『壹』 大數據和智慧交通有哪些應用的案例
智慧交通的應用案例
根據ITS114的不完全統計,截至2015年12月31日,包括城市智慧交通和高速公路機電市場的全年千萬項目統計規模為182.5億,其中主要分為四大市場1.交通管控市場千萬項目規模為84.24億。2.智慧交通/智能運輸市場千萬項目規模為20.33億。3.高速公路機電市場千萬項目規模為75.8億。4.平安城市千萬項目規模為56.6億。以上四個市場都有著很多的智慧交通方面的應用案例。
具體的在交通管控市場方面, 當前各個省積極構建的交通運行監測與應急指揮系統,還有圍繞著視頻、圖像分析,從而實現在治安、交通、工業製造、汽車、人工智慧等等諸多領域的應用亦是智慧交通的典型案例。如深圳榕享的"交通模擬與智能管控機器人"可實時採集視頻檢測數據與線圈檢測數據,將採集的交通流數據、信號配時等數據輸入到建立的模擬路網模型中,進行實時的交通系統模擬。通過一體化交通模擬模型,機器人能快速找出路網擁堵點以及分析路網的常發性擁堵點,並對交通流運營狀況的演變進行預測和分析。在交通模擬與智能管控機器人平台上,還可對城市的任意交叉口的交通環境進行設置,周邊居民可將相關建議"告知"機器人,實時模擬交叉口改良效果,實現全民參與、全民實踐、全民創新的交通管理新模式。
智慧交通/運輸方面各種「專車」「快車」「拼車」「代駕」平台類和軟體數據類的實例比比皆是,如我們都熟知的「滴滴快遞」「uber"「e代駕」等app應用。
交通工具新型技術案例方面:如無人駕駛、自動駕駛、智能車等等;在2015年12月互聯網大會上李彥宏展示的無人車,李書福展現的自動駕駛技術都體現了當前智能交通工具的發展。 更近一點的是,汽車電子標識、ETC、車路協同。2015年的新能源客車市場呈爆發性增長,新能源客車銷量達到37363輛,同比增長213.19%,同時2015年國務院印發《新能源公交車推廣應用考核辦法(試行)》、《電動汽車充電基礎設施發展指南》等等政策文件,可預見的是新能源汽車將會造就一個巨大的市場,建立在新能源汽車之上的車聯網也將搭上順風車。
平安城市也有很多已經成型的智慧交通案例。平安城市是基於GIS數字地圖技術,高度整合治安監控、智能交通、數字城管、應急指揮等子系統,改變傳統的靜態管理和單點管理,實現實時、動態的聯動管理新模式,實現了整個城市的治安、交通、城管、應急聯動等各個職能部門的聯動,建立了高效的城市部門聯動機制,提高了城市的集成化、智慧化管理水平。根據高清視頻監控系統的特點和應用需求,結合當前與今後一定時期內圖像監控系統與圖像應用系統的發展需要,建設一套先進的平安城市綜合應用平台,為指揮調度、調查取證、應急處置、交通管理等多種後台應用提供及時、可靠的視頻圖像信息,服務於實戰。市面上常見的平安城市系統具備的主要功能大部分都有:人臉卡口功能;交通事件檢測功能;智能檢索功能;道路違法抓拍功能;車輛稽查布控功能;非現場執法;分析研判功能;交通事態監控功能;視頻質量檢測功能;智能應用管理功能;數據格式及通信功能;遠程式控制制功能;指揮調度功能;勤務管理功能; 設備運行狀態監測功能。
大數據方面的應用案例
在醫療方面,紐約的mountsinai醫院利用數千名患者的數據、歷年匯報的流感爆發數據等數據與病毒的變異過程做交叉比對。通過這種工作,科學家和醫生可以預測病毒如何傳播,以及對抗這些病毒的最佳途徑;甚至有可能使用預測分析來判斷病毒的傳播方式,然後採取行動來限制這一傳播。據說這家醫院有望在未來阻止流感的發生。
在交通方面,浙江某城市與英特爾合作,安裝了1000個數字監控設備,100個智能監測點系統,超過300個檢查點的電子警察,和500多個視頻監控系統。通過更有效地監測交通和擁堵數據,改善交通流量,減少道路交通事故。
在廢物處理方面, 英國曼徹斯特垃圾處理局有一套系統,能夠利用數據使得產生的垃圾被盡可能多的再次利用。通過對來自不同地區的卡車進出加工廠時進行稱重,能夠了解每個地區所產生的垃圾數量。這些數據幫助當局出台了相應的政策,鼓勵那些特定的社區更好的垃圾回收和垃圾減量。
在建築方面, 住房慈善機構hact從400,000座住房中持續不斷地收集數據,並進行了各種數據分析。通過數據來發現設計、建造、布局中存在的潛在問題,進而在建造新的樓宇時優化相關的參數,避免這些問題,改進政府保障房的的維修,規劃空間合理使用。
智能應用服務,Google提供的大數據分析智能應用包括客戶情緒分析、交易風險(欺詐分析)、產品推薦、消息路由、診斷、客戶流失預測、法律文案分類、電子郵件內容過濾、政治傾向預測、物種鑒定等多個方面。據稱,大數據已經給Google每天帶來2300萬美元的收入。例如,一些典型應用如下:
(1)基於Map Rece,Google的傳統應用包括數據存儲、數據分析、日誌分析、搜索質量以及其他數據分析應用。
(2)基於Dremel系統, Google推出其強大的數據分析軟體和服務 — BigQuery,它也是Google自己使用的互聯網檢索服務的一部分。Google已經開始銷售在線數據分析服務,試圖與市場上類似亞馬遜網路服務(Amazon Web Services)這樣的企業雲計算服務競爭。這個服務,能幫助企業用戶在數秒內完成萬億位元組的掃描。
(3)基於搜索統計演算法,Google推出搜索引擎的輸寫糾錯、統計型機器翻譯等服務。
(4)Google的趨勢圖應用。通過用戶對於搜索詞的關注度,很快的理解社會上的熱點是什麼。對廣告主來說,它的商業價值就是很快的知道現在用戶在關心什麼,他們應該在什麼地方投入一個廣告。據此,Google公司也開發了一些大數據產品,如「Brand Lift in Adwords」、「Active GRP」等,以幫助廣告客戶分析和評估其廣告活動的效率。
(5)Google Instant。輸入關鍵詞的過程,Google
Instant 會邊打邊預測可能的搜索結果。
谷歌的大數據平台架構仍在演進中,追去的目標是更大數據集、更快、更准確的分析和計算。這將進一步引領大數據技術發展的方向。
在競選方面,直到2012年,奧巴馬的數據團隊對數以千萬計的選民郵件進行了大數據挖掘,精確預測出了更可能擁護奧巴馬的選民類型,並進行了有針對性的宣傳,從而幫助奧巴馬成為了美國歷史上唯一一位在競選經費處於劣勢下實現連任的總統。只要數據量夠大,夠及時,挖掘夠深刻,就可以洞悉每個選民的投票幾率。
在教育方面,"以物聯網、雲計算等綜合技術的成熟為基礎,在學生管理資料庫中挖掘出有價值的數據,經過過程性和綜合性的考慮,找到學生各種行為之間的內在聯系,考量背後的邏輯關系,並作出恰當的教學決策。以某集團最新出版的全球少兒美語旗艦課程為例,引入了首款應用於少兒英語學習領域的MyEnglishLab在線學習輔導系統(以下簡稱MEL),應用大數據技術全程實時分析學生個體和班級整體的學習進度、學情反饋和階段性成果,從而及時找到問題所在對症下葯,實現對學習過程和結果的動態管理。
『貳』 大數據攻略案例分析及結論
大數據攻略案例分析及結論
我們將迎來一個「大數據時代」。與變化相始終的中國企業,距離這場革命還有多遠?而追上領先者又需要多快的步伐?
{研究結論}
■大數據營銷的本質是一個影響消費者購物前心理路徑的問題,而這在大數據時代前很難做到。
■對於傳統企業而言,要打通線上與線下營銷,實現新的商業模式,如O2O等,離不開大數據。
■雖然大數據應用往往集中於大數據營銷,但對於一些企業,大數據的應用早已超越了營銷范疇,全面進入了企業供應鏈、生產、物流、庫存、網站和店內運營等各個環節。
■對於大部分企業,由於數據分析人員與業務人員之間的彼此視角與思考方向不同,大數據分析和運營之間存在脫節情況,這是大數據無法用於企業運營最大的阻力
■對於大多數互聯網公司來說,大數據量、大用戶量是一個相互促進,強者越強的循環過程。
■對於大型互聯網平台,大數據已經成為其生態循環中的血液,對於這些企業,最重要
的不是如何利用大數據改進自身運營,而是利用大數據更好地繁榮平台生態。
■對於平台企業,它們的大數據策略正逐漸從大數據運營,向運營大數據轉變,前者和
後者的差別在於,前者只是運營改進的動力,而後者則成為企業實現未來戰略的核心資源。
我們都已被反復告知:我們將迎來一個「大數據時代」。
大數據應用,將和雲計算、3D列印這些技術變革一樣,顛覆既有規則,並成為先行企業的制勝關鍵。
與變化相始終的中國企業,距離這場革命還有多遠?而追上領先者又需要多快的步伐?
來自於互聯網、移動互聯網、物聯網感測器、視頻採集系統的數據正海量增長,匯成大數據的海洋,相伴的是海量數據存儲、分析技術的突破性發展,所有這一切都給企業的應用帶來了無限可能性。
中國企業家研究院對當前中國企業大數據應用的狀況進行了歸納分類,以幫助企業了解實際應用大數據時的困局難點,並提供領先企業的典型案例以資借鑒。
表1
表2
大數據運營—企業提升效率的助推力
對於大多數企業而言,運營領域的應用是大數據最核心的應用,之前企業主要使用來自生產經營中的各種報表數據,但隨著大數據時代的到來,來自於互聯網、物聯網、各種感測器的海量辯笑虧數據撲面而至。於是,一些企業開始挖掘和利用這些數據,來推動運營效率的提升。大數據運營應用中,大數據的應用分為三類:用於企業外部營銷、用於內部運營,以及用於領導層決策。
一、大數據營銷
大數據營銷的本質是影響目標消費者購物前的心理路徑,它主要應用在三個方面:1、大數據渠道優化,2、精準營銷信息推送,3、線上與線下營銷的連接。在消費者購物前,通過各種方式,直接介入其信息收集和決策過程。而這種介入,是建立在對於線上與線下海量用戶數據分析的基礎之上。相比傳統狂轟濫炸或等客上門的營銷,大數據營銷無論在主動性和精準性方面,都有非常大的優勢。它是目前主要的大數據應用領域。
大數據營銷不僅僅是用大數據找出目標顧客,向其發布促銷信息,它還可以做到:
實現渠道優化。根據用戶的互聯網痕跡進行渠道營銷效果優化,就是根據互聯網上顧客的行為軌跡來找出哪個營銷渠道的顧客來源最多,哪個來源顧客實際購買量最多,是否是目標顧客等等,從而調整營銷資源在各個渠道的投放。例如東風日產,它利用對顧客來源的追蹤,來改進營銷資源在各個網路渠道如門戶網站、搜索和微博的投放。
精準營銷信息攜神推送。精準建立在對海量消費者的行為分析基礎之上,消費者網路瀏覽、搜索行為被網路留下,線下的購買和查看等行為可以被門店的POS機和視頻監控記錄,再加上他們在購買和注冊過程中留下的身份信息,在商家面前,正逐漸呈現出消費者信息的海洋。
一些企業通過收集海量的消費者信息,然後利用大數據建模技術,按消費者屬升猛性(如所在地區、性別)和興趣、購買行為等維度,挖掘目標消費者,然後進行分類,再根據這些,對個體消費者進行營銷信息推送。比如孕婦裝品牌十月媽咪通過對自己微博上粉絲評論的大數據分析,找出評論有「喜愛」相關關鍵詞的粉絲,然後打上標簽,對其進行營銷信息推送。京東商城副總經理李曦表示:「用大數據找出不同細分的顧客需求群,然後進行相應的營銷,是京東目前在做的事情。」小也化妝品將自身網站作為收集消費者信息的雷達,對不同消費者推薦相應的肌膚解決方案,創始人肖尚略希望在未來,大數據營銷能替代網站的作用,真正成為面向顧客的前端。
打通線上線下營銷。一些企業將互聯網上海量消費者的行為痕跡數據與線下購買數據打通,實現了線上與線下營銷的協同。比如東風日產,線上與線下的協同營銷方式為:其門戶網站帶來訂單線索,而通過這些線索,服務人員進行電話回訪,從而推動顧客在線下交易。在此過程中,東風日產記錄了消費者進入、瀏覽、點擊、注冊、電話回訪和購買各個環節的數據,實現了一個橫跨線上線下,以大數據分析為支持的,營銷效果不斷優化的閉環營銷通路。而國雙科技,衡量某一地區線下促銷活動的效果,就是看互聯網上,來自這個地區對於促銷內容的搜索量。一些企業,通過鼓勵線下顧客使用微信和Wi-Fi等可追蹤消費者行為和喜好的設備,來打通線上與線下數據流,銀泰百貨計劃鋪設Wi-Fi,鼓勵顧客在商場內使用,然後根據Wi-Fi賬號,找出這個顧客,再通過與其它大數據挖掘公司合作,以大數據的手段,發掘這個顧客在互聯網的歷史痕跡,來了解這個顧客的需求類型。
二、大數據用於內部運營
相比大數據營銷,大數據在內部運營中的應用更深入,對於企業內部的信息化水平,以及數據採集和分析能力的要求更高。本質上,是將企業外部海量消費者數據與企業內部海量運營數據聯系起來,在分析中得到新的洞察,提升運營效率。(詳見P96表5:大數據在內部運營中的應用)
表5
三、大數據用於決策
在大數據時代,企業面對眾多新的數據源和海量數據,能否基於對這些數據的洞察,進行決策,進而將其變成一項企業競爭優勢的來源?同大數據營銷和大數據內部運營相比,運用大數據決策難度最高,因為它需要一種依賴數據的思維習慣。
已有少數企業開始嘗試。比如國內一些金融機構在推出一個金融產品時,會廣泛分析該金融產品的應用情況和效果、目標顧客群數據、各種交易數據和定價數據等,然後決定是否推出某個金融產品。
但是,中國企業家研究院在調研中發現,目前中國企業當中,大數據決策的應用非常之少,許多企業領導者進行決策時,仍習慣於憑借歷史經驗和直覺。
大數據產品——企業利潤滋長的新源泉
大數據除了用於運營外,還能夠與企業產品結合,成為企業產品背後競爭力的核心支持或者直接成為產品。提供大數據產品的企業分為兩類,直接提供大數據產品的企業,以及將大數據作為產品和服務核心支撐的企業。前者主要為大數據產業鏈中提供數據服務的參與者,包括數據擁有者、存儲企業,挖掘企業、分析企業等,後者則主要是那些以大數據為產品核心支撐的企業,它們大多是互聯網企業,其產品和服務先天就有大數據基因,這些企業包括搜索引擎、在線殺毒、互聯網廣告交易平台以及眾多植根於移動互聯網之上,為用戶提供生活和資訊服務的APP等。
表3
表4
一、大數據作為產品核心支持
它們主要在以下幾方面使用大數據:
1、提供信息服務。很多互聯網企業通過對海量互聯網信息和線下信息的整合和分析,為個人和企業提供信息服務,典型的如網路、去哪兒、一淘、高德地圖、春雨醫生等等。在美國,一些互聯網企業甚至根據大數據提供更深度的預測信息服務,美國科技創新公司farecast,通過分析特定航線機票的價格,幫助消費者預測機票價格走勢。
2、分析用戶的個性化需求,藉此提供個性化產品和服務,或者實現更精準的廣告。典型的有移動社交工具陌陌、網路、騰訊、廣告交易平台品友互動以及一些互聯網游戲商。這種應用往往先是收集海量用戶的互聯網行為數據,將用戶分類,根據不同類型的用戶,提供個性化的產品,或者提供個性化的促銷信息。比如網易等門戶網站推出了訂閱模式,讓使用者按照個人喜好方便地定製和整合不同來源的信息。
3、增強產品功能。對於很多互聯網產品,如殺毒軟體、搜索引擎等等,海量數據的處理能夠讓產品變得更聰明更強大,如果沒有大數據,產品的功能就大大減弱。比如奇虎360公司的360殺毒軟體,憑借每天海量的殺毒處理,建立了龐大的病毒庫,這使它能夠更快地發現病毒,而一些小的殺毒軟體公司則無法做到這一點。
4、掌控信用狀況,提供信貸服務。阿里巴巴上匯集了海量中小企業的日常資金與貨品往來,通過對這些往來數據的匯總與分析,阿里巴巴能發現單個企業的資金流與收入情況,分析其信用,找出異常情況與可能發生的欺詐行為,控制信貸風險。
5、實現智能匹配。婚戀網站、交易平台等,利用大數據可以進行精準而高效的配對服務。網易花田會挖掘用戶行為數據,比如點擊哪些異性的頁面,發表什麼樣的評論,建立用戶興趣模型,從而挖掘到用戶所期待另一半的類型,然後主動推薦與對方匹配度比較高的人選。2010年,阿里巴巴嘗試性地推出「輕騎兵」服務,由阿里巴巴將中國各產業集群地的供應商與海外買家的個性采購需求進行快速匹配,所憑借的,就是對供應商的海量交易數據信息的整合與挖掘。
二、大數據直接作為產品
對一些企業,大數據直接成為了產品,這些產品包括海量數據、分析、存儲與挖掘的服務等,目前大數據產業鏈正在形成過程中,出現了一批開放、出售、授權大數據和提供大數據分析、挖掘的公司和機構,前者主要是一些擁有海量數據的公司,將數據服務作為新的盈利來源。如大型的互聯網平台、民航、電信運營商、一些擁有大數據的政府機構等等,後者主要包括一些能夠存儲海量數據或者將海量數據與業務場景結合,進行分析和挖掘,或者提供相關產品的公司,如IBM、SAP、拓而思、天睿公司。它們為大數據應用者們提供海量數據存儲、數據挖掘、圖像視頻、智能分析等服務以及相關系統產品。
大數據平台——企業群落繁榮的滋養劑
而網路已建成了包括網路指數、司南、風雲榜、數據研究中心和網路統計在內的五大數據體系平台,幫助其營銷平台上的企業了解消費者行為、興趣變化,以及行業發展狀況、市場動態和趨勢、競爭對手動向等信息。
為解決這些問題,各個平台在積極地努力。比如阿里巴巴建立了數據委員會,在統一數據格式標准、從源頭上保證數據的質量,採集和加工出精細化的數據,確保其能符合平台企業的應用場景等方面,不遺餘力地嘗試。尤其在大數據精細化方面,阿里巴巴更是作為其大數據戰略的重點。這方面,騰訊目前也在加快步伐。比如新版騰訊網出現了「一鍵登錄」的提示,用戶可以在上面通過一些細分標簽,訂閱自己關注的內容。實際上,這也是騰訊收集更精細化的用戶興趣數據的一個有效手段。
Tips
大數據實戰手冊
將大數據應用於內部運營中時,企業會遇到一些常見問題
1企業如何獲取與分析數據?
互聯網是大數據的一個主要來源,一些線下的傳統企業很難獲得。但它們可以:
a和擁有或能抓取海量數據的平台、企業以及政府機構合作。比如淘寶上的電商就購買淘寶收集的海量數據中與自身運營相關的部分,用於自身業務。再如卡夫通過與IBM合作,在博客、論壇和討論版的內容中抓取了47.9萬條關於自己產品的討論信息,通過大數據分析出消費者對卡夫食品的喜愛程度和消費方式。
b建立自己在互聯網上的平台,比如朝陽大悅城利用自己的微信、微博等平台收集消費者評論數據。
c許多傳統企業沒有分析海量數據的能力,此時它們可以和大數據分析和挖掘公司合作,目前市場上已經有天睿公司、IBM、百分點、華勝天成等一批提供大數據分析和挖掘服務的公司,它們是傳統企業進行大數據分析可以藉助的力量。
2如何避免大數據應用時的部門分割?
對於許多企業,其信息流被各部門彼此分割,數據難以互通,對於這種情況下,大數據的共享和匯集就只是一個泡影,更難以實現大數據的深度應用。
要打通部門之間信息分割的局面,首先要建立統一的、集中的數據系統。就像立白信息與知識總監王永紅所說的,「要真正用好大數據,企業要採用大集中的信息系統。」從更深入的角度來談,企業信息流的部門分割,更在於企業部門之間的分割,比如有一些企業的營銷按照渠道分割,導致對於顧客的大數據收集和分析效果大打折扣。
IBM智慧商務技術總監楊旭青認為,「很多時候由於組織結構問題,大數據分析有效性大大降低了。」這就需要組織與流程層面的重新設計,在這方面,阿里巴巴的部門負責人輪崗制度,對於打破部門壁壘無疑是一劑好葯。而一些企業為了打破部門分割,建立了矩陣型的組織結構,強化部門間的橫向合作,這些無疑為大數據的匯集、共享與應用創造了良好條件。
3如何讓業務人員重視大數據的應用?
解決這個問題,一方面在於一把手對整個企業數據文化的倡導,比如1號店董事長於剛就要求業務人員無論在開會,還是匯報工作時,都以數據說話,而馬雲更是將大數據提升到了戰略高度。
另一方面,也在於數據部門的帶動,阿里巴巴數據委員會負責人車品覺分享了經驗,「因為運營部門的業務人員很難看到大數據的潛力,可以首先從一些對業務見效快,見效顯著的數據項目出發,通過一兩個項目的成功,調動對方的積極性,然後再逐步一個個地引導。」
4為何大數據工作與運營需求脫節?
這往往是由於數據人員與業務人員視角、專業知識不同而導致的。大數據人員做了很多努力,但是業務人員卻認為這些努力無關痛癢。如何解決這個問題?
有的企業從組織設計上發力,將大數據納入業務分析部門的管理之下,用業務統馭數據。對於朝陽大悅城,由主要負責戰略和經營分析的部門來管理大數據工作,其中的大數據分析人員則作為支持人員。在負責人張岩看來,大數據要靠商業法則指導,關鍵是找到業務需求的點,然後由數據分析和挖掘人員實現。在具體操作中,大悅城對微信的數據挖掘,挖掘什麼樣的關鍵詞,由業務分析人員確定,而具體挖掘則由數據部門做;有的企業從流程設計上著手,推動業務部門與數據部門人員之間的溝通,建立數據人員工作與效果掛鉤的考核機制。
例如阿里巴巴根據數據挖掘的成效(比如帶來的商品轉化率的提升)來考核數據挖掘師,考核數據分析師則看其分析結果能否出現在經營負責人的報告中。從數據部門自身角度則需要降低運營部門使用數據的障礙和門檻,比如立白集團的數據人員會努力嘗試向運營部門提供更易懂、更生動的圖形化數據分析界面,在立白老闆辦公室上,就有一份「客戶運營健康體檢表」,讓老闆對全國經銷商的當月銷售情況一目瞭然。再如阿里巴巴開發的無線Bi,讓經營人員在手機上也可以看到大數據分析結果,拿車品覺的話說,「以數據之氧氣包圍經營人員。」
『叄』 有哪些大數據分析案例
如下:
1. 大數據應用案例之:醫療行業
1)Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息,通過大數據處理,更好地分析病人的信息。
在加拿大多倫多的一家醫院,針對早產嬰兒,每秒鍾有超過3000次的數據讀取。通過這些數據分析,醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施,避免早產嬰兒夭折。
它讓更多的創業者更方便地開發產品,比如通過社交網路來收集數據的健康類App。也許未來數年後,它們搜集的數據能讓醫生給你的診斷變得更為精確,比方說不是通用的成人每日三次一次一片,而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
2)大數據配合喬布斯癌症治療
喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此,他支付了高達幾十萬美元的費用。他得到的不是樣本,而是包括整個基因的數據文檔。醫生按照所有基因按需下葯,最終這種方式幫助喬布斯延長了好幾年的生命。
2. 大數據應用案例之:能源行業
1)智能電網現在歐洲已經做到了終端,也就是所謂的智能電表。在德國,為了鼓勵利用太陽能,會在家庭安裝太陽能,除了賣電給你,當你的太陽能有多餘電的時候還可以買回來。
通過電網收集每隔五分鍾或十分鍾收集一次數據,收集來的這些數據可以用來預測客戶的用電習慣等,從而推斷出在未來2~3個月時間里,整個電網大概需要多少電。有了這個預測後,就可以向發電或者供電企業購買一定數量的電。
因為電有點像期貨一樣,如果提前買就會比較便宜,買現貨就比較貴。通過這個預測後,可以降低采購成本。
2)丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據,系統依靠的是BigInsights軟體和IBM超級計算機,分析出應該在哪裡設置渦輪發電機,事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中,准確的定位能幫助工廠實現能源產出的最大化。
為了鎖定最理想的位置,Vestas分析了來自各方面的信息:風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的感測器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢,幫助其客戶實現投資回報的最大化。
3. 大數據應用案例之:通信行業—通過大數據分析挽回核心客戶
法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬頻固網供應商,希望有效的途徑來准確預測並解決客戶流失問題。
他們決定進行客戶細分,方法是構建一張「社交圖譜」- 分析客戶數百萬個電話的數據記錄,特別關注 「誰給誰打了電話」以及「打電話的頻率」兩個方面。「社交圖譜」把公司用戶分成幾大類,如:「聯網型」、「橋梁型」、「領導型」以及「跟隨型」。
這樣的關系數據有助電信服務供應商深入洞悉一系列問題,如:哪些人會對可能「棄用」公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法,公司客戶流失預測模型的准確率提升了47%。
4、大數據應用案例之:零售業—大數據幫零售企業制定促銷策略
北美零售商百思買在北美的銷售活動非常活躍,產品總數達到3萬多種,產品的價格也隨地區和市場條件而異。由於產品種類繁多,成本變化比較頻繁,一年之中,變化可達四次之多。
結果,每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊,希望透過分析消費者的購買記錄和相關信息,提高定價的准確度和響應速度。
定價團隊的分析圍繞著三個關鍵維度:
1)數量:團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄,從客戶不同維度分析,了解客戶對每種產品種類的最高接受能力,從而為產品定出最佳價位。
2)多樣性:團隊除了分析了購買記錄這種結構化的數據外,他們也利用社交媒體發帖這種新型的非結構化數據。由於消費者需要在零售商專頁上點贊或留言以獲得優惠券,團隊利用情感分析公式來分析專頁上消費者的情緒,從而判斷他們對於公司的促銷活動是否滿意,並微調促銷策略。
3)速度:為了實現價值最大化,團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄,為身處超市麥片專櫃的他/她即時發送優惠券,為客戶帶來便利性和驚喜。
透過這一系列的活動,團隊提高了定價的准確度和響應速度,為零售商新增銷售額和利潤數千萬美元。
5、大數據應用案例之:網路營銷行業(SEM)
很多企業在做SEM的過程中,都有這樣的感觸:每年都會花費大量的預算在SEM推廣中,但是因為關鍵詞投入產出無法可視化,常常花了很多錢卻不見具體的回報。
在競爭如此激烈的SEM市場中,企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣,例如BDP,來幫企業節省不必要的支出,提升整體的經營績效。
企業可藉助數據平台提供的網路營銷整合解決方案,打通各個搜索引擎營銷(SEM)、在線客服系統和CRM系統,營銷競價人員無需掌握復雜的編程技術,簡單拖拽即可生成報表,觀察每一個關鍵詞的投入和產出,分析每一個頁面的轉化,有效降低投放成本。
通過BDP實況分析數據,可以快速洞悉對手關鍵詞的投放時段、地域及排名,並對其進行可視化的分析,實時監控自己和競爭對手的投放情況,了解對手的投放策略,支持自定義設置數據更新的時間點、監控頻次和時段,及時調整策略。知已知彼,才能百戰不殆。
6、大數據應用案例之:電商行業
意料之外:胸部最大的是新疆妹子。曾經淘寶平台顯示,中國女性購買最多的文胸尺碼為B罩杯。B罩杯佔比達41.45%,其中又以75B的銷量最好,其次是A罩杯,購買佔比達25.26%,C罩杯只有8.96%。
雖然淘寶數據平台不能代表一切,但是結合現實來看,這個也具有普遍的代表性,只能感慨中國女性普遍size。在文胸顏色中,黑色最為暢銷,黑色絕對是百搭,每個女性必備。
從省市排名,胸部最大的是新疆妹子。這些數據都對於文胸店鋪而言是很好的參考,為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。
7、大數據應用案例之:娛樂行業
微軟大數據成功預測奧斯卡21項大獎。2013年,微軟紐約研究院的經濟學家大衛•羅斯柴爾德(David Rothschild)利用大數據成功預測24個奧斯卡獎項中的19個,成為人們津津樂道的話題。
今年羅斯柴爾德再接再厲,成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個,繼續向人們展示現代科技的神奇魔力。
總的來說,大數據的終極目標並不僅僅是改變競爭環境,而是徹底扭轉整個競爭環境,帶來新機遇,企業需要應勢而變。企業只有認識到這一點,使用合適的數據分析產品、聰明地使用和管理數據,才能在長期競爭中成為終極贏家。
『肆』 企業大數據實戰案例
企業大數據實戰案例
一、家電行業
以某家電公司為例,它除了做大家熟知的空調、冰箱、電飯煲外,還做智能家居,產品有成百上千種。在其集團架構中,IT部門與HR、財務等部門並列以事業部形式運作。
目前家電及消費電子行業正值「內憂外患」,產能過剩,價格戰和同質化現象嚴重;互聯網企業涉足,顛覆競爭模式,小米的「粉絲經濟」,樂視的「平台+內容+終端+應用」,核心都是經營「用戶」而不是生產。該公司希望打造極致產品和個性化的服務,將合適的產品通過合適的渠道推薦給合適的客戶,但在CPC模型中當前只具備CP匹配(產品渠道),缺乏用戶全景視圖支持,無法打通「CP(客戶產品)」以及「CC(客戶渠道)」的匹配。
基於上述內外環境及業務驅動,該公司希望將大數據做成所有業務解決方案的樞紐。以大數據DMP作為企業數據核心,充分利用內部數據源、外部數據源,按照不同域組織企業數據,形成一個完整的企業數據資產。然後,利用此系統服務整個企業價值鏈中的各種應用。
那麼問題來了,該公司的數據分散在不同的系統中,更多的互聯網電商數據分散在各大電商平台,無法有效利用,怎麼解決?該公司的應對策略是:1)先從外部互聯網數據入手,引入大數據處理技術,一方面解決外部互聯網電商數據利用短板,另一方面可以試水大數據技術,由於互聯網數據不存在大量需要內部協調的問題,更容易快速出效果;2)建設DMP作為企業統一數據管理平台,整合內外部數據,進行用戶畫像構建用戶全景視圖。
一期建設內容:技術實現上通過定製Spark爬蟲每天抓取互聯網數據(主要是天貓、京東、國美、蘇寧、淘寶上的用戶評論等數據),利用Hadoop平台進行存儲和語義分析處理,最後實現「行業分析」、「競品分析」、「單品分析」 三大模塊。
該家電公司大數據系統一期建設效果,迅速在市場洞察、品牌診斷、產品分析、用戶反饋等方面得到體現。
二期建設目標:建設統一數據管理平台,整合公司內部系統數據、外部互聯網數據(如電商數據)、第三方數據(如外部合作、塔布提供的第三方消費者數據等)。
該公司大數據項目對企業的最大價值是將沉澱的數據資產轉化成生產力。IT部門,通過建設企業統一的數據管理平台,融合企業內外部數據,對於新應用快速支持,起到敏捷IT的作用;業務部門,通過產品、品牌、行業的洞察,輔助企業在產品設計、廣告營銷、服務優化等方面進行優化改進,幫助企業進行精細化運營,基於用戶畫像的精準營銷和個性化推薦,幫助企業給用戶打造極致服務體驗,提升客戶粘性和滿意度;戰略部門,通過市場和行業分析,幫助企業進行產品布局和戰略部署。
二、快消行業
以寶潔為例,在與寶潔中國市場部的合作中發現,並不是一定要先整合內外部數據才能做用戶畫像和客戶洞察。寶潔抓取了主流網站上所有與寶潔評價相關的數據,利用語義分析和建模,掌握不同消費群體的購物喜好和習慣,僅僅利用外部公開數據,快速實現了客戶洞察。
此外,寶潔還在渠道管理上進行創新。利用互聯網用戶評論數據進行社群聆聽,監控與寶潔合作的50個零售商店相關的用戶評論,通過線上數據進行渠道/購物者研究並指導渠道管理優化。
實現過程:
1、鎖定微博、大眾點評等互聯網數據源,採集百萬級別消費者談及的與寶潔購物相關內容;
2、利用自然語言處理技術,對用戶評論進行多維建模,包括購物環境、服務、價值等10多個一級維度和50個二級維度,實現對用戶評論的量化;
3、對沃爾瑪、屈臣氏、京東等50個零售渠道進行持續監控,結果通過DashBoard和周期性分析報告呈現。
因此,寶潔能夠關聯企業內部數據,更有效掌握KA渠道整體情況,甚至進一步掌握KA渠道的關鍵細節、優勢與劣勢,指導渠道評級體系調整,幫助制定產品促銷規劃。
三、金融行業
對於消費金融來說,家電、快消的案例也是適用的,尤其是精準營銷、產品推薦等方面。這里主要分享徵信風控方面的應用。顯然,互聯網金融如果對小額貸款都像銀行一樣做實地考察,並投入大量人力進行分析評判的話,成本是很高的,所以就有了基於大數據的批量的信用評分模型。最終目的也是實現企業畫像和企業中的關鍵人物畫像,再利用數據挖掘、數據建模的方法建立授信模型。宜信的宜人貸、芝麻信用等本質上就是這個架構。
在與金融客戶的接觸中發現,不論銀行還是金融公司,對外部數據的需求都越發迫切,尤其是外部強特徵數據,比如失信記錄、第三方授權後的記錄、網路行為等。
以上是小編為大家分享的關於企業大數據實戰案例的相關內容,更多信息可以關注環球青藤分享更多干貨
『伍』 大數據有哪些具體的應用案例
大數據有具體的應用案例還是很多的,比如 :
1、梅西百貨的實時定價機制。根據需求和庫存的情況,該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
2. Tipp24 AG針對歐洲博彩業構建的下注和預測平台。該公司用KXEN軟體來分析數十億計的交易以及客戶的特性,然後通過預測模型對特定用戶進行動態的營銷活動。這項舉措減少了90%的預測模型構建時間。SAP公司正在試圖收購KXEN。
3. 沃爾瑪的搜索。自行設計了最新的搜索引擎Polaris,利用語義數據進行文本分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法,語義搜索技術的運用使得在線購物的完成率提升了10%到15%。「對沃爾瑪來說,這就意味著數十億美元的金額。」Laney說。
4. 快餐業的視頻分析。該公司通過視頻分析等候隊列的長度,然後自動變化電子菜單顯示的內容。如果隊列較長,則顯示可以快速供給的食物;如果隊列較短,則顯示那些利潤較高但准備時間相對長的食品。
5. Morton牛排店的品牌認知。當一位顧客開玩笑地通過推特向這家位於芝加哥的牛排連鎖店訂餐送到紐約Newark機場(他將在一天工作之後抵達該處)時,Morton就開始了自己的社交秀。首先,分析推特數據,發現該顧客是本店的常客,也是推特的常用者。根據客戶以往的訂單,推測出其所乘的航班,然後派出一位身著燕尾服的侍者為客戶提供晚餐。
6. PredPol Inc.。PredPol公司通過與洛杉磯和聖克魯斯的警方以及一群研究人員合作,基於地震預測演算法的變體和犯罪數據來預測犯罪發生的幾率,可以精確到500平方英尺的范圍內。在洛杉磯運用該演算法的地區,盜竊罪和暴力犯罪分布下降了33%和21%。
7. Tesco PLC(特易購)和運營效率。這家超市連鎖在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析,進行更全面的監控並進行主動的維修以降低整體能耗。
8. American Express(美國運通,AmEx)和商業智能。以往,AmEx只能實現事後諸葛式的報告和滯後的預測。「傳統的BI已經無法滿足業務發展的需要。」Laney認為。於是,AmEx開始構建真正能夠預測忠誠度的模型,基於歷史交易數據,用115個變數來進行分析預測。該公司表示,對於澳大利亞將於之後四個月中流失的客戶,已經能夠識別出其中的24%。
『陸』 什麼是大數據,大數據的典型案例有哪些
隨著大數據時代的到來,大數據早已被逐步的運用在我們生活中的方方面面,那麼除了之前眾所周知的大數據殺熟事件,對於大數據你還了解多少呢?科學運用案例你又知道多少?今天就跟隨千鋒小編一起來看看。
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
麻省理工學院利用手機定位數據和交通數據建立城市規劃。
梅西百貨的實時定價機制,根據需求和庫存的情況,該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
……
種種的案例實在是太多,或許我們永遠說不完一樣,所以我們就來看一看大數據被科學運用的一個經典案例:
「啤酒與尿布」的故事產生於20世紀90年代的美國沃爾瑪超市中,沃爾瑪的超市管理人員分析銷售數據時發現了一個令人難於理解的現象:在某些特定的情況下,「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中,這種獨特的銷售現象引起了管理人員的注意,經過後續調查發現,這種現象出現在年輕的父親身上。
如果這個年輕的父親在賣場只能買到兩件商品之一,則他很有可能會放棄購物而到另一家商店,直到可以一次同時買到啤酒與尿布為止。沃爾瑪發現了這一獨特的現象,開始在賣場嘗試將啤酒與尿布擺放在相同的區域,讓年輕的父親可以同時找到這兩件商品,並很快地完成購物;而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件,從而獲得了很好的商品銷售收入,這就是「啤酒與尿布」 故事的由來。
當然「啤酒與尿布」的故事必須具有技術方面的支持。1993年美國學者Agrawal提出通過分析購物籃中的商品集合,從而找出商品之間關聯關系的關聯演算法,並根據商品之間的關系,找出客戶的購買行為。艾格拉沃從數學及計算機演算法角度提 出了商品關聯關系的計算方法——Aprior演算法。沃爾瑪從上個世紀 90 年代嘗試將 Aprior 演算法引入到 POS機數據分析中,並獲得了成功,於是產生了「啤酒與尿布」的故事。
其實大數據,其影響除了以上列舉的方面外,它同時也能在經濟、政治、文化等方面產生深遠的影響,大數據可以幫助人們開啟循「數」管理的模式,也是我們當下「大社會」的集中體現,三分技術,七分數據,得數據者得天下。
『柒』 目前大數據在哪些行業有案例或者說應用
大數據應用的關鍵,也是其必要條件,就在於"IT"與"經營"的融合,當然,這里的經營的內涵可以非常廣泛,小至一個零售門店的經營,大至一個城市的經營。以下是關於各行各業,不同的組織機構在大數據方面的應用的案例,在此申明,以下案例均來源於網路,本文僅作引用,並在此基礎上作簡單的梳理和分類。
大數據應用案例之:醫療行業
Seton Healthcare是採用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息,通過大數據處理,更好地分析病人的信息。
在加拿大多倫多的一家醫院,針對早產嬰兒,每秒鍾有超過3000次的數據讀取。通過這些數據分析,醫院能夠提前知道哪些早產兒出現問題並且有針對性地採取措施,避免早產嬰兒夭折。
它讓更多的創業者更方便地開發產品,比如通過社交網路來收集數據的健康類App。也許未來數年後,它們搜集的數據能讓醫生給你的診斷變得更為精確,比方說不是通用的成人每日三次一次一片,而是檢測到你的血液中葯劑已經代謝完成會自動提醒你再次服葯。
大數據應用案例之:能源行業
智能電網現在歐洲已經做到了終端,也就是所謂的智能電表。在德國,為了鼓勵利用太陽能,會在家庭安裝太陽能,除了賣電給你,當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據,收集來的這些數據可以用來預測客戶的用電習慣等,從而推斷出在未來2~3個月時間里,整個電網大概需要多少電。有了這個預測後,就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣,如果提前買就會比較便宜,買現貨就比較貴。通過這個預測後,可以降低采購成本。
維斯塔斯風力系統,依靠的是BigInsights軟體和IBM超級計算機,然後對氣象數據進行分析,找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據,以往需要數周的分析工作,現在僅需要不足1小時便可完成。
大數據應用案例之:通信行業
XO Communications通過使用IBM SPSS預測分析軟體,減少了將近一半的客戶流失率。XO現在可以預測客戶的行為,發現行為趨勢,並找出存在缺陷的環節,從而幫助公司及時採取措施,保留客戶。此外,IBM新的Netezza網路分析加速器,將通過提供單個端到端網路、服務、客戶分析視圖的可擴展平台,幫助通信企業制定更科學、合理決策。
電信業者透過數以千萬計的客戶資料,能分析出多種使用者行為和趨勢,賣給需要的企業,這是全新的資料經濟。
中國移動通過大數據分析,對企業運營的全業務進行針對性的監控、預警、跟蹤。系統在第一時間自動捕捉市場變化,再以最快捷的方式推送給指定負責人,使他在最短時間內獲知市場行情。
NTT docomo把手機位置信息和互聯網上的信息結合起來,為顧客提供附近的餐飲店信息,接近末班車時間時,提供末班車信息服務。
大數據應用案例之:零售業
"我們的某個客戶,是一家領先的專業時裝零售商,通過當地的百貨商店、網路及其郵購目錄業務為客戶提供服務。公司希望向客戶提供差異化服務,如何定位公司的差異化,他們通過從 Twitter 和 Facebook 上收集社交信息,更深入的理解化妝品的營銷模式,隨後他們認識到必須保留兩類有價值的客戶:高消費者和高影響者。希望通過接受免費化妝服務,讓用戶進行口碑宣傳,這是交易數據與交互數據的完美結合,為業務挑戰提供了解決方案。"Informatica的技術幫助這家零售商用社交平台上的數據充實了客戶主數據,使他的業務服務更具有目標性。
零售企業也監控客戶的店內走動情況以及與商品的互動。它們將這些數據與交易記錄相結合來展開分析,從而在銷售哪些商品、如何擺放貨品以及何時調整售價上給出意見,此類方法已經幫助某領先零售企業減少了17%的存貨,同時在保持市場份額的前提下,增加了高利潤率自有品牌商品的比例。
『捌』 有哪些大數據分析案例
三個領域大數據應用案例分析
1、無人駕駛汽車。汽車非常昂貴,然而在歐洲,人們只有4%的時間在使用汽車,96%的時間把車停在停車場,這是非常不高效的系統。如果未來普及了無人駕駛的汽車,我們就可以過上另一種生活。
我們將只需要在手機上點一個按鍵,車就會自己開過來,把我們帶去目的地。這種車就像沒有駕駛員的計程車,可以被反復使用,效率和可持續性都得到了提升,也避免了資源浪費。
有研究發現,如果自動機動車得到普及,可以減少25%的交通擁堵,減少30%的城市停車場面積。如果北京減少30%的停車場需求,城市生活將大不一樣。
2、醫療行業。我們的壽命現在都比較長了,但仍然希望能夠更長。現在,我們的醫療水平並不是很好,由於我們忽視了每一個人的個體差異,醫生會用通常的方法治療每一個人。然而,基於大數據,我們可以做精確醫療,通過大數據分析每個人的差異,進行精確的治療、劑量、用量,讓患者更快恢復健康。
3、教育行業。我們要讓下一代有能力了解這個世界。然而,因為沒有數據,我們難以做到因材施教,所有孩子獲得同樣的教學,學習同樣的書本。低效率的教學就是在浪費腦力、知識和我們解決問題的能力。
如果我們用大數據去分析孩子在發展學習能力時遇到的問題,就可以進行個性化的學習,就可以釋放知識和理解力的力量,讓每一個孩子充分開發潛能。
-
『玖』 大數據時代的案例分析
個案一
你開心他就買你焦慮他就拋
華爾街「德溫特資本市場」公司首席執行官保羅·霍廷每天的工作之一,就是利用電腦程序分析全球3.4億微博賬戶的留言,進而判斷民眾情緒,再以「1」到「50」進行打分。根據打分結果,霍廷再決定如何處理手中數以百萬美元計的股票。
霍廷的判斷原則很簡單:如果所有人似乎都高興,那就買入;如果大家的焦慮情緒上升,那就拋售。
這一招收效顯著——當年第一季度,霍廷的公司獲得了7%的收益率。
個案二
國際商用機器公司(IBM)估測,這些「數據」值錢的地方主要在於時效。對於片刻便能定輸贏的華爾街,這一時效至關重要。曾經,華爾街2%的企業搜集微博等平台的「非正式」數據;如今,接近半數企業採用了這種手段。
●「社會流動」創業公司在「大數據」行業生機勃勃,和微博推特是合作夥伴。它分析數據,告訴廣告商什麼是正確的時間,誰是正確的用戶,什麼是應該發表的正確內容,備受廣告商熱愛。
●通過喬希·詹姆斯的Omniture(著名的網頁流量分析工具)公司,你可以知道有多少人訪問你的網站,以及他們呆了多長時間——這些數據對於任何企業來說都至關重要。詹姆斯把公司賣掉,進賬18億美元。
●微軟專家吉拉德喜歡把這些「大數據」結果可視化:他把客戶請到辦公室,將包含這些公司的數據圖譜展現出來——有些是普通的時間軸,有些像蒲公英,有些則是鋪滿整個畫面的泡泡,泡泡中顯示這些客戶的粉絲正在談論什麼話題。
●「臉譜」數據分析師傑弗遜的工作就是搭建數據分析模型,弄清楚用戶點擊廣告的動機和方式。
處理和分析工具
用於分析大數據的工具主要有開源與商用兩個生態圈。
開源大數據生態圈:
1、Hadoop HDFS、HadoopMapRece, HBase、Hive 漸次誕生,早期Hadoop生態圈逐步形成。
2、. Hypertable是另類。它存在於Hadoop生態圈之外,但也曾經有一些用戶。
3、NoSQL,membase、MongoDb
商用大數據生態圈:
1、一體機資料庫/數據倉庫:IBM PureData(Netezza), OracleExadata, SAP Hana等等。
2、數據倉庫:TeradataAsterData, EMC GreenPlum, HPVertica 等等。
3、數據集市:QlikView、 Tableau 、 以及國內的Yonghong Data Mart 。
『拾』 大數據應用案例不可不看的7大領域
大數據應用案例不可不看的7大領域
在當前的互聯網領域,大數據的應用已經十分廣泛,尤其以企業為主,企業成為大數據應用的主體。大數據真能改變企業的運作方式嗎?答案毋庸置疑是肯定的。隨著企業開始利用大數據,我們每天都會看到大數據新的奇妙的應用,幫助人們真正從中獲益。大數據的應用已廣泛深入我們生活的方方面面,涵蓋醫療、交通、金融、教育、體育、零售等各行各業。
健康醫療 溫情暖意
同仁醫院通過與IBM合作,同仁醫院建立起了強大的分析能力和體系,包括對臨床、運營、科研、考核等信息的分析,實現智慧的醫院管理與考核;同時也能看到醫療設備的平均故障間隔周期,從而降低了設備的故障率、平均維修時間。這一切都讓工作效率穩步提升,也緩解了病人看病難的問題,提高了患者就醫滿意度。
未來的醫療片段:由「可穿戴設備」或其他終端收集到人體生理數據,自動傳入雲端,進行數據分析與處理,再將其結果發給醫生,後者給出診斷或康復建議。例如日常的健康監督、運動及飲食指導,或對高血壓、糖尿病等慢性病進行日常管理,甚至有望為每個人定製出自己的健康全紀錄。
智能交通 路路暢通
杭州誠道科技採用英特爾Apache Hadoop發行版,使得海量圖像和視頻數據不但實現了可靠和高性能的存儲,而且還能被大量的使用者快速地訪問和使用。浙江省某市可保存的歷史違法數據從3個月延長到24個月,從24億條過車數據中完成機動車的號牌精確查詢和行車軌跡查詢,僅需不到1秒的時間。
未來的交通片段:無人駕駛將釋放駕駛者的雙手,提前預知路況信息,並准確的控制車輛狀態。呆在駕駛倉中的人們將享受與家中相同的娛樂休閑體驗,車載應用盡在雲端。例如擋風玻璃,類似於手機屏幕,可實現多點觸摸、支持視頻通話,在玻璃上比劃幾下就能導航、顯示路況、查詢天氣和附近美食、閱讀電子書、回復郵件、互動游戲等等。
魅力體育 完美呈現
IBM專門為中網設計了具有實時大數據分析功能的MatchTracker(賽事追蹤系統),可以為球迷提供數據呈現、計分等功能。 MatchTracker基於IBM SlamTracker分析技術,使球迷能夠利用歷史和實時性數據,洞悉比分之後的態勢和策略。此外,IBM還為中網組委會構建了安全和敏捷的內聯網。
未來的體育片段:今後,比賽日將會帶給球迷們終身難忘的回憶。他們不僅能收到來自隊員為其量身定製的信息,還能夠通過手機支持的忠實度賬戶獲得購買特許權,甚至在去洗手間排隊的間隙都可以收到實時戰況;如果遇上有人情緒失控,球迷們還能通過手機立即報告,專人將會迅速呼叫保安人員,以保證比賽順利運行並提高賽場整體管理水平;你能想像從手機上投標賽後新聞發布會的座位嗎?或者在衣帽間外和球員照相?這些都將不再是夢想。
智慧教育 創新源泉
為了滿足爆炸式增長的用戶和數據量,同濟大學攜手中科曙光,在全面整合雲計算平台和現有資產的基礎上,採用 DS800-F20存儲系統、Gridview集群管理系統,以及Hadoop分布式計算平台構建出了業內領先的大數據柔性處理平台,使得同濟大學在信息學科及其交叉學科研究領域邁上一個新台階。
未來教育片段:未來個性化學習終端,將會更多的融入學習資源雲平台,根據每個學生的不同興趣愛好和特長,推送相關領域的前沿技術、資訊、資源乃至未來職業發展方向,等等,並貫穿每個人終身學習的全過程。
全面迎接金融大數據時代
華為向農行提供了良好的計算平台,基於華為RH2288 V2伺服器的分布式並行計算集群進行測試,以及還提供了快速響應客戶需求的研發能力,以及業界最快捷的售後服務。農行的測試結果表明,華為解決方案完全滿足農行對海量數據進行分布式處理的要求。
未來金融保險片段:通過大數據處理對個人信用信息的完善管理,公共機構能夠將風險降到最低,從而實現社會管理效率的最大化。
零售營銷 極致體驗
作為中國商務部重點扶持的最大零售企業之一,北京華聯集團通過部署Oracle 零售應用解決方案,以優化運營管理,進而提高商業敏捷性,並提升關鍵貨物、定價、存貨、供應鏈和交易流程的管理和實施。全面支持其旗下各項業務的不斷增長,包括大賣場、綜合超市、百貨公司以及商業地產等。
未來零售片段:當一位顧客踏進百貨店大門的一刻起,門店的店員可以在攜帶型設備上查詢這樣的消費者大數據,他們可以輕松的檢索消費者個人檔案,並從其最近的社交媒體信息中了解該顧客的近況,你就知道他/她的名字、身高、在店內及網上的支付記錄,甚至是他對生活、宇宙及一切事物的看法等等都了如指掌,比如他是准備好好過個假期還是為尋找一件適合她的晚禮服而煩惱著。
電信大數據異軍突起
北京信合運通科技有限公司選擇IBM PowerLinux平台作為信合大數據解決方案的基礎架構平台已在國內幫助十多家電信運營商完成了大數據和分析項目的實施,是電信行業最領先的獨立軟體開發商。
未來電信片段:電信運營商們可以利用大數據為自身的產品服務,通過大數據分析用戶行為,改進產品設計,並通過用戶偏好分析,及時、准確地進行業務推薦,強化客戶關懷,這樣就可以不斷改善用戶體驗,增加用戶的信息消費以及對運營商的黏度;還可以通過大數據分析網路的流量、流向變化趨勢,及時調整資源配置,同時還可以分析網路日誌,進行全網路優化,不斷提升網路質量和網路利用率;還可以通過業務、資源、財務等各類數據的綜合分析,快速准確地確定公司的經營管理和市場競爭策略;
上述7個領域是大數據應用最多的領域,當然,隨著大數據技術的日益成熟,還會涌現出很多其他大數據應用領域,以及很多新的應用案例。