• >
  • >
  • >
  • >
  • >

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:
IoT Case Study: Leveraging Audience Opportunities for Enhanced eCommerce Performance - Inflow Industrial IoT Case Study
物联网案例研究:利用受众机会提高电子商务绩效
Bandages Plus 是一家销售压力治疗用品、绷带、胶带和现成套件的电子商务网站,在识别和接触在线目标受众方面面临着挑战。该公司正在努力吸引潜在客户,同时又不将资源浪费在对其产品不感兴趣的受众身上。我们面临的挑战是为客户找到最佳的受众机会,这需要了解谁已经在寻找 Bandages Plus 以及原因。该公司需要将产品细分为畅销商品、高利润商品等类别,并在购物广告组细分中反映这些类别。这将使他们能够根据盈利目标设定出价。
下载PDF
Transforming Gaia's Content Strategy: From Self-Promotion to Audience Connection - Inflow Industrial IoT Case Study
转变盖亚的内容策略:从自我推销到受众联系
生活方式媒体中心盖亚 (Gaia) 的内容策略面临着重大挑战。该公司的博客主要充斥着自我推销的帖子,这些帖子没有引起潜在客户的共鸣,也没有有效地吸引目标社区。这种缺乏参与并没有生成返回盖亚网站的自然链接,而这对于提高该网站的域权限 (DA) 至关重要。低 DA 阻碍了该网站的自然流量,这对 Gaia 的知名度和增长潜力产生了负面影响。该公司需要一种解决方案,不仅可以增加其 DA,还可以与受众建立更深入的联系并促进有机增长。
下载PDF
Revamping SEO Strategy: Houseplans.net's Journey to a 77% Revenue Increase - Inflow Industrial IoT Case Study
改进 SEO 策略:Houseplans.net 收入增长 77% 的历程
Houseplans.net 是一个向消费者销售现成的房屋规划的电子商务网站,其收入大幅下降。这一下降被怀疑与谷歌的熊猫和企鹅算法更新有关,该算法曾导致在线零售商的收入下降。面临的挑战是找出问题的根本原因并实施必要的改变以扭转收入下降的趋势。最初的 SEO 审核发现了可以通过彻底的链接审核和清理来解决的问题。然而,挑战不仅在于删除有害链接,还在于战略性地建立新的优质链接。此外,该网站的很大一部分内容表现不佳,这需要进行全面的内容审核和清理。
下载PDF
Reviving eCommerce Site Performance through Technical SEO: A Case Study on TotalHomeSupply.com - Inflow Industrial IoT Case Study
通过技术 SEO 恢复电子商务网站性能:TotalHomeSupply.com 案例研究
TotalHomeSupply.com (THS) 是一家为家庭和企业销售产品的电子商务网站,其电子商务平台 Volusion 面临着重大挑战。随着库存的增长和站点定制需求的增加,他们需要更强大的企业解决方案。他们决定迁移到 Mozu,这是 Volusion 的更高级版本。然而,迁移后,THS 的自然流量和交易量大幅下降。有机流量历来占访问量的 65% 以上和所有转化的 40% 以上,但现在下降了近 35%。交易量下降了 21%。尽管转化率提高了 24%,但总体收入却下降了 7%。进一步分析显示,类别页面的流量下降了 25%,产品页面的流量下降了 50% 以上。此次迁移恰逢 Google 推出 Panda 4.2,这使情况进一步复杂化。
下载PDF
Huge Revenue Increase After Data-Oriented Campaign Changes: A Case Study on TotalHomeSupply.com - Inflow Industrial IoT Case Study
面向数据的营销活动发生变化后收入大幅增长:TotalHomeSupply.com 案例研究
TotalHomeSupply.com (THS) 是一家专门为私人家庭和企业销售产品的电子商务网站,在跟踪转化和确定其营销活动的全部价值方面面临着挑战。由于缺乏来电跟踪,因此很难确定某些转化来自何处。此外,客户对其畅销产品有先入为主的想法,这些想法与 Google Analytics 中提供的数据不一致。面临的挑战是彻底改革购物策略,专注于高利润、最畅销的产品,并实施以数据为导向的方法来提高活动效果。
下载PDF
Armedia Enhances Case Management Efficiency with Data-Driven Insight - Hitachi Vantara Industrial IoT Case Study
Armedia 通过数据驱动的洞察力提高案例管理效率
Armedia 是一家资深的系统集成商,专门从事数字化转型、IT 现代化和企业内容管理 (ECM) 解决方案,正在寻求优化客户复杂的数字化转型计划和案例管理工作流程。该公司为公共和私营部门组织提供服务,包括美国政府机构、教育、运输和物流、制造、零售、金融、医疗保健和技术部门,需要根据需求提供实时、可操作的见解。 Armedia 经常推荐自己的案例管理解决方案 ArkCase,它将 ECM、业务流程管理 (BPM) 和客户关系管理 (CRM) 功能集成到单一平台中。然而,为了将其解决方案提升到一个新的水平,Armedia 希望将报告和分析功能嵌入到 ArkCase 平台中。
下载PDF
Faster Insights Drive Better Business Outcomes: A Case Study on Fannie Mae - Hitachi Vantara Industrial IoT Case Study
更快的洞察力推动更好的业务成果:房利美案例研究
房利美 (Fannie Mae) 是一家领先的金融服务公司,在管理大量业务数据方面面临着挑战。该公司在 2022 年实现了超过 200 万套房屋的购买和再融资,并为全美约 598,000 个租赁单位提供了融资,并且正变得越来越数字化和以数据为中心。为了利用新旧应用程序中的所有业务数据,并打破现有的数据孤岛,该公司希望创建一个敏捷且动态的企业数据湖。然而,管理这个数据湖的过程既复杂又耗时。其 15,000 个数据集中的每一个数据集都经过初始注册过程来分配唯一标识符,并且每个字段都必须手动记录。这种方法提高了合规性和透明度,但由于需要向每个数据集添加一组精心设计的元数据,导致流程变慢。
下载PDF
MarketAxess Enhances Data-Driven Decision-Making with Lumada Data Integration - Hitachi Vantara Industrial IoT Case Study
MarketAxess 通过 Lumada 数据集成增强数据驱动决策
MarketAxess 是一家金融科技公司,拥有超过 1,800 家金融机构使用的数字交易平台,需要增强其做出数据驱动决策的能力。该公司的信用和市场风险团队负责提供准确、快速的报告,以支持整个业务的优化决策。然而,他们现有的 ETL(提取、转换、加载)解决方案面临着挑战,这些解决方案不足以快速、轻松地整合来自大量不同来源的数据进行分析。该团队需要一种能够简化数据整合和分析的解决方案,从而降低业务风险并提高关键业务报告的效率和质量。
下载PDF
Multinational Telecom Company Enhances Customer Experience with Alexa - Hitachi Vantara Industrial IoT Case Study
跨国电信公司利用 Alexa 增强客户体验
一家跨国电信公司在主要位于欧洲、非洲和亚太地区的 26 个国家/地区开展业务,该公司正在寻求提高其客户服务交互的速度和质量。该公司为全球企业客户提供 IT 和其他解决方案,并希望加强与其庞大用户群的互动。传统上,客户支持是一项劳动力和成本密集型服务,采用非人性化、机械化的交互式语音应答 (IVR)。该公司认识到,更高效、更个性化的客户服务方法将为其带来竞争优势。
下载PDF
Nexway Enhances Sales Performance Insight with Pentaho Platform - Hitachi Vantara Industrial IoT Case Study
Nexway 通过 Pentaho 平台增强销售绩效洞察力
Nexway 是全球领先的电子商务解决方案供应商,面临着快速获取销售业绩和支付成本情报的挑战。 Nexway 在 140 多个国家/地区拥有 700 多个客户和活动,专门帮助软件发行商和软件即服务 (SaaS) 提供商建立和管理在线商店。随着该公司从以欧洲为中心的企业发展成为全球性企业,其支持的支付方式和提供商的种类也显着增加。这种增长凸显了分析支付途径和成本的重要性。向客户报告销售业绩是 Nexway 服务的重要组成部分,要求该公司整合和分析来自多个底层系统的数据。随着 Nexway 对分析的需求不断增长,它继续依靠数据集成和分析为其组织和客户内的决策者提供快速洞察。
下载PDF
Portfolio+ Accelerates Open Banking Services with Cloud Migration - Hitachi Vantara Industrial IoT Case Study
Portfolio+ 通过云迁移加速开放银行服务
Portfolio+ 是加拿大开放银行运动的领先者,提供先进的技术、安全的 API 和经过验证的核心银行平台。随着公司不断与加拿大最大的金融机构一起发展,它必须不断创新以保持领先于客户的期望。随着开放式银行业务迅速普及,Portfolio+ 需要提供可扩展、完全托管的云服务来满足客户需求。最初,Portfolio+ 计划在三到五年内迁移到云端,逐步提高团队技能并进行试验。然而,在 2019 年,它认识到需要加快其计划以保持竞争力。
下载PDF
PÖTTINGER Landtechnik Enhances Precision Farming Sales with Efficient Data Platform - Hitachi Vantara Industrial IoT Case Study
PÖTTINGER Landtechnik 通过高效的数据平台提高精准农业销售
PÖTTINGER Landtechnik GmbH 是一家总部位于奥地利的草地和耕作机械以及数字农业技术的国际领先制造商,面临着挑战。该公司年收入约为 4 亿欧元,在全球拥有近 2,000 名员工,该公司正在寻求加强其数据安全性和弹性,以支持其智能农业解决方案销量的增长。随着全球人口不断增长,农业部门的可持续性和效率变得越来越重要。 PÖTTINGER 一直专注于数字化并通过智能工具提供智能精准农业,使农民能够监控他们的田地并根据个别土壤条件调整他们的活动。然而,随着食品价格的上涨和对当地农产品的需求的增加,PÖTTINGER 在世界各地的许多市场中不断发展,需要通过工业物联网 (IIoT) 解决方案和数据驱动的自动化来简化其制造流程。这需要额外的数据存储资源。
下载PDF
Revolutionizing Cellar Management with IoT: A Case Study on CellarEye, Inc. - Scale AI Industrial IoT Case Study
利用物联网彻底改变酒窖管理:CellarEye, Inc. 案例研究
CellarEye, Inc. 是一家致力于利用最先进的计算机视觉 (CV) 和人工智能 (AI) 技术彻底改变私人和专业葡萄酒收藏管理的公司。他们的目标是提供一个无缝管理系统,自动跟踪酒窖中的每个酒瓶,将品牌和位置存储到库存工具中,无需手动输入。然而,CellarEye 团队在实现其愿景方面面临着重大挑战。他们需要开发一个可靠的对象检测模型,以识别和跟踪酒瓶在库存中的登记和移除情况。拥有数千瓶酒的酒窖环境呈现出一个复杂的场景,有许多边缘情况。该公司最初因注释错误或不一致而苦苦挣扎,这使得实现超过 80% 的准确率成为一项挑战。他们需要一种更好的方法来检测数据问题,了解模型故障,并使机器学习 (ML) 团队能够与注释团队协作,更快地发现标签错误。
下载PDF
Goodcall Enhances Chatbot Performance with Scale Rapid's Text Annotation - Scale AI Industrial IoT Case Study
Goodcall 通过 Scale Rapid 的文本注释增强聊天机器人性能
Goodcall 是一家为企业提供智能电话代理的公司,在管理和注释聊天机器人生成的大量数据方面面临着重大挑战。聊天机器人使用自动语音识别 (ASR) 将语音转换为文本,并使用人工智能分析来解释客户请求,需要根据实际生产数据进行定期微调。然而,用高质量注释来标记如此大量的数据的过程非常耗时且占用资源。此外,由于其内部数据注释流程,Goodcall 无法匹配可用数据的规模。这意味着每一条未标记的数据都错失了改进模型的机会。为了增强模型性能和客户体验,Goodcall 需要一种可扩展、可持续的方法来标记大量数据。
下载PDF
Scale’s Synthetic Data Enhances Kaleido AI's Visual AI Capabilities - Scale AI Industrial IoT Case Study
Scale 的综合数据增强了 Kaleido AI 的视觉 AI 能力
Kaleido AI 是一家总部位于维也纳的公司,致力于通过创建加速工作流程和培养创造力的工具来简化复杂的技术。该公司推出了自动图像背景去除器remove.bg和视频背景去除器Unscreen,大受欢迎并导致其于2021年被Canva收购。然而,Kaleido AI在改进其机器学习模型方面面临着重大挑战。该公司的模型需要大量高质量数据,但他们在特定的分割任务中遇到了几种边缘情况,导致模型表现不佳。收集和标记数以万计的具有多种图案、图像、背景和纹理的现实世界图像非常困难。开放数据集没有足够的此类特定类别的高质量图像。 Kaleido AI 最初依靠现实世界的数据来训练其分割模型,但这种方法非常复杂、资源密集且成本高昂。
下载PDF
Enhancing Accounts Payable Training Data with Scale Document AI: A Case Study on SAP - Scale AI Industrial IoT Case Study
利用规模文档 AI 增强应付账款培训数据:SAP 案例研究
SAP 是一家领先的软件公司,在改进其文档处理产品方面面临着挑战,特别是那些处理发票、采购订单和付款建议的产品。该团队拥有大量客户文档,但需要合作伙伴创建一个全面的数据集,以增强其应付账款产品,同时尊重数据所有权、隐私和敏感性。对于高性能模型来说,对高质量数据的需求至关重要。 SAP 需要优质的培训数据来训练模型,以处理和提取英语、德语和西班牙语采购订单和发票中的关键信息。客户数据的可变性(有些客户每周提供数千份文档,而另一些则需要数月时间才能提供相同数量的一小部分),这增加了挑战的复杂性。
下载PDF
Velodyne's Use of Scale Nucleus for Efficient Data Annotation in 3D Lidar Technology - Scale AI Industrial IoT Case Study
Velodyne 使用 Scale Nucleus 在 3D 激光雷达技术中进行高效数据注释
Velodyne Lidar 是一家为各行业的安全导航和自主制造激光雷达传感器的公司,在管理和从收集的大量传感器数据中选择相关训练数据方面面临着挑战。数据团队发现对常见的室内机器人场景进行分类相对容易,因为这些场景构成了测试机器人捕获的数据集的很大一部分。然而,发现更罕见的场景,例如仓库员工在剪叉式升降机顶部堆放箱子,被证明是一项艰巨的任务。该团队需要一个开箱即用的解决方案,为高效的数据选择和管理提供必要的工具。
下载PDF
Voxel's Transformation: Enhancing In-house Labeling Operations for High-Quality Training Data - Scale AI Industrial IoT Case Study
Voxel 的转型:增强内部标记操作以获得高质量的训练数据
Voxel 是一家利用人工智能和计算机视觉来管理风险和运营的公司,面临着两个重大挑战。首先,他们需要为其计算机视觉系统维护高质量的训练数据。其次,他们寻求自动化标签流程以提高吞吐量,同时保留内部注释团队。 Voxel 已经投资了一个由主题专家组成的内部注释团队,但他们在标签操作的效率方面遇到了困难。他们一直在使用开源解决方案计算机视觉注释工具(CVAT),当他们增加模型训练所需的注释量时,该解决方案造成了瓶颈。从操作角度来看,Voxel 发现很难有效地收集数据和有关数据标记过程的见解,从而导致大量的手动工作。该工具无法有效地将数据质量与各个注释器联系起来,因此很难确定低质量标签的原因。在工程方面,Voxel 必须为新客户项目定制数据管道,这个过程需要多名工程师为每个项目花费四个星期的时间。
下载PDF
Big Four Consulting Firm Leverages NLP for Efficient Auditing with Snorkel Flow - Snorkel AI Industrial IoT Case Study
四大咨询公司利用 NLP 通过 Snorkel Flow 进行高效审计
一家拥有百年历史的全球知名咨询公司正在寻求利用人工智能来增强其审计能力。该公司的声誉取决于其进行彻底审计的能力,无论审计规模、复杂程度或地点如何。该公司的专家花费大量时间手动审查各种会计、审计和行业信息,这一过程既耗时又昂贵。该公司估计每次审计员搜寻持续 10 分钟,平均花费 50-60 美元。该公司数据科学团队的任务是简化新闻监控,以预测资本市场、监管趋势或技术创新的变化。他们的目标是使用自定义 NLP 模型自动分析、分类和从各种来源提取关键客户信息。然而,他们在标记机器学习算法的训练数据方面面临挑战。三位专家每周需要标记 500 个训练数据点,他们发现几乎不可能动态适应数据或业务目标的变化。
下载PDF
Georgetown University’s CSET Leverages Snorkel Flow for NLP Applications in Policy Research - Snorkel AI Industrial IoT Case Study
乔治城大学的 CSET 利用 Snorkel Flow 进行 NLP 在政策研究中的应用
乔治城大学安全与新兴技术中心 (CSET) 面临着构建 NLP 应用程序来对复杂研究文档进行分类的挑战。目标是展示具有分析兴趣的科学文章,为数据驱动的政策建议提供信息。然而,该团队发现大规模的手动标记工作是不切实际的。他们最初尝试了 Snorkel 研究项目,该项目使他们能够在几周内以编程方式标记 90K 数据点,达到 77% 的精度。然而,数据科学家和主题专家之间的协作既耗时又低效,涉及电子表格、Slack 通道和 Python 脚本。此工作流程使得提高数据和模型质量成为一个缓慢的过程。该团队受到自动标记、获取数据可见性以及提高训练数据和模型质量的低效工具的限制。缺乏从模型训练和分析到标记的集成反馈循环也意味着数据科学家和主题专家必须花费很长的周期来重新标记数据以匹配不断变化的业务标准。这些挑战限制了团队交付生产级模型、缩短项目时间和承担更多项目的能力。
下载PDF
Scaling Clinical Trial Screening at MSKCC with Snorkel Flow - Snorkel AI Industrial IoT Case Study
利用 Snorkel Flow 扩大 MSKCC 的临床试验筛选规模
纪念斯隆凯特琳癌症中心 (MSKCC) 是世界上历史最悠久、规模最大的癌症中心,它面临着通过对相关蛋白质 HER-2 的存在进行分类来确定患者作为临床试验研究候选者的挑战。审查 HER-2 患者记录的过程既费力又耗时,因为它需要临床医生和研究人员筛选复杂、多变的患者数据。 MSKCC 的数据科学团队希望使用 AI/ML 根据 HER-2 的存在对患者记录进行分类,但缺乏标记的训练数据是一个重大瓶颈。标记数据,尤其是复杂的患者记录,需要临床医生和研究人员的专业知识,而且速度缓慢且昂贵。即使专家能够手动注释训练数据,他们的标签有时也会不一致,从而限制了模型的性能潜力。
下载PDF
Enhancing Proactive Well Management: Schlumberger's Use of Snorkel Flow - Snorkel AI Industrial IoT Case Study
加强主动油井管理:斯伦贝谢使用通气管流量
斯伦贝谢是能源行业领先的技术和服务提供商,在从大量每日报告中提取关键信息方面面临着重大挑战。这些报告,从日常钻井报告到油井维护日志,都有其独特的结构和格式,使得斯伦贝谢团队很难快速提取必要的信息。该团队尝试使用命名实体识别 (NER) 自动提取信息,但现成的 ML 模型无法识别与勘探和生产 (E&P) 行业相关的科学术语。创建特定领域的训练数据集非常耗时且不可扩展,每个文档需要 1-3 个小时。该团队需要识别 18 个不同的行业特定实体,并自动将数据与这些实体关联起来。然而,丰富的信息隐藏在 PDF 中的表格和原始文本中,不同公司的报告格式各异。领域专家和数据科学家之间的合作也很差,文件共享和临时会议很繁琐。
下载PDF
AnyFlexo: Pioneering eCommerce in the Traditional Flexo Printing Industry - Yo!Kart Industrial IoT Case Study
AnyFlexo:传统柔印行业电子商务的先驱
AnyFlexo 是一家位于爱沙尼亚的 B2B 电子市场,旨在解决传统柔印行业面临的挑战。入行数十年的创始人认识到该行业过度依赖线下渠道,数字化进程缓慢。数字化的缺乏阻碍了透明度、信息交换和增长,特别是对于中小型企业而言。创始人还面临着“先有鸡还是先有蛋”的困境,这是市场行业的常见挑战。这种困境指的是平衡卖家与客户的比例以及决定先接触谁的困难。创始人需要说服卖家加入该平台,同时吸引买家以确保平台的成功。
下载PDF
Wekasuwa: Transforming eCommerce for Small and Medium Businesses in Nigeria - Yo!Kart Industrial IoT Case Study
Wekasuwa:尼日利亚中小企业电子商务转型
Wekasuwa 是一个多供应商电子商务市场,其成立的目的是缩小尼日利亚小企业和买家之间的差距。创始人的愿景是通过电子商务平台最大限度地提高该国的数字化并刺激经济增长。面临的挑战是提供增值服务并使企业能够轻松地在线展示其商品。他们需要一个提供灵活支付方式、多种交付方式和独立供应商仪表板的平台,以确保无障碍的在线展示。然而,他们的预算很紧张,需要找到一个价格实惠的多供应商市场软件来满足他们的需求。
下载PDF
ClassPass: Redefining Localization and Expanding User Research through Automation - Smartling Industrial IoT Case Study
ClassPass:重新定义本地化并通过自动化扩大用户研究
ClassPass 是一款会员制健身和健康应用程序,在本地化营销、法律、产品开发和客户体验内容方面面临着重大挑战。该公司在 30 个国家/地区开展业务,以 10 种语言提供服务,该公司一直在耗时的翻译和本地化过程中苦苦挣扎。国际本地化运营经理 Margarida Soares 领导着一支精益团队,正在寻找减少执行时间并增加本地化策略时间的方法。面临的挑战是简化流程、减少手动任务并提高翻译质量。
下载PDF
Lionbridge's Gengo Solution: Enabling Global Communication for a Tech Giant - Lionbridge Industrial IoT Case Study
Lionbridge 的 Gengo 解决方案:为科技巨头实现全球通信
该客户是一家全球科技巨头,在与全球用户沟通方面面临着重大挑战。该公司为全球数百万人提供支持,对于他们来说,能够随时以任何语言应对每一项挑战至关重要。用户需要个性化的体验,而语言是这种个性化的一个关键方面。用户在不同时区用各种语言撰写电子邮件,请求客户支持的产品的支持、答案和建议。最初,客户使用机器翻译 (MT) 解决方案将内容翻译成英语。然后,代理会用英语编写回复,并使用 MT 将消息发送回用户。然而,由于客户服务的复杂性,机器翻译解决方案无法产生高质量的响应。
下载PDF
VanEck's Global Expansion: Leveraging Translation for Financial Opportunities - Lionbridge Industrial IoT Case Study
VanEck 的全球扩张:利用翻译获取金融机会
VanEck 是一家以其创新金融解决方案而闻名的资产管理公司,正在寻求将其业务扩展到国际市场。该公司的理念是为投资者提供增强其投资组合的机会,这使他们成为首批为客户提供进入国际市场的资产管理公司之一。然而,挑战在于与当地投资者就全球增长机会进行有效沟通。该公司需要将其网站内容、监管文件和营销材料翻译成多种语言,以满足不同地区的需求。此外,快速增长的交易所交易基金 (ETF) 和交易所交易票据 (ETN) 市场给向广大受众营销这些产品带来了挑战。该公司还面临着保持平衡沟通的挑战,强调其产品的优势和风险。
下载PDF
GE Digital's Solution to the Stateful/Stateless Problem for Industrial IoT - Portworx Industrial IoT Case Study
GE Digital 针对工业物联网有状态/无状态问题的解决方案
GE Digital 面临着在快速发展的容器技术生态系统中管理存储的挑战。该公司使用的是 Cloud Foundry,它对于无状态应用程序非常有效,但他们需要一个能够同时处理无状态和有状态应用程序的解决方案。他们正在寻找一种可以提供单一基础设施的解决方案,使他们能够运行无状态和有状态应用程序。他们还需要一种支持开箱即用的加密和快照的解决方案,这对于工业公司至关重要。我们面临的挑战是找到一种解决方案,该解决方案不仅能够满足这些要求,而且与云无关,并为 DevOps 团队提供统一的体验。
下载PDF
Revolutionizing Energy Efficiency with IoT: A Case Study on Software Motor Company - Portworx Industrial IoT Case Study
通过物联网彻底改变能源效率:Software Motor 公司案例研究
Software Motor Company (SMC) 成立于 2013 年,其使命是将物联网 (IoT) 的优势带给电动机。该公司开发了一种效率更高的电动机,可以在全球范围内节省大量能源。然而,该公司面临着一些挑战。过去 40 年来,电动机行业几乎没有什么创新,感应电动机已成为标准。这些电机在能源消耗方面效率低下,通常以固定速度运行,消耗 100% 的电力,即使它们只需要 20% 的电力即可产生适量的扭矩。变频驱动 (VFD) 电机能够更智能地消耗电力,但 VFD 所涉及的组件价格昂贵、效率低下,而且经常损坏。这迫使买家在能源效率、前期成本、可靠性和持续维护成本之间做出选择。 SMC 需要一种解决方案来解决这些问题并提供多种相关优势。
下载PDF
Transforming Defense Contractor WCG Solutions with Rancher and Containers - Portworx Industrial IoT Case Study
使用 Rancher 和容器改造国防承包商 WCG 解决方案
WCG Solutions 是一家位于圣地亚哥的国防承包商,其基础设施面临着重大挑战。该公司为包括海军和国防部在内的政府客户提供服务,并参与构建和维护一套基于网络的协作工具。这些工具旨在促进政府内研发组织之间的沟通。然而,该公司正在努力应对糟糕的配置管理带来的巨大技术债务。这导致了一些问题,例如不知道哪些部署是以哪种方式配置的,从而使更新变得非常困难。此外,该公司正在处理必须依赖系统级别的配置管理的问题,这种管理效率低下或效果不佳。该公司在容器中部署有状态服务时也面临挑战。他们的大多数服务都需要持久性,而对不可变基础设施的推动使得很难确保没有一台主机对其基础设施至关重要。
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。