我们被信息淹没，但却缺乏知识。

信息化的高速发展，使得我们有了越来越多的数据。从大量数据中提取潜在的有用的知识，帮助企业发展和决策，是当前面临的一大挑战。

传统的做法是建立数据仓库，通过统计方法、人工智能方法（神经网络、模糊逻辑、遗传算法）发现特定模式的规律。这样做能够得到一部分有价值的知识，但是对于如何把知识应用到具体的生产管理过程中，并没有很好的方法。

凌鼎数据挖掘和数学建模团队通过多年业务经验积累，形成一套包括数据挖掘，数学建模，模型检验，模型实施等科学的模型开发流程，为数据挖掘为企业服务提供了具体的可操作的解决方案。

以我们长期的数据分析经验，为制造业、金融业、电信等提供各类数据挖掘和建模服务，包括统计模型，优化模型，决策模型等。

常见挖掘和建模包括

• 生产计划排程，如钢管轧批，烟草订单流程优化等
• 运输调度，如车辆调度，飞机调度，船舶配载调度等
• 库存调度，如零配件库存预测，零配件库存订货，零配件库存调度等
• 呼叫中心优化，如话务预测，班次优化，多技能排班，CSR&IVR评价
• CRM挖掘，如信用评级，满意度分析，流失率分析等
• ……

只要有数据积累，那么结合我们的模型开发流程，可以为各行业提供具体可实施的挖掘建模服务。

模型只有在具体业务流程中实施，才能够发挥其价值。但是模型有其适用条件，也有辅助判断，且不同模型修改的频度不一样。传统做法，而模型一旦修改，IT部门进行响应的修改，如果模型复杂，开发周期很长。

凌鼎结合多年模型实施经验，形成一套基于决策引擎的模型实施，模型监控，模型部署服务。对于常见的模型修改操作，业务部门都可以很方便的实现，有了新的知识，也可以很方便的加入到系统中，大大提高了模型的适用效率。

针对数据动态增长的特性，决策引擎可以动态分析数据规律，动态修正模型参数，让我们可以更实时，更准确的使用模型。

对数据依赖比较大的公司都有专门的数据分析部门，为了方便数据分析，需要搭建相应的分析平台。

分析平台和数据仓库不一样：数据仓库侧重数据的集中以及元数据的管理，主要为报表服务，虽然有一部分数据挖掘功能，但挖掘的结果无法形成模型；分析平台侧重建模，侧重于模型的具体应用。

有了分析平台，常见的繁琐的数据抽取，基本变量分析都会大大简化，分析人员可以集中精力进行分析和建模，数据更新和模型检验也会自动进行，为模型的长期使用，监控提供了很好的帮助。

大部分模型建立的过程最多是半自动的，必须有建模人员和业务专家的参与。

有一套规范的模型开发流程，对模型的建立和检验非常有帮助。由于不同企业地域，业务方向等的不同，通用的模型很少，往往都是需要针对具体公司的具体应用进行模型开发。

基于目前建模方法并不统一，很多建模人员操作很难规范，有时一个错误，都会导致最后的模型没有任何使用价值，甚至有破坏作用。

我们集中多个行业的建模经验，形成一套短期的快速建模培训方法，可以让学习建模的人员不走弯路，学会科学的建模方法，建立真正有用的模型。

如果您已经在使用模型，那么就了解模型的检验至关重要。

由于开发人员的惯性，业务人员对建模理解的局限性，往往很难对模型进行科学客观的评价和检验。

数据挖掘和数学建模是一个复杂的流程，需要IT人员，数据分析人员，业务专家，建模专家的参与，为了保证模型的正确有效，保证模型的灵敏度和稳健性，必须对模型进行科学的检验。

我们凌鼎数据分析团队有非常成熟的模型检验经验，我们熟悉常见的检验方法，如最大区分度检验，最大准确性检验，两类错误检验……；为了检验模型风险，我们设计了随机抽样检验，对细分模型的检验提供有力的支持；我们还设计了专家拟合度检验，为模型和专家的融合提供了一个有力的桥梁。

通过我们对您目前使用模型的检验，可以提供对模型的全面评价和改进建议，结合业务流程咨询，可以让您更合理有效的使用模型。

我们可以帮您：

• 解决关键流程的优化问题
• 解决关键流程的优化问题
• 基于当前数据，挖掘有用知识，建立模型，固化专家经验
• 教您学会建立和使用模型
• 帮您搭建更适合业务流程的模型体系
• ……

当您认为数据中存在有价值的信息而难以发现，当您提出的假设验证后却不知如何使用，当您对目前的模型有所困惑，当您想学习科学的建模方法，……,那么就联系我们，我们专业的经验定会给您有效有力的帮助。