利用海量的數據建立機器學習模型，讓機器懂得自我思考，發現規律，預測未來。
我們根據詞向量模型語境記憶自動輸出最可能的消費者情感分析，使用聚類技術劃分出最科學的競品圈，進而丈量競爭關系的遠近，并實時對競品異況發出警報。
我們使用嵌套Logit模型量化車型間的競爭以及各因素對銷量的影響，并把歷史銷量分解成各因素的貢獻，最終找出銷量變化的真正原因。
我們通過關聯分析剖析銷量與價格的深層關系，并智能分析出價格變化帶來的影響效果。
我們借助多層感知機模擬出給定銷量目標對應的價格水平，再綜合各模型與算法預測市場銷量與價格走勢，最終優化您的目標及策略制定。
模型的建立是整個數據挖掘流程中最重要的一環，它和數據的理解兩者間相互影響，相互促進。威爾森在數據理解的基礎上選擇并實現相關的挖掘算法，匹配自身強大的算法庫提升模型的效用。
現實中需要許多年才能完成的運作通過計算機數秒即可完成
模型分析的試驗成本比單靠實踐的真實成本低得多
應對業務中許多不可確定的多變因素，評估不同的行動方案帶來的風險
精準穩定地對結果進行量化分析處理，從而為決策提供更精準的依據
在WAYS強大的數據基礎上進行機器學習和訓練，對未知市場提供更優的策略建議
