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
-
(51)
- (35)
- (30)
- (4)
- 查看全部
-
(9)
- (9)
-
(3)
- (3)
-
(2)
- (2)
- (17)
- (7)
- (5)
- (4)
- (1)
- 查看全部 13 行业
- (29)
- (20)
- (6)
- (6)
- (5)
- 查看全部 10 功能区
- (23)
- (15)
- (13)
- (11)
- (6)
- 查看全部 15 用例
- (50)
- (6)
- (2)
- (1)
- (1)
- 查看全部 6 服务
- (53)
Selected Filters
|
Euskaltel 利用人工智能服务吸引并留住客户
Euskaltel Group 是西班牙一家领先的电信公司，该公司计划在全国范围内扩张业务。该公司需要一种可扩展的方式来使用人工智能和机器学习来吸引和留住客户、减少违约率并发现交叉销售机会。他们的商业智能团队在有限的基础上尝试了人工智能，但仍花费了大量时间编写代码。挑战在于找到一种更高效、更有效的方式来在工作流程中使用人工智能和机器学习。
|
|
|
|
Matmut 以 3 倍速度获取数据洞察
Matmut 是法国保险市场的主要参与者，该公司高度依赖数据来提升公司几乎每个领域的业务。然而，该公司在严格的隐私法规限制内获取洞察方面面临挑战。Matmut 的数据实验室使用单个 Jupyter 笔记本构建预测模型，这个过程是手动的，需要大量编码。这种方法效率不高，而且无法促进数据科学家和企业之间的协作。该公司需要一个可以减少工作量并实现协作的单一解决方案。
|
|
|
|
Embrace Home Loans 利用 DataRobot Zepl 将其营销投资回报率 (ROMI) 提高一倍
Embrace Home Loans 是一家知名的抵押贷款机构，在美国 50 个州和哥伦比亚特区均有执照，该公司希望优化其在数字和直邮渠道上的营销支出。该公司希望最大限度地提高营销支出，并增加所有营销渠道的收入。挑战在于在 Embrace 的整个运营规模上做到这一点，这是一项艰巨的任务。该公司需要一个可以管理数百个 Jupyter 笔记本并对数百万行数据运行 SQL 查询的解决方案。该解决方案还需要确保 Embrace 客户数据的安全，其中包括基于风险和基于标准的安全协议来保护所有数据。
|
|
|
|
AUTOproff 实现超过 50% 的车辆估价自动化 – 推动欧洲扩张
AUTOproff 是欧洲领先的数字经销商对经销商交易公司，在扩大业务规模方面面临挑战。该公司在 2021 年拍卖了超过 10 万辆汽车，难以在向客户承诺的 20 分钟内提供汽车价值估算。这项任务完全依赖于一支技术娴熟的汽车专业人员团队。随着公司的发展，扩大规模的需求变得越来越重要。挑战在于实现汽车价值估算流程的自动化，以加快客户的周转时间，并让数据科学家和估算师腾出时间专注于工作中更有价值的部分。
|
|
|
|
Carbon 利用 DataRobot 改变消费贷款业务
Ngozi Dozie 和他的兄弟 Chijioke 发现尼日利亚金融领域存在巨大差距，特别是在消费贷款和信贷基础设施领域。在尼日利亚 1 亿成年人中，超过 4000 万人没有银行账户，全国只有大约 20 万张信用卡。商业银行不愿提供消费贷款，因为向没有信用记录的消费者放贷风险很高。在尼日利亚这样的市场建立信用评分是一项巨大的挑战，因为几乎没有记录的财务历史或资产所有权。这为 Ngozi 和他的兄弟创办的金融科技公司 Carbon 提供了一个机会，帮助服务尼日利亚银行服务不足的人群。
|
|
|
|
澳大利亚学校利用人工智能提高学生成绩，减少 13% 的辍学率
帕拉马塔天主教教育教区 (CEDP) 是一家教育机构，在新南威尔士州拥有 80 所学校和 44,500 名学生。该机构拥有大量学生数据，从成绩到出勤率再到人口统计。然而，CEDP 缺乏内部资源来挖掘这些数据，以提高学生成绩并推进运营目标。他们寻求一种解决方案，帮助他们利用这些数据来提高学生的成功率和运营水平。
|
|
|
|
Zidisha 正在利用 DataRobot 改变生活
Zidisha 是一个非营利性在线小额贷款社区，旨在通过提供小额贷款来创业、上学或改善生活条件，从而改变一些最贫穷国家人民的生活。然而，每笔贷款都存在违约风险。传统贷款机构已经找到了识别、量化和定价违约风险的方法，风险越高的贷款利率就越高。风险评估工作通常由贷款人员负责，成本则转嫁给借款人。在发达经济体中，数千或数十万美元的贷款很常见，这些成本可以轻松吸收，而不会影响贷款的合理性，但在发展中国家情况并非如此。雇用贷款人员来评估小额贷款的违约风险会导致利率高达 40%，从而破坏经济发展的促进。Zidisha 面临的挑战是通过识别最有可能成为高风险借款人的申请人来提高还款水平。
|
|
|
|
利用预测分析精准实施公益营销
DonorBureau 是一家为非营利组织提供建模和细分服务的小公司，它面临着提供更有效、更准确的预测模型的挑战，以便在竞争激烈的市场中脱颖而出。该公司处理超过 9 亿封邮件交易、1.4 亿笔捐款和超过 4000 万个人，预测建模需求正在不断增加。理想情况下，他们希望拥有一支庞大的数据科学家团队，但这些职位是令人垂涎的，而且价格不菲。构建和部署预测分析非常耗时、预算超支，对于外行人来说，实施和维护也具有挑战性。
|
|
|
|
利用自动化机器学习加速预测分析过程
Evariant 是医疗保健提供商市场中一家快速发展的 SaaS 公司，它提供一套创新的 CRM 解决方案，帮助医疗保健系统确定并执行最重要的战略增长计划。然而，该公司在构建和部署预测分析方面面临挑战，这可能既昂贵又耗时。他们的医疗保健数据非常复杂，需要高水平的动手数据准备，这使得他们现有的解决方案虽然足够，但并非最佳。他们需要高质量的预测分析，这种分析可以自动和半自动生成，并且具有极高的可靠性和有效性。
|
|
|
|
在科罗拉多大学教授预测分析
预测分析正在重塑商业和社会，引发了关于高校应如何培养毕业生的严肃问题。答案之一可能是向所有商学院学生教授预测分析。实现这一重要愿景需要什么？为什么目前还没有实现？作为一名商业分析教授，Kai Larsen 的目标是教授各种各样的学生：那些立即了解预测分析如何重塑其未来工作（信息管理和营销）的学生，那些早已将不同风格的商业分析融入其领域核心的学生（运营管理和金融），以及那些预测分析目前仅重塑其学科的一小部分的学生（会计）。很明显，所有这些学生都必须至少从概念上理解预测分析，以便做出影响其公司未来的决策，因为机器学习工具将继续提供商业洞察力并推动企业内部和外部的变革。
|
|
|
|
DataRobot 帮助 D&G 在价格合适的情况下取得成功
Domestic & General (D&G) 是一家专门为家用电器提供保修服务的公司，该公司面临着为客户提供个性化和相关服务方面的挑战。该公司在英国拥有 900 万客户，在全球拥有 1600 万客户，因此，该公司的资源受限于他们试图覆盖的个性化客户服务和产品的规模。该公司的定价团队必须为每个客户建立大量模型，这是一个费力又费时的过程。D&G 希望预测客户在续约时流失的可能性，并确定客户最有可能对他们获得的保修范围感到满意并续订保单的价格点。但是，要向个人客户提供这种程度的个性化服务，需要建立大量定价模型，而这无法通过他们现有的资源进行扩展。
|
|
|
|
Snowflake + DataRobot 释放 Beacon Street Services 的数据价值
Beacon Street Services 是 Stansberry Holdings 的服务部门，为全球数百万投资者提供基于订阅的金融信息和软件出版物。该公司的愿景是，在 Snowflake 中拥有一个存放所有数据的单一真实来源，以确保这些数据在所有应用程序中的一致性和准确性。几年前，该公司从 AWS Redshift 迁移到 Snowflake，在 Snowflake 中收集并存储了大量数据。然而，该公司意识到将数据科学方法应用于这些数据很有价值，尤其是对其营销和销售团队而言。这是一个改进以前销售订阅的策略和流程的机会，为营销人员提供更清晰的反馈循环和信号，以优化他们的营销活动。
|
|
|
|
全国房地产经纪人协会通过 DataRobot 为会员带来价值
全国房地产经纪人协会 (NAR) 是美国最大的行业协会，代表着全国 140 多万会员。其会员包括经纪人、销售人员、物业经理、顾问以及从事房地产行业各个方面的其他人员。由于会员背景各异，职业兴趣各异，每个人都希望从会员资格中得到不同的收获，因此要想为他们创造价值，NAR 必须真正了解其会员。为此，NAR 求助于数据。然而，该协会正试图变得更加以数据为导向，因此专注于更高层次的目标，例如更好地了解其会员并解决影响其会员的业务问题。但由于这两位数据科学家的运作方式——没有集中的团队或适当的资源——围绕数据科学项目的沟通和反馈循环效率低下，并对数据科学家创造价值的能力产生了负面影响。
|
|
|
|
UCSF-BASIC 使用 DataRobot 和手术室数据来预测创伤性脊髓损伤患者的预后
加州大学旧金山分校的脊髓损伤研究和临床知识转化 (TRACK-SCI) 团队致力于改善创伤性脊髓损伤患者的护理。每年，美国有 17,000 例脊髓损伤 (SCI) 病例，通常会导致瘫痪和感觉功能障碍等永久性问题。每位患者的终生费用估计在 100 多万美元到近 500 万美元之间。在 SCI 患者护理过程中做出的紧急临床决策（例如在手术和 ICU 管理期间）对于患者的康复至关重要。然而，临床医生缺乏通过数据驱动研究开发的指导。TRACK-SCI 团队特别感兴趣的一个领域是手术过程中的血压管理如何影响患者的康复可能性。
|
|
|
|
使用 DataRobot AI 应用程序优化贷款预测
这家金融科技公司通过比传统贷款计划更具适应性的替代方案，在销售点为商家和消费者提供消费融资。他们建立了模型来支持公司各个部门的项目，包括承保、会计和催收。然而，他们在催收部门面临着挑战。由于任何时候都有数以万计的拖欠贷款，催收团队需要拨打大量电话。他们拨打的成功电话越多（以行业指标“正确方联系 (RPC)”衡量），他们就越有可能成功收回这些拖欠贷款，从而为公司带来收入。然而，由于要拨打的目标电话数量如此之多，而且在联系到正确人员或团体方面，接通率通常很低，任何类型的优化或效率都可以产生很大的影响。
|
|
|
|
利用表观遗传学和人工智能为寿险公司赋能
FOXO Technologies 是一家生物技术公司，旨在利用表观遗传学让所有人都能长寿。他们使用机器学习来检查数千个模型，以找到对人类健康、保健、疾病和衰老进行分类的 DNA 甲基化模式。他们的使命是帮助人们活得更长寿、更健康。然而，FOXO 的数据科学团队发现，当他们试图基于 860,000 个 DNA 探针构建数千个预测模型时，扩展起来具有挑战性。他们需要一种解决方案来帮助他们大规模构建、微调、部署和管理生产中的模型。
|
|
|
|
全球最大的汽车共享市场利用人工智能最大程度提升宾客和主人的体验
Turo 是全球最大的汽车共享市场，该公司希望通过利用数据洞察来优化其运营。该公司在美国、加拿大和英国将客人和车主联系起来，实现互利共赢。Turo 拥有超过 130 万活跃客人和超过 85,000 名活跃主人，为 1,300 个独特品牌和型号的 160,000 多辆活跃汽车提供支持，因此 Turo 需要一种方法来有效管理其庞大的运营业务。该公司旨在利用数据洞察来优化定价、风险和营销策略。然而，其运营规模之大给数据管理和分析带来了巨大挑战。
|
|
|
|
美国陆军利用人工智能提高财务灵活性，为高优先级项目回收资金，识别出超过 22 亿美元的过剩资金，收益率提高 3 倍
美国陆军面临的挑战是确定因合同到期而可能损失的资金。他们需要一种创新的 AI 解决方案，帮助合同官员准确预测最有可能资金不足的合同，以便他们可以快速解除合同并将这些资金重新分配给其他高优先级项目。未清偿债务 (ULO) 项目诞生于陆军总部分析实验室 (HAL) 和 Deep Green OBT 计划。
|
|
|
|
人工智能和机器学习助力持续盈利增长
MinterEllison 是一家跨国顶级法律和专业服务公司，该公司希望在其 2025 战略中实现盈利和可持续发展。该公司在五个国家开展业务，需要更复杂、更具预测性的视角来了解可能发生的情况，尤其是在 COVID-19 疫情之后。该公司现有的数据分析平台不足以完成这项任务。该公司的数据和分析主管 Shaheen Saud 强调需要充分了解绩效和机会，这促使 MinterEllison 对其 IT 和数字服务基础设施进行了创新审视。
|
|
|
|
南非金融机构 Sanlam 利用人工智能吸引和留住更多客户
Sanlam 是非洲最大的非银行金融机构，其存在的目的是让几代人拥有财务安全、繁荣和自信。然而，该公司在数据科学运营方面面临着挑战。他们使用的开源 AI 选项操作起来很麻烦，而且缺乏对业务利益相关者和合规性的关键可解释性。这阻碍了他们推动销售和客户保留等关键业务价值杠杆的能力。该公司需要一种更精简、更透明的 AI 解决方案，以帮助他们改善运营并实现更好的结果。
|
|
|
|
法国科技领导者 Cegid 每年通过 AI 驱动的决策额外创造 1500 万欧元的销售额
Cegid 是一家提供云服务和管理软件解决方案的法国科技公司，它面临的挑战是在更短的时间内创建更多模型，同时尽量减少所需的技术技能和资源。该公司为 150 个国家/地区的 35 万客户提供服务，收入为 6.32 亿欧元。Cegid 的预测分析团队面临着满足频繁收购带来的不断增长的需求的压力。该团队的任务是解决越来越多的业务挑战，包括预测发票付款的可能性以及客户添加服务的倾向。
|
|
|
|
Decode Health 利用人工智能实现更好的患者治疗效果
医疗保健 AI 公司 Decode Health 一直依靠预测分析来利用数据发现新事物。然而，在早期，建模是一项缓慢的手动任务。分析一个数据集可能需要两到三周的时间，需要两到三名数据团队成员全天候工作。这种繁琐的手动工作包括大量时间准备数据、等待模型、重新校准和再次等待。该公司需要一种可以简化此流程并更快、更经济高效地提供准确结果的解决方案。
|
|
|
|
AI 助力凤凰城儿童医院提升患者护理水平
凤凰城儿童医院是美国最大的儿科医疗系统之一。38 年来，它为儿童和家庭提供世界一流的住院、门诊、创伤、急诊和紧急护理。该组织一直走在创新的前沿，被公认为美国顶级儿童医院之一。凤凰城儿童医院希望利用分析来改善临床和运营决策。然而，手动构建一个模型花了大半年的时间。该医疗保健系统知道，有一定比例的患有其他健康问题的儿童实际上可能患有未确诊的营养不良。如果他们能够识别营养不良病例，他们就可以进行干预并影响结果。
|
|
