Pegasystems verbetert oplossing voor voorspellende en zelflerende modellen met integratie met Apache Hadoop. De combinatie van big data Hadoop-technologie met Pega’s zelflerende en real-time recommendation engine betekent een doorbraak voor multi-channel klantinteracties. De Pega-engine verwerkt Hadoop-gebaseerde analytische conclusies en verfijnt de klantvoorkeuren met ingebouwde zelflerende en voorspellende modellen.
De combinatie van datagedreven aanbevelingen op basis van Hadoop met Pegas's architectuur van zelflerende voorspellende modellen genereert meer inzicht in ruwe big data dan voorheen mogelijk was. Big data is vooral nuttig wanneer het actiegericht is en gebruikt wordt als input voor slimme besluitvorming.
Predictive analytics wordt steeds vaker gebruikt in intelligente, actiegestuurde bedrijfsvoering. Aangezien de hoeveelheid actiegerelateerde data groeit, en bedrijven de voordelen inzien van het inzetten van meer verfijnde analytics om hun bedrijfsvoering op ieder moment van de dag te kunnen verbeteren, verwachten we een toename in het gebruik van MapReduce-technieken, zoals die van Hadoop. Dit zal bijdragen aan de evolutie van BPM-suites in een volgende generatie intelligente BPM-suites (iBPMS).
Pega's oplossing laat zien hoe voorspellende next-best-actions kunnen worden gebruikt in alle processen en interacties, niet alleen bij aanbevelingen voor klantvoorkeuren. Pega’s Next Best Action Advisor™ neemt continu meerdere informatiebronnen op. Hoe meer data de voorspellende en zelflerende modellen hebben, des te sneller ze leren. Dat levert betere voorspellende aanbevelingen op, zelfs gedurende de klantinteractie.
