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
-
(47)
- (23)
- (22)
- (13)
- 查看全部
-
(12)
- (6)
- (6)
-
(4)
- (2)
- (1)
- (1)
-
(2)
- (1)
- (1)
-
(2)
- (2)
- 查看全部 8 技术
- (11)
- (7)
- (6)
- (5)
- (5)
- 查看全部 18 行业
- (22)
- (12)
- (11)
- (5)
- (4)
- 查看全部 10 功能区
- (12)
- (8)
- (7)
- (5)
- (5)
- 查看全部 27 用例
- (46)
- (7)
- (4)
- (3)
- (2)
- 查看全部 6 服务
- (54)
Selected Filters
|
PagesJaunes 的预测内容管理
PagesJaunes.fr 是法国版的黄页，是网络、移动和印刷领域本地广告和信息的领导者，每年产生数亿次查询。结果的质量和相关性是 PagesJaunes 的首要任务。类别经理负责通过创建术语和类别之间的相关关联来维护目录的质量和相关性。挑战在于在不增加工作量的情况下改善用户体验。客户希望找到一种解决方案，帮助他们衡量和提高客户满意度，帮助类别经理自动检测和纠正有问题的查询，并优化结果质量以提高客户满意度。
|
|
|
|
|
智慧城市：利用 DSS 增强公共服务
Parkeon 是一家全球停车和交通系统供应商，他们希望利用他们所掌握的有关城市司机习惯的大量数据。他们的目标是设计一个强大的停车位可用性预测 B2C 应用程序，该应用程序可以提供可靠的停车位可用性预测，并丰富停车计费器数据以创造更智能的功能。挑战在于将停车计费器数据和地理定位数据转化为准确的预测，以便在用户友好的移动应用程序中使用。
|
|
|
|
|
患者排程优化（患者未就诊预测分析）
医疗行业正在努力应对患者失约率高的问题，研究表明，5-10% 的预约患者会错过预约。这对医疗机构的财务状况及其照顾其他患者的能力产生了重大影响。初级保健医生每失约一次，平均损失 228 美元，专科医生的收入损失甚至更高。当患者错过预约时，包括人员配备、保险和水电费在内的间接费用将无法报销。初级保健医生取消预约还会影响这些医生可以进行的必要专科转诊数量。这些因素加在一起，导致医生的收入损失惨重。为了帮助最大限度地减少失约的发生，从而降低相关成本，Intermedix 决定开发并实施一种失约预测器，以帮助办公室经理安排预约。
|
|
|
|
|
通过传播数据科学来改进欺诈检测
BGL BNP Paribas 是卢森堡最大的银行之一，它已建立了一个机器学习模型，用于高级欺诈检测。然而，由于可见性有限和数据科学资源有限，该模型基本保持静态。业务团队热衷于更新模型，但由于缺乏对数据项目和数据团队的访问权限，因此面临挑战。挑战在于在整个组织的所有部门中采用数据驱动的方法。银行需要一种解决方案，既能使整个公司的数据访问和使用民主化，又不会损害数据治理标准。
|
|
|
|
|
人员配置优化
英国一家大型医疗服务提供商正努力解决人员配置效率低下的问题，导致医生过度劳累、患者不满和成本高昂。该医院的人员配置流程主要是手动的，并且基于可用床位数量，这无法有效分配人员配置时间。缺乏数据驱动的决策阻碍了医院提供最佳护理和留住最佳医生的能力。该医院寻求一种技术解决方案，使其能够小规模地模拟患者流量，并根据患者需求预测推荐人员配置计划。
|
|
|
|
|
媒体行业的超定向广告
Infopro Digital 是一家跨媒体公司，希望为其广告客户提供更高级的定位选项。他们希望利用用户的导航路径和行为来更准确地定位那些可能对特定广告感兴趣的人，而不是使用基本的类别定位。这种高级定位需要经验丰富的技术团队来处理庞大的数据湖。然而，Infopro Digital 的营销团队需要能够自己处理查询和大部分日常工作，而无需每次都借助 IT 部门的帮助。营销团队之前对使用 Microsoft Excel 处理数据有一些了解，但他们对其计算和速度限制感到沮丧。Infopro Digital 还希望在公司内部开发任何新流程和技能，以降低成本和生产延迟。
|
|
|
|
|
医生剖析
客户是西欧的一家大型医院，由于数据来源不协调、数据不规范且质量低劣、结果风险调整不足以及医生分析流程缺乏自动化，在准确衡量医生和医疗机构的绩效方面面临挑战。他们正在寻求采用负责任的医疗组织 (ACO) 模式来改善临床结果并在成本上展开竞争。一些临床流程，如开出昂贵或不必要的药物或建议住院时间超过需要的时间，不仅成本高昂，而且对患者护理不利。客户估计，在错误的时间实施错误的护理每年造成高达 160 万美元的损失，他们认为这个问题可以通过准确的医生分析来解决。
|
|
|
|
|
Showroomprivé：将机器学习驱动的定位功能交到营销人员手中
Showroomprivé 是一家专门从事闪购的电子商务零售商，他们在营销电子邮件的定位方面面临挑战。直到 2016 年，该团队都根据他们对品牌的了解手动选择这些营销电子邮件的目标受众。然而，这种方法带来了一些挑战。品牌的受众往往重叠或广泛，这意味着要多次接触一些潜在买家，而对其他买家则完全没有。这也意味着要撒下一张大网，可能会把电子邮件发送给对特定品牌不感兴趣的人。该项目的最终目标是让营销团队完全自主地定位和发送这些电子邮件。
|
|
|
|
|
Malakoff Humanis：利用 NLP 的力量改善客户关系
Malakoff Humanis 是法国领先的非营利性团体健康保险公司，在满足客户需求和提供优质客户服务方面面临着越来越大的挑战。该公司为公司、员工、个体经营者和单一付款人提供补充健康、福利和养老金合同。除了法国社会保障外，它还涵盖医疗报销，并指导客户选择护理机构。该公司有一个专门的数据科学和分析部门，由首席数据官领导。数据部门由四个主要分支组成，每个分支负责数据科学和分析、数据治理、数据架构和云以及人工智能和数据可视化。然而，该公司在有效管理客户索赔和改善电话客户协助方面遇到了困难。
|
|
|
|
|
Coyote：从客户流失分析到预测安全
Coyote 是欧洲领先的实时道路信息提供商，它使用基于物联网的设备和移动应用程序来警告驾驶员交通危险和状况。该公司收集了有关其社区不同用途的大量数据，例如里程数、在路上花费的时间或社区成员发出的警报数量。最初，Coyote 从预测分析开始，以提高客户保留率。然而，他们希望利用其庞大数据源的价值，并在其核心产品和服务的核心实施数据驱动战略。他们的目标是使用物联网设备来提高道路安全。
|
|
|
|
|
利用数据分析进行准确预测和决策：行动案例研究
Action 是一家快速增长的非食品折扣零售商，需要利用其数据进行更准确的预测和决策。
|
|
|
|
|
与 Dataiku 一起推动水泥行业的创新和转型
由于缺乏数据专业知识和过时的数据流程，一家拥有数十年历史的水泥行业制造公司面临着运营效率和报告能力有限的挑战。
|
|
|
|
|
营销工作 360° 视图
Trainline 是欧洲领先的独立火车旅行平台，在监控和改善其营销收购方面面临挑战。付费广告活动全天候运行，用户全天候与这些广告互动，静态仪表板已不再足够。该公司需要一个动态的实时数据工具来获得准确的营销洞察。他们投资了许多不同的服务和解决方案来维持增长，但这些服务和解决方案并不总是易于管理。该公司决定构建一个集中的、全球性的实时仪表板，以全面了解他们的营销收购。挑战是从头开始一个大数据项目，确保技术团队最终获得一个工具，使他们能够提高和升级自己的技能，同时快速有效地满足营销部门的要求。
|
|
|
|
|
智能用户细分，精准推荐
Voyage Privé 是一家精品度假零售商，它面临着为客户创建个性化优惠展示的挑战。该公司需要扩大可以捕获和分析的客户信号范围，以便为其会员提供合适的旅行选择。这需要一个软件解决方案，可以捕获和理解大量数据，开发有效的客户细分，并实施一种新的非基于规则的方法来分析传入和历史数据。最终目标是通过为用户提供个性化的优惠选择来提高客户满意度，同时提高客户的总交易价值。
|
|
|
|
|
依靠自动化实现可扩展性
一家大型全国性媒体组织希望为其应用用户提供高质量的推荐。他们的目标是向目标消费者提供他们真正感兴趣的内容，这不仅基于他们之前消费的内容，还基于他们与之前表示感兴趣的主题的互动方式。例如，如果有人选择收听关于主题 A 的报告，但随后快进大部分内容（而不是真正听完整篇文章），则应用应该将该活动考虑在内，以便在未来提供推荐。但是，由于团队规模很小且资源有限，该组织希望以可扩展的方式实现这一目标。不仅系统必须大部分或全部自动化，而且团队本身必须能够轻松地构建推荐系统，以便将来快速进行调整。
|
|
|
|
|
从头开始创造收入的数据项目
2017 年，欧洲领先的移动通信提供商 LINK Mobility 决定扩大其数据工作，以处理内部请求和外部客户。他们的主要产品是移动消息服务，每年在全球范围内发送超过 60 亿条消息，其中包含与各种服务相关的发票、付款和凭证。他们产生大量数据，并看到了扩展其产品的机会，以便为客户提供更多有关其消息和服务交付和性能的数据驱动洞察。他们希望扩展到客户仪表板以及根据这些数据采取行动的能力。然而，由于项目开始时只有一个人的数据科学团队，他们需要能够快速轻松地启动和运行。他们还需要找到一种工具，使他们能够扩展来自公司内部的数据请求，并具有足够的灵活性来为客户提供数据洞察，而无需使用两种不同的工具或平台来满足他们的各种需求、用例和数据类型。
|
|
|
|
|
利用机器学习的力量扩大小型数据团队的规模
DAZN 是一家订阅体育流媒体服务公司，该公司希望在现有市场和新市场中拓展业务。他们希望让小型数据团队能够大规模运行预测分析和机器学习项目。他们还希望找到一种方法，让不一定具备技术或机器学习经验的数据分析师能够以有意义的方式为有影响力的数据项目做出贡献。目标是以高级分析和机器学习为业务核心，支持底层数据文化。
|
|
|
|
|
更快、更高质量的仪表板，实现更好的客户分析
OVH 是一家全球超大规模云服务提供商，其仪表板系统面临挑战。负责传播数据和见解以指导网站商业化和优化的业务分析师将 80% 以上的时间花在仪表板的数据准备上。现有仪表板仅提供基本的高级指标，并未结合不同的数据源以提供完整的视图。这需要进行临时分析，而分析师几乎没有时间进行此类分析。此外，仪表板的 ETL 流程让数据架构师对数据和见解的质量感到担忧，因为缺乏关于到底转换了哪些数据以及如何转换的透明度。
|
|
|
|
|
针对性安全监督的实时预测
不列颠哥伦比亚省技术安全局 (Technical Safety BC) 是一家独立的自筹资金组织，负责监督加拿大不列颠哥伦比亚省技术系统和设备的安全安装和运行。进行物理评估成本高昂，而误报检查每年都可能导致重大的机会成本。这些资源可以在安全系统中得到更好的分配；因此，找到一种更准确地预测危险的方法对该组织具有很高的战略价值，并为公众带来更大的安全效益。不列颠哥伦比亚省技术安全局希望通过在风险评估过程中引入更复杂的机器自主性，在资源水平相同的情况下找到更多的高危地点。面临的一些挑战包括：不协调的异构数据源；数据质量；协作速度；以及使用机器推荐预测的培训挑战。
|
|
|
|
|
Heetch + Dataiku：制定弹性 AI 战略
Heetch 是一家成立于 2013 年的法国公司，目前已迅速发展到拥有 250 名员工，他们共同致力于一个目标：通过提供流畅的用户体验，让出行更加便捷。自成立以来，该公司已经从司机、乘客、全球运营等各个方面收集了大量数据，但他们却难以扩展实际利用这些数据的能力。五年来，数据仓库成本不断上升，随着数据量的增加，性能也受到影响。该公司需要找到一种解决方案，让组织中的任何人都能处理大量数据，同时确保优化资源分配。
|
|
|
|
|
Dataiku + La Mutuelle Générale
法国保险公司 La Mutuelle Générale 拥有 70 多年的市场经验，服务超过 140 万客户和 8,000 家企业客户，每年营业额超过 11 亿欧元，但在客户获取方面却面临挑战。保险行业竞争激烈，各组织都在争相争取同一类型的客户。近年来，获取新客户的成本大幅增加。为了解决这个问题，La Mutuelle Générale 寻求开发一种销售决策支持工具，以帮助他们根据潜在客户的转化可能性及其潜在价值与获取成本的对比情况，了解潜在客户并确定其优先顺序。
|
|
|
|
|
MandM Direct：使用 Dataiku + GCP 大规模管理模型
MandM Direct 是英国最大的在线零售商之一，在快速发展的过程中面临着巨大的挑战。该公司在欧洲拥有超过 350 万活跃客户和 7 个专门的本地市场网站，每年向全球 25 多个国家/地区提供 300 多个品牌。他们的加速增长意味着更多的客户，因此也意味着更多的数据，这加剧了他们的一些挑战，并迫使他们寻找更具可扩展性的解决方案。两个主要挑战是将所有可用数据从孤岛中转移到统一的、可用于分析的环境中，并以可跟踪、透明和协作的方式扩展 AI 部署。最初，该公司的首批机器学习模型是用 Python（.py 文件）编写的，并在数据科学家的本地机器上运行。然而，随着生产中模型数量的增加，团队很快意识到维护模型的负担。
|
|
|
|
|
北荷兰省：在公共部门扩大数据科学应用
荷兰北荷兰省 (PNH) 着手成为一家更加数据驱动的组织。然而，他们在确定实现这一目标的必要步骤方面面临挑战，包括所需的技术和专业知识、设置实验和实施新流程。作为一家公共部门组织，他们还面临着独特的挑战，例如在进行实验和处理数据时需要考虑法规和社会影响。此外，他们必须在封闭的 IT 环境中工作，这限制了他们对数据科学工具的访问。他们还意识到需要数据科学家和技术来帮助他们成功实施数据科学计划，以及数据和业务驱动的重要性，以产生积极的绩效并鼓励整个组织利益相关者的认同。
|
|
|
|
|
Buildertrend：最大程度提高数据项目的价值
Buildertrend 是一家领先的建筑项目管理软件公司，该公司希望通过利用数据科学来改善业务运营并提高住宅承包商的效率，从而颠覆住宅建筑行业。他们正在寻找一个数据科学平台，可以提高数据到洞察过程的速度和灵活性，实现全公司范围内的数据项目协作，并为数据科学家提供合适的工具和资源。该公司还热衷于自动执行重复性任务，改进文档实践，并增加模型中包含的数据量。他们的一个关键用例是减少客户流失，他们的目标是有效地定位有风险的账户，以大幅减少客户流失。
|
|
