|
高效的数据挖掘平台
将Clementine数据挖掘技术应用于商业过程的一个主要目的就是为了在最短时间内找到问题的最佳解决方案。Clementine强大的图形界面，省时高效的流程管理工具，使您很容易结合自己的商业经验同数据进行交互，在尽可能短的时间内找到解决方案。Clementine不但支持整个数据挖掘流程，从数据获取、转化、建模、评估到最终部署的全部过程，它还支持数据挖掘的行业标准--CRISP-DM。
简单直观的图形化数据挖掘
交互式、图形化的数据挖掘过程是Clementine能够降低时间成本的一个主要原因。面对整个数据挖掘过程中充斥的大量数据，通过创建一系列可视化图形界面，可以形象而方便地同数据进行交互，进而找到问题的解决办法。这种图形化方法使得流程中的每一步都一目了然，商业知识和图形流的有效互动，能够帮助您拓展思路，迅速找到解决方案。
|
|
Clementine的可视化流程使得数据观察和交互的每一步都变得简单方便。无论数据隐藏在哪里，Clementine都可以轻松获取，并将数据挖掘结果部署到每个决策点上。
|
| |
Clementine的可视化数据挖掘使得"思路"分析成为可能，即将集中精力在要解决的问题本身，而不是局限于完成一些技术性工作（比如编写代码）。成功的数据挖掘过程需要不断补充有价值的商业信息，Clementine的可视化特征使得这一过程变得简单而快捷。而其他的数据挖掘工具常常会迫使您停下来、编码、再停下来、再编码，如此这般，使您原本连贯的思路变得支离破碎，更难以忍受的是解决问题的时间成本迅速飙升。
Clementine提供了多种图形化技术，帮助您理解数据间的关键性联系，并指导您以最便捷的途径找到问题的最终解决办法。Clementine融合了3D、图形和动画等多种可视化技术来处理多维数据，使得数据所表现出的特征、模式和关联性等信息一目了然。通过轻点鼠标，就可以从中选择我们感兴趣的数据子集或是衍生新的变量，进行深入处理，最终获得有价值的商业信息。
卓越的数据分析技术
Clementine强大、卓越的模型技术使您能够以交互的方式分析数据，在最短的时间内找到最优化的解决方案。高效的数据挖掘过程不是简单的某种运算法则或是某种技术；此外，纷繁的商业问题和不同的数据类型组合要求有不同的处理手段，为了更好的解决问题，我们需要广泛的技术备选方案作为支撑。Clementine以其卓越的领先技术迎合了这样一种需要，无论是从技术广度还是深度，都具有无与伦比的优越性。同时，Clementine的开放性允许我们将其它分析方法，甚至是我们自己的应用程序移植到已有技术中，并整合为一个统一的、高效的工作平台，从而我们可以在单一的平台上完成所有的分析工作。
|
|
我们可以方便地建立多个模型并将它们的性能曲线绘制于同一图表中，从中找出表现最好的模型；通过简单的观察就可以发现哪一个模型的预测准确度最高（如上图，上升最快的黄色曲线就是最佳模型）。
|
| |
快速发现性能最优模型
Clementine方便地建模和模型整合过程意味着快速找到性能最优的模型将不再是一件难事。其先进的技术允许我们在很短的时间内构建并测试大量模型，通过比较在同一过程中不同模型的上升曲率、利润率、收益率、响应速度等参数就可以发现哪个模型的性能最好，应用价值最大。在模型整合中，我们可以将一个模型的输出作为另一个模型的输入，这样后续模型就能充分考虑到前面模型的结论，进一步改进该结论。
使用过程支持工具启动项目、优化结果
为了快速启动并评估每一步的结果，Clementine提供了过程支持工具。经过大量实践检验的应用模板（CATs）为您解决常规商业问题提供了较高起点。CATs中预制了许多复杂但会经常使用的操作流程，通过执行这些定制好的流程，可以很快得到所需的结果。CATs将强大且灵活的水平工作平台与具体的应用模板结合起来，为企业量身订做解决方案。Clementine可以将数据挖掘项目映射成CRISP-DM中的过程，来管理和规范数据挖掘项目的实施。具体的说，就是CRISP-DM的帮助系统和项目管理工具能够将数据挖掘过程中产生的流、图表和其他输出文件等组织起来，导入到CRISP-DM中的相应阶段。
可伸缩性加速数据挖掘推广过程、平衡IT投资
作为一个开放式数据挖掘工具，Clementine的可伸缩性支持自身和其它资源的交互，从而加速了数据挖掘的推广使用过程。因为数据挖掘并不需要配置复杂的软件和硬件投资，我们可以充分利用现有的数据库资源（具有内置简单数据挖掘功能的数据库），从宏观上平衡IT投资。
数据挖掘是一个"以发现为驱动"的过程，当你偶然获得一个足以燃起好奇心的发现时--可能是一种关联性--你必然会去反复探询、研究其中的关联模式，这些"发现"是建立高性能模型必然要经历的过程。Clementine的可伸缩性支持自身和其它资源的交互，尤其是数据库资源。许多数据挖掘工具的可伸缩性仅局限于有限的几个步骤上，其对整个数据挖掘过程的影响是微乎其微的；然而，Clementine的可伸缩性则是尽可能着眼于多数步骤，全面加速结果的获取过程。
|
