CIO必須知道的十個大資料案例

在聽Gartner的分析師Doug Laney用55分鐘講述55個大資料應用案例之前，你可能對於大資料是否落地還心存疑慮。 Laney的演講如同莎士比亞的全集一樣，不過可能「缺乏娛樂性而更具資訊量」（也許對於技術人員來說是這樣的）。 這個演講是對大資料3v特性的全面闡釋：variety（類型）、velocity（產生速度）和volume（規模）。 術語的發明者就是用這種方式來描述大資料的 – 可以追溯到2001年。

這55個例子不是用來虛張聲勢，Laney的意圖是說明大資料的實際應用前景，聽眾們應該思考如何在自己公司裡讓大資料落地並促進業務的發展。 「也許有些例子並非來自于你當前所處的行業，但是你需要考慮如何做到他山之石可以攻玉。 」Laney表示。

下面是其中的10個典型案例：

1. 梅西百貨的即時定價機制。 根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行即時調價。

2. Tipp24 AG針對歐洲博彩業構建的下注和預測平臺。 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使用者進行動態的行銷活動。 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。 「SAP想通過這次收購來扭轉其長久以來在預測分析方面的劣勢。 」Laney分析到。

3. 沃爾瑪的搜索。 這家零售業寡頭為其網站Walmart.com自行設計了最新的搜尋引擎Polaris，利用語義資料進行文本分析、機器學習和同義字挖掘等。 根據沃爾瑪的說法，語義搜索技術的運用使得線上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. 速食業的視頻分析（Laney沒有說出這家公司的名字）。 該公司通過視頻分析等候佇列的長度，然後自動變化電子功能表顯示的內容。 如果佇列較長，則顯示可以快速供給的食物;如果佇列較短，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，分析推特資料，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。 也許，這聽起來過於離奇，但是你必須審視自己：「我是否有能力做到這個程度？ 」Laney說。

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資料來預測犯罪發生的幾率，可以精確到500平方英尺的範圍內。 在洛杉磯運用該演算法的地區，盜竊罪和暴力犯罪分佈下降了33%和21%。

7. Tesco PLC（特易購）和運營效率。 這家超市連鎖在其資料倉儲中收集了700萬部冰箱的資料。 通過對這些資料的分析，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）和商業智慧。 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，基於歷史交易資料，用115個變數來進行分析預測。 該公司表示，對於澳大利亞將于之後四個月中流失的客戶，已經能夠識別出其中的24%。

9. Express Scripts Holding Co.的產品製造。 該公司發現那些需要服藥的人常常也是最可能忘記服藥的人。 因此，他們開發了一個新產品：會響鈴的藥品蓋和自動的撥打電話，以此提醒患者按時服藥。

10. Infinity Property & Casualty Corp.的黑暗資料（dark data）。 Laney對於黑暗資料的定義是，那些針對單一目標而收集的資料，通常用過之後就被歸檔閒置，其真正價值未能被充分挖掘。 在特定情況下，這些資料可以用作其他用途。 該公司用累積的理賠師報告來分析欺詐案例，通過演算法挽回了1200萬美元的代位追償金額。

(責任編輯：蒙遺善)