谷歌大數據案例

『壹』 從谷歌大數據中能發現什麼規律得出什麼結論

馬克吐溫說過：“世上有三種謊言，即謊言，拙劣的謊言和統計數據。”傳統的調研方法得出的結論只是調研者希望得到的結論，而不是真實結論。當你拿起筆，開始在調查表上劃對勾時，你已經走進調研設計者為你畫好的框架之中。跟著調查報告的既定思路走，勾畫有限的選項，本能地迴避對自己不利的選項。
無論是善意還是惡意，人們面對他人時，總要展露自己優秀的光明面，隱藏拙劣不堪的陰影面。但是，當人們面對屏幕時，往往會放下戒備，吐露心聲，甚至還會釋放誇張內心的惡魔。這就是為什麼會有那麼多的鍵盤俠。
谷歌數據分析家，賽思•斯蒂芬斯-達維多維茨，從屏幕背後的大數據中，得出許多出乎意料的結論。

1、先看一個例子，你猜猜，與失業率高度相關的網路數據是什麼？找工，寫簡歷，面試，再教育培訓？以上答案都不對。最高相關的數據不是找工，而是一個黃片網站，其次是“蜘蛛紙牌”。知道答案後的你有沒有會心一笑？數據說明了真相：有大把時間很無聊的失業人士，把他們的時間花在數據看得見的地方。

『貳』 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。

『叄』 谷歌搜索崩了！官方回應：數據中心發生事故三人受傷，背後有何隱情

這背後究竟有怎樣的隱情我們暫時還不清楚，事故原因還處於調查階段，還不明確導致這場事故的真實原因，也不清楚到底是真的意外，還是人為製造的悲劇，谷歌官方已經證實此事，他們也與當地有關部門取得聯系，接下來他們會把調查事故的責任交付給警方，希望在警方的幫助下可以盡快查明真相，這事關谷歌的內部隱私資料，就算查明真相後也未必會公之於眾，所以這背後的隱情我們無論如何也無法知道，一般都是內部私下解決。

不過這也只是我們的猜測而已，但是還沒有證據可以證明此事，這背後具體的隱情和真相也不會公開，作為用戶來說我們只希望谷歌可以正常運行，其他的問題還是交給谷歌自己來解決，我們也相信他們有能力處理好這次事故。

『肆』 大數據失敗案例提醒 8個不能犯的錯誤

大數據失敗案例提醒：8個不能犯的錯誤
近年來，大數據旋風以「迅雷不及掩耳之勢」席捲全球，不僅是信息領域，經濟、政治、社會等諸多領域都「磨刀霍霍」向大數據，准備在其中逐得一席之地。然而，很多公司在邁入大數據領域後遭遇「滑鐵盧」。在此，本文盤點了一系列大數據失敗項目，深究其原因，具有警示意義。
對數據過於相信2008年，Google第一次開始預測流感就取得了很好的效果，比美國疾病預防控制中心提前兩禮拜預測到了流感的爆發。但是，幾年之後，Google的預測比實際情況(由防控中心根據全美就診數據推算得出)高出了50%。媒體過於渲染了Google的成功，出於好奇目的而搜索相關關鍵詞的人越來越多，從而導致了數據的扭曲。低估大數據復雜程度在美國有幾個互聯網金融公司專做中小企業貸款。但是中小企業貸款涉及的數據更復雜，而且中小企業涉及到整個行業非常特殊的一些數據，比如非標準的財務報表和不同行業、不同範式的合同，他們沒有很專業的知識，是很難理解或者很難有時間把它准確挖掘出來。當時大數據團隊想用一個很完美的模型把所有的問題都解決掉，比如把市場和信貸的解決方案全部用一個模型來解決，但因為數據的復雜程度，最後證明這種方法是失敗的，而且90%的時間都在做數據清理。這就說明，想通過大數據技術一下子解決所有的問題是很難成功的，而是要用抽絲剝繭、循序漸進的方式。管理層的惰性某家旅遊公司系統通過web日誌數據的挖掘來提升客戶洞察。結果證明，用戶在瀏覽網站之後，隨後的消費行為模式與管理層所認為的不一致。當團隊匯報此事時，管理層認為不值一提。但是，該團隊並沒有放棄，並通過嚴密的A/B測試，回擊了管理層的輕視。這個案例的最終結果，不是每個CIO都能期盼的。但是，有一點是可以確定的：做好和管理層打交道的准備，讓他們充分理解大數據是什麼以及相應的價值。應用場景選擇錯誤一家保險公司想了解日常習慣和購買生命保險意願之間的關聯性。由於隨後覺得習慣太過於寬泛，該公司將調查范疇限定到是否吸煙上。但是，工作仍然沒有實質進展。不到半年，他們就終止了整個項目，因為一直未能發現任何有價值的信息。這個項目的失敗是由於問題的復雜性。在抽煙與否之間，該公司沒有注意到還有大片灰色地帶：很多人是先抽煙而後又戒煙了。在將問題簡單化動機的驅動下，這個部分被忽略了。問題梳理不夠全面一家全球性公司的大數據團隊發現了很多深刻的洞察，並且計劃通過雲讓全公司共享。結果這個團隊低估了效率方面的損耗，由於網路擁塞的問題，無法滿足全球各個分支順暢提交數據運行分析的需求。該公司應該仔細思考下如何支撐大數據項目，梳理所需的技能並協調各IT分支的力量進行支持。由於網路、安全或基礎設施的問題，已經有太多的大數據項目栽了跟頭。缺乏大數據分析技能一家零售公司的首席執行官不認同亞馬遜規模化、扁平化的服務模式，因此讓CIO構建一個客戶推薦引擎。項目最初的規劃是半年為期，但是團隊很快認識到諸如協同過濾(collaborativefiltering)之類的概念無法實現。為此，一個團隊成員提出做一個「假的推薦引擎」，把床單作為唯一的推薦產品。這個假引擎的工作邏輯是：買攪拌機的人會買床單，買野營書籍的人會買床單，買書的人會買床單。就是如此，床單是唯一的、默認的推薦品。盡管可笑，這個主意其實並不壞，默認的推薦也能給企業帶來銷售上的提升。但是，由於大數據相關技能的缺失，真正意義上的引擎未能實現。提出了錯誤的問題一家全球領先的汽車製造商決定開展一個情感分析項目，為期6個月，耗資1千萬美元。項目結束之後，該廠商將結果分享給經銷商並試圖改變銷售模式。然後，所得出的結果最終被證明是錯誤的。項目團隊沒有花足夠的時間去了解經銷商所面臨的問題或業務建議，從而導致相關的分析毫無價值。應用了錯誤的模型。某銀行為判斷電信行業的客戶流失情況，從電信業聘請了一位專家，後者也很快構建了評估用戶是否即將流失的模型。當時已進入評測驗證的最後階段，模型很快就將上線，而銀行也開始准備給那些被認為即將流失的客戶發出信件加以挽留。但是，為了保險起見，一位內部專家被要求對模型進行評估。這位銀行業專家很快發現了令人驚奇的事情：不錯，那些客戶的確即將流失，但並不是因為對銀行的服務不滿意。他們之所以轉移財產(有時是悄無聲息的)，是因為感情問題——正在為離婚做准備。可見，了解模型的適用性、數據抽象的級別以及模型中隱含的細微差別，這些都是非常具有挑戰性的。管理層阻力盡管數據當中包含大量重要信息,但Fortune Knowledge公司發現有62%的企業領導者仍然傾向於相信自己的直覺,更有61%的受訪者認為領導者的實際洞察力在決策過程中擁有高於數據分析結論的優先參考價值。選擇錯誤的使用方法企業往往會犯下兩種錯誤,要麼構建起一套過分激進、自己根本無法駕馭的大數據項目,要麼嘗試利用傳統數據技術處理大數據問題。無論是哪種情況,都很有可能導致項目陷入困境。提出錯誤的問題數據科學非常復雜,其中包含專業知識門類(需要深入了解銀行、零售或者其它行業的實際業務狀況);數學與統計學經驗以及編程技能等等。很多企業所僱用的數據科學家只了解數學與編程方面的知識,卻欠缺最重要的技能組成部分——對相關行業的了解，因此最好能從企業內部出發尋找數據科學家。缺乏必要的技能組合這項理由與「提出錯誤的問題」緊密相關。很多大數據項目之所以陷入困境甚至最終失敗,正是因為不具備必要的相關技能。通常負責此類項目的都是IT技術人員——而他們往往無法向數據提出足以指導決策的正確問題。與企業戰略存在沖突要讓大數據項目獲得成功,大家必須擺脫將其作為單一「項目」的思路、真正把它當成企業使用數據的核心方式。問題在於,其它部門的價值或者戰略目標有可能在優先順序方面高於大數據,這種沖突往往會令我們有力無處使。大數據孤島大數據供應商總愛談論「數據湖」或者「數據中樞」,但事實上很多企業建立起來的只能算是「數據水坑兒」,各個水坑兒之間存在著明顯的邊界——例如市場營銷數據水坑兒與製造數據水坑兒等等。需要強調的是,只有盡量緩和不同部門之間的隔閡並將各方的數據流匯總起來,大數據才能真正發揮自身價值。在大數據技術之外遇到了其它意外狀況。數據分析僅僅是大數據項目當中的組成部分之一,訪問並處理數據的能力同樣重要。除此之外,常常被忽略的因素還有網路傳輸能力限制與人員培訓等等。迴避問題有時候我們可以肯定或者懷疑數據會迫使自身做出一些原本希望盡量避免的運營舉措,例如制葯行業之所以如此排斥情感分析機制、是因為他們不希望將不良副作用報告給美國食品葯品管理局並承擔隨之而來的法律責任。在這份理由清單中,大家可能已經發現了一個共同的主題:無論我們如何高度關注數據本身,都會有人為因素介入進來。即使我們努力希望獲取對數據的全面控制權,大數據處理流程最終還是由人來打理的,其中包括眾多初始決策——例如選擇哪些數據進行收集與分析、向分析結論提出哪些問題等等。為防止大數據項目遭遇失敗，引入迭代機制是非常必要的。使用靈活而開放的數據基礎設施,保證其允許企業員工不斷調整實際方案、直到他們的努力獲得理想的回饋，最終以迭代為武器順利邁向大數據有效使用的勝利彼岸。

『伍』 大數據真的是「未來的新石油」

大數據真的是「未來的新石油」

當前IT業最熱門的話題應該就是大數據了，這個兩年前才被炒作起來的概念，現在已無處不在，占居了互聯網的半壁江山，它與雲計算一起成為未來信息技術發展最重要的內容。處於IT行業的人們，如果不知道大數據，不了解大數據所創造的那些神話般的故事，就好象已經跟不上信息技術的發展，成為時代的落伍者了。

那麼什麼是大數據？現在還沒人能給出一個確切的答案，它同雲計算一樣，是一個形象但卻籠統的概念。大家一致的理解是從4V的角度來描述這一概念的內涵。所謂4V就是說大數據具有體量巨大（Volume）、種類繁多（Variety）、實時處理（Velocity）、數據真實（Veracity）的特性。信息技術的發展，使互聯網遍布世界的每個角落，各種各樣的信息都可通過網路進行傳播。世上所發生的每件事情，人類所進行的每項思考，社會所進行的每點進步，知識所增加的每種內容都可通過互聯網進行匯集。網路技術、感測技術與射頻技術使各種事物都可產生大量數據。事物的內容、時空、方位、特性都可轉化為數據，這些經濟的、社會的、規范的、雜亂的、簡單的、復雜的等各式各樣的數據代表了不同事物的內涵。代表不同事物的海量數據可以通過網路進行匯集，匯集後的整體數據反應了事物的本質特性或發展趨勢。而這種反應事物本質特性或發展趨勢的數據具有一定的價值，通過高性能計算機的數據提取、價值分析、數據表達等大數據技術，可以從大數據中把這些價值提取出來。不同的需要可以提取出不同的價值，所有的價值都可以為人類服務，這就是大數據的本質。

大數據，這一鮮明而又形象的概念之所以如此引人注目，是因為許多像亞馬遜、谷歌這樣的大公司為它杜撰了無數神話般的故事。每一個故事都告訴人們，大數據具有無所不能的洞察力。它可以象偉大的先知一樣預測未來，可以利用玄妙的相關關系推測人的喜好，可以利用寵大的數據窺探人的內心，可以利用趨勢分析引導人的行為，甚至可以用事物發展曲線來控制人的思維，改變人類社會的發展方向。

大數據利用最多的地方是商業領域。大家都知道尿布與啤酒的故事，通過大數據分析，找出這兩個毫不相乾的事物之間的關聯，利用推薦系統，向不同用戶提供不同的產品推銷方案，提高產品的銷售量；另一個眾所周知的故事就是通過購物記錄來分析少女懷孕的案例，通過分析用戶的購買行為，推測用戶的現在狀態與未來需求。盡管這一案例因為侵犯別人隱私而廣受批評，但卻說明了大數據分析在商業領域的價值。還有無數這樣或那樣的故事，都說明大數據在分析人們的喜好與購買習慣上的巨大作用，利用這種分析，商家可以更好地進行營銷。權威的市場調查機構說，大數據將會改變未來的商業規則，實時競價系統（RTB）、更加智能的推薦系統以及基於大數據的商業智能分析（BA），使企業能夠生產更加適合用戶喜好的產品，能夠找到向用戶推銷產品更好的方法，能夠為用戶提供更好的服務，能夠利用有限的資源產生更多的效益，大數據的這些功能將會使經濟社會更快更好地發展。

大數據的另一個應用領域就是社會公共領域。利用大數據，政府可以更好地管理社會，為社會提供更好的公共服務；教育部門可以更好地獲取與傳播知識，提高民眾的素質；衛生部門可以預測重大流行疾病的發生，提前作出防範預警；安全部門可以監控社會狀況，確保國家不受破壞。谷歌公司前幾年利用大數據繪制了「世界流感地圖」^[1]用來幫助人們了解世界各地流感的發病情況；利用大數據預測禽流感在各地的爆發趨勢，為民眾提供預防建議，向衛生部門提供監控資料。在公共安全領域，大數據也有巨大的作用，如美國就建立了基於各種感測技術與大數據技術的網路監控系統，預測重大社會公共事件的發生，比如爆發大規模遊行活動、可能遭受的恐怖襲擊等。

隨著科技的發展，大數據的應用也延伸到個人服務領域。穿戴式設備的產生標志著信息技術的發展到了以人為中心的階段。像谷歌眼鏡、蘋果手錶這樣的穿戴式設備把技術與人體結合在起來，使人類可以更加便捷得獲取信息。這些穿戴式設備利用大數據為個人提供學習、生活、健康等方面的數據服務。大數據通過穿戴式設備發揮其作用，同時穿戴式設備本身也成為收集數據、構建大數據的來源。穿戴式設備作為一種工具，大數據是其服務的內容。

大數據有如此巨大的作用，讓一些信息技術發達的國家倍加關注，很多大型信息公司也把大數據當作公司未來發展的重點。美國是當今世界最為重視大數據發展的國家，也是利用大數據較好的國家。美國政府把大數據作為未來信息技術發展的重中之重，認為大數據將引起信息技術發展的革命，改變未來社會的發展模式。2012年3月美國政府發布了《大數據研究和發展倡議》，把大數據稱作「未來社會發展的新石油」，把發展大數據研究提到國家戰略的高度上來。為掌控這一「未來的新石油」，引領世界技術發展方向，聯邦政府制定了大數據研究發展計劃，推進相關研究機構進行科技研究和創新發現。改進從海量數據中提取價值的方法，提高從數據中獲取知識的能力，加速美國在科技領域中的前進步伐，確保美國在信息技術領域的領先地位。美國政府指定了國家科學基金（NSF）、國家衛生研究院（NIH）、能源部（DOE）、國防部（DOD）、國防部高級研究計劃局（DARPA）、地質勘探局（USGS）6個聯邦部門來負責推進大數據的研究，並計劃投資2億美元用來研究收集、儲存、保留、管理、分析和共享海量數據的技術。

政府的投入與政策的支持，使那些本來就注重大數據研究的公司更加主動，紛紛加大對大數據研發與利用的投入，取得了不菲的成績。如Apache基金會開發的Hadoop分布式處理系統，經過不斷發展完善，現已成為大數據處理的標准結構；微軟開發的Windows Azure平台使大數據的處理更加人性化、簡易化；還有其它公司，經過不斷的創新研究讓大數據技術更加完善、更加實用。技術的發展使大數據的價值更加突顯，人們對它的期望也不斷提高。據說谷歌公司利用大數據不但可以預測流感的發生，也可預測美國的經濟復甦情況；不但可以預測明年服裝的流行色，也可預測某位娛樂名星是否可以紅遍世界。谷歌公司最近一個廣為流傳的大數據案例就是，在2013年的奧斯卡電影節上，它預測准了大部分的奧斯卡獎項得主。Facebook也是利用大數據的典型公司，大數據是這家社交網站最大的價值所在。通過對大量社交信息的分析，Facebook可以了解用戶的生活習慣與購買喜好，利用定向推薦廣告，為這家年輕的公司每年創造上百億的產值。

還有許多真實的或杜撰的有關大數據的美妙故事，每一個都反應了大數據在某一領域的巨大作用，這些故事的匯編，給人們描繪了一個大數據主宰的奇幻世界。在那裡，人們利用大數據可以預測任何一件事情的發展趨勢，可以完成一切不可能完成的事情。每一個人都是先知、都是智者，在大數據的支持下，每一個人都通天文、曉地理，前知一千後知八百，如齊天大聖般十八般武藝樣樣精通。然而真的是這樣嗎？

可惜的是，理想很豐滿，實現很骨感。至少在當前大數據還沒有那麼大神奇，就連谷歌公司所說的利用人們的檢索詞可以用來預測流感的發展這種人人都相信的故事也沒能發生。當H7N9在中國出現的時候，谷歌沒能給出任何有關這一流感發生與發展的預測，更不用說事先給民眾發出預警，提醒人們防範了；歐洲的金融危機持續了五六年，至今沒有一家大數據公司能預測這場金融危機何時結束，就連未來是向好還是向壞發展的方向都不能預測；在商業領域，個性化廣告推薦這種理應可以做好的事，大數據也沒能表現出其超強的功用。最近經過大數據改造的淘寶網個性推薦系統沒比五六年前好多少；號稱利用大數據使圖書銷售量大幅增加的亞馬遜網站上推薦的書，沒有一本是我喜觀的。

2013年4月15號，波士頓馬拉松比賽現場發生了震驚世界的恐怖襲擊^[4]。美國人悲傷地發現，那些基於現代信息技術與大數據分析的網路監控系統，並沒能確保國家的安全，大數據分析在防範恐怖襲擊方面，並不象人們所期望的那樣有效。看來這個被稱為未來技術競爭至高點的大數據，在當下還不能如人們所期望的那樣有用。

產生如此悲觀想法的原因，一是雖然大數據可能代表了未來信息技術發展的方向，具有光明的前景。但是在人們的意識與相關的配套技術還沒有發展起來的情況下，大數據還不能發揮其巨大作用。二是大數據還沒有一個確切的定義，它所具有的內涵還不能被清晰地詮釋。美國把大數據被稱作「未來的新石油」，然而石油是不可再生的，數據卻是隨時隨地都在產生，越是往後產生的數據越多，數據的准確性越高，對數據的處理能力越強，這讓人們對現在就收集並佔有大量數據的必要性產生懷疑；還有從大數據中提取價值首先要有需求，沒有需求就不知道從大數據中提取什麼，當人們的思維還沒有發展到可以完全掌控數據，還不知道大數據到底有什麼用處時，很難對其產生需求；沒有需求就沒有數據收集的方向，沒有方向的收集就會造成巨大浪費；在方向不明的時候，唯一可做的就是收集所有可能收集到的數據，然而這樣不但會給數據的存儲、管理造成具大的成本，也會產生一些法律的問題，例如是否會侵犯他人隱私等。再有，隨著科技的發展，穿戴式設備會不斷智能化並在生活中得以普及，這種以人為中心的智能設備本身就會不斷分析所取得的數據，提取個人的喜好等特性，學習與適應人個的品性，具有人的品性特徵，這樣就使得從大數據中分析人的品性失去了意義。

以上這一切都讓人們對大數據的發展未來產生了懷疑。因此，當美國制定大數據發展戰略，把它看成「未來的新石油」時，世界其它國家雖然也十分重視這一技術的發展，卻沒有制定相關發展戰略。這有可能是其它國家在大數據技術方面落後於美國，還不能制定明確的發展目標，也可能是人們對這一技術的發展前景還沒有一個清楚的認識，無法確定大數據是否真的可以引領未來技術的發展方向。因此，我們還是暫時忘了大數據吧！別再關注那些炙熱的概念炒作，靜下心來認認真真地想一想大數據的真正內涵。

以上是小編為大家分享的關於大數據真的是「未來的新石油」的相關內容，更多信息可以關注環球青藤分享更多干貨

『陸』 Google數據中心發生電氣事故，3人受傷，後續賠償工作將會如何進行

後續賠償工作將會照常進行，Google表示工人的健康和安全是他們絕對的首要任務，所以後續的賠償工作無需擔心，目前最重要的是工作人員的健康問題， 公司將會全力搶救和醫治受傷工作人員，除此之外他們也在努力調查事故原因，官方暫時並未公開後續的賠償詳細事宜，相信Google也一定會處理好此事，這次Google全球最大數據中心發生電氣事故，官方也非常重視此事，必然也會妥善好後續的所有工作。

後續的賠償工作會根據規定正常進行，公司針對賠償方面有相關的規定，Google一直都在工作人員的安全和健康放在首位，必然不會忽視後續的賠償工作，目前最重要的是就是工作人員的生命安全，同時需要加強各方面的安保工作，避免類似事故的發生。

『柒』 大數據可以應用在哪些方面

可以應用在雲計算方面。

大數據具體的應用：

1、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。

2、google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。

3、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。

4、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。

5、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。

6、醫療行業早就遇到了海量數據和非結構化數據的挑戰，而近年來很多國家都在積極推進醫療信息化發展，這使得很多醫療機構有資金來做大數據分析。

7、及時解析故障、問題和缺陷的根源，每年可能為企業節省數十億美元。

8、為成千上萬的快遞車輛規劃實時交通路線，躲避擁堵。

9、分析所有SKU，以利潤最大化為目標來定價和清理庫存。

10、根據客戶的購買習慣，為其推送他可能感興趣的優惠信息。

(7)谷歌大數據案例擴展閱讀：

大數據的用處：

1、與雲計算的深度結合。大數據離不開雲處理，雲處理為大數據提供了彈性可拓展的基礎設備，是產生大數據的平台之一。

自2013年開始，大數據技術已開始和雲計算技術緊密結合，預計未來兩者關系將更為密切。除此之外，物聯網、移動互聯網等新興計算形態，也將一齊助力大數據革命，讓大數據營銷發揮出更大的影響力。

2、科學理論的突破。隨著大數據的快速發展，就像計算機和互聯網一樣，大數據很有可能是新一輪的技術革命。可能會改變數據世界裡的很多演算法和基礎理論，實現科學技術上的突破。

參考資料：

網路--大數據

『捌』 大數據和智慧交通有哪些應用的案例

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。

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。

『玖』 大數據分析中有哪些有意思的東西

給你介紹幾個大數據的有趣應用案例，你就知道大數據的有意思的地方了版

1.啤酒與尿布（這個權非常古老和經典的了）

2. 數據新聞讓英國撤軍

3.意料之外：胸部最大的是新疆妹子

4.騰訊圈子把前女友推薦給未婚妻

5.「魔鏡」預知石油市場走向

6.Google成功預測冬季流感

7.大數據與喬布斯癌症治療

8.奧巴馬大選連任成功

9.微軟大數據成功預測奧斯卡21項大獎

10超市預知高中生顧客懷孕

大數據挖掘的樂趣有很多很多的，遠遠不止上述，實際上，大數據在越來越多的領域創造著一個又一個的經典案例

『拾』 谷歌搜索崩了！官方回應：數據中心發生事故三人受傷，事故原因是什麼

現如今這起事故的發生原因仍在調查當中，而且當時是因為谷歌數據中心發生了爆炸，才會導致這三名人員受傷，也可能是因為附近的一個變電站工作時發生了電氣爆炸，才會導致這種意外的發生，現如今官方已經進入到這起事件的調查當中。