• >
  • >
  • >
  • >
  • >

实例探究.

添加案例

我们的案例数据库覆盖了全球物联网生态系统中的 22,657 家解决方案供应商。
您可以通过筛选条件进行快速浏览。

Download Excel
筛选条件
  • (6,653)
    • (2,601)
    • (2,127)
    • (945)
    • (676)
    • (312)
    • (229)
    • (194)
    • (163)
    • (141)
    • (135)
    • (114)
    • (100)
    • (53)
    • (28)
    • (2)
    • 查看全部
  • (5,642)
    • (2,469)
    • (1,692)
    • (826)
    • (497)
    • (441)
    • (353)
    • (84)
    • (1)
    • 查看全部
  • (5,571)
    • (2,178)
    • (1,766)
    • (643)
    • (425)
    • (422)
    • (416)
    • (291)
    • (225)
    • (213)
    • (213)
    • (48)
    • (8)
    • (8)
    • (7)
    • (1)
    • 查看全部
  • (5,247)
    • (2,179)
    • (1,715)
    • (1,321)
    • (250)
    • (10)
    • 查看全部
  • (2,881)
    • (1,448)
    • (574)
    • (376)
    • (210)
    • (183)
    • (174)
    • (158)
    • (154)
    • (152)
    • (80)
    • 查看全部
  • 查看全部 15 技术
  • (1,985)
  • (1,985)
  • (1,915)
  • (1,679)
  • (1,629)
  • (1,613)
  • (1,446)
  • (1,247)
  • (1,221)
  • (1,179)
  • (1,156)
  • (1,097)
  • (1,075)
  • (979)
  • (847)
  • (824)
  • (735)
  • (608)
  • (593)
  • (493)
  • (482)
  • (387)
  • (343)
  • (342)
  • (340)
  • (271)
  • (247)
  • (211)
  • (203)
  • (201)
  • (181)
  • (179)
  • (148)
  • (142)
  • (117)
  • (87)
  • (83)
  • (71)
  • (65)
  • (58)
  • (24)
  • (9)
  • 查看全部 42 行业
  • (8,728)
  • (4,742)
  • (3,618)
  • (3,233)
  • (2,947)
  • (1,692)
  • (1,498)
  • (1,332)
  • (1,315)
  • (1,032)
  • (892)
  • (362)
  • (337)
  • 查看全部 13 功能区
  • (3,304)
  • (2,787)
  • (2,603)
  • (2,006)
  • (1,630)
  • (1,625)
  • (1,561)
  • (1,369)
  • (1,043)
  • (732)
  • (725)
  • (711)
  • (690)
  • (647)
  • (601)
  • (574)
  • (521)
  • (486)
  • (472)
  • (470)
  • (434)
  • (416)
  • (410)
  • (364)
  • (356)
  • (352)
  • (340)
  • (315)
  • (305)
  • (302)
  • (271)
  • (257)
  • (252)
  • (242)
  • (237)
  • (235)
  • (229)
  • (229)
  • (222)
  • (214)
  • (188)
  • (183)
  • (176)
  • (167)
  • (147)
  • (145)
  • (143)
  • (142)
  • (142)
  • (139)
  • (137)
  • (133)
  • (130)
  • (121)
  • (120)
  • (119)
  • (119)
  • (119)
  • (115)
  • (105)
  • (99)
  • (98)
  • (96)
  • (96)
  • (91)
  • (90)
  • (86)
  • (85)
  • (84)
  • (83)
  • (81)
  • (80)
  • (69)
  • (67)
  • (65)
  • (62)
  • (62)
  • (61)
  • (58)
  • (58)
  • (55)
  • (53)
  • (53)
  • (50)
  • (49)
  • (48)
  • (44)
  • (41)
  • (40)
  • (40)
  • (38)
  • (37)
  • (33)
  • (33)
  • (31)
  • (29)
  • (29)
  • (28)
  • (27)
  • (23)
  • (22)
  • (22)
  • (19)
  • (19)
  • (18)
  • (18)
  • (17)
  • (17)
  • (17)
  • (17)
  • (15)
  • (13)
  • (12)
  • (12)
  • (12)
  • (11)
  • (11)
  • (8)
  • (6)
  • (5)
  • (4)
  • (4)
  • (3)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • 查看全部 129 用例
  • (13,581)
  • (5,296)
  • (4,272)
  • (3,520)
  • (2,856)
  • (1,288)
  • (1,239)
  • (360)
  • (10)
  • 查看全部 9 服务
  • (504)
  • (432)
  • (416)
  • (382)
  • (301)
  • (291)
  • (246)
  • (240)
  • (222)
  • (218)
  • (211)
  • (204)
  • (180)
  • (167)
  • (143)
  • (139)
  • (132)
  • (131)
  • (121)
  • (116)
  • (115)
  • (113)
  • (112)
  • (109)
  • (107)
  • (107)
  • (107)
  • (104)
  • (92)
  • (91)
  • (89)
  • (88)
  • (86)
  • (85)
  • (85)
  • (84)
  • (80)
  • (78)
  • (77)
  • (75)
  • (75)
  • (73)
  • (72)
  • (72)
  • (72)
  • (69)
  • (69)
  • (68)
  • (67)
  • (67)
  • (67)
  • (65)
  • (65)
  • (64)
  • (64)
  • (62)
  • (60)
  • (58)
  • (58)
  • (56)
  • (55)
  • (55)
  • (54)
  • (54)
  • (54)
  • (53)
  • (53)
  • (53)
  • (53)
  • (53)
  • (52)
  • (52)
  • (52)
  • (52)
  • (51)
  • (51)
  • (51)
  • (50)
  • (50)
  • (48)
  • (48)
  • (47)
  • (47)
  • (46)
  • (46)
  • (46)
  • (45)
  • (43)
  • (43)
  • (43)
  • (42)
  • (42)
  • (41)
  • (41)
  • (40)
  • (40)
  • (40)
  • (40)
  • (39)
  • (38)
  • (38)
  • (37)
  • (36)
  • (36)
  • (35)
  • (35)
  • (34)
  • (33)
  • (33)
  • (32)
  • (32)
  • (32)
  • (32)
  • (32)
  • (32)
  • (31)
  • (31)
  • (31)
  • (31)
  • (31)
  • (31)
  • (30)
  • (30)
  • (30)
  • (30)
  • (30)
  • (30)
  • (30)
  • (30)
  • (29)
  • (29)
  • (29)
  • (28)
  • (28)
  • (28)
  • (28)
  • (27)
  • (27)
  • (27)
  • (26)
  • (26)
  • (26)
  • (26)
  • (25)
  • (25)
  • (25)
  • (25)
  • (25)
  • (25)
  • (24)
  • (24)
  • (24)
  • (24)
  • (24)
  • (24)
  • (24)
  • (24)
  • (23)
  • (23)
  • (23)
  • (23)
  • (23)
  • (23)
  • (22)
  • (22)
  • (22)
  • (21)
  • (21)
  • (21)
  • (21)
  • (21)
  • (20)
  • (20)
  • (20)
  • (20)
  • (20)
  • (19)
  • (19)
  • (19)
  • (19)
  • (19)
  • (19)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (18)
  • (17)
  • (17)
  • (17)
  • (17)
  • (17)
  • (17)
  • (17)
  • (17)
  • (17)
  • (17)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (16)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (15)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (14)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (13)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (12)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (11)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (10)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (9)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (8)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (7)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (6)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (5)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (4)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (3)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (2)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • (1)
  • 查看全部 1083 供应商
Selected Filters
22,657 实例探究
排序方式:
Bridgestone Sales Thailand's Transformation with Tableau for Enhanced Data Analysis - Tableau Industrial IoT Case Study
泰国普利司通销售公司利用 Tableau 增强数据分析的转型
普利司通泰国销售公司是普利司通的当地贸易公司,其数据分析流程面临着挑战。这些团队严重依赖电子表格进行数据分析,这有其局限性。这个过程非常耗时,需要两到三个小时才能从数据中提取见解。必须整合不同来源的数据,包括普利司通的 ERP,这增加了流程的复杂性和低效率。该公司需要一种解决方案来简化这一流程,提高效率,并根据普利司通的企业理念做出明智的决策。
下载PDF
GreenFlex Leverages IoT Data for Energy Efficiency with Databricks Lakehouse Platform - Aravo Solutions Industrial IoT Case Study
GreenFlex 通过 Databricks Lakehouse 平台利用物联网数据提高能源效率
GreenFlex 是欧洲环境管理服务、能源效率和环境影响管理领域的领导者,在管理和治理其收集的大量数据方面面临着重大挑战。该公司从客户那里收集能源消耗数据,并使用机器学习来识别消耗异常并制定能源策略。然而,随着数据量呈指数级增长,GreenFlex 需要一种简化的方法来管理和治理这些数据。该公司需要轻松、安全地访问数据,以进行数据探索、商业智能和机器学习用例。此外,GreenFlex 还维护三个未连接的工作区用于开发、暂存和生产工作负载,导致处理每个工作区中的表的安全性和访问控制变得复杂。这种设计还导致了这些工作空间中数据可用性的问题。
下载PDF
Honeywell's Data Management Transformation with Delta Live Tables - Aravo Solutions Industrial IoT Case Study
霍尼韦尔利用 Delta Live Tables 实现数据管理转型
霍尼韦尔是一家全球特定行业解决方案提供商,在减少能源使用、降低成本和提高效率方面面临着越来越大的压力。他们的能源和环境解决方案部门使用物联网传感器和其他技术来帮助企业管理能源需求、减少能源消耗和碳排放、优化室内空气质量并改善居住者的福祉。这需要霍尼韦尔从全球数百万座建筑物中收集大量数据。这些建筑物配备了数千个传感器,用于监测温度、压力、湿度和空气质量等因素。除此之外,还从外部来源收集数据,例如天气和污染数据以及有关建筑物本身的信息。在高峰时段,霍尼韦尔每秒为任何建筑物采集 200 到 1,000 个事件,相当于每天数十亿个数据点。霍尼韦尔现有的数据基础设施难以满足这一需求,导致数据团队难以查询和可视化不同的数据,从而为客户提供快速、高质量的信息和分析。
下载PDF
Optimizing Customer Engagement with Databricks Lakehouse: A Case Study on Iterable - Aravo Solutions Industrial IoT Case Study
使用 Databricks Lakehouse 优化客户参与:Iterable 案例研究
Iterable 是一家帮助品牌优化和人性化营销的公司,其数据基础设施面临着挑战。该公司需要为其客户构建个性化和自动化的客户体验,这需要利用多样化、复杂的数据集并促进机器学习模型的快速原型设计。然而,他们最初使用 AWS 原生工具(包括 EMR)构建的基础设施是资源密集型的,维护成本高昂,并且产生了大量的运营开销。这使得 Iterable 难以扩展支持客户需求和快速响应市场变化所需的数据摄取水平和机器学习模型的快速原型设计。此外,该公司的人工智能解决方案必须考虑到不同的数据变量、模型的漂移、新的监管变化以及对更多隐私保护不断增长的需求。
下载PDF
Transforming Viewer Experience with IoT: A Case Study of ITV - Aravo Solutions Industrial IoT Case Study
利用物联网改变观众体验:ITV 案例研究
在过去的十年中,广播电视行业发生了重大变化,这很大程度上是由于流媒体服务的兴起。这些变化导致观众期望发生变化,人们现在希望能够随时随地在任何设备上观看各种高质量的节目。英国公共广播电视网络 ITV 面临着满足这些不断变化的期望的挑战,同时还要管理近 4000 万观众生成的大量内容数据。该公司之前依赖多个遗留数据平台,导致数据碎片化。其数据团队同样分散在营销、商业广告和产品体验领域,并拥有自己的技术堆栈。当该公司推出新的数字化战略时,很明显它需要对其平台进行现代化改造,并进行以数据为核心的大规模数字化转型。 ITV 寻求一个平台,使其能够整合其数据源并使用分析、机器学习、基于规则的算法和其他工具来了解观众的期望和行为并改善用户体验。
下载PDF
BizCover Accelerates Data Connectivity by 90% with Fivetran - Fivetran Industrial IoT Case Study
BizCover 借助 Fivetran 将数据连接速度加快 90%
BizCover 是澳大利亚最大的在线商业保险提供商,在连接不同来源的数据方面面临着重大挑战。该公司的工程师团队必须使用自己的代码构建独特的连接器,每个连接器需要 40 到 80 小时的工程时间。这种方法最初在连接和同步数据库和 Google Analytics 中的数据时起作用。然而,随着数据源数量的增加,这项任务变得不堪重负。 BizCover 需要将数据从 20 多个数据源提取到其集中式 Snowflake 数据仓库中,每个数据源都需要自己的连接器。该公司的数据工程师正在管理这个主要是手动的流程,BizCover 需要更有效地传播他们从整个核心业务的数据中获得的见解。
下载PDF
Code2College Employs IoT to Enhance Student Learning Experience - Fivetran Industrial IoT Case Study
Code2College 利用物联网增强学生的学习体验
Code2College 是一家旨在帮助少数族裔和低收入学生实现科技/STEM 职业的非营利组织,在管理和分析学生数据方面面临着挑战。该组织的数据,包括学生出勤率、成绩和教师的投入,保存在电子表格中或通过口碑收集。这种方法效率低下且耗时,特别是当需要有关学生表现的具体数据或学生群体的整体视图时。该组织使用 Salesforce 进行运营,使用 Canvas 作为学习管理工具。然而,从这些平台提取信息来回答单个问题需要一天的工作,考虑到数据团队规模较小,这是站不住脚的。该团队希望使用 Google 的 BigQuery 数据仓库工具集中数据,以简化检索并加快对学生需求的响应。然而,挑战在于如何将数据从 Salesforce 和 Canvas 等平台传输到 BigQuery。
下载PDF
Fivetran Facilitates Growth and Efficiency for Frontify's Branding Platform - Fivetran Industrial IoT Case Study
Fivetran 促进 Frontify 品牌平台的增长和效率
Frontify 是一个帮助公司发展品牌的平台,在为其数据构建单一事实来源方面面临着重大挑战。该公司需要了解人们如何与其平台互动,以优化用户体验和资源分配。然而,他们的数据分析团队规模较小,数据基础设施不稳定。他们依靠自定义 Python 脚本将数据从业务应用程序提取到 MySQL 数据库中,这通常会导致数据缓慢且不完整。他们的 BI 工具用户不友好且速度慢,导致员工不愿意使用它。数据团队承担着更新报告和仪表板的任务。为了解决这些问题并真正实现数据驱动,Frontify 需要一个可扩展且强大的数据堆栈,可供所有人访问。
下载PDF
GroupM Enhances Client Insights and Saves Time with Fivetran - Fivetran Industrial IoT Case Study
群邑利用 Fivetran 增强客户洞察力并节省时间
群邑是一家总部位于奥斯陆的全球媒体机构,在为客户收集和分析数据方面面临着挑战。该机构为 200 多家客户提供服务,并为集团内的其他机构提供共享服务,该机构正在使用 Supermetrics 将营销数据直接提取到 Google 表格中。然而,这种方法被证明效率低下且存在问题。管道偶尔会由于难以检测的问题而失败,并且电子表格存在格式问题以及手动错误。在 GroupM 的数据仓库 Google BigQuery 中准备数据进行分析是一项劳动密集型工作,而且客户要求更快地获得更多见解。一位客户拥有涵盖零售和酒店的广泛业务组合,正在寻找能够处理历史数据分析和日常报告的仪表板。群邑决心寻找更稳健的解决方案。
下载PDF
Hashtag You's Transformation into a Data-Centric Company with Fivetran - Fivetran Industrial IoT Case Study
Hashtag You 借助 Fivetran 转型为以数据为中心的公司
Hashtag You 是一家直接面向消费者的电子商务领域的品牌创建者,在利用和构建组织内的数据方面面临着重大挑战。作为一家数据驱动的公司,在营销、产品和客户分析以及运营分析中使用分析对其业务模式至关重要。最初,Hashtag You 通过 Google Sheets 和自行创建的数据管道实施了多个零碎的解决方案。然而,该公司很快意识到需要一种集中且可扩展的数据摄取方法。挑战不仅在于建立强大的数据管道,还在于快速轻松地连接新的数据源。该公司需要一个允许非数据专家建立这些联系的解决方案。此外,该公司必须管理各种平台上的广告,结合营销和网上商店数据,与其他数据管道链接,并分析活动绩效。
下载PDF
Houseware's Transformation: Building Data Apps with Powered by Fivetran - Fivetran Industrial IoT Case Study
家居用品的转型:使用 Fivetran 构建数据应用程序
Houseware 是一家员工不足 20 名的软件开发公司,在为其客户提供构建内部数据产品的平台和工具包方面面临着重大挑战。该公司的目标是超越一般分析和数据可视化工具的范围,提供 ARR、NRR、客户流失、转化率和其他 KPI 等指标。然而,他们因缺乏数据洞察力、可靠性和可用性而苦苦挣扎。他们的营销活动效率低下,无法将数据转化为客户保留优化。由于错误,对数据的信任度正在下降。用户必须学习数据分析工具和数据库方法,例如表连接,并从头开始开发自定义指标。数据仪表板和分析经常出现故障,需要很长时间才能产生结果,或者需要太多的自定义编程。糟糕的 API 和数据管道限制了开发人员为满足客户需求而构建的分析类型。这些工具产生的见解没有任何可行的建议,并且构建数据连接器需要大量的编程时间和精力。
下载PDF
Hunt, Gather Accelerates Operational Insights by 95% with Fivetran - Fivetran Industrial IoT Case Study
Hunt、Gather 借助 Fivetran 将运营洞察速度提高了 95%
Hunt, Gather 是一家总部位于奥斯汀的创意机构,其报告工具有限,阻碍了他们与客户共享深度绩效数据的能力。该机构迫切需要一种整体方法来报告其数字营销工作。他们需要一套工具来收集和分析数据,并最终生成关键见解,所有这些都在一个位置完成。开发团队此前曾自行构建过一些管道,但这些管道既耗时又昂贵。内部构建管道可能需要长达六个月的时间,而且该团队还在 ELT 平台上花费了大量资金,但事实证明这些平台效率低下。
下载PDF
Fivetran Accelerates Market Entry for ItsaCheckmate with Data-Driven Decisions - Fivetran Industrial IoT Case Study
Fivetran 通过数据驱动决策加速 ItsaCheckmate 的市场进入
全球范围内的 Covid-19 大流行迫使世界各地的餐馆迅速转向送货和外卖服务。 ItsaCheckmate 帮助这些餐厅将来自各种订购应用程序的订单直接整合到其现有的销售点 (POS) 系统中,从而无需手动将订单传输到 POS 并在多个平台上管理菜单。随着业务的蓬勃发展,ItsaCheckmate 决定需要使用数据来维持客户的优质体验,并使支持人员能够处理订单的增加。数据是可用的,但公司以任何有意义的方式组织和管理这些数据的成本过高。 ItsaCheckmate 平台与 Uber Eats、Grubhub 和 DoorDash 等在线订购应用程序以及大型连锁店或小型夫妻餐厅可能使用的所有 POS 系统进行了数十种集成。当订单无法正确处理时,ItsaCheckmate 可以实时解决每个单独的错误,但分析师需要进行彻底、快速的事后分析,以解决导致这些错误出现的根本问题。对这些孤立数据的系统分析是一个手动过程,需要分析师将订单错误列表提取到 Excel 电子表格中,这个过程可能需要一天的时间。
下载PDF
Memrise Enhances Online Learning Experience with Fivetran - Fivetran Industrial IoT Case Study
忆术家利用 Fivetran 增强在线学习体验
Memrise 是一款全球超过 5000 万人使用的语言学习应用程序,在识别客户参与度方面面临着重大挑战。尽管拥有强大的基于云的平台并致力于数据分析,但小型数据团队仍因编码、手动构建数据管道和修复损坏的 API 而不堪重负。随着客户群的增长,对更加集中的分析方法的需求变得越来越重要。该团队需要一种解决方案,让他们能够减少花在技术问题上的时间,而将更多时间花在分析数据上,以改善用户体验并推动业务增长。
下载PDF
Barracuda Networks' Use of Machine Learning on Databricks Lakehouse for Phishing Attack Prevention - Databricks Industrial IoT Case Study
Barracuda Networks:在 Databricks 上使用机器学习来防止大规模电子邮件网络钓鱼攻击
由于当今攻击者创建恶意电子邮件的复杂程度很高,因此处理网络钓鱼电子邮件非常困难。 Barracuda Networks 使用机器学习来评估和识别恶意消息并保护其客户。
下载PDF
Leveraging Data Insights for Personalized Customer Experience: A Case Study on ButcherBox - Databricks Industrial IoT Case Study
Butcherbox 如何利用 Databricks Lakehouse 平台实现业务转型
作为一家年轻的电子商务公司,ButcherBox 面临着数据孤岛以及对战略和营销决策所需的关键见解的可见性有限等挑战。他们还努力及时提供报告和准确的见解。
下载PDF
Revolutionizing Autism Diagnosis in Children through IoT and Machine Learning - Databricks Industrial IoT Case Study
彻底改变自闭症诊断:通过物联网进行早期干预
历史上,自闭症的诊断一直受到主观性和不一致、长期的临床评估、专家短缺以及基于社会经济地位、种族、性别和地理位置的诊断差异等因素的阻碍。
下载PDF
Transforming Health Insurance: Collective Health's Data Integration with Delta Live Tables and Structured Streaming - Databricks Industrial IoT Case Study
使用 Delta Live Table 和结构化流媒体简化数据集成并确保数据质量
Collective Health 以给定的节奏接收来自合作伙伴的文件,并需要在确保数据质量的同时逐步获取这些文件。
下载PDF
Gong’s Real-Time Customer Feedback Enhances Quotient’s Performance - Gong Industrial IoT Case Study
龚的实时客户反馈提高了 Quotient 的绩效
Quotient Technology 是一家领先的数字促销和媒体技术公司,在了解客户未经过滤的声音并在不断变化的市场中预测他们的需求方面面临着挑战。该公司需要一种解决方案,使他们能够更真实、更准确地了解客户的情绪,从而提供更好的结果。挑战不仅在于事后纠正路线,还在于能够从一开始就将他们的服务引向正确的方向。该公司还在寻找一种方法来提高收入战略和组织决策的可见性。
下载PDF
KAST Construction's Journey: Saving Time and Improving VDC Process with IoT - Egnyte Industrial IoT Case Study
KAST Construction 的历程:利用物联网节省时间并改进 VDC 流程
KAST Construction 是一家位于佛罗里达州的总承包商,其虚拟设计和施工 (VDC) 以及项目团队运营面临效率低下的问题。尽管将 VDC 视为通过改进协作、降低成本和增强安全性来提高项目质量的潜在工具,但该公司仍在努力解决数据管理效率低下的问题,从而阻碍了生产力。 VDC 团队几乎独立于他们支持的项目进行运作,导致与忙碌的项目经理进行大量的来回往来。如果 VDC 团队缺乏必要的信息,例如当前预算或进度表,他们就必须等待项目经理的回复,从而减慢流程并导致计划天数的损失。此外,需要 VDC 团队提供设计、进度表和预算的项目团队通常无法找到这些信息,从而导致时间和金钱的浪费。
下载PDF
Nimbus Therapeutics Leverages IoT to Automate CRO Data Ingestion and Accelerate Drug Development - Egnyte Industrial IoT Case Study
Nimbus Therapeutics 利用 IoT 自动化 CRO 数据摄取并加速药物开发
Nimbus Therapeutics 是一家生物技术公司,正在努力应对管理来自多个实验和项目的不断增加的数据量的挑战。事实证明,该公司对手动数据管理流程的依赖是不可持续的。团队必须验证数据,将其上传到公司数据库,协调不同的数据格式,并解决任何问题。这些步骤中任何一个步骤的人为错误都会威胁到数据完整性。效率低下是另一项挑战,因为每次修改文档时,团队都必须创建新文件或手动更新和重命名现有文件。缺乏可见性和问责制是一个问题,因为文件更新通知是通过电子邮件发送的,很容易在拥挤的收件箱中丢失。利益相关者分散在不同的时区,这往往会减慢进程。在数据团队开始工作之前,内容会保留数小时或数天。
下载PDF
CEWE Enhances Digital Workflows Efficiency with New DAM System - 4ALLPORTAL Industrial IoT Case Study
CEWE 通过新的 DAM 系统提高数字工作流程效率
CEWE 是欧洲最大的照片服务提供商,其数字资产的管理面临着重大挑战。在过去的 60 年里,CEWE 已发展成为欧洲照片服务市场上最大的参与者。随着 2000 年代初数码摄影的出现,公司的营销资产数字档案也随之扩大。 CEWE 在设计广告和营销活动时主要使用其档案。多年来,对媒体和图像数据库的需求稳步增长。该公司最终决定为未来引入新的数字资产管理(DAM)系统。新 DAM 系统的要求包括灵活性、工作流程映射以及自动链接源自其他文件或包含文件元素的文件的能力。
下载PDF
Efficient Worldwide Collaboration through Central Database Access: A Case Study on OMICRON - 4ALLPORTAL Industrial IoT Case Study
通过中央数据库访问实现高效的全球协作:OMICRON 案例研究
OMICRON 是一家专门开发电力创新技术的奥地利公司,在管理其数字资产方面面临着重大挑战。该公司拥有 100,000 份数字资产的庞大档案,包括图片、视频、图形、文档和音频文件。这些资产存储在文件夹结构复杂的文件服务器上,员工很难搜索和找到所需的资产。对于 50 名创意人员以及另外 100 名使用该数据库的本地和国际同事来说,该系统的效率尤其低下。数据库的配置使得搜索和查找资产变得极其困难且效率低下。此外,该系统需要投入大量精力来培训新员工。由于需要更高效的系统,营销团队开始购买数字资产管理 (DAM) 系统。
下载PDF
Acushnet's Transformation in Content Management with Acquia DAM - Acquia DAM Industrial IoT Case Study
Acushnet 通过 Acquia DAM 实现内容管理转型
Acushnet 是高尔夫行业的全球领导者,在管理和共享其品牌组合的营销内容方面面临着重大挑战。该公司是 Titleist 和 FootJoy 等受人尊敬的品牌的管理者,其团队和合作伙伴遍布各大洲。这些利益相关者严重依赖品牌和营销资产来推广和销售 Acushnet 产品。然而,如果没有一个集中位置来管理所有这些内容,资产就会分散在众多工具和设备中。这种组织的缺乏使得维持品牌一致性和有效分发营销材料变得困难。
下载PDF
Alliance Laundry Systems: Streamlining Global Content Operations with Acquia DAM - Acquia DAM Industrial IoT Case Study
Alliance Laundry Systems:利用 Acquia DAM 简化全球内容运营
Alliance Laundry Systems 是一家全球商业洗衣设备制造商和营销商,其现有的数字资产管理 (DAM) 系统面临着重大挑战。该系统缺乏支持其全球内容运营的必要功能,导致众多工作流程效率低下。此外,该平台的安全基础设施不符合通用数据保护条例(GDPR)的要求。这导致迫切需要一种新的 DAM 解决方案,该解决方案不仅可以满足他们当前的需求,而且可以随着他们的业务增长而扩展。
下载PDF
Optimizing Workflows and Enhancing Collaboration: A Case Study on Article's Implementation of Acquia DAM - Acquia DAM Industrial IoT Case Study
优化工作流程并加强协作:文章实施 Acquia DAM 的案例研究
Article 是一家电子商务家具和装饰企业,自 2011 年成立以来经历了显着增长,为超过 150 万个北美家庭和企业提供产品。随着这种增长,对内容的需求也随之增加。然而,由于缺乏适当的工具和流程,该公司在管理内容工作流程方面面临挑战。内容分散在各个系统中,因此很难找到正确的图像,通常依赖于记忆。缺乏集中式系统使他们的工作流程紧张,降低了他们的效率和生产力。
下载PDF
Leveraging IoT for Historical Asset Management: A Case Study of Beam Suntory - Acquia DAM Industrial IoT Case Study
利用物联网进行历史资产管理:宾三得利案例研究
宾三得利 (Beam Suntory) 是一家拥有 350 多年历史的公司,在管理其历史资产方面面临着重大挑战。这些资产包括 100 年前的家庭照片和马克吐温撰写的广告,是公司品牌形象不可或缺的一部分。然而,如果没有这些档案内容的集中且可搜索的存储库,就很难将这些文化文物纳入其当前的品牌叙述中以用于营销材料和活动。缺乏统一的系统来管理这些资产,对保持品牌一致性和利用其独特的历史实现市场差异化构成了重大挑战。
下载PDF
Novavax's Digital Transformation: Scaling Web Presence Globally - Acquia DAM Industrial IoT Case Study
Novavax 的数字化转型:扩大全球网络影响力
Novavax 是一家生物技术公司,面临着扩大其网络影响力以满足全球需求的挑战。在 COVID-19 大流行之前,Novavax 是一家数字足迹极小的小型生物技术公司。然而,大流行和该组织的候选疫苗将公司推向了世界舞台,因此需要强大且可扩展的数字业务。该公司需要创建一个面向未来的解决方案,随着公司的发展,该解决方案不会限制数字团队。以前的站点包含大量遗留内容,需要有效迁移以节省时间和资源。此外,Novavax 希望同时推出多个网站,包括 Novavax.com、NovavaxCovidVaccine.com、NovavaxMedInfo.com、WeDoVaccines.com 和 KnowOurVax.com。
下载PDF
Revitalizing Benenden Health's Asset Management with Asset Bank - Bright Industrial IoT Case Study
通过资产银行重振 Benenden Health 的资产管理
Benenden Health 是一家非营利性私人医疗保健提供商,投资于 Asset Bank 来管理其 11,000 项资产。然而,随着时间的推移,随着公司的扩张和团队成员的变化,该系统变得更像是一个档案而不是一个功能工具。缺乏对文件夹的定义访问导致系统混乱且混乱,导致员工求助于网络驱动器进行存储和检索。品牌团队认识到资产银行作为一种有价值的工具的潜力,如果进行急需的改革以使其更易于管理和用户友好的话。面临的挑战是确保 Benenden Health 获得 Asset Bank 的投资回报并最大限度地发挥其潜力。
下载PDF
Bakers Delight Boosts Monthly Export Goals by 30% with Brandfolder's Content Automation - Brandfolder Industrial IoT Case Study
Bakers Delight 借助 Brandfolder 的内容自动化将每月出口目标提高了 30%
Bakers Delight 是澳大利亚最成功的面包连锁店,其现有的、以印刷为导向的本地营销生产系统面临着重大挑战。现有平台很难使用,尤其是对于购物篮标签等重要的 POS 元素。无法从系统中提取数据来展示投资回报率,并且该平台不支持社交和数字等营销渠道。特许经营网络每年向公司本地营销团队索要超过 1,800 件定制范围的艺术品,从而产生大量非品牌宣传品。当地营销团队将所有时间都花在制作艺术品上,而不是与各个特许经营商一起规划和实施当地营销,以提高销售和社区联系和意识。现有系统缺乏可用数据,而且单个艺术品请求所需的快速周转使得预测工作量变得困难。
下载PDF

联系我们

欢迎与我们交流!
* Required
* Required
* Required
* Invalid email address
提交此表单,即表示您同意 Asia Growth Partners 可以与您联系并分享洞察和营销信息。
不,谢谢,我不想收到来自 Asia Growth Partners 的任何营销电子邮件。
提交

感谢您的信息!
我们会很快与你取得联系。