大數據服務故事

A. 大數據:別人說故事,而我們用數據說話

大數據:別人說故事,而我們用數據說話

雲攻略
有關大數據、雲計算、物聯網的高端的、實用的、好玩的知識經驗、案例分析、操作技巧分享!用大數據思維勾搭一切，包括你~

如今，在市場營銷中內容變的越發重要，很多商家會通過說故事的方式來樹立品牌，進行宣傳，唯有故事精彩才能吸引人，也許有的人會懷疑故事的真實性，但是大數據就是用事實來說話。那麼，大數據究竟可以告訴我什麼?

1、大數據可以鑒別產品真假

義大利帕馬森雷佳諾乾酪同業公會是一間防止造假或無證生產帕馬森雷佳諾乾酪的質量監控聯營公會。過去，判斷乾酪的真偽是一個極為耗時的復雜過程，需要手動抽查 600多家乳品店。而現在，大數據分析解決方案提供的條碼標簽和感測器功能，讓其能夠有效監控日常生產與產品，從而幫助他們准確判斷和追溯每批產品是否純正。也幫助了客戶解決風險和欺詐的挑戰。

2、大數據可以降低成本，增加營業額

迪凡斯動物園和水族館只能憑藉以往的經驗猜測每一天的遊客數量，並決定聘用多少員工以及准備多少物資。現在通過大數據分析解決方案，他們可以將移動端驗票及天氣預報等多個不同來源的數據關聯在一起進行綜合分析，實現了對遊客數量的精準預測。同時，從這些數據中獲取洞察，幫助他們能夠更好地預測遊客需求，並且做出更加有效的業務決策，讓遊客在每一次游覽中都能獲得滿意的服務。
3、大數據可以帶來健康的身體

網路筷搜與電腦通過無線方式連接後，只需接觸食材，就可以通過機身屏幕清楚了解包括營養成分、保質期、搭配禁忌、卡路里等關於食品的一系列信息。還可以分辨地溝油等危害油脂，極大程度避免消費侵害。

除此之外，醫療機構能根據居民健康檔案、電子病歷、公共衛生及綜合管理等數據實時監測用戶的身體健康狀況;教育機構可以為用戶量身定製喜歡的培訓計劃;社交網路能提供合適的交友對象;金融機構能幫助用戶進行個性化的理財計劃和使用建議;道路交通、汽車租賃及運輸行業可以為用戶提供更適宜的出行線路和路途服務安排。

在未來，大數據可以給我們帶來的遠不止這些。BDSAAS是一款以大數據和雲計算為基礎的軟體，給客戶帶來更快的數據收集和更准確的數據分析。每個人的生活軌跡看似錯綜無序，但通過大數據管理軟體，用戶的點滴信息都構成了一套完整的消費行為模式。通過對群體行為信息的發掘總結，對傳統運營模式進行了顛覆和創新，同時也為企業業績帶來了爆發式的增長。

過去對於企業來說，消費者僅僅是個模糊的概念。通過大數據，讓企業能清晰的觸摸到用戶們的「輪廓」，讓企業更准確地捕捉用戶的需求和消費心理。同時，通過對數據資源的收集和挖掘利用，企業獲得了取之不盡、用之不竭的信息資源，一切變的可量化。大數據顛覆了傳統企業的生產模式，引發了管理變革，成為了企業再現代化新的驅動力。

今天的大數據時代，讓商業的生態環境在不經意間發生了巨大的變化，無處不在的智能終端，隨時在線的數據傳輸，互動頻繁的社交網路讓消費者的面孔從模糊變得清晰，對於企業來說，企業第一次有機會進行大規模的精準化的消費者行為研究;作為保持著持續變革慾望的企業，主動地擁抱這種變化，從戰略到戰術層面開始自我的蛻變和進化將會讓企業更加適應這個新的時代。

當別人還在說故事用想像來建構未來的時候，我們已經開始用數據繪制新的商業藍圖。

以上是小編為大家分享的關於大數據:別人說故事,而我們用數據說話的相關內容，更多信息可以關注環球青藤分享更多干貨

B. 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。

C. 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。

D. 如何利用大數據來改善醫療服務質量

近年來，大數據不斷向世界的各行各業滲透，影響著我們的衣食住行。例如，網上購物時，經常會發現電子商務門戶網站向我們推薦商品，往往這類商品都是我們最近需要的。這是因為用戶上網行為軌跡的相關數據都會被搜集記錄，並通過大數據分析，使用推薦系統將用戶可能需要的物品進行推薦，從而達到精準營銷的目的。下面簡單介紹幾種大數據的應用場景。

大數據在醫療行業的應用

大數據讓就醫看病更簡單。過去，對於患者的治療方案，大多數都是通過醫師的經驗來進行，優秀的醫師固然能夠為患者提供好的治療方案，但由於醫師的水平不相同，所以很難保證患者都能夠接受最佳的治療方案。

而隨著大數據在醫療行業的深度融合，大數據平台積累了海量的病例、病例報告、治癒方案、葯物報告等信息資源.所有常見的病例、既往病例等都記錄在案，醫生通過有效、連續的診療記錄，能夠給病人優質、合理的診療方案。這樣不僅提高醫生的看病效率，而且能夠降低誤診率，從而讓患者在最短的時間接受最好的治療。下面列舉大數據在醫療行業的應用，具體如下。

(1) 優化醫療方案，提供最佳治療方法。

面對數目及種類眾多的病菌、病毒，以及腫瘤細胞時，疾病的確診和治療方案的確定也是很困難的。藉助於大數據平台，可以搜集不同病人的疾病特徵、病例和治療方案，從而建立醫療行業的病人分類資料庫。如果未來基因技術發展成熟，可以根據病人的基因序列特點進行分類，建立醫療行業的病人分類資料庫。在醫生診斷病人時可以參考病人的疾病特徵、化驗報告和檢測報告，參考疾病資料庫來快速幫助病人確診，明確地定位疾病。在制訂治療方案時，醫生可以依據病人的基因特點，調取相似基因、年齡、人種、身體情況相同的有效治療方案，制訂出適合病人的治療方案，幫助更多人及時進行治療。同時這些數據也有利於醫葯行業研發出更加有效的葯物和醫療器械。

(2)有效預防預測疾病。

解決患者的疾病,最為簡單的方式就是防患於未然。通過大數據對於群眾的人體數據監控，將各自的健康數據、生命體征指標都集合在資料庫和健康檔案中。通過大數據分析應用，推動覆蓋全生命周期的預防、治療、康復和健康管理的一體化健康服務,這是未來賣耐健康服務管理的新趨勢。當然，這一點不僅需 要醫療機構加快大數據的建設，還需要群眾定期去做檢查，及時更新數據，以便通過大數據來預防和預測疾病的發生，做到早治療、早康復。當然,隨著大數據的不斷發展，以及在各個領域的應用，一些大規模的流感也能夠通過大數據實現預測。

大數據在金融行業的應用

隨著大數據技術的應用，越來越多的金融企業也開始投身到大數據應用實踐中。麥肯錫的一份研究顯示，金融業在大數據價值潛力指數中排名第一。下面列舉若干大數據在金融行業的典型應用，具體如下。

(1) 精準營銷。

銀行在純配遲互聯網的沖擊下，迫切需要掌握更多用戶信息，繼而構建用戶360立體畫像，即可對細分的客戶進行精準營銷、實時營銷等個性化智慧營銷。

(2) 風險管控。

應用大數據平台，可以統一管理金融企業內部多源異構數據和外部徵信數據,更好地完善風控體系。內部可保證數據的完整性與安全性，外部可控制用戶風險。

(3) 決策支持。

通過大數據分析方法改善經營決策，為管理層提供可靠的數據支撐，從而使經營決策更高效、敏捷、精準。

(4) 服務創新。

通過對大數據的應用，改善與客戶之間的交互、增加用戶黏性，為個人與政府提供增值服務,不斷增強金融企業業務核心競爭力。

(5) 產品創新。

通過高端數據分析和綜合化數據分享,有效對接銀行、保險、信託、基金等各類金融產品，使金融做李企業能夠從其他領域借鑒並創造出新的金融產品。

大數據在零售行業的應用

美國零售業曾經有這樣一個傳奇故事，某家商店將紙尿褲和啤酒並排放在一起銷售，結果紙尿褲和啤酒的銷量雙雙增長!為什麼看起來風馬牛不相及的兩種商品搭配在一起，能取到如此驚人的效果呢?後來經過分析發現，這些購買者多數是已婚男士，這些男士在為小孩購買尿不濕的同時，會同時為自己購買一些啤酒。發現這個秘密後，沃爾瑪超市就大膽地將啤酒擺放在尿不濕旁邊，這樣顧客購買的時候更方便，銷量自然也會大幅上升。

之所以講「啤酒-尿布」這個例子，其實是想告訴大家，挖掘大數據潛在的價值，是零售業競爭的核心競爭力，下面列舉若干大數據在零售業的創新應用，具體如下。

(1) 精準定位零售行業市場。

企業想進人或開拓某一區域零售行業市場，首先要進行項目評估和可行性分析，只有通過項目評估和可行性分析才能最終決定是否適合進人或者開拓這塊市場。通常需要分析這個區域流動人口是多少?消費水平怎麼樣?客戶的消費習慣是什麼?市場對產品的認知度怎麼樣?當前的市場供需情況怎麼樣等等，這些問題背後包含的海量信息構成了零售行業市場調研的大數據，對這些大數據的分析就是市場定位過程。

(2) 支撐行業收益管理。

大數據時代的來臨，為企業收益管理工作的開展提供了更加廣闊的空間。需求預測、細分市場和敏感度分析對數據需求量很大，而傳統的數據分析大多採集的是企業自身的歷史數據來進行預測和分析，容易忽視整個零售行業信息數據，因此難免使預測結果存在偏差。企業在實施收益管理過程中如果能在自有數據的基礎上，依靠一些自動化信息採集軟體來收集更多的零售行業數據，了解更多的零售行業市場信息,這將會對制訂准確的收益策略，贏得更高的收益起到推進作用。

(3) 挖掘零售行業新需求。

作為零售行業企業，如果能對網上零售行業的評論數據進行收集，建立網評大資料庫，然後再利用分詞、聚類、情感分析了解消費者的消費行為、價值取向、評論中體現的新消費需求和企業產品質量問題，以此來改進和創新產品，量化產品價值，制定合理的價格及提高服務質量，從中獲取更大的收益。

E. 大數據在生活中對人們有什麼具體的幫助

你可以通過商家的來推送來源逆向思考你自己關注的東西，如果你經常收到一些亂七八糟的信息，或者各種游戲、無聊低級趣味的推薦，這說明你最近一段時間的關注點是在這些方面的，如果你經常收到一些專業書籍、會議邀請、知識推薦之類的信息，這反映的是另外一種信息。

F. 製作一個大數據故事的5個步驟

製作一個大數據故事的5個步驟

從事數據工作很多年，我總結了一套好的實用方法與大家分享。它不是唯一的方法，但對於我來說，它是一種用數據講故事的最好方法。

第一步：數字化

我不用太強調。這些日子，我努力將每個故事數字化，包括筆記、圖片、音頻、視頻和文檔。怎麼做？一些實用的工具如下：

軟體DocumentCloud ——允許你上傳PDF文件並且實現光學字元識別，也叫OCR。OCR可以掃描文檔，並將其轉化為可搜索的文件。它並不完美，但這是一個開始。

軟體DocumentCloud 也有驚人的嵌入特徵，允許你強調和注釋段落。最後，它擁有一個復雜卻很有用的時間軸和一個很棒的實體識別引擎。IRE（美國無線電工程師學會）可以使用。

DocumentCloud軟體允許你上傳PDF文件，並且實現光學字元識別。

谷歌文檔——和DocumentCloud功能差不多，而且能很好地適應使用谷歌套件的新聞編輯室，同時能自動完成光學字元識別文檔。

文字記錄——海外文字記錄服務已經將費用降低到每分鍾1美分，而且工作質量不錯。所以，當你有一個重要采訪需要傳到網上，這是個很好的方法。不久的將來這些肯定會轉變，但是費用會明顯增加，例如每分鍾3美元。rev.com, TranscriptionAssociates, Transcribe, andTranscribeMe服務都能提供很棒的文字記錄服務。警告：如果這是一個關鍵引用，請回放錄音，就像美國國家橄欖球聯盟那樣。

光學字元識別掃描——如果你有大量紙質文件需要轉換成可索引的PDF文件，通常最便宜的方法是在城鎮找一家合法的服務公司。他們每頁收費15到25美分，所以，即使你有數百頁紙需要掃描，價格也不會太貴。合法服務公司速度很快，而且他們有高質量的光學字元識別儀器用來識別文檔並將他們轉換成可以搜索的文本。

Excel或Google Spreadsheets(電子表格工具)——我的所有工作幾乎都用Excel或Google Spreadsheets完成。使用Excel不一定非要有一個計算機資料庫。它可以很方便地創建、分類和組織很小的信息表。比如，關於在伊拉克受傷的平民承包商的故事，我的腦海中立馬會浮現很多事。於是，我建立了一個涵蓋約30個案例的電子表格，並添加了少量的數據。

Idea Organizers——如果是一項大的工程，你可以考慮使用與Office軟體一體化的印象筆記或 Microsoft』s OneNote這樣的特殊組織軟體。這些精心設計的軟體可以粘貼至網頁，追蹤數據來源和組織數據。在工作中我很少使用這些軟體，但很多人喜歡它，因為它可以將所有的東西放到一個軟體包里。

類似於印象筆記這樣的程序能夠幫助你組織數據和理念。

第二步：數據化

幾乎每個故事都可以從數據之中獲益。數據有助於將故事置於背景中，使你的故事脫穎而出，而這點也越來越容易做到。

數據分析不必太復雜。它可以像寫一樁謀殺案，並指出今年和去年的謀殺案數量對比那樣簡單。它也可以像上市公司追溯期權支付的多元回歸分析那樣的復雜。

但重點是：數據總是存在的。不要逃避它，而應該去利用它。

試試這個練習。隨機抽出一張報紙，翻開一個頁面。先看前幾個故事，問問自己：這個故事還可以添加哪些背景？

如何找數據？你可以從這幾個聯邦一級的網站上開始著手。你會發現州政府和地方政府往往比聯邦政府回復地更快。

data.gov——聯邦政府數據的主要存儲庫。按照主題和機構，你可以搜索到聯邦調查局已公開發布的數據集。

在Data.Gov，你可以搜索到聯邦調查局已公開發布的數據集。

fbo.gov——所有聯邦政府外包出去參加投標的名單。有關項目和聯系人姓名的有用信息。

USAspending.gov——列出所有已授權的政府合同和分包合同，是fbo.gov的後續跟進。通過關鍵字搜索，可以找到你所在的國家或城鎮的合同。

Enigma.io——由政府、大學、企業和組織提供的數據集的奇妙融合。

Govzilla——這個網站專門為獲取競爭情報而創建，但包含了許多驚人有用的信息自由法信息。從本質上講，該網站不斷為一些機構，包括美國食品葯物管理局、美國國稅局和美國國立衛生研究院，提供信息自由法的審查報告。它們的成本較高。但是如果你需要最新的數據，就在這兒搜索。

Dataportals——試圖收集世界上所有公開的的數據源。無論成功與否，它都有大量實用的國際數據。

第三步：年表化

無論你的調查性報道採取何種形式，或長或短，敘述性或主題性，人物主導或話題性，總存在一定順序。

當我坐下來寫報道時，第一件事就是創建一個時間軸。為了理清哥倫比亞北部一個叫聖多明哥村莊的轟炸事件，我創建了一份長達11頁的時間軸。它的確對我弄清事件的發展有很大的幫助。

更近的一個例子，關於創建利比亞內戰歷史的時間軸，就有98頁467,18個字。一個龐大的工程？是的，但總體而言它很有必要。

時間軸的三點好處

幫助你看到你可能會漏掉的關系。幫助你快速查閱事件。你可以將事件源頭包含在時間軸里，這樣就可以記住一個特殊信息是從何而來。

我傾向於使用電子表格創建時間軸。但是，稍作提示，你也可以在 Word 中創建時間軸，只要你使用像 YYYY-MM-DD 這樣的日期格式去開始這一段文字。若以此格式開頭，Word 會將段落按照日期排序。所以你可以在 Word 文檔底部輸入信息，然後只需確保時間軸是按時間排序即可。

依我拙見，在報道方面依然需要時間軸工具。它們更注重作品本身而非數據收集。有些基於網路的工具，比如Tiki Toki（互動式多媒體時間軸製作應用）和Dipity（在線時間軸應用服務），還有來自北卡羅來納大學騎士實驗室的軟體版本（比如timelinejs）或非盈利新聞機構ProPublica的TimelineSetter。但不論哪一個，我都不太滿意。一個電子表格或Word文檔足以滿足工作需求。

第四步：人格化

現在我們要著手處理工作了。你需要讓故事說話，那將意味著要有會講故事的人。

當我做筆記或與某人交談時，我總是在一些聽起來不錯的引語前標記上星號。這樣，當我回顧筆記時，只用尋找星號去創建一個引語集就可以。然後從引語集中找出最好的10條、15條或20條引語。其次，還有另外兩個原因：

它可以幫助你組織故事。你可以開始構思過渡段、出人意料的結局或開放式結尾，這將幫助你塑造整個故事。確保故事能得到爆炸般的劇烈反響。你在努力尋找短小精悍的信息，言簡意賅的說，它可以幫助你從這一切中篩選出最好的。

另一件大事是尋找人物。當然，這並不總是可行的。如果你有一個故事，需要花費大量時間在許多人物上，你最好按照年表順序簡單表述，讓時間成為主線。也許沒有一個人物能夠很好地融於整個故事，那麼最壞的打算就是盡力讓一個人物「適應」一件軼事。

另一方面，如果你有一個能滔滔不絕舉出例證的人物，他有著強大而動人的生活故事，能夠很好地闡明你要說的內容，這就意味著你擁有了「魔法」。盡最大努力去講述他的故事。

第五步：敘述化

這是非常難的部分。你要弄清楚如何去講述一個故事。然而，好的消息是，在一到三的步驟中，你可以得到暗示知道你都要做些什麼。

我最喜歡的故事結構是時間軸的方式。如果你在展現故事時或多或少地用到時間軸，它將會幫助讀者理解正在發生的事，使得事件之間的聯系更加明朗化，更具有可讀性。事實上，我說時間軸是講述任何故事的唯一方式可能會招來責難。

一般來說，我會寫一個梗概來總結故事和要點。通常我會試圖找到一個能快速識別的點或者簡單的硬新聞，以便於我的查看。然後我會填充核心段落、一些重要的發現和一系列對於發現的即時反應。

這些總共會佔到10到15個段落。到那時候，讀者就會知道這篇文章是否值得花時間深入閱讀。高潮過後，我會中止，然後順著時間軸來展開餘下的故事。

我的第二種選擇是主題式文章。換句話說，我會分塊來闡述主題。我將其稱為混合體模式。但即使是這樣，我也會盡可能順著時間軸，用一些不超出主題范圍的軼事來充實故事。

以上是我講故事的方式。雖然按照步驟寫了下來，但我寫故事的進度幾乎和時間平行。從報告的開始，我就在想怎樣使故事更具人格化和敘事性。我正在從事數據化工作。當我發現更多數據、更多人物或者當數據化揭示新趨勢的時候，它沒有以固定的順序發生，而是以一種不斷反復的方式進行。

這是一個任重而道遠的過程。但在最後，我認為讀者意在尋求一種有力量、敘述生動且內容豐富的的故事。我們不能總是發表那些奇怪事物、縮減的能源和瀕危物種的故事。但我們可以努力改變。當我們找對了方向，那將會不同凡響。

以上是小編為大家分享的關於製作一個大數據故事的5個步驟的相關內容，更多信息可以關注環球青藤分享更多干貨

G. 醫療行業大數據應用的三個案例

醫療行業大數據應用的三個案例
文章從華大基因推出腫瘤基因檢測服務、大數據預測早產兒病情、廣東省人民醫院利用大數據調配床位3個醫療行業大數據應用案例中，以應用背景、數據源、圖說場景、實現途徑、應用效果5個視角去看待大數據在醫療的應用狀況。
案例一：華大基因推出腫瘤基因檢測服務
應用背景：
伴隨著生物技術、大數據技術的發展，個體基因檢測治療疾病已經成為現實。其中，最廣為人知的是美國好萊塢女星安吉麗娜?朱莉，在 2013 年經過檢測她發現自身攜帶致癌基因——BRCA1 基因，為防止罹患卵巢癌，於 2015 年切除了卵巢和輸卵管。目前，國內外已經有多家基因檢測機構，如我國的華大基因、貝瑞和康、 美國的 23andMe、 Illumina 公司等。華大基因一直致力於腫瘤基因組學研究，已經研究 20 多類癌症。近日，華大基因推出了自主研究的腫瘤基因檢測服務，採用了高通量測序手段對來自腫瘤病人的癌組織進行相關基因分析，對肺癌、乳腺癌、胃癌等多種常見高發癌症進行早期、無創傷檢測。
數據源：
檢測數據：患者血清、口腔黏膜數據、基因測序等。
其它數據：體檢數據、電子病歷、遺傳記錄、患者調查、地理區域以及生活條件等。
圖說場景：

實現路徑：
首先採取患者樣本，通過測序得到基因序列，接著採用大數據技術與原始基因比對，鎖定突變基因，通過分析做出正確的診斷，進而全面、系統、准確地解讀腫瘤葯物與突變基因的關系，同時根據患者的個體差異性，輔助醫生選擇合適的治療葯物，制定個體化的治療方案，實現「 同病異治」 或「 異病同治」 ，從而延長患者的生存時間。
應用效果：
癌症診斷和預測。腫瘤醫院的病人中有 60%至 80%剛到醫院時就已經進入中晚期，癌症早期的篩查可以幫助患者有針對性的改善生活習慣或者採取個體化的輔助治療，有益於身體健康;同時將癌症扼殺在搖籃里，從而降低日後巨大的醫葯開支和生活困擾。助力個性化醫療。結合生物大數據，挖掘疾病分子機制最終可以做到更好的篩查，更好的臨床指導以及更好用葯的過程。
案例二：大數據預測早產兒病情
應用背景：
安大略理工大學的卡羅琳·麥格雷戈( Carolyn McGregor)博士和一支研究隊伍與 IBM 一起和很多醫院合作，用一個軟體來監測處理即時的病人信息，然後把它用於早產兒的病情診斷。
數據源：
個人體征數據：心率、呼吸、體溫、血壓和血氧含量。
其它數據：孕婦產檢數據、電子病歷、遺傳數據等。
實現路徑：
系統會監控 16 個不同地方的數據，比如心率、呼吸、體溫、血壓和血氧含量，這些數據可以達到每秒鍾 1260 個數據點之多。在明顯感染症狀出現的 24 小時之前，系統就能監測到早產兒細微的身體變化發出的感染信號，及早預測控制早產兒的病情，從而提高新生兒的出生率。
應用效果：
預測病情。早產兒的穩定不是病情好轉的標志，只有通過海量的數據並且找出隱含的相關性才能發現提早知道病情，醫生就能夠提早治療，也能更早地知道某種療法是否有效，這一切都有利於病人的康復。
案例三：廣東省人民醫院利用大數據調配床位
應用背景：
起因於國外醫院的經驗以及廣東省人民醫院各專業科室差異很大的病床使用率。長期以來，優勢專業病源充足，病人候床情況嚴重，排隊入院，相反有些專業空床情況明顯，病床使用率僅 65%左右。為此管理層打出了模糊臨床二級分科、跨科收治病人、集中床位調配權的一套「 組合拳」 。
數據源：
患者數據：掛號數據、電子病歷、患者基本數據等。
醫院數據：各科室床位使用情況、診療活動、平均住院費用、平均住院周期等。
實現路徑：
對跨科收治病人之後的科與科之間的工作量、收入、支出、分攤成本等指標進行合理的劃分，強化了入院處的集中床位調配權，解決病人入院排隊情況，使醫院更好地履行了社會責任，同時也給增加了醫院的效益。
應用效果：
提高病床使用率。病床使用率由 87%提高到 92%，優勢專業候床排隊現象明顯減少。
支持決策判斷。優勢專科與弱勢專科的病人在地域構成比、平均住院費用等標上存在顯著差異，支持決策判斷。