什么是大數(shù)據(jù)?不要再舉例說啤酒和尿布的例子了，Gartner的分析師Doug Laney在講解大數(shù)據(jù)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(shù)據(jù)時代的到來。
1. 梅西百貨的實時定價機制。根據(jù)需求和庫存的情況，該公司基于SAS的系統(tǒng)對多達7300萬種貨品進行實時調價。
2. Tipp24 AG針對歐洲博彩業(yè)構建的下注和預測平臺。該公司用KXEN軟件來分析數(shù)十億計的交易以及客戶的特性，然后通過預測模型對特定用戶進行動態(tài)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?shù)乃阉鳌＿@家零售業(yè)寡頭為其網(wǎng)站W(wǎng)almart.com自行設計了最新的搜索引擎Polaris，利用語義數(shù)據(jù)進行文本分析、機器學習和同義詞挖掘等。根據(jù)沃爾瑪?shù)恼f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(shù)十億美元的金額。”Laney說。
4. 快餐業(yè)的視頻分析。該公司通過視頻分析等候隊列的長度，然后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準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于芝加哥的牛排連鎖店訂餐送到紐約Newark機場(他將在一天工作之后抵達該處)時，Morton就開始了自己的社交秀。首先，分析推特數(shù)據(jù)，發(fā)現(xiàn)該顧客是本店的常客，也是推特的常用者。根據(jù)客戶以往的訂單，推測出其所乘的航班，然后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圣克魯斯的警方以及一群研究人員合作，基于地震預測算法的變體和犯罪數(shù)據(jù)來預測犯罪發(fā)生的幾率，可以精確到 500平方英尺的范圍內。在洛杉磯運用該算法的地區(qū)，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(shù)據(jù)倉庫中收集了700萬部冰箱的數(shù)據(jù)。通過對這些數(shù)據(jù)的分析，進行更全面的監(jiān)控并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(yè)智能。以往，AmEx只能實現(xiàn)事后諸葛式的報告和滯后的預測。“傳統(tǒng)的BI已經(jīng)無法滿足業(yè)務發(fā)展的需要。”Laney認為。于是，AmEx開始構建真正能夠預測忠誠度的模型，基于歷史交易數(shù)據(jù)，用115個變量來進行分析預測。該公司表示，對于澳大利亞將于之后四個月中流失的客戶，已經(jīng)能夠識別出其中的24%。
想認識全國各地的創(chuàng)業(yè)者、創(chuàng)業(yè)專家，快來加入“中國創(chuàng)業(yè)圈”
|
