大數據成功
⑴ 簡述身邊大數據成功案例並且用了哪些大數據的數據達到什麼效果
隨著大數據時代的到來，大數據早已被逐步的運用在我們生活中的方方面面，那麼除了之前眾所周知的大數據殺熟事件，對於大數據你還了解多少呢？科學運用案例你又知道多少?今天就跟隨千鋒小編一起來看看。
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
麻省理工學院利用手機定位數據和交通數據建立城市規劃。
梅西百貨的實時定價機制，根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
……
種種的案例實在是太多，或許我們永遠說不完一樣，所以我們就來看一看大數據被科學運用的一個經典案例：
「啤酒與尿布」的故事產生於20世紀90年代的美國沃爾瑪超市中，沃爾瑪的超市管理人員分析銷售數據時發現了一個令人難於理解的現象：在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。
如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而到另一家商店，直到可以一次同時買到啤酒與尿布為止。沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同的區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物;而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是「啤酒與尿布」 故事的由來。
當然「啤酒與尿布」的故事必須具有技術方面的支持。1993年美國學者Agrawal提出通過分析購物籃中的商品集合，從而找出商品之間關聯關系的關聯演算法，並根據商品之間的關系，找出客戶的購買行為。艾格拉沃從數學及計算機演算法角度提 出了商品關聯關系的計算方法——Aprior演算法。沃爾瑪從上個世紀 90 年代嘗試將 Aprior 演算法引入到 POS機數據分析中，並獲得了成功，於是產生了「啤酒與尿布」的故事。
其實大數據，其影響除了以上列舉的方面外，它同時也能在經濟、政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循「數」管理的模式，也是我們當下「大社會」的集中體現，三分技術，七分數據，得數據者得天下。
⑵ 大數據具體是什麼東西，自學能成功么
大數據最大的特點是數據量大、種類多，記錄了大量的細節、過程，存儲了各種記錄和信息。但是大數據，利用效率較低、質量差、內容繁雜、佔用存儲空間大。大數據記錄太多數據，不一定都是需要的，有時重要的信息只佔很低比例，這就是質量低、利用效率低。
大數據是一個行業或者一個領域內的數據集合，是一個龐大而復雜的體系。同樣處理或應用這些數據的技術也多種多樣，大數據的應用非常廣泛，大數據被廣泛的應用於風險模型建立、風險控制、輔助決策等方面。
大數據是人工智慧、智慧城市等的基礎，因為有大量數據，得以使人工智慧快速訓練、從大數據中提取經驗;從大數據中獲取重要信息、聯合組網，形成規模宏大的智慧集群。大數據是中性的，有利有弊。要記錄大數據、從大量數據中、獲取有用的數據、篩濾信息、對有用數據進行提取、排序等，需要消耗大量的資源去處理。
⑶ 影響大數據項目成功的因素都有哪些
一般說來，一個大數據項目是否成功，取決於以下幾個因素：
數據的完整獲取——要做到這一點是很難的，尤其是對於大型集團母公司、機關單位主導的項目而言；
項目主體領導層的支持——這里說的支持，一定是徹底的支持，而不是最開始興趣盎然，後期新鮮勁過了就不了了之；
對項目目標的深刻理解——項目做起來是做什麼？數據的價值在哪裡？這些都是要想清楚的，要基於業務來深層次考慮，不能拍腦袋決策；
控製成本——永遠要考慮成本，考慮性價比，這樣項目才能長久；
注重可視化——數據可視化，是項目呈現出來的形，人都是嚮往美好事物的，好的視覺效果，也是保證項目成功的關鍵。
⑷ 大數據可以應用在哪些領域有哪些成功的例子
大數據可以利用在很多的領域的，覆蓋到各行各業，目前還沒有那麼的普及的，目前主要是金融，醫療，互聯網，等等，典型的就是地圖路況分析，那個就是根據大數據分析的結果得出來的結果啊。檸檬學院大數據。
⑸ 大數據應用成功的標准究竟是什麼
大數據應用成功的標准究竟是什麼
在大數據范疇大展拳腳肯定是個正確方向，同時世界各地的初創公司及企業巨頭也在借力大數據和大數據應用創造價值——將大量的數據處理轉化為金錢或競爭優勢。然而光彩的背後，總是掩飾著一些不可忽視的真相。簡而言之，不是所有在大數據上的嘗試都得到了應有的回報，而且遠非如此。同樣這里也有另 一個不容忽視的真相，在IT企業界，大數據「成功」定義的標准非常寬松，甚至「我們並沒有完全失敗」這種的觀念都可以歸結於「成功」。
那麼大數據應用成功的標准究竟是什麼？10gen戰略副總裁Matt Asay帶來了他為成功總結的4個標准：
首先，必須要可以運作大數據應該為行業創造切實的價值，不止是高科技。McKinsey在關於大數據未來的報告中指出，大數據在醫療、政府、零售以及製造產業上擁有萬億的潛在價值。機構對大數據的成功實現需要在一下幾個方面帶來切實的收獲：附加收益、提升客戶滿意度、削減成本等。
其次，必須有本質提高大數據交付的不應該只是漸進式的商務模式改善，更應該是本質上的突破。比如就初創企業Foursquare來說，為了發現數據之間的關系，Foursquare使用了機器學習演算法讓系統可以建立「Explore」，一個社交推薦系統可以實時的給用戶推薦有價值的位置信息，使用新的業務模 式去驅動位置信息類型業務。「Explore」依賴大數據技術，同時從多於3000萬個位置信息中獲取見解。現在Foursquare已經具備了理解人們 之間如何進行互動的能力，並且位置信息也不只止步平台，而是真實世界。
再次，必須具備高速度 傳統資料庫技術會拉低大數據的性能，同樣也是非常繁瑣的，因為不管這項技術是否迎合你的需求，專利許可涉及到的企業繁瑣制度遠超出你的想 象。一個成功大數據項目，使用的工具集和資料庫技術必須同時滿足數據體積及多樣性的雙重需求。
論據是：一個Hadoop集群只需幾個小時就可以搭建，搭建 完成後就可以提供快速的數據分析。事實上大部分的大數據技術都是開源的，這就意味著你可以根據你的需求添加支持和服務，同時許可不再是快速部署的阻礙之 一。 最後，必須能以前所不能 在大數據出現之前，類似Gilt Groupe這種「限時搶購」公司根本不可能實現。限時搶購網站需要日處理上千萬用戶的登陸，並且會造成非常高的伺服器負載峰值——通過高性能、快速擴展的大數據技術讓這種商業模型成為可能。
總結
大數據部署成敗的關鍵不是系統每秒可以處理多少數據量，而是使用大數據後給公司業務帶來了多少價值以及是否讓業務有突破性的提升。專注業務類型，選擇適合公司業務的工具集才是該重點關注的領域。
⑹ 基於大數據的成功應用有哪些
太多了！
我不想有太多文字敘述：
投資領域的，量化投資，國外的投資機構基本上都採用，國內的有個優礦網
金融領域的，風控，有貸前和貸後，太多公司在做，如邁寧數據、數尊
出行領域的，線路優化 有妙計旅行、滴滴和優步
消費品領域的，精準營銷，百分點
醫療領域的，健康管理，23and me等等
安全領域：犯罪預測，Palantir，國內有個叫七巧板
⑺ 大數據應用成功的四個標准
大數據應用成功的四個標准
在大數據范疇大展拳腳肯定是個正確方向，同時世界各地的初創公司及企業巨頭也在借力大數據和大數據應用創造價值——將大量的數據處理轉化為金錢或競爭優勢。然而光彩的背後，總是掩飾著一些不可忽視的真相。簡而言之，不是所有在大數據上的嘗試都得到了應有的回報，而且遠非如此。同樣這里也有另一個不容忽視的真相，在IT企業界，大數據「成功」定義的標准非常寬松，甚至「我們並沒有完全失敗」這種的觀念都可以歸結於「成功」。
那麼大數據應用成功的標准究竟是什麼？10gen戰略副總裁Matt Asay帶來了他為成功總結的4個標准：
首先，必須要可以運作
大數據應該為行業創造切實的價值，不止是高科技。McKinsey在關於大數據未來的報告中指出，大數據在醫療、政府、零售以及製造產業上擁有萬億的潛在價值。機構對大數據的成功實現需要在一下幾個方面帶來切實的收獲：附加收益、提升客戶滿意度、削減成本等。
其次，必須有本質提高
大數據交付的不應該只是漸進式的商務模式改善，更應該是本質上的突破。比如就初創企業Foursquare來說，為了發現數據之間的關系，Foursquare使用了機器學習演算法讓系統可以建立「Explore」，一個社交推薦系統可以實時的給用戶推薦有價值的位置信息，使用新的業務模式去驅動位置信息類型業務。「Explore」依賴大數據技術，同時從多於3000萬個位置信息中獲取見解。現在Foursquare已經具備了理解人們之間如何進行互動的能力，並且位置信息也不只止步平台，而是真實世界。
再次，必須具備高速度
傳統資料庫技術會拉低大數據的性能，同樣也是非常繁瑣的，因為不管這項技術是否迎合你的需求，專利許可涉及到的企業繁瑣制度遠超出你的想像。一個成功大數據項目，使用的工具集和資料庫技術必須同時滿足數據體積及多樣性的雙重需求。論據是：一個Hadoop集群只需幾個小時就可以搭建，搭建完成後就可以提供快速的數據分析。事實上大部分的大數據技術都是開源的，這就意味著你可以根據你的需求添加支持和服務，同時許可不再是快速部署的阻礙之一。
最後，必須能以前所不能
在大數據出現之前，類似Gilt Groupe這種「限時搶購」公司根本不可能實現。限時搶購網站需要日處理上千萬用戶的登陸，並且會造成非常高的伺服器負載峰值——通過高性能、快速擴展的大數據技術讓這種商業模型成為可能。
總結
大數據部署成敗的關鍵不是系統每秒可以處理多少數據量，而是使用大數據後給公司業務帶來了多少價值以及是否讓業務有突破性的提升。專注業務類型，選擇適合公司業務的工具集才是該重點關注的領域。
⑻ 如何確保企業的大數據項目成功
如何確保企業的大數據項目成功
如何使您企業的大數據項目成功
考慮一個切實可行的辦法。首先，不要將其稱之為是一個「大數據項目」。將其命名為一個類似的項目名稱：例如「一個幫助我們更好的了解我們的客戶、以及為什麼他們會喜歡在某個特定的商店購物的項目。」該項目是要回答重要的業務問題，而大數據便是答案的來源。如下，有一些最佳實踐方案來幫助您的項目實現成功：
從列出一個您所想要解決的業務問題的清單入手
不要從解決某個大問題著手。從啟動一個小的項目開始，選擇一個您所亟待解決的具體的問題，並堅持下去。列出一份您所需要解答的問題的列表清單，並且不要因為被技術問題困住而忽視您的目標。確保IT團隊的工作職責不會變得過於寬泛或所謂的「全方位」，這樣可以盡量避免處理問題范圍的改變進而導致的項目失敗：即從業務部門到IT部門的需求的改變導致問題焦點的轉移。確保所有利益相關方在客觀上對於項目的實施和執行都是同意的，以便讓每個人都能夠專注於項目的完成。
在您開始項目之前獲得企業高層的背書
一旦您已經確定您所要解決的業務問題，必須獲得業務團隊從上而下的對於您所需要的所有相關數據的支持，以保證成功完成項目。務必獲得公司高層領導對於訪問所有相關的業務數據的授權，以便您可以找到相關的模式和關系，進而解答業務問題。也就是說您必須獲得訪問、控制的許可權。
確保您的團隊具備執行項目所需的專業知識
理想的情況下，您的團隊內部將會有成員接受過專業的訓練，具備數據科學家的技能和心態，能夠利用這些數據信息來生成所需的業務結果。如果不是的話，您可以利用您現有的系統來解決的問題。這是一個很好的退後一步來思考所需要解答的業務問題的時機。您可能在這時不需要經過專業的培訓或NLP就能夠得到您需要的答案，只是授予了合適的人員來訪問企業內部的數據信息而已。
選擇一個能夠創造商業價值的問題，並在您已經正確的道路上持續的堅持下去。記住，一個成功的項目與其所涉及的范圍是沒有太大關系的。沒必要一口氣吃個胖子，那樣反而會帶來更大的失敗。畢竟，一個小項目的成功要比一個大項目的失敗要好得多。
⑼ 什麼是大數據，大數據的典型案例有哪些
隨著大數據時代的到來，大數據早已被逐步的運用在我們生活中的方方面面，那麼除了之前眾所周知的大數據殺熟事件，對於大數據你還了解多少呢？科學運用案例你又知道多少?今天就跟隨千鋒小編一起來看看。
洛杉磯警察局和加利福尼亞大學合作利用大數據預測犯罪的發生。
google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。
統計學家內特.西爾弗(Nate Silver)利用大數據預測2012美國選舉結果。
麻省理工學院利用手機定位數據和交通數據建立城市規劃。
梅西百貨的實時定價機制，根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。
……
種種的案例實在是太多，或許我們永遠說不完一樣，所以我們就來看一看大數據被科學運用的一個經典案例：
「啤酒與尿布」的故事產生於20世紀90年代的美國沃爾瑪超市中，沃爾瑪的超市管理人員分析銷售數據時發現了一個令人難於理解的現象：在某些特定的情況下，「啤酒」與「尿布」兩件看上去毫無關系的商品會經常出現在同一個購物籃中，這種獨特的銷售現象引起了管理人員的注意，經過後續調查發現，這種現象出現在年輕的父親身上。
如果這個年輕的父親在賣場只能買到兩件商品之一，則他很有可能會放棄購物而到另一家商店，直到可以一次同時買到啤酒與尿布為止。沃爾瑪發現了這一獨特的現象，開始在賣場嘗試將啤酒與尿布擺放在相同的區域，讓年輕的父親可以同時找到這兩件商品，並很快地完成購物;而沃爾瑪超市也可以讓這些客戶一次購買兩件商品、而不是一件，從而獲得了很好的商品銷售收入，這就是「啤酒與尿布」 故事的由來。
當然「啤酒與尿布」的故事必須具有技術方面的支持。1993年美國學者Agrawal提出通過分析購物籃中的商品集合，從而找出商品之間關聯關系的關聯演算法，並根據商品之間的關系，找出客戶的購買行為。艾格拉沃從數學及計算機演算法角度提 出了商品關聯關系的計算方法——Aprior演算法。沃爾瑪從上個世紀 90 年代嘗試將 Aprior 演算法引入到 POS機數據分析中，並獲得了成功，於是產生了「啤酒與尿布」的故事。
其實大數據，其影響除了以上列舉的方面外，它同時也能在經濟、政治、文化等方面產生深遠的影響，大數據可以幫助人們開啟循「數」管理的模式，也是我們當下「大社會」的集中體現，三分技術，七分數據，得數據者得天下。