① 工業大數據開啟新時代 七大應用分析
工業大數據開啟新時代 七大應用分析
工業大數據的典型應用包括產品創新、產品故障診斷與預測、工業生產線物聯網分析、工業企業供應鏈優化和產品精準營銷等諸多方面。本文我們講就工業大數據在製造企業的應用場景進行逐一梳理。
隨著信息化與工業化的深度融合，信息技術滲透到了工業企業產業鏈的各個環節，條形碼、二維碼、RFID、工業感測器、工業自動控制系統、工業物聯網、ERP、CAD/CAM/CAE/CAI等技術在工業企業中得到廣泛應用，尤其是互聯網、移動互聯網、物聯網等新一代信息技術在工業領域的應用，工業企業也進入了互聯網工業的新的發展階段，工業企業所擁有的數據也日益豐富。工業企業中生產線處於高速運轉，由工業設備所產生、採集和處理的數據量遠大於企業中計算機和人工產生的數據，從數據類型看也多是非結構化數據，生產線的高速運轉則對數據的實時性要求也更高。因此，工業大數據應用所面臨的問題和挑戰並不比互聯網行業的大數據應用少，某些情況下甚至更為復雜。
工業大數據應用將帶來工業企業創新和變革的新時代。通過互聯網、移動物聯網等帶來的低成本感知、高速移動連接、分布式計算和高級分析，信息技術和全球工業系統正在深入融合，給全球工業帶來深刻的變革，創新企業的研發、生產、運營、營銷和管理方式。這些創新不同行業的工業企業帶來了更快的速度、更高的效率和更高的洞察力。
1.加速產品創新
客戶與工業企業之間的交互和交易行為將產生大量數據，挖掘和分析這些客戶動態數據，能夠幫助客戶參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。福特公司是這方面的表率，他們將大數據技術應用到了福特福克斯電動車的產品創新和優化中，這款車成為了一款名副其實的「大數據電動車」。第一代福特福克斯電動車在駕駛和停車時產生大量數據。在行駛中，司機持續地更新車輛的加速度、剎車、電池充電和位置信息。這對於司機很有用，但數據也傳回福特工程師那裡，以了解客戶的駕駛習慣，包括如何、何時以及何處充電。即使車輛處於靜止狀態，它也會持續將車輛胎壓和電池系統的數據傳送給最近的智能電話。
這種以客戶為中心的大數據應用場景具有多方面的好處，因為大數據實現了寶貴的新型產品創新和協作方式。司機獲得有用的最新信息，而位於底特律的工程師匯總關於駕駛行為的信息，以了解客戶，制訂產品改進計劃，並實施新產品創新。而且，電力公司和其他第三方供應商也可以分析數百萬英里的駕駛數據，以決定在何處建立新的充電站，以及如何防止脆弱的電網超負荷運轉。
2.產品故障診斷與預測
這可以被用於產品售後服務與產品改進。無所不在的感測器、互聯網技術的引入使得產品故障實時診斷變為現實，大數據應用、建模與模擬技術則使得預測動態性成為可能。在馬航MH370失聯客機搜尋過程中，波音公司獲取的發動機運轉數據對於確定飛機的失聯路徑起到了關鍵作用。我們就拿波音公司飛機系統作為案例，看看大數據應用在產品故障診斷中如何發揮作用。在波音的飛機上，發動機、燃油系統、液壓和電力系統等數以百計的變數組成了在航狀態，這些數據不到幾微秒就被測量和發送一次。以波音737為例，發動機在飛行中每30分鍾就能產生10TB數據。
這些數據不僅僅是未來某個時間點能夠分析的工程遙測數據，而且還促進了實時自適應控制、燃油使用、零件故障預測和飛行員通報，能有效實現故障診斷和預測。再看一個通用電氣（GE）的例子，位於美國亞特蘭大的GE能源監測和診斷（M&D）中心，收集全球50多個國家上千台GE燃氣輪機的數據，每天就能為客戶收集10G的數據，通過分析來自系統內的感測器振動和溫度信號的恆定大數據流，這些大數據分析將為GE公司對燃氣輪機故障診斷和預警提供支撐。風力渦輪機製造商Vestas也通過對天氣數據及期渦輪儀表數據進行交叉分析，從而對風力渦輪機布局進行改善，由此增加了風力渦輪機的電力輸出水平並延長了服務壽命。
3.工業物聯網生產線的大數據應用
現代化工業製造生產線安裝有數以千計的小型感測器，來探測溫度、壓力、熱能、振動和雜訊。因為每隔幾秒就收集一次數據，利用這些數據可以實現很多形式的分析，包括設備診斷、用電量分析、能耗分析、質量事故分析（包括違反生產規定、零部件故障）等。首先，在生產工藝改進方面，在生產過程中使用這些大數據，就能分析整個生產流程，了解每個環節是如何執行的。一旦有某個流程偏離了標准工藝，就會產生一個報警信號，能更快速地發現錯誤或者瓶頸所在，也就能更容易解決問題。利用大數據技術，還可以對工業產品的生產過程建立虛擬模型，模擬並優化生產流程，當所有流程和績效數據都能在系統中重建時，這種透明度將有助於製造商改進其生產流程。再如，在能耗分析方面，在設備生產過程中利用感測器集中監控所有的生產流程，能夠發現能耗的異常或峰值情形，由此便可在生產過程中優化能源的消耗，對所有流程進行分析將會大大降低能耗。
4.工業供應鏈的分析和優化
當前，大數據分析已經是很多電子商務企業提升供應鏈競爭力的重要手段。例如，電子商務企業京東商城，通過大數據提前分析和預測各地商品需求量，從而提高配送和倉儲的效能，保證了次日貨到的客戶體驗。RFID等產品電子標識技術、物聯網技術以及移動互聯網技術能幫助工業企業獲得完整的產品供應鏈的大數據，利用這些數據進行分析，將帶來倉儲、配送、銷售效率的大幅提升和成本的大幅下降。
以海爾公司為例，海爾公司供應鏈體系很完善，它以市場鏈為紐帶，以訂單信息流為中心，帶動物流和資金流的運動，整合全球供應鏈資源和全球用戶資源。在海爾供應鏈的各個環節，客戶數據、企業內部數據、供應商數據被匯總到供應鏈體系中，通過供應鏈上的大數據採集和分析，海爾公司能夠持續進行供應鏈改進和優化，保證了海爾對客戶的敏捷響應。美國較大的OEM供應商超過千家，為製造企業提供超過1萬種不同的產品，每家廠商都依靠市場預測和其他不同的變數，如銷售數據、市場信息、展會、新聞、競爭對手的數據，甚至天氣預報等來銷售自己的產品。
利用銷售數據、產品的感測器數據和出自供應商資料庫的數據，工業製造企業便可准確地預測全球不同區域的需求。由於可以跟蹤庫存和銷售價格，可以在價格下跌時買進，所以製造企業便可節約大量的成本。如果再利用產品中感測器所產生的數據，知道產品出了什麼故障，哪裡需要配件，他們還可以預測何處以及何時需要零件。這將會極大地減少庫存，優化供應鏈。
5.產品銷售預測與需求管理
通過大數據來分析當前需求變化和組合形式。大數據是一個很好的銷售分析工具，通過歷史數據的多維度組合，可以看出區域性需求佔比和變化、產品品類的市場受歡迎程度以及最常見的組合形式、消費者的層次等，以此來調整產品策略和鋪貨策略。在某些分析中我們可以發現，在開學季高校較多的城市對文具的需求會高很多，這樣我們可以加大對這些城市經銷商的促銷，吸引他們在開學季多訂貨，同時在開學季之前一兩個月開始產能規劃，以滿足促銷需求。對產品開發方面，通過消費人群的關注點進行產品功能、性能的調整，如幾年前大家喜歡用音樂手機，而現在大家更傾向於用手機上網、拍照分享等，手機的拍照功能提升就是一個趨勢，4G手機也占據更大的市場份額。通過大數據對一些市場細節的分析，可以找到更多的潛在銷售機會。
6.生產計劃與排程
製造業面對多品種小批量的生產模式，數據的精細化自動及時方便的採集（MES/DCS）及多變性導致數據劇烈增大，再加上十幾年的信息化的歷史數據，對於需要快速響應的APS來說，是一個巨大的挑戰。大數據可以給予我們更詳細的數據信息，發現歷史預測與實際的偏差概率，考慮產能約束、人員技能約束、物料可用約束、工裝模具約束，通過智能的優化演算法，制定預計劃排產，並監控計劃與現場實際的偏差，動態的調整計劃排產。幫我們規避「畫像」的缺陷，直接將群體特徵直接強加給個體（工作中心數據直接改變為具體一個設備、人員、模具等數據）。通過數據的關聯分析並監控它，我們就能計劃未來。雖然，大數據略有瑕疵，只要得到合理的應用，大數據會變成我們強大的武器。當年，福特問大數據的客戶需求是什麼？而回答是「一匹更快的馬」，而不是現在已經普及的汽車。所以，在大數據的世界裡，創意、直覺、冒險精神和知識野心尤為重要。
7.產品質量管理與分析
傳統的製造業正面臨著大數據的沖擊，在產品研發、工藝設計、質量管理、生產運營等各方面都迫切期待著有創新方法的誕生，來應對工業背景下的大數據挑戰。例如在半導體行業，晶元在生產過程中會經歷許多次摻雜、增層、光刻和熱處理等復雜的工藝製程，每一步都必須達到極其苛刻的物理特性要求，高度自動化的設備在加工產品的同時，也同步生成了龐大的檢測結果。這些海量數據究竟是企業的包袱，還是企業的金礦呢？如果說是後者的話，那麼又該如何快速地撥雲見日，從「金礦」中准確地發現產品良率波動的關鍵原因呢？這是一個已經困擾半導體工程師們多年的技術難題。
某半導體科技公司生產的晶圓在經過測試環節後，每天都會產生包含一百多個測試項目、長度達幾百萬行測試記錄的數據集。按照質量管理的基本要求，一個必不可少的工作就是需要針對這些技術規格要求各異的一百多個測試項目分別進行一次過程能力分析。如果按照傳統的工作模式，我們需要按部就班地分別計算一百多個過程能力指數，對各項質量特性一一考核。這里暫且不論工作量的龐大與繁瑣，哪怕有人能夠解決了計算量的問題，但也很難從這一百多個過程能力指數中看出它們之間的關聯性，更難對產品的總體質量性能有一個全面的認識與總結。然而，如果我們利用大數據質量管理分析平台，除了可以快速地得到一個長長的傳統單一指標的過程能力分析報表之外，更重要的是，還可以從同樣的大數據集中得到很多嶄新的分析結果。
以上是小編為大家分享的關於工業大數據開啟新時代 七大應用分析的相關內容，更多信息可以關注環球青藤分享更多干貨
② O2O成功的案例有什麼請具體舉幾個實例。
所屬行業：店商+平台電商+零售服務商
案例概述：蘇寧的O2O模式是以互聯網零售為主體的「一體兩翼」的互聯網轉型路徑。蘇寧利用自己的線下門店，以及線上平台，實現了全產品全渠道的線上線下同價，幫助蘇寧打破了實體零售在轉型發展中與自身電商渠道左右互搏的現狀。O2O模式下的蘇寧實體店不再是只有銷售功能的門店，而是一個集展示、體驗、物流、售後服務、休閑社交、市場推廣為一體的新型門店——雲店，店內將開通免費wifi、實行全產品的電子價簽、布設多媒體的電子貨架，利用互聯網、物聯網技術收集分析各種消費行為，推進實體零售進入大數據時代。
2014年「百日會戰」中，蘇寧O2O模式優勢凸顯，雙「11」，蘇寧發起第二屆O2O購物節，祭出門店、網站、手機、T V「四端協同作戰計劃」，並取得了一定成績。
分析師點評：2014年，蘇寧以互聯網零售為主體、「一體兩翼」的轉型布局已逐漸站穩了腳跟,並迅速進入效益凸顯期。其中，作為傳統零售企業轉型互聯網零售的代表，蘇寧的「自營O2O模式」在今年百日會戰和雙「11」中初見成效。但蘇寧「店商+電商+零售服務商」的O2O模式未來能否在O2O行業壓力下長足發展，還有待時間的檢驗。
【案例二】京東：「大數據+商品+服務」的O2O模式
所屬行業：綜合自營+平台電商
案例概述：京東與15餘座城市的上萬家便利店合作，布局京東小店O2O，京東提供數據支持，便利店作為其末端實現落地;京東與獐子島集團拓展生鮮020，為獐子島開放埠，獐子島提供高效的生鮮供應鏈體系。另外，京東還與服裝、鞋帽、箱包、家居家裝等品牌專賣連鎖店達成優勢整合，藉此擴充產品線、渠道全面下沉，各連鎖門店藉助京東精準營銷最終實現「零庫存」。
分析師點評：中國電子商務研究中心助理分析師孫璐倩認為，京東O2O模式基於線上大數據分析，與線下實體店網路廣泛布局、極速配送優勢互補。發揮了京東的平台優勢、物流優勢，跑馬圈地，擴大其市場地盤，填補了其用戶結構單一的短板，是開拓O2O發展的又一渠道。但該模式末端的傳統便利店是否有社區購物習慣的數據積累，有積累是否有價值，這個仍值得考慮，京東O2O未來的路還比較長。
【案例三】萬達：「線下商場+百萬騰電商」的O2O模式
所屬行業：商業地產
案例概述：萬達聯合網路、騰訊，共同出資成立萬達電子商務公司，萬達打通賬號與會員體系、打造支付與互聯網金融產品、建立通用積分聯盟、大數據融合、WiFi共享、產品整合、流量引入等方面進行深度合作，同時將聯手打造線上線下一體化的賬號及會員體系;探索創新性互聯網金融產品;建立通用積分聯盟及平台;同時，萬達、網路、騰訊三方還將建立大數據聯盟，實現優勢資源大數據融合。。近日，萬達投資20億入股快錢，彌補在O2O支付環節短板。
分析師點評：阿里一家獨大的格局，萬達、網路、騰訊分別做電商失敗，讓其深刻意識到抱團生存的重要性。萬達抱團互聯網大佬、多方借力的O2O發展模式，有望牽制阿里，給二、三線電商施加壓力。但能否完成三方團隊無縫隙對接，實現1+1+1>3，仍有待考驗。萬達投資快錢是其構建O2O版圖的重要一步，塊錢將成為萬達電商重要的支付平台。
【案例四】銀泰「線下商圈+阿里電商生態」O2O模式
所屬行業：商業百貨
案例概述：案例概述：銀泰所有商場參加到天貓購物狂歡節，並率先嘗試線下選品、線上支付購買的O2O模式。銀泰商業集團還得到阿里戰略入股，雙方優勢互補，共同打造涉及食、住、購、娛、游和公共服務六大領域的武林商圈O2O平台。2014年雙「11」，銀泰商業協同參與了阿里設立的020專場「去逛街」，縱深化增強O2O實力。
分析師點評：銀泰與阿里聯姻的O2O模式，一定程度上火拚了騰訊、蘇寧等巨頭在O2O領域「跑馬圈地」。銀泰依靠在全國的零售網路幫阿里搭建好O2O的基礎設施體系，進而全面解決雙方在線上和線下的貨品、支付、物流等關鍵環節的融合，試圖樹立O2O領域的某種行業標准，並向全社會開放。
【案例五】大潤發：「鄉鎮低線市場+飛牛網」的O2O模式
所屬行業：商場超市
案例概述：大潤發正式上線B2C平台飛牛網，在飛牛網運行半年後，攜手喜士多便利店推行O2O「千鄉萬館」項目，建立飛牛網購體驗館，實施O2O戰略。飛牛網設置網購體驗館，旨在服務大潤發服務不到的地區。飛牛網還將借力其他便利店、社區服務中心、鄉鎮連鎖小店、加油站、專賣店等探索多元化通路。隨後，飛牛網推出以「店慶日秒殺「為主題的活動，預熱雙「11」，4萬平青浦倉投入使用，配送效率顯著。飛牛網又與南通郵政達成戰略合作，正式啟用首批體驗館，飛牛網南通地區020「千鄉萬館」計劃開始落地。
分析師點評：中國電子商務研究中心(100EC.CN)網路零售部助理分析師孫璐倩認為，大潤發作為傳統零售企業，積累了長久的用戶資源和較好的口碑，其借飛牛網設置「千鄉萬館」的O2O戰略，以點帶面，在很大程度上滿足了用戶需求，也能更好地實現線下切入線上、線上商業線下服務的互補，為未來用戶市場的開拓爭取更多的資源。大潤發O2O模式將成為商超類進入互聯網的借鑒。
【案例六】美樂樂：「線下體驗館+線上家裝網」的O2O模式
所屬行業：家居建材
案例概述：美樂樂選擇將線上作為根據地，可以吸引到全國的流量，節省線下門店的租金，從而將售價降低，占據價格優勢，吸引消費者。(美樂樂又涉足線下體驗館，主要供線上體驗作用，將線上流量轉化為線下交易量。不僅作為在當地城市的實景展廳，還作為小型倉庫，縮短傢具運輸距離。另外，美樂樂還創建裝修網，整合了多種家居、家裝資訊，細化生態鏈中多個消費環節。美樂樂還通過集中SKU，，把每一個產品的量加大，從而大幅降低生產成本，然後有了規模效應以後，不論從生產、運輸，從各方面都可以提升。美樂樂在生產與運輸兩個環節就獲得了20%左右的成本優勢。
分析師點評：美樂樂家居網是根據其自身發展，從傳統的B2C業務拓展出了「美樂樂家居體驗館」這一線下平台，美樂樂的本質是降低了過去冗長的渠道成本，打破了過去企業和消費者信息不對稱下的價格虛高。作為家居行業O2O「第一個吃螃蟹」的企業，美樂樂的O2O模式是較為成功的。但從它對外招商的舉措來看，其戰線鋪的太長，可能還缺少明確方向。而「網上低價+網上推廣+線下店鋪」的模式能否推動線上線下活動，克服低價高成本的運營缺陷，還值得關注。
【案例七】順豐嘿客：「社區實體店+二維碼綁定具體商品」的O2O模式
所屬行業：物流快遞
案例概述：「嘿客」是順豐速遞推出的社區虛擬網購便利店。2014年5月18日，順豐速運官方宣布正式開業518家「嘿客」，除快遞物流業務、虛擬購物外，還具備ATM、團購/預售、試衣間、洗衣、家電維修等多項業務。快遞企業跨界殺入O2O領域，模式超期，非便利店也非快遞中心，被指「四不像」。
分析師點評：順豐嘿客作為新一代社區服務店，是快遞企業跨界玩O2O開拓的新型模式。運營至今，仍然是客流稀少，盈利堪憂，或是快遞企業做O2O，模式定位出現偏差。另外，順豐嘿客還缺乏後期的維護和推廣動力。消費者在社區終端利用系統購買的習慣還沒有養成，也缺乏信任;除順豐這樣的專業物流配送系統外，與終端相關的售後、退換貨的物流成本仍然居高不下，成為影響社區商鋪參與積極性的重要因素。
【案例八】鑽石小鳥：「線下體驗店+線上品牌化」的O2O模式
所屬行業:珠寶業
案例概述：「滑鼠+水泥」模式即「網購+體驗店」，用戶在線上平台選擇產品，到就近體驗店實體現場試戴，然後再做出理性的選擇。初創品牌至今，鑽石小鳥把「滑鼠+水泥」的全新鑽石銷售模式從上海相繼帶到了國各大主要城市。2009年，鑽石小鳥各地體驗中心全面升級為4C概念體驗中心，能夠有效解答消費者的疑問，處理消費者的投訴、現場制定個性化產品等。另外，鑽石小鳥標准化品牌體系，一對一購鑽服務等優勢服務項目，致力於傳播鑽石文化和品牌理念。
分析師點評：鑽石小鳥的O2O模式之所以成功，價格優惠首當其沖。這種「滑鼠+水泥」的商業模式，大大減少了鑽石流通環節，進而降低了價格。「滑鼠+水泥」的模式，不僅減輕了庫存壓力，還可以降低租金成本，提高品牌知名度。該模式值得傳統珠寶商轉型線上作為借鑒。
【案例九】海爾：「網格化門店+家居定製」的O2O模式
所屬行業：家電業
案例概述：海爾打造全新「日日順」平台，在全國建立了7600多家縣級專賣店，26000個鄉鎮專賣店，19萬個村級聯絡站，在中國2800多個縣建立了物流配送站，布局了17000多家服務商，做到「銷售到村，送貨到門，服務到戶」，解決了三四級市場的配送難題，並且在配送速度上已有1500多個區縣實現24小時限時達，460個區縣實現48小時內送達。
分析師點評：海爾作為傳統企業的代表，其勇於突破的精神和把握時機有效布局O2O的眾多舉措很值得傳統企業學習。海爾在O2O布局上占據了天時、地利、人和的優勢，但在內部結構和管理理念上還面臨著重重危機。該模式是否真的適合現在的海爾，未來成效如何，現在我們也只能先打一個大大的問號了。
【案例十】美邦：「生活體驗+上網環境」的O2O模式
所屬行業：服裝業
案例概述：美邦先是與微信合作，後面又開始與支付寶、微淘合作，最近美邦提出了以「生活體驗店+美邦APP」的O2O模式，並在全國推出了6家體驗店，美邦期望通過這些體驗店提供的舒適上網服務將消費者留在體驗店內，店內提供高速wifi環境和愜意的咖啡，有大量的公用平板供用戶使用，用戶喝著咖啡登陸美邦APP購買商品，也可在APP下單後選擇送貨上門，以此實現線下向線上導流量。
分析師點評：生活體驗店模式下，門店成為購物和上網、休息的場所。用戶手機直接下單，可以加強線下向手機APP的導流，加強用戶的移動APP沉澱。但是咖啡桌和上網環境會佔用了店面大量空間，以「生活體驗」和「上網環境」為核心進行店面改造，是否會背離服裝零售的核心?
③ 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
④ 大數據在企業中的應用
大數據在企業中的應用
2015年9月10日，首席數據官聯盟成立儀式暨第一屆首席數據官大會在北大召開，本次活動由中國新一代IT產業聯盟和易觀智庫聯合主辦，中國新一代IT產業推進聯盟技術分委會秘書長魯四海發表演講並參與對話討論。本次對話環節由易觀智慧院副院長葛涵濤主持，參與對話的嘉賓有北大電子政務研究院副院長楊明剛、殼牌中國CIO徐斌、華為大數據總監劉冬冬、北京瀚思安信科技有限公司聯合創始人董昕。各位嘉賓從大數據在企業的應用、人才隊伍建設等方面進行深入討論，以下是對話實錄：
葛涵濤：首先我想請大家做一下自我介紹。
劉冬冬：今年上半年開始代表華為做大數據生態圈的建設，我們這個生態圈是1+6的模式，華為提供公有雲，大計算等服務，與數據挖掘，商業應用，數據可視化展示等合作夥伴，國內篩選200多家大數據公司，和比較核心的合作夥伴，開始了第一批，第二批，第三批的流程，第一批選擇16家簽約，第二批還有十幾家，今年年底會完成初步50家的合作夥伴的合作。
徐斌：殼牌品牌是比較大的公司，殼牌中國業務比較大，殼牌中國在今年已經是121年了，1894年正式進入中國了，就沒有離開。目前我們在中國的業務有上油的油氣的開采，中油的煉化等業務。大數據在殼牌的應用歷史比較悠久，我們開採油田的時候需要用海量的數據做分析，幫助我們在哪裡打井更有效，如何保證製造環節更順暢，更早的發現潛在的風險，這方面有比較多的應用。針對我們幾百萬的用戶，也在做很多的和社交媒體的合作，掌握我們的客戶，留住我們的客戶，尋找新的商業機會。今天很高興有機會和大家交流大數據，特別是我們傳統行業如何使用大數據。
董昕：謝謝大家，我們是瀚思大數據安全，一個新的創業公司。大家想安全和大數據有什麼關系？其實有非常深的關系，我們後面有機會再和大家講。我們這個團隊是2014年成立的，主要成員是來自於埃森哲、甲骨文等這些公司。我們致力於把大型企業雲中心、互聯網裡面所有跟安全相關的，跟業務、應用安全相關的數據做統一大規模的存儲、挖掘、學習和展現，幫助IT從業者，運維人員，甚至企業的領導層從數據終發現一些跟安全相關的東西。希望通過數據驅動整個行業，和整個企業實現由傳統的基於防禦的安全策略，轉向主動智能的安全策略。我們成立一年多，我們公里56人，40多個人都是研發人員，數學科學家等跟數據相關的人員。非常高興有機會和大家探討比較新的行業。
楊明剛：非常感謝主辦方的邀請，很多朋友可能了解電子政務，電子政務就是政府的信息化，還有所謂的智慧城市，還有數字城市。在過去一年多，一直做政府相關的信息化的應用，包括頂層設計。現在隨著大數據概念的提出以後，應用和需求在過去一直存在，只是提升了一個水平。電子政務這塊近兩三年提上很重要的地位。電子商務對大數據的需求也是蠻多的，過去三四年，我們一直研究政務數據和商業大數據，非常高興和大家探討數據和首席數據官未來在整個企業決策和政策決策中的作用。
葛涵濤：我們的各位嘉賓對大數據，對數據資產進行了前期的描繪和支撐。我們都知道現在大數據產品和數據產品數據來源非常廣，包括來自於智能設備，可穿戴設備，來自於金融，來自於終端設備。有了大量的數據，基於數據進行挖掘和分析，數據產品化以後，再將數據產品應用到業務中。但是這些數據產品安全性怎麼樣？針對數據安全和用戶數據隱私與大數據是什麼關系？
楊明剛：我先從價值方面跟大家分享一下。美國有一本書《數字化生存》目前這個社會，隨著網路的發展，我們所有的網路，所也的社會的形態都可以用數據來表達，這個時候無論是政務數據，還是商業數據，還是個人數據都可以用來提供，或者給我們未來決策提供參考。無論是政府治理，還是企業的科學決策，或者個人未來合理的消費計劃，都可以從數據中提取到相關的決策參考。所以這塊，其實所有的數據，看似雜亂無章，各種非結構數據和結構化的數據，通過適當的方法處理，或者通過數學模型處理，能夠給我們管理和決策帶來新的支持或者更大的支持，這是我對整個目前數字這塊所謂的資產，數據是可以增值的資產。
其實我們有了互聯網以後，每個人在網路上，無論是購物，還是通過社交工具或者社會化媒體發表相關的看法或者思想等，我們在網路上留下了大量的數字的網路痕跡，其實提取這些痕跡，包括相關的特徵，用一定的方法去分析，就可以找尋每個人或者相關的機構未來的表現。這個東西在這裡面，有很多東西涉及到個人隱私，可能在這里買的房子，或者附近相關的消費，根據你的社會屬性可以判斷你未來的行為。從某種行為來說，會讓我自己感覺很不舒服，但是這些信息是通過我們允許的放在網路上，只是相關的機構提取過來做一些加工，可能對個人的隱私或者個人尊嚴是一種挑戰。隨著國家立法的完善，我相信網路的隱私權保護會逐漸解決。
董昕：其實好惡誇張的說，我們在座的每一個人都不安全，在網路空間，無論是你產生的數據，還是你的痕跡，還是你的隱私，或多或少在自己的手機里，PC里，或者是伺服器端，安全和隱私可能是永恆的話題，比較大，我就不展開講了。從我們的角度來說，我們更關注的，從一個角度如何把核心的數據，核心的資產保值增值，安全隱私的問題。無論是大數據下面的數據隱私，數據安全，還是小數據的數據隱私和數據安全方法論是一樣的。在管理制度上怎麼進行保障？
過去談論到數據安全，更多的時候是靠技術手段為主，所以才會出現各種各樣的防火牆，加解密設備，數據防泄漏，防入侵。這些東西都有用，但是無法解決所有的問題。要不然也不會出現JP摩根信用卡數據泄漏等問題。我們需要擁抱新型的技術，新型的平台，通過技術本身解決安全問題。
另外一個國外很多報告中都寫到了，設備本身控制數據資產不太現實，我假設所有的東西都是不安全的，把所有的東西都放一個安全體系，這是國際探討的問題。我們怎麼用新型技術保護數據安全，同時結合技術，如何使安全管理的流程和措施，能夠在企業中獲得更多的認識，從而解決這個問題。
葛涵濤：關於數據能力開放的問題，在之前大數據會議上，阿里集團代表上講過，阿里的數據不開放，他們是不是有數據安全的考量。因為他們收購了高德等一系列的社交和位置的公司，掌握了用戶全維度的數據，這是出於隱私保護，基於安全的數據開放，還是比較遙遠的話題。剛才我們在CDO調研報告裡面，在未來的數據業務和大數據技術方向上，在行業領域裡面的發展是非常重要的，我想請劉冬冬和徐總分別談談，比如說大數據業務，還有數據資產等等相關的技術和服務，在你們相應的通訊和能源行業怎麼與你們的業務結合落地的。
徐斌：像大數據的應用，在我們自己的傳統行業會產生什麼樣的作用？我們自己內部把大數據的企業進行劃分。從企業決策中大數據起了很多的作用，同行用爆破的方式採集信息，幫助我們判斷出這個地方打一口井效率是不是高，因為每一口的井的成本是上百萬的，提高10%的成功率是很可觀的，這是決策支持。
第二個是運營優化，比如說油站地下油庫存在非常大的隱患，汽油和柴油泄漏的時候，一對環境造成很大的風險，第二對地下水有影響，甚至產生爆炸。一旦發生這種情況，通過大數據技術能不能提前發現潛在的泄漏風險。通過對比站的分析，提前發現是否存在不適當的損耗的發生，從而發現風險。
第三個就是市場營銷，在我們消費互聯網層面談了很多，我們怎麼樣找到客戶的特性，延伸業務領域，包括業務合作。另外通過合作，找到我們潛在的客戶。像今天的孫總，我們客戶最典型的，對油品的質量要求比較高。我們從互聯網找到這個維度，在電商上購買率很高的，經常談到汽車的，這兩個碰撞就能找到潛在客戶。
第四個就是企業安全進行風險管控。能源行業是高危行業，包括油品配送過程中，配送的時候出現問題，可能出現爆炸的風險，包括成本的增加。因此我們在海外作業的時候，不能很好及時發現風險，可能造成重大的人身傷害，包括知識產權的保護，有跟多配方，這是很關鍵的，這個怎麼防止黑客攻擊。這個和董總有相關性，企業安全，人身的安全，包括信息安全。
第五是業務創新，第六是模式變革。這兩個把我們傳統的，我們通過賣汽油變成我們可能變成第三方汽車服務後市場。以後我們油品可能免費，免費的意義在於盈利模式通過後面衍生的新業務，就是羊毛出在豬身上狗來買單。這就是大數據在我們能源行業6方面的價值。
葛涵濤：我們原來做過石油遠程管道安全監護。現在俄羅斯他們傳輸的油氣管道，很多油氣管道每隔多少公里就有檢查油壓、溫度，還有油管表面的狀況，加入了很多感測器，獲取管道表面的數據，另外還有相應的機器人，會在軌道上定期巡邏，用光來檢查表面的狀況。將這些數據全部匯總在當地的數據中心，最後匯總到歐洲數據中心，如果正常就顯示為綠色的。大數據幫助能源運輸企業，在你發生問題之前就幫你預測問題即將在什麼時間大概發生。在發生之前進行預警，我覺得這個也是大數據跟商業智能整合的非常好的一個案例。
徐斌：在我們石油行業，特別是化工行業，生產行業一旦有一些事故終止生產，想恢復是非常長的時間，一般是三個月，三個月損失多大。越早預測到危險，提前採取措施，效率是很明顯的。
劉冬冬：我們通訊行業跟石油行業是很像的。我們華為也會裝各種各樣的感測器採集數據，知道什麼地方有什麼問題，然後解決問題。比如說一個大型會場，一個足球場，數萬人，大家都在發微信，這個時候能不能發出去，信號如何？這是我們自身運營商的應用場景。衍生出來的應用場景，如果華為或者運營商更早的把大數據應用到企業的經營管理等等各個維度中去，就不會發生像上海那樣的踩踏事件。當外灘單位面積內聚集的人口超過一定量以後就應該有一個預警，告訴相關的管理部門，公安也好，告訴相關的部門人說這個地方已經超多了，通過手機我們可以捕捉這個信息。我們在大數據行業剛剛起步，我相信將來所有的行業，都會面臨變成以數據為驅動，或者以數據為核心驅動力的，而不是像以前以產品為驅動力，以渠道或者品牌為驅動力的。以數據為驅動力的話，這個問題是蠻大的，作為華為來說，現在從各個方面改為以數據為驅動力。從宏觀來說，我們將要做什麼，我們要做哪些產品，這些都可以通過數據給我們進行指導。
在大數據產品裡面，哪些是最需要的，哪些是最急迫的，我們可以通過分析挖掘出來，這個可以指導我們企業將來做什麼，不做什麼。從很小的細節來說，華為2016年找誰做手機形象代言人，我們可以用大數據做。華為手機的粉絲超過100萬。這些人共同關注的是誰，他們共同興趣愛好是什麼？他們每天什麼時間上網，數據的統計就告訴我們了，不需要決策部門每天坐在一起拍腦袋決定是誰，不是誰。剛才說到數據安全問題，我認為數據安全和技術是矛和盾的問題。現在接受就可以了，當我們現在收到騷擾簡訊垃圾簡訊，為什麼會收到，是因為他們掌握了我們手機信息。當企業掌握了很多的信息以後，這時候就造成可以滿意度的問題，讓數據決定數據安全，讓市場決定技術到什麼程度，自然會有優勝劣汰，服務好的企業就會持續發展，服務部好的企業就會死掉。
葛涵濤：我們對用戶數據掌握的越來越多，我們對數據精準分析越來越多，我們傳遞出來的消息就是精準營銷，傳遞的信息就是有用的信息，而不是垃圾信息。這實際上對我們大數據企業，對技術和演算法提出了更高的要求。如何通過大數據分析方法尋找數據中隱藏的，還沒有被發現的價值和知識。
楊明剛：其實所謂大數據，大價值，大數據應該不是大忽悠，我為什麼這么說？因為我在過去一段時間，有一個地方政府，某一個行業部門在使用大數據，但是建完的大數據系統無法滿足他們的業務需求。我們傳統的大數據，一部分是對現有數據的發現，這就是數據檢索，傳統的數據方法就可以做到，對已知的東西，已知的問題，每個數據單元都是了解的，這時候無論是結構化數據，還是非結構化數據，我們可以帶著問題找到蛛絲馬跡，問題存在什麼地方。另外一部分應該是預測的部分，就像海爾孫總談到的問題，其實可以預測。業務管理專家和業務模型建構專家需要有一個緊密結合。大數據其實是一件奢侈品，對華為這樣的產品，對我們海爾這樣的企業，對殼牌這樣的企業是可以投得起資金的，大數據是奢侈品，但是絕大部分的中小企業也需要科學決策，也需要了解市場需求，這時候面臨很重要的選擇，要面臨高昂的成本建立系統，這是不可能的。但是絕大多數的大數據企業都需要高投資，中小企業怎麼通過在數據時代不被淘汰，需要大數據解決方案提供商，或者需要大數據研究者提供一種更典範的，或者更普世的大數據解決方案，不是依託與傳統的數據檢索，或者傳統的數據包裝實現大數據的方案，而是需要跳出傳統的大數據分析方法之外，能不能有另外一種更科學，更普世的方法，讓我們很多中小企業都能享受到當今的大數據服務，需要我們在座的一起探討。實際上個人也需要大數據服務。
葛涵濤：跟簡單，更方便使用的大數據產品，方便企業減少這方面的預算，讓更多的人使用大數據帶來的便利。
楊明剛：中國的天氣預報部門利用大數據是最好的，把過去一百多年的歷史數據拿過來進行預報。真正的大數據是對未來可能的知識的發現，通過大數據發現潛在的數據之間的關聯。
葛涵濤：實際上我們剛才提到了各個不同的行業和企業對大數據的應用，因為你在北大做了十年CIO方面的培養，你們對CDO這方面的人才培養有什麼樣的動作和支持。
魯四海：我們也在探討，剛才我們在PPT裡面分享，首先為什麼會有這樣的角色存在，驅動力是什麼？然後再說需要什麼楊得技能？我覺得CDO有一部分的東西需要從課堂學習的，偏技術這塊的，能涵蓋技術和基礎管理這塊。CDO需要有一些經濟學的基礎在裡面。大數據更大的是告訴我們未來是什麼樣，告訴我們一些未知的東西。不是提一個假設，拿數據進行分析證明這個假設是對的或者是錯的，這個意義不大。真正的意義能夠告訴你未來是這樣的。我覺得CDO在培養過程當中，除了課堂學習以外，還要跟內部的業務部門進行內部的學習和交流。因為我們面臨著未知的世界，更多的需要廣闊的舞台，像CDO聯盟一樣，未來我們做一些交流性的東西，各個行業，不同行業的方式方法進行跨界整合，因為數據在這個時代就是跨界。
葛涵濤：下面我們請我們在座的各位嘉賓，用簡單的一兩句話展望一下大數據時代下，我們這些數據管理人才，CDO們如何在整個大數據背景下做好我們的工作，能在工作上出新出彩，在我們業務設計上有相應的業務創新。
魯四海：應該說任何一個行業任何一個企業的數據都是資產，每個企業都將擁有將數據變成核心競爭力的能力，這個能力可能是自建也可以購買服務獲得。
楊明剛：大數據應用成為未來決策的核心推動力，今天的大數據不能成為大忽悠。
董昕：我們談了很多技術方面的話題，我覺得一個CDO第一應該有大數據的理念，未來主要的價值都是數據。另外一點，我們認為作為一個CDO，一定要跟我們業務相聯系，懂我們的業務，知道我們的收入從哪裡來，成本在哪裡，效率從哪裡提升，這樣CDO才能落地。
徐斌：數據本身有沒有價值，我個人認為數據是沒有價值的，雖然我今天講了很多大數據。只有當數據能幫助企業產生價值的時候才能成為有價值的資產。我經常說數據資產，每個公司都有大量的數據，他們不是資產，因為它沒有用。數據只有成為有用的信息，成為知識，變成智慧，它才是真正的數據資產。不要神話大數據，大數據產生業務的價值，產生商業的價值才叫大。第二我們企業有CDO，或者有虛擬CDO職位，通過其他的CIO、CMO承擔。最主要的是腳踏實地，循序漸進，如果你不把企業的數據用好，談何大數據。如果企業沒有從數據支持決策的文化，大家做任何事情不用客觀數據幫我們做分析，給你再多的數據也沒用。首先是企業文化。第二把現有的數據用好，然後循序漸進引用更多的數據做分析。通過數據發現未知東西，這是偽命題。因為你發現未知東西，因為你不知道，原因是什麼。當形成智慧知道為什麼會發生，這是我們追求的目的，只不過我們現在不知道，所以通過相關的分析找到了相關性，但是不知道原因。未來當我們有足夠多的知識積累，我們就知道原因了。未知領域是大數據的使用階段。
劉冬冬：大數據這塊沒有找到盈利模式，沒有找到市場，推不動。現在大家找到了盈利模式才推下去了，這才是有用的，大數據有用才是硬道理。對於CDO來說，我認為跨界才是最重要的。不光要有知道企業內部的小數據，同時也要知道外部的數據如何和企業內部的數據相結合。比如說做銷售的，系統能不能很快的告訴員工，這個公司銷售額有多大的產能，以及其他合作公司等等的情況，有價值才是最重要的。
以上是小編為大家分享的關於大數據在企業中的應用的相關內容，更多信息可以關注環球青藤分享更多干貨
⑤ 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。
-
⑥ 大數據有哪些具體的應用案例_大數據應用的典型案例
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.Tipp24AG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銀頌的營銷活動。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.快餐業的培搏鍵視頻分析。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.PredPolInc.。PredPol公司通過與洛杉磯和聖配巧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.TescoPLC（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.AmericanExpress（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%。