“新基建”方兴未艾，Smartbi Mining如何为产业数字化转型赋能？？

如今,我们的生活、工作已经全面进入数字化的时代,数字经济是中国未来发展的新动能。传统经济发展离不开公路、铁路、机场开发者_运维百科等铁公基的建设,数字经济同样也离不开新型基础设施建设,我们称之为新基建。

在新基础设施复盖的7个领域，5G基础设施建设、大数据中心、人工智能、工业互联网是数字经济的基础设施，与各行各业有关。

新能源充电桩、特高压、高速铁路/轨道交通虽然不是基础设施，但他们是新基础设施投资的重点行业，其发展也离不开数字经济。

新的基础设施不仅可以直接引入经济，还可以帮助数字经济。新的基础设施可以全面改造传统产业，促进产业结构优化升级的信息技术市场化应用，促进数字产业的形成和发展。在

数字经济的背景下，所有数字化都是基于数据，数据是新基础设施的核心:5G提供数据通信网络，大数据中心提供数据管理和计算能力，人工智能提供数据应用手段，工业互联网和新能源充电桩等提供数据应用场景。

同时，数据也是宝物，蕴含着巨大的价值，充分利用可以推进产业数字转型。如果说5G和大数据中心是数字硬件，人工智能是数字软件。

人工智能基础设施建设不断进步机械学习、计算机视觉、自然语言处理等技术，促进智能医疗、智能交通、智能金融等产业的快速发展。

◆数据挖掘是打开数据宝的关键

人工智能有着重要的应用：数据挖掘。作为近年来新兴的计算机边缘学科，在国内外备受瞩目。

随着数据挖掘技术的改进和数据挖掘工具的完善，数据挖掘必将广泛应用于各行各业。

数据挖掘是从大量数据中通过算法发现有价值信息的过程，基于数据库技术、统计分析、人工智能等的技术具有必然性和可行性。

首先，数字经济的到来对数据的处理和利用提出了更高的要求，但传统的数据处理方法不能使用大量的数据，必然需要更先进的数据处理技术。

其次，大数据和云计算技术的发展，有可能通过计算机完成大量数据的处理和分析。

在智能城市领域，数字技术结合了基础地理数据、正射影像、街景影像数据、全景影像数据、三维模型数据，产生了大量的地图数据，在智能城市的建设和应用中产生了从TB到PB级的数据

对于这些大数据，传统的数据分析不适合合合理的分析，数据爆炸但知识不足。

目前，智能城市的智能交通、智能国土等应用程序中的数据库系统主要限于实现数据输入、查询、统计等功能，但无法有效地发现数据中存在的关系和规则，难以掌握数据背后隐藏的知识，无法根据现有数据预测未来的趋势。

这在一定程度上阻碍了智能城市的应用和普及。数据挖掘技术是解决这个问题的最佳方法。

应用数据挖掘技术，可从GIS数据库中发现更多地理知识和地理规律，有效合理分析主题数据，达到城市智能运行、政府科学决策、公众便利生活和企业高效运营。

在银行业，数据挖掘也有很多应用场景，其中之一是风险管理，如信用风险评估。通过构建信用评级模型，可以评价贷款申请人和信用卡申请人的风险。

进行信用风险评估的解决方案可以向银行数据库的所有账户指定信用评估标准，通过一些数据库查询可以获得信用风险列表。

这种高/低风险的评价和分类，基于各客户的账户特征，如尚未偿还的贷款、信用调整报告的历史记录、账户类型、收入水平等信息。

关于银行账户的信用评价，可以采用直观量化的评价技术。用某种权重测量客户的大量信息数据，对各种目标进行量化评价。

以信用评价为例，通过数据挖掘模型确定的权重，评价各申请的各指标，总是得到该申请人的信用评价。银行根据信用评价决定是否接受申请，决定信用额度。

过去，信用评价的工作由银行信用员完成，只考虑就业状况、收入、年龄、资产、负债等几个测试变量。目前，应用数据挖掘的方法可以增加更多变量，提高模型的精度，满足信用评价的需要。毫无疑问，数据挖掘是打开数据宝藏的关键，但推广仍然很困难。

主要原因是数据挖掘技术门槛过高，涉及机械学习、模型算法、python等多项专业技术，一般IT人员难以掌握。市场上也有专业的平台软件，但使用方便性不足，学习困难。因此，简单易用的可视数据挖掘平台非常重要。

思迈特软件制作的Smartbimining操作非常简单，建模、训练、配置等在一个界面上完成。业务人员可以参加，整个过程很直观。

内置的模型算法很多，模型参数也默认调整到最佳状态，大幅度降低了使用阈值。此外，系统可以随时扩展，处理大量数据没有问题。

◆数据挖掘的应用实践

数据挖掘项目成功，不仅有成熟易用的产品，还需要专业的咨询和实施团队。思迈特软件有丰富的数据挖掘实践经验，在不同行业有很多成功案例。

案例1:新冠状病毒感染临床诊断

疫情爆发期间，新冠状病毒主要以核酸检测阳性为诊断标准。但核酸检测效率低，不能保证100%的正确性。

医生的临床诊断也能识别出新的冠状病毒感染者，但医生需要丰富的临床诊断经验。

那么，如何在短普通医生带来丰富的经验，对疫情的快速预防和控制起着重要作用。

此时，思迈特软件基于Smartbi、Mining开发的新冠状病毒感染临床诊断系统有用。

系统利用人工智能机器学习算法，学习老医生的临床诊断经验，完成具有高精度的新冠状病毒感染识别模型，辅助医生迅速进行临床诊断。

发生类似紧急公共卫生事件时，可以为快速诊断、快速隔离、快速治疗患者争取时间，降低病毒传播速度和患者死亡率。

系统能够迅速训练完成新冠状病毒感染的诊断识别模型，具有数据访问、数据处理、模型训练、模型评价、模型配置等全过程的成熟支持。

系统依赖的数据包括流行病史调查数据、患者临床表现数据和实验室检查数据，直接使用这些特征作为训练模型的特征数据。

将加载的特征数据按7:3的比例分割，70%作为训练模型数据，30%作为测试验证模型数据，选择分类模型中的逻辑回归算法、梯度提高决策树，进行诊断模型训练。

使用分解的30%数据进行模型验证，验证训练后的诊断模型对新数据的预测能力。

案例2:银行企业违约风险警报

银行企业违约风险警报项目，根据公共客户的结算行为，以交易频率、交易金额、交易对象等信息为重要基础信息，根据客户行业、规模、经营状况描绘客户图像。

利用SmartbiMining提供的逻辑回归模型，建立客户过期、违约警报。在模型成熟后,利用CRM系统打通客户经理通知渠道,及时向客户经理推送预警数据,做好风险管理。

案例3:保险客户精准营销

在Smartbi Mining里面,首先通过数据源选取准备营销的客户,再基于配置好的条件对客户进行细分。

这些操作可以通过拖动相应的功能图标进行简单的参数配置来实现。其次，根据不同的客户群进行不同的内容交流，根据客户的历史数据用模型算法计算，判断客户是否在邮件中订购了什么链接，是否留下了什么什么样的信息，这些数据返回后，下一个节点进行判断

除了上述案例外，数据挖掘还应用于智能交通、智能环境保护、智能安全、智能能源等多个领域，应用范围非常广泛。随着新基础设施的实施和产业数字转型的不断推进，未来的数据挖掘将有更多的应用场景和需求，数据将为我们的生活和工作创造更大的价值。

思迈特软件也跟随技术发展趋势，不断磨练数据挖掘产品，为国家数字经济发展贡献自己的力量。