Smartbi减少了当前依赖IT处理所带来的效率问题和口径偏差，让用户获得更深入的洞察力。
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
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
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
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。pg电子网站对于银行零售部门，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。
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。
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。
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，pg电子网站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。
