
分析10個垂直行業(yè):大數(shù)據(jù)應(yīng)用面臨哪些挑戰(zhàn)
大數(shù)據(jù)已經(jīng)成為過去幾年中大部分行業(yè)的游戲規(guī)則,行業(yè)領(lǐng)袖,學(xué)者和其他知名的利益相關(guān)者都同意這一點(diǎn), 隨著大數(shù)據(jù)繼續(xù)滲透到我們的日常生活中,圍繞大數(shù)據(jù)的炒作正在轉(zhuǎn)向?qū)嶋H使用中的真正價值。
雖然了解大數(shù)據(jù)的價值仍然是一個挑戰(zhàn),但其他實(shí)踐中的挑戰(zhàn)包括資金投入和投資回報率以及相關(guān)技能仍然是大數(shù)據(jù)行業(yè)排名前列。Gartner調(diào)查顯示,75%以上的公司正在投資或計劃在未來兩年投資大數(shù)據(jù)。
一般來說,大多數(shù)公司都希望有幾個大數(shù)據(jù)項目,公司的主要目標(biāo)是增強(qiáng)客戶體驗(yàn),但其他目標(biāo)包括降低成本,更有針對性地進(jìn)行營銷,并使現(xiàn)有流程更有效率。 近來,數(shù)據(jù)泄露也使安全性成為大數(shù)據(jù)項目需要解決的重要問題。
然而,更重要的是,當(dāng)涉及到大數(shù)據(jù)時,你所在的位置是在哪里 你很可能會發(fā)現(xiàn)你處于以下幾種情況之一:
1.想要弄清楚大數(shù)據(jù)中是否存在真正的價值
2.評估市場機(jī)會的規(guī)模
3.開發(fā)使用大數(shù)據(jù)的新服務(wù)和產(chǎn)品
4.已經(jīng)使用大數(shù)據(jù)解決方案重新定位現(xiàn)有的服務(wù)和產(chǎn)品以利用大數(shù)據(jù),或者
5.已經(jīng)使用大數(shù)據(jù)解決方案
考慮到這一點(diǎn),了解大數(shù)據(jù)的全景及其在不同行業(yè)的應(yīng)用,將有助于更好地了解你的角色和未來不同行業(yè)的發(fā)展。
在本文中,我將分析使用大數(shù)據(jù)的10個垂直行業(yè),這些行業(yè)面臨的行業(yè)挑戰(zhàn)以及大數(shù)據(jù)如何解決這些挑戰(zhàn)。 我還將提到一些大型數(shù)據(jù)提供商在特定行業(yè)提供解決方案的案例。
一. 銀行業(yè)與證券業(yè)
一項研究對10個頂級投資和零售業(yè)務(wù)銀行的16個項目進(jìn)行了調(diào)查,結(jié)果顯示:行業(yè)的挑戰(zhàn)包括:證券欺詐預(yù)警,超高頻金融數(shù)據(jù)分析,信用卡欺詐檢測,審計跟蹤歸檔,企業(yè)信用風(fēng)險報告,貿(mào)易可見度,客戶數(shù)據(jù)轉(zhuǎn)換, 交易的社會分析,IT運(yùn)營分析和IT策略合規(guī)性分析等。
大數(shù)據(jù)在銀行業(yè)和證券業(yè)的應(yīng)用 證券交易委員會(SEC)正在使用大數(shù)據(jù)來監(jiān)控金融市場活動。 他們目前正在使用網(wǎng)絡(luò)分析和自然語言處理器來捕捉金融市場的非法交易活動。
金融市場的零售商,大銀行,對沖基金和其他所謂的“大男孩”使用大數(shù)據(jù)進(jìn)行高頻交易,交易前決策支持分析,情緒測量,預(yù)測分析等方面的交易分析。
該行業(yè)還嚴(yán)重依賴大數(shù)據(jù)進(jìn)行風(fēng)險分析,包括反洗錢,企業(yè)風(fēng)險管理,“了解你的客戶”和減少欺詐。 該行業(yè)特定的大數(shù)據(jù)提供商包括:1010data,Panopticon軟件,Streambase Systems,Nice Actimize和Quartet FS。
二. 通訊、媒體和娛樂
由于消費(fèi)者期望有不同格式和各種設(shè)備的多媒體需求,通信,媒體和娛樂行業(yè)的一些重大數(shù)據(jù)挑戰(zhàn)包括:
1.收集,分析和利用消費(fèi)者洞察
2.利用移動和社交媒體內(nèi)容
3.了解實(shí)時,媒體內(nèi)容使用情況
大數(shù)據(jù)在通信,媒體和娛樂行業(yè)的應(yīng)用 該行業(yè)的企業(yè)同時分析客戶數(shù)據(jù)以及行為數(shù)據(jù),以創(chuàng)建詳細(xì)的客戶資料,可用于:
1.為不同的目標(biāo)受眾創(chuàng)建內(nèi)容
2.根據(jù)需要推薦內(nèi)容
3.衡量內(nèi)容效果
一個例子是溫布爾登網(wǎng)球錦標(biāo)賽,利用大數(shù)據(jù)實(shí)時對電視,移動和網(wǎng)絡(luò)用戶觀看網(wǎng)球比賽的詳細(xì)情緒分析。 Spotify是按需音樂服務(wù),使用hadoop大數(shù)據(jù)分析,從全球數(shù)百萬用戶收集數(shù)據(jù),然后使用分析的數(shù)據(jù)向個人用戶提供個性化的音樂推薦。 亞馬遜Prime通過在一站式商店中提供,視頻,音樂和Kindle書籍提供良好的客戶體驗(yàn),也大量利用大數(shù)據(jù)。 這個行業(yè)的大數(shù)據(jù)提供商包括:Infochimps,Splunk,Pervasive Software和Visible Measures。
三. 醫(yī)療保健
醫(yī)療保健部門獲得了大量的數(shù)據(jù),但一直沒能使用數(shù)據(jù)來遏制醫(yī)療保健成本上升,提高醫(yī)療保健收益,提高系統(tǒng)效率。
這主要是因?yàn)殡娮訑?shù)據(jù)不足或不可用。 另外,保存健康相關(guān)信息的醫(yī)療保健數(shù)據(jù)庫很難與醫(yī)療領(lǐng)域有用模式的數(shù)據(jù)鏈接起來。
其他與大數(shù)據(jù)相關(guān)的挑戰(zhàn)包括:將患者排除在決策過程之外,以及使用來自不同渠道的容易獲得的傳感器的數(shù)據(jù)。
以色列貝斯的一些醫(yī)院正在使用數(shù)百萬病人從手機(jī)應(yīng)用收集的數(shù)據(jù),讓醫(yī)生可以使用循證醫(yī)學(xué),而不是像傳統(tǒng)醫(yī)院一樣,對病人進(jìn)行醫(yī)療/實(shí)驗(yàn)室檢測。 有些測試是有效的,但大部分是昂貴的并且通常是低效的。
佛羅里達(dá)大學(xué)使用免費(fèi)公共衛(wèi)生數(shù)據(jù)和Google地圖創(chuàng)建視覺數(shù)據(jù),可以更快速地識別和有效分析醫(yī)療信息,用于跟蹤慢性病的傳播。
奧巴馬醫(yī)保方案也以多種方式利用了大量數(shù)據(jù)。
該行業(yè)的大數(shù)據(jù)提供商包括:Recombinant Data,Humedica,Explorys和Cerner
四. 教育行業(yè)
從技術(shù)角度來看,教育行業(yè)面臨的一個重大挑戰(zhàn)是將來自不同來源和供應(yīng)商的大數(shù)據(jù)整合其中,并將其用于一個數(shù)據(jù)的平臺。 從實(shí)踐的角度來看,教育從業(yè)者和機(jī)構(gòu)必須學(xué)習(xí)新的數(shù)據(jù)管理和分析工具。 在技術(shù)方面,整合來自不同來源的數(shù)據(jù),不同平臺和原本不相互合作的不同供應(yīng)商都面臨挑戰(zhàn)。 在政治上,與用于教育目的的大數(shù)據(jù)相關(guān)的隱私和個人數(shù)據(jù)保護(hù)問題是一個挑戰(zhàn)。
大數(shù)據(jù)在高等教育中的應(yīng)用相當(dāng)顯著。例如,塔斯馬尼亞大學(xué)。一個擁有26000多名學(xué)生的澳大利亞大學(xué),部署了一個學(xué)習(xí)和管理系統(tǒng),學(xué)生登錄系統(tǒng),系統(tǒng)追蹤學(xué)生花費(fèi)的時間以及學(xué)生的整體進(jìn)度等。
在教育中使用大數(shù)據(jù)的不同用例中,它也用于衡量教師教學(xué)的有效性,以確保學(xué)生和教師的良好體驗(yàn)。教師的表現(xiàn)可以根據(jù)學(xué)生人數(shù),學(xué)科人數(shù),學(xué)生期望,行為分類和其他幾個變量進(jìn)行微調(diào)和衡量。
在政府層面上,美國教育部的教育技術(shù)辦公室正在使用大數(shù)據(jù)來開發(fā)分析數(shù)據(jù),以幫助糾正選錯在線課程的學(xué)生,點(diǎn)擊模式也被用來檢測學(xué)生學(xué)習(xí)時的無聊程度。
這個行業(yè)的大數(shù)據(jù)提供商包括:Knewton和Carnegie Learning和MyFit / Naviance。
五. 制造業(yè)和自然資源開采業(yè)
對石油,農(nóng)產(chǎn)品,礦產(chǎn),天然氣,金屬等自然資源的需求日益增加,導(dǎo)致數(shù)據(jù)量的增加,復(fù)雜性和提高速度是一個挑戰(zhàn)。
同樣,來自制造業(yè)的大量數(shù)據(jù)尚未得到開發(fā)。 這種信息的利用不足阻礙了產(chǎn)品質(zhì)量提高,能源效率和可靠性的提升,以及更好的利潤率。
在自然資源行業(yè),通過大數(shù)據(jù)可以利用地理空間數(shù)據(jù),圖形數(shù)據(jù),文本和時間數(shù)據(jù)中攝取和整合大量數(shù)據(jù)建立預(yù)測模型,幫助做出決策,應(yīng)用的領(lǐng)域包括: 地震解釋和油藏表征。
大數(shù)據(jù)也被用于解決當(dāng)今制造業(yè)所面臨的挑戰(zhàn),懿獲得競爭優(yōu)勢。
該行業(yè)的大數(shù)據(jù)提供商包括:CSC,Aspen Technology,Invensys和Pentaho。
六.政府
在政府中,最大的挑戰(zhàn)是不同政府部門和附屬機(jī)構(gòu)大數(shù)據(jù)的整合和互操作性。 大數(shù)據(jù)在政府中的應(yīng)用 在公共服務(wù)方面,大數(shù)據(jù)應(yīng)用范圍非常廣泛,包括能源勘探,金融市場分析,欺詐檢測,健康相關(guān)研究和環(huán)境保護(hù)。
一些更具體的例子如下:
1.大數(shù)據(jù)用于分析社會保障局(SSA)提供的非結(jié)構(gòu)化數(shù)據(jù)的大量社會殘疾索賠。用于分析快速有效地處理醫(yī)療信息,以加快決策速度,并檢測可疑或欺詐性聲明。
2.食品和藥物管理局(FDA)正在使用大量數(shù)據(jù)來檢測和研究食物相關(guān)疾病和疾病的模式。從而做出更快的反應(yīng),提供更快的治療,減少死亡。
3.國土安全部使用大數(shù)據(jù)分為幾種不同的用例。 大數(shù)據(jù)來自不同政府機(jī)構(gòu)的分析,以及用于保護(hù)國家安全的數(shù)據(jù)。
這個行業(yè)的大數(shù)據(jù)提供商包括:Digital Reasoning,Socrata和惠普。
七. 保險業(yè)
主要挑戰(zhàn)包括缺乏個性化服務(wù),缺乏個性化定價和缺乏針對新細(xì)分市場和特定細(xì)分市場的有針對性的服務(wù)。
在由Marketforce進(jìn)行的調(diào)查中,保險業(yè)專業(yè)人士確定的挑戰(zhàn)包括數(shù)據(jù)不足帶來的利潤損失,以及渴望更好的洞察力。
業(yè)界已經(jīng)在使用大數(shù)據(jù),通過從社交媒體,支持GPS的設(shè)備和監(jiān)控錄像中得到的數(shù)據(jù)分析和預(yù)測客戶行為,為透明和簡單的產(chǎn)品提供客戶洞察。 大數(shù)據(jù)還可以保護(hù)公司更好的提高客戶留存。
在索賠管理方面,大數(shù)據(jù)的預(yù)測分析已被用于提供更快的服務(wù),因?yàn)榇罅康臄?shù)據(jù)可以在承保階段進(jìn)行特別分析。 欺詐檢測也得到了加強(qiáng)。
通過數(shù)字渠道和社交媒體的大量數(shù)據(jù),索賠周期的索賠實(shí)時監(jiān)控已被用于為保險公司提供見解。
該行業(yè)的大數(shù)據(jù)提供商包括:Sprint,高通,Octo Telematics,The Climate Corp。
八. 零售和批發(fā)貿(mào)易
從傳統(tǒng)的實(shí)體零售商和批發(fā)商到現(xiàn)在的電子商務(wù),行業(yè)已經(jīng)收集了大量的數(shù)據(jù)。 來自客戶會員卡,POS掃描儀,RFID等的這些數(shù)據(jù)并沒有被用于整體上改善客戶體驗(yàn)。所有改變和改進(jìn)都相當(dāng)緩慢。
來自客戶忠誠度數(shù)據(jù),POS,商店庫存,本地人口統(tǒng)計數(shù)據(jù)的大數(shù)據(jù)將繼續(xù)由零售和批發(fā)商店收集。
在紐約大展零售貿(mào)易大會上,像微軟,思科和IBM這樣的公司表示,零售行業(yè)需要利用大數(shù)據(jù)進(jìn)行分析和其他用途,包括:
1.通過購物模式,本地活動等數(shù)據(jù)優(yōu)化員工配置
2.減少欺詐
3.及時分析庫存
社交媒體的使用也具有很大的潛在用途,并且將以緩慢的速度地被實(shí)體店采用。社交媒體用于客戶探索,客戶保留,產(chǎn)品推廣等。
這個行業(yè)的大數(shù)據(jù)提供商包括:First Retail,F(xiàn)irst Insight,F(xiàn)ujitsu,Infor,Epicor和Vistex。
九. 交通
行業(yè)具體挑戰(zhàn)
政府,私人機(jī)構(gòu)和個人的一些大數(shù)據(jù)應(yīng)用包括:
1.政府使用大數(shù)據(jù):交通管制,路線規(guī)劃,智能交通系統(tǒng),擁堵管理(預(yù)測交通狀況)
2.私營部門在運(yùn)輸中使用大數(shù)據(jù):收入管理,技術(shù)改進(jìn),物流和競爭優(yōu)勢(通過整合出貨量和優(yōu)化貨運(yùn))
3.個人使用大數(shù)據(jù)包括:路線規(guī)劃節(jié)省燃料和時間,旅游安排等。
該行業(yè)的大數(shù)據(jù)提供商包括:高通和Manhattan Associates。
十. 能源和公用事業(yè)
1.電網(wǎng)資產(chǎn)的60%將在十年內(nèi)需要更換
2.全球風(fēng)電裝機(jī)容量同比增長12.4%
3.智能電表成為主流,而消費(fèi)者要求更多的控制和了解能源消耗。
智能電表讀取器允許幾乎每15分鐘收集數(shù)據(jù),而不是每天用舊的讀表器收集數(shù)據(jù)。 這種細(xì)粒度數(shù)據(jù)被用于更好地分析實(shí)用程序的消耗,這允許改進(jìn)客戶反饋和更好地控制公用事業(yè)的使用。 在公用事業(yè)公司,使用大數(shù)據(jù)還可以提供更好的資產(chǎn)和人力資源管理,這對于識別錯誤和在完成失敗之前盡快進(jìn)行糾正是有用的。 這個行業(yè)的大數(shù)據(jù)提供商包括:Alstom Siemens ABB和Cloudera。
總結(jié)
本文總共梳理了10個垂直行業(yè)中大數(shù)據(jù)的重要作用,以下是幾個關(guān)鍵要點(diǎn):
1.在大數(shù)據(jù)領(lǐng)域有大量支出
2.要利用大數(shù)據(jù)機(jī)會,你需要:熟悉并了解行業(yè)特定的挑戰(zhàn)、了解每個行業(yè)的數(shù)據(jù)特征、了解支出在哪里發(fā)生、通過自己的能力和解決方案來滿足市場需求
3.垂直行業(yè)的專業(yè)知識是有效和高效地利用大數(shù)據(jù)的關(guān)鍵
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10