《大数据能为我们做什么24精编版》由会员分享，可在线阅读，更多相关《大数据能为我们做什么24精编版（24页珍藏版）》请在金锄头文库上搜索。
1、What we can do with big data,目录： 一、什么是大数据，其核心和 特点。 二、预测演变而来的功能。 三、大数据下供应链变化。 四、我们的理解客观面对 “大”“数据”。 五、结语。,大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。(在维克托迈尔-舍恩伯格及肯尼斯库克耶编写的大数据时代中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法）,大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、
2、Value（价值）。,预测,核心,一、什么是大数据，其核心和特点。,是什么,为什么,很多人主要关注大数据的复杂和海量上，考虑大数据如何去存储、调度等。其实，大数据最重要的一个纬度和特性是价值，大数据的价值在于分析，如果有几百T的数据仅仅是放在硬盘里，那这就是垃圾，没有任何价值。针对大数据需要做分析，分析才能产生价值。,关于Value（价值）,阿里巴巴从大量交易数据中更早地发现了国际金融危机的到来。在2012年美国总统选举中，微软研究院的David Rothschild就曾使用大数据模型，准确预测了美国50个州和哥伦比亚特区共计51个选区中50个地区的选举结果，准确性高于98%。之后，他又通过大
3、数据分析，对第85届届奥斯卡各奖项的归属进行了预测，除最佳导演外，其它各项奖预测全部命中。,二、预测演变而来的功能。,它不知道是哪些因素导致了机票价格的波动。机票降价是因为有很多没卖掉的座位、季节性原因，还是所谓的“周六晚上不出门”，它都不知道。这个系统只知道利用其他航班的数据来预测未来机票价格的走势。通过预测机票价格的走势以及增降幅度，Farecast票价预测工具能帮助消费者抓住最佳购买时机。,一个东西要出故障，不会是瞬间的，而是慢慢地出问题的。通过收集所有的数据，我们可以预先捕捉到事物要出故障的信号，比方说发动机的嗡嗡声、引擎过热都说明它们可能要出故障了。系统把这些异常情况与正常情况进行对
4、比，就会知道什么地方出了毛病。通过尽早地发现异常，系统可以提醒我们在故障之前更换零件或者修复问题。通过找出一个关联物并监控它，我们就能预测未来。,用来分析的数据包括好几百种生活方式的数据，比如爱好、常浏览的网站、常看的节目、收入估计等。通过利用相关关系，保险公司可以在每人身上节省125美元，然而这个纯数据分析法只需要花费5美元。,系统也设计了尽量少左转的路线，因为左转要求货车在交叉路口穿过去，所以更容易出事故。而且，货车往往需要等待一会儿才能左转，也会更耗油，因此，减少左转使得行车的安全性和效率都得到了大幅提升。,5000万条美国人最频繁检索的词条和美国疾控中心在2003年至2008年间季节性
5、流感传播时期的数据进行了比较。他们希望通过分析人们的搜索记录来判断这些人是否患上了流感。谷歌公司为了测试这些检索词条，总共处理了4.5亿个不同的数学模型。在将得出的预测与2007年、2008年美国疾控中心记录的实际流感病例进行对比后，谷歌公司发现，他们的软件发现了45条检索词条的组合，将它们用于一个特定的数学模型后，他们的预测与官方数据的相关性高达97%。而疾控中心则要在流感爆发一两周后才能判断。,个服务,Facebook跟踪用户的“状态更新”和“喜好”，以确定最佳的广告位从而赚取收入。,据说亚马逊销售额的三分之一都是来自于它的个性化推荐系统。,其他：车主识别，美国有一家叫23andMe的新公
6、司提供个人的DNA测试分析，以发现一些疾病征兆。苹果公司的史蒂夫乔布斯尝试了非常不同的方法。他得了癌症后，就有了自己全部的基因密码，数十亿的碱基对测序。这花费了他超过10万美元的成本，但这可以让医生完整地洞察他的基因密码。每当药物由于乔布斯的癌症病变而失去有效性，他们就可以根据乔布斯特定的基因信息，寻找到有效的替代药物。遗憾的是，这也没有保住乔布斯的命，但是在这一过程中获得的数据，已经延长了他的生命。使用大数据分析，每分钟可以搜集这些婴儿超过一千个数据点，麦格雷戈发现一个令人震惊的事实：每当这些早产儿出现非常稳定的标志时，他们的身体其实并不稳定，正在准备发病。有了这方面的知识，她就能在一个非常
7、早期的阶段，确定婴儿是否需要药物治疗，从而挽救更多孩子的生命。,三、大数据下供应链变化,从供应链管理的维度上，企业建立基于消费者个体信息的数据库，并在此基础上，整合供应链管理信息，开展供应链协同营销，是降低营销成本，提升竞争力的重要方向。基于互动媒体、数据库及利害关系管理的互动式整合营销传播即能满足企业的这种需求，它强调，供应链上的企业应将建立关系的对象，从顾客扩大到包含供应商、经销商、组织内部人员、投资者等多方利益相关者，同时在销售、营销、顾客服务等方面建立更深层次的合作关系。,以零售供应链为例,1、实时交付管理 跟踪交货装运货物已有所改善。大数据有助于进一步改善它，通过启用实时交付管理,分
8、析天气,交通,和卡车位置反馈来确定准确的交货时间。传感器可以用来跟踪高价物品装运。来自几个物流供应商的服务,如联邦快递SenseAware,通过提供实时信息让你在传播过程中控制你的供应链，在装运的环境条件,它的位置,它是否已被打开等等。 这个功能可以帮助零售商实现运输易腐或高价产品或需要跟踪他们的出货量等其他原因。好消息是,解决方案可以实现无需重大改变现有的供应链设置的大部分工作，重点在整合不同的数据源。,2、提高订单拣货,订单拣货是一个劳动密集型的过程。如果订单可以更快,它们可以出货更快,更好的执行订单。大型零售商使用各种自动化机制快速选择命令,但随着大数据甚至是更小的零售商也可以改善订单拣
9、货过程。 大数据解决方案允许来自不同数据源的数据如订单、产品库存、仓库布局和历史分拣时间。通过零售商根据所定义的规则一起分析以改善整体的拣货过程。这个解决方案还可以在仿真模式下帮助改进订单拣货过程。在设计仓库和商店最后过程之前，订单拣货过程可以在仿真模式下进行优化通过调整不同的参数和设置，以最小影响仓库或存储。,3、更好的供应商管理,大多数零售商在他们的供应链有多个供应商，包括船舶供应商、第三方物流供应商、运输供应商和包装供应商。大数据分析解决方案对一组关键性能指标（KPI）启用实时评估的供应商绩效管理。 这些KPI包括供应商的盈利能力、及时的服务和客户的反馈和投诉。KPI与供应商系统实时跟踪
10、通过整合。 KPI与供应商系统通过整合实时跟踪、财政投入（比如商品成本）、社交网络源相关供应商交货和产品包装，如果KPI不在定义的范围内，规则可以创建生成警报。这些实时分析解决方案确保服务质量和供应商业务的盈利能力保持在所需的水平而不需要任何额外的努力。 厂商也受益,因为他们知道究竟什么是要求他们继续保持您的业务。,4、自动化产品采购,由于产品缺货失去收入是痛苦的。大数据解决方案通过实时视图产品需求、产品销售和采购流程，帮助克服这一挑战。此外,一旦大数据解决方案部署,零售商可以停止标记某些产品的“延期交货”，因为他们总是知道确切的交货时间为他们采购，这也减少了废弃的购物车的数量。实际交货期与客
11、户通过显示一个准确航运窗口前的订单共享,从而减少查询的订单。 自动化解决方案的产品采购分析购买历史,产品交货期,和其他因素,可能会影响产品销售,如市场推广或天气变化。 在多个仓库或直接发运供应商的情况下,解决方案可以从不同的位置使用数据来确定源产品的最佳方式。,5、个性化或分段供应链,现今越来越多的顾客需要个性化的客户服务和个性化的产品。 通过大数据,零售商可以分析客户交互所在的所有渠道社会、移动和web -确定客户是如何使用所购买的产品或如何购买。 例如,零售商可以部分提供一些购物者可配置产品的供应链,在那里他们可以选择特性,如颜色或有线与无线。 一段不同的顾客可以获得产品环保,和另一段可能
12、会提供增值等功能包装。 所有这一切都可以做到实时匹配可用的产品与目标客户群体。 这将增加零售商总收入并提高盈利能力。 沃尔玛：飓风来临之前，飓风用品和蛋挞放一起。,结论 ：大数据提高供应链还有许多其他的方式 。,例如： (a)供应商管理库存,直接连接到客户的系统。 (b)实时财务分析、计划和预测,以避免不必要的意外或成本。 (c)通过与合作伙伴收入共享即时满足商品。大多数的这些改进要求必须首先是合理的，忽略了大数据炒作的投资。,四、我们的理解客观面对“大”“数据”,我们的理解：大数据和贝叶斯理论（观点将随事实的改变而改变）有相似和共同之处：事实越多，观点也就越准确。,大数据是否可以全信？,如果
13、亨利福特问大数据他的顾客想要的是什么，大数据将会回答，“一匹更快的马。”如果依靠大数据，很显然只会得到错误的结论。在大数据的世界中，包括创意、直觉、冒险精神和知识野心在内的人类特性的培养显得尤为重要，因为进步正是源自我们的独创性。 卓越的才华并不依赖于数据。史蒂夫乔布斯多年来持续不断地改善Mac笔记本，依赖的可能是行业分析，但是他发行的iPod、iPhone和iPad靠的就不是数据，而是直觉他依赖于他的第六感。当记者问及乔布斯苹果推出iPad之前做了多少市场调研时，他那个著名的回答是这样的：“没做！消费者没义务去了解自己想要什么。”,效用层叠：“效用层叠”是一连串的自持事件，它可能开始于相对将
14、要事件的媒体报道，然后引起公众恐慌和大规模群体行动。有些情况下，关于某一风险的媒体报道能抓住部分公众的注意力，这部分注意力进而会变成激愤和焦虑，而这种情感本身也是一种宣扬，会推进媒体跟进报道，继而会使人产生更大的焦虑，波及面也会更大。此时数据变得不可信。 比如：拉夫运河灾难、艾拉恐慌。 实例：在2013年4月，一家新闻机构的Twitterfeed被黑客攻击，该黑客发出了虚假的tweet，声称白宫正受到攻击。这则消息导致几家投资机构开始抛售股票，最终让这些公司遭遇巨大的财产损失。 这样的故事给我们敲响了警钟，数据，即使是大数据，并不一定是准确或者可行的。,五、结语,大数据提供的不是最终答案，只是参考答案，为我们提供暂时的帮助，以便等待更好的方法和答案出现。这也提醒我们在使用这个工具的时候，应当怀有谦恭之心，铭记人性之本。,组员：全体物流男生,物流专业男生组倾情打造,
