當今互聯網時代，大數據越來越流行，不僅互聯網行業的人需要了解大數據相關知識，傳統行業的從業人員和普通大學生也應掌握一定的大數據知識，接下來小編就為大家帶來一份大數據分析經典案例，大數據分析成功案例，如果您感興趣的話就接著看下去吧！

Qlik Sense

3.0

35條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

3

合作品牌

31

大數據分析成功案例

案例：農夫山泉用大數據賣礦泉水

       這里是上海城鄉結合部九亭鎮新華都超市的一個角落，農夫山泉的礦泉水堆頭靜靜地擺放在這里。來自農夫山泉的業務員每天例行公事地來到這個點，拍攝10張 照片：水怎么擺放、位置有什么變化、高度如何……這樣的點每個業務員一天要跑15個，按照規定，下班之前150張照片就被傳回了杭州總部。每個業務員，每 天會產生的數據量在10M，這似乎并不是個大數字。

       但農夫山泉全國有10000個業務員，這樣每天的數據就是100G，每月為3TB。當這些圖片如雪片般進入農夫山泉在杭州的機房時，這家公司的CIO胡健就會有這么一種感覺：守著一座金山，卻不知道從哪里挖下第一鍬。

       胡健想知道的問題包括：怎樣擺放水堆更能促進銷售？什么年齡的消費者在水堆前停留更久，他們一次購買的量多大？氣溫的變化讓購買行為發生了哪些改變？競爭對手的新包裝對銷售產生了怎樣的影響？不少問題目前也可以回答，但它們更多是基于經驗，而不是基于數據。

       從2008年開始，業務員拍攝的照片就這么被收集起來，如果按照數據的屬性來分類，“圖片”屬于典型的非關系型數據，還包括視頻、音頻等。要系統地對非 關系型數據進行分析是胡健設想的下一步計劃，這是農夫山泉在“大數據時代”必須邁出的步驟。如果超市、金融公司與農夫山泉有某種渠道來分享信息，如果類似 圖像、視頻和音頻資料可以系統分析，如果人的位置有更多的方式可以被監測到，那么攤開在胡健面前的就是一幅基于人消費行為的畫卷，而描繪畫卷的是一組組復 雜的“0、1、1、0”。

       SAP全球執行副總裁、中國研究院院長孫小群接受《中國企業家》采訪時表示，企業對于數據的挖掘使用分三個階 段，“一開始是把數據變得透明，讓大家看到數據，能夠看到數據越來越多；第二步是可以提問題，可以形成互動，很多支持的工具來幫我們做出實時分析；而 3.0時代，信息流來指導物流和資金流，現在數據要告訴我們未來，告訴我們往什么地方走。”

       SAP從2003年開始與農夫山泉在企業管理軟件ERP方面進行合作。彼時，農夫山泉僅僅是一個軟件采購和使用者，而SAP還是服務商的角色。

       而等到2011年6月，SAP和農夫山泉開始共同開發基于“飲用水”這個產業形態中，運輸環境的數據場景。

       關于運輸的數據場景到底有多重要呢？將自己定位成“大自然搬運工”的農夫山泉，在全國有十多個水源地。農夫山泉把水灌裝、配送、上架，一瓶超市售價2元 的550ml飲用水，其中3毛錢花在了運輸上。在農夫山泉內部，有著“搬上搬下，銀子嘩嘩”的說法。如何根據不同的變量因素來控制自己的物流成本，成為問 題的核心。

       基于上述場景，SAP團隊和農夫山泉團隊開始了場景開發，他們將很多數據納入了進來：高速公路的收費、道路等級、天氣、配送中心輻射半徑、季節性變化、不同市場的售價、不同渠道的費用、各地的人力成本、甚至突發性的需求（比如某城市召開一次大型運動會）。

       在沒有數據實時支撐時，農夫山泉在物流領域花了很多冤枉錢。比如某個小品相的產品（350ml飲用水），在某個城市的銷量預測不到位時，公司以往通常的 做法是通過大區間的調運，來彌補終端貨源的不足。“華北往華南運，運到半道的時候，發現華東實際有富余，從華東調運更便宜。但很快發現對華南的預測有偏 差，華北短缺更為嚴重，華東開始往華北運。此時如果太湖突發一次污染事件，很可能華東又出現短缺。”

       這種沒頭蒼蠅的狀況讓農夫山泉頭疼 不已。在采購、倉儲、配送這條線上，農夫山泉特別希望大數據獲取解決三個頑癥：首先是解決生產和銷售的不平衡，準確獲知該產多少，送多少；其次，讓400 家辦事處、30個配送中心能夠納入到體系中來，形成一個動態網狀結構，而非簡單的樹狀結構；最后，讓退貨、殘次等問題與生產基地能夠實時連接起來。

       也就是說，銷售的最前端成為一個個神經末梢，它的任何一個痛點，在大腦這里都能快速感知到。

       “日常運營中，我們會產生銷售、市場費用、物流、生產、財務等數據，這些數據都是通過工具定時抽取到SAP BW或Oracle DM，再通過Business Object展現。”胡健表示，這個“展現”的過程長達24小時，也就是說，在24小時后，物流、資金流和信息流才能匯聚到一起，彼此關聯形成一份有價值 的統計報告。當農夫山泉的每月數據積累達到3TB時，這樣的速度導致農夫山泉每個月財務結算都要推遲一天。更重要的是，胡健等農夫山泉的決策者們只能依靠 數據來驗證以往的決策是否正確，或者對已出現的問題作出糾正，仍舊無法預測未來。

       2011年，SAP推出了創新性的數據庫平臺SAP Hana，農夫山泉則成為全球第三個、亞洲第一個上線該系統的企業，并在當年9月宣布系統對接成功。

       胡健選擇SAP Hana的目的只有一個，快些，再快些。采用SAP Hana后，同等數據量的計算速度從過去的24小時縮短到了0.67秒，幾乎可以做到實時計算結果，這讓很多不可能的事情變為了可能。

       這些基于飲用水行業實際情況反映到孫小群這里時，這位SAP全球研發的主要負責人非常興奮?；陲嬘盟膱鼍埃琒AP并非沒有案例，雀巢就是SAP在全 球范圍長期的合作伙伴。但是，歐美發達市場的整個數據采集、梳理、報告已經相當成熟，上百年的運營經驗讓這些企業已經能從容面對任何突發狀況，他們對新數 據解決方案的渴求甚至還不如中國本土公司強烈。

       這對農夫山泉董事長鐘目炎目炎而言，精準的管控物流成本將不再局限于已有的項目，也可以 針對未來的項目。這位董事長將手指放在一臺平板電腦顯示的中國地圖上，隨著手指的移動，建立一個物流配送中心的成本隨之顯示出來。數據在不斷飛快地變化， 好像手指移動產生的數字漣漪。

       以往，鐘目炎目炎的執行團隊也許要經過長期的考察、論證，再形成一份報告提交給董事長，給他幾個備選方案，到底設在哪座城市，還要憑借經驗來再做判斷。但現在，起碼從成本方面已經一覽無遺。剩下的可能是當地政府與農夫山泉的友好程度，這些無法測量的因素。

       有了強大的數據分析能力做支持后，農夫山泉近年以30%-40%的年增長率，在飲用水方面快速超越了原先的三甲：娃哈哈、樂百氏和可口可樂。根據國家統 計局公布的數據，飲用水領域的市場份額，農夫山泉、康師傅、娃哈哈、可口可樂的冰露，分別為34.8%、16.1%、14.3%、4.7%，農夫山泉幾乎 是另外三家之和。對于胡健來說，下一步他希望那些業務員搜集來的圖像、視頻資料可以被利用起來。

       獲益的不僅僅是農夫山泉，在農夫山泉場 景中積累的經驗，SAP迅速將其復制到神州租車身上。“我們客戶的車輛使用率在達到一定百分比之后出現瓶頸，這意味著還有相當比率的車輛處于空置狀態，資 源尚有優化空間。通過合作創新，我們用SAP Hana為他們特制了一個算法，優化租用流程，幫助他們打破瓶頸，將車輛使用率再次提高了15%。”

      可見，在推動大數據企業應用方面，真正看到大數據潛在商業價值的企業，比大數據技術廠商更為焦慮。以上就是大數據分析經典案例，大數據分析成功案例的全部內容了，相信大家閱讀過后對大數據分析也有了基礎的了解了，希望本篇內容能幫到大家。