60度視圖及企業產品生命周期為基礎, 設計一套針對客戶/產品的實時推薦引擎. 實時推薦引擎的核心是協同過濾推薦的機器學習框架 (Collaborative Filtering). Collaborative Filtering包括六大分析步驟, 每一步驟都有一些合適的算法可供選擇. 當然最重要的步驟是相似度計算. 同時將社交媒體分析加入做交叉比對, 找出最適合的個性化的推薦策略。另外文思海輝也正在使用隱馬爾科夫模型研發行為模式分析及欺詐分析

　　實際上，在行業企業中已經有多家企業采用我們研發的混合型的客戶360度視圖，以金融業為例，文思海輝已經幫助國內多家銀行企業采用混合型的客戶360度視圖廣泛并深入的拓展他們的客戶，另一方面借助合型的360度視圖能夠實現統一的客戶主數據管理。另外，通過升級該用戶的語音系統，把自然語音技術加入處理，可以實時調出客戶所有的資料信息。“我們最核心是在幫助客戶使用各種工具，建立較好的分析模型, 實現智慧數據”

　　要真正利用大數據的技術去解決企業面臨的問題，對于企業帶來來講仍然有一定的挑戰。以銀行為例，現在銀行都是徹底打破內部的各個環節，傳統銀行是內部是按照傳統產品線劃分相對獨立的事業部門, 比如按照理財工具的不同會有各個不同事業部門，但現在這種模式已經“落伍”了，要完全打破這些事業部門, 模塊化的重組, 變成“工廠化”，后臺主要是分析傳統的智能化部分，中間是對銀行是至關重要的風險管控，前臺是要把智能直接移動以及實施的方式傳到客戶經理。所有的工廠化, 模塊化之后要以客戶為中心重新組建，金融產品要到各個不同的部門相當于一站式服務，客戶經理是唯一的對口，銀行的智慧數據要能隨時提供客戶經理所有的客戶信息。

　　實際上，在整個分析算法上， 世界上有幾百種分析算法，“但我們不可能把所有的算法都搞懂，我們重點挑選出幾大類最重要的算法, 把它們搞明白。把這些算法搞明白后, 組合這些算法, 設計模塊化的各種基礎的分析模塊, 如圖像分析、回歸分析、協同分析, 行為模式分析, 概率轉移分析等. 再將這些分析模塊融入我們已有的行業解決方案， 將其智能化, 如智慧銀行, 智慧商務，智慧維修等, 給客戶帶來實際可驗證的商業價值。”