。为了精准识别出窃漏电用户，减少对专家的经验知识的依赖性，减少稽查工作人员的工作量，需要建立一个数据挖掘模型，自动检查、判断用户是否存在窃漏电行为。
适用场景/行业
水电局识别窃漏电，政府税务识别偷税漏税人，学校贫困生鉴定等。
需求分析
信息时代的来临使得企业营销焦点从产品中心转变为客户中心，客户关系管理成为企业的核心问题。客户关系管理的关键问题是客户分类，通过客户分类，区分无价值客户、高价值客户，企业针对不同价值的客户制定优化的个性化服务方案，采取不同营销策略，将有限营销资源集中于高价值客户，实现企业利润最大化目标。准确的客户分类结果是企业优化营销资源分配的重要依据，客户分类越来越成为客户关系管理中亟待解决的关键问题之一。
适用场景/行业

需要对客户进行群体划分的企业。

试用流程

提交申请试用
获取License
授权文件
下载产品
上传License
授权文件
产品使用

申请试用