¿Cuáles son algunos casos de análisis de big data?

De la siguiente manera:

1. Casos de aplicación de big data: industria médica

1) Seton Healthcare utiliza la última tecnología Watson de IBM para analizar y predecir el contenido de atención médica Primer cliente . Esta tecnología permite a las empresas encontrar grandes cantidades 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 por segundo de bebés prematuros. Mediante el análisis de estos datos, los hospitales pueden saber de antemano qué bebés prematuros tienen problemas y tomar medidas específicas para evitar que mueran.

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 permitan a los médicos darte un diagnóstico más preciso. Por ejemplo, en lugar de tomar un comprimido tres veces al día para los adultos, te recordará automáticamente cuando detecte que tienes el medicamento en tu poder. La sangre ha sido metabolizada. Usted vuelve a tomar su medicamento.

2) El big data coopera con el tratamiento del cáncer de Jobs

Jobs fue la primera persona en el mundo en secuenciar todo su propio 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 incluía el genoma completo. Los médicos recetaron medicamentos según fuera necesario para todos los genes, lo que finalmente ayudó a Jobs a vivir varios años más.

2. Casos de aplicación de big data: industria energética

1) La red inteligente ya ha llegado al terminal en Europa, el llamado contador inteligente. En Alemania, para fomentar el uso de la energía solar, se instalará energía solar en los hogares. Además de venderte electricidad, también podrás volver a comprarla cuando tu energía solar tenga exceso de electricidad.

Los datos se recopilan cada cinco o diez minutos a través de la red eléctrica. Los datos recopilados se pueden utilizar para predecir los hábitos de consumo de electricidad de los clientes, etc., infiriendo así que en los próximos 2 a 3 meses, aproximadamente. ¿Cuánta electricidad requiere toda la red? Con esta predicción, se puede comprar una cierta cantidad de electricidad a empresas de generación o suministro 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. Después de superar esta predicción, se puede reducir el costo 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 deben colocarse los generadores de turbinas. De hecho, esto es un gran desafío en el campo de la energía eólica. A lo largo de más de 20 años de funcionamiento de un parque eólico, un posicionamiento preciso puede ayudar a la planta a maximizar la producción de energía.

Para determinar la ubicación ideal, Vestas analiza información de todas las fuentes: datos meteorológicos y eólicos, turbulencias, mapas del terreno y sensores de las más de 25.000 turbinas controladas por la empresa en todo el mundo. Un sistema de procesamiento de información de este tipo brinda a la empresa una ventaja competitiva única y ayuda a sus clientes a maximizar el retorno de la inversión.

3. Caso de aplicación de big data: industria de las comunicaciones: recuperación de clientes principales mediante el análisis de big data

Telekomunikacja Polska, una empresa de telecomunicaciones polaca propiedad del grupo France Telecom-Orange, es la voz más grande de Polonia. y los proveedores de línea fija de banda ancha quieren formas efectivas de predecir y abordar con precisión la pérdida de clientes.

Decidieron segmentar a sus clientes construyendo un "gráfico social": analizando datos de millones de llamadas telefónicas de clientes, centrándose específicamente en "quién llamó a quién" y "quién llamó a quién", dos aspectos. El "gráfico social" divide a los usuarios de la empresa en varias categorías, como: "tipo de red", "tipo puente", "tipo líder" y "tipo seguidor".

Estos datos de relaciones pueden ayudar a los proveedores de servicios de telecomunicaciones a obtener información detallada sobre una serie de preguntas, tales como: ¿Quién tendrá un mayor impacto en los clientes que pueden "abandonar" los servicios de la empresa? ¿Cuáles son los factores? ¿Qué tan difícil es retener a los clientes más valiosos? Con este método, la precisión del modelo de predicción de la pérdida de clientes de la empresa aumentó en un 47%.

4. Caso de aplicación de big data: industria minorista: big data ayuda a las empresas minoristas a formular estrategias promocionales

El minorista norteamericano Best Buy tiene actividades de ventas muy activas en Norteamérica, con un total de 30.000 productos. Hay muchas variedades y los precios de los productos también varían según la región y las condiciones del mercado.

Debido a la gran variedad de productos, los costos cambian con frecuencia y pueden cambiar hasta cuatro veces al año.

Como resultado, se producen hasta 120.000 ajustes de precios al año. El mayor dolor de cabeza para los ejecutivos son las estrategias de precios y promoción. La compañía ha formado 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) Volumen: 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 capacidad de aceptación del cliente de cada tipo de producto, a fin de establecer el mejor precio para el producto.

2) Diversidad: además de analizar datos estructurados, como registros de compras, el equipo también utilizó nuevos datos no estructurados, como publicaciones en redes sociales. Dado que los consumidores necesitan dar me gusta o dejar mensajes en la página del minorista para obtener cupones, el equipo utiliza fórmulas de análisis de sentimiento para analizar las emociones de los consumidores en la página para determinar si están satisfechos con las promociones de la empresa y afinar la estrategia de promoción.

3) Velocidad: para maximizar el valor, el equipo procesa los datos en tiempo real o casi en tiempo real. Enviaron con éxito cupones a un consumidor en el mostrador de cereales del supermercado basándose en sus registros anteriores de compras de cereales, aportando comodidad y sorpresa a los clientes.

A través de esta serie de actividades, el equipo mejoró la precisión de los precios y la velocidad de respuesta, agregando decenas de millones de dólares en nuevas ventas y ganancias para el minorista.

5. Casos de aplicación de big data: industria del marketing en Internet (SEM)

Muchas empresas tienen esta sensación en el proceso de realizar SEM: gastan una gran cantidad de presupuesto cada año en SEM. La promoción está en curso, pero como la entrada y salida de las palabras clave no se pueden visualizar, a menudo se gasta mucho dinero sin obtener beneficios concretos.

En un mercado SEM tan ferozmente competitivo, las empresas necesitan una herramienta de análisis de datos eficiente para ayudarlas a optimizar la promoción SEM tanto como sea posible, como BDP, para ayudar a las empresas a ahorrar gastos innecesarios y mejorar el rendimiento general.

Las empresas pueden utilizar la solución de integración de marketing en línea proporcionada por la plataforma de datos para conectar varios sistemas de marketing de motores de búsqueda (SEM), de servicio al cliente en línea y sistemas CRM. Los postores de marketing no necesitan dominar una tecnología de programación compleja, simplemente. Se pueden generar informes de arrastrar y soltar para 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 en vivo de BDP, puede obtener rápidamente información sobre el período de entrega, la región y la clasificación de las palabras clave de su oponente, realizar análisis visuales sobre ellas, monitorear su propia entrega y la de sus competidores en tiempo real, y comprenda la estrategia de entrega de su oponente, admita la configuración personalizada de puntos de tiempo de actualización de datos, la frecuencia y el período de monitoreo y el ajuste oportuno de las estrategias. Sólo conociendo al enemigo podrás luchar sin peligro.

6. Caso de aplicación de big data: industria del comercio electrónico

Inesperado: la niña con los senos más grandes es de Xinjiang. La plataforma Taobao demostró una vez que la talla de sujetador más 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, desde la perspectiva de la realidad, también es universalmente representativa, sólo puedo lamentar que las mujeres chinas sean generalmente demasiado grandes. Entre los colores de sujetadores, el negro es el más popular. El negro es absolutamente versátil y imprescindible para toda mujer.

Del ranking provincial y de ciudades, las chicas con los pechos 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. Caso de aplicación de big data: industria del entretenimiento

El big data de Microsoft predijo con éxito 21 premios Oscar. En 2013, David Rothschild, economista de Microsoft Research New York, utilizó big data para predecir con éxito 19 de los 24 premios Oscar, lo que se convirtió en un tema muy debatido.

Este año, Rothschild continuó sus esfuerzos y predijo con éxito 21 de 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 solo cambiar el entorno competitivo, sino revertirlo por completo y brindar nuevas oportunidades.

Sólo reconociendo esto, utilizando productos de análisis de datos adecuados y utilizando y gestionando los datos de forma inteligente, las empresas podrán convertirse en las ganadoras finales en la competencia a largo plazo.