數據挖掘是一種技術，它將傳統的數據分析方法與處理大量數據的復雜算法相結合。數據挖掘是在大型數據存儲庫中，自動地發現有用信息的過程。數據挖掘技術用來探查大型數據庫，發現先前未知的有用模式。數據挖掘（Data mining）是一個跨學科的計算機科學分支。它是用人工智能、機器學習、統計學和數據庫的交叉方法在相對較大型的數據集中發現模式的計算過程。下面就有小編為您帶來數據分析的例子的相關介紹。

數極客

0

0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

暫無

合作品牌

17

1. 大數據應用案例之：醫療行業

1）Seton Healthcare是采用IBM最新沃森技術醫療保健內容分析預測的首個客戶。該技術允許企業找到大量病人相關的臨床醫療信息，通過大數據處理，更好地分析病人的信息。

在加拿大多倫多的一家醫院，針對早產嬰兒，每秒鐘有超過3000次的數據讀取。通過這些數據分析，醫院能夠提前知道哪些早產兒出現問題并且有針對性地采取措施，避免早產嬰兒夭折。

它讓更多的創業者更方便地開發產品，比如通過社交網絡來收集數據的健康類App。也許未來數年后，它們搜集的數據能讓醫生給你的診斷變得更為精確，比方說不是通用的成人每日三次一次一片，而是檢測到你的血液中藥劑已經代謝完成會自動提醒你再次服藥。

2）大數據配合喬布斯癌癥治療

喬布斯是世界上第一個對自身所有DNA和腫瘤DNA進行排序的人。為此，他支付了高達幾十萬美元的費用。他得到的不是樣本，而是包括整個基因的數據文檔。醫生按照所有基因按需下藥，最終這種方式幫助喬布斯延長了好幾年的生命。

2. 大數據應用案例之：能源行業

1）智能電網現在歐洲已經做到了終端，也就是所謂的智能電表。在德國，為了鼓勵利用太陽能，會在家庭安裝太陽能，除了賣電給你，當你的太陽能有多余電的時候還可以買回來。通過電網收集每隔五分鐘或十分鐘收集一次數據，收集來的這些數據可以用來預測客戶的用電習慣等，從而推斷出在未來2~3個月時間里，整個電網大概需要多少電。有了這個預測后，就可以向發電或者供電企業購買一定數量的電。因為電有點像期貨一樣，如果提前買就會比較便宜，買現貨就比較貴。通過這個預測后，可以降低采購成本。

2）丹麥的維斯塔斯風能系統(Vestas Wind Systems)運用大數據，系統依靠的是BigInsights軟件和IBM超級計算機，分析出應該在哪里設置渦輪發電機，事實上這是風能領域的重大挑戰。在一個風電場20多年的運營過程中，準確的定位能幫助工廠實現能源產出的最大化。為了鎖定最理想的位置，Vestas分析了來自各方面的信息：風力和天氣數據、湍流度、地形圖、公司遍及全球的2.5萬多個受控渦輪機組發回的傳感器數據。這樣一套信息處理體系賦予了公司獨特的競爭優勢，幫助其客戶實現投資回報的最大化。

數據分析案例

3. 大數據應用案例之：通信行業—通過大數據分析挽回核心客戶

法國電信-Orange集團旗下的波蘭電信公司Telekomunikacja Polska是波蘭最大的語音和寬帶固網供應商，希望有效的途徑來準確預測并解決客戶流失問題。他們決定進行客戶細分，方法是構建一張“社交圖譜”- 分析客戶數百萬個電話的數據記錄，特別關注 “誰給誰打了電話”以及“打電話的頻率”兩個方面。“社交圖譜”把公司用戶分成幾大類，如：“聯網型”、“橋梁型”、“領導型”以及“跟隨型”。這樣的關系數據有助電信服務供應商深入洞悉一系列問題，如：哪些人會對可能“棄用”公司服務的客戶產生較大的影響?挽留最有價值客戶的難度有多大?運用這一方法，公司客戶流失預測模型的準確率提升了47%。

4、大數據應用案例之：零售業—大數據幫零售企業制定促銷策略

北美零售商百思買在北美的銷售活動非常活躍，產品總數達到3萬多種，產品的價格也隨地區和市場條件而異。由于產品種類繁多，成本變化比較頻繁，一年之中，變化可達四次之多。結果，每年的調價次數高達12萬次。最讓高管頭疼的是定價促銷策略。公司組成了一個11人的團隊，希望透過分析消費者的購買記錄和相關信息，提高定價的準確度和響應速度。

定價團隊的分析圍繞著三個關鍵維度：

1）數量：團隊需要分析海量信息。他們收集了上千萬的消費者的購買記錄，從客戶不同維度分析，了解客戶對每種產品種類的最高接受能力，從而為產品定出最佳價位。

2）多樣性：團隊除了分析了購買記錄這種結構化的數據外，他們也利用社交媒體發帖這種新型的非結構化數據。由于消費者需要在零售商專頁上點贊或留言以獲得優惠券，團隊利用情感分析公式來分析專頁上消費者的情緒，從而判斷他們對于公司的促銷活動是否滿意，并微調促銷策略。

3）速度：為了實現價值最大化，團隊對數據進行實時或近似實時的處理。他們成功地根據一個消費者既往的麥片購買記錄，為身處超市麥片專柜的他/她即時發送優惠券，為客戶帶來便利性和驚喜。

透過這一系列的活動，團隊提高了定價的準確度和響應速度，為零售商新增銷售額和利潤數千萬美元。

5、大數據應用案例之：網絡營銷行業（SEM）

很多企業在做SEM的過程中，都有這樣的感觸：每年都會花費大量的預算在SEM推廣中，但是因為關鍵詞投入產出無法可視化，常常花了很多錢卻不見具體的回報。在競爭如此激烈的SEM市場中，企業需要一個高效的數據分析工具來盡可能地幫企業優化SEM推廣，例如BDP，來幫企業節省不必要的支出，提升整體的經營績效。企業可借助數據平臺提供的網絡營銷整合解決方案，打通各個搜索引擎營銷（SEM）、在線客服系統和CRM系統，營銷競價人員無需掌握復雜的編程技術，簡單拖拽即可生成報表，觀察每一個關鍵詞的投入和產出，分析每一個頁面的轉化，有效降低投放成本。通過BDP實況分析數據，可以快速洞悉對手關鍵詞的投放時段、地域及排名，并對其進行可視化的分析，實時監控自己和競爭對手的投放情況，了解對手的投放策略，支持自定義設置數據更新的時間點、監控頻次和時段，及時調整策略。知已知彼，才能百戰不殆。

6、大數據應用案例之：電商行業

意料之外：胸部最大的是新疆妹子。曾經淘寶平臺顯示，中國女性購買最多的文胸尺碼為B罩杯。B罩杯占比達41.45%，其中又以75B的銷量最好，其次是A罩杯，購買占比達25.26%，C罩杯只有8.96%。雖然淘寶數據平臺不能代表一切，但是結合現實來看，這個也具有普遍的代表性，只能感慨中國女性普遍size。在文胸顏色中，黑色最為暢銷，黑色絕對是百搭，每個女性必備。從省市排名，胸部最大的是新疆妹子。這些數據都對于文胸店鋪而言是很好的參考，為店鋪的庫存、定價、款式選擇等策略都有奠定數據基礎。

7、大數據應用案例之：娛樂行業

微軟大數據成功預測奧斯卡21項大獎。2013年，微軟紐約研究院的經濟學家大衛•羅斯柴爾德（David Rothschild）利用大數據成功預測24個奧斯卡獎項中的19個，成為人們津津樂道的話題。今年羅斯柴爾德再接再厲，成功預測第86屆奧斯卡金像獎頒獎典禮24個獎項中的21個，繼續向人們展示現代科技的神奇魔力。

    總的來說，大數據的終極目標并不僅僅是改變競爭環境，而是徹底扭轉整個競爭環境，帶來新機遇，企業需要應勢而變。企業只有認識到這一點，使用合適的數據分析產品、聰明地使用和管理數據，才能在長期競爭中成為終極贏家。 以上就是小編為您介紹的數據分析的例子，希望對您有所幫助。