
数据分析就学他们!全球十大数据分析榜样企业
Gartner的分析师Doug Laney日前分享了来自全球各行各业数据分析的榜样企业,从洛克希德?马丁公司案例中的更佳项目管理,到Food Genius Inc案例中打造新的业务模式。Laney并没有揭露关于可口可乐或Burberry是如何在分析方面成功的技术细节,那并不是重点。 “重点是要畅想一下你今天所拥有信息资产的可能性和潜力”Burberry集团与个性化购物。Burberry 正在于其商店内应用射频识别(RFID)标签以打造更丰富的购物体验。当客户手持某件商品走过显示屏幕,RFID标签将触发一个视频来展示该产品是如何制 作的,并提供搭配它的其他产品。经过客户许可后,RFID标签还可以通过跟踪顾客试穿记录来创建客户档案。
CVS Health与呼叫中心。 CVS推出了呼叫中心试点项目,Laney将之比作Match.com。CVS使用Mattersight的技术,通过将客户进行细分成大约六种行为人群 而开始了“预测行为路径”试验。连锁药店也给呼叫中心客服代表打分,以把客服代表匹配给其更适合的那类客户。试运行减少了呼叫时间,提高了呼叫本身的表 现,据Laney说,它非常的成功,并投入了正式运行。
可口可乐公司与产品一致性。“很多人 认为世界上保存最好的秘密可能就是可乐的配方了,但它并不是,”Laney说。“其实是橙汁的配方。”可口可乐工程师鉴定了超过600(!)种可能的橘子 口味,然后建立了一个专有的算法,以确保每一批橙汁都拥有一致的味道和质地。橙汁数据档案将其美汁源和Simply Orange品牌与其他产量口味每个橙子都有变化的不知名品牌区分开来。Laney鼓励商家鉴别那些需要保持外部因素一致性的地方,如供应链。
欧莱雅集团与客户参与。欧 莱雅直接将产品销售给零售商,这就造成了美容产品制造商和其客户之间的间隔。这其实并没有真正伤害这一世界上最大的化妆品和美容公司,但化妆品巨头仍然希 望其新的客户指挥中心将改变这种状况。使用Clarabridge的CRM技术,欧莱雅正在分析推特,Facebook上发布的信息,产品评论和新闻报 道。必要时,发布内容会由内部直接转到某个指挥中心的恰当员工处,而他会直接与发布者交互。欧莱雅还没有公布数据,但它声称指挥中心“改变了如何利用品牌 意识和忠诚度,”Laney说。
西太平洋银行公司与客户的360度视角。在过去的几年中,澳 大利亚银行一直采用来自SAS研究所的技术建立一个名为“KnowMe”的客户360度视角程序。该程序一部分基于捕捉和集中其1200万客户的用户活 动,如ATM使用情况和呼叫中心交互情况。基于行为分析,西太平洋银行将客户与新方案或产品相匹配。在九个月里,该方案就使西太平洋银行的客户参与从1% 扩大到了25%,据Laney说。
Tom Farms LLC与数字业务。Tom Farms已在养殖过程中几乎每一个可能的部分都实行了数字化 - 从挂满了能够产生实时数据流传感器的自动驾驶联合收割机,到帮助监测和控制灌溉系统的移动应用程序。对于Tom Farms,拥抱数据和分析,已经帮助它从20世纪70年代的700英亩成长为今天的20000亩,据纽约时报报道。成功并不仅仅体现在面积的增加,据 Laney说。汤姆农场使用技术以“减少改变作物以规避天气和疾病的需要,”他说。
Food Genius与开放数据。Food Genius是一个餐饮数据供应商。它从餐厅在网上发布的菜单上刮取数据并搜索本地发展趋势,以帮助像卡夫食品公司,甚至是阿贝兹这种全国连锁店在本地层 面更智能的开发和销售产品。 “这是一个从头开始完全基于刮取互联网开放内容的一个有趣例子,”Laney说。他鼓励企业去思考开放数据能如何改进已有产品或提供新的产品给客户。
洛克希德?马丁公司与暗数据。该航空航天公司正在使用暗数据 - 企业数据,可能对一个公司有用,但相反的,对更加积极主动的项目管理来说就是封尘存储。它关联并分析数百个程序指标“以确定程序表现的领先指 标”,Laney说。而且它还分析了项目人员的沟通,以确定“预测程序降级”的语言,他补充说,暗数据将程序的预见性提高了3%。
墨西哥石油公司(Pemex)与传感器数据。设 备故障的一个指标就是噪音,所以石油公司开始为其炼油厂配备测量声音振动的传感器。当测量值变得异常,工程师就会收到提醒并“可以立刻去有问题的设备那里 并对它进行更换或修理而无需太多停机时间,”Laney说。“他们已经能够从计划外维修保养模型变为计划内维修保养。”
加州大学圣地亚哥分校与众包。为 了找到臭名昭著的蒙古统治者成吉思汗的陵墓,加州大学圣地亚哥分校向大众开放了卫星图像。该项目引来了10,000名志愿者,确定了55个有考古意义的地 点。(不过到目前为止,大汗墓的位置仍是一个谜。)就像寻找成吉思汗的陵墓一样,Laney表示,企业不应该忽视像众包和游戏化这样可以用来发现新东西的 技术。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14