1. Casos de aplicación de big data: industria médica.
1)Seton Healthcare es el primer cliente que utiliza la última tecnología Watson de IBM para analizar y predecir contenido sanitario. Esta tecnología permite a las empresas encontrar una gran cantidad de información médica clínica relacionada con los pacientes y analizar mejor la información de los pacientes mediante el procesamiento de big data.
En un hospital de Toronto, Canadá, se realizan más de 3.000 lecturas de datos de bebés prematuros cada segundo. Al analizar estos datos, los hospitales pueden saber de antemano qué bebés prematuros tienen problemas y tomar medidas específicas para prevenir la muerte de bebés prematuros.
Facilita que más emprendedores desarrollen productos, como aplicaciones de salud que recopilan datos a través de redes sociales. Quizás en los próximos años los datos que recopilen hagan que su diagnóstico sea más preciso. Por ejemplo, en lugar de que los adultos tomen una tableta tres veces al día, cuando detecta que el medicamento en la sangre se ha metabolizado, automáticamente le recordará que debe volver a tomar el medicamento.
2) Big data combinado con el tratamiento contra el cáncer de Jobs
Jobs fue la primera persona en el mundo en secuenciar todo su ADN y el ADN tumoral. Por ello pagó cientos de miles de dólares. Lo que obtuvo no fue una muestra, sino un archivo de datos que contenía el genoma completo. Los médicos le recetaron medicamentos según fuera necesario basándose en todos los genes, lo que finalmente ayudó a Jobs a vivir unos años más.
2. Uno de los casos de aplicación del big data: la industria energética.
1) La red inteligente ya ha implementado en Europa terminales, los llamados contadores inteligentes. En Alemania, para fomentar el uso de la energía solar, se instalan paneles solares en los hogares. Además de venderle electricidad, también puede recomprar el exceso de electricidad de su energía solar.
Los datos se recopilan a través de la red eléctrica cada cinco o diez minutos. Los datos recopilados se pueden utilizar para predecir los hábitos de consumo de electricidad de los clientes y así inferir cuánta electricidad necesitará toda la red en los próximos 2-3. meses. Con esta previsión se podrá adquirir una determinada cantidad de electricidad a la empresa generadora o suministradora de energía.
Debido a que la electricidad es un poco como los futuros, será más barata si la compras por adelantado, pero será más cara si la compras al contado. Con este tipo de previsión, se pueden reducir los costes de adquisición.
2) Vestas Wind Systems de Dinamarca utiliza big data. El sistema se basa en el software BigInsights y las supercomputadoras de IBM para analizar dónde se deben instalar los generadores de turbinas. De hecho, este es un gran desafío en la energía eólica. A lo largo de más de 20 años de funcionamiento del parque eólico, el posicionamiento preciso ha ayudado a la planta a maximizar su producción de energía.
Para encontrar la ubicación ideal, Vestas analiza información de todas las fuentes: datos meteorológicos y eólicos, turbulencias, mapas del terreno y sensores enviados por las más de 25.000 turbinas controladas por la empresa en todo el mundo. Estos sistemas de procesamiento de información brindan a la empresa una ventaja competitiva única y ayudan a sus clientes a lograr el máximo retorno de la inversión.
3. Casos de aplicación de big data: industria de las comunicaciones: salvar a los clientes principales mediante el análisis de big data.
Telekomunikacja Polska, una empresa de telecomunicaciones polaca propiedad del grupo France Telecom-Orange, es el mayor proveedor de telefonía fija de voz y banda ancha de Polonia. Espera predecir con precisión y resolver el problema de la pérdida de clientes de forma eficaz. forma.
Decidieron segmentar a sus clientes creando “mapas sociales”: analizando datos de millones de llamadas telefónicas de clientes, prestando especial atención a “quién llamó a quién” y “con qué frecuencia”. "Social Graph" divide a los usuarios de la empresa en varias categorías, como: tipo de red, tipo de puente, tipo de líder y tipo de seguidor.
Estos datos de relaciones pueden ayudar a los proveedores de servicios de telecomunicaciones a comprender una serie de preguntas, como por ejemplo: ¿Quién tendrá un mayor impacto en los clientes que probablemente "abandonen" los servicios de la empresa? ¿Qué tan difícil es retener a sus clientes más valiosos? Con este enfoque, el modelo de predicción de abandono de la empresa se volvió un 47% más preciso.
4. Casos de aplicación de big data: industria minorista: big data ayuda a las empresas minoristas a formular estrategias de promoción.
El minorista norteamericano Best Buy tiene actividades de ventas muy activas en América del Norte, con más de 30.000 productos. Los precios de los productos varían según la región y las condiciones del mercado. Debido a la gran variedad de productos, los costos cambian con frecuencia, hasta cuatro veces al año.
Como resultado, el número de ajustes de precios por año asciende a 6,5438+0,2 millones de veces. El mayor dolor de cabeza para los ejecutivos son las estrategias de precios y promoción.
La compañía ha creado un equipo de 11 personas y espera mejorar la precisión de los precios y la velocidad de respuesta mediante el análisis de los registros de compras de los consumidores y la información relacionada.
El análisis del equipo de precios gira en torno a tres dimensiones clave:
1) Cantidad: el equipo necesita analizar cantidades masivas de información. Han recopilado los registros de compra de decenas de millones de consumidores, los han analizado desde diferentes dimensiones del cliente y han comprendido la mayor receptividad del cliente a cada categoría de producto, estableciendo así el mejor precio para el producto.
2) Diversidad: además de analizar datos estructurados, como registros de compras, el equipo también utiliza las redes sociales para publicar nuevos datos no estructurados. Dado que los consumidores deben dar me gusta o dejar un mensaje en la página temática del minorista para obtener cupones, el equipo utiliza fórmulas de análisis de sentimientos para analizar las emociones de los consumidores en la página temática para determinar si están satisfechos con las promociones de la empresa y ajustar la promoción. estrategia. .
3) Velocidad: para maximizar el valor, los equipos procesan datos en tiempo real o casi en tiempo real. Enviaron con éxito cupones al consumidor en el mostrador de cereales del supermercado basándose en sus registros de compras anteriores de cereales, aportando comodidad y sorpresa al cliente.
A través de esta serie de actividades, el equipo mejoró la precisión de los precios y la capacidad de respuesta, agregando decenas de millones de dólares en ventas y ganancias para el minorista.
5. Casos de aplicación de big data: industria del marketing en Internet (SEM)
Muchas empresas tienen este sentimiento cuando utilizan SEM y gastan mucho dinero en promoción de SEM cada año. un gran presupuesto, pero debido a que la entrada y salida de las palabras clave no se pueden visualizar, a menudo se gasta mucho dinero sin ver retornos específicos.
En un mercado SEM tan competitivo, las empresas necesitan una herramienta de análisis de datos eficiente que les ayude a optimizar la promoción SEM tanto como sea posible, como BDP, para ayudarles a ahorrar gastos innecesarios y mejorar el rendimiento general del negocio.
Las empresas pueden utilizar las soluciones de integración de marketing online proporcionadas por la plataforma de datos para conectar varios sistemas de marketing de motores de búsqueda (SEM), de servicio al cliente online y de CRM. Los postores de marketing pueden simplemente arrastrar y soltar para generar informes, observar la entrada y salida de cada palabra clave, analizar la conversión de cada página y reducir efectivamente el costo de entrega.
A través de los datos de análisis de transmisión en vivo de BDP, puede comprender rápidamente el tiempo de entrega, el área y la clasificación de las palabras clave de su oponente, y realizar análisis visuales para monitorear su propio estado de entrega y el de sus competidores en tiempo real, comprender la estrategia de entrega y el soporte de su oponente. Personalice el momento para la actualización de datos, la frecuencia de monitoreo y el período de tiempo, y ajuste la estrategia de manera oportuna. Si sabes lo que sabes, saldrás victorioso en cada batalla.
6. Caso de aplicación de big data: industria del comercio electrónico
Inesperadamente: la chica con los pechos más grandes es una chica de Xinjiang. Taobao demostró una vez que la talla de sujetador más popular comprada por las mujeres chinas es la copa B. La copa B representa el 41,45%, de los cuales 75B tiene las mejores ventas, seguida de la copa A, que representa el 25,26%, y la copa C solo el 8,96%.
Aunque la plataforma de datos Taobao no puede representarlo todo, considerando la realidad, también es universal. Solo podemos sentir los tamaños comunes de las mujeres chinas. Entre los colores de sujetadores, el negro es el color más vendido. El negro es absolutamente versátil y imprescindible para toda mujer.
A juzgar por las clasificaciones provinciales y de ciudades, las chicas con los senos más grandes son de Xinjiang. Estos datos son una buena referencia para las tiendas de sujetadores, ya que sientan una base de datos para el inventario, los precios, la selección de estilos y otras estrategias de la tienda.
7. Casos de aplicación del big data: industria del entretenimiento.
El big data de Microsoft predijo con éxito los 21 premios Oscar. 2013 Microsoft Research Economista de Nueva York David? David Rothschild utilizó big data para predecir con éxito 19 de los 24 premios Oscar y se convirtió en un tema candente.
Este año, Rothschild continuó sus esfuerzos y predijo con éxito 265,438+0 entre los 24 premios en la 86ª edición de los Premios de la Academia, continuando mostrando a la gente el poder mágico de la tecnología moderna.
En general, el objetivo final del big data no es sólo cambiar el entorno competitivo, sino revertir completamente todo el entorno competitivo y generar nuevas oportunidades. Las empresas necesitan adaptarse a las circunstancias cambiantes. Sólo cuando las empresas se den cuenta de esto, utilicen productos de análisis de datos adecuados y utilicen y gestionen los datos de forma inteligente podrán convertirse en los ganadores finales de la competencia a largo plazo.