用户为什么选择我们
了解业务专家、数据科学家、IT专家如何使用SMARTS™构建数字化业务
具备跨学科技能、深入的业务洞察力和专业领域知识，对于实现数据驱动的自动化决策至关重要。Sparkling Logic的解决方案和平台促进了业务分析师、数据科学家和IT专家之间的紧密合作，助力企业部署高效的决策服务，这些服务不仅优化了客户体验，还助力企业达成既定的业务目标。
业务专家
数据科学家
IT专家
业务专家
业务分析师可以基于SMARTS™将业务需求转化为自动化决策中的规则，还可以基于内部其它工具进一步分析和优化这些决策。通过数据分析和决策模拟，分析师可以探索更有效的策略，从而在确保合规的同时，提升业务成果。
此外，Sparkling Logic还允许分析师深入挖掘数据，进行场景模拟，以找到最佳的决策方案。这种深度的参与和优化过程，不仅提高了业务效率和效果，还确保了企业在遵守相关法规和标准的前提下运作。因此，SMARTS是业务分析师在决策优化方面的得力助手，能够显著提升策略维护效率。
决策建模
决策分析
决策部署
# 利用DMN行业标准和可视化图形工具，业务分析师可以轻松地构建决策模型和业务规则。这些图形工具提高了工作效率，使得分析师能够直观地理解和设计复杂的决策逻辑。通过拖放组件、连接流程和设置条件，分析师可以快速创建决策图，这些图表清晰地展示了决策过程中的各个步骤和条件。
# 使用图形仪表板和模拟环境来定义和跟踪关键的度量和性能指标，这些指标有助于在部署前评估决策模型的质量。仪表板提供实时数据可视化，帮助分析师快速识别模型中的问题和改进机会。
# 经过优化的决策和业务规则被部署于云端或本地环境中。通过实时监控关键业务指标，系统能够自动识别异常事件，并触发相应的策略调整机制，以减少潜在损失。业务决策的持续优化确保了与客户需求和市场变化的同步适应，从而在不断变化的商业环境中保持竞争力。
# 将冠军/挑战者实验进行部署，并分配流量，以评估挑战者策略是否能替代冠军策略。
# 通过大规模的模拟测试，分析师能够评估决策在不同数据段上的表现，或者对比不同的决策策略，以确定最优方案。模拟环境允许分析师模拟输入不同的数据，以测试决策模型的响应和准确性。这些测试结果可以用来优化业务策略，确保它们在实际应用中能够带来最佳的业务成果。此外，模拟还可以帮助分析师预测不同策略对业务结果的影响，从而设定更精准的规则。
# 通过分析历史数据并运用数据洞察，业务分析师能够精准地编写业务规则，确保这些规则符合业务需求。他们可以识别数据中的模式和趋势，从而制定出更加精确和有效的规则。此外，分析师还可以利用模拟工具来测试不同规则集的效果，确保在实际应用中能够达到预期的业务成果。
# SMARTS™与敏捷开发方法论高度兼容，使得业务分析师能够在每个迭代周期或冲刺阶段展示和验证规则的实际应用效果。在敏捷环境中，快速迭代和持续改进是关键，SMARTS™的工具支持这种快速反馈循环，让分析师能够及时调整和优化决策模型，以适应不断变化的市场和客户需求。
数据分析师/数据科学家
数据科学家通常专注于数据模型的开发与测试，以确保其预测力和准确性。然而，他们较少涉足于验证这些模型在实际业务决策中的效能效用，即模型如何产生实际的业务价值。Sparkling Logic SMARTS™平台填补了这一空白，它允许数据分析师和数据科学家将使用 SAS、SPSS、R和PYTHON等工具构建的预测模型通过 PMML 标准导入到业务决策流程中。这些模型一旦集成到SMARTS™中，业务专家便能够实时在业务运营的视角下对其进行评估。此外，SMARTS™支持对模型进行持续的监控和维护，确保它们在面对不断变化的环境和数据时，依然能够保持其效能和准确性。
将数据模型融入业务决策
在业务决策中分析评估模型
在生产环境中部署数据模型
# 从任何主流的商业或开源数据挖掘工具中生成 PMML 模型，并将它们导入到 SMARTS™决策引擎中。导入的模型可以在决策中执行，并进行版本控制、管理。
# 传统模型评估方法通常使用定量和统计的方法对模型的准确性进行评估，而在 SMARTS™中，我们可以在业务上下文中通过业务指标和图表对模型的准确性进行验证。通过这种方式，我们能够更全面地评估模型的业务影响，确保决策者能够基于这些关键指标做出更有利于企业发展的决策。
# 利用图形化工具和强大的map-reduce模拟运行环境，我们确保模型在面对众多且常常相互冲突的业务指标时，能够保持最优状态和良好的业务表现。通过这种方式，我们能够确保模型在复杂的业务环境中依然能够提供可靠的决策支持，帮助企业实现其战略目标。
# 将模型部署到云端或本地的生产环境中，以对模型进行实时评估，并通过关键业务指标和性能指标监控模型的健康状况。这样，我们能够确保模型在实际运行中保持高效和准确，及时发现并解决任何潜在问题。
# 由于基于历史数据训练出的模型在部署后可能表现不佳。因此，在正式切换上线前，我们可以采用 SMARTS™的冠军/挑战者功能将模型在实际环境中进行测试，部署多个挑战者模型。这种方法允许我们在实际业务环境中评估不同模型的性能，通过比较它们的实际表现来选择最优模型，确保最终部署的模型能够满足业务需求并提供最佳的决策支持。
# 除导入PMML模型外，利用 SMARTS™的Bluepen建模功能，用户还能够创建出“可编辑、可解析”的模型，这些模型以业务规则的形式呈现，它们直观易懂，便于在业务运营决策中应用和调整。
IT工程师
随着大数据行业的出现和面向服务的应用程序设计的理念的兴起，IT工程师们面临着巨大的压力，需要更快速地向业务交付更多的功能。与此同时，技术环境的复杂性也在增加，要求在集成各类云和本地技术的同时满足安全和合规性要求。
Sparkling Logic 提供了一种革命性的解决方案，极大地缩短了IT专业人员将最新业务决策投入生产所需的时间和精力。IT工程师只需在首次搭建好基础设施和生命周期管理流程，数据科学家和业务分析师就能基于SMARTS™独立管理数据模型和业务决策。通过这种方式，IT开发就不再是模型、业务规则和决策管理中的瓶
颈，而可以更专注于处理系统集成、系统安全和合规性的需求。
如果您正在考虑使用或升级业务流程管理（BPM）和业务规则管理系统（BRMS），不妨了解下我们的解决方案！
赋能业务专家管理业务决策和数据模型的变更
满足苛刻的应用程序管理要求
无缝集成到复杂的IT架构中
# 不论是云部署还是本地部署，SMARTS™中的业务决策既可以作为决策服务被外部系统通过接口进行调用，也可以被嵌入到Java和.NET环境中执行。
# IT搭建好调用框架和生命周期管理流程后，数据科学家和业务专家就可以基于SMARTS™独立自主地维护各自的决策模型和算法模型。
# IT专家负责设置安全流程、生命周期管理和部署配置，而业务分析师和数据科学家则可以在这些配置的支持下，安全地将决策的发布版本推送到各个测试和生产环境中。这种分工合作确保了决策逻辑的更新和部署既高效又安全，同时保持了业务流程的连续性和稳定性。
# 可以在平台中配置与企业统一认证平台的单点登录集成，这样可以满足用户集中管理平台用户权限的要求。通过这种方式，可以确保只有授权用户才能访问敏感数据和决策逻辑，同时保持操作的便捷性和效率。
# Sparkling Logic 的决策服务可以灵活部署在云端、本地，或通过API集成到应用程序或系统中。这样的服务设计是轻量级且不侵入的，使得企业能够根据自身需求选择合适的平台和架构，同时最大化地利用自动化决策的优势。这种灵活性确保了Sparkling Logic 能够无缝融入各种IT架构，支持企业高效地实现业务流程自动化。
# SMARTS™提供对模型和决策的结构化或非结构化的生命周期管理的支持，包括版本控制、发布版本管库、发版和规则库管理，并具备完整的审计功能和恢复能力。这意味着企业可以有效地跟踪和管理决策逻辑的每一次变更，确保合规性和可追溯性。此外，如果需要，可以轻松地回滚到之前的版本，保障业务的连续性和稳定性。
# IT开发必须在满足严格的性能、可用性和可扩展性要求的同时，还能保证快速、敏捷的创新。
# Sparkling Logic 基于当前最先进的云技术构建，内嵌了最新一代的Rete-NT推理算法，并运用了map-reduce技术来增强模拟运行和决策分析能力。这样的技术组合确保了Sparkling Logic在处理复杂决策逻辑时的高性能，同时支持大规模数据处理和分析，为企业提供了强大的决策支持能力。
|
|
