SMARTS助力数据驱动型企业向学习型组织转型_sparkling logic smarts-优快云博客

本文链接：https://blog.youkuaiyun.com/xinshucredit/article/details/120506518

SMARTS决策管理平台通过AI & ModelOps模块，简化了预测模型的导入、创建和管理，使业务分析师能直接利用数据科学家的模型。BluePen功能则让业务专家能在短时间内创建预测模型，加速了从数据到决策的过程，推动企业成为学习型组织。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

作者：Carole-Ann Berlioz

如今，预测分析技术在任何数据驱动型的业务中都很常见。通常，数据科学家会先创建预测模型，再由IT人员在生产环境中部署这些模型。在Sparking Logic，我们对上述流程进行了优化与加强。Sparkling Logic SMARTS的 AI & Model Ops是SMARTS的一个内置功能模块，涵盖了从模型导入、模型创建到设置学习任务的整个生命周期。在进一步介绍这个功能之前，我们不妨先简要回溯一下数据本身所经历的各个生命周期阶段。

数据：资源、资产与业务

现如今，数据仍然是业务开展不可或缺的资源。因此，数据通常会由组织CIO领导管理。其核心管理目标为构建组织整体数据架构，选择数据库供应商，并设计应用程序以将数据库中的数据进行加工，转换为业务和职能人员所需的数据形式。这些应用程序中最主要的还是报表分析系统，能够让业务部门基于收集到的数据了解业务的运营情况。

之后大部分组织就会面临第一次转型，此时数据的作用从用于了解业务运营情况转变为用于预测未来业务的发展潜力。预测分析技术增强了报表系统的能力。分析的范围不仅覆盖了已经发生的事情，还包括正在发生和未来可能发生的事情。总的来说，以上两个以过去为中心和以未来为中心的分析涵盖了数据科学在商业领域中的大部分工作，在营销、销售和客户关系管理场景也有非常丰富的应用。

然而，新的组织变革正在进行。首先是在银行、保险和医疗领域，但之后肯定会渗透到其他领域。这种变革包括将分析转化为自动化决策，将预测转化为计划。其目标是创建一个虚拟的循环，在该循环中不仅对业务数据进行分析，而且将此分析转换自动化的业务决策和操作，并基于此处理新的业务数据。此时，描述性分析与预测性分析就被规范性分析所取代。规范性分析可以告诉我们当预测的事件发生时，我们的最佳处理方式是什么。

因为预见到这一趋势，Sparkling Logic的创始人设计了SMARTS决策管理平台，以实现数据、洞察和决策的循环。Sparking Logic SMARTS还配备了一个内置的AI和ModelOps管理模块，该模块涵盖了预测模型的全生命周期管理操作，从机器学习模型的导入到模型创建（无需专业的建模知识），再到模型的启动和管理。

Sparkling Logic SMARTS AI & ModelOps

预测模型导入

业务分析师可以导入由数据科学家开发的AI、机器学习和深度学习模型，并在业务决策逻辑中加以利用。这些模型可以是用Python、SPSS、SAS或R等相关语言或工具进行开发。只要这些模型可以转换为PMML（一种共享和部署预测模型的标准）格式或可以部署为服务供外部访问，SMARTS就能够将它们集成到决策逻辑中共同管理。

SMARTS支持导入PMML格式的neural networks, multinomial, general, linear/log regression, trees, support vector machines, naïve bayes, clustering, ruleset, scorecard, K-Nearest Neighbors (KNN), random forest以及其他类型的机器学习模型。

而当模型仅作为一种规范（specification）进行提供时，那么业务分析师可以在SMARTS内轻松地导入这类模型并将其直接转换为可读的业务规则，以实现模型的去黑盒化且易于检查。

在某些情况下，可能还需要将模型部署为服务，并作为外部服务的方式供外部访问。该外部服务可以是预测模型或数据源。SMARTS支持在引擎内调用外部服务，可以通过json-rpc或rest模式进行调用。

BluePen，预测分析技术

当时间很紧迫时，或当模型寿命很短时，抑或当专业知识需要与数据进行比对时，业务专家可以使用BluePen机器学习功能快速创建模型并在决策中进行应用。

BluePen使得业务分析师和业务专家能够基于业务经验和专业知识来探索和分析数据，并为模型进行变量的筛选与选择。然后，基于所选择的变量，BluePen可以快速地以决策规则、表或树的形式生成模型，并将它们集成到决策逻辑中。

使用BluePen，用户可以在数小时或数天内创建有意义的预测模型，而通常情况下，这类模型的创建与训练往往需要数月的时间。同时，用户还可以参与到模型的设计或修改。因此，无需对数据分析工作进行大量的投入，就可以在模拟环境中对这些模型进行测试与应用，并在业务决策中快速部署。

无论业务分析师如何选择，都可以在SMARTS中管理各种模型。能够将模型集成到业务决策逻辑中是进行决策性能端到端测试的必要条件。

此外，SMARTS允许分析师将许多不同模型的洞察力转化为决策逻辑。通常，以数据为中心的组织将有许多不同的模型，每种模型都有助于深入了解决策的本质。将这些洞察进行编排与组合，能更好地将离散化的预测转变为规范性的决策。

正如SMARTS所设计的一样，将机器学习与自动化决策相结合的好处无异于将企业转变为学习型组织，在这种组织中，数据有助于发现机会，机器学习将数据转化为洞察，自动化决策将洞察转化为行动，从而实现上文提到的数据闭环管理。

划重点

数据的作用已经从用于评估业务运营情况转变为用于预测业务未来的发展，进而又转变为用于改进自动化决策
Sparking Logic SMARTS配备了一个内置AI & ModelOps环境，该环境涵盖了从模型导入到模型创建，再到模型启动和管理等全生命周期的模型管理功能。
凭借其AI & ModelOps功能，SMARTS有助于企业向学习型组织转变，完善数据的闭关管理。利用数据进行分析，从而改进决策，进而使用新的数据不断完善业务决策，取得收益的最大化。