数理统计模型可扩展性强,维护便捷;通过多维分析界面或报表设计工具,用户即可轻松使用各类模型,大大降低技术门槛
可视化：支持定时运行任务，分析结果可视化呈现
业务模块：内置分析模板，支持自定义拖拽模块组建大数据分析流程
算法模块：内置140+模块构成常用算法模块库，支持自定义编写、编辑模块
机器学模块：提供机器学习算法模型和行业典型应用模型
高级分析
超越BI之上的基于数据仓库的分析平台，可以聚合多种类型数据，不再是简单的报表分析，平台提供大量机器学习算法模型和行业典型应用的高级分析模型，这些模型可以帮助你深入了解机器学习建模分析中的参数选择和逻辑思路，挖掘数据潜在的相似性和关联性，实现数据趋势的预测分析。
模块化
基于Docker容器技术封装数据分析流程，将分析算法标准化、模块化，业界首创的实现分析流程的跨环境、跨平台，使企业不受制于单一的计算平台，选择更加灵活和自由。
分析可视化
包括分析流程的可视化和分析结果的可视化。斯普BI（SP-BI）将算法模块化封装，通过直观的拖拽模块组建工作流，可视化呈现数据分析结果，支持用户自定义展现形式，柱、饼、点、线、地图一网打尽，将数据价值直观展现，让企业决策者看到现在发生的并预测将要发生的，从而指导商业决策，拉近洞察与行动的距离。
自动化运行
自定义运行策略，分析流程自动化，拥有强大的定时任务管理功能和自动报警功能，不用再分析头疼分散的脚本！
全员共享
整个大数据分析流程透明可视，团队成员共享模块和项目，模块和项目拥有完善的版本控制，将团队智慧最大化；同时支持对团队成员进行权限控制，让项目管理变得更加简单！
充分利用计算机的运算速度来研究人类学习过程并使用归纳、综合进行模拟。以利用学习的结果不断完善,改进模型。
进过多年积累,斯普已拥有大量服务于业务的分析模型,例如人员监控模型、财务预算模型、数据质量检测模型等。
多维度多指标进行各类数据的抽象建模,以更细致的颗粒度提升运营效率,实现精细化数据运营。
拥有丰富的算法库,包括相关性算法、分位数算法、偏度峰度算法、分类预测算法拟合函数、聚类分析、回归分析、标准差等。