客户流失预测是银行、保险公司、电信公司、有线电视运营商和流媒体服务商重要的机器学习的应用案例。这些公司通过对取消订阅服务的客户进行预测，从而实施更有效的客户保留策略。保留客户是有价值的，大数据分析表明，客户流失每年会给企业造成大量损失。如果客户保留率增加，利润也会增加。

客户流失预警，通过对客户一定时间段内的支付行为、业务行为及基本属性分析，揭示在数据背后的客户流失模式，预测客户在未来一段时间内的流失概率及可能的原因。对于可能性高、且对企业价值亦较高的客户，针对其可能发生流失的原因，开展客户挽留活动。

客户流失的原因分为两类：主动流失和被动流失。主动流失即客户主动与公司脱离业务关系，如客户生活环境发生变化、对目前购买的产品不再有需求。被动流失即客户非自愿地与公司脱离业务关系，通常是客户经济状况或支付能力发生改变造成的。

机器学习是让机器从大量样本数据中自动学习其规律，并根据学习到的规律预测未知数据的过程。机器学习的目标是发现数据中暗藏的规律，由此对未知进行预测。这个过程要通过学习来实现，学习用到的材料则是大数据。

机器学习通过人工智能来分析、探索和预测趋势，并根据过去的变化预测未来的趋势。通过经典的机器学习算法，为客户提供智能应用程序，包括频繁模式挖掘、聚类、分类、推荐引擎（获得用户行为并从中发现用户可能喜欢的事物）、频繁子项挖掘（利用一个项集，如查询记录和购物目录，去识别经常一起出现的项目）。

人工智能是计算机科学与技术专业的一门重要的专业课程，运用计算机模拟和延伸人脑功能，模仿人脑所从事的推理、识别、理解、设计、学习、思考等思维活动，以此解决预测、规划等需要人类专家才能处理的复杂问题。人工智能关键技术包括专家系统、自然语言理解、人工神经网络。

基于沃达德大数据平台，通过对海量数据采集、处理、存储、分析和数据挖掘，根据数据的特性，采用合适的可视化方式，将数据直观地展现出来，以帮助人们认识数据、理解数据，同时找出包含在海量数据中的规律或者信息，预测未来发展趋势，进行智能化决策分析，使得数据资产成为核心竞争力。