InformationWeek在本周对IBM Deepak Advani进行了采访。Advani 1992年加入IBM，并且很快投入了深蓝组的超级计算业务。到2000年，他已经成为了Linux策略组的副总裁。之后运行Intel服务器业务，帮助IBM PC向联想的转型。
InformatonWeek:SPSS会如何融入IBM的“智慧的地球”战略?
Advani:我不知道是否是因为经济萧条的因素，目前有大量的企业都毫无例外在关注企业成果。确实企业需要技术来实现企业目标，但他们都非常注重最终的结果。他们会说“我们是电信企业，必须减少用户的投诉。我们该怎么做”或者说“我是警局的负责人，我必须用更好的办法来减少本地区的犯罪行为”。
IBM的智慧的地球战略都是关于将每天产生的海量新数据进行采集和分析，以此来创建竞争优势。SPSS非常适合这项战略，因为这样能应对了解社会行为的挑战。如果我们拥有数据丰富的环境，就可以创建一个模型来预测可能的产出和成果。
我们应用不同的战略性技巧来建立多个模型，然后发现精确度最高的一种。有了SPSS就相当有了后视镜行车，IBM已经开始实施预测。这是Cognos产品套装欠缺的功能。我知道罗布.阿什(Cognos公司前任首席执行官，目前担任IBM公司业务分析总经理和Advani的老板)也会同意我的说法。
InformatonWeek:在被收购之前，SPSS的目标是扩大其对PHD统计学家和数据建模类型的吸引力和工具的应用。在IBM的旗下会如何继续?
Advani:SPSS的应用确实已经超出了学术领域，这款工具对数学家和统计学家确实很有吸引力。一旦他们进入商用领域，他们就会坚持使用他们所熟悉的工具。
在过去几年里，SPSS把关注重点主要放在了易于使用的特性上。举例来说，如果你关注过我们的模型就会发现协作和配置工具确实都是针对商业用户和商业分析的。软件界面非常的图像化，因此商业分析师无需过多依赖数学家，统计师和编程人员就能构建模型。
我们的目的不仅仅是让SPSS技术方便商业分析的应用。目前我们正在研发一种决策管理产品。举例来说，我们关注的重要领域之一就是要让产品非常方便的将评分系统，预测模型和决策嵌入到实时商业流程当中去。
举例来说，如果你要办理开立新信用卡账户或者保险理赔的流程，你有希望得到那些账户或者索赔基于预测模型的实时风险评分。我们可以让它非常直观的嵌入到商业流程当中去，这样你就能做出更加英明的决策。
InformationWeek:听起来又有一款重量级产品要推出了，何时我们能得到更多关于这款重量级产品的消息呢?
Advani:在此之前我们还没有把这款产品广而告之，但是你会得到更多关于决策管理的信息。确实我们是从技术角度来分析的。这个点能让决策支持技术应用的范围更加深入，而不仅是局限于统计人员领域。
InformationWeek:正如尼尔.亚当和詹姆斯。泰勒在他们的书中所描述的，智能系统，决策管理都不仅仅与统计学密切相关，而且还涉及到规则和流程管理技术。IBM公司的iLog部门将介入到这款产品当中吗?
Advani:我们绝对会和iLog团队进行密切合作，因为在这两种技术之间有很多关联性。为了做出最佳的决策，企业会将其和规则引擎结合在一起，规则引擎会说明你在决策中已经了解的部分，结合预测分析可以挖掘出你并不知道却必须说明的部分。
InformationWeek:在这种新的决策管理案例中，统计学家和建模人员扮演什么样的角色?
Advani:这些技术人员总是对SPSS带着评判的眼光，但是随着未来几个月和几年的努力，你会发现IT领域将更加关注了解商业流程的商业分析师和对客户维护和更高的用户收益率负责的专业人才。
InformationWeek:我们讨论的是内置式分析器吗?决策支持是和应用软件或者商业流程结合在一起的吗?或者换一种方式说，谁是目标用户?
Advani:整个的商业智能和性能管理团队将要负责分析和Cognos技术的销售和执行。在这方面我们会提升传统商业智能销售的价值链。但是我认为SPSS也将通过其他途径实现配置。
举例来说，如果有人使用iLog技术进行商业流程管理或者优化，自然会和SPSS发生关联。我们也在和nfoSphere数据仓库团队合作，因为SPSS可以用于数据采集。
我们的一个重要目标是将触角延伸至IBM内部的不同职能部门，无论它是商业服务，nfoSphere，Cognos还是iLog，因此无论他们何时与用户合作，都会和SPSS和预测模型发生关联。
InformationWeek:在大纲中您没有对应用软件做任何介绍。
Advani:从应用软件的角度来看，我们也有用于财务性能管理的分析应用软件，他们有另外的逻辑联系。
InformationWeek: 这种决策管理引擎会和来自甲骨文或者SAP等厂商的应用软件结合使用吗?
Advani:你无法仅凭ERP或者客户关系管理系统提供的信息做出决策，但是IBM公司认为关联数据会存在于许多不同的地方。举例来说，社交网络和Web-2.0类型的应用软件就留给大家无尽的思考空间。
你也可以对开发数据进行调研。在用户包装产品领域，他们会关注用户的产品情绪反应方面的科学研究数据。IBM公司将来自不同来源的数据汇总在一起，在企业内部和企业外部对数据进行构建和解构来让模式更加的精确。这种方式的优势要比你从指定应用软件内部数据得到的更加明显。
InformationWeek:您可以和我们分享一下SPSS预测分析在主流商业应用软件或流程中的成功案例吗?
Advani:比如说Infinity Insurance保险公司必须及时处理用户的理赔申请，他们还必须提防保险欺诈行为，每年保险行业在这方面的花费高达数十亿美元。公司建立了一款预测模型，根据过去的历史记录来推测那些索赔存在欺诈的可能性，那些索赔是真实有效的。
他们不再单纯的给可能存在欺诈的索赔申请标上小红旗，还想知道什么索赔最不可能是欺诈性的，这样他们无需调查就能实现快速追踪。使用预测模式不仅节省了费用，还提升了用户的满意度。
对于那些做了警示的索赔申请，你可以马上展开调查，这样就能更加迅速的了结此案。过去Infinity需要14天才能完成索赔调查，但是现在缩短为24小时。
InformationWeek:那么预测模型可以为指定行业应用软件事先搭建吗?
Advani:你不能把为Infinity构建的模型直接移植到State Farm。你必须收集用户数据然后使用多种统计技术来建立多种模型。你还需要反馈系统来确保模型的精确度。这就意味着你要使用更具挑战性的模型来保证精确度的连续性。如果随着时间的推移模型的准确率下降，就需要转移到更精确的模型上去了。
InformationWeek:看起来在模型的连续评估和构建上需要博士级别的分析专家才行呢。
Advani:正相反，商业分析师就能非常自如的应对各种我刚才提到的建模和分析。他们必须有分析的能力和兴趣，为企业用户设计的工具起到辅助作用。
InformationWeek:根据您的描述，SPSS不会事先构建特殊行业的预测模型和应用软件，是这样吗?
Advani:并非如此，我们正在朝着这个方向努力，我们认为用户可以购买减少业务执行时间从而转化为价值的加速器和事先定义模型。我将预测模型看成是企业用户竞争优势的源头。这对于特殊行业的所有公司都是通用的，但是你加到模型中的特定公司则要区别对待。
