我们有一个非常好的演示正在运行，将所有这些结合在一起。演示中的公司是一家银行，人们可以在线申请贷款。当然，我们有很多历史数据可以查看和分析。我们可以使用 TIBCO 数据虚拟化将所有这些数据整合在一起并准备使用。
我们知道某些客户拖欠贷款，仅仅查看数据确实能给我们一些提示，但我们需要仔细检查数据才能得到有意义的答案，并使用统计工具来告诉我们数据中存在哪些相关性。男性比女性更容易违约吗？单亲父母偿还贷款的频率是否比已婚夫妇低？
事实上，我们拥有大量难以解释的数据，这是我们正在试图解决的问题的一部分。与此 加拿大号码数据 同时，申请仍在不断涌入。建立一个模型来帮助我们预测哪些客户可能会拖欠贷款，这是一个好主意吗？这就是 TIBCO 数据科学的用武之地。利用数据科学 ，我们可以建立和训练一个模型来预测应用程序是否会成功。
然后我们确保在线应用程序通过 TIBCO 数据流进入。在这里，我们对应用程序进行预处理，以流入我们的可视化工具 Spotfire，但我们也会通过我们的预测模型运行它。该模型将使用有关申请人和申请的所有相关信息。她的年薪是多少，他家里的情况？他是现有客户吗？她上次贷款的表现怎么样？
结果是一个完全自动化的系统，可以根据我们已有的数据实时批准或拒绝贷款申请。或者，我们可以选择使用该模型来帮助我们完成审批流程。无论哪种选择都最能满足我们的需求和目的。
您的需求和目的
本博客的任何部分听起来对您或您的公司有用吗？那么请不要犹豫地与我们联系。我们很乐意回答您的问题或安排一次不附带任何条件的会议，以了解您想要实现的 BI 梦想。