有哪些大数据分析案例

1. 有哪些大数据分析案例

三个领域大数据应用案例分析
1、无人驾驶汽车。汽车非常昂贵，然而在欧洲，人们只有4%的时间在使用汽车，96%的时间把车停在停车场，这是非常不高效的系统。如果未来普及了无人驾驶的汽车，我们就可以过上另一种生活。
　　我们将只需要在手机上点一个按键，车就会自己开过来，把我们带去目的地。这种车就像没有驾驶员的出租车，可以被反复使用，效率和可持续性都得到了提升，也避免了资源浪费。
　　有研究发现，如果自动机动车得到普及，可以减少25%的交通拥堵，减少30%的城市停车场面积。如果北京减少30%的停车场需求，城市生活将大不一样。
2、医疗行业。我们的寿命现在都比较长了，但仍然希望能够更长。现在，我们的医疗水平并不是很好，由于我们忽视了每一个人的个体差异，医生会用通常的方法治疗每一个人。然而，基于大数据，我们可以做精确医疗，通过大数据分析每个人的差异，进行精确的治疗、剂量、用量，让患者更快恢复健康。
3、教育行业。我们要让下一代有能力了解这个世界。然而，因为没有数据，我们难以做到因材施教，所有孩子获得同样的教学，学习同样的书本。低效率的教学就是在浪费脑力、知识和我们解决问题的能力。
　　如果我们用大数据去分析孩子在发展学习能力时遇到的问题，就可以进行个性化的学习，就可以释放知识和理解力的力量，让每一个孩子充分开发潜能。
-

2. 有哪些大数据分析案例?

如下：
1. 大数据应用案例之：医疗行业
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。
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。
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。
2）大数据配合乔布斯癌症治疗
乔布斯是世界上第一个对自身所有DNA和肿瘤DNA进行排序的人。为此，他支付了高达几十万美元的费用。他得到的不是样本，而是包括整个基因的数据文档。医生按照所有基因按需下药，最终这种方式帮助乔布斯延长了好几年的生命。
2. 大数据应用案例之：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）丹麦的维斯塔斯风能系统(Vestas Wind Systems)运用大数据，系统依靠的是BigInsights软件和IBM超级计算机，分析出应该在哪里设置涡轮发电机，事实上这是风能领域的重大挑战。在一个风电场20多年的运营过程中，准确的定位能帮助工厂实现能源产出的最大化。
为了锁定最理想的位置，Vestas分析了来自各方面的信息：风力和天气数据、湍流度、地形图、公司遍及全球的2.5万多个受控涡轮机组发回的传感器数据。这样一套信息处理体系赋予了公司独特的竞争优势，帮助其客户实现投资回报的最大化。
3. 大数据应用案例之：通信行业—通过大数据分析挽回核心客户
法国电信-Orange集团旗下的波兰电信公司Telekomunikacja Polska是波兰最大的语音和宽带固网供应商，希望有效的途径来准确预测并解决客户流失问题。
他们决定进行客户细分，方法是构建一张“社交图谱”- 分析客户数百万个电话的数据记录，特别关注 “谁给谁打了电话”以及“打电话的频率”两个方面。“社交图谱”把公司用户分成几大类，如：“联网型”、“桥梁型”、“领导型”以及“跟随型”。
这样的关系数据有助电信服务供应商深入洞悉一系列问题，如：哪些人会对可能“弃用”公司服务的客户产生较大的影响?挽留最有价值客户的难度有多大?运用这一方法，公司客户流失预测模型的准确率提升了47%。

4、大数据应用案例之：零售业—大数据帮零售企业制定促销策略
北美零售商百思买在北美的销售活动非常活跃，产品总数达到3万多种，产品的价格也随地区和市场条件而异。由于产品种类繁多，成本变化比较频繁，一年之中，变化可达四次之多。
结果，每年的调价次数高达12万次。最让高管头疼的是定价促销策略。公司组成了一个11人的团队，希望透过分析消费者的购买记录和相关信息，提高定价的准确度和响应速度。
定价团队的分析围绕着三个关键维度：
1）数量：团队需要分析海量信息。他们收集了上千万的消费者的购买记录，从客户不同维度分析，了解客户对每种产品种类的最高接受能力，从而为产品定出最佳价位。
2）多样性：团队除了分析了购买记录这种结构化的数据外，他们也利用社交媒体发帖这种新型的非结构化数据。由于消费者需要在零售商专页上点赞或留言以获得优惠券，团队利用情感分析公式来分析专页上消费者的情绪，从而判断他们对于公司的促销活动是否满意，并微调促销策略。
3）速度：为了实现价值最大化，团队对数据进行实时或近似实时的处理。他们成功地根据一个消费者既往的麦片购买记录，为身处超市麦片专柜的他/她即时发送优惠券，为客户带来便利性和惊喜。
透过这一系列的活动，团队提高了定价的准确度和响应速度，为零售商新增销售额和利润数千万美元。
5、大数据应用案例之：网络营销行业（SEM）
很多企业在做SEM的过程中，都有这样的感触：每年都会花费大量的预算在SEM推广中，但是因为关键词投入产出无法可视化，常常花了很多钱却不见具体的回报。
在竞争如此激烈的SEM市场中，企业需要一个高效的数据分析工具来尽可能地帮企业优化SEM推广，例如BDP，来帮企业节省不必要的支出，提升整体的经营绩效。
企业可借助数据平台提供的网络营销整合解决方案，打通各个搜索引擎营销（SEM）、在线客服系统和CRM系统，营销竞价人员无需掌握复杂的编程技术，简单拖拽即可生成报表，观察每一个关键词的投入和产出，分析每一个页面的转化，有效降低投放成本。
通过BDP实况分析数据，可以快速洞悉对手关键词的投放时段、地域及排名，并对其进行可视化的分析，实时监控自己和竞争对手的投放情况，了解对手的投放策略，支持自定义设置数据更新的时间点、监控频次和时段，及时调整策略。知已知彼，才能百战不殆。
6、大数据应用案例之：电商行业
意料之外：胸部最大的是新疆妹子。曾经淘宝平台显示，中国女性购买最多的文胸尺码为B罩杯。B罩杯占比达41.45%，其中又以75B的销量最好，其次是A罩杯，购买占比达25.26%，C罩杯只有8.96%。
虽然淘宝数据平台不能代表一切，但是结合现实来看，这个也具有普遍的代表性，只能感慨中国女性普遍size。在文胸颜色中，黑色最为畅销，黑色绝对是百搭，每个女性必备。
从省市排名，胸部最大的是新疆妹子。这些数据都对于文胸店铺而言是很好的参考，为店铺的库存、定价、款式选择等策略都有奠定数据基础。
7、大数据应用案例之：娱乐行业
微软大数据成功预测奥斯卡21项大奖。2013年，微软纽约研究院的经济学家大卫•罗斯柴尔德（David Rothschild）利用大数据成功预测24个奥斯卡奖项中的19个，成为人们津津乐道的话题。
今年罗斯柴尔德再接再厉，成功预测第86届奥斯卡金像奖颁奖典礼24个奖项中的21个，继续向人们展示现代科技的神奇魔力。
总的来说，大数据的终极目标并不仅仅是改变竞争环境，而是彻底扭转整个竞争环境，带来新机遇，企业需要应势而变。企业只有认识到这一点，使用合适的数据分析产品、聪明地使用和管理数据，才能在长期竞争中成为终极赢家。

3. 大数据案例分析:中国的大数据在哪里

大数据案例分析:中国的大数据在哪里
近几年，大数据这个词突然变得很火，不仅纳入阿里巴巴、谷歌等互联网公司的战略规划中，同时也在我国国务院和其他国家的政府报告中多次提及，大数据无疑成为当今互联网世界中的新宠儿。那么大数据到底为什么这么火呢，难道它真的是从金星来？
现今的我们正处于时代转型中，让你意想不到的事情时常发生，就像富士、柯达胶卷这样的百年企业会被时代所淘汰，由于科技的发展与互联网的日益强大，数据将逐步取代旧事物，创造出新事物。这是一个不可遏制的发展趋势，也是人类进步的标志。
随着当下全球数据的增长已经到了一个高峰，数据的存储单位不断扩大，由此大数据的概念被重视，如何处理海量的繁杂数据就是这个时代转型的关键所在。
只是，大数据给大多数人的感觉是，专业性强，操作繁琐，完全属于“高大上”的技术。普通人应该怎么理解大数据？普通人又该怎么玩大数据呢？今天，本文就给大家分析一下，大数据到底是个什么鬼？
1、大数据引领生活
从硅谷到北京，大数据的话题正在被传播。随着智能手机以及“可佩带”计算设备的出现，我们的行为、位置，甚至身体生理数据等每一点变化都成为了可被记录和分析的数据。信息社会所带来的好处是显而易见的：每个人口袋里都揣着一部手机，每台办公桌上都放有一台电脑，每间办公室内都拥有一个大型局域网。但是，信息本身的用处却并没有如此引人注目。半个世纪以来，随着计算机技术全面融合社会生活，信息爆炸已经积累到了一个开始引发变革的程度，它不仅使世界充斥着比以往更多的信息，而且其增长速度也在加快。
 
大数据时代的生活令人神往，你对客观世界的认识更进一步，所做的决策也不再仅仅依赖主观判断。甚至对于你的一个习惯动作，你的一次消费行为，你的一份就诊记录，都在被巨大的数字网络串联起来。移动互联网风潮汹涌。大数据正悄悄包围着我们。甚至连着世界经济格局也在酝酿着巨大变革！互联网时代，尤其是社交网络、电子商务与移动通信把人类社会带入了一个“PB”（1024TB）为单位的结构与非结构数据信息的新时代。通过云计算对大数据进行分析、预测，会使得决策更为精准，释放出更多数据的隐藏价值。数据，这个21世纪人类探索的新边疆，正在被云计算发现、征服。
2、大数据的经典案例
数据正在成为巨大的经济资产，成为新世纪的矿产与石油，将带来全新的创业方向，商业模式和投资机会。然而大数据真正的应用核心是预测。以前单纯依靠人类判断力的领域都会被计算机系统所改变甚至取代，运用大数据的处理与分析，为我们的生活创造出前所未有的可量化的维度。对我们而言，危险不再是隐私的泄露，而是被预知的可能性。下面跟大家分享两个非常经典的案例：
①中石油
客户挑战
▼销售情况无法检测
-销售队伍人员庞大,部门经理无法从庞大的销售数据了解到销售代表的销售业绩与KPI
-从宏观角度发现问题时,无法精确定位发生问题的原因
-无法从各个角度对整体的销售数据进行切片分析,拥有数据却非掌握数据
▼无法根据市场走势制定营销策略
-只能根据粗浅的数据进行感性的市场判断与决策,风险很大
-无法以数字化的方法对市场表现进行精确衡量,无法发现量价平衡的问题
-无法对市场下一步动向进行精确预测
解决方案
 ▼解决方案之全维度数据分析与挖掘
－时间、空间、维度、指标标准化，与业务强相关－联动分析、钻取分析、细节展示，多角度帮助深入挖掘问题，辅助决策－将智能分析结果通过QQ、微信、邮件、ERP写入等相关的方式通知用户，智能辅助决策
 
 
 
 
  
▼解决方案之综合市场指数
-算法独特的市场综合指数，数字化运营，不再拍脑袋决策-科学严谨的挖掘算法，精确衡量市场走势数据挖掘技术，预测未来
最终效果-销售代表业绩及潜力明晰
▼-销售代表业绩及潜力明晰、销售数据实时掌控整个销售团队中，成功获取：
1）销售代表的综合业绩最好者2）销售总额最高者3）毛利率额最高者4）具有潜力的销售代表
▼-数据化掌控，制定营销策略，总经理可以完成
1）从任意部门到各个大区、销售代表和代理商的下钻和上选分析2）实现多层次多维度数据的查询3）从庞大的数据中挖掘重点客户和潜在客户，从而制定营销策略
②沃尔玛的搜索
这家零售业寡头为其网站Walmart.com自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。
任何事情的发生，都会有蛛丝马迹的前兆表露出来。如果人们不去关注一支股票行情走势，就不会去买卖这支股票；如果人们不去询问某件商品的价格，也很难产生购买行为；如果没有闷热的天气，似乎就没有透心凉的大雨。关于地震前种种异象，更是被许多书籍、文章大肆渲染。
假定有一种技术可以记录下所有这些先兆，人们就获得了未卜先知的能力。利用大数据技术，能够广泛采集各种各样的数据类型，并进行统计分析，从而预测未来，大数据影响之深远，波及之广泛，远非一般的信息技术可比。大数据预测应该被利用到生活的方方面面，尤其是在预测地震，泥石流等等，拥有先进技术的目的，就应该是人类造福，它的意义也应该在此；否则，所以的创造都是无用功。
大数据的利用，可以重新定位生产商与供应商的关系；可以通过商品本身收集数据并传回制造商进行研究与开发；可以通过用户交互提高服务；当文字变成数据，不仅人可以用之阅读，机器也可用之分析……充分说明，第一，个人也好，公司也好，都需要与时俱进；第二，大数据的多样性有待于更全面的开发，更好地服务于人们的生活。
大数据时代开启了一场寻宝游戏，而人们对于数据的看法以及对于有因果关系向相关关系转化时释放出的潜在价值的态度，正是主宰这场游戏的关键。
大数据并不是一个充斥着算法和机器的冰冷世界，人类的作用依然无法被完全替代。大数据为我们提供的不是最终答案，只是参考答案，帮助是暂时的，而更好的方法和答案还在不久的未来。
以上是小编为大家分享的关于大数据案例分析:中国的大数据在哪里的相关内容，更多信息可以关注环球青藤分享更多干货

4. 大数据时代的影响

 现在的社会是一个高速发展的社会，科技发达，信息流通，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物。 随着云时代的来临，大数据（Big data）也吸引了越来越多的关注。著云台的分析师团队认为，大数据（Big data）通常用来形容一个公司创造的大量非结构化和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像MapReduce一样的框架来向数十、数百或甚至数千的电脑分配工作。 在现今的社会，大数据的应用越来越彰显他的优势，它占领的领域也越来越大，电子商务、O2O、物流配送等，各种利用大数据进行发展的领域正在协助企业不断地发展新业务，创新运营模式。有了大数据这个概念，对于消费者行为的判断，产品销售量的预测，精确的营销范围以及存货的补给已经得到全面的改善与优化。 “大数据”在互联网行业指的是这样一种现象：互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。大数据到底有多大？一组名为“互联网上一天”的数据告诉我们，一天之中，互联网产生的全部内容可以刻满1.68亿张DVD；发出的邮件有2940亿封之多（相当于美国两年的纸质信件数量）；发出的社区帖子达200万个（相当于《时代》杂志770年的文字量）；卖出的手机为37.8万台，高于全球每天出生的婴儿数量37.1万…… 截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB(1024EB=1ZB)级别。国际数据公司（IDC）的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。而到2012年为止，人类生产的所有印刷材料的数据量是200PB，全人类历史上说过的所有话的数据量大约是5EB。IBM的研究称，整个人类文明所获得的全部数据中，有90%是过去两年内产生的。而到了2020年，全世界所产生的数据规模将达到今天的44倍。 每一天，全世界会上传超过5亿张图片，每分钟就有20小时时长的视频被分享。然而，即使是人们每天创造的全部信息——包括语音通话、电子邮件和信息在内的各种通信，以及上传的全部图片、视频与音乐，其信息量也无法匹及每一天所创造出的关于人们自身的数字信息量。这样的趋势会持续下去。我们现在还处于所谓“物联网”的最初级阶段，而随着技术成熟，我们的设备、交通工具和迅速发展的“可穿戴”科技将能互相连接与沟通。科技的进步已经使创造、捕捉和管理信息的成本降至2005年的六分之一，而从2005年起，用在硬件、软件、人才及服务之上的商业投资也增长了整整50%，达到了4000亿美元。  大数据带给我们的三个颠覆性观念转变：是全部数据，而不是随机采样；是大体方向，而不是精确制导；是相关关系，而不是因果关系。 A.不是随机样本，而是全体数据：在大数据时代，我们可以分析更多的数据，有时候甚至可以处理和某个特别现象相关的所有数据，而不再依赖于随机采样(随机采样，以前我们通常把这看成是理所应当的限制，但高性能的数字技术让我们意识到，这其实是一种人为限制);B.不是精确性，而是混杂性：研究数据如此之多，以至于我们不再热衷于追求精确度;之前需要分析的数据很少，所以我们必须尽可能精确地量化我们的记录，随着规模的扩大，对精确度的痴迷将减弱;拥有了大数据，我们不再需要对一个现象刨根问底，只要掌握了大体的发展方向即可，适当忽略微观层面上的精确度，会让我们在宏观层面拥有更好的洞察力;C.不是因果关系，而是相关关系：我们不再热衷于找因果关系，寻找因果关系是人类长久以来的习惯，在大数据时代，我们无须再紧盯事物之间的因果关系，而应该寻找事物之间的相关关系;相关关系也许不能准确地告诉我们某件事情为何会发生，但是它会提醒我们这件事情正在发生。 大数据时代，什么最贵?十年前，葛大爷曾说过，“21世纪什么最贵?”——“人才”，深以为然。只是，十年后的今天，大数据时代也带来了身价不断翻番的各种数据。由于急速拓展的网络带宽以及各种穿戴设备所带来的大量数据，数据的增长从未停歇，甚至呈井喷式增长。 一分钟内，微博推特上新发的数据量超过10万；社交网络“脸谱”的浏览量超过600万……这些庞大数字，意味着什么？它意味着，一种全新的致富手段也许就摆在面前，它的价值堪比石油和黄金。事实上，当你仍然在把微博等社交平台当作抒情或者发议论的工具时，华尔街的敛财高手们却正在挖掘这些互联网的“数据财富”，先人一步用其预判市场走势，而且取得了不俗的收益。让我们一起来看看——他们是怎么做的。这些数据都能干啥。具体有六大价值：●1、华尔街根据民众情绪抛售股票；●2、对冲基金依据购物网站的顾客评论，分析企业产品销售状况；●3、银行根据求职网站的岗位数量，推断就业率；●4、投资机构搜集并分析上市企业声明，从中寻找破产的蛛丝马迹；●5、美国疾病控制和预防中心依据网民搜索，分析全球范围内流感等病疫的传播状况；●6、美国总统奥巴马的竞选团队依据选民的微博，实时分析选民对总统竞选人的喜好。  “数据是新的石油。”亚马逊前任首席科学家Andreas Weigend说。Instagram以10亿美元出售之时，成立于1881年的世界最大影像产品及服务商柯达正申请破产。大数据是如此重要，以至于其获取、储存、搜索、共享、分析，乃至可视化地呈现，都成为了当前重要的研究课题 。“当时时变幻的、海量的数据出现在眼前，是怎样一幅壮观的景象？在后台注视着这一切，会不会有接近上帝俯视人间星火的感觉？”这个问题我曾请教过刘建国，中国著名的搜索引擎专家。刘曾主持开发过国内第一个大规模中英文搜索引擎系统“天网”。要知道，刘建国曾任至百度的首席技术官，在这样一家每天需应对网民各种搜索请求1.7亿次（2013年约为8.77亿次）的网站中，如果只是在后台静静端坐，可能片刻都不能安心吧。百度果然在提供搜索服务之外，逐渐增添了百度指数，后又建立了基于网民搜索数据的重要产品“贴吧”及百度统计产品等。刘建国没有直接回答这个问题，他想了很久，似乎陷入了回忆，嘴角的笑容含着诡秘。倒是有公司已经在大数据中有接近上帝俯视的感觉，美国洛杉矶就有企业宣称，他们将全球夜景的历史数据建立模型，在过滤掉波动之后，做出了投资房地产和消费的研究报告。在数据可视化呈现方面，我最新接收到的故事是，一位在美国思科物流部门工作的朋友，很聪明的印度裔小伙子，被Facebook高价挖角，进入其数据研究小组。他后来惊讶地发现，里面全是来自物流企业、供应链方面的技术人员和专家，“Facebook想知道，能不能用物流的角度和流程的方式，分析用户的路径和行为。”

5. 数据分析的案例

沃尔玛经典营销案例：啤酒与尿布“啤酒与尿布”的故事产生于20世纪90年代的美国沃尔玛超市中，沃尔玛的超市管理人员分析销售数据时发现了一个令人难于理解的现象：在某些特定的情况下，“啤酒”与“尿布”两件看上去毫无关系的商品会经常出现在同一个购物篮中，这种独特的销售现象引起了管理人员的注意，经过后续调查发现，这种现象出现在年轻的父亲身上。在美国有婴儿的家庭中，一般是母亲在家中照看婴儿，年轻的父亲前去超市购买尿布。父亲在购买尿布的同时，往往会顺便为自己购买啤酒，这样就会出现啤酒与尿布这两件看上去不相干的商品经常会出现在同一个购物篮的现象。如果这个年轻的父亲在卖场只能买到两件商品之一，则他很有可能会放弃购物而到另一家商店， 直到可以一次同时买到啤酒与尿布为止。沃尔玛发现了这一独特的现象，开始在卖场尝试将啤酒与尿布摆放在相同的区域，让年轻的父亲可以同时找到这两件商品，并很快地完成购物；而沃尔玛超市也可以让这些客户一次购买两件商品、而不是一件，从而获得了很好的商品销售收入，这就是“啤酒与尿布” 故事的由来。当然“啤酒与尿布”的故事必须具有技术方面的支持。1993年美国学者Agrawal提出通过分析购物篮中的商品集合，从而找出商品之间关联关系的关联算法，并根据商品之间的关系，找出客户的购买行为。艾格拉沃从数学及计算机算法角度提 出了商品关联关系的计算方法——Aprior算法。沃尔玛从上个世纪 90 年代尝试将 Aprior 算 法引入到 POS机数据分析中，并获得了成功，于是产生了“啤酒与尿布”的故事。 Suncorp-Metway使用数据分析实现智慧营销Suncorp-Metway是澳大利亚一家提供普通保险、银行业、寿险和理财服务的多元化金融服务集团, 旗下拥有5个业务部门，管理着14类商品，由公司及共享服务部门提供支持,其在澳大利亚和新西兰的运营业务与900多万名客户有合作关系。该公司过去十年间的合并与收购,使客户群增长了200%,这极大增加了客户群数据管理的复杂性,如果解决不好,必将对公司利润产生负面影响.为此,IBM公司为其提供了一套解决方案,组件包括:IBM Cognos 8 BI、IBMInitiate Master Data Service谀IBM Unica。采用该方案后，Suncorp-Metway公司至少在以下三项业务方面取得显著成效：1、显著增加了市场份额，但没有增加营销开支；2、每年大约能够节省1000万美元的集成与相关成本；3、避免向同一户家庭重复邮寄相同信函并且消除冗余系统，从而同时降低直接邮寄与运营成本。由此可见，Suncorp-Metway公司通过该方案将此前多个孤立来源的数据集成起来，实现智慧营销，对控制成本，增加利润起到非常积极的作用。数据分析帮助辛辛那提动物园提高客户满意度辛辛那提动植物园成立于1873年，是世界上著名的动植物园之一，以其物种保护和保存以及高成活率繁殖饲养计划享有极高声誉。它占地面积71英亩，园内有500种动物和3000多种植物，是国内游客人数最多的动植物园之一，曾荣获Zagat十佳动物园，并被《父母》（Parent）杂志评为最受儿童喜欢的动物园，每年接待游客130多万人。辛辛那提动植物园是一个非营利性组织，是俄亥州同时也是美国国内享受公共补贴最低的动植物园，除去政府补贴，2600万美元年度预算中，自筹资金部分达到三分之二以上。为此，需要不断地寻求增加收入。而要做到这一点，最好办法是为工作人员和游客提供更好的服务，提高游览率。从而实现动植物园与客户和纳税人的双赢。借助于该方案强大的收集和处理能力、互联能力、分析能力以及随之带来的洞察力，在部署后，企业实现了以下各方面的受益：·帮助动植物园了解每个客户浏览、使用和消费模式，根据时间和地理分布情况采取相应的措施改善游客体验，同时实现营业收入最大化。·根据消费和游览行为对动植物园游客进行细分，针对每一类细分游客开展营销和促销活动，显著提高忠诚度和客户保有量。.·识别消费支出低的游客，针对他们发送具有战略性的直寄广告，同时通过具有创意性的营销和激励计划奖励忠诚客户。· 360度全方位了解客户行为，优化营销决策，实施解决方案后头一年节省40,000多美元营销成本，同时强化了可测量的结果。·采用地理分析显示大量未实现预期结果的促销和折扣计划，重新部署资源支持产出率更高的业务活动，动植物园每年节省100,000多美元。·通过强化营销提高整体游览率，2011年至少新增50,000人次“游览”。·提供洞察结果强化运营管理。例如，即将关门前冰激淋销售出现高潮，动植物园决定延长冰激淋摊位营业时间，直到关门为止。这一措施夏季每天可增加2,000美元收入。·与上年相比，餐饮销售增加30.7%，零售销售增加5.9%。·动植物园高层管理团队可以制定更好的决策，不需要 IT 介入或提供支持。·将分析引入会议室，利用直观工具帮助业务人员掌握数据。

6. 大数据利用的六大现实商业案例

大数据利用的六大现实商业案例_数据分析师考试
大数据正在改变市场的竞争格局。而那些能够充分利用大数据分析的企业往往能够更快地向市场提供产品和服务，更好地保持与顾客需求和欲望的一致性。2014年，调研公司Gartner的调查发现，73%的受访企业在大数据方面进行了投资，或者计划在接下来的24个月内投资大数据项目;而2013年的这一数据比例则为64%。改善客户体验和流程效率被受访者排在最高的优先级。
客户体验的改善不管是在线上或线下都在发生着的，数据从智能手机、移动应用程序、POS系统和电子商务网站等等渠道进行收集。随着企业比以往任何时候都能够收集和分析更多的、且类型丰富的数据信息，企业现如今所进行哪些相关工作，以及为什么要进行都需要进行数据量化。而且，那是最灵活的调整自己的经营策略，以提高或维持市场份额的手段。在执行过程中，客户体验的改善有助于提高客户的忠诚度和企业营收的增长。另一方面，如果公司选择无视相关的数据，他们很可能会失去客户和交易，而将其拱手让给那些对于数据分析反应更敏捷，更精明的竞争对手。
企业流程的改进继续专注于提高效率，节约成本，以及提高产品或服务的质量。大数据可以提供比传统系统更深入的见解，因为其有更多的数据点和数据来源分析作为支撑。
无论企业的目标是为了促进营收增长、或是加快产品服务的上市速度、优化劳动力，或是实现其他操作方面的改进，其核心都在与变得更加积极主动，减少被动反应，这就意味着需要使用预测分析，以缩短学习曲线。
有许多使用大数据来提升和改善企业运营的方法，下面将为大家介绍六个典型的案例。
缩短上市时间
推出新的产品或服务涉及多个生命周期阶段，其中一些比另一些更容易加速。在过去的几十年中，药品制造商已经使用临床试验模拟学习速度，降低成本，并减少了参与试验患者的不必要的负担。借助云计算和大数据，临床试验的模拟可以变得更加有利于制造商和患者。
百时美施贵宝公司(bristol-myers squibb) 通过将其内部托管网格环境扩展到AWS云，减少了98%的临床试验模拟时间。该公司还进一步优化了剂量水平，使得药物产品更安全，并只需要较少的临床试验患者的血液样本。
由于临床试验对于数据是高度敏感的，百时美施贵宝公司建立了一个专门的，加密的VPN隧道链接亚马逊网关，并配置了虚拟私有云，以便使得其运行环境能够与公众客户进行隔离。
在迁入云中之前，科学家们使用一个共享的内部环境，所以运行大约数百个项目需要花费60小时。现在，每个科学家都有一个专门的环境，2000个项目大约在1.2小时内就能够处理完毕，而且不会引起影响到团队的其他成员。
迁移到AWS云之后，百时美施贵宝公司得以能够减少儿科研究临床试验受试者的人数，从60减少到40人，同时还缩短了一年多的学习研究时间。
优化劳动力
一些企业的人力资源部门正在使用人才分析和大数据来降低成本，进而有效管理人力资源相关的问题。大数据帮助他们能够有效的选择能够更好的适应企业的新员工，降低员工离职率，了解技能和现有市场劳动力的输出状况，并确定公司前向发展所需要的人才。
施乐公司使用大数据将其呼叫中心的人员流失率降低了20%。要做到这一点，就必须了解是什么原因导致了员工的离职，并确定如何改善员工的敬业度。
改善财务绩效
企业的财务部门已经不仅仅只是进行定期的报告和BI工作了，他们已经在开始利用大数据来降低风险和成本，寻找机会提高预测的准确性。具体地说，他们使用的数据来识别高风险客户和供应商，以阻止欺诈，找准收入泄漏，并发掘新的或更有效的商业模式。
最近，天气预测公司The Weather Company与IBM之间的合作将使企业用户得以更好地管理天气状况对于企业绩效的影响。据The Weather Company介绍，每年，仅在美国天气因素就会造成价值五千亿美元的经济影响。
这些气象数据是来自超过10万台的气象传感器和飞机，以及数以百万计的智能手机、建筑和路上奔跑的车辆。这些数据与其他22亿个独特的预测点的数据来源相结合，平均每天进行100多亿次的实时天气预报。例如，零售商可以使用这些数据信息来调整人员配置和供应链策略。而能源公司将能够借助这些天气数据信息改善供应和预测需求。保险公司将能够向其投保人警告恶劣天气条件，这样他们就可以减少在冰雹灾害天气发生汽车损坏的可能性。
智能化的销售
稍微修改一下企业的销售和营销策略就可能会对您企业的销售业绩产生深远的影响，特别是当通过大数据分析之后进行的有规划的修改。
想象一下，一个为期六周的直邮营销活动票面收益率的超过了70%。而根据直销协会的介绍，平均直邮回报率仅为3.7%。而杂货连锁店Kroger公司是如何做到的呢?一方面，他们根据客户个人的购物历史记录采用个性化的直接邮寄方式。
Kroger公司的客户会员卡计划，被食品行业评为第一。超过90%的客户使用会员卡购买产品。虽然也有其他因素的共同作用，使得Kroger公司的财务绩效如此骄人，但其连续45个季度的持续增长至少部分要归因于其客户忠诚计划。
最大限度地减少设备和资产故障
企业希望避免不必要的业务中断干扰和客户的焦虑。现在，传感器已经被嵌入到一切设备，企业可以使用这些数据信息，以确定何时需要对飞机，火车，汽车，及其它电器设备进行维修。理想情况下，当问题已经出现的时候，企业要了解这个问题是什么原因造成的，以及其如何能得到解决，最好有一个专业的维修队伍。
Pratt &Whitney公司是美国联合技术公司(United Technologies Corp.)下属的一个单位，该公司试图减少意外的飞机发动机维修。据Airinsight.com介绍，今天的发动机能够在飞机飞行过程中从多个快照收集约100个参数。相比之下，新一代的引擎能够收集关于连续飞行的5000个参数。这一过程中产生约2千兆字节的数据。使用这些数据信息，Pratt &Whitney公司及其合作伙伴IBM得以进行主动的维修。
利用客户的终身价值
如今的授权客户比以往任何时候都更加苛刻和善变。企业为了保持或增加市场份额，需要尽可能多地了解自己的客户，不断改善自己的产品和服务，并愿意调整自己的商业模式，以反映其客户的实际需求。
美国汽车租赁公司AvisBudget就一直致力于这方面。他们通过实施整合战略增加了市场份额，并取得了数亿美元的额外收入。主动参与确定客户价值细分，提供分层激励，提高客户的忠诚度。该公司的IT合作伙伴CSC公司采用模型预测AvisBudget客户数据库的终身价值，并验证了其使用多通道的营销活动和相应的分析。
现在的客户评估数据结合了其他数据，包括客户的租赁历史，服务问题，服务地区的人口统计，企业隶属关系和客户反馈等等。Avis Budget也收集和分析社交媒体数据。该公司有一个社交媒体专家团队专门进行品牌营销。该公司最近还更新了网站，以进一步改善客户体验，并且他们正在使用大数据预测区域性的车队配售和定价服务需求。
以上是小编为大家分享的关于大数据利用的六大现实商业案例的相关内容，更多信息可以关注环球青藤分享更多干货

7. 企业大数据实战案例

企业大数据实战案例
一、家电行业
　　以某家电公司为例，它除了做大家熟知的空调、冰箱、电饭煲外，还做智能家居，产品有成百上千种。在其集团架构中，IT部门与HR、财务等部门并列以事业部形式运作。
　　目前家电及消费电子行业正值“内忧外患”，产能过剩，价格战和同质化现象严重；互联网企业涉足，颠覆竞争模式，小米的“粉丝经济”，乐视的“平台+内容+终端+应用”，核心都是经营“用户”而不是生产。该公司希望打造极致产品和个性化的服务，将合适的产品通过合适的渠道推荐给合适的客户，但在CPC模型中当前只具备CP匹配（产品渠道），缺乏用户全景视图支持，无法打通“CP（客户产品）”以及“CC（客户渠道）”的匹配。
　　基于上述内外环境及业务驱动，该公司希望将大数据做成所有业务解决方案的枢纽。以大数据DMP作为企业数据核心，充分利用内部数据源、外部数据源，按照不同域组织企业数据，形成一个完整的企业数据资产。然后，利用此系统服务整个企业价值链中的各种应用。
　　那么问题来了，该公司的数据分散在不同的系统中，更多的互联网电商数据分散在各大电商平台，无法有效利用，怎么解决？该公司的应对策略是：1）先从外部互联网数据入手，引入大数据处理技术，一方面解决外部互联网电商数据利用短板，另一方面可以试水大数据技术，由于互联网数据不存在大量需要内部协调的问题，更容易快速出效果；2）建设DMP作为企业统一数据管理平台，整合内外部数据，进行用户画像构建用户全景视图。
　　一期建设内容：技术实现上通过定制Spark爬虫每天抓取互联网数据（主要是天猫、京东、国美、苏宁、淘宝上的用户评论等数据），利用Hadoop平台进行存储和语义分析处理，最后实现“行业分析”、“竞品分析”、“单品分析” 三大模块。
　　该家电公司大数据系统一期建设效果，迅速在市场洞察、品牌诊断、产品分析、用户反馈等方面得到体现。
　　二期建设目标：建设统一数据管理平台，整合公司内部系统数据、外部互联网数据（如电商数据）、第三方数据（如外部合作、塔布提供的第三方消费者数据等）。
　　该公司大数据项目对企业的最大价值是将沉淀的数据资产转化成生产力。IT部门，通过建设企业统一的数据管理平台，融合企业内外部数据，对于新应用快速支持，起到敏捷IT的作用；业务部门，通过产品、品牌、行业的洞察，辅助企业在产品设计、广告营销、服务优化等方面进行优化改进，帮助企业进行精细化运营，基于用户画像的精准营销和个性化推荐，帮助企业给用户打造极致服务体验，提升客户粘性和满意度；战略部门，通过市场和行业分析，帮助企业进行产品布局和战略部署。
　　二、快消行业
　　以宝洁为例，在与宝洁中国市场部的合作中发现，并不是一定要先整合内外部数据才能做用户画像和客户洞察。宝洁抓取了主流网站上所有与宝洁评价相关的数据，利用语义分析和建模，掌握不同消费群体的购物喜好和习惯，仅仅利用外部公开数据，快速实现了客户洞察。
　　此外，宝洁还在渠道管理上进行创新。利用互联网用户评论数据进行社群聆听，监控与宝洁合作的50个零售商店相关的用户评论，通过线上数据进行渠道/购物者研究并指导渠道管理优化。
　　实现过程：
　　1、锁定微博、大众点评等互联网数据源，采集百万级别消费者谈及的与宝洁购物相关内容；
　　2、利用自然语言处理技术，对用户评论进行多维建模，包括购物环境、服务、价值等10多个一级维度和50个二级维度，实现对用户评论的量化；
　　3、对沃尔玛、屈臣氏、京东等50个零售渠道进行持续监控，结果通过DashBoard和周期性分析报告呈现。
　　因此，宝洁能够关联企业内部数据，更有效掌握KA渠道整体情况，甚至进一步掌握KA渠道的关键细节、优势与劣势，指导渠道评级体系调整，帮助制定产品促销规划。
　　三、金融行业
　　对于消费金融来说，家电、快消的案例也是适用的，尤其是精准营销、产品推荐等方面。这里主要分享征信风控方面的应用。显然，互联网金融如果对小额贷款都像银行一样做实地考察，并投入大量人力进行分析评判的话，成本是很高的，所以就有了基于大数据的批量的信用评分模型。最终目的也是实现企业画像和企业中的关键人物画像，再利用数据挖掘、数据建模的方法建立授信模型。宜信的宜人贷、芝麻信用等本质上就是这个架构。
　　在与金融客户的接触中发现，不论银行还是金融公司，对外部数据的需求都越发迫切，尤其是外部强特征数据，比如失信记录、第三方授权后的记录、网络行为等。
以上是小编为大家分享的关于企业大数据实战案例的相关内容，更多信息可以关注环球青藤分享更多干货

8. 大数据价值和案例分享