¿Con qué industrias están relacionadas las aplicaciones de big data?

Big data se utiliza en diversas industrias. Todos los ámbitos de la vida, incluidas las finanzas, los automóviles, la restauración, las telecomunicaciones, la energía, el entretenimiento, etc., tienen rastros integrados de big data.

1. Industria manufacturera: utilice big data industrial para mejorar el nivel de fabricación, incluido el diagnóstico y predicción de fallas del producto, análisis del flujo de procesos, mejora del proceso de producción, optimización del consumo de energía del proceso de producción, análisis y optimización de la cadena de suministro industrial. , Planificación y programación de la producción.

2. Industria financiera: los macrodatos desempeñan un papel importante en los tres principales campos de innovación financiera: el comercio de alta frecuencia, el análisis del sentimiento social y el análisis del riesgo crediticio.

3. Industria del automóvil: los coches sin conductor que utilizan big data y la tecnología de Internet de las cosas entrarán en nuestra vida diaria en un futuro próximo.

4. Industria de Internet: utilice tecnología de big data para analizar el comportamiento de los usuarios, realizar recomendaciones de productos y publicidad dirigida.

5. Industria de la restauración: utilice big data para realizar el modelo O2O de restauración y cambiar por completo el modelo de negocio de restauración tradicional.

6. Industria de las telecomunicaciones: utilice tecnología de big data para analizar las tendencias fuera de la red de los clientes, captar oportunamente las tendencias fuera de la red de los clientes e introducir medidas de retención de clientes.

7. Industria energética: con el desarrollo de las redes inteligentes, las empresas eléctricas pueden dominar cantidades masivas de información sobre el consumo de energía de los usuarios y utilizar tecnología de big data para analizar los patrones de consumo de energía de los usuarios, lo que puede mejorar el funcionamiento de la red y diseñar racionalmente. Sistema de respuesta a la demanda de energía para garantizar la seguridad del funcionamiento de la red eléctrica.

8. Industria logística: utilizar big data para optimizar las redes logísticas, mejorar la eficiencia logística y reducir los costos logísticos.

9. Gestión urbana: utilice big data para realizar transporte inteligente, monitoreo ambiental, planificación urbana y seguridad inteligente.

10. Biomedicina: Los macrodatos pueden ayudarnos a lograr predicciones epidémicas, tratamientos médicos inteligentes y gestión de la salud. También pueden ayudarnos a interpretar el ADN y comprender más misterios de la vida.

11. Campo de seguridad pública: el gobierno utiliza tecnología de big data para construir un sistema de seguridad nacional sólido, análisis y aplicación de big data en el campo de la seguridad pública, antiterrorismo, mantenimiento de la estabilidad y uso de información de análisis de diversos casos. Big Data para prevenir la delincuencia.

12. Vida personal: Los big data también se pueden aplicar a la vida personal, utilizando los "big data personales" asociados a cada persona para analizar la trayectoria del comportamiento de la vida personal y brindarles servicios más reflexivos y personalizados. .

El valor del big data va mucho más allá de eso. La penetración del big data en todos los ámbitos de la vida es un elemento central que promueve la producción social y la vida.

Información ampliada

Siete casos típicos de aplicación de big data

1. Mecanismo de fijación de precios en tiempo real de Macy. El sistema basado en SAS de la empresa ajusta los precios de hasta 73 millones de artículos en tiempo real en función de la demanda y el inventario.

2. Tipp24 AG es una plataforma de apuestas y predicción creada para la industria del juego europea. La empresa utiliza el software KXEN para analizar miles de millones de transacciones y características de los clientes, y luego utiliza modelos predictivos para realizar campañas de marketing dinámicas para usuarios específicos. Esta iniciativa redujo el tiempo de creación de modelos predictivos en un 90%. SAP está intentando adquirir KXEN.

3. Búsqueda en Walmart. El oligarca minorista diseñó su último motor de búsqueda, Polaris, para su sitio web Walmart.com, utilizando datos semánticos para análisis de texto, aprendizaje automático y minería de sinónimos. Según Walmart, el uso de tecnología de búsqueda semántica ha aumentado las tasas de finalización de compras en línea entre un 10% y un 15%. "Para Walmart, esto significa miles de millones de dólares", dijo Laney.

4. Vídeo análisis de la industria de la comida rápida. La empresa utiliza vídeo para analizar la duración de la cola de espera y luego cambia automáticamente el contenido que se muestra en el menú electrónico. Si la cola es larga, se muestran los alimentos que se pueden suministrar rápidamente; si la cola es corta, se muestran los alimentos con mayores ganancias pero con tiempos de preparación relativamente largos.

5. Reconocimiento de marca de Morton’s Steakhouse. El espectáculo social de Morton comenzó cuando un cliente tuiteó en broma desde la cadena de asadores con sede en Chicago para pedir la entrega en el aeropuerto de Newark en Nueva York, a donde llegaría después de un largo día de trabajo. Primero, al analizar los datos de Twitter, encontramos que el cliente es un visitante frecuente de nuestra tienda y un usuario frecuente de Twitter. Según los pedidos anteriores, se deduce el vuelo del cliente y se envía a un camarero vestido de esmoquin para servirle la cena.

6.

PredPol trabajó con la policía de Los Ángeles y Santa Cruz y un grupo de investigadores para predecir las probabilidades de un delito basándose en variaciones de su algoritmo de predicción sísmica y datos delictivos, con una precisión de 500 pies cuadrados. En las áreas de Los Ángeles donde se utilizó el algoritmo, la distribución de robos y delitos violentos se redujo en un 33% y un 21%.

7. Tesco PLC (Tesco) y la eficiencia operativa. La cadena de supermercados recopila datos sobre 7 millones de frigoríficos en su almacén de datos. Al analizar estos datos, se puede realizar un monitoreo más completo y reparaciones proactivas para reducir el consumo general de energía.