V9产品挖掘篇 -- 机器学习 预测未来
在刚刚过去的Smartbi V9新品释出会上,多位嘉宾为我们带来的精彩演讲在现场引起了热烈反响,小麦从本周开始选取一些整理成文,与未能到场的麦粉们一起分享。现在分享的是Smartbi资深顾问杜健航所作《V9产品挖掘篇 -- 机器学习,预测未来》的演讲。

如刚才我们的CEO所说,目前智慧BI的潮流是不可逆转的,我们公司一直是站在潮头。去年我在广州塔那边跟大家分享了智慧助手小麦,那是代表了我们在智慧BI自然语言分析这一方向的努力和成果。今天,我想介绍的是我们的另外一个方向:资料探勘。这个词有点偏技术,因此,我在开篇准备了两个故事,这也是我们最近做的两个专案,将有助于大家对“资料探勘”的了解。
【故事】
一、银行客户流失预警

银行面临同质化竞争的市场环境,存款的利息都差不多,客户忠诚度也不会很高,现在去拉一个新客户的成本是远远高于维护老客户的成本。因此,很多银行都对防止客户流失很重视。这家银行当时找到我们说,他们有一些历史资料,希望我们能从中预测出客户流失的概率。这些历史资料有客户的固有属性,如年龄、性别等,有行为属性,如银行卡收支情况、银行APP使用情况,还有其它相关的属性。接到这个需求以后,我们把工程师塞进了甲方的小黑屋,一周后他们提交了一个分析模型,这个模型用甲方提供的1000份历史资料测试,准确率达到 86%。然后基于这个模型,为银行的客户建立了标签,分为:流失客户、动摇客户、忠诚客户3类。根据这3类标签,银行可以采取不同的措施。最后银行鍼对“动摇客户”进行二次细分,然后进行鍼对性关怀和奖励,成功挽留了 50%以上的客户,大大节省了投入成本。
二、违章建筑识别

第二个故事与城市管理有关。大家知道在城市管理中,有一个重要的工作内容是违章建筑处理。违建处理首先要去调查与识别哪个是违建,这是一件工作量大,周期长,且有危险性的工作。当前违章的识别是被动式的,靠举报然后人工去查证,我们客户想寻求用技术手段来提高效率。于是我们又把工程师塞进了小黑屋,这次他们一个月后才走出来,因为这次的难度比上一个需求高了不少。这个模型对图片的建筑识别率达到了 90%以上,同时该模型还能对建筑范围进行标定。这里是一个中间结果图片,那些被虚线框起来的就是模型所识别的一个个建筑物,深红色部分就是一个可能违章的建筑,疑似违法扩建。可以看到我们实现了客户的需求,客户因此大大节省了人力,提升了处理速度。原来三四十人的巡查队,变为了五六人的无人机操作与资料处理人员。从这个故事可以表明我们具有应用高阶算法定制客户专属的影象识别能力,也可以应用到其它场景如公众场所人流预警,商场货架补货提醒。
三、全新挖掘模组
我刚才提到工程师为客户需求建立的各种分析模型,就是基于我们的Smartbi V9全新的资料探勘模组Smartbi Mining。这也是今天我要介绍的主要内容。在过去的十多年里,Smartbi的产品团队在传统BI、自助BI领域,将强大功能与简捷易用结合在一起带给我们的客户。今天,我们希望在智慧BI、资料探勘领域能给大家带来同样的感受。
四、Smartbi Mining的优点

Smartbi Mining操作起来非常简单,建模、训练、部署等都是在一个界面完成。业务人员可以参与,整个过程很直观。里面有很多内建的模型算法,模型引数也是预设调整到最优状态,大大降低了使用门槛。而且,系统随时可以扩充套件,处理海量资料也不会出现问题。