预约成功
1、成功的数据分析行业案例——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，这一点很重要。”Farrah说。
2、成功的数据分析行业案例——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%。但老师表示，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。”
3、成功的数据分析行业案例——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，找到一个更优的运费。
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。
4、成功的数据分析行业案例——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。
5、成功的数据分析行业案例——对于Pitt Ohio来说，预测分析带来了成功
Pitt Ohio的信息官Scott Sullivan表示，货运行业正受到“亚马逊效应”的猛烈冲击。价值7亿美元的货运公司Pitt Ohio已经习惯了在第二天提货并将货物交付给客户。但是多亏了亚马逊，顾客越来越期待能够当天交货。他们期待着更多关于他们包裹的信息。
Sullivan说:“客户现在不仅想知道什么时候可以拿到，还想知道将如何拿到，这样他们就可以规划自己的工作。”。通过使用历史数据、预测分析和算法实时计算各种货物的重量、行驶距离和其他因素，Pitt Ohio可以以99%的准确率估算出司机到达目的地的时间。该公司估计，他们由此可以通过老客户的订单增加收入(估计每年5万美元)，并减少客户流失的风险(估计每年6万美元)。
经验总结:Sullivan说，这是一个涉及市场研究、销售运营和IT的跨部门事务，所有人都必须反复检查结果，以确保自己实现了目标。Sullivan说:“在你的企业内部中其实有很多的数据——你需要创新，并寻找具有挑战性的方法来使用它们。”
以上就是有关于成功的数据分析行业案例的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。
