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 18,927 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
-
(14)
- (14)
-
(10)
- (9)
- (1)
- (1)
-
(4)
- (2)
- (1)
- (1)
-
(3)
- (2)
- (1)
-
(1)
- (1)
- 查看全部 6 技术
- (6)
- (5)
- (4)
- (3)
- (3)
- 查看全部 13 行业
- (7)
- (4)
- (4)
- (4)
- (4)
- 查看全部 8 功能区
- (5)
- (3)
- (3)
- (3)
- (3)
- 查看全部 21 用例
- (9)
- (4)
- (3)
- (3)
- (1)
- 查看全部 6 服务
- (18)
Selected Filters
|
InMobi 向 Databricks Lakehouse 的过渡：简化数据处理和增强广告效果的案例研究
InMobi 是一家专门从事定向移动广告的公司，该公司正在努力应对管理复杂的遗留基础设施和多云数据仓库的挑战。该公司的数据处理需求已升至每小时 20+ TB，导致成本飙升，并形成阻碍协作和数据共享的数据孤岛。其多云数据仓库的专有性质也带来了重大挑战。 InMobi 的现有系统过于复杂，容易出现中断，而且扩展成本极高。该公司意识到，他们当前的系统正在降低他们的创新能力，并使他们的工程资源被维护任务所束缚。 InMobi 寻求一个可以解决多个问题的单一系统，将其脱节的系统整合到一个平台中，并使工程师能够专注于更高价值的任务，例如开发机器学习和大型语言模型。
|
|
|
|
强生公司供应链优化数据民主化
强生公司是一家全球消费品和药品供应商，在管理其供应链数据方面面临着重大挑战。该公司通过收购实现增长，形成了一个分散的数据系统，具有不同的优先级和独特的配置。数据主要是手动提取和分析的，限制了速度和可扩展性的机会。断开连接对客户服务产生了负面影响，并阻碍了战略决策。该公司还面临着在全球范围内优化库存管理和成本的挑战，这需要准确且丰富的数据。无法理解和控制支出和定价可能会导致对未来战略决策和举措的识别有限，从而可能错失实现 6MM 上涨空间的机会。
|
|
|
|
Grammarly 增强与 Databricks Lakehouse 平台的沟通
Grammarly 是一家提供人工智能通信协助的公司，其传统的本土分析系统面临着挑战。随着公司的发展，快速且经济有效地评估大型数据集变得越来越困难。现有系统的学习时间很长，这使得新员工入职具有挑战性。它还无法满足基本业务功能的需求，特别是营销、销售和客户成功。由于系统无法有效地获取回答关键业务问题所需的外部数据，分析师经常不得不从电子表格中复制和粘贴数据。由于系统不支持 Tableau 仪表板，报告也是一个挑战。此外，Grammarly 寻求统一其数据仓库，以扩展和改进数据存储和查询功能。现有的设置（大型 Amazon EMR 集群全天候 24/7 运行）正在推高成本。随着不同业务领域单独实施分析工具，数据孤岛出现，单一的流式工作流程使团队之间的协作面临挑战。
|
|
|
|
Grip 通过 Databricks Lakehouse 提供的智能运输解决方案
Grip 是一家为在美国各地运输易腐货物的电子商务企业提供服务的公司，每月通过其平台处理数十万份订单。该公司面临的挑战是处理和解释各种数据点，以提出最有效的运输建议。这些数据来自多个来源，包括 Shopify、ShipStation、不同的仓库管理系统、天气数据 API、承运商定价和交货时间跟踪以及 Zendesk 和 Dynamics 等客户支持系统。该公司需要整合这些数据来建议最佳的承运商、理想的制冷剂和绝缘材料、包装和材料以及其他运输物流。此外，交付完成后，Grip 需要发布分析结果，以便客户可以看到已发出的订单、它们去了哪里、该国出现瓶颈的地区以及该国表现良好的地区。
|
|
|
|
由 Databricks Lakehouse 提供支持的 Fastned 可持续交通革命
Fastned 是电动汽车 (EV) 快速充电基础设施领域的先驱，随着电动汽车行业呈指数级增长，Fastned 面临着重大挑战。该公司最初的充电站规模较小，并随着行业的扎根而扩大规模。然而，随着 Fastned 数据规模呈指数级增长，该公司需要迁移其遗留系统 Redshift，该系统的扩展需要大量资源，而且在团队中实现见解民主化的成本高昂。 Fastned 还面临着建设更多充电站和确保持续卓越的用户体验的压力，而利用现有技术堆栈实现这一点变得越来越困难。该公司的数据团队很快意识到，随着整个网络中数据收集点的增加，传统的 AWS Redshift 数据仓库将无法满足其不断增长的需求。虽然 Tableau 被用来提供见解，但大规模分析却因高成本而受到阻碍。
|
|
|
|
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。
|
|
|
|
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。
|
|
|
|
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。
|
|
|
|
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。
|
|
|
|
通过 IoT 转变客户支持：Freshworks 案例研究
Freshworks 是一家 CRM 和客户体验解决方案提供商，由于遗留的 Hadoop 基础设施和各种数据工具，在提高其客户支持组织的绩效方面面临着挑战。该公司拥有超过 60,000 家企业客户和多个产品线，由于需要大量和高水平的支持，因此很难保持卓越的客户满意度。管理服务台票证的手动方法不足以满足需求。该公司的内部企业数据平台由 Hadoop 提供支持，由多种数据和分析工具组成，这会产生大量 IT 开销来管理升级和监控性能。随着数据量的增加，这种环境产生了性能瓶颈，降低了客户支持团队有效服务客户的能力。
|
|
|
|
彻底改变好时公司的数据可访问性和分析
好时公司是零售和消费品行业的知名品牌，在数据管理和分析方面面临着挑战。尽管该公司在 2022 年实现了 100 亿美元的收入里程碑，但仍面临着数据源断开的问题，这阻碍了对数据的单一、一致的视图。这是做出快速、数据驱动的决策和保持领先市场变化的重大障碍。该公司的目标是建立一个商业数据存储 (CDS)，作为整个组织商业数据的单一事实来源。然而，好时公司维护单独的数据平台来处理主要零售客户的数据，这进一步加剧了好时公司数据环境的复杂性。
|
|
|
|
利用物联网加速自动驾驶汽车开发
Incite 是一家为全球最大的汽车制造商提供快速 OEM 汽车数据 (ROAD) 平台的公司，在处理测试车队生成的大量非结构化数据方面面临着重大挑战。这些数据对于构建更安全的自动驾驶汽车至关重要。然而，频繁的性能问题使得 Incite 难以提供客户可以轻松使用的车队行为指标。此外，客户必须花费数小时手动搜索各个文件以获取所需的数据，这大大减慢了产品开发速度。摄取 TB 级数据并使其在最终用户仪表板中可见的过程需要两到三周的时间，这是开发过程中的主要瓶颈。
|
|
|
|
改进数据管理以增强患者护理：Integra Life Sciences 案例研究
当 COVID-19 大流行扰乱医疗供应链时，全球医疗技术提供商 Integra Life Sciences 面临着重大挑战。该公司需要全面了解全球供需情况，以确保其产品可用于择期手术。然而，其老化的数据仓库限制了其供应链的敏捷性，导致访问使用模式、库存水平和质量问题等关键数据的延迟。遗留仓库系统 IBM DataStage 既耗时又不灵活，阻碍了公司快速响应不断变化的需求的能力。该公司需要一个能够及时洞察库存和需求的解决方案，使其能够更有效地交付产品。
|
|
|
|
利用物联网改变城市交通：智能信息学案例研究
Intelematics 是一家澳大利亚实时交通信息提供商，正在努力应对综合来自各种交通和移动来源的大量数据的挑战。该公司提供历史和实时流量趋势见解的能力依赖于将 120 亿行流量数据转换为可操作的见解。然而，之前使用的原生系统繁琐且费力，阻碍了不同团队之间的速度、效率和协作。该公司认识到需要放弃原有的本地基础设施，以满足不断增长的客户需求。面临的挑战是每 30 秒处理 120 亿个道路交通数据点，这些数据点来自商用和私家车上的数百万个传感器和物联网设备。本机系统阻碍了用于实时处理大量数据（例如交通模式、车辆移动和大量监控数据）的数据管道的速度和效率。
|
|
|
|
Kaltura 的转型：利用 Databricks 和 dbt 为无限视频体验提供动力
Kaltura 是一家提供直播、实时和点播视频 SaaS 解决方案的公司，面临着构建近乎实时的事件管道的挑战。数据团队的任务是根据用户设备发送的流事件创建新的数据产品。该管道需要捕获事件并将其直接写入数据湖，检测异常并通知利益相关者事件数量激增。数据工程团队最近从主要支持公司的云电视部门转变为为整个公司提供服务，他们的任务还包括用新的数据湖平台替换旧基础设施。
|
|
|
|
Aravo Solutions 为富达国际的全球第三方风险和绩效计划提供支持
富达国际 (FIL) 是一家全球投资和退休储蓄企业，需要一个技术合作伙伴来管理其全球第三方供应商风险和绩效管理计划。面临的挑战是维护所有第三方风险信息的单一清单，识别和细分关键和高风险供应商，并简化整个企业的端到端第三方风险和绩效管理流程。该解决方案需要提供先进的报告功能和仪表板可视化，以全面了解风险和绩效，确保更好的治理并经得起监管审查和良好的业务实践。此外，该解决方案必须灵活、具有成本效益，并且能够快速扩展和适应变化，以支持富达国际成功的长期要求。
|
|
|
|
通过预测模型和改善客户体验推动增长：Explorium 案例研究
Explorium 是一家将组织数据与世界上最可靠的数据源集成以进行预测建模和明智的业务决策的公司，它面临着挑战。该公司正在寻求最大限度地减少数据延迟，并将其数据工程师从构建 ELT 管道的任务中解放出来。 Explorium 的平台确定数据的特征并确定其可以进行的潜在丰富。然而，尽管后端面临技术挑战，该公司仍难以快速加载正确的数据。该公司使用 Amazon EMR 来运行其 ELT 管道，但意识到其数据工程师花费了太多时间来构建这些管道。这减缓了新数据产品的发布以及新数据集加载到其平台的速度。
|
|
|
|
通过物联网加快贷款速度，实现普惠金融
Finda 是韩国的一个数据驱动型借贷平台，由于数据量激增和数据用户增加，其在管理数据环境方面面临挑战。该公司复杂的数据环境由用于不同分析需求的不同分析系统组成，这使得为客户提取数据洞察和价值变得困难。由于可扩展性问题导致的频繁应用程序中断限制了其响应用户或操作活动突然增加的能力。该公司还面临数据工程活动的困扰，例如用于后端服务的服务数据库中的表创建、修改和删除。这吸收了宝贵的资源并影响了 SLA。核心问题是 Finda 的遗留数据仓库，其存储管理效率低下，导致运营成本失控。该系统还需要持续维护以同步两个存储环境上的数据目录。
|
|
