企业随着业务数据的不断更新，需要及时快速的做出决策。IBM SPSS CaDS 拥有一套独立的 Automation 流程。本文将通过">电信行业客户挽留方案详细介绍如何利用 IBM SPSS CaDS 的 Automation 功能来简化业务分析流程，快速生成数据分析结果，从而为企业做决策提供有力支撑。文章同时还详述了 Automation 和第三方系统的无缝集成。在客户历史数据更新后，第三方应用可以很快的根据需求通知系统对分析模型进行训练，择优，从而保证预测结果快速、准确，而这一切都将自动完成。
IBM SPSS CaDS 自动化流程介绍
自动化使业务分析成为日常决策流程的核心组件，企业可构建灵活的分析流程来确保一致连续的结果。同时也可以使用工具来对分析环境进行管理。具备竞争力的都知道驱动业务决策的预测分析可以大幅度提高收益，但是在关键业务流程中去集成业务分析要求流程和分析具有很高的可靠性和准确性。IBM SPSS CaDS 拥有很多特性，它提供了一个平台帮助优化企业流程并确保可靠的预测分析集成和部署 . 以下是 IBM SPSS CaDS 自动化的特性：
使用可视化的接口来构建灵活的分析流程。提供多种工具生成一致的结果，并且为了实现最大化的灵活性，可以包含逻辑去处理不同的场景。 通过实时，计划或者事件来触发运行作业（流程），另外还可以通过 Notification 灵活地运行跨系统和应用的
复杂任务。 管理数据分析所需要的环境，从而增加结果的真实有效性。 使用 champion/challenger 来评估模型，自动化评估流程来确保最有价值，最准确的结果。
作业和作业步骤简介
CaDS 作业是可以包含一个或者多个作业步骤的容器，作业步骤对应一个最小执行单元，可以是一个系统命令、消息通知、IBM SPSS Modeler 流文件等。不同类型的作业步骤需要特定的服务器来执行。例如，如果一个作业包含 IBM SPSS Modeler 流，那么一个 IBM SPSS Modeler server 就是需要定义和使用的。当然，相应的 Modeler Adapter 也需要被安装在 IBM SPSS CaDS 上的。CaDS 是作为一个平台，通过安装 Adapter 来集成 IBM SPSS Modeler, IBM SPSS Statistics 等。同时 CaDS 本身则集成了 BIRT 引擎，所以可以直接运行 BIRT 报表而不用指定所需的运行 Server。 作业本质是一个可执行的 XML 格式数据，每一个作业步骤都会定义在其中，作业步骤的运行都是根据定义的关系进行执行。
作业步骤间运行的关系
如果一个作业包含多个作业步骤，并且这些步骤间没有什么关联，那么这些作业步骤将并行运行。用户也可以设置作业步骤运行的关系，包括 Sequential，Pass，Fail，Conditional。
Sequential：如果两个作业步骤之间是顺序连接，那么当前置的步骤执行完成后，后续的步骤立即就会被执行。不论前置的步骤执行是什么结果，成功或者失败与否，都会触发后续的步骤执行。 Pass：只有前置的步骤执行成功，后续的步骤才会被执行，其他情况则不予执行。 Fail： 只有前置的步骤执行失败，后续的步骤才会被执行，其他情况则不予执行。 Conditional： 用户可以设置，如果前置步骤执行后满足某个条件，（比如：Windows 命令 File Not Found = 2）则后续步骤可以被执行，反之，后续步骤则不予执行。
运行一个预测分析模型
通过一个具体实例来讲述 IBM SPSS CaDS 的自动化是如何帮助客户进行即时预测分析。
客户挽留方案背景
随着电信市场的不断饱和，用以获得新客户特别是获得竞争对手的客户的成本不断提高。 为此，市场策略很有必要从客户的数量管理转向客户质量管理。如图 1 所示：
图 1. 客户挽留方案背景
客户价值 (CLV) 是对客户质量的一个非常重要的评判标准。主要
体现在： 1）赢取 / 维护客户的成本。 2）客户对企业长期的贡献。 因此为了最大化提高客户价值，我们需要挽留潜在流失的客户并且通过交叉销售等吸引客户的消费。 客户分群为了更
深入地了解客户的需求，从而建立一个更有针对性的策略。
基础分群： 基于客户数据的基本维度建立。比如正常状态，欠费 1 月，拆前停机，话费增加还是减少等。
数据挖掘分群：利用数据挖掘识别潜在的客户关系。比如流失可能性，行为预测等。
客户挽留方案模型
基于客户的分群信息，定义针对性的市场策略，从而减少成本。 业务人员的业务经验和数据挖掘联合起来将有助于利益的最大化。如图 2 所示：
图 2. 客户挽留方案模型
我们使用建模工具创建我们的模型并保存至 CaDS 存储库中。
CustomerLostPredictor.str：此模型用于预测客户的流失概率 (CustomerLostPredictor.LostFlag)。 CustomerOffers.str：此模型使用 CustomerLostPredictor 模型，在客户分群的基础上，结合市场策略规则从而对潜在流失的客户做到有针对性的挽留行为。 High Value Customer： 市话费用高 (AF=1) 或者 长话费用高 (LF=1) 或者 ARPU 高 （AverageRevenuePerUser）(ARPU=1) High Lost Risk(CustomerLostPredictor.LostFlag >)0.8)<-------HV Retention Middle Lost Risk(0.3 <CustomerLostPredictor.LostFlag <=0.8)<----HV Care/Promotion Remainder <-----------HV Care Middle Value Customer：ARPU 低但有增长趋势 (ARPU=3 或者 ARPU_TREND=1) High Lost Risk(CustomerLostPredictor.LostFlag > 0.8)<-------MV Retention Remainder<-----------MV Promotion Low Value Customer High Lost Risk(CustomerLostPredictor.LostFlag >0.8)<-------LV Promotion Remainder<-----------LV care