Este artículo es un resumen de algunos casos clásicos de empresas de big data en diferentes industrias y campos en los últimos años. Aunque algunos de estos ya son casos de hace unos años, la lógica subyacente sigue siendo esclarecedora para el futuro.

Este documento trata de ordenar la ley general de descubrir el valor del big data desde la perspectiva de la operación y la gestión empresariales: en primer lugar, la toma de decisiones basada en datos, principalmente mejorando la probabilidad de predicción, para mejorar la tasa de éxito de la toma de decisiones;

||  01 Arriba: Varios paquetes de Natural Big Data Company

Desde Google, Amazon, Facebook, LinkedIn a Ali, Baidu y Tencent, se ha convertido en una empresa de big data natural porque tiene un gran número de usuarios de registro e información operativa. Grandes empresas de tecnología como IBM, Oracle, EMC y Hewlett-Packard acuden a big data para proporcionar a otras empresas una solución integral para "datos de hardware y software" mediante la integración de aplicaciones y información de big data. Nos centramos en el valor del big data, con el primer grupo de empresas que ocupan primer lugar.

Este es un ejemplo típico del valor de minería de estas empresas de big data naturales.

1. "Empresa de Información" de Amazon

Si alguna de las empresas del mundo ha encontrado el mayor valor del big data, la respuesta hasta ahora puede no ser Amazon». Amazon también tiene que lidiar con grandes cantidades de datos, que son de mayor valor directo.

Como "empresa de información", Amazon no solo toma información del comportamiento de compra de cada usuario, sino que también registra todo el comportamiento de cada usuario en su sitio web: se mantiene la página, si los usuarios ven comentarios, palabras clave para cada búsqueda, elementos vistos, etc. Esta alta sensibilidad e importancia para el valor de los datos, así como su capacidad para extraer, ha permitido a Amazon ir mucho más allá de su forma tradicional de operar.

El CTO de Amazon Werner Vogels, hablando en CeBIT sobre big data, describió el plan de negocios de Amazon para la era del big data. Amazon ha intentado durante mucho tiempo orientarse y obtener comentarios de los clientes a través del análisis de big data.

"En el proceso, encontrará que cuanto más grandes sean los datos, mejores serán los resultados". ¿Por qué algunas empresas siguen cometiendo errores comercialmente? Esto se debe a que no tienen suficientes datos para apoyar las operaciones y las decisiones", dijo Vogels. "Desde la infraestructura que sustenta a las empresas tecnológicas emergentes hasta los dispositivos móviles que consumen contenido, los tentáculos de Amazon han llegado a un área más amplia.

Recomendación de Amazon: El negocio de Amazon es inseparable de la cifra "basada en datos". Los amigos que han comprado algo en Amazon pueden estar familiarizados con sus características de recomendación, y la función de recomendación "Las personas que han comprado X-productos y artículos Y al mismo tiempo" puede parecer simple, pero muy eficaz, y el proceso de derivar estas recomendaciones precisas es complejo.

Pronóstico de Amazon: las previsiones de demanda de los usuarios son datos históricos para predecir la demanda futura de los usuarios. Para libros, teléfonos móviles, electrodomésticos - productos internos de demanda dura de Amazon, puede pensar en ellos como "objetivos"- las predicciones son más precisas, e incluso predicen la demanda de atributos de productos relacionados. Pero para vestir productos de demanda tan suave, Amazon ha estado haciendo más de una década no puede predecir muy bien, porque tales cosas están sujetas a demasiados factores de interferencia, tales como: la preferencia del usuario por el estilo de color, ponerse en forma, amar a amigos como él ... Este tipo de cosas es demasiado volátil, comprar más gente no venderá bien, por lo que se necesitan modelos predictivos más complejos.

Prueba de Amazon: ¿Cree que ocurre un fragmento de texto de página en el sitio web de Amazon? De hecho, Amazon continúa probando nuevos diseños en su sitio web para encontrar los que tienen las tasas de conversión más altas. El diseño, el tamaño de fuente, el color, los botones y todos los demás diseños de todo el sitio son en realidad los mejores resultados después de pruebas cuidadosas.

Registros de Amazon: La aplicación móvil de Amazon ofrece a los usuarios una experiencia fluida y omnipresente, al mismo tiempo que obtiene una comprensión profunda de las preferencias de cada usuario mediante la recopilación de datos de sus teléfonos;

El enfoque orientado a los datos no se limita a estas áreas, y la cultura corporativa de Amazon es una cultura fría y orientada a los datos. Para Amazon, el big data significa grandes ventas. Los datos muestran lo que es efectivo y lo que no, y los nuevos proyectos de inversión empresarial deben estar respaldados por datos. Un enfoque a largo plazo en los datos permite a Amazon ofrecer mejores servicios a precios más bajos.

2. Intenciones de Google

Si hay una empresa de tecnología que define con precisión el concepto de "big data", es Google. Sólo en marzo de 2012, Google procesó 12.200 millones de términos de búsqueda, según comScore, una empresa de investigación de búsqueda. El tamaño y el tamaño de Google le dan más acceso a big data que la mayoría de las otras empresas.

El motor de búsqueda de Google en sí está diseñado para vincular sin problemas miles de servidores. Si se necesita más procesamiento o almacenamiento, o si un servidor se bloquea, los ingenieros de Google pueden hacerlo fácilmente agregando más servidores. El resultado de agrupar todos estos datos es que las empresas se benefician no sólo de la mejor tecnología, sino también de la mejor información. Estos son tres de los aspectos más destacados de Google.

Intención de Google: Google almacena no solo las conexiones a Internet que aparecen en los resultados de búsqueda, sino también el comportamiento de los usuarios que buscan palabras clave, que registran con precisión cuándo, cómo y cómo las personas buscan, y la cantidad de datos de máquina que las personas generan cuando buscan y pasan por la web de Google. Los datos permiten a Google optimizar la clasificación de anuncios y convertir el tráfico de búsqueda en modelos rentables. Google no solo realiza un seguimiento del comportamiento de búsqueda de las personas, sino que también predice lo que los buscadores harán a continuación. Cada solicitud de búsqueda introducida por un usuario permite a Google saber lo que está buscando, y todo el comportamiento humano deja un rastro en Internet, y Google ocupa un gran punto para capturar y analizar esa ruta. En otras palabras, Google puede predecir tus intenciones antes de darte cuenta de lo que estás buscando. La capacidad de agarrar, almacenar y analizar grandes cantidades de datos humano-máquina y, a continuación, hacer predicciones basadas en él es un producto basado en datos.

Google Analytics: Google tiene más formas de obtener datos que solo buscar. Las empresas instalan productos como Google Analytics para realizar un seguimiento de la huella de los visitantes en sus sitios, y Google puede acceder a los datos. El sitio también utiliza la "Alianza de Publicidad de Google" para mostrar anuncios de la red de anunciantes de Google en su sitio, por lo que Google no sólo tiene información sobre cómo aparecen los anuncios en su propio sitio, sino que también tiene una vista sin obstáculos del rendimiento de otros sitios de publicidad.

Tendencia de Google: Dado que la búsqueda en sí es la "base de datos de intención" de los netizens, sin duda está disponible para predecir la siguiente tendencia basada en el aumento y la caída del volumen de búsqueda en un tema en particular. Las tendencias de Google pueden predecir las ventas de viajes, bienes raíces y coches. Estas predicciones son más conocidas por las tendencias de la gripe de Google, el seguimiento de la propagación de la gripe y otras enfermedades en todo el mundo, y el análisis de la propagación de la gripe y otras enfermedades en todo el mundo basado en búsquedas en Internet.

3. La plataforma de análisis de eBay

Ya en 2006, eBay estableció una plataforma de análisis de big data. Para analizar con precisión el comportamiento de compra de un usuario, eBay define más de 500 tipos de datos que realizan un seguimiento del comportamiento del cliente. Oliver Ratzesberger, director sénior de eBay Analytics, dijo: "En esta plataforma, los datos estructurados y no estructurados se pueden combinar para promover la innovación empresarial y el crecimiento de los beneficios para eBay a través de la analítica. "

Análisis de comportamiento de eBay: En los primeros días, los cambios en todas las funciones de una página de eBay suelen ser determinados por un director de producto que conocía bien la función, basándose principalmente en la experiencia personal del administrador del producto. A través del análisis de los datos de comportamiento del usuario, la modificación de cualquier función en la página web es decidida por el usuario. "Siempre que haya una buena idea o idea, la probaremos con una cierta gama de usuarios en el sitio. Un análisis del comportamiento de estos usuarios para ver si la idea tiene el efecto deseado. "

Análisis de anuncios de eBay: los cambios más significativos se reflejan en los costes publicitarios. eBay ha estado invirtiendo fuertemente en publicidad en Internet, trayendo clientes potenciales a eBay mediante la compra de palabras clave para búsquedas web.

4. "Minería de asociación de datos" de Tagit

Mediante métodos estadísticos avanzados, los comerciantes pueden modelar el análisis del historial de compras de los usuarios, predecir el comportamiento futuro de la compra y diseñar promociones y servicios de personalidad para evitar perder usuarios frente a otros competidores.

Tagit, el tercer mayor minorista de Estados Unidos, puede "adivinar" qué mujeres embarazadas son mediante el análisis de todos los registros de compra de clientes femeninos. Encontró que las clientes femeninas compran grandes cantidades de lociones sin fragancia alrededor de la edad de cuatro meses de embarazo. Como resultado, 25 productos altamente relacionados con el embarazo fueron desenterrados para producir un índice de "predicción del embarazo". Después de calcular la fecha de nacimiento prevista, podemos dar el primer paso y enviar vales de descuento como ropa de maternidad y cunas a los clientes.

Taggett también creó un modelo para comprar un comportamiento femenino que cambia durante el embarazo, no sólo eso, sino que si los usuarios compran suministros para bebés en sus tiendas, regularmente empujan los productos a estos clientes en los próximos años en función del ciclo de crecimiento del bebé, creando lealtad a largo plazo para esos clientes.

5. Operaciones de datos de China Mobile

A través del análisis de big data, China Mobile es capaz de monitorear, alertar y rastrear todo el negocio de sus operaciones. Los sistemas de Big Data pueden capturar automáticamente los cambios del mercado en primer lugar, y luego empujarlos a la persona designada de la manera más rápida posible, para que pueda aprender sobre el mercado en el menor tiempo posible.

Alerta de abandono del cliente: Un cliente utiliza el último teléfono Nokia, paga a tiempo cada mes, llama al servicio de atención al cliente un promedio de 3 veces al año y utiliza los servicios WEP y MMS. Si sigue el análisis de datos tradicional, es posible que se trata de un cliente con muy alta satisfacción del cliente y una probabilidad muy baja de abandono. De hecho, cuando se recopilan datos de clientes de nuevas fuentes, incluyendo microblogs y redes sociales, la situación real del cliente puede ser la siguiente: el cliente compró el teléfono en el extranjero, algunas de las características del teléfono no están disponibles en casa, en un lugar fijo el teléfono a menudo está desconectado, MMS no está disponible - su experiencia es muy pobre, está en riesgo de pérdida. Este es el escenario de aplicación para el análisis de big data de China Mobile. Al obtener acceso completo a la información empresarial, puede interrumpir las conclusiones del análisis convencional, romper los límites de las fuentes de datos tradicionales, centrarse en nuevas fuentes de datos, como las redes sociales, obtener la mayor cantidad posible de comentarios de los clientes a través de varios canales y extraer más valor de estos datos.

Aplicaciones de valor añadido de datos: Para los operadores, el análisis de datos tiene grandes perspectivas en el mercado de servicios gubernamentales. Los operadores también pueden hacer que la tecnología de big data desempeñe un papel más importante en el transporte, respondiendo a desastres repentinos y manteniendo la estabilidad. Los operadores están en la posición de un centro de compensación de datos y tienen ventajas de insondidad en el dominio del comportamiento del usuario. Como otra revolución en la tecnología de la información, el surgimiento del big data está aportando nuevas direcciones al progreso tecnológico y al desarrollo social, y quien entienda esta dirección puede tener éxito. Para los operadores, en el procesamiento y análisis de datos, no sólo las cuestiones técnicas y legales deben transformarse, sino también la forma de pensar debe cambiarse para pensar en el marketing de big data desde una perspectiva comercial.

6. Intereses y emociones en Twitter

Clúster de interés de Twitter: al filtrar las afiliaciones de los usuarios, las ubicaciones de los tweets y las palabras clave relacionadas, Twitter ha creado una serie de flujos de clientes personalizados. Por ejemplo, filtrando nombres de películas, ubicaciones y etiquetas de estado de ánimo, puede ver cuál es la película más popular en ciudades como Los Angeles, Nueva York y Londres. Incluso puede buscar turistas japoneses esquiando en Canadá, de acuerdo con una descripción de su comportamiento personal publicado por el usuario. Desde esta perspectiva, el mapa de interés de Twitter es más eficiente que el mapa social de Facebook. El valor potencial de los datos de usuario de Twitter es igualmente sorprendente. En un momento en que los sitios de redes sociales están recopilando más y más datos, pueden encontrar mejores maneras de usarlos con fines de lucro y reemplazar la publicidad como su principal manera de aumentar los ingresos. El valor real de estos sitios de redes sociales puede estar en los propios datos. Se cree que en un futuro próximo, si encuentra una manera de hacer pleno uso de los datos de los usuarios, pero también para evitar razonablemente las amenazas a la privacidad del usuario, la enorme energía de los datos sociales se activará por completo.

Análisis de sentimientos de Twitter: Twitter no ejecuta todos los productos de datos en sí, pero concede licencias de datos a servicios de datos como DataSift, que utiliza los datos sociales de Twitter para crear aplicaciones sorprendentes, desde la supervisión social hasta las aplicaciones médicas e incluso el seguimiento de los brotes de gripe, y la plataforma de monitoreo de redes sociales DataSift ha creado un producto de datos financieros. Uno de los trabajos diarios de Paul Hortin, director ejecutivo de DeWent Capital Markets en Wall Street, es utilizar programas informáticos para analizar mensajes en 340 millones de cuentas de Weibo en todo el mundo para juzgar el sentimiento público y luego anotar "1" a "50". Según la puntuación, el Sr. Hortin decidió entonces qué hacer con los millones de dólares en acciones que poseía. El juicio del Sr. Hortin es simple: comprar si todo el mundo parece feliz, y vender si la ansiedad de todos aumenta. Algunas empresas de medios empaquetan los datos de audiencia en productos y los venden a productores de canales y creadores de contenido.

Una vez que los datos precisos se combinan con los datos de las redes sociales, las predicciones para el futuro son precisas.

7. Orientación precisa de Tesco

Los comerciantes inteligentes modelan el análisis del historial de compras de los usuarios para predecir futuras listas de compras y, a continuación, diseñan promociones y servicios de personalidad con los que pueden mantenerse al día.

Tesco es el segundo minorista más rentable del mundo, y el gigante de los supermercados británicos ha obtenido enormes beneficios gracias al análisis del comportamiento de los usuarios. A partir de los registros de compra de usuario de su tarjeta de membresía, Tesco puede averiguar lo que es un usuario en la "categoría" de invitados, como comensales de comida rápida, solteros, familias con niños en edad escolar, etc.

Tal clasificación puede proporcionar una gran rentabilidad del mercado, por ejemplo, a través del correo o correo a la promoción del usuario puede llegar a ser muy personalizada, la promoción en la tienda también puede basarse en las preferencias de las personas circundantes, período de consumo para ser más orientado, mejorando así el flujo de mercancías. Tal enfoque daría buenos frutos para Tesco, que podría ahorrar a la compañía hasta 350 millones de libras al año mediante la promoción de uno sólo en el mercado.

Cupones Tesco: Tesco ofrece seis cupones adaptados a los clientes cada temporada. Cuatro de ellos son artículos que el cliente compra regularmente, mientras que los otros dos son productos que es probable que se compren en el futuro en función del análisis de datos de comportamiento del consumidor anterior del cliente. Sólo en 1999, Tesco entregó 145.000 revistas de guía de compras y combinaciones de cupones para diferentes segmentos de la base de clientes. Aún mejor, precios tan bajos no perjudican la rentabilidad general de la empresa. Al realizar un seguimiento de la tasa de retorno en estos cupones cortos y aprender cómo los clientes gastan en todas sus tiendas, Tesco también puede calcular el retorno de la inversión con precisión. Es una práctica muy anticuada dar cupones para atraer clientes, y muchas promociones son en realidad simplemente saquear las ventas futuras de la compañía. Sin embargo, Tesco, que se basa en un análisis de datos sólido para apuntar a cupones, puede sostener un crecimiento de ventas de más de 100 millones de libras al año.

Tesco también tiene una base de datos de membresía, que le permite encontrar clientes sensibles a los precios y luego establecer un precio mínimo para los bienes que tienden a comprar al nivel de costo más bajo aceptable. Una ventaja es atraer a este grupo de clientes, y la otra es que no tienes que malgastar dinero en otros bienes para reducir los precios y promocionarlos.

Operaciones de precisión de Tesco: La cadena de supermercados recopila datos sobre siete millones de refrigeradores en su almacén de datos. A través del análisis de estos datos, un monitoreo más exhaustivo y un mantenimiento activo para reducir el consumo total de energía.

8. Recomendaciones de amigos de Facebook

Facebook es un gigante de las redes sociales, pero parece que hay poco que hacer para desbloquear el valor del big data.

Facebook utiliza big data para rastrear el comportamiento de las personas en su red, y al identificar a tus amigos en su red para dar nuevas recomendaciones de amigos, cuantos más amigos tengan los usuarios, más pegajosos serán con Facebook. Más amigos significa que las personas comparten más fotos, publican más actualizaciones de estado y juegan más juegos.

9. El valor de LinkedIn en la caza de cabezas

LinkedIn utiliza big data para vincular a los solicitantes de empleo a las ofertas de empleo. Con LinkedIn, los headhunters ya no tienen que hacer llamadas extrañas a los candidatos potenciales para probar suerte, pero pueden buscar a través de búsquedas simples para identificar posibles candidatos y ponerse en contacto con ellos.

Del mismo modo, los solicitantes de empleo pueden venderse naturalmente a empleadores potenciales poniéndose en contacto con otros en el sitio. Hay dos ejemplos que ilustran vívidamente el valor de los datos de linkedIn: hace unos años, LinkedIn de repente notó un aumento reciente de visitantes a Lehman Brothers, que no atrajo mucha atención, y poco después, Lehman Brothers anunció su colapso;

10. El gen de datos de Wal-Mart

Wal-Mart comenzó a usar computadoras para rastrear el inventario ya en 1969, y en 1974 utilizó computadoras en sus centros de distribución y tiendas para el control de inventario. En 1983, todas las tiendas Wal-Mart comenzaron a utilizar sistemas de escaneo de códigos de barras.

En 1987, Wal-Mart completó la instalación de un sistema de satélite interno que permite la transmisión de datos bidireccionales en tiempo real y sonido entre las oficinas centrales, centros de distribución y centros comerciales. El uso de estas tecnologías de la información, que entonces fueron nichos y avanzados, para recopilar datos operativos ha proporcionado una base sólida para el ascenso de Wal-Mart en los últimos 20 años, lo que llevó al descubrimiento de un vínculo de "cerveza y pañal".

Hoy en día, Wal-Mart tiene el almacén de datos más grande del mundo, donde almacena registros detallados de cada venta por miles de tiendas Wal-Mart durante una semana de 65 semanas 1965, lo que permite a los empresarios comprender mejor a sus clientes mediante el análisis del comportamiento de compra.

Estos datos permiten al vendedor analizar el comportamiento de compra del cliente para proporcionar el mejor servicio de ventas. Wal-Mart ha estado trabajando para mejorar su tecnología de recopilación de datos, desde el escaneo de códigos de barras hasta la instalación de sistemas satelitales para la transmisión de datos bidireccional.

En abril de 2012, Wal-Mart adquirió Kosmix, una empresa que estudia genes sociales en línea, añadiendo genes sociales a la mezcla.

11. Ali Credit y Polythalta

Aunque el saldo del sistema Ali es tan hermoso como el día, pero de hecho, los pequeños préstamos de Ali realmente reflejan el valor del big data. Ya en 2010, Ali ha establecido un "préstamo pequeño Taobao", a través de los pedidos posteriores de los clientes de préstamos, proveedores ascendentes, crédito operativo y otra evaluación integral, no se puede cumplir con el caso, para prestar a los clientes, esto es, por supuesto, la minería de big data de la plataforma Ali.

Los datos provienen de The Tower, una gran plataforma de intercambio de datos que crea valor empresarial al compartir recursos de datos de las filiales de Alibaba. Este producto es el efecto del equipo de big data que integra e interconecta datos de todos los aspectos del proceso de trading de Taobao, luego clasifica y almacena y analiza información basada en la comprensión del negocio, y la conecta con el comportamiento de toma de decisiones.

12. Integración de datos de Sears

En el pasado, Sears Holdings, el gigante minorista estadounidense, tenía ocho semanas para idear un plan de ventas personalizado, pero ya no era la mejor opción cuando a menudo se hacía.

Con un dolor, decidió consolidar los datos de clientes, productos y ventas de sus tres marcas exclusivas, Sears, Craftsman, Lands'End, utilizando clústeres para recopilar datos de diferentes marcas, y analizar datos directamente en el clúster, en lugar de depositarlos en el almacén de datos como antes, evitando una pérdida de tiempo fusionando datos de todo el lugar antes de analizarlos.

Este ajuste permite a las empresas vender más rápido y con mayor precisión y extraer valor de grandes cantidades de información, pero es valioso y difícil: los datos requieren análisis a hiperescala y están dispersos en bases de datos y almacenes de datos de marcas grandes y fragmentadas.

La difícil situación de Sears es común entre las empresas tradicionales, y los empresarios se han preguntado durante mucho tiempo por qué sus negocios no pueden hacer lo mismo, ya que Amazon, el minorista de Internet, puede recomendar la lectura de libros, recomendar películas y recomendar productos para la compra.

Phil Shelley, director de tecnología de Sears, dijo: "Si desea desarrollar un conjunto complejo de recomendaciones que sean de mayor calidad y requieran datos más oportunos, detallados y personalizados, las arquitecturas de TI empresariales tradicionales simplemente no pueden hacer estas tareas, y se necesita determinación para transformarse".

||  02 Middle: Carnaval de emprendimiento de datos de la empresa ligera

En la fiesta de datos, ¿sólo hay una gran empresa? No es así, las empresas ligeras en la industria del big data están en todas partes. La comercialización y comercialización de big data mediante start-ups emergentes mediante la venta de datos y servicios a soluciones individuales más específicas es un modelo más interesante. Esto conducirá a una nueva ola de emprendimiento y revolución industrial siguiendo portales, motores de búsqueda y redes sociales, y tendrá un fuerte impacto en las firmas de consultoría tradicionales.

13. La predicción del crimen de PredPol

PredPol utiliza la colaboración con la policía en Los Angeles y Santa Cruz y un equipo de investigadores para predecir las posibilidades de delincuencia basadas en variantes de algoritmos de predicción sísmica y datos de delitos, que pueden ser tan precisos como 500 pies cuadrados. En Los Angeles, donde se utiliza el algoritmo, la distribución de robos y delitos violentos cayó en un 33% y un 21%.

14. Pronóstico del comportamiento de los jugadores de Tipp24 AG

Plataforma de apuestas y previsiones de Tipp24 AG para la industria europea del juego. La compañía utiliza el software KXEN para analizar miles de millones de transacciones y características del cliente, y luego utiliza modelos predictivos para comercializar dinámicamente usuarios específicos. Esta iniciativa reduce el tiempo necesario para construir un modelo predictivo en un 90 por ciento. SAP está tratando de adquirir KXEN, "que SAP quiere utilizar para revertir su debilidad de larga data en el análisis predictivo".

15. La predicción de atascos de Inrix

El transporte tiene una amplia variedad de participantes y es el área en la que el big data es más valioso. La empresa de datos de tráfico Inrix se basa en el análisis de datos de tráfico históricos y en tiempo real para proporcionar informes oportunos sobre las condiciones de la carretera para ayudar a los conductores a evitar atascos de tráfico y ayudarles a planificar sus viajes con anticipación. Los fabricantes de automóviles, los desarrolladores de aplicaciones móviles, las empresas de transporte y las empresas de Internet de todo tipo necesitan informes de carreteras de Inrix. Audi, Ford, Nissan, Microsoft y otros gigantes son clientes de Inrix.

16. Pronóstico de moda de Panjwa

Los consumidores persiguen el estilo de vida de los líderes de opinión. Panjwa utiliza el análisis de datos para predecir tendencias y aprovechar ese e incluso palanca comercio mundial. Por ejemplo, rastrearon el transporte de insignias y calcetines Crepúsculo 41 veces, analizaron cuánto influyeron los trajes de los protagonistas de la película en las tendencias, e informaron a los usuarios de los resultados, sugiriendo que hicieran los ajustes apropiados a sus acciones.

17. Recomendaciones musicales de Pandora

Pandora, un sitio web de música en línea, contrató específicamente a expertos en música para pasar un promedio de 20 minutos cada uno analizando una canción y dando a cada canción 400 atributos diferentes. Si dices que te gusta una canción, el programa buscará automáticamente la misma canción que la canción "Gene" y supongo que te gustará y te la recomendará usando la tecnología del motor de recomendación. El sitio web de Pandora ha analizado 740.000 canciones utilizando esta táctica humana.

18. Programa médico de Futrix Health

Futrix Health es una empresa enfocada en el desarrollo de soluciones médicas para pacientes que utilizan datos, la conexión a almacenes de datos back-end, desde aplicaciones de salud personal instaladas en teléfonos inteligentes hasta grabadoras electrónicas de salud utilizadas por médicos en clínicas y hospitales, e incluso datos genómicos digitales revolucionarios. Con el fin de desarrollar la mejor opción de hospital para los pacientes, opciones médicas.

Cómo capturar una gran cantidad de información operativa de las organizaciones de atención médica, analizar las condiciones de los pacientes o los efectos del tratamiento, e implementar cualquier medida eficiente para que sea más significativa - la oportunidad ofrecida en la era del big data ya no es simplemente recopilar estos datos, sino utilizarlos para entender mejor el mundo.

19. La adherencia del usuario de la ciencia de retención

En retail, la startup Retail Science ha lanzado una plataforma para empresas de comercio electrónico para mejorar el análisis de datos de adherencia del usuario y el diseño de estrategias de mercado, con un motor de modelado de usuarios con capacidades de autoaprendizaje que utilizan algoritmos y modelos estadísticos para diseñar estrategias para optimizar la adherencia del usuario.

El análisis de datos de usuario de la plataforma se realiza en tiempo real para garantizar que las predicciones de comportamiento del usuario siempre se actualizan de acuerdo con el comportamiento real del usuario y que las estrategias promocionales se diseñan dinámicamente en función de estas predicciones de comportamiento. RS ha recibido $1.3 millones en inversiones de Baroda Ventures, Mohr Davidow Ventures, Double M Partners y algunos destacados inversionistas ángeles.

20. Recomendación post-matrimonio del público

Jiangsu Crowding United Data Technology Co., Ltd. ha construido una plataforma de big data que se dirige a nuevas personas que están listas para casarse e incluye empresas asociadas con las compras de bodas.

Un par de parejas en el estudio de bodas de novia Vivian tomaron fotos de boda, en el nombre real después de registrar su información se subirán a la plataforma de big data. La plataforma de Big Data puede basarse en las nuevas personas en la situación de consumo del estudio de bodas y el estilo de preferencia, un análisis general de las necesidades de consumo de seguimiento de las nuevas personas, enviar instantáneamente incentivos y mensajes de texto promocionales.

Por ejemplo, invítelos a la estrella roja Mei Kailong para comprar muebles, al textil casero de frijol rojo para comprar ropa de cama, a los electrodomésticos Gome para comprar electrodomésticos, a la mesa del Hotel Hilton ... Si un recién llegado compra muebles chinos en Red Star Mei Kailong, indicando su preferencia por la cultura tradicional china, se recomienda comprar artículos chinos para el hogar de Red Bean Home Textiles.

21. Domación digital del agua de Takadu

El agua siempre ha sido una mala cosa para manejar: una compañía de agua encuentra algo mal con un medidor de agua y puede tomar mucho tiempo para comprobar varias tuberías que comparten un medidor de agua. Para cuando lo encontramos, se había desperdiciado mucha agua. Un servicio de alerta temprana del sistema de agua israelí llamado Takadu resolvió el problema.

Takadu recopiló datos de medidores de presión de agua de tuberías de agua subterráneas, consumo de agua y clima, transmitidos de vuelta a la computadora de Takadu a través del servicio en la nube de Amazon para el análisis algorítmico, y si encontraba condiciones anormales como tuberías de ráfaga, filtración y presión de agua insuficiente en una tubería de agua subterránea en algún lugar de la ciudad, tomaría unos 10 minutos para completar el análisis y generar un informe, enviado de vuelta al departamento de mantenimiento de la tubería de agua.

Además de proporcionar el tipo de condición anormal y el daño a las tuberías - cuántos metros cúbicos de agua por segundo están goteando - el informe también proporciona un marcador relativamente preciso de dónde están las tuberías problemáticas. Takadu cobra $10,000 por mes por probar "rutas de agua" por kilómetro.

22. El matrimonio de Lily.com

Los ingresos en efectivo de la industria del comercio electrónico provienen de los datos, y el modelo de negocio de los sitios web de matrimonio se basa en el estudio de los datos. Por ejemplo, como sitio web de matrimonio, Lily.com no sólo necesita hacer algunos informes de investigación, análisis de la edad de los usuarios registrados, geografía, educación, ingresos económicos y otros datos, incluso si la pequeña foto de avatar de cada usuario registrado, que también es un gran valor para cavar.

Lily.com Departamento de Investigación y Planificación Li Wei una vez analizó la información de imagen de los usuarios registrados de Lily.com en Shanghai, y encontró que esas fotos populares del avatar no sólo están relacionadas con la imagen del propietario de la foto, sino también la expresión, la proporción de la cara, la claridad y otros factores en la foto también determinan la popularidad del propietario de la foto en gran medida.

Por ejemplo, para las miembros femeninas, las expresiones sonrientes, mirar hacia adelante y el maquillaje ligero aumentan la probable semejanza de su popularidad, mientras que los hombres con una relación de rostro de 1/2 de la foto, usando formal, y mirando directamente a ninguna pose de exceso son más propensos a ser los queridos del sitio web de la boda.

23. El abrigo de prensa de Prismatic

Prismatic es una aplicación de noticias personalizada con solo cuatro empleados fundadores, que confía en la plataforma de computación en la nube de Amazon para start-ups lean con datos de rastreadores de datos de Internet y plataformas de desarrollo de redes sociales.

Prismatic no proporciona una suscripción de noticias unificada y bien diseñada o una interfaz de recomendación, sino que realiza análisis de datos personalizados y recomendaciones para los usuarios en función de sus perfiles de Facebook o Twitter.

Desde el modelo de ganancias, Prismatic no sobrevive con las cuotas de publicidad, ni es un medio de comunicación tradicional, sino una empresa de comercio electrónico en el manto de las aplicaciones de noticias. Nominalmente con el fin de dar a los usuarios noticias de recomendación personalizadas y obtener la información personal del usuario para el análisis de datos, lanzamiento dirigido de los productos recomendados, con el fin de beneficiarse del comercio electrónico.

24. Los incentivos comparativos de Opower

Los seres humanos tienen la naturaleza de la comparación con sus compañeros, por ejemplo, cuando una agencia gubernamental recopila datos sobre múltiples grupos de empleados que trabajan en trabajos similares en diferentes lugares, y simplemente la divulgación pública de esta información alienta a los empleados atrasados a mejorar su rendimiento.

En el sector energético, Opower ha utilizado comparaciones de datos para mejorar la eficiencia energética de la electricidad de consumo, con un éxito significativo. Como empresa de innovación para SaaS, Opower ha trabajado con varias compañías eléctricas para analizar el costo de la electricidad para los hogares estadounidenses y compararla con el consumo de electricidad de sus vecinos, y cada mes, las familias inscribidas son tratadas con un informe comparativo que muestra el nivel de electricidad que utilizan sus hogares en toda la región o hogares similares en los Estados Unidos para fomentar la conservación de la energía.

Se espera que el servicio de Opower, que cubre a millones de hogares estadounidenses, ahorre 500 millones de dólares al año en la electricidad de consumo de Estados Unidos. Opower informa sobres que parecen facturas y utiliza técnicas de comportamiento para persuadir suavemente a los clientes de servicios públicos para reducir el consumo.

Opower ha lanzado su plataforma de big data, Opower4, que hace de las empresas de servicios públicos como las compañías eléctricas una fuente de beneficios mediante el análisis de una variedad de contadores inteligentes y el comportamiento de la energía. Para el usuario medio, Opower es completamente gratuito.

25. Haga clic en Consumo por Chango y Uniqlick

Utilizando nuevas tecnologías de datos, empresas como Chango en Estados Unidos y Uniqlick en China están explorando un nuevo modelo de negocio en la industria de la publicidad digital, pujando por publicidad digital en tiempo real.

Al comprender cómo los usuarios de Internet buscan, navegan, etc., estas empresas pueden proporcionar a los anunciantes el grupo de usuarios con más probabilidades de estar interesados en sus productos para el marketing de precisión;

Esto puede dar lugar a tasas de conversión más altas para los anunciantes y aumentar el valor de los espacios publicitarios para los sitios que publican anuncios.

26. Un análisis del comportamiento del interés público

El interés de la multitud es la primera plataforma de gestión de datos de redes sociales en China, en la actualidad, la principal plataforma social abierta en los datos de usuario abiertos sigue siendo relativamente conservadora, como empresa de análisis de datos de terceros, el acceso a los datos de usuario sigue siendo muy limitado, para utilizar estos datos de usuario necesitan obtener licencia de usuario.

El interés de multitudes filtra los datos de los usuarios a través de principios de análisis de datos relevantes, como las estadísticas operativas, y finalmente completa la descripción del comportamiento, las acciones y otras características individuales de un usuario. Estas descripciones pueden ayudar a los vendedores de marcas a comprender los hábitos y necesidades de gasto de los consumidores, y pueden ayudar a los líderes empresariales a comprender mejor a sus empleados. Además de la descripción de las características de comportamiento individuales y de grupo, estos resultados de análisis de datos también se pueden utilizar para predecir el comportamiento de los grupos de usuarios, proporcionando así a los vendedores un análisis de mercado prospectivo.

Los resultados del análisis de datos de interés de masas sólo pueden ser precisos para el grupo y no para el individuo. Además de este tipo de investigación de datos de usuario en el campo del marketing tiene un cierto precio de referencia, la mayor parte de la corriente también se utiliza principalmente para cooperar con algunas pequeñas investigaciones. Además, estos datos también pueden lograr calificaciones crediticias para los usuarios e incluso las instituciones corporativas, en el sector financiero también tienen un cierto grado de uso.

27. La conjetura de mañana del arrastrero

La red de arrastre del proveedor de comercio electrónico ha creado la aplicación "Qué usar mañana". En esta aplicación, muchas autoridades de la industria de la moda transmiten productos de juego de moda y estilo, por la puntuación arbitraria del usuario, de acuerdo con las preferencias de puntuación del usuario, red de arrastre puede adivinar lo que quieren usar mañana, y luego para ella cientos de miles de recomendaciones de moda de compras en línea, y para lograr a través de órdenes de compra. Después de obtener los datos de los clientes, el análisis en segundo plano también es común.

El arrastrero añade más variables para evaluar su patrón de recomendación. Por ejemplo, hay consumidores para asistir a una fiesta mañana, no sé qué estilo de llevar, también no miró el pronóstico del tiempo, espero que el sitio web de la guía puede ayudarla a estas escenas y su propia información combinada, para dar un conjunto de soluciones.

Así que la fecha, región, ocasión, estilo, estas se han convertido en las variables de la ropa y soluciones de coincidencia, después de una combinación continua presentada al usuario, de acuerdo con los datos de la red de arrastre, los usuarios ven una coincidencia de calidad relativamente alta, y hay guía de escena, haga clic en la última página para completar la tasa de conversión de la compra será 40% mayor que la recomendación única.

28. La salud genética de SeeChange

Ahora las personas tienen la capacidad de serializar registros genéticos humanos, lo que permite a los médicos y científicos predecir la escasez de pacientes a ciertas enfermedades y otras condiciones adversas, reduciendo el tiempo y el costo del tratamiento.

SeeChange, con sede en San Francisco, ha creado un nuevo modelo de seguro médico. La compañía analiza los registros de salud personales de un cliente, los registros de reembolso médico y los datos de farmacia para determinar la peligrosidad del cliente a las enfermedades crónicas y si es probable que el cliente se beneficie de algunos paquetes de rehabilitación personalizados.

SeeChange también diseña planes de salud y establece incentivos para alentar a los clientes a tomar la iniciativa de tomar medidas de salud, todo monitoreado a través de su motor de análisis de datos.

29. Diagnóstico de imagen para imágenes dadas

GivenImaging de Israel ha inventado una cápsula con una cámara incorporada que captura el interior del tracto digestivo a una velocidad de aproximadamente 14 fotos por segundo y al mismo tiempo devuelve un receptor de imagen externo, que se introduce en una base de datos a través de software complementario y se excreta por el cuerpo humano en un plazo de cuatro a seis horas.

En términos generales, los médicos están confiando en su propia experiencia personal para juzgar los síntomas, es inevitable que algunas sombras sospechosas no estén seguras o incluso retrasarán el tratamiento de los pacientes. Ahora, a través de la base de datos de GivenImaging, cuando los médicos encuentran un tumor sospechoso, haga doble clic en la imagen actual, y se extraen imágenes similares tomadas por otros médicos en el pasado y su diagnóstico.

Podría decirse que el problema de un paciente ya no es que un médico esté observando, sino que miles de médicos están dando opiniones al mismo tiempo, corroboración por imágenes de un gran número de otros pacientes. Esta comparación no sólo mejora la eficiencia del diagnóstico del médico, sino que también mejora la precisión.

30. El "Cazatalón Delantero" de Entelo

El talento tecnológico real es siempre una gran compra para las empresas, nunca esperes a que te envíen currículums, porque probablemente han sido robados por otras empresas antes de que hayan tenido la oportunidad de escribir currículums. Entelo puede recomendar talento técnico de alto nivel a los emprendedores que están empezando con una motivación para saltar de barco con el fin de empezar.

La base de datos de Entelo tiene actualmente 300 millones de CV. Y cómo juzgar la tendencia del talento senior a cambiar de trabajo, Entelo tiene un conjunto de algoritmos pendientes de patente. Este algoritmo tiene más de 70 indicadores para determinar la tendencia a saltar. La caída del precio de las acciones de una empresa, el cambio de liderazgo y el hecho de que acaba de ser adquirida por otra gran empresa son vistos por Enterlo como un factor probable en el cambio de talento de la compañía.

Así que Entero inmediatamente empujó el talento senior de la compañía a los empresarios que se suscribieron a sus propios servicios. Los emprendedores reciben currículums que no son los mismos que los CV normales. Entelo rastreó información sobre estos talentos en las principales redes sociales. De esta manera, los emprendedores pueden ver qué código ha enviado la persona, qué preguntas han respondido en línea y qué información han publicado en Twitter.

En resumen, estos empresarios que están dispuestos a "cazar" pueden ver un talento objetivo vivo frente a ellos.

31. Pronósticos de retraso para FlightCaster y Passur

La industria aérea compite cada segundo, especialmente la hora exacta de llegada del vuelo. Si un avión llega temprano, las tripulaciones de tierra no están listas, los pasajeros y las azafatas quedarán atrapados en el avión en vano tiempo de retraso;

Una importante aerolínea estadounidense encontró en su informe interno que alrededor del 10 por ciento de los vuelos llegan en realidad más de 10 minutos aparte de su hora prevista de llegada, y el 30 por ciento tienen una diferencia de más de cinco minutos. FlightCaster es una compañía que proporciona previsiones de información sobre retrasos de vuelos, basadas principalmente en las operaciones de vuelos de las aerolíneas.

Al igual que la información de propiedad que las aerolíneas tienen sobre operaciones de vuelo similares, la compañía tiene amplios datos históricos sobre vuelos de vuelo nacionales y la salud de los vuelos en tiempo real. El secreto de Flightcaster es su uso eficiente del análisis de big data y el uso de herramientas de software adecuadas para gestionar los datos de salida en tiempo real.

Passur Aerospace es una empresa de tecnología que se especializa en apoyar decisiones en la industria de la aviación. Mediante la recopilación de datos públicos como el tiempo y los horarios de los vuelos, combinados con otros datos no públicos recopilados independientemente de los factores de vuelo, podemos predecir exhaustivamente los tiempos de llegada de los vuelos. En 2012, Passur tenía más de 155 estaciones receptoras de radar que recogía una serie de información sobre cada avión en el radar cada 4,6 segundos, lo que continuó aportando enormes cantidades de datos.

Además, después de un largo período de recopilación de datos, Passur cuenta con un enorme soporte de información multidimensional durante más de una década, proporcionando la posibilidad de un análisis exhaustivo y modelos de datos adecuados. Passur cree que las aerolíneas pueden ahorrar millones de dólares al año en cada aeropuerto planificando las horas de llegada que ofrecen.

32. Seguro agrícola climático

Una startup climática lleva a cabo más de 10.000 simulaciones de condiciones climáticas en más de 1 millón de ubicaciones en los Estados Unidos todos los días durante los próximos dos años, con grandes volúmenes de datos dinámicos y en tiempo real. A continuación, la compañía combinó datos sobre la estructura radicular y la porosidad del suelo con resultados de simulación para proporcionar seguros de cultivos a miles de agricultores.

El acceso a los datos del suelo a través de la teledetección no es lo mismo que obtener datos de comportamiento de la red de usuarios a través de servicios de red, con los que solíamos estar familiarizados, y el concepto de datos se ha ampliado considerablemente. Con el fin de proporcionar servicios de seguros precisos para cada campo, también debemos igualar los datos sobre la tierra con futuros agrícolas, predicción climática, comercio internacional, seguridad política y militar internacional, economía nacional, competencia industrial y otros aspectos del número.

El modelo de negocio lanzado sobre la base de un malabarismo de big data es innovador, altamente competitivo y sostenible y a gran escala en comparación con los métodos de seguro de cultivos existentes. Aún mejor, la compañía, que opera en big data, no ha invertido mucho en instalaciones de red en absoluto, pero ha alquilado el servicio de nube pública de Amazon por decenas de miles de dólares al mes.

33. Lectura del registro de Hiptype

Casi todos los libros electrónicos de pago ofrecen secciones para que los lectores las prueben, pero los editores necesitan averiguar dónde la gente lee, si compran después de leer y otras experiencias para vender más libros electrónicos.

Hightype, una startup estadounidense, ha desarrollado una herramienta de análisis de lectura de libros electrónicos cuyo modelo de negocio está tratando de resolver este problema. Hiptype se llama a sí mismo "Google Analytics for e-books" y proporciona datos enriquecidos sobre libros electrónicos. No sólo cuenta el número de libros electrónicos probados y comprados, sino que también asigna el lector, incluyendo la edad del usuario, los ingresos y la ubicación geográfica.

Además, también puede decir a los editores si los lectores han hecho una compra después de leer capítulos gratuitos, cuántos lectores han leído todo el libro, y cuántas páginas el lector ha leído en promedio, qué capítulo le gusta leer al lector, qué capítulo abandonar, etc.

Hiptype se integra con los libros electrónicos, y los editores siempre tienen acceso a los datos de los usuarios independientemente del canal que elijan. Todos los datos recopilados por Hiptype son anónimos. Cuando un usuario descarga un libro electrónico con un servicio Hiptype integrado, recibe un mensaje de que puede optar por bloquearlo.

34. "La unidad única de la red del pueblo" de Ao-cheng

Hay un gran problema con el marketing en línea, ¿cómo sabes si alguien que usa varios nombres diferentes en línea es la misma persona? AmSus ha resuelto este problema con una tecnología llamada "sistema operativo de audiencia". Permite a los vendedores vincularse a su "persona digital", incluso si cambia su nombre debido a su matrimonio, o usar un apodo, u ocasionalmente usar un segundo nombre, y todavía puede responder a la pregunta de si la persona que ha cambiado de dirección o número de teléfono es la misma persona.

AOS puede agregar información de diferentes bases de datos, 2007 fuera de línea o en línea, que las empresas pueden recopilar para individuos en diferentes ocasiones. Mediante el uso de AiliTec, una tecnología digital de "identidad" también propiedad de Acxiom, AOS reduce la información de los clientes a resultados simples y únicos. AOS ayuda a los Anunciantes a utilizar sus datos para encontrar usuarios de destino de anuncios en Facebook.

||  03 Siguiente: Correlación de datos, escape de datos y datos oscuros

Los big data no hacen juicio causal, principalmente aplicable al análisis de correlación. Muchos análisis de asociación no requieren modelos complejos, solo el conocimiento del big data.

Muchas instituciones tienen gases de escape de datos, los datos se agotan o abandonan, su valor de reutilización puede no ser claro para usted ahora, pero en algún momento en el futuro, estallará, puede convertirse en un tesoro.

Los datos oscuros son datos recopilados para un único objetivo, que a menudo se usan y luego se archivan inactivos, cuyo valor verdadero no se explota completamente. Si los datos oscuros se utilizan en el lugar correcto, el negocio de la empresa también puede ser brillante.

Análisis de correlación de datos

Un equipo de empresas utilizó los datos de ubicación de los teléfonos móviles para especular sobre cuántas personas estacionaron en los estacionamientos de Macy's el día en que comenzó la temporada de compras navideñas de Estados Unidos, lo que a su vez predijo ventas para el día, mucho antes de los propios registros de ventas de Macy' . Ya se trate de analistas de Wall Street o ejecutivos de las industrias tradicionales, esta visión aguda les da una enorme ventaja competitiva.

El fraude fiscal se está convirtiendo cada vez más en una preocupación para las autoridades fiscales, donde el big data puede utilizarse para aumentar el proceso del gobierno de identificación del fraude. Cuando la privacidad lo permite, los departamentos gubernamentales pueden combinar datos como el registro de vehículos y los datos de viajes al extranjero para identificar patrones de gasto individuales de modo que las contribuciones fiscales no se superpusojan. Al mismo tiempo, se plantea una cuestión y no hay pruebas directas de fraude, y estas conclusiones no pueden utilizarse para demandar a los particulares. Pero puede ayudar a los departamentos gubernamentales a aclarar sus auditorías y otras auditorías, así como algunos procesos.

Emisiones de datos

Los datos de la empresa de logística originalmente sólo sirvieron a las necesidades operativas, pero una vez reutilizadas, las empresas de logística recurrieron a las empresas financieras, los datos para evaluar el crédito de los clientes, proporcionar préstamos no garantizados o tomar la entrega de bienes como garantía;

Las empresas ya se sienten cerca de "God's down" en big data, y una compañía con sede en Los Angeles afirma haber modelado datos históricos de la escena nocturna global y, después de filtrar la volatilidad, ha investigado la inversión en bienes raíces y consumo.

McDonald's, a través de su servicio de entrega, obtiene la dirección precisa del usuario mientras vende las hamburguesas, que, cuando se agregan, se convierte en una figura interna para una maravillosa industria inmobiliaria.

37. Datos oscuros

En determinadas circunstancias, los datos oscuros se pueden utilizar para otros fines. Infinity Property and Casualty utilizó informes de reclamaciones acumulados para analizar casos de fraude y recuperó $12 millones en recuperaciones de proxy a través de algoritmos. Una empresa de ventas eléctricas, a través de la acumulación de 10 años de análisis de datos de ventas ERP, de acuerdo con el ciclo de vida de los equipos eléctricos, a hace 5 años para visitar a los antiguos clientes uno por uno, acceso a más de 10 millones de órdenes de mantenimiento de equipos eléctricos yuanes, acceso sin problemas al mercado MRO.

38. Análisis de abandono del cliente

American Express solía ser capaz de lograr sólo informes posteriores a los hechos y predicciones rezagadas, y el BI tradicional ha sido incapaz de satisfacer las necesidades de su desarrollo empresarial.

Así que AmEx comenzó a construir modelos que realmente predijeran la lealtad del cliente, utilizando 115 variables para analizar predicciones basadas en datos comerciales históricos. La compañía dijo que había sido capaz de identificar el 24% de los clientes de Australia que se perderían en los próximos cuatro meses. Este análisis de abandono de clientes se puede utilizar sin duda para retener a los clientes.

La industria hotelera puede personalizar la sala de personalidad única correspondiente para los consumidores, e incluso poner el estado de ánimo de viaje micro-blogging de los consumidores en el fondo de pantalla y así sucesivamente. El turismo puede redimir el corazón de los visitantes proporcionando a los consumidores especialidades locales, eventos, pequeñas y hermosas atracciones de nicho, y más, basado en big data.

Análisis de vídeo de la industria de la comida rápida

Las empresas de comida rápida pueden analizar la duración de las colas de espera a través de vídeo y luego cambiar automáticamente lo que se muestra en los menús electrónicos. Si la cola es larga, se muestra el alimento que se puede suministrar rápidamente, y si la cola es corta, se muestra el alimento que es más rentable pero tarda relativamente tiempo en prepararse.

40. Campaña de Big Data

En 2012, el equipo de Obama se fijó tres objetivos más fundamentales: ¡conseguir que más personas pagaran más, conseguir que más votantes votaran por Obama y involucrar a más personas!

Esto requiere un nivel "micro" de cognición: ¿cuál es el factor más probable para que cada votante sea persuadido? ¿En qué circunstancias es más probable que cada elector pague por ello? ¿Qué tipo de canales de entrega de anuncios obtienen los votantes objetivo más eficientes? Como ha dicho el director de campaña Jim Messina, la suposición de que no hay datos que los respalden a lo largo de la campaña no puede existir.

Para recaudar 1.000 millones de dólares para la campaña, el equipo de minería de datos de Obama ha recopilado, almacenado y analizado grandes cantidades de datos en los últimos dos años. Señalan que la estrella de cine George Clooney tiene un gran atractivo para las mujeres de entre 40 y 49 años en la costa oeste de los Estados Unidos: son sin duda el grupo más propenso a pagar la cena con Clooney y Obama en Hollywood. Clooney recaudó millones de dólares para la campaña de Obama en una recaudación de fondos en su mansión.

Luego, cuando el equipo de Obama decidió encontrar una estrella de cine en la costa este que compartiera el atractivo del grupo femenino, el equipo de datos descubrió que a los fans de Sarah Jessica Parker también les gustaban las competiciones, las fiestas pequeñas y las celebridades. El Efecto Clooney fue replicado con éxito en la costa este.

A lo largo de la campaña, el equipo de Obama gastó menos de $300 millones en publicidad, mientras que el equipo de Romney gastó casi $400 millones para perder, en parte porque las decisiones del equipo de datos de Obama sobre la compra de anuncios se tomaron después de un cuidadoso análisis de datos. Según una encuesta, el 80 por ciento de los votantes estadounidenses piensan que Obama los hace sentir más valorados que Romney.

Como resultado, el 98 por ciento de los primeros $100 millones recaudados por el equipo Obama provenían de pequeñas donaciones de menos de $250, mientras que el equipo de Romney recaudó sólo el 31 por ciento de la misma cantidad.

Seguimiento de las alteraciones ilegales

"Construcción privada" en cualquier país es una preocupación, y fácil de causar fuego. Los edificios que están separados ilegalmente de sus casas son mucho más propensos a incendiarse que otros edificios. La ciudad de Nueva York recibe 25.000 quejas al año por el hacinamiento, pero la ciudad solo tiene 200 inspectores que manejan quejas.

Un panel de analistas de la alcaldía encontró que el big data podría ayudar a abordar esta brecha entre la demanda y los recursos. El equipo creó una base de datos de los 900.000 edificios de la ciudad e incluyó datos recopilados por 19 departamentos de la ciudad: registro de impuestos impagados, uso anormal de agua y electricidad, atrasos de pago, corte de servicio, uso de ambulancias, tasas de criminalidad locales, denuncias de enfermedades de ratas, etc.

A continuación, compararon la base de datos con la creación de registros de incendios por gravedad en los últimos cinco años con la esperanza de encontrar correlaciones. Por supuesto, el tipo de edificio y el año de construcción son factores relacionados con el fuego. Sin embargo, un resultado inesperado es una correlación entre edificios que han sido aprobados para la construcción de paredes exteriores de ladrillo y una menor tasa de incendios graves.

Utilizando todos estos datos, el equipo ha establecido un sistema que puede ayudarles a determinar qué quejas por congestión de la vivienda deben ser atendidas con urgencia. Ninguno de los diversos datos característicos de los edificios que registraron fue la causa del incendio, pero estaba relacionado con un aumento o disminución de los peligros de incendio. Este conocimiento resultó ser de gran valor: en el pasado, sólo el 13 por ciento de los pedidos de vaciado de la casa se emitieron cuando aparecieron los inspectores de la casa, aumentando al 70 por ciento después de la introducción del nuevo enfoque.

42. Índice de compresión

Los funcionarios del Departamento de Planificación de la Comisión Nacional de Desarrollo y Reforma (NDRC), que se encarga de redactar el Plan Nacional para el Desarrollo Saludable de la Urbanización (2011-2020), necesitan saber exactamente cómo se mueve la población y cómo contar a estos migrantes se convierte en un problema.

Las verduras exprimidas son consumibles de baja calidad, y el crecimiento de los ingresos tiene poco impacto en el consumo de verduras exprimidas. En general, el consumo de alimentos de conveniencia como fideos instantáneos y verduras por parte de la población residente urbana es básicamente constante. El cambio en el volumen de ventas es causado principalmente por la población flotante.

Según funcionarios de la Comisión Nacional de Desarrollo y Reforma, el cambio en la participación de las ventas en varias regiones del país en los últimos años puede reflejar la tendencia de los movimientos de población, y nació un indicador macroeconómico conocido como el "índice vegetal apretado". Funcionarios del departamento de planificación de la Comisión Nacional de Desarrollo y Reforma constataron que la participación de las ventas de hortalizas en el sur de China disminuyó del 49% en 2007, del 48% en 2008, del 47,58% en 2009 y del 38,50% en 2010 al 29,99% en 2011.

Estos datos muestran que la salida de personas del sur de China es muy rápida. Según el "índice de comprimido", dividieron todo el país en dos partes, el área de entrada de población y el área de salida de población, de acuerdo con la estructura de población diferente de los dos distritos, la formulación de la política será diferente.

43. Factura meteorológica

Como dice el dicho, "el cielo tiene nubes impredecibles", encontrado fuera de los viajes, importantes roadshows al aire libre, bodas y otros momentos importantes, pero por el mal tiempo para estropear el estado de ánimo e incluso causar pérdidas económicas?

La primera compañía de seguros meteorológicos del mundo, Weather Bill, ofrece a los usuarios una variedad de garantías climáticas. El cliente inicia sesión en el sitio web de Weather Bill y proporciona una gama de temperaturas o precipitaciones que no desea encontrar durante un período de tiempo específico. El sitio web de Weather Bill consulta el pronóstico del tiempo para el área designada del cliente en 100 milisegundos, así como los datos meteorológicos de los últimos 30 años para el área registrada por el Servicio Meteorológico Nacional. Al calcular y analizar los datos meteorológicos, el sitio web da el precio de la póliza como aseguradora. Este servicio no es sólo para usuarios individuales, sino también para algunas empresas, como las agencias de viajes, para participar.

Una empresa global de bebidas integra la información diaria de previsión meteorológica de socios externos en sus requisitos y procesos de planificación de inventario. Mediante el análisis de tres puntos de datos, como la temperatura, la precipitación y las horas de luz diurna para un día determinado, la empresa redujo su inventario en un mercado europeo clave y mejoró la precisión de las previsiones en aproximadamente un 5%.

44. Se reproducen escenarios históricos

Investigadores de Microsoft y Technion han desarrollado un software que puede predecir cuándo y dónde podrían estallar enfermedades infecciosas u otros problemas sociales basados en artículos del New York Times y otros datos en línea en los últimos 20 años.

El sistema funcionó sorprendentemente cuando se probó con datos históricos. Por ejemplo, según un informe de 2006 sobre la sequía en Angola, el sistema predice que es probable que el cólera se produzca en Angola. Esto se debe al hecho de que, a través de una serie de incidentes anteriores, el sistema ha aprendido que la probabilidad de un brote de cólera aumentará en los años posteriores a la sequía.

Además, el sistema renovó su advertencia sobre el cólera en Angola, sobre la base de los informes de los principales huracanes en Africa a principios de 2007. Menos de una semana después, los informes mostraron que el cólera se produjo en Angola. En otras pruebas, como la predicción de enfermedades, violencia y víctimas, el sistema es entre un 70 y un 90 por ciento preciso.

La información del sistema proviene de un archivo de informes del New York Times de 1986 a 2007 en los últimos 22 años. Sin embargo, el sistema también utiliza otros datos en la red para entender qué eventos plantean problemas sociales específicos. Estas fuentes proporcionan contenido valioso que no existe en los artículos de noticias y ayuda a determinar las relaciones causales o en punto de vista entre diferentes eventos.

Por ejemplo, el sistema puede inferir la relación entre los acontecimientos en Rwanda y Angola, ambos ubicados en Africa y tienen un PIB similar, y otros factores son similares. Sobre la base de este enfoque, el sistema argumenta que al predecir los brotes de cólera, se debe tener en cuenta la ubicación del país o la ciudad, la cantidad de la superficie terrestre en el agua, cuál es la densidad de población y el PIB, y si ha habido sequías en los últimos años.

Horvitz, que está a cargo de la investigación y el desarrollo, dice que muchos aspectos del mundo han cambiado en las últimas décadas, pero muchos aspectos de la naturaleza humana y el medio ambiente permanecen sin cambios, por lo que el software puede aprender patrones de cosas de datos pasados para predecir lo que sucederá en el futuro. "Personalmente estoy interesado en volver a los datos de hace mucho tiempo", dice. "

Se están formando mercados para este tipo de herramientas de previsión. Por ejemplo, una startup llamada Recorded Future, que incluye inteligencia gubernamental, predice eventos futuros basados en informes en línea con visión de futuro y otras fuentes de información. Christopher Ahlberg, CEO de la compañía, dice que es posible utilizar "datos duros" para hacer predicciones, pero todavía hay un largo camino por recorrer desde prototipos de sistemas hasta productos comerciales.

45. Nike más zapatos de detección

Nike lo ha transformado en una empresa innovadora para el marketing de big data con un nuevo producto llamado Nike Plus. La llamada Nike Plus es un producto llamado "Nike Running Shoes or Wristbands plus Sensors", siempre y cuando el deportista lleve zapatillas de running Nike Plus, el iPod puede almacenar y mostrar la fecha de ejercicio, tiempo, distancia, valor de consumo de calorías y otros datos. Los usuarios suben datos a la comunidad de Nike y pueden compartir conversaciones con ellos.

Nike y Facebook tienen un acuerdo de que los usuarios podrán actualizar su estado de carrera a sus cuentas en tiempo real, permitiendo a los amigos comentar y hacer clic en un botón de "aplauso" - miracaricamente, para que pueda escuchar los aplausos de sus amigos en la música mientras se está ejecutando.

A medida que los corredores continúan subiendo sus propias carreras, Nike tiene acceso a una base de datos de las mejores carreras en las principales ciudades. Las actividades urbanas de Nike funcionan mejor con Nike Plus. Los participantes cargan sus datos de ejecución dentro de un tiempo especificado para ver qué ciudad ha acumulado una larga distancia.

Con los datos subidos por los activistas, Nike ha construido con éxito la comunidad deportiva en línea más grande del mundo, con más de 5 millones de usuarios activos subiendo datos cada día, construido una relación sin precedentes fuerte con los consumidores. El gran volumen de datos es insustituible para que Nike comprenda los hábitos de los usuarios, mejore los productos, los entregue con precisión y los comercialice con precisión.

Internet industrial de Volvo

En Volvo Group, se está transfiriendo a la sede central del Grupo Volvo una amplia gama de información sobre el uso del vehículo, desde frenos hasta sistemas de bloqueo de puertas centrales, mediante la instalación de sensores y CPU integradas en los productos de camiones.

"El análisis de estos datos no solo nos ayudará a construir mejores coches, sino que también ayudará a nuestros clientes a obtener una mejor experiencia". Volvo Group CIO Rich Strader dijo. Estos datos se utilizan para optimizar los procesos de producción para mejorar la experiencia y la seguridad del cliente.

El análisis de los datos de uso de diferentes clientes permite al departamento de productos identificar los posibles problemas del producto de forma temprana y alertar a los clientes antes de que se produzcan. "Los defectos de diseño del producto, que podrían haber necesitado ser expuestos cuando fueron vendidos por 500.000 unidades, y ahora sólo necesitamos 1.000 unidades, y podemos detectar posibles defectos".

47. La cadena de suministro dinámica de McKesson

McKesson, el mayor operador farmacéutico de Estados Unidos, ya está muy por delante de la mayoría de las empresas en el uso del big data, integrando análisis avanzados en su cadena de suministro, que procesa 2 millones de pedidos al día, y supervisando más de $8 mil millones en inventario.

Para la gestión de inventario en tránsito, McKesson ha desarrollado un modelo de cadena de suministro que proporciona una visión extremadamente precisa de los costos de mantenimiento basados en líneas de productos, costos de transporte e incluso emisiones de carbono. Según Robert Gooby, vicepresidente de transformación de procesos de la compañía, estos detalles dan a la compañía una visión más realista de cómo funciona en cualquier momento.

Otra área en la que McKesson aprovecha el análisis avanzado es la simulación y el procesamiento automatizado de configuraciones de inventario físico en centros de distribución. La capacidad de evaluar los cambios en las políticas y en la cadena de suministro ayuda a las empresas a mejorar la capacidad de respuesta a los clientes y, al mismo tiempo, a reducir la liquidez. En general, la transformación de la cadena de suministro de McKesson ha dado como resultado más de 100 millones de dólares en ahorros de liquidez.

48. House of Cards y la industria cinematográfica

La característica más importante de "House of Cards" es que es un "drama de red" a diferencia de series de televisión anteriores. En resumen, no sólo es el canal de comunicación de visualización de Internet, la obra nació desde el principio de un "big data", es decir, los espectadores de Internet aprecian el sabor del producto diseñado.

El éxito de Netflix radica en su potente sistema de recomendación, Cinematch, que calcula y proporciona recomendaciones personalizadas basadas en los datos básicos del vídeo bajo demanda de un usuario, como clasificaciones, reproducción, avance rápido, tiempo, ubicación, terminal, etc., almacenados en una base de datos y analizados por datos. Con ese fin, abrieron los premios anuales de Netflix (haga clic para ver el algoritmo ganador) con una recompensa de un millón de dólares para las personas que pueden mejorar la precisión de su algoritmo de recomendación de película en al menos un 10%.

El costo de hacer una película en el futuro se reducirá en gran medida, y mil fans serán suficientes para que la película sea un éxito. O, como dice "Elementos Técnicos": "Donde se reúnen los ojos, el dinero seguirá". "

49. Exámenes y catering

Muchos gobiernos estatales de Estados Unidos están trabajando con la red de revisión de alimentos y bebidas Lep para monitorear la salud de la industria de restaurantes, y los resultados son muy buenos. La gente ya no mira los restaurantes desde la ventana como solían, pero comentar desde la aplicación móvil! Comentarios localizados de O2O en China, tales como opiniones populares, puntos de tomate y así sucesivamente, los consumidores pueden juzgar cualquier negocio, mientras que los comerciantes también pueden utilizar estos juicios para mejorar sus capacidades de servicio, en el enlace para llevar a cabo una mayor optimización de la eficiencia.

El futuro de la industria de la restauración será generado y llevado por Internet y los datos de las redes sociales, habrá cada vez más personas para unirse a las revisiones, los restaurantes serán la supervivencia de la velocidad más ajustada se acelerará en gran medida.