Pegasystems introduceert nieuwe mogelijkheden voor multi-channel klantinteractie

Pegasystems kondigt de integratie aan met Apache Hadoop, ter verbetering van zijn marktleidende oplossing rondom voorspellende en zelflerende modellen. Pegasystems heeft – in samenwerking met verschillende grote klanten – een succesvolle proefimplementatie binnen zijn eigen omgeving afgerond.

De combinatie van big data Hadoop-technologie met Pega’s zelflerende en real-time recommendation engine betekent een doorbraak voor multi-channel klantinteracties.

Het klantenbestand werd opgebouwd op basis van Hadoop met 17.000 items gekoppeld aan een database met 2,5 miljoen klanten. De geïmplementeerde voorspellende modellen gebruikten meerdere profieldimensies, zoals voorkeuren, transactiegeschiedenis en prioriteiten. De Pega-engine verwerkte Hadoop-gebaseerde analytische conclusies en verfijnde vervolgens de voorkeuren van de klant met ingebouwde zelflerende en voorspellende modellen. Omdat de oplossing met real-time interacties van doen heeft, verbeterde het systeem continu en dynamisch de onderliggende voorspellende modellen.

“Deze combinatie van datagedreven aanbevelingen op basis van Hadoop met onze succesvolle architectuur van zelflerende voorspellende modellen genereerde 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”, aldus Rob Walker, Vice President Decisioning & Analytics bij Pegasystems

Roy Schulte, Vice President en Distinguished Analyst bij Gartner:
“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 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 we de voorspellende en zelflerende modellen kunnen geven, des te sneller ze leren. Dat levert betere voorspellende aanbevelingen op, zelfs gedurende de klantinteractie”, aldus Alan Trefler, oprichter en CEO van Pegasystems

Voor meer informatie over Pegasystems’ ondersteuning voor Hadoop big data: http://www.pega.com/resources/hadoop-big-data-support