京公网安备 11010802034615号
经营许可证编号:京B2-20210330
数据分析就学他们!全球十大数据分析榜样企业
Gartner的分析师Doug Laney日前分享了来自全球各行各业数据分析的榜样企业,从洛克希德?马丁公司案例中的更佳项目管理,到Food Genius Inc案例中打造新的业务模式。Laney并没有揭露关于可口可乐或Burberry是如何在分析方面成功的技术细节,那并不是重点。 “重点是要畅想一下你今天所拥有信息资产的可能性和潜力”Burberry集团与个性化购物。Burberry 正在于其商店内应用射频识别(RFID)标签以打造更丰富的购物体验。当客户手持某件商品走过显示屏幕,RFID标签将触发一个视频来展示该产品是如何制 作的,并提供搭配它的其他产品。经过客户许可后,RFID标签还可以通过跟踪顾客试穿记录来创建客户档案。
CVS Health与呼叫中心。 CVS推出了呼叫中心试点项目,Laney将之比作Match.com。CVS使用Mattersight的技术,通过将客户进行细分成大约六种行为人群 而开始了“预测行为路径”试验。连锁药店也给呼叫中心客服代表打分,以把客服代表匹配给其更适合的那类客户。试运行减少了呼叫时间,提高了呼叫本身的表 现,据Laney说,它非常的成功,并投入了正式运行。
可口可乐公司与产品一致性。“很多人 认为世界上保存最好的秘密可能就是可乐的配方了,但它并不是,”Laney说。“其实是橙汁的配方。”可口可乐工程师鉴定了超过600(!)种可能的橘子 口味,然后建立了一个专有的算法,以确保每一批橙汁都拥有一致的味道和质地。橙汁数据档案将其美汁源和Simply Orange品牌与其他产量口味每个橙子都有变化的不知名品牌区分开来。Laney鼓励商家鉴别那些需要保持外部因素一致性的地方,如供应链。
欧莱雅集团与客户参与。欧 莱雅直接将产品销售给零售商,这就造成了美容产品制造商和其客户之间的间隔。这其实并没有真正伤害这一世界上最大的化妆品和美容公司,但化妆品巨头仍然希 望其新的客户指挥中心将改变这种状况。使用Clarabridge的CRM技术,欧莱雅正在分析推特,Facebook上发布的信息,产品评论和新闻报 道。必要时,发布内容会由内部直接转到某个指挥中心的恰当员工处,而他会直接与发布者交互。欧莱雅还没有公布数据,但它声称指挥中心“改变了如何利用品牌 意识和忠诚度,”Laney说。
西太平洋银行公司与客户的360度视角。在过去的几年中,澳 大利亚银行一直采用来自SAS研究所的技术建立一个名为“KnowMe”的客户360度视角程序。该程序一部分基于捕捉和集中其1200万客户的用户活 动,如ATM使用情况和呼叫中心交互情况。基于行为分析,西太平洋银行将客户与新方案或产品相匹配。在九个月里,该方案就使西太平洋银行的客户参与从1% 扩大到了25%,据Laney说。
Tom Farms LLC与数字业务。Tom Farms已在养殖过程中几乎每一个可能的部分都实行了数字化 - 从挂满了能够产生实时数据流传感器的自动驾驶联合收割机,到帮助监测和控制灌溉系统的移动应用程序。对于Tom Farms,拥抱数据和分析,已经帮助它从20世纪70年代的700英亩成长为今天的20000亩,据纽约时报报道。成功并不仅仅体现在面积的增加,据 Laney说。汤姆农场使用技术以“减少改变作物以规避天气和疾病的需要,”他说。
Food Genius与开放数据。Food Genius是一个餐饮数据供应商。它从餐厅在网上发布的菜单上刮取数据并搜索本地发展趋势,以帮助像卡夫食品公司,甚至是阿贝兹这种全国连锁店在本地层 面更智能的开发和销售产品。 “这是一个从头开始完全基于刮取互联网开放内容的一个有趣例子,”Laney说。他鼓励企业去思考开放数据能如何改进已有产品或提供新的产品给客户。
洛克希德?马丁公司与暗数据。该航空航天公司正在使用暗数据 - 企业数据,可能对一个公司有用,但相反的,对更加积极主动的项目管理来说就是封尘存储。它关联并分析数百个程序指标“以确定程序表现的领先指 标”,Laney说。而且它还分析了项目人员的沟通,以确定“预测程序降级”的语言,他补充说,暗数据将程序的预见性提高了3%。
墨西哥石油公司(Pemex)与传感器数据。设 备故障的一个指标就是噪音,所以石油公司开始为其炼油厂配备测量声音振动的传感器。当测量值变得异常,工程师就会收到提醒并“可以立刻去有问题的设备那里 并对它进行更换或修理而无需太多停机时间,”Laney说。“他们已经能够从计划外维修保养模型变为计划内维修保养。”
加州大学圣地亚哥分校与众包。为 了找到臭名昭著的蒙古统治者成吉思汗的陵墓,加州大学圣地亚哥分校向大众开放了卫星图像。该项目引来了10,000名志愿者,确定了55个有考古意义的地 点。(不过到目前为止,大汗墓的位置仍是一个谜。)就像寻找成吉思汗的陵墓一样,Laney表示,企业不应该忽视像众包和游戏化这样可以用来发现新东西的 技术。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26