さらに12のビッグデータケース

こんにちは、こんにちは。 今日、私たちはビッグデータ技術がどのように企業にお金をもたらすかについてさらに12の例を準備しました。

顧客重視

1.会社：ビーライン。

支店：テレコム。



Beelineには、サブスクライバーに関する膨大なデータセットがあります。同社は、内部最適化と顧客との連携（売り上げの増加、顧客維持、詐欺対策）だけでなく、市場への新しい分析製品の導入（ターゲットとするクレジットスコアリング用のデータの提供）デジタル広告、地理分析レポートの作成、IPTV分析、外部コンサルティング）。 同社は多くのビッグデータプロジェクトを実施しています。 たとえば、加入者ベースは、性別や年齢の予測、ソーシャルグラフの作成など、拡張されたクライアントプロファイルに基づいてセグメント化されました。 加入者を金融詐欺やウイルス活動から認識して保護するプロジェクトが実施されました。 いくつかのタイプのデバイスで通信サービスを使用する加入者と、空港にいて海外に飛ぶ加入者は、適切なサービスと料金プランを提供するために割り当てられました。 そして、これは完全なリストではありません。 同社はHDFSとApache Sparkを使用してデータを保存および処理し、scikit-learnライブラリを含むrapidminerとpythonをデータ分析に使用しています。



結果： 2018年までに、ビッグデータからの予測収益は会社の収益の20％以上になります。

2.会社：シーザーズエンターテイメント。

産業部門：エンターテイメント、ギャンブル。



米国のギャンブルビジネスのリーダーの1つであるCaesars Entertainmentは、ラスベガスと世界中の50を超えるギャンブル施設でCaesar's Palaceカジノを運営しています。 同社は最近、マネーロンダリングで2000万ドル以上の罰金を科されており、カジノを管理するそのユニットは破産の対象となりました。 ただし、17年以上にわたり、同社はTotal Rewardsロイヤリティプログラムで膨大な量のデータと分析を蓄積してきました。これは現在、最も価値のある資産の1つであり、10億ドルの価値があります。 ゲーム業界では、各クライアントのデータが重要です：会社の分類によると、7番目に高いカテゴリのプレーヤーは、カジノで年間約50万ドルを費やし、ベースの1人のビジネスマンがラスベガスで年間2億ドルを残しました。 そのようなクライアントに名前で会い、お気に入りのゲームに費やし、好みに応じて無料の追加オプションを提供できることが非常に重要です：エンターテイメント、フライト、リムジン乗り、ホテル宿泊など 顧客の嗜好や行動に関する蓄積されたデータと高度なデータ分析方法の助けを借りて、会社は顧客にできるだけ多くのお金を残し、再び戻ってくることを保証するようなアプローチを見つけることができました。 同社はHadoopとクラウドソリューションを使用し、1時間あたり300万件を超えるレコードを処理しています。 データ分析は、顧客をセグメント化し、セキュリティ標準を改善するためにも使用されます。



結果： 10億ドル以上の価値がある会社の最も価値のある個々の資産が作成され、収益性と安全基準の成長が達成されました。

3.会社：eHarmony。

ブランチ：出会い系サイト。



eHarmonyは、長期的な関係の構築に焦点を当てた出会い系サイトです。 サイトのアンケートでは、ユーザーは自分に関する非常に詳細な情報を残して、1000以上のパラメーターを指定できます。 さらに、このデータと、同情の履歴およびサイトユーザー間の関係の発展を使用して、システムは、関心と信念の類似性だけでなく、最適なデートオプションを推奨します。 ユーザーの写真が分析され、互いに補完し、一致しますが、同時に人々の間に特徴が生じます。 たとえば、菜食主義者はハンバーガー愛好家よりも安定したペアを形成する可能性が高く、写真の顔の部分が相互の魅力に影響することがわかりました。



同社はまた、マーケティング会社のチャネルの有効性を分析し、パーソナライズされた広告を使用し、ユーザーの忠誠心を管理し、顧客の流出に対抗します。



データ分析では、同社はSPSSソリューション、推奨システム、Hadoop、Hive、クラウドテクノロジーを使用しています。



結果：毎日、システムは2人が互いに適合できるという約1億の仮定を立て、顧客の流出に対抗し、非効率なマーケティングコストを削減することで年間1,000万ドルを節約します。

4.会社：日本ペイント。

支店：化学工業、塗料およびワニスの製造。



日本ペイントは日本企業であり、ペイント会社の売上高で世界第7位、中国市場のリーディングカンパニーです。 会社が立ち上げたiColor Webサイトの助けを借りて、実際のインテリアでさまざまな色の塗料をテストできるようになり、個人のクライアント、デザイナー、装飾会社の両方で広く人気を博しています。 このサイトを使用して取得したデータを分析することにより、会社は色とデザインの新しいトレンドを追跡して、新製品を開発し、生産を計画することができます。 また、このプラットフォームの助けを借りて、会社はデザイナーやデザイン会社とやり取りして、会社の製品を宣伝し、消費者をセグメント化し、パーソナライズされたオファーを作成します。 データ処理と分析には、SAP HANAとHadoopに基づくソリューションを使用しています。







結果：市場の傾向を特定および追跡するための強力なツールを入手しました。これにより、需要を計画し、新製品を開発できます。

5.会社：Hitachi Consulting、Vital Connect、ClearStory Data。

支店：ヘルスケア。



米国では、敗血症は病気の中で死因のランキングで10位にランクされています。 毎年約100万人のアメリカ人が敗血症を発症しており、そのうち28％から50％が死亡しています。 敗血症の治療に年間約200億ドルが費やされています。



さらに、死亡の主な原因は不十分な医学的監督です。 患者は退院するか、応急処置を受け、その後は監視されません。 しかし、その後、敗血症を発症する高いリスクがあり、その症状-発熱、悪寒、急速な呼吸と脈拍、発疹、錯乱および見当識障害は、他の一般的な病気の症状に似ています。 多くの場合、患者が医者に行くのが遅すぎるか、初期段階で病気を正しく診断できないことがあります。 その結果、敗血症性ショックが急速に発生し、多くの臓器に不可逆的な損傷がしばしば発生します。



患者の状態を監視するには、Vital Connectの認定HealthPatchデバイスを使用することをお勧めします。このデバイスは、姿勢や動き（敗血症によって変化します）を含む患者の状態の基本的なインジケータを収集します。 さらに、情報はClearStory Dataサーバーに送られ、そこで患者に関する他の医療データと結合され、Apache Sparkベースのソリューションを使用してリアルタイムで分析されます。 将来的には、このようなデバイスは、退院し、敗血症が続く可能性のある状態の応急処置を受けるすべての患者が利用できるようになります。 同様のシステムですが、データ分析のレベルは低く、シンガポールではすでに正常に実装されています。



結果：米国の医療システムが敗血症（一般的な血液中毒）による死亡率を大幅に削減できるソリューションが作成されました。

6.会社：JJ Food Service。

支店：食品配送b2b。



JJ Food Serviceは、カフェ、レストラン、学校、オフィスの食堂などの形で6万人以上の顧客を持つ英国最大のb2b食品配送会社の1つです。 2010年、同社はコールセンターを介してほぼすべての注文を受け付けました。現在、注文の60％がインターネットポータルを介して受け付けられています。 これにより作業効率は向上しましたが、クライアントとの個人的な接触が失われました。 電話で、クライアントはより高価なまたは補完的な商品やサービスを購入することを申し出られ、彼の市場セグメントの動向を知らされました。 これらの機能は、ビッグデータテクノロジーを活用して新しいレベルで実現する必要がありました。 これらの問題を解決するために、同社はMicrosoftスペシャリストに頼り、Azure Machine Learningクラウドサービスに基づくソリューションを構築しました。 このプラットフォームで構築された予測モデルによって生成された推奨事項は、インターネットポータルだけでなく、コールセンターの従業員でも使用されるようになりました。 クライアントがコールセンターを呼び出すか、サイトにログインすると、購入履歴と推奨事項に基づいてバスケットが既にいっぱいになっています（レシピ、他のユーザーの同様の注文が考慮され、顧客がまだ知らない新しいアイテムが追加されます）。 これらの製品の約80％、買い手は本当に買い物かごに入れて購入します。 このようなソリューションは、b2b業界でも可能です。 多くの場合、特定の製品セットを十分に定期的に配送する必要があります。 注文する直前に、機関のタイプとその機関で使用されるレシピが考慮され、クライアントが必要なものを購入するのを忘れたかどうかが判断されます。 システムの実装には3か月かかりました。







結果：事前に入力された消費者バスケットの商品の80％が顧客、売上成長、サービス速度、顧客満足度によって獲得されます。

内部最適化

1.会社：ズベルバンク。

支店：銀行業。



以前の投稿では、Sberbankでのビッグデータアプリケーションのいくつかのケースについて既に説明しましたが、この中で別のケース-AS SAFIについて説明します。



この顧客を特定し、文書詐欺を防止するための写真分析システムは、2014年の初めまでにSberbankで開発および実装されました。このシステムは、データベースの写真とコンピュータービジョンテクノロジーを使用してラック上のWebカメラで受信した画像を比較することに基づいています。 その結果、このタイプの詐欺による損失は10倍減少しました。



AUの基礎は、Technoserv社のCascade-Searchバイオメトリックプラットフォームです。 当初、このシステムは運用、参照、および専門家の作業で使用するために開発されましたが、Sberbankのニーズに適合し、自動化されたローン申請審査システムと統合されました。 このシステムは非常に高速に動作します。インメモリ処理などの多くの革新的なソリューションのおかげで、カメラ画像とデータベース内の画像を比較するのに数秒しかかかりません。



結果：個人の文書による詐欺による損失は10倍減少しました。

2.会社：FarmLogs。

支店：農業。



FarmLogsは、農家が作業を計画および最適化するためのビッグデータ分析と便利なサービスを提供する会社です。 同社のモバイルおよびウェブアプリケーションは、すでに米国の農家の3分の1以上で使用されています。 FarmLogsサービスは、土壌タイプに関するオープンな地理データ、気象条件、降水量、太陽活動に関する詳細なデータを使用します。 衛星画像の分析は、さまざまな作物の作物を自動的に判別し、その状態を監視し、予測と推奨事項を生成するための履歴データを考慮するためにも広く使用されています。 同社は、農業用コンバインに設置されるレンタル機器を農家に提供し、システム内のすべての操作、ルート、および燃料消費に関するデータを自動的に記録します。 その結果、農業に関する詳細な推奨事項が形成され、財政的な計算を含む必要な計算がすべて自動的に実行されます。



結果：米国経済の農業部門は、ハイテクからはほど遠いが、ビッグデータの最適化によって3分の1以上カバーされている。

3.会社：ドバイ空港。

支店 ：交通-空港。



ドバイ国際空港は、国際旅客の面で世界で最も忙しい空港であり、世界最大の空港の1つです。 空港のパフォーマンス、フライト、乗客の動きに関するビッグデータは、空港の運用を最適化し、乗客の満足度を高めるために広く使用されています。



空港では、高度な最適化アルゴリズムを使用して、乗降用の出口を動的に割り当てています。 特に、2つのフライトで多数の乗客が1つのフライトから別のフライトに変更する場合、出口は近くに割り当てられます。



多くの乗客がショッピングのためにドバイを訪れ、空港の免税エリアには多くのショップがあります。 しかし、買い物への情熱は、乗客がしばしばフライトに遅れるという事実につながります。 それらの多くは、発表された言語で英語もアラビア語も話せません。 新しい通知プログラムの導入後、乗客の搭乗券は各空港の店舗でスキャンされ、通行する必要のある出口、ルート、所要時間に関する言語での通知を受け取ります。



結果：目的地と出発地の到着が最適化され、遅延便の数が大幅に削減されました。

4.会社：メイシーズ。

産業部門：小売、衣料品、靴、アクセサリー。



メイシーズは1858年に設立されたデパートの大規模なチェーンであり、現在、米国の45州に840以上の店舗があります。 年間に少なくとも1回、チェーン店は70％のアメリカ人が訪れます。



同社は、オンデマンド、在庫、特定の店舗での商品の不足に関する大量のデータを分析し、これらのデータをこの地域に住む顧客の好みと組み合わせて、各店舗のすべてのカテゴリーの商品の品揃えを最適化します。



SAS Instituteテクノロジーを使用して、小売業者はオンデマンドのデータと利用可能な在庫を使用して、ほぼリアルタイムで7,300万の商品の価格調整を行います。

同社は、内部最適化の観点だけでなく、顧客重視の観点からもビッグデータを使用しています。 たとえば、Macys.comオンラインストアは、他のオンライン小売業者と同様に、パーソナライゼーション、ターゲットを絞った広告バナー、電子メールニュースレター、サイトの検索エンジンの最適化を使用して、購入者が興味のある製品を簡単に見つけられるようにします。 会社の広告メッセージとオファーのパーソナライズは非常に高く、1つのメーリングリストの固有のバリエーションの数は500,000に達する可能性があります。



結果：高い売上成長率（年間最大50％）。少なくとも10％は、会社によれば、正味のビッグデータ効果です。

5.会社：祖先。

産業部門：データバンク、ヘルプシステム。



Ancestryの主な資産は、現代文書と歴史文書の巨大なデータベースであり、これにより、人々の家族関係を回復し、家系図を構築することができます。 現在、同社のデータバンクには、多くの国でさまざまな時期（16世紀以降）に住んでいる50億を超えるプロファイルが含まれています。家族関係を確立する4,500万本以上の系統樹が構築されました。



履歴データは通常、機械可読形式では表示されません。 これらは、たとえば、本の手書きのエントリである場合があります。 さらに、そのようなデータは一貫性がなく、不正確で不完全な場合があります。 ファジーマッチングアルゴリズムを含むデータマイニングおよび機械学習アルゴリズムは、企業データの処理、追加、検証に役立ちます。



ビッグデータテクノロジーは、データの保存と分析に使用されます。 祖先データは、3つのMapRクラスター（Hadoopベースのディストリビューション）で処理されます。 1つ目は、データベース内のサンプルとDNA分析の結果を比較します（データベースには既に12万を超えるサンプルがあります）。ユーザーは、チューブに唾を吐き、唾液サンプルを会社に郵送するだけで99ドルで入手できます。 2番目は機械学習アルゴリズムを実装し、3番目はデータマイニングを実装します。



データベースの予備分析により、親族の検索を簡素化し、家族歴の調査を容易にする仮定を形成できます。 今日、プロファイルデータの分析とシステム内の以前の検索履歴に基づいて、システムによって実行されるプロファイルの予備的な接続と結果のランキングによって、ユーザーによる膨大な数の発見が提供されています。 数年前、このような発見はすべて、システムユーザーのみのメリットでした。 システムのユーザーエクスペリエンスも絶えず分析され、ユーザーがこれらの領域にコンテンツを追加したり、検索結果をランク付けするのが困難な段階を特定します。







結果：クリーンアップ、確認、および事前に接続されたレコードを含む巨大な履歴データベースが蓄積され、システムを簡単かつ効率的に使用できるようになりました。

6.会社：ロールスロイスホールディングス。

産業部門：機械工学、エンジン製造。



ロールス・ロイス・ホールディングスは、航空宇宙産業、船舶、エネルギー向けのエンジンとタービンを生産する英国の多国籍企業です。 彼らが生産するエンジンは非常に大きく高価であり、生産の計算ミスやエラーは数百万の費用がかかり、死に至る可能性があります。 Rolls-Royceは、ビッグデータテクノロジーを使用して、アフターセールスエンジンを設計、製造、さらにサポートしています。



エンジンの開発では、コンピューターシミュレーションが広く使用され、テラバイトのデータが生成されます。 このデータの分析と視覚化は、高性能コンピューティングクラスタで実行されます。 企業の生産システムは、モノのインターネットを介して互いに対話します。



ロールスロイスのエンジンには、作業の細部を記録する数百のセンサーが装備されています。 このデータは、機械学習アルゴリズムを使用して迅速に処理され、逸脱した場合にエンジニアに送信されます。



同社は、ビッグデータ技術の実装の有効性について正確な評価を行っていませんが、会社の経営陣によると、大幅なコスト削減を実現しました。 ビッグデータは会社のビジネスモデルも変えました。そのおかげで、会社は、運用中にエンジンの状態を1時間ごとに監視することで、顧客に新しいケーシングモデル「トータルケア」を提供できました。



結果：開発および生産コストの大幅な削減、信頼性の向上、新しいビジネスモデルの導入。



コメントをお待ちしています。



そして、3月15日から始まる「ビッグデータスペシャリスト」 プログラムでお待ちしています。