思迈特企业数据挖掘平台（SmartbiMining）是用于预测性分析的独立产品，旨在为企业所做的决策提供预测性智能。该平台不仅可为用户提供直观的流式建模、拖拽式操作和流程化、可视化的建模界面，还提供了大量的数据预处理操作。此外，它内置了多种实用的、经典的机器学习算法，这些算法配置简单降低了机器学习的使用门槛，大大节省了企业成本，并支持标准的PMML模型输出，可以将模型发送到Smartbi统一平台，与商业智能平台实现了整合。

Smartbi Mining数据挖掘平台支持多种高效实用的机器学习算法，包含了分类、回归、聚类、预测、关联，5大类机器学习的成熟算法。其中包含了多种可训练的模型：逻辑回归、决策树、随机森林、朴素贝叶斯、支持向量机、线性回归、K均值、DBSCAN、高斯混合模型。除提供主要算法和建模功能外，Smartbi Mining数据挖掘平台还提供了的数据预处理功能，包括字段拆分、行过滤与映射、列选择、随机采样、过滤空值、合并列、合并行、JOIN、行选择、去除重复值、排序、增加序列号、增加计算字段等。

Mining数据挖掘产品特色

Mining数据挖掘功能架构

数据挖掘演示视频

.cn/video/sjwj.mp4

专业的实施方法指导

数据挖掘应用场景示例

精准营销-挖掘贵金属潜在客户

需求分析

客户是企业盈利的要素，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。

银行零售客户流失预测

需求分析

现在银行产品同众化现象普遍存在，客户选择产品和服务的途径越来越多，客户对产品的忠诚度越来越低，客户流失已经成为银行业最关注的问题之一。而获得新客的成本远高于维护老客户成本，因此从海量客户交易数据中挖掘出对流失有影响的信息，建立高效的客户流失预警体系，提前做好营销挽留，降低流失风险尤为重要。

适用场景/行业

银行、电商、餐饮、证券公司等预了解客户或员工的稳定性，防止流失率过大而影响企业效益的情况。

电力窃漏电用户自动识别

需求分析

适用场景/行业

水电局识别窃漏电，政府税务识别漏税人，学校贫困生鉴定等。

航空公司客户价值分析

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。