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
-
(18)
- (15)
- (3)
- (1)
-
(13)
- (12)
- (1)
-
(5)
- (5)
-
(3)
- (2)
- (1)
-
(3)
- (2)
- (1)
- (1)
- 查看全部 8 技术
- (7)
- (7)
- (6)
- (4)
- (4)
- 查看全部 20 行业
- (10)
- (9)
- (6)
- (5)
- (3)
- 查看全部 7 功能区
- (6)
- (5)
- (5)
- (3)
- (3)
- 查看全部 24 用例
- (16)
- (6)
- (6)
- (3)
- (3)
- 查看全部 6 服务
- (25)
Selected Filters
|
加速药物开发和交付：安进 (Amgen) 凭借 Databricks Lakehouse 平台取得的成功
安进在跨不同部门和职能部门高效利用数据和协作方面面临挑战。他们在数据组织、共享和协作以及不同数据工具和消费方法的复杂性方面遇到了困难。
|
|
|
|
转变澳大利亚铁路行业的数字生态系统：利用 Databricks 更快地获得洞察并节省成本
ARTC 正在处理来自不同来源的孤立数据集，导致铁路网络管理效率低下和不必要的复杂性。他们需要一种更现代、更简化的方法来利用数据驱动的见解和策略。
|
|
|
|
Burberry 营销活动的高效图像注释和见解
Burberry 是一个奢侈品牌，需要一种有效的方式来注释数千个营销资产，以推动有效的营销活动。
|
|
|
|
使用 Databricks Lakehouse 转变供应链运营
从不可预测的农作物产量到原材料成本上涨，气候变化扰乱了供应链，导致产品短缺和质量问题。巴里勒是世界上最大的面食生产商，需要采用更具可持续性和弹性的供应链战略来降低风险并保护运营利润。他们的传统本地数据仓库造成了孤岛，并阻碍了他们应对外部威胁的能力。
|
|
|
|
Cleanaway：利用 Databricks Lakehouse 转变废物管理
减少废物对环境的影响并改善来自多个来源的数据洞察
|
|
|
|
Carvana 通过 Databricks Lakehouse 平台增强客户体验
Carvana 的 NGCP 团队面临规模和数据质量挑战、高数据仓库成本和有限的数据可用性。
|
|
|
|
引领拉丁美洲迈向开放金融的未来
Banco Bradesco 面临的挑战是他们的旧数据仓库过于繁琐，无法与其他实体共享客户数据。他们现有的环境为全面拥抱开放金融并成为云优先银行设置了障碍。
|
|
|
|
借助 Databricks Lakehouse 平台加速游戏行业的数据分析和创新
Devsisters 是一家全球游戏应用开发商，其本地数据分析平台面临性能问题和高昂的维护成本。他们需要一种新的解决方案来更快、更无缝地分析大数据。
|
|
|
|
大规模实时分析：Akamai 凭借 Delta Lake 和 Databricks 取得的成功
Akamai 的 Web 安全分析工具依赖于在 Hadoop 上运行 Apache Spark 的本地架构，但它需要提高摄取和查询速度，以满足从攻击发生到显示为止 5 到 7 分钟的严格服务级别协议 (SLA)在工具中。数据需要尽可能实时，以便客户能够快速查看并响应安全事件。
|
|
|
|
AT&T 使用 Databricks 进行云迁移：节省成本并加快创新速度
AT&T 的本地 Hadoop 系统面临着挑战，该系统复杂且管理成本高昂。他们需要转向云，以更好地支持数百万用户并提高运营敏捷性和效率。
|
|
|
|
Block 利用 Databricks 彻底改变金融服务
管理数据量和数据孤岛减缓了创新
|
|
|
|
通过 Databricks Lakehouse 平台为 CareSource 提供支持，以实现更好的医疗保健
CareSource 是一家快速发展的医疗保健组织，其遗留数据系统面临着无法跟上新成员涌入的挑战。他们必须每天运行原本每月运行的作业，从而导致大量的资源支出。
|
|
|
|
Asurion 的大规模 ETL 和 Lakehouse 实施
由于之前的数据平台缺乏计算和存储分离，Asurion 的企业数据服务团队面临着扩展和成本方面的挑战。他们还遇到了数据重复和同步、逻辑重复、处理晚期数据的不同方式以及数据重新处理困难等问题。之前的平台大规模运行，处理超过 8,000 个表、10,000 个视图、2,000 个报告和 2,500 个仪表板。大型数据集上的传统 ETL 工具仅限于 Day-Minus-1 处理频率。
|
|
|
|
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。
|
|
|
|
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。
|
|
|
|
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。
|
|
|
|
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。
|
|
|
|
利用 Databricks Lakehouse 平台推动业务影响：AIR MILES 案例研究
AIR MILES 拥有传统的基础设施，难以提供客户的整体视图，阻碍了他们建立亲密联系以及提高保留率和客户终身价值的能力。他们还面临扩展数据能力和访问旧数据的挑战。
|
|
|
|
数据分析大众化：Aktify 如何利用 Databricks 和 dbt 来转化客户
Aktify 需要通过分析大量数据并发现被忽视的见解来微调其对话式 AI 代理。然而，复杂的数据依赖性和缺乏数据民主化阻碍了高效的数据分析。
|
|
|
|
利用 Databricks Lakehouse 平台转变零售和消费品
Al-Futtaim 一直在与数据孤岛和遗留系统作斗争，这些系统阻碍了他们统一客户数据和扩展分析需求的能力。商业智能缓慢，预测有限，客户洞察也很笼统。
|
|
|
|
AT&T 利用 Databricks Lakehouse 平台进行主动欺诈检测的旅程
AT&T 面临着其传统本地数据架构的挑战，该架构在检测欺诈方面旷日持久、效率低下且反应迟钝。他们还努力获得实时洞察和自动化以优化调度。
|
|
|
|
简化数据架构并加强协作：Condé Nast 案例研究
全球媒体公司 Condé Nast 拥有复杂的数据架构，阻碍了数据团队之间的可扩展性和协作。他们将数据存储在孤立的系统中，并严重依赖数据工程师来完成简单的任务。
|
|
|
|
现代化数据基础设施以实现个性化人才招聘
104 Corporation 难以有效地扩展管道成本，并在维护操作上花费了大量资源，从而降低了其真正数据驱动的能力。孤立的系统阻止数据团队及时获得相关的见解以做出明智的决策。数据量的增加使得管理和利用变得更加困难。
|
|
|
|
为营销人员提供下一代客户智能
Acxiom 是一家客户智能公司，需要迁移到云，以扩展并支持客户捕获的不断增加的数据量。他们还面临着消费者数据碎片化和不准确的挑战。
|
|
|
|
为游戏创作者实现数据存储和处理现代化 Arkadium
Arkadium 在存储和处理大量非结构化和半结构化数据方面面临挑战。他们传统的基于 SQL 的本地数据仓库无法跟上他们正在处理的数据大小。他们仅在一个管道中批量处理接近 500GB 的快速增长的数据，该管道应用了数据报告和仪表板功能所需的适当转换。
|
|
