以内部视角来观察10个数据分析的成功案例

默克公司创建了MANTIS(制造和分析智能)系统，这是一个über数据仓库系统，包括了内存数据库和开源工具，可以处理在结构化和非结构化系统中的数据，包括文本、视频和社交媒体。重要的是，该系统能够允许非技术业务分析师在可视化的软件中轻松的查看数据。而数据科学家可以通过复杂的模拟和建模工具访问信息。MANTIS系统已经使公司整体IT分析项目总业务量的时间和成本降低了45%。有形的业务成果包括平均提前期减少了30%，平均库存持有成本减少了50%。

经验总结:D'Alessandro表示，她成功的关键是在亚太地区的一家工厂中设立了一个“标杆”分析项目，默克将在那里获得最大的回报。而在那里展示了MANTIS的成功之后，它就为其他网站树立了榜样。她还学会了如何步步为营。D 'Alessandro说，她在一个早期的实验中使用了人工智能和机器学习来分析默克制造过程的成本，但她“做得过头了”。她说:“这并不是因为缺乏赞助或缺乏远见，我们只是无法让它发挥作用。”

胡椒博士集团通过机器学习来进行语境相关性研究

多年来，胡椒博士集团(Dr. Pepper Snapple Group)的销售员工通常会拿着一个装满客户数据、销售记录和促销信息的大活页夹，然后开始着手争取沃尔玛(Wal-Mart)和塔吉特(Target)等客户。如今，销售人员都配备了ipad，它会告诉他们需要访问哪些商店，能够提供什么，以及其他的关键指标。胡椒博士集团的首席信息官Tom Farrah表示:“他们是光荣的接单员。现在，他们正在成为智能销售人员，手中掌握着帮助其实现目标的信息。”

该平台名为MyDPS，配备了机器学习和其他分析工具，当员工加载应用程序时，这些工具就可以提供推荐，并向他们提供每日的运营记分卡。算法将向员工展示他们将如何执行预期的计划，包括他们是否按计划完成计划，以及如果没有按计划完成，该如何纠正。“如果我想让一个人成功，我就必须确保他们所拥有得信息是与工作内容相关的，”Farrah说。

经验总结:为了测试MyDPS的概念证明，Farra将软件交给了一家分公司的四个人，并让业务总裁去拜访他们。他们透露，在使用了MyDPS之后，执行销售自上个月以来已经提高了50%，这一结果让总裁批准了该项目。“他看到了结果，这就是销售所需要的，这不仅仅是为了项目的商业赞助，也是为了得到预期的结果，这一点非常重要。”Farrah说。

柏克德通过卓越的大数据中心颠覆了自己

柏克德(Bechtel)公司的首席信息官Carol Zierhoffer说，与建筑相关的支出占到了GDP的13%，但在过去20年里，该行业的生产率只增长了1%。但专家表示，通过重新安排合同、提高工人技能、改善现场执行以及其他的一些调整措施，该行业可以将生产率提高50%至60%。于是，建造了胡佛水坝、英吉利海峡隧道和其他奇迹工程的柏克德尔公司，开始从埋藏在商业各个领域的数据中挖掘灵感。

Zierhoffer建立了一个卓越的大数据中心，其中有一个包含5 P数据的数据湖，并开始了概念验证。该公司使用了照片识别技术来代表客户检查和标注网站照片，以此节省了200万美元。还使用了自然语言处理(NLP)工具来解析索赔、提案请求和合同。在过去需要几天或几周的估计和计划现在只需要几个小时。柏克德还扩展了分析工作，以考察员工的留任情况，包括试图预测员工可能的离职时间。Zierhoffer说:“我们相信我们正在敲开生产力挑战的大门。”。

经验总结:数据仓库和质量是关键。虽然柏克德可以分析大量数据，但必须提高整个企业的数据质量。“我们不得不颠覆自己，了解自己是如何工作的，并将所以数据都连接起来。”

借助机器学习，RRD走向了新的业务之路

几年前，营销传播公司RRD成立了一个物流部门，向消费者和企业运送印刷材料。为了支持这项业务，RRD自己管理货物，并代表其合作伙伴运送从洗衣机到狗食的任何东西，最终发展成为了一个价值10亿美元的企业。需要面临的挑战?那就是在这个联邦快递和UPS是无可争议的王者的世界里，找到一个最优的运费。

天气、地理、司机和政治气候等变量都可能使其业务损失惨重。RRD的CIO Ken O 'Brien说，由于迫切需要对费率变量进行预测，RRD转向了机器学习和分析。它雇佣员工和大学来帮助编写算法，测试700条路线上的数千个场景，直到能够实时预测运费——甚至提前七天以99%的准确率来预测运费。 O’Brien表示:“这个项目在不到一年的时间里就收回了成本，而且我们仍然看到与货运相关的业务在持续增长。”

经验总结:新企业需要高水平的投入，尽管O 'Brien承认他的一些商业伙伴已经准备好了在不同的阶段放弃。他们不信任这项技术，因为这一过程通常是凭感觉和猜测完成的。但RRD建立了一个协作环境，在这个环境中，业务部门和IT部门能够共同努力来影响结果。“你可能会绊倒，也会有挑战，但你要有耐心，”O’Brien说。

孟山都利用机器学习来优化种植

农民们总是在苦苦思索该种哪种种子，种多少，以及在哪里和在什么时候。种子巨头孟山都(Monsanto)也是如此，它利用数据科学，通过利用数学和统计模型，绘制出最佳的时间线来种植雄性和雌性植物，以及在哪里种植，从而为种植者提供指导性的建议。孟山都全球IT分析主管Adrian Cartier表示，该公司的机器学习算法能够在几天内，而不是几周或几个月的时间，就能处理超过900亿个数据点。这能带来多少商业利益?2016年，孟山都节省了600万美元，减少了4%的供应链足迹。Cartier说:“在北美，4%的土地利用率的下降就意味着很多土地没有被使用，这将节省大量资金。”

经验总结:孟山都成功的关键是在它和供应链业务之间建立了一种“从摇篮到坟墓”的合作方式。他们具有农业和供应链角度的专业知识，而我们具有数学和统计领域的专业知识，两者结合起来，就创造了我们能够提供的价值,Cartier说他还找到了“改变领导人和支持者”在供应链中角色的方法来抵消反对者的数量，以此形成一种健康的平衡。

对于Pitt Ohio来说，预测分析带来了成功

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!