盘点2017:被大数据改变的十二个行业

来自:数据观 https://www.shujuguan.cn/?from=jianshu

当新技术变得越来越便宜、越来越易用时,各行各业必将随之发生改变。对于即将过去的2017年来说,这门对各行各业“大施魔法”的新技术,显然叫做大数据。今天,我们将盘点一下十二个重要行业如何利用数据,推动了自己的业绩与竞争力。

医疗保健

大数据正在改变我们诊断和治疗疾病的方式,比如,Nuance

 Communications(Siri的供应商)就在2017年推出了  

“龙医疗虚拟助手”,帮助医生实现临床工作流程自动化。除此之外,还有一些大数据技术被用来改善我们的生存质量,并避免一些可以预防的死亡。“疾在腠里,汤熨可及;疾在骨髓,无奈何也。”如今大数据的使命正是要尽可能更早、更多地了解病患,通过识别严重疾病的早期信号,来降低治疗难度与就医成本。比如,某个早产儿及生病婴儿就诊的科室,就利用大数据技术来监控婴儿的心跳与呼吸模式。使用这些数据,该科室便可以开发算法,在身体症状发生24小时之前就预测出感染。

零售

从以物易物、货币交易再到移动支付,人们购买与销售的方式一直在改变,并且越来越快。一个新现象——无论是在线还是离线,那些采用数据优先策略来理解用户、并且为客户精准匹配产品的零售商门正在获得丰厚的回报。这意味着数据分析已经应用到零售流程的每一个阶段了——通过趋势预测,找到对产品需求最大的市场;通过优化定价,获得竞争优势;通过客户画像,找到打动客户的最优方法,然后,赚走他们的钱,并计划出下一步要卖给他们的商品。

制造业

数据在现代制造工艺中扮演着非常重要的角色。机器人技术的进步和自动化水平的提高正在显著改变制造业的面貌。比如,阿迪达斯就投入巨资,在德国总部园区建造了自动化的“速度工厂”。该工厂启用了一系列的新技术,例如3D打印、机械臂和计算机编织等,去武装小型工人团队,来生产球鞋。以往,这些产品通常由人工进行大规模生产。即使在更传统的制造环境中,数据仍然在发挥作用。通过将传感器嵌入其设备,制造商得以捕获有价值的数据,帮助他们监控机器的健康与效率。传感器也被安装到各种产品当中。现在,从喷气发动机到瑜伽垫,都能找到它们的身影。这让制造商能够收集到产品的表现情况,以及被使用的真实状况。

金融服务,银行和保险

在金融业,数据的应用非常广泛,绝不仅限于高科技、大资金的交易范围。比如,大数据正在帮助像美国运通这样的信用卡公司检测欺诈性交易,并为企业提供趋势分析服务。保险方面,大数据技术已被用于帮助保险公司设定更公平、精确的保单保费,识别欺诈性索赔并改善其营销工作等方面了。像Progressive和Aviva这样的公司,还通过向驾驶者提供折扣,以获得通过手机app或车载设备监控他们驾驶行为的许可。这样,保险公司就能够观察到司机驾驶的真实情形了。

教育

我们的学习过程目前正在制造海量的数据。而教育机构则开始将这些数据转化为洞察,比如,用来识别更好的教学策略、突出显示学生可能没有有效学习的领域,以及改变教育的传递方式。当然,知识付费的年代,并非所有教育都是在教室中进行的。在线课程的蓬勃发展还为人们带来了个性化学习、自适应学习的巨大进步。

运输,供应链管理和物流

在仓库中,数码摄像头用于检测库存水平,并在需要补货时预进行警。预测则更进一步——同样的数码摄像头数据,加上一些机器学习的算法,可以教会智能库存管理系统预测出补货的时间。在不远的将来,仓库与配送中心将脱离频繁的人机互动,有效地自动运行。在交通领域,公司正在收集和分析车辆的远程信息数据,并利用这些数据改善驾驶行为,优化交通路线,改善车辆维护。

农业

即使是非常传统的行业,如今也在拥抱数据的力量。美国农业生产商约翰·迪尔(John Deere)打造出了精准农业系统,让农场主、操作者与相应的农业专家可以针对开放的数据信息,实现对农业耕种过程中的分析、讨论及决策。

能源

石油和天然气开采成本不断上升,能源行业正在从数据中寻找解决方案。例如,荷兰皇家壳牌(Royal

 Dutch  

Shell)一直在开发“数据驱动的油田”,以降低石油钻探的成本。在更小、但同样重要的领域,大数据与物联网正在改变家庭使用能源的方式。智能家居已然崛起,仅仅是Google的Nest智能恒温器,已经可以帮助家庭在生活得更加舒适的同时,减少能源浪费。

政府和公共部门的服务

目前许多城市都在向“智慧城市”转型,这就需要将数据分析、数据收集、物联网等技术相结合,打造相应的公共服务与设施。通过使用智能、互联、数据驱动的技术,可以改善城市的公共服务。比如,在回收中心安装传感器网络,可以帮助简化垃圾的收集服务。货车可以优先处理垃圾最饱和的回收中心,并跳过那些几乎没有任何垃圾的回收中心。

酒店

传统的酒店和休闲运营商正在转向高级分析,以寻求让客户满意的线索。最常见的分析方法主要围绕收益管理。目的是确保每个房间都以最佳价格卖出。这就需要考虑全年的需求低谷与高峰,还有影响客人数量与类型的其他因素,例如天气以及当地事件等。

专业服务

当我们谈论机器人与算法即将替代人工时,我们首先想到的都是类似于工厂工人、出租车司机等蓝领工作。但是,即使是高技能的专业服务,比如会计、法律与建筑业,也因为数据、分析、机器学习、机器人以及AI的发展而经历着巨大的变化。比如在会计方面,软件已经可以自动导入交易信息、跟踪数字收据、自动处理工资并追踪税收了。不过,即使是更复杂的任务,比如审计、法规遵从和趋势分析等,现在也已经可以由计算机来执行了。

体育

大多数精英运动现在都采用数据分析。比如英超球赛就在现场安装了一套摄像头,使用模式识别技术来跟踪每个球员,而平均每个球员每秒钟都会产生超过25个数据点。

 NFL(美国职业橄榄球大联盟)球员已经在肩垫上安装了传感器,以收集比赛中的表现。数据分析还帮助英国的赛艇运动员们拿到了奥运金牌。

建立在数据上的企业

如今,数据已成为企业越来越重要的资产,被数据驱动的平台业务是世界上最成功的企业之一。例如,苹果就是在整个业务中使用数据来推动成功。而Google,据说可以比我们的爱人更了解我们。数据也是共享经济的核心,比如Uber。这些公司创新式地通过高效利用数据,随时随地为人们提供所需要的服务。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,029评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,238评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,576评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,214评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,324评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,392评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,416评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,196评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,631评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,919评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,090评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,767评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,410评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,090评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,328评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,952评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,979评论 2 351

推荐阅读更多精彩内容