而思迈特软件的转变历程，直接体现在了其现有的产品结构中：
1、传统BI——企业报表软件、Office分析报告产品
这类产品主要通过插件直接将Excel、Word、PPT作为设计器，操作人员可通过拖拽业务对象到相应位置完成数据映射。但主要面向有一定技术、分析基础的IT人员和数据分析师，随着业务场景的丰富，非常难仅依靠IT部门来满足所有部门的需求。以银行为例，每个支行、网点、部门都有诉求，通过数据来实现客户挖掘、风控分析、信贷分析等功能。
图片来源：思迈特软件
2、敏捷式BI——自助分析平台
敏捷式BI正是为了让一线业务人员也能够简易地使用数据，同时传统BI工具主要依赖服务商将产品基于用户需求进行适配和落地，交付和实施占据了服务和收入比重的70%，敏捷式BI还能缩短实施和交付周期，提升厂商利润率。
思迈特软件于2018年开始，将服务商的行业应用案例模版化，投放至应用商店，让一线业务人员能通过拖拉拽等方式，自助式构建特定场景需求的可视化分析模型。除了拖拉拽等方式，思迈特同步在进行"自然语言探索分析"的研发，以代替鼠标操作。
图片来源：思迈特软件
3、智能化BI——机器学习平台
思迈特软件的机器学习平台则是一个通过数据挖掘进行预测性分析的平台。企业数据常常分布在一个个独立的ERP、CRM等系统，想要通过分析数据的潜在关联，挖掘潜在客户和潜在需求，势必要打破系统间的数据壁垒。
在具体做法上，思迈特的核心数据源主要是对接企业的已有系统，并通过机器学习算法进行关联、去重、筛除脏数据等。有了可用数据，便可自建或通过应用商店中的分析模型，实现智能化BI应用，即"BI+AI"，典型的应用场景如：基于历史数据，建立模型，进行潜在的需求、销售、客户流失等预测。
目前，思迈特软件在金融、政府、能源、制造等领域拥有3000多家企业客户，在全球财富500强的10家国内银行中，有8家是思迈特软件的客户。
在与民生银行合作的案例中，思迈特软件协助其搭建了一个全能的自助分析平台——阿拉丁，将银行内外部数十个系统的数据全部整合在一起，再将平台开放给各业务部门和各个分行。最初吴华夫认为这是一个数据开放平台，但随着企业对平台应用的开发，阿拉丁已经成为一个场景化的数据分析平台。
最直观的案例是民生银行某分行为挖掘潜在客户搭建的"高净值客户分析模型"。在银行内，一般按照客户价值存款多少来区分客户价值，这个被大部分银行通用的标准并不合理，因为单张银行卡内的存款并不等同于个人净资产。
该分行的一线人员结合自身的经验，收集了一系列定位潜在高净值客户的消费指标，比如用开豪车、住豪宅、用好手机号码、进出高档消费场所等，最终锁定目标客户，进行定向销售。更重要的是，该分行的这一模型可以上传至平台内部的应用商店，在其他分行推广使用。
据民生银行公众号公开信息，这一平台自2014年开始搭建，民生银行希望通过阿拉丁平台，用3-5年的时间，为全行贡献10%的利润。
这也是目前思迈特软件的敏捷式BI和智能化BI主要应用在客户营销、活动管理领域的原因。因为相比"节流"，企业更看重"开源"，而能够将IT系统能够从辅助系统变成"挣钱"的系统，正是BI的核心价值所在。