大數據的查詢的案例

1. 國內的數據挖掘，大數據的案例有哪些

從去年6月接觸大數據以來，我閱覽了大量關於「大數據」的文章，每天大概是80篇這樣一個量級。其中60%實在反復強調大數據概念，30%在借大數據的風炒作自己，剩下10%，有談技術的，有談硬體存儲的，有談解決方案，真要問有哪些是接地氣並且實實在在大數據解決問題的案例，那是少之又少。

BAT在談大數據，風投資本在談大數據，銀行/金融/保險在談大數據，IBM、微軟、EMC在談大數據，專家教授在談大數據，可是大數據真的讓我們的生活變得更美好了嗎？作為屌絲青年的我們真正感受到大數據的紅利了嗎？不管你信不信，我沒有感受到。也就是說，大數據落地到普通人身的長征，還沒走完。

我們日常生活中使用電腦、平板、手機的數據，被軟硬體伺服器採集加以使用，而我們卻沒有因為貢獻大數據而讓生活更智能，這不符合邏輯。

2. 關於大數據應用有什麼例子

• 大數據應用的關鍵，也是其必要條件，就在於"IT"與"經營"的融合，當然，這里的經營的內涵可以非常廣泛，小至一個零售門店的經營，大至一個城市的經營。以下是關於各行各業，不同的組織機構在大數據方面的應用的案例，在此申明，以下案例均來源於網路，本文僅作引用，並在此基礎上作簡單的梳理和分類。

• 大數據應用案例之：醫療行業

• Seton Healthcare是採用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，每秒鍾有超過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並且有針對性地採取措施，避免早產嬰兒夭折。

• 它讓更多的創業者更方便地開發產品，比如通過社交網路來收集數據的健康類App。也許未來數年後，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葯劑已經代謝完成會自動提醒你再次服葯。

• 大數據應用案例之：能源行業

• 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，當你的太陽能有多餘電的時候還可以買回來。通過電網收集每隔五分鍾或十分鍾收集一次數據，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。

• 有了這個預測後，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。通過這個預測後，可以降低采購成本。

• 維斯塔斯風力系統，依靠的是BigInsights軟體和IBM超級計算機，然後對氣象數據進行分析，找出安裝風力渦輪機和整個風電場最佳的地點。利用大數據，以往需要數周的分析工作，現在僅需要不足1小時便可完成。

3. 大數據分析的典型案例有什麼

我說幾個我知道的，智慧圖做了西單大悅城，k11 ，幫他們實現了業態規劃，圖聚也有，但是定位太差，數據准確度沒法說。

4. 生活中的大數據例子

1、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。

目前位於美國加利福尼亞州的PredPol公司在某種程度上把利用大數據預測犯罪變成了現實。

PredPol 推出的犯罪活動預測軟體主界面是一張城市地圖，看起來與谷歌地圖相似。它會根據某一地區過往的犯罪活動統計數據，藉助特殊演算法，計算出某地發生犯罪的概率、犯罪類型，以及最有可能犯罪的時間段。

它還可以用紅色方框表示需要提高警惕的犯罪「熱點」地區，警方可以通過個人電腦、手機或平板電腦對其進行在線查看。

犯罪預測軟體實際上是從地震預測軟體進化而來的，它能處理大量犯罪數據，尤其是犯罪地點和犯罪時間，然後再聯系已知的犯罪行為，比如竊賊通常傾向於在他們最熟悉的社區犯罪等，最終給出一個較為完善的結果。

每次運算結束後，犯罪預測軟體會給出一張畫出了紅色方框的地圖，這些紅色方框代表盜竊行為可能發生的「熱點」地區，有些時候這些區域能准確地縮小至很小的范圍。

警察局的上司會吩咐屬下，當他們沒在處理報警電話時，就應該花時間在這些高危區域中巡邏，最好是每兩小時巡邏至少15分鍾。這樣做的重點更在於通過在軟體畫出的高危區中高調巡邏而降低犯罪，而非等案子發生後破案。

2、google流感趨勢(Google Flu Trends)利用搜索關鍵詞預測禽流感的散布。

Google流感趨勢（Google Flu Trends，GFT）是Google於2008年推出的一款預測流感的產品。Google認為，某些搜索字詞有助於了解流感疫情。Google流感趨勢會根據匯總的Google搜索數據，近乎實時地對全球當前的流感疫情進行估測。

3、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。

目前手機移動網路實現了城鄉空間區域的全覆蓋,城鄉人口中手機終端的持有率和使用率已經達到相當高的比例,手機定位數據契合了城鄉人口空間分布與活動規律的分析需求。

根據手機信號在真實地理空間上的覆蓋情況,將手機用戶時間序列的移動信號數據,映射至現實的地理空間位置,即可完整、客觀地還原出手機用戶的現實活動軌跡,從而挖掘得到人口空間分布與活動聯系特徵信息。

4、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。

(4)大數據的查詢的案例擴展閱讀

經李克強總理簽批，2015年9月，國務院印發《促進大數據發展行動綱要》（以下簡稱《綱要》），系統部署大數據發展工作。

《綱要》明確，推動大數據發展和應用，在未來5至10年打造精準治理、多方協作的社會治理新模式，建立運行平穩、安全高效的經濟運行新機制，構建以人為本、惠及全民的民生服務新體系，開啟大眾創業、萬眾創新的創新驅動新格局，培育高端智能、新興繁榮的產業發展新生態。

未來，數據科學將成為一門專門的學科，被越來越多的人所認知。各大高校將設立專門的數據科學類專業，也會催生一批與之相關的新的就業崗位。與此同時，基於數據這個基礎平台，也將建立起跨領域的數據共享平台，之後，數據共享將擴展到企業層面，並且成為未來產業的核心一環。

5. 大數據案例

亞馬遜在大數據這塊領域當屬三大巨頭之一，舉個例子吧

亞馬遜在客人購物的時版候，購物頁面總權是充滿了推薦物品，TA為客戶推薦的產品絕不是一個巧合。亞馬遜的推薦引擎完全是基於客戶在過去一段時間的購買行為所做的：客戶的購物車中所收藏的商品、客戶喜歡的商品、其它用戶瀏覽或購買的商品。利用大數據技術對以上數據進行分析，為每位客戶定製了專屬的個人主頁。
因為利用該策略，公司在其第三財政季度期間銷售增長27%，達到了131.8億美元，而去年同期的銷售額則為96億美元。

如果你還需要進一步了解，可以去前瞻產業研究院看看，裡面有挺多資料的

6. 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。

7. 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。

8. 國內的數據挖掘，大數據應用的案例有哪些

1. 亞馬遜的「信息公司」：果全球哪家公司從大數據發掘出了最大價值，截至目回前，答案可能非答亞馬遜莫屬。亞馬遜也要處理海量數據，這些交易數據的直接價值更大。
作為一家「信息公司」，亞馬遜不僅從每個用戶的購買行為中獲得信息，還將每個用戶在其網站上的所有行為都記錄下來

2. 谷歌的意圖：果說有一家科技公司准確定義了「大數據」概念的話，那一定是谷歌。根據搜索研究公司comScore的數據，僅2012年3月一個月的時間，谷歌處理的搜索詞條數量就高達122億條。谷歌的體量和規模，使它擁有比其他大多數企業更多的應用大數據的途徑。
3.塔吉特的「數據關聯挖掘」:用先進的統計方法，商家可以通過用戶的購買歷史記錄分析來建立模型，預測未來的購買行為，進而設計促銷活動和個性服務避免用戶流失到其他競爭對手那邊。