下面是小编为大家整理的大数据时代：大数据应用（完整）,供大家参考。
大数据时代：
大数据的应用 大数据时代：
大数据的应用
谈完大数据的价值， 下面我们来谈大数据的实际应用。
先来看这么一则偏笑话的案例吧：
某超市通过分析一位女顾客的购物数据（包括购物清单， 浏览物品， 咨询信息， 视频监控信息<超市内徘徊区域>等），根据分析结果给该女顾客寄来了孕婴童试用品， 这一举动让该女顾客的父亲非常生气， 立马致电该超市投诉， 因为她女儿还未成年！
超市经理立马登门拜访道歉， 不过事实是， 不久后这位小女孩因遮盖不住隆起的腹部而不得不向父亲告知真相：
她真的怀孕了。
对于企业而言，大数据有时候像是一个侦探家， 能够拨开重重迷雾， 找到问题的本质以及解决方案， 而关键在于， 你是否真的懂得如何去驾驭它， 让它为你服务。
大数据应用的关键， 也是其必要条件， 就在于“IT” 与“经营” 的融合， 当然， 这里的经营的内涵可以非常广泛， 小至一个零售门店的经营， 大至一个城市的经营。
以下是我整理的关于各行各业， 不同的组织机构在大数据方面的应用的案例， 在此申明， 以下案例均来源于网络， 本文仅作引用， 并在此基础上作简单的梳理和分类。
通信行业：
[1] XO Communications 通过使用 IBM SPSS 预测分析软件， 减少了将近一半的客户流失率。
XO 现在可以预测客户的行为，发现行为趋势， 并找出存在缺陷的环节， 从而帮助公司及时采取措施，保留客户。
此外， IBM 新的 Netezza 网络分析加速器， 将通过提供单个端到端网络、 服务、 客户分析视图的可扩展平台， 帮助通信企业制定更科学、 合理决策。
[2] 电信业者透过数以千万计的客户资料， 能分析出多种使用者行为和趋势， 卖给需要的企业， 这是全新的资料经济。
[3] 中国移动通过大数据分析， 对企业运营的全业务进行针对性的监控、 预警、 跟踪。
系统在第一时间自动捕捉市场变化， 再以最快捷的方式推送给指定负责人， 使他在最短时间内获知市场行情。
[4]
NTT docomo 把手机位置信息和互联网上的信息结合起来， 为顾客提供附近的餐饮店信息， 接近末班车时间时， 提供末班车信息服务。
智慧医疗：
[1] Seton Healthcare 是采用 IBM 最新沃森技术医疗保健内容分析预测的首个客户。
该技术允许企业找到大量病人相关的临床医疗信息， 通过大数据处理， 更好地分析病人的信息。
[2] 在加拿大多伦多的一家医院， 针对早产婴儿， 每秒钟有超过 3000 次的数据读取。
通过这些数据分析， 医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施， 避免早产婴儿夭折。
[3] 它让更多的创业者更方便地开发产品， 比如通过社交网络来收集数据的健康类 App。
也许未来数年后， 它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片， 而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。
商业运营：
[1] 辛辛那提动物园使用了 Cognos， 为 iPad 提供了单一视图查看管理即时访问的游客和商务信息的服务。
借此， 动物园可以获得新的收入来源和提高营收， 并根据这些信息及时调整营销政策。[2] 数据收集和分析工具能够帮助银行设立最佳网点， 确定最好的网点位置， 帮助这个银行更好地运作业务， 推动业务的成长。
城市交通：
[1] 通过在城市多处设置的传感器， 我们能随时掌握在某个地方有多少辆汽车， 车速是多少。
有了这些数据就可以建立起模型进行分析， 从而指导人们确定出行计划， 避免拥堵。
[2] IBM 的六位数据分析工程师准备通过整合、 分析现有交通数据， 以及来自社交媒体（Twitter）
的新数据源， 来医治波士顿的交通恶瘤。
这些数据包括市政网联网能够实时采集的交通信号灯、 二氧化碳传感器甚至汽车的数据， 这些数据能够帮助乘客重新调整路线， 节省时间， 节省汽油。
汽车产业：
在沃尔沃集团， 通过在卡车产品中安装传感器和嵌入式CPU， 从刹车到中央门锁系统等形形色色的车辆使用信息， 正源源不断地传输到沃尔沃集团总部。
这些数据正在被用来优化生产流程， 以
提升客户体验和提升安全性。
将来自不同客户的使用数据进行分析，可以让产品部门提早发现产品潜在的问题， 并在这些问题发生之前提前向客户预警。
仓储问题：
在美国最大的医药贸易商 McKesson 公司， 对大数据的应用也已经远远领先于大多数企业， 将先进的分析能力融合到每天处理200 万个订单的供应链业务中， 并且监督超过 80 亿美元的存货。
对于在途存货的管理， McKesson 开发了一种供应链模型， 它根据产品线、 运输费用甚至碳排放量而提供了极为准确的维护成本视图。
这些详细信息使公司能够更加真实地了解任意时间点的运营情况。
Gooby解释说：
“但是， 大多数模型旨在简化物理世界， 而这个模型极为复杂， 并且包含我们的现实世界的全部数据。
它允许我们量化业务运作的根本性变化所产生的影响的细节。
这个模型并不是一种简化版。
” McKesson 利用先进分析技术的另一个领域是对配送中心内的物理存货配置进行模拟和自动化处理。
评估政策和供应链变化的能力帮助公司增强了对客户的响应能力， 同时减少了流动资金。
总体来讲，McKesson 的供应链转型使公司节省了超过 1 亿美元的流动资金。
客户跟踪分析：
eBay 的分析平台每天处理的数据量高达 100PB， 超过了纳斯达克交易所每天的数据处理量。
为了准确分析用户的购物行为， eBay 定义了超过 500 种类型的数据， 对顾客的行为进行跟踪分析。
在早期， eBay 网页上的每一个功能的更改， 通常由对该功能非常了解的产品经理决定， 判断的依据主要是产品经理的个人经验。
而通过对用户行为数据的分析， 网页上任何功能的修改都交由用户去决定。
“每当有一个不错的创意或者点子， 我们都会在网站上选定一定范围的用户进行测试。
通过对这些用户的行为分析， 来看这个创意是否带来了预期的效果。
”
广告投放分析：
[1] eBay 对互联网广告的投入一直很大， 通过购买一些网页搜索的关键字， 将潜在客户引入 eBay 网站。
为了对这些关键字广告的投入产出进行衡量， eBay 建立了一个完全封闭式的优化
系统。
通过这个系统， 可以精确计算出每一个关键字为 eBay 带来的投资回报。
通过对广告投放的优化， 自 2007 年以来， eBay 产品销售的广告费降低了 99%， 顶级卖家占总销售额的百分比却上升至 32%。[2] 现在 《经济学人》 使用 Social Flow 的服务来分析自己的受众群，并且选择在什么时间来推送一条什么样的消息； 而百事可乐则用这种服务比较不同的营销活动会得到什么样的传播效果。
这些公司并不吝于为 Social Flow 的服务付费。
[3] 在线广告已经成为了过去十年财富创造最可靠的来源。
把消费者和销售者配对起来， 以及创造新的消费者和销售者， 这对于任何市场来说都是最重要的问题。
弄清楚用户点击广告的动机和方式对于企业来说至关重要。
它分析数据， 告诉广告商什么是正确的时间， 谁是正确的用户， 什么是应该发的正确内容。
探索人生：
现在， 透过一款精心设计的 Mobile App， 大家可以记录每天所走过的路以及相关的对话， 并且回答一些有趣的问题。
而这些数据经过数据分析之后， 分析专家们将试图找出其中的关连性， 并藉此找出人们所关心的事物。这个名为 「巨量数据中的人类面貌」 （Human Face of Big Data）
的计划， 系由计算机系统商易安信（EMC）
等单位所赞助（其他的赞助者还包括 Cisco、 FedEx、 VMware、 Tableau 以及 Originate）， 希望透过行动连网与数据分析的技术， 探索大众「生命中的一天」（Day in the Life）
的轮廓。
透过 App 来搜集全球人们对于特定问题的看法， 共同找出对于大众生活的若干观察。
在搜集人们的大量信息之后， 将有助于了解大众对于家庭、 信任、 安全、 睡眠、两性关系与约会等议题的看法， 同时参与者也能够比较自己和来自世界各地的人们的答案， 也可藉此观察出不同地区、 种族的人们的价值观和生活风格。
城市管理：
“我在纽约市应急管理部门工作， 搜集纽约的地理信息和数据， 医院、 警察局、 天气变化等等， 然后为可能发生的紧急事件提供预案， ” 一位叫做 Timothie Biggs 的女士介绍自己， “也许我们以后也会搜集社交网络上的数据， 因为你会更快地知道发生了些什么。
”
政府作为：
[1] 在一个被称作为“面包实时在线价格” (Real-Time E-pricing of Bread) 的项目中， Global Pulse 在 6 个拉丁美洲国家建立了每日价格指数。
这个研究发现在线零售价格由于和线下价格的波动有联系， 能比官方的数据更早发现通货膨胀的苗头。
[2] 在另一个研究中， Global Pulse 希望发现社交网络中情绪和失业率之间的关系。
在爱尔兰， 当社交网络上“困惑” 和“沮丧” 这些指标升高 3个月后， 失业率也会升高； 而在美国发生在失业率升高之前持续升高的是“愤怒” 这一指标。
当然， 也许对政府部门而言更有意义的是失业之后他们在谈论些什么：
在“失业” 指标上升 2 个月后人们在谈论“房子” ， 这也许意味着他们准备卖掉自己的房产； 在过后的几个月，谈论“公交” 和“地铁” 的在上升， 这也许意味着他们承担不起开车的油费， 或者已经准备将车卖掉。
“政府现在得到的数据是滞后的，他们做出的决定也非常缓慢。
等政策做出几年后发现有错时， 时间也不可能倒流。
” Kirkpatrick?说。
他觉得如果一个政府做决定能像广告商根据数据分析更新自己的营销策略一样快， 那也许这个世界会变得更美好一些。
个人服务：
未来更多的与复杂的数据相关的创业公司会陆续出现， 而并非由大公司主宰一切。
“这些数据将分散在各个领域， 你的行车路线、 你经常出现的地点、 你喜欢的颜色、 经常买的东西， 社交网站上的观点和言论， 这些都会成为个人数据的一部分， 它们可以用来被服务每个人。
” 而位于加州 Palo Alto 的创业公司 Alohar 开发的Placeme 正是这样一款产品。
它看上去是一款普通的地理位置应用，而事实上， 它能自动记录你经常出现的地理位置， 并自动生成为数据图表?这些信息会帮助分析每日的行程路线、 生活必需场所， 甚至驾驶里程与汽油存量的关系(因为它知道你上一次在哪里加过油) ， 它们在一起将会变成一款“个人生活助理工具” ?这应该是复杂的数据聚合在一起对个人直接产生辅助(而非广告) 的第一个工具。
零售业：
[1] “我们的某个客户， 是一家领先的专业时装零售商， 通
过当地的百货商店、 网络及其邮购目录业务为客户提供服务。
公司希望向客户提供差异化服务， 如何定位公司的差异化， 他们通过从 Twitter 和 Facebook 上收集社交信息， 更深入的理解化妆品的营销模式， 随后他们认识到必须保留两类有价值的客户：
高消费者和高影响者。
希望通过接受免费化妆服务， 让用户进行口碑宣传， 这是交易数据与交互数据的完美结合， 为业务挑战提供了解决方案。
” Informatica 的技术帮助这家零售商用社交平台上的数据充实了客户主数据， 使他的业务服务更具有目标性。
[2] 零售企业也监控客户的店内走动情况以及与商品的互动。
它们将这些数据与交易记录相结合来展开分析， 从而在销售哪些商品、 如何摆放货品以及何时调整售价上给出意见， 此类方法已经帮助某领先零售企业减少了 17%的存货， 同时在保持市场份额的前提下， 增加了高利润率自有品牌商品的比例。
市场研究：
微软正在通过对论坛、 社交媒体上内容的监测， 来发现人们对微软产品和营销活动的反应， 这个夏天微软 Window8 发布后， 就采用了传统数据收集和实时数据收集的两种手法， “我们对网络反馈信息的收集是连续的和实时的， 我们也依然使用传统的消费者满意度调研， 最终会将两者产生的数据结合起来进行分析。
但是前者那种以日为单位的市场信息捕捉， 能够使我们更快地对市场做出反应。
快餐行业：
麦当劳的部分门店安装了搜集运营数据的装置， 用于跟踪客户互动、 店内客流和预订模式， 研究人员可以对菜单变化、 餐厅设计以及培训等是如何对劳动生产力和销售额的影响进行建模；
铁路系统：
东日本旅客铁道（JR 东日本）
集团在车站里设置了内置摄像机的触屏式自动售货机， 识别顾客的性别和年龄等， 在屏幕上显示推荐商品， 扩大了销售额。
这套系统除了顾客的属性之外， 还按照天气、 气温和时间分别积累了商品的销售额记录， 建立了预测消费者行为方式的模型。
能源行业：
[1] 智能电网现在欧洲已经做到了终端， 也就是所谓的智能电表。
在德国， 为了鼓励利用太阳能， 会在家庭安装太阳能， 除了卖电给你， 当你的太阳能有多余电的时候还可以买回来。
通过电网收集每隔五分钟或十分钟收集一次数据， 收集来的这些数据可以用来预测客户的用电习惯等， 从而推断出在未来 2~3 个月时间里， 整个电网大概需要多少电。
有了这个预测后， 就可以向发电或者供电企业购买一定数量的电。
因为电有点像期货一样， 如果提前买就会比较便宜，买现货就比较贵。
通过这个预测后， 可以降低采购成本。
[2] 维斯塔斯风力系统， 依靠的是 BigInsights 软件和 IBM 超级计算机， 然后对气象数据进行分析， 找出安装风力涡轮机和整个风电场最佳的地点。利用大数据， 以往需要数周的分析工作， 现在仅需要不足 1 小时便可完成。
TAG:
大数据应用
推荐访问:大数据时代：大数据应用 数据 完整 时代
