基於大數據的成功應用有哪些 ?

個人能直接感受到的實用產品就是推薦(豆瓣,netflix的相似推薦),,最好是日常生活能用的,很實用的,還請大家都多補充更正


太多了!

我不想有太多文字敘述:

投資領域的,量化投資,國外的投資機構基本上都採用,國內的有個優礦網

金融領域的,風控,有貸前和貸後,太多公司在做,如邁寧數據、數尊

出行領域的,線路優化 有妙計旅行、滴滴和優步

消費品領域的,精準營銷,百分點

醫療領域的,健康管理,23and me等等

安全領域:犯罪預測,Palantir,國內有個叫七巧板

我是不是透露得有點多了?關注大數據,歡迎加我微信dashuju234,另外,需要相關學習資料的也可以找我,僅供免費交流,版權不歸我,覺得好的點個贊!


謝邀。按照幾個維度簡單介紹下:

推薦:amazon、netfix、阿里手機移動端。從公開的、未公開的數據來看,它們從推薦系統里受益良多。哦,還有hulu的推薦系統,等等。

語音識別:包括聲音轉文字,這個在微信、搜狗輸入法里等有很多體現。

娛樂:比如說前段時間很火的上傳頭像判斷年齡,用cnn來搞畢加索畫風等等。

體育:有人研究了馬刺的進攻方法,發現他們的每次進攻得分,依賴於他們的傳球路線。

還有很多很多,如果您想了解更多應用,可以看我之前寫的一個slides,極其全面的介紹了大數據的應用和挑戰:

http://www.yebangyu.org/talkV201505.pdf

董神,贊我!


毫不猶豫Uber!

理由我隨意寫幾點,希望大家補充但是不要噴。

1.峰時定價

Uber會根據當前時段用車的強度和所擁有的車輛數目來自動計算需要支付的價格。

因為高峰期大家都想打車的話,肯定滿足不了所有人的需求。

這個時候通過價格槓桿,高峰期抬高價格,這樣一部分人就不用了。

這種機制我真的覺得很棒很贊!

2.派單系統

這個需要我說明嗎?

真的需要嗎?

3.評分系統

這個也是絕了!

雖說後來出國之後沒有用uber了,聽國內很多童鞋噴uber怎麼怎麼差,

但是我前期坐的時候真的覺得這個評分系統簡直太好了。


這些畫的顏色是通過對物品的顏色與人們的購買行為之間的關係進行分析並限定幾個強關聯的範圍後得出的,因為畫框上有玻璃罩著,所以拍照時出現了反光,實際效果比較接近抽象水彩畫。雖然說藝術作品是不考慮實用性的,但是因為這種作品的製作方式決定了這種畫的低價,因此可以變得很實用,比如用來遮蓋牆壁上的一些礙眼的地方。

上面這張照片是拍的今天剛出的拼圖,因為尚未乾透所以拍照的時候紙張都是彎曲的,干透了就好了。打算裝裱成下圖中的效果。

由於受到硬體的限制,這種畫單幅的尺寸都不大,拼起來可以解決這個問題,而且想拼多大拼多大。不過這些畫說不上成功,因為我還在進行最後的調整,還沒有推向市場,因此沒有知名度。


謝邀

大數據除了數據大,其他的特徵從古至今一直都在被使用。

林彪每次打完仗,都會記錄俘虜人員的直到官職,槍械種類和數量,這平淡不經的舉動直到那天的胡家窩棚,他遇到了真愛廖耀湘,他發現那幾天的繳獲水平明顯高以前檔次,短槍明顯多於長槍,這幫男人偏短啊,於是認為這附近有真愛,最後成功俘獲廖耀湘。

你的女朋友或者老婆天天都在玩大數據。沒有比女人大腦更牛逼的大數據平台了。我女友用的十分嫻熟,當我平時周末不出門,突然兩個周末出門了,就會被發現,然後被她監控,手機就會成為第一個審核對象。聊天記錄如果出現被刪除,或者某些異性聊天頻率過高都會成為審核對象。

其實大數據類的應用中,最牛逼的是人的大腦,我們天天在用,現在所有機器學習都是人大腦的仿生學,如果能用大腦想明白的事就不要用大數據。

大數據最大的價值在於彌補大腦精確性的不足,所以在生活中被用到這麼精確的不多,因為人腦就夠用了,畢竟所有服務生活的,都是為了讓大腦滿意。

推薦系統基本不會讓人滿意,就是經典的自作聰明系統,因為它不夠聰明,但還覺的它懂你,但它不懂你。

如果你被女孩子拒絕,一般都是因為你不懂她的心,大數據也是這樣子的備胎,大數據並不懂我們。生活中成熟的應用幾乎沒有。某些特殊領域,有一定精確率還是有些應用場景的,但要達到懂人心還需要多學幾年。


【案例一:Google通過大數據預測甲型H1N1流感】2009年出現了一種新的流感病毒。這種甲型H1N1流感結合了導致禽流感和豬流感的病毒的特點,在短短几周之內迅速傳播開來。全球的公共衛生機構都擔心一場致命的流行病即將來襲。有的評論家甚至警告說,可能會爆發大規模流感,類似於1918年在西班牙爆發的影響了5億人口並奪走了數千萬人性命的大規模流感。更糟糕的是,我們還沒有研發出對抗這種新型流感病毒的疫苗。公共衛生專家能做的只是減慢它傳播的速度。但要做到這一點,他們必須先知道這種流感出現在哪裡。美國,和所有其他國家一樣,都要求醫生在發現新型流感病例時告知疾病控制與預防中心。但由於人們可能患病多日實在受不了了才會去醫院,同時這個信息傳達回疾控中心也需要時間,因此,通告新流感病例時往往會有一兩周的延遲。而且,疾控中心每周只進行一次數據匯總。然而,對於一種飛速傳播的疾病,信息滯後兩周的後果將是致命的。這種滯後導致公共衛生機構在疫情爆發的關鍵時期反而無所適從。在甲型H1N1流感爆發的幾周前,互聯網巨頭谷歌公司的工程師們在《自然》雜誌上發表了一篇引人注目的論文。它令公共衛生官員們和計算機科學家們感到震驚。文中解釋了谷歌為什麼能夠預測冬季流感的傳播:不僅是全美範圍的傳播,而且可以具體到特定的地區和州。谷歌通過觀察人們在網上的搜索記錄來完成這個預測,而這種方法以前一直是被忽略的。谷歌保存了多年來所有的搜索記錄,而且每天都會收到來自全球超過30億條的搜索指令,如此龐大的數據資源足以支撐和幫助它完成這項工作。谷歌公司把5000萬條美國人最頻繁檢索的詞條和美國疾控中心在2003年至2008年間季節性流感傳播時期的數據進行了比較。他們希望通過分析人們的搜索記錄來判斷這些人是否患上了流感,其他公司也曾試圖確定這些相關的詞條,但是他們缺乏像谷歌公司一樣龐大的數據資源、處理能力和統計技術。雖然谷歌公司的員工猜測,特定的檢索詞條是為了在網路上得到關於流感的信息,如「哪些是治療咳嗽和發熱的藥物」,但是找出這些詞條並不是重點,他們也不知道哪些詞條更重要。更關鍵的是,他們建立的系統並不依賴於這樣的語義理解。他們設立的這個系統唯一關注的就是特定檢索詞條的使用頻率與流感在時間和空間上的傳播之間的聯繫。谷歌公司為了測試這些檢索詞條,總共處理了4.5億個不同的數學模型。在將得出的預測與2007年、2008年美國疾控中心記錄的實際流感病例進行對比後,谷歌公司發現,他們的軟體發現了45條檢索詞條的組合,將它們用於一個特定的數學模型後,他們的預測與官方數據的相關性高達97%。和疾控中心一樣,他們也能判斷出流感是從哪裡傳播出來的,而且判斷非常及時,不會像疾控中心一樣要在流感爆發一兩周之後才可以做到。所以,2009年甲型H1N1流感爆發的時候,與習慣性滯後的官方數據相比,谷歌成為了一個更有效、更及時的指示標。公共衛生機構的官員獲得了非常有價值的數據信息。驚人的是,谷歌公司的方法甚至不需要分發口腔試紙和聯繫醫生——它是建立在大數據的基礎之上的。這是當今社會所獨有的一種新型能力:以一種前所未有的方式,通過對海量數據進行分析,獲得有巨大價值的產品和服務,或深刻的洞見。基於這樣的技術理念和數據儲備,下一次流感來襲的時候,世界將會擁有一種更好的預測工具,以預防流感的傳播。【案例二:Farecast通過網路大數據預測飛機票價】2003年,奧倫·埃齊奧尼(Oren Etzioni)準備乘坐從西雅圖到洛杉磯的飛機去參加弟弟的婚禮。他知道飛機票越早預訂越便宜,於是他在這個大喜日子來臨之前的幾個月,就在網上預訂了一張去洛杉磯的機票。在飛機上,埃齊奧尼好奇地問鄰座的乘客花了多少錢購買機票。當得知雖然那個人的機票比他買得更晚,但是票價卻比他便宜得多時,他感到非常氣憤。於是,他又詢問了另外幾個乘客,結果發現大家買的票居然都比他的便宜。對大多數人來說,這種被敲竹杠的感覺也許會隨著他們走下飛機而消失。然而,埃齊奧尼是美國最有名的計算機專家之一,從他擔任華盛頓大學人工智慧項目的負責人開始,他創立了許多在今天看來非常典型的大數據公司,而那時候還沒有人提出「大數據」這個概念。1994年,埃齊奧尼幫助創建了最早的互聯網搜索引擎MetaCrawler,該引擎後來被InfoSpace公司收購。他聯合創立了第一個大型比價網站Netbot,後來把它賣給了Excite公司。他創立的從文本中挖掘信息的公司ClearForest則被路透社收購了。在他眼中,世界就是一系列的大數據問題,而且他認為自己有能力解決這些問題。作為哈佛大學首屆計算機科學專業的本科畢業生,自1986年畢業以來,他也一直致力於解決這些問題。飛機著陸之後,埃齊奧尼下定決心要幫助人們開發一個系統,用來推測當前網頁上的機票價格是否合理。作為一種商品,同一架飛機上每個座位的價格本來不應該有差別。但實際上,價格卻千差萬別,其中緣由只有航空公司自己清楚。埃齊奧尼表示,他不需要去解開機票價格差異的奧秘。他要做的僅僅是預測當前的機票價格在未來一段時間內會上漲還是下降。這個想法是可行的,但操作起來並不是那麼簡單。這個系統需要分析所有特定航線機票的銷售價格並確定票價與提前購買天數的關係。如果一張機票的平均價格呈下降趨勢,系統就會幫助用戶做出稍後再購票的明智選擇。反過來,如果一張機票的平均價格呈上漲趨勢,系統就會提醒用戶立刻購買該機票。換言之,這是埃齊奧尼針對9000米高空開發的一個加強版的信息預測系統。這確實是一個浩大的計算機科學項目。不過,這個項目是可行的。於是,埃齊奧尼開始著手啟動這個項目。埃齊奧尼創立了一個預測系統,它幫助虛擬的乘客節省了很多錢。這個預測系統建立在41天之內的12000個價格樣本基礎之上,而這些數據都是從一個旅遊網站上爬取過來的。這個預測系統並不能說明原因,只能推測會發生什麼。也就是說,它不知道是哪些因素導致了機票價格的波動。機票降價是因為有很多沒賣掉的座位、季節性原因,還是所謂的「周六晚上不出門」,它都不知道。這個系統只知道利用其他航班的數據來預測未來機票價格的走勢。「買還是不買,這是一個問題。」埃齊奧尼沉思著。他給這個研究項目取了一個非常貼切的名字,叫「哈姆雷特」。這個小項目逐漸發展成為一家得到了風險投資基金支持的科技創業公司,名為Farecast。通過預測機票價格的走勢以及增降幅度,Farecast票價預測工具能幫助消費者抓住最佳購買時機,而在此之前還沒有其他網站能讓消費者獲得這些信息。這個系統為了保障自身的透明度,會把對機票價格走勢預測的可信度標示出來,供消費者參考。系統的運轉需要海量數據的支持。為了提高預測的準確性,埃齊奧尼找到了一個行業機票預訂資料庫。而系統的預測結果是根據美國商業航空產業中,每一條航線上每一架飛機內的每一個座位一年內的綜合票價記錄而得出的。如今,Farecast已經擁有驚人的約2000億條飛行數據記錄。利用這種方法,Farecast為消費者節省了一大筆錢。棕色的頭髮,露齒的笑容,無邪的面孔,這就是奧倫·埃齊奧尼。他看上去完全不像是一個會讓航空業損失數百萬潛在收入的人。但事實上,他的目光放得更長遠。2008年,埃齊奧尼計劃將這項技術應用到其他領域,比如賓館預訂、二手車購買等。只要這些領域內的產品差異不大,同時存在大幅度的價格差和大量可運用的數據,就都可以應用這項技術。但是在他實現計劃之前,微軟公司找上了他並以1.1億美元的價格收購了Farecast公司。而後,這個系統被併入必應搜索引擎。到2012年為止,Farecast系統用了將近十萬億條價格記錄來幫助預測美國國內航班的票價。Farecast票價預測的準確度已經高達75%,使用Farecast票價預測工具購買機票的旅客,平均每張機票可節省50美元。

我當時寫微信找的一些案例。


大數據已經融入到社會生產和生活的方方面面,巨大價值日益得到顯現,大數據在物流領域、城市管理、金融行業均有應用。

在物流領域,基於大數據技術的智能物流有效提升了物流系統的效率;在城市管理方面,大數據可以用於智能交通、環保監測等;在金融行業、高頻交易、市場情緒分析和信貸風險分析離不開大數據的支持;在汽車行業,融合大數據技術的「無人汽車」將大大造福人類;在零售行業,大數據可以幫助我們發現客戶關聯購買行為和進行客戶群體分析,在餐飲行業,大數據可以實現線上線下餐飲的有效融合;在體育和娛樂領域,大數據可以幫助訓練球隊、選擇影視作品和預測比賽結果在安全領域,可以藉助於大數據更好地防範網路攻擊和預防犯罪;在政府領域,選舉團隊利用大數據技術助力競選成功;在個人生活領域,大數據讓我們每個人可以獲得更加貼心的個性化服務。

大數據在城市管理、金融、汽車、零售、餐飲、體育、娛樂、安全等領域的應用,從中我們可以深刻地感受到大數據對我們日常生活的影響和重要價值。我們已經身處大數據時代,大數據已經觸及社會每個角落。

擁抱大數據,利用好大數據,是每個政府、機構、企業和個人的必然選擇,但是數據安全卻是我們不可忽視的,所以說,我們一定要知道,處在大數據時代,主要存在哪些網路安全問題? - 大數據 多智時代


基於大數據的成功應用於各行各業的多個方面,例如:

零售業,貨架商品關聯性分析、市場營銷、產品推薦

金融業,客戶行為分析、防堵詐騙、金融風險分析

醫療,疫情和健康分析趨勢、電子病例、醫學研發、臨床試驗

製造業,產品研發與設計、供應鏈管理

政府部門,大數據的政府信息公開、公眾及企業行為分析、城市數據

大數據的應用無處不在,滲透各個行業,沒有哪一個領域,不受大數據的影響,相信不久的將來,思維決策,也將參考數據分析,雲計算,大數據、物聯網是IT的新興產業,一定要知道,雲計算、大數據和物聯網三者之間,有哪些區別和聯繫? - 大數據 多智時代


我所知道的,大數據在醫聯體的應用就非常廣泛。

「讓資源與技術多跑,讓病人少跑。」引導有序醫療秩序是政府力推醫聯體的初衷。醫聯體被給予厚望,成為各地醫改的寵兒,形形色色的醫聯體如雨後春筍般湧現,希望撬動醫改發展困境。然而,理想很豐滿,現實很骨感。經過幾年發展,醫聯體不僅沒有成為推動醫改的發展動力,反而成了「絆腳石」。

目前,大多數醫聯體僅浮於形式。如果醫聯體內的成員單位在人、財、物實現統一調配與管理,實現經濟利益一體化,醫聯體發展面臨的最大的利益衝突問題就迎刃而解了。為了實現共同的利益,大醫院幫助小醫院留住患者自然不在話下。

如何打通醫聯體之間信息孤島,實現醫聯體「聯心」,完成資金資源的統一調配管理?以醫院的四大系統為例,不僅醫院與醫院之間各自為政,信息難以傳遞,即使醫院內部,由於各信息化系統之間介面與標準的不統一,導致信息孤島叢生,完成資金資源的統一調配管理談何容易?

舉個很簡單的例子,醫聯體內想提高小醫院醫療水平,實現科室共建,若採取派遣大醫院專家到基層坐診往往得不償失,因為專家在大醫院一天可以看幾十個專科病人,而下基層也可能一天碰不上一個專科病人,造成人力、時間與金錢的浪費;但採用遠程的方式進行會診與教學,由於病人的病歷資料、影像資料的完整性和準確性的缺失,既對遠程醫療的會診結果有很大影響,其組織過程也極為麻煩不易操作。

如何打破各成員單位之間的信息孤島與數據煙囪,實現所有信息數據聯通共享?

若依靠各軟體原廠商研發數據介面實現數據互通,需投入大量的時間、精力,花費數以千萬計的資金,甚至可能因為系統開發團隊不在、源代碼丟失等出現的死局,實現難度極大。而101異構數據採集引擎不需廠商配合,不需數據介面,能獨立抓取醫院所有軟體系統(HIS、EMR、PACS、LIS等)數據,完成從數據採集、數據儲存、數據處理到數據應用等環節,簡化了協調、縮短了工期、提高了安全,實施效率提高了近百倍。

聯通信息數據 讓醫聯體「聯體」更「聯心」

臨床數據的實時共享,將分級診療完善落實。基於醫聯體所有成員單位臨床數據的互通共享,所有醫生都能清楚了解病人的各種臨床數據與事件,無論病人身處哪個醫院,都能獲得最適合、最精準的醫療服務;同時,讓遠程醫療的運用更加精準便捷,提高上下協作能力,小醫院有了大醫院的醫療技術與服務支持,真正實現優質醫療資源下沉,有效緩解了醫療資源配置不均衡帶來的看病難、看病貴、看病煩問題。

臨床數據的互聯互通,完善科室共建體系。出於共同的發展與利益,在實現臨床數據互通共享的情況下更便捷頻繁地開展遠程會診、病例討論與教學,提高醫聯體整體的醫療技術與服務水平,大醫院與小醫院共謀發展,專家醫生帶著基層醫生共同進步,促進醫療水平與研究成果開放共享。

管理系統數據的互聯互通,讓管理更方便快捷。所有成員單位實現包括財務、人事、設備等信息互通,實現醫聯體的一體化管理,有利於資源合理化配置與管理水平的提高,在醫聯體內形成了更有效、更流暢的運行模式;通過數據的應用與分析,也能為醫聯體的發展決策(用藥管理、醫療成本監控、科研投入等)提供了科學依據,確定更精準有效的投入產出比。

如果把醫聯體比作「一家人」,雖然「一家人過上好日子」並非一朝一夕能實現,但很顯然,只有「家人」之間實現信息互通與利益捆綁,才能讓「一家人」勁往一處使,而只有每個小家的日子過紅火了,「大家庭」的醫療發展問題自然就迎刃而解了!


1)利益相關;

2)以下文章轉載自:錢塘號文章錢塘大數據應用交易平台上線 激活沉睡工業大數據

編者按:隨著雲計算、移動互聯網、人工智慧的發展,人類由IT時代進入DT時代,數據已被大量地記錄和沉澱。到2020年,世界上將有500億部設備連在互聯網上,人與人、物與物、人與物之間的聯繫將無處不在,工業大數據的重要性愈發凸顯。錢塘大數據交易中心以工業大數據交易為核心,通過為工業產業鏈上的企業及個人提供「工業數據估值、數據預處理、演算法模型、數據應用產品」等多種創新服務,使得數據流通更為暢通,也讓數據在特定場景下得到更好的應用。

  錢塘大數據交易中心致力於激活工業數據變現,讓工業數據像商品一樣,實現便捷交易。比如保險公司希望知道過去一年的交通事故率數據,服裝企業希望知道顧客的消費習慣與軌跡,金融機構希望知道客戶徵信方面的信息,這些數據的採集、挖掘、清洗、加工、應用等,都可以由工業產業鏈的上下游企業完成,在保障數據安全與隱私的前提下,讓數據在陽光下流通。

  此次上線的錢塘大數據交易平台,開放「數據商城、爬蟲市場、數據定製、爬蟲規則定製、API定製、數據服務商」等功能。個人、企業、機構均可在平台上成為數據服務商,實現數據變現和規則變現;也可在平台上提交個性化的定製服務需求,對接數據定製、爬蟲規則定製、API定製服務。

  l 數據商城版塊,涵蓋智能製造、交通出行、社交網路、金融財經、電子商務、健康醫療、生活服務、企業徵信等多行業的百萬級數據,用戶可根據需要進行在線交易。

  l 爬蟲市場版塊,提供一站式雲端爬蟲框架,各類數據任用戶採集。個人用戶還可通過平台寫爬蟲,上傳爬蟲市場,輕鬆賺取傭金。

  l 爬蟲規則定製版塊,用戶可以自定義爬蟲規則、採集網站、採集欄位、採集規模,平台方對接解決方案。

  l 數據定製及API定製版塊,用戶提出的需求,平台都可對接個性化的定製服務,定製流程方便快捷。

  l 數據服務商版塊,目前錢塘大數據交易中心已有近400家供應商入駐,形成了300餘份應用報告並服務於1000多家企業。值得一提的是,入駐錢塘交易中心的服務商,均可開通專屬店鋪,實現自營店鋪的數據變現。

大數據被稱作「未來新石油」。國務院發布的大數據產業「十三五」發展規劃中指出,實施網路強國戰略,加快建設「數字中國」,推動物聯網、雲計算和人工智慧等技術向各行業全面融合滲透,到2020年,力爭在新一代信息技術產業薄弱環節實現系統性突破,總產值規模超過12萬億元。

  信息經濟是浙江著力打造的七大萬億級產業之一,打造「數據強省」已成為全省上下的共識。錢塘數據交易中心是全國首個工業大數據應用交易平台,也是浙江工業大數據的一面旗幟。接下來,交易中心將會推出大量基於應用的工業大數據解決方案,通過模型定製,為各工業數據應用發展提供支撐與助力。


國內的話 今日頭條是挺大的受益者吧 他家的數據新聞前期基本來自網路的抓取 他家的立足根本就是基於大數據的推薦系統 為用戶推送的新聞是你經常看的那些 現在他家抓取的各大論壇和新聞網站的數據 推送方面基本算是最好的了吧 (個人感覺)


大數據可應用於各行各業,將人們收集到的龐大數據進行分析整理,實現資訊的有效利用。舉個本專業的例子,比如在奶牛基因層面尋找與產奶量相關的主效基因,我們可以首先對奶牛全基因組進行掃描,儘管我們獲得了所有表型信息和基因信息,但是由於數據量龐大,這就需要採用大數據技術,進行分析比對,挖掘主效基因。例子還有很多。

    大數據的意義和前景。總的來說,大數據是對大量、動態、能持續的數據,通過運用新系統、新工具、新模型的挖掘,從而獲得具有洞察力和新價值的東西。以前,面對龐大的數據,我們可能會一葉障目、可見一斑,因此不能了解到事物的真正本質,從而在科學工作中得到錯誤的推斷,而大數據時代的來臨,一切真相將會展現在我們面前。


同問!


根據一個城市日鹽量消費判斷人口規模…


推薦閱讀:

美國致力於大數據分析的公司有哪幾個?
做大數據開發好還是大數據分析比較好一些?
大數據聽著很牛,實際上也很牛嗎?
presto、druid、sparkSQL、kylin的對比分析,如性能、架構等,有什麼異同?
大數據可視化工具Tableau和Infogram區別在哪裡?

TAG:大數據 | 大數據分析 |