大數據運用案例

① 有哪些大數據分析案例

如下：

1. 大數據應用案例之：醫療行業

1）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。

2）大數據配合喬布斯癌症治療

喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數據文檔。醫生按照所有基因按需下葯，最終這種方式幫助喬布斯延長了好幾年的生命。

2. 大數據應用案例之：能源行業

1）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。

2）丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，系統依靠的是BigInsights軟體和IBM超級計算機，分析出應該在哪裡設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，准確的定位能幫助工廠實現能源產出的最大化。

為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的感測器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。

3. 大數據應用案例之：通信行業—通過大數據分析挽回核心客戶

法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬頻固網供應商，希望有效的途徑來准確預測並解決客戶流失問題。

他們決定進行客戶細分，方法是構建一張「社交圖譜」- 分析客戶數百萬個電話的數據記錄，特別關注 「誰給誰打了電話」以及「打電話的頻率」兩個方面。「社交圖譜」把公司用戶分成幾大類，如：「聯網型」、「橋梁型」、「領導型」以及「跟隨型」。

這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能「棄用」公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法，公司客戶流失預測模型的准確率提升了47%。

4、大數據應用案例之：零售業—大數據幫零售企業制定促銷策略

北美零售商百思買在北美的銷售活動非常活躍，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由於產品種類繁多，成本變化比較頻繁，一年之中，變化可達四次之多。

結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高定價的准確度和響應速度。

定價團隊的分析圍繞著三個關鍵維度：

1）數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。

2）多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由於消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對於公司的促銷活動是否滿意，並微調促銷策略。

3）速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專櫃的他/她即時發送優惠券，為客戶帶來便利性和驚喜。

透過這一系列的活動，團隊提高了定價的准確度和響應速度，為零售商新增銷售額和利潤數千萬美元。

5、大數據應用案例之：網路營銷行業（SEM）

很多企業在做SEM的過程中，都有這樣的感觸：每年都會花費大量的預算在SEM推廣中，但是因為關鍵詞投入產出無法可視化，常常花了很多錢卻不見具體的回報。

在競爭如此激烈的SEM市場中，企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣，例如BDP，來幫企業節省不必要的支出，提升整體的經營績效。

企業可藉助數據平台提供的網路營銷整合解決方案，打通各個搜索引擎營銷（SEM）、在線客服系統和CRM系統，營銷競價人員無需掌握復雜的編程技術，簡單拖拽即可生成報表，觀察每一個關鍵詞的投入和產出，分析每一個頁面的轉化，有效降低投放成本。

通過BDP實況分析數據，可以快速洞悉對手關鍵詞的投放時段、地域及排名，並對其進行可視化的分析，實時監控自己和競爭對手的投放情況，了解對手的投放策略，支持自定義設置數據更新的時間點、監控頻次和時段，及時調整策略。知已知彼，才能百戰不殆。

6、大數據應用案例之：電商行業

意料之外：胸部最大的是新疆妹子。曾經淘寶平台顯示，中國女性購買最多的文胸尺碼為B罩杯。B罩杯佔比達41.45%，其中又以75B的銷量最好，其次是A罩杯，購買佔比達25.26%，C罩杯只有8.96%。

雖然淘寶數據平台不能代表一切，但是結合現實來看，這個也具有普遍的代表性，只能感慨中國女性普遍size。在文胸顏色中，黑色最為暢銷，黑色絕對是百搭，每個女性必備。

從省市排名，胸部最大的是新疆妹子。這些數據都對於文胸店鋪而言是很好的參考，為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。

7、大數據應用案例之：娛樂行業

微軟大數據成功預測奧斯卡21項大獎。2013年，微軟紐約研究院的經濟學家大衛•羅斯柴爾德（David Rothschild）利用大數據成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。

今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續向人們展示現代科技的神奇魔力。

總的來說，大數據的終極目標並不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家。

② 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。

(2)大數據運用案例擴展閱讀：

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

③ 舉例說明大數據的應用

大數據應用案例之：醫療行業
[1] 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。
[2] 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。
[3] 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
[1] 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。
[2] 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
[1] 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。
[2] 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。
[3] 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。
[4] 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
[1] "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。
[2] 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。

④ 關於大數據應用有什麼例子

大數據應用實例來：

1、關能源行業大源數據應用

計算居民用電量。

2、職業籃球賽大數據應用

專業籃球隊會通過搜集大量數據來分析賽事情況，然而他們還在為這些數據的整理和實際意義而發愁。通過分析這些數據，找到對手的弱點。

3、保險行業大數據應用

集中處理所有的客戶信息。

⑤ 常見大數據應用有哪些

Gartner的分析師Doug Laney在講解大數據案例時提到過8個更有新意更典型的案例，可幫助更清晰的理解大數據時代的到來。
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. Tipp24 AG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。這家零售業寡頭為其網站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. PredPol Inc.。PredPol公司通過與洛杉磯和聖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. Tesco PLC（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. American Express（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%。

⑥ 生活中的大數據有哪些例子

一、在金融行業的應用

金融行業應該是運用大數據技術最頻繁的一個行業，證券和銀行經常會運用大數據技術進行數據分析，通過對數據的監控和分析，有效規避風險。

金融行業面臨的行業挑戰有很多，證券欺詐預警，超高金融分析，信用卡欺詐和企業信用風險等一系列數據數據風險挑戰，行業內面臨的種種問題，都需要大數據發揮其預測的核心功能，有效規避風險。

二、在娛樂媒體的運用

大數據行業在各個行業都有涉足，舉一個簡單的例子，通過社交媒體明星粉絲數量分析和行業內新聞動態，可以預測影視視頻的播放量和受喜愛程度;通過智能產品的點擊數量和瀏覽量，可以推測用戶的個性偏好，並且推薦其喜愛的產品。

前段時間大火的美劇《紙牌屋》，通過大數據分析，選取適合網友的視頻偏好和明星選擇，造成轟動的播放量。大數據在社交媒體和娛樂行業的大數據分析，一部分也在引導觀眾和粉絲，讓其為娛樂產業消費。

三、在醫療行業的運用

iPhone用戶手機上都有這個功能，通過健康APP里的健康步數統計和鍛煉情況，為你記錄你的健康狀況，並且預測可能發生的疾病，這就是在運用大數據技術，通過一系列的記錄分析，預測可能要發生的事情並且及時解決。

醫療行業可以通過用戶的身體情況和大量病例數據，分析提高醫療行業的監控力度，並且進行有效檢測，降低用戶的患病率。

四、提高體育成績

現在很多運動員在訓練的時候應用大數據技術來分析。很多精英運動隊還追蹤比賽環境外運動員的活動-通過使用智能技術來追蹤其營養狀況以及睡眠，以及社交對話來監控其情感狀況。

五、醫療保健

大數據可以更好的去理解和預測疾病。人們戴上智能手錶等可以產生的數據一樣，大數據同樣可以幫助病人對於病情進行更好的治療。大數據可以幫助我們實現流行病預測、智慧醫療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘。

大數據技術目前已經在醫院應用監視早產嬰兒和患病嬰兒的情況，通過記錄和分析嬰兒的心跳，醫生針對嬰兒的身體可能會出現不適症狀做出預測。

⑦ 國內的數據挖掘，大數據應用的案例有哪些

1. 亞馬遜的「信息公抄司」：果全球哪家襲公司從大數據發掘出了最大價值，截至目前，答案可能非亞馬遜莫屬。亞馬遜也要處理海量數據，這些交易數據的直接價值更大。
作為一家「信息公司」，亞馬遜不僅從每個用戶的購買行為中獲得信息，還將每個用戶在其網站上的所有行為都記錄下來

2. 谷歌的意圖：果說有一家科技公司准確定義了「大數據」概念的話，那一定是谷歌。根據搜索研究公司comScore的數據，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。
3.塔吉特的「數據關聯挖掘」:用先進的統計方法，商家可以通過用戶的購買歷史記錄分析來建立模型，預測未來的購買行為，進而設計促銷活動和個性服務避免用戶流失到其他競爭對手那邊。

⑧ 大數據利用的六大現實商業案例

大數據利用的六大現實商業案例_數據分析師考試

大數據正在改變市場的競爭格局。而那些能夠充分利用大數據分析的企業往往能夠更快地向市場提供產品和服務，更好地保持與顧客需求和慾望的一致性。2014年，調研公司Gartner的調查發現，73%的受訪企業在大數據方面進行了投資，或者計劃在接下來的24個月內投資大數據項目;而2013年的這一數據比例則為64%。改善客戶體驗和流程效率被受訪者排在最高的優先順序。

客戶體驗的改善不管是在線上或線下都在發生著的，數據從智能手機、移動應用程序、POS系統和電子商務網站等等渠道進行收集。隨著企業比以往任何時候都能夠收集和分析更多的、且類型豐富的數據信息，企業現如今所進行哪些相關工作，以及為什麼要進行都需要進行數據量化。而且，那是最靈活的調整自己的經營策略，以提高或維持市場份額的手段。在執行過程中，客戶體驗的改善有助於提高客戶的忠誠度和企業營收的增長。另一方面，如果公司選擇無視相關的數據，他們很可能會失去客戶和交易，而將其拱手讓給那些對於數據分析反應更敏捷，更精明的競爭對手。

企業流程的改進繼續專注於提高效率，節約成本，以及提高產品或服務的質量。大數據可以提供比傳統系統更深入的見解，因為其有更多的數據點和數據來源分析作為支撐。

無論企業的目標是為了促進營收增長、或是加快產品服務的上市速度、優化勞動力，或是實現其他操作方面的改進，其核心都在與變得更加積極主動，減少被動反應，這就意味著需要使用預測分析，以縮短學習曲線。

有許多使用大數據來提升和改善企業運營的方法，下面將為大家介紹六個典型的案例。

縮短上市時間

推出新的產品或服務涉及多個生命周期階段，其中一些比另一些更容易加速。在過去的幾十年中，葯品製造商已經使用臨床試驗模擬學習速度，降低成本，並減少了參與試驗患者的不必要的負擔。藉助雲計算和大數據，臨床試驗的模擬可以變得更加有利於製造商和患者。

百時美施貴寶公司(bristol-myers squibb) 通過將其內部託管網格環境擴展到AWS雲，減少了98%的臨床試驗模擬時間。該公司還進一步優化了劑量水平，使得葯物產品更安全，並只需要較少的臨床試驗患者的血液樣本。

由於臨床試驗對於數據是高度敏感的，百時美施貴寶公司建立了一個專門的，加密的VPN隧道鏈接亞馬遜網關，並配置了虛擬私有雲，以便使得其運行環境能夠與公眾客戶進行隔離。

在遷入雲中之前，科學家們使用一個共享的內部環境，所以運行大約數百個項目需要花費60小時。現在，每個科學家都有一個專門的環境，2000個項目大約在1.2小時內就能夠處理完畢，而且不會引起影響到團隊的其他成員。

遷移到AWS雲之後，百時美施貴寶公司得以能夠減少兒科研究臨床試驗受試者的人數，從60減少到40人，同時還縮短了一年多的學習研究時間。

優化勞動力

一些企業的人力資源部門正在使用人才分析和大數據來降低成本，進而有效管理人力資源相關的問題。大數據幫助他們能夠有效的選擇能夠更好的適應企業的新員工，降低員工離職率，了解技能和現有市場勞動力的輸出狀況，並確定公司前向發展所需要的人才。

施樂公司使用大數據將其呼叫中心的人員流失率降低了20%。要做到這一點，就必須了解是什麼原因導致了員工的離職，並確定如何改善員工的敬業度。

改善財務績效

企業的財務部門已經不僅僅只是進行定期的報告和BI工作了，他們已經在開始利用大數據來降低風險和成本，尋找機會提高預測的准確性。具體地說，他們使用的數據來識別高風險客戶和供應商，以阻止欺詐，找准收入泄漏，並發掘新的或更有效的商業模式。

最近，天氣預測公司The Weather Company與IBM之間的合作將使企業用戶得以更好地管理天氣狀況對於企業績效的影響。據The Weather Company介紹，每年，僅在美國天氣因素就會造成價值五千億美元的經濟影響。

這些氣象數據是來自超過10萬台的氣象感測器和飛機，以及數以百萬計的智能手機、建築和路上奔跑的車輛。這些數據與其他22億個獨特的預測點的數據來源相結合，平均每天進行100多億次的實時天氣預報。例如，零售商可以使用這些數據信息來調整人員配置和供應鏈策略。而能源公司將能夠藉助這些天氣數據信息改善供應和預測需求。保險公司將能夠向其投保人警告惡劣天氣條件，這樣他們就可以減少在冰雹災害天氣發生汽車損壞的可能性。

智能化的銷售

稍微修改一下企業的銷售和營銷策略就可能會對您企業的銷售業績產生深遠的影響，特別是當通過大數據分析之後進行的有規劃的修改。

想像一下，一個為期六周的直郵營銷活動票面收益率的超過了70%。而根據直銷協會的介紹，平均直郵回報率僅為3.7%。而雜貨連鎖店Kroger公司是如何做到的呢?一方面，他們根據客戶個人的購物歷史記錄採用個性化的直接郵寄方式。

Kroger公司的客戶會員卡計劃，被食品行業評為第一。超過90%的客戶使用會員卡購買產品。雖然也有其他因素的共同作用，使得Kroger公司的財務績效如此驕人，但其連續45個季度的持續增長至少部分要歸因於其客戶忠誠計劃。

最大限度地減少設備和資產故障

企業希望避免不必要的業務中斷干擾和客戶的焦慮。現在，感測器已經被嵌入到一切設備，企業可以使用這些數據信息，以確定何時需要對飛機，火車，汽車，及其它電器設備進行維修。理想情況下，當問題已經出現的時候，企業要了解這個問題是什麼原因造成的，以及其如何能得到解決，最好有一個專業的維修隊伍。

Pratt &Whitney公司是美國聯合技術公司(United Technologies Corp.)下屬的一個單位，該公司試圖減少意外的飛機發動機維修。據Airinsight.com介紹，今天的發動機能夠在飛機飛行過程中從多個快照收集約100個參數。相比之下，新一代的引擎能夠收集關於連續飛行的5000個參數。這一過程中產生約2千兆位元組的數據。使用這些數據信息，Pratt &Whitney公司及其合作夥伴IBM得以進行主動的維修。

利用客戶的終身價值

如今的授權客戶比以往任何時候都更加苛刻和善變。企業為了保持或增加市場份額，需要盡可能多地了解自己的客戶，不斷改善自己的產品和服務，並願意調整自己的商業模式，以反映其客戶的實際需求。

美國汽車租賃公司AvisBudget就一直致力於這方面。他們通過實施整合戰略增加了市場份額，並取得了數億美元的額外收入。主動參與確定客戶價值細分，提供分層激勵，提高客戶的忠誠度。該公司的IT合作夥伴CSC公司採用模型預測AvisBudget客戶資料庫的終身價值，並驗證了其使用多通道的營銷活動和相應的分析。

現在的客戶評估數據結合了其他數據，包括客戶的租賃歷史，服務問題，服務地區的人口統計，企業隸屬關系和客戶反饋等等。Avis Budget也收集和分析社交媒體數據。該公司有一個社交媒體專家團隊專門進行品牌營銷。該公司最近還更新了網站，以進一步改善客戶體驗，並且他們正在使用大數據預測區域性的車隊配售和定價服務需求。

以上是小編為大家分享的關於大數據利用的六大現實商業案例的相關內容，更多信息可以關注環球青藤分享更多干貨

⑨ 大數據和智慧交通有哪些應用的案例

智能交通成抄為改善城市交襲通的關鍵所在。為此，及時、准確獲取交通數據並構建交通數據處理模型是建設智能交通的前提，而這一難題可以通過大數據技術得到解決。

智能交通整體框架主要包括物理感知層、軟體應用平台及分析預測及優化管理的應用。其中物理感知層主要是對交通狀況和交通數據的感知採集;軟體應用平台是將各感知終端的信息進行整合、轉換處理，以支撐分析預警與優化管理的應用系統建設;分析預測及優化管理應用主要包括交通規劃、交通監控、智能誘導、智能停車等應用系統。

系統利用先進的視頻監控、智能識別和信息技術手段，增加可管理空間、時間和范圍，不斷提升管理廣度、深度和精細度。整個系統由信息綜合應用平台、信號控制系統、視頻監控系統、智能卡口系統、電子警察系統、信息採集系統、信息發布系統等組成。以達到四方面的目標：提高通行能力、減少交通事故、打擊違章事件、出行信息服務。
在各城市建設智慧交通的過程中，將產生越來越多的視頻監控、卡口電警、路況信息、管控信息、營運信息、GPS定位信息、RFID識別信息等數據，每天產生的數據量可以達到PB級別，並且呈現指數級增長。

⑩ 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。