斑馬數(shù)智，采用“參考”各種數(shù)據(jù)來源去獲取信息的技術(shù)方案，通過將各種數(shù)據(jù)源進行整合，以提高數(shù)據(jù)的準確度。斑馬數(shù)智擁有專業(yè)的數(shù)據(jù)清洗過濾技術(shù)，可以有效識別和清除失效和干擾數(shù)據(jù)，從而達到建模分析可用的標準。

斑馬數(shù)智通過Spike Detection和Noise Clean的內(nèi)部過濾技術(shù)，可以識別并處理因GPS點漂移或者失效導致的異常數(shù)據(jù)，并對GPS噪聲進行過濾處理。

不同手機傳感器精度不同，直接使用誤差會非常大。斑馬數(shù)智采用動態(tài)擴展卡爾曼濾波器實現(xiàn)傳感器信號自動降噪，很大限度保留了原始sensor提供的信息，通過對sensor數(shù)據(jù)的分析計算以判斷或預測當前用戶的行為。

通過業(yè)界高質(zhì)量的基準地圖，結(jié)合移動設備的禁止和移動狀態(tài)得出數(shù)億個準確的真實興趣點。利用神經(jīng)網(wǎng)絡及馬爾科夫鏈技術(shù)，抽取不同行為模式對應sensor信號的74種特征及特征變遷規(guī)律，實現(xiàn)用戶行為判斷。

為滿足處理大數(shù)據(jù)的大規(guī)模性、多維度性、價值密度低、時效要求高、數(shù)據(jù)質(zhì)量層次不齊的5V特性，斑馬數(shù)智在基于目前主流的開源大數(shù)據(jù)Hadoop、Spark、 Flink、Tensorflow等平臺基礎上，改造和運維搭建了一套支持實時/離線數(shù)據(jù)計算、深度學習、價值挖掘、交互式查詢的大數(shù)據(jù)綜合平臺，可處理PB級別的數(shù)據(jù)。