八個典型的大資料應用案例

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。

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HTTP://www.aliyun.com/zixun/aggregation/16887.html">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。 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。

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%。