人工智能大数据分析平台(AI)解决方案.pptx

人工智能大数据分析平台(AI)解决方案.pptx

《人工智能大数据分析平台(AI)解决方案.pptx》由会员分享，可在线阅读，更多相关《人工智能大数据分析平台(AI)解决方案.pptx（28页珍藏版）》请在冰豆网上搜索。

人工智能大数据分析平台,面向企业级用户的一体化大数据分析应用平台,1.2.3.,目录CONCENTS,产品介绍产品优势产品案例,自助式分析结论深度不足,业务专家被统计学、算法拒之门外,一体化过多的工具，呈碎片化，带来了巨大的学习成本与部署成本,企业级分析的结论，仅仅停留在了报告层面，没有固化推广，成为新的知识与经验,不能满足复杂的企业级应用,工具的使用门槛高,工具碎片化程度高,面向企业级全民用户的,|一体化大数据分析应用平台,数据应用,数据源,数据分析,分布式算法库（Scala）,基础算法库（JavaPythonR）,挖掘流程机（MPM）,应用服务层（Java，Html5，JS）,数据接入,接口服务HDFSAPI,HbaseAPI，webservice,日志文件Flume,消息队列JMS、Kafka,数据存储,分布式文件系统HDFS,列式数据库HBase,分布式数据仓库Hive,关系数据库Oracle/MySQL,数据计算,分布式查询服务Hive、Impala、Presto、drill,分布式并行计算Spark、MapReduce,TensorflowOnSpark,ZOOKE,EPER,ANG,LIA,资源管理YARN,资源资源协作监控G,数据库Sqoop,预处理算法,自然语言处理,自动择参,特征工程,深度学习,自动学习,统计分析,机器学习,聚类、分类、回归、时间序列、关联、推荐、评价、NLP等分布式算法模型,对模型的效果和性能进行评估，主要是理论检验和实践验证。

将模型固化应用在实际系统和流程中，从而实现业务数据生产价值。

Excel、Teradata、Oracle、HDFS、GP、HBASE、HIVE等20余种类型,用户通过抽样、升降维、连接等操作实现数据高级转换，完成特征工程构造。

自动化、智能化模型构建和评估,灵活的流程设计,模型评估实现自动选取性能最好的算法模型交叉验证衡量参数设置下的预测效果自动择参实现自动选取最优模型类型和参数变量选择实现自动选取最优属性子集自动分类实现多种模型的最优模型推荐循环实现批量处理和差异化建模,拖拽式、可视化操作，无需编码，简单操作即可分析出想要的结果子进程完成复杂流程的嵌套多分支实现同样数据的多分支流向参数实现流程的设计和控制,利用分布式环境中强大的数据操作和处理功能，用户可按照行、列、表等类型操作，进行数据类型变换、缺失值处理、数据抽样、数据连接和属性衍生，实现特征工程构造。

同时，平台支持主成分等高级功能为大数据集进行属性降维，为后续的机器学习算法准备分析数据。

涵盖描述数据统计、直方图、相关分析、典型相关分析、偏相关分析、方差分析、P-P图、Q-Q图以及相似度等统计方法和图表。

用户基于这些统计方法进行交互数据分析，掌握数据的分布特征。

行业重要突增突降业务重大异常变动监测分析,小微、小区战略方向分析,行业重要战略性指标趋势分析（发电量、用电量等）,业务分布区域分析（标杆支行、明星业务）,重点大客户/行业结构分析,风险管理统计,时间序列业务指标未来发展规律、变化趋势预测（趋势性、季节周期性、扰动性）,聚类市场细分、客户画像、精准营销高价值客户和长尾客户的标签体系,分类/回归小额授贷、流失预警等,综合评价业务督导、绩效考核、客户综合价值评价各个业务机构排名/流程审批效率对比,关联/推荐客户需求判断、产品相关性分析、产品交叉营销、捆绑销售等,涵盖聚类、分类、回归、自然语言处理、时间序列、关联、综合评价、推荐等8大类机器学习算法。

用户基于这些算法构建模型，对模型的表现进行评分，从而开展深度数据分析，发掘蕴藏在业务数据中价值。

自然语言处理舆情分析、情感分析、主旨话题分析、特定信息抽取,算法类别,分类算法,回归算法,算法逻辑回归分类、朴素贝叶斯、XGBoost分类、贝叶斯网络分类、神经网络分类、随机森林分类、支持向量机分类、CART、ID3分类、C45+决策树分类、梯度提升树分类、L1/2稀疏迭代分类、RBF神经网络分类、KNN、线性判别分类、Adboost分类、Bagging分类算法、DNN分类等线性回归、决策树回归、SVM回归、梯度提升数回归、BP神经网络回归、保序回归、曲线回归、随机森林回归、L1/2稀疏迭代回归、Bagging回归算法、DNN回归、LSTM回归等,聚类算法,KMeans、模糊C均值、EM聚类、Hierarchy、Kohonen聚类、视觉聚类、Canopy、幂迭代等,关联规则/推荐算法,Apriori、FPGrowth、序列、协同过滤等,时间序列算法,ARIMA、稀疏时间序列、指数平滑、移动平均、向量自回归、X11、X12等,综合评价算法,熵值法、TOPSIS、层次分析法、模糊综合评价法等,自然语言处理,分词、特征选择、信息抽取、文本过滤、向量空间、关键词提取、主旨话题分析、观点情感分析、垃圾违禁信息监测、结构化输出等,集成学习是一种能在各种的机器学习任务上提高准确率的强有力技术，集成算法往往是很多数据竞赛关键的一步，能够很好地提升算法的性能。

平台提供Bagging、Voting等集成学习框架节点，同时支持Xgboost、GBDT、Adaboost等集成学习算法。

平台一方面提供深度学习节点式建模（DNN、LSTM、RNN），另一方面通过整合当前行业内最流行的深度学习框架，如TensorFlow，提供用户编码式构建深度学习网络。

深度建模资源配置,信息洞察,模型评估的效果和性能：

支持同一类型下同一个算法的不同参数比较,支持同一类型下不同算法的比较,标准权威，评价指标维度多样化,分类模型评估,聚类模型评估,回归模型评估,时间序列模型评估,内容丰富丰富详实的洞察内容，包括数据分布、分析结果、模型信息、模型对比、模型评估等，帮助用户轻松获取隐藏在业务数据中的规律和模式。

全流程用户对于挖掘流程中的任意节点，包括数据接入、数据处理、模型建立、评估等，在平台的洞察中均可以实现结果洞察。

洞察,可以将分析建模所构建的智能模型以数据或服务方式接入，通过在线提供的设计工具，构建智能化应用。

调度、服务（同步、异步）,在线构建,智能应用设计,智能应用,分析建模,1.2.3.,目录CONCENTS,产品介绍产品优势产品案例,对象：

面向业务人员、公民数据科学家、数据分析师、数据科学家的自助式分析工具,高级编程自定义算法,引导式启发式交互式,专业敏捷易用,非代码偏好型人员：

拖拽式进行数据准备和机器学习，可视化的分析操作，轻松获取预测性解决方案,代码偏好型人员：

能让用户方便地将R，Python，Java，Scala和SQL等脚本语言嵌入到预测性分析流程中,零编码拖拽式,从IT驱动转为业务主导的数据价值分析与应用,平台提供120多种算法，包括预处理算法、统计分析、机器学习、文本分析、深度学习算法、智能学习、集成学习等。

能够灵活的融入企业现有业务系统，基于分析成果快速构建专业数据智能应用，无缝整合第三方系统。

插件化系统结构，可视化图表与挖掘算法节点，易于扩展。

支持SQL、Java、python、R、Scala、TensorFlow可编程节点。

插件化系统结构，易于用户自定义算法快速集成。

平台提供高扩展性，能够轻松完成算法新增，协助企业实现知识沉淀。

支持主流的操作系统Windows、Linux等。

支持单机、集群方式部署。

大数据分析平台,数据权限、角色权限、成果权限控制，有效保障企业数据安全,团队协作式分析，跨越部门限制，IT、数据分析与业务人员的有效协同,多渠道分析成果分享，内部数据价值的传递与共享,无缝融合企业门户网站、业务系统、决策支持系统,融合,共享,协同,安全,1.2.3.,目录CONCENTS,产品介绍产品优势产品案例,通经过业务活动的持续验证，分析模型支撑效果显著。

成本降低为30%，营销活动效果增长3倍多。

银行代发业务实现了“公私联动”，高成本对公存款转化为低成本的零售存款后，资金流失严重，行业平均水平在20%左右，且随着周期波动异常。

聚类分群（客户价值分群，定位目标子客群）关联推荐（产品交叉推荐）分类预测（精准定位产品营销群体）,重过载管理由事中监控和事后处理转变为预测预防，有效提升电网安全及供电可靠性。

通过配变安全系数评价，实现配变损耗评级，提升设备使用寿命，消除电网安全隐患。

基于客户现有工业互联网平台，开发出产品噪音大数据智能检测系统，有效解决人工检测无法准确、可靠识别异音的痛点。

1）通过对评论的情感分析，获取不同区域用户对不同品牌产品的喜爱程度，推动平台区域化营销战略；通过对评论的主题分析，获取不同年龄用户对不同品牌产品的评论焦点，为用户购买提供针对性建议，提升平台购物体验；,+服务解决方案,售电量预测分析用户用电行为分析配网特殊时段分析设备资产全寿命预测设备家族性缺陷分析风机叶片结冰预测分析地市公司运监大屏可视化基于机器学习的刀具耐用度优化基于95598工单的客户投诉预警分析基于人工智能技术的冲压件质量检测及工艺优化基于噪声识别的机电产品成品检测及质量追溯利用机器学习实现锻造造质量检测及工艺优化“贷发借”精准营销项目,感谢您的关注！