大数据图说高考志愿填报：您准备好了吗？
随着高考落下帷幕，各省份的高考志愿填报工作也即将开始，如何正确的选择学校与专业方向，对于广大考生来说，亦是一场同样重要的考验。高考分数是考生打开高校大门的重要敲门砖，充分利用好自己的分数，做出合理选择，对最终被心仪的学校及专业录取至关重要。
为帮助考生准确选择学校与专业方向，人民网舆情监测室联合升学网，以教育部2013年录取和报考数据为基础，进行了全国高考大数据分析，希望能帮助考生做好志愿填报工作，走好人生中的重要一步。
然而从去年的报考情况来看，部分考生在择校时的失误，不但浪费了自己辛苦努力的成果，也直接导致了与心仪的学校失之交臂。据统计，2013年共有4.90%的考生高考分数高于院校专业最低录取分数50分以上，有近30%的考生高考分数高于院校专业录取最低分20分以上。
图1.2013年报考及录取情况
2014年，共有939万人报名参加高考，全国高校计划招生698万人，其中本科363万人，高职(专科)335万人，录取率为74.33%。2013年全国高考报名人数为915万人，录取680多万人，录取率为75%。
图2.2014年高考及录取概况
总体而言，2014年的录取率与2013年报名人数、招生计划数、录取率差异不大，因此2013年的高招录取结果对2014届考生有着重要的参考和借鉴意义。
一、考生择校偏好及高校录取难度指数
通过对2013年录取数据的分析发现，院校录取情况及考生择校偏好体现出以下特点：
传统名校录取指数名列前茅
传统的名校在高考院校录取难度指数中占据前列，清华大学、北京大学、中国人民大学这三所知名高校占据了文科考生报考院校的前三甲，清华大学、
北京大学和北京大学医学部占据了理科考生报考院校的前三甲。这充分反映了传统名校的实力和在考生心目中的位置。
教育部直属高校占据高校录取指数居前位置
在全国高校管理体制的调整的过程中，一批实力较强、学科特色鲜明的高校划归教育部管理（75所），这75所高校由于其在教学、科研方面的实力，在国内具有很高的影响力，因此也赢得了大多数考生的青睐，其高校录取指数也相对较高。在2013年高考录取指数排名中，这75所院校占据了前50名中绝大部分位置。
部委直属特色院校有竞争优势
部委直属院校由于其专业特色、部委直属关系、以及考生在就业方面的预期等因素受到考生的热捧，北京航空航天大学、中国科学技术大学、哈尔滨工业大学也都位居前列，这说明这些院校在考生心目中具有较大的吸引力。
院校专业设置和地理位置影响考生的选择
前50位的院校中财经类、政法类和语言类高校由于其专业受到当前考生热捧，因此这些院校受到众多考生的青睐。同时院校所在地理位置也是影响考生院校选择的重要因素，在前50位的院校中除了西安交通大学、西北工业大学、西南财经大学、四川大学、重庆大学和电子科技大学地处西部外，其他44所高校全部地处中东部。
数据来源与高校录取（难度）指数计算步骤
首先，本指数所使用数据，来自各省区市招生考试部门向教育主管部门报送和向社会发布的最终录取数据。
其次，在数据处理分析方面，具体采取以下步骤：
第一步：计算2013年高校在某省录取所有考生录取分数的批次线差的算术平均值；对于高考满分不是750分的省份，将考生录取分数转换成750分后再进行计算。
第二步：将各省的计算结果进行加权处理，得出高校在全国范围内录取的
批次线差。
第三步：将计算出的高校在全国范围内录取的批次线差进行排序，并进行无量纲化处理，得出2013高考录取指数。
第一步：
满分为750分省份，以北京为例：
某北京市理科考生分数，被A高校录取，当年北京市理科一批线为
，A高校在北京录取批次线差的加权平均值为
；其中n是录取考生数量。
第二步：
对于A高校而言，其全国范围内的线差，其中m 是A高校录取考生的省份。
第三步：
无量纲化处理。
最终，依据上述数据与方法计算结果如"附表1 考生报考难度指数"所示，我们在此基础上分别列出文理科考生报考难度指数的前十名学校，如图3与图4。需要指数说明的是，考生报考难度指数列表运用历史数据和可资验证的方法，具有一定的参考价值和科学性。但考生报考志愿时，仍需要结合教育与高校权威部门2014年相关情况的最新报告，结合自身情况，向有关专家和有报考指导经验的资深中学老师请教。
图3.文科生报考难度指数
与考生和家长多年形成的基本概念不同，由于理工科院校招收文科考生数量相对较少，因此文科考生报考理工科院校难度更大。以2013年为例，清华大学文科考生招生计划为130人，理科考生招生计划为1602人，因此在2013年文科考生报考清华大学的难度要高于北京大学。
图4.理科生报考难度指数
高校报考难度指数不仅反映了学校报考的难度，同时也反映了高等院校在考生心目中的学术水平排行和考生的择校倾向，录取难度指数越高，考生的择校倾向性也越强，考生在择校时应注意这一规律，理性择校，避免出现扎堆报考现象，导致部分考生浪费辛苦考得的优秀成绩。
二、专业选择：理科生注重二次选择机会，文科生偏爱法学
在教育部公布的《普通高等学校本科专业目录(2012)》中共有506个本科专业，优秀考生在分数上的优势使优秀考生能够更加自由的选择专业，因此更能反映该专业的热门程度，代表着考生对于该专业的偏好。本报告选取各省前1000名文理科考生进行统计分析。2013年优秀文科考生共选择178个文科专业，344个理科专业。其中优秀考生报考人数最多的十大专业分别占到优秀文科考生总数的35.7%和优秀理科考生总数的46.5%。
注：专业名称依据各省招生计划，未严格按照《普通高等学校本科专业目录（2012）》进行统计。
表1 优秀考生专业选择
在理科优秀考生选择最多的专业是工科实验班，因为工科实验班具有二次选择专业的机会，更受优秀考生的欢迎。排在第二位的是临床医学专业，排在文科优秀考生选择第一位的是法学专业。在考察这些热门专业时，考生还要兼顾大学毕业生就业率水平，科学合理地填报和选择。
三、录取人数最多的本科专业
录取人数最多的专业，往往代表了未来广泛的、大量的社会需求。2013年高校录取的理科考生集中在工学，包括：电子信息类（电子信息工程、通信工程）、自动化类（自动化）、电气类（电气工程及其自动化）、计算机类（计算机科学与技术、软件工程）、机械类（机械设计制造及其自动化）、土木类（土木工程）；管理学（会计学）、医学（临床医学）。
文科考生则集中在文学（英语、汉语言文学）、法学（法学）、经济学（国际经济与贸易、金融学）、管理学（会计学、财务管理、市场营销、工商管理、旅游管理）等专业。
表2 录取人数最多的专业
值得注意的是，某一专业的大量招生也会带来在就业市场上激烈的竞争，2013年计算机类专业（仅限于计算机科学与技术、软件工程）共录取本科考生超过13万人，这也意味着2017年的计算机就业市场将迎来超过13万人的就业大潮，且仅为应届毕业生数量。因而在选择专业时，不仅需考虑录取的难易程度，还须将四年后的就业市场饱和度及大趋势考虑在内。
下面是新华网，数据新闻
大数据应用案例分析 1、中信银行信用卡营销 实施背景：中信银行信用卡中心是国内银行业为数不多的几家分行级信用卡专营机构之一，也是国内具有竞争力的股份制商业银行信用卡中心之一。近年来，中信银行信用卡中心的发卡量迅速增长，2008年银行向消费者发卡约500万张，而这个数字在2010年增加了一倍。随着业务的迅猛增长，业务数据规模也急剧膨胀。中信银行信用卡中心无论在数据存储、系统维护等方面，还是在有效地利用客户数据方面，都面临着越来越大的压力。 中信银行信用卡中心迫切需要一个可扩展、高性能的数据仓库解决方案，支持其数据分析战略，提升业务的敏捷性。通过建立以数据仓库为核心的分析平台，实现业务数据集中和整合，以支持多样化和复杂化的数据分析，比如卡、账户、客户、交易等主题的业务统计和OLAP（联机分析处理）多维分析等，提升卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。 技术方案：从2010年4月到2011年5月，中信银行信用卡中心实施了EMC Greenplum数据仓库解决方案。实施EMC Greenplum解决方案之后，中信银行信用卡中心实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升。 图表中信银行大数据应用技术架构图
Greenplum解决方案的一个核心的功能是，它采用了“无共享”的开放平台的MPP架构，此架构是为BI和海量数据分析处理而设计。目前，最普遍的关系数据库管理系统（如Oracle 或Microsoft SQL Server），都是利用“共享磁盘”架构来实现数据处理，会牺牲单个查询性能和并行性能。而使用Greenplum 数据库提供的MPP架构，数据在多个服务器区段间会自动分区，而各分区拥有并管理整体数据的不同部分；所有的通信是通过网络互连完成，没有磁盘级共享或连接，使其成为一个“无共享”架构。Greenplum数据库提供的MPP架构为磁盘的每一个环节提供了一个专门的、独立的高带宽通道，段上的服务器可以以一个完全并行的方式处理每个查询，并根据查询计划在段之间有效地移动数据，因此，相比普通的数据库系统，该系统提供了更高的可扩展性。 效益提升：2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活动，
在如今这个大数据得时代里,人人都希望能够借助大数据得力量:电商希望能够借助大数据进一步获悉用户得消费需求，实现更为精准得营销;网络安全从业者希望通过大数据更早洞悉恶意攻击者得意图，实现主动、超前得安全防护;而骇客们也在利用大数据,更加详尽得挖掘出被攻击目标信息，降低攻击发起得难度。 大数据应用最为典型得案例就是国外某著名零售商,通过对用户购买物品等数据得分析,向该用户——一位少女寄送了婴儿床与衣服得优惠券,而少女得家人在此前对少女怀孕得事情一无所知.大数据得威力正在逐步显现,银行、保险公司、医院、零售商等等诸多企业都愈发动力十足得开始搜集整理自己用户得各类数据资料.但与之相比极度落后得数据安全防护措施,却让骇客们乐了：如此重要得数据不仅可以轻松偷盗,而且还就是整理好得,凭借这些数据骇客能够发起更具“真实性”得欺诈攻击.好在安全防御者们也开始发现利用大数据抵抗各类恶意攻击得方法了。 扰动安全得大数据 2０14年IDＣ在“未来全球安全行业得展望报告”中指出,预计到202０年信息安全市场规模将达到500亿美元。与此同时，安全威胁得不断变化、ＩＴ交付模式得多样性、复杂性以及数据量得剧增,针对信息安全得传统以控制为中心得方法将站不住脚。预计到２0２0年,６０%得企业信息化安全预算将会分配到以大数据分析为基础得快速检测与响应得产品上。 瀚思(ＨａnSiｇht)联合创始人董昕认为,借助大数据技术网络安全即将开启“上帝之眼”模式。“您不能保护您所不知道得”已经成为安全圈得一句名言，即使部署再多得安全防御设备仍然会产生“不为人知”得信息,在各种不同设备产生得海量日志中发现安全事件得蛛丝马迹非常困难。而大数据技术能将不同设备产生得海量日志进行集中存储,通过数据格式得统一规整、自动归并、关联分析、机器学习等方法,自动发现威胁与异常行为,让安全分析更简单。同时通过丰富得可视化技术,将威胁及异常行为可视化呈现出来，让安全瞧得见. 爱加密CEＯ高磊提出，基于大数据技术能够从海量数据中分析已经发生得安全问题、病毒样本、攻击策略等,对于安全问题得分析能够以宏观角度与微观思路双管齐下找到问题根本得存在.所以,在安全领域使用大数据技术,可以使原
1.1 成功案例1-汤姆森路透(Thomson Reuters) 利用Oracle 大 数据解决方案实现互联网资讯和社交媒体分析 Oracle Customer: Thomson Reuters Location: USA Industry: Media and Entertainment/Newspapers and Periodicals 汤姆森路透(Thomson Reuters)成立于2008年4月17 日，是由加拿大汤姆森 公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专 业智能信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100 个国家和地区。 汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。 在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。 因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance 大 数据机、Exadata 数据库云服务器和Exalytics 商业智能云服务器搭建了互联网资讯 和社交媒体大数据分析平台，实时采集5 万个新闻网站和400 万社交媒体渠道的资 讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机
在如今这个大数据的时代里,人人都希望能够借助大数据的力量:电商希望能够借助大数据进一步获悉用户的消费需求,实现更为精准的营销;网络安全从业者希望通过大数据更早洞悉恶意攻击者的意图,实现主动、超前的安全防护;而骇客们也在利用大数据,更加详尽的挖掘出被攻击目标信息,降低攻击发起的难度。 大数据应用最为典型的案例就是国外某著名零售商,通过对用户购买物品等数据的分析,向该用户——一位少女寄送了婴儿床与衣服的优惠券,而少女的家人在此前对少女怀孕的事情一无所知。大数据的威力正在逐步显现,银行、保险公司、医院、零售商等等诸多企业都愈发动力十足的开始搜集整理自己用户的各类数据资料。但与之相比极度落后的数据安全防护措施,却让骇客们乐了:如此重要的数据不仅可以轻松偷盗,而且还就是整理好的,凭借这些数据骇客能够发起更具“真实性”的欺诈攻击。好在安全防御者们也开始发现利用大数据抵抗各类恶意攻击的方法了。 扰动安全的大数据 2014年IDC在“未来全球安全行业的展望报告”中指出,预计到2020年信息安全市场规模将达到500亿美元。与此同时,安全威胁的不断变化、IT交付模式的多样性、复杂性以及数据量的剧增,针对信息安全的传统以控制为中心的方法将站不住脚。预计到2020年,60%的企业信息化安全预算将会分配到以大数据分析为基础的快速检测与响应的产品上。 瀚思(HanSight)联合创始人董昕认为,借助大数据技术网络安全即将开启“上帝之眼”模式。“您不能保护您所不知道的”已经成为安全圈的一句名言,即使部署再多的安全防御设备仍然会产生“不为人知”的信息,在各种不同设备产生的海量日志中发现安全事件的蛛丝马迹非常困难。而大数据技术能将不同设备产生的海量日志进行集中存储,通过数据格式的统一规整、自动归并、关联分析、机器学习等方法,自动发现威胁与异常行为,让安全分析更简单。同时通过丰富的可视化技术,将威胁及异常行为可视化呈现出来,让安全瞧得见。 爱加密CEO高磊提出,基于大数据技术能够从海量数据中分析已经发生的安全问题、病毒样本、攻击策略等,对于安全问题的分析能够以宏观角度与微观思路双管齐下找到问题根本的存在。所以,在安全领域使用大数据技术,可以使原本
1.1成功案例1-汤姆森路透(Thomson Reuters)利用Oracle大 数据解决方案实现互联网资讯和社交媒体分析 ?Oracle Customer: Thomson Reuters ?Location: USA ?Industry: Media and Entertainment/Newspapers and Periodicals 汤姆森路透(Thomson Reuters)成立于2008年4月17日，是由加拿大汤姆森公司(The Thomson Corporation)与英国路透集团(Reuters Group PLC)合并组成的商务和专业智能 信息提供商，总部位于纽约，全球拥有6万多名员工，分布在超过100个国家和地区。 汤姆森路透是世界一流的企业及专业情报信息提供商，其将行业专门知识与创新技术相结合，在全世界最可靠的新闻机构支持下，为专业企业、金融机构和消费者提供专业财经信息服务，以及为金融、法律、税务、会计、科技和媒体市场的领先决策者提供智能信息及解决方案。 在金融市场中，投资者的心理活动和认知偏差会影响其对未来市场的观念和情绪，并由情绪最终影响市场表现。随着互联网和社交媒体的迅速发展，人们可以方便快捷的获知政治、经济和社会资讯，通过社交媒体表达自己的观点和感受，并通过网络传播形成对市场情绪的强大影响。汤姆森路透原有市场心理指数和新闻分析产品仅对路透社新闻和全球专业资讯进行处理分析，已不能涵盖市场情绪的构成因素，时效性也不能满足专业金融机构日趋实时和高频交易的需求。 因此汤姆森路透采用Oracle的大数据解决方案，使用Big Data Appliance大数据机、Exadata数据库云服务器和Exalytics商业智能云服务器搭建了互联网资讯和社交媒体大数据分析平台，实时采集5万个新闻网站和400万社交媒体渠道的资讯，汇总路透社新闻和其他专业新闻，进行自然语义处理，通过基于行为金融学模型多维度的度量标准，全面评估分析市场情绪，形成可操作的分析结论，支持其专业金融机构客户的交易、投资和风险管理。
永洪科技大数据实时分析 永洪科技基于自有技术研发的一款数据存储、数据处理的软件Yonghong Z-Data Mart是一款专业的数据集市软件。Hadoop Map Reduce适合通过批处理方式访问海量数据，但无法满足海量数据的实时处理的需求。实时商业智能建设的主要目标是支持实时决策，这就对海量数据处理的即时、快速、稳定提出了更高的要求。Yonghong Z-Suite Map Reduce解决方案更好的实现了这些特点： 完全放弃了心跳机制，采用实时信息交换底层，进行实时的Map-Reduce任务分配与执行。这一信息交换底层能够保障几十甚至上百个节点之间的高效信息交换，使得实时的Map-Reduce 任务分配与执行能够在毫秒级完成任务分解与派发工作。 Map Reduce任务服务于海量数据处理，任务清晰。通过在Map Node中预先部署Map的数据处理和数据分析功能的代码文件集，在Reduce节点中预先部署Reduce的数据处理和数据分析功能的代码文件集，在运行Job之前，每个Map和Reduce节点已经具备了相应的数据处理和分析能力。这种方式极大地减少了实时传输和部署的时长。 直接在各节点之间传输中间结果和最终结果(Stream Computing)。由于Map-Reduce采用了具有自主知识产权的高效率的实时信息交换底层，这一底层保障了大量传输Map的中间结果、Reduce的中间结果及最终结果的实效性。 本文档主要介绍两个案例，一个是互联网行业大数据案例，一个是电信行业的大数据案例。互联网大数据案例 案例背景 某著名咨询公司用户行为分析系统面临问题：实时分析的数据量大，基于Hive的分析系统不够实时，但预算有限。 问题解决步骤 1.首先提出了测试方案： 90天细节数据约50亿条导入Yonghong DM，再定制Dashboard分析。 2.简单测试： 先通过5台PC Server，导入1-2天的数据，演示如何ETL，如何做简单应用。 3.按照提出的测试方案开始导入90天的数据，在导入数据中解决了如下问题： 解决步长问题，有效访问次数，在几个分组内，停留时间大于30分钟。 解决HBase数据和SQL Server数据的关联问题。 解决分组太多，Span过多的问题。 4.数据源及数据特征分析： 90天的数据，Web数据7亿，App数据37亿，总估计在50亿。 每个表有20多个字段，一半字符串类型，一半数值类型，一行数据估计2000Byte。 每天5000万行，原始数据每天100G，100天是10T的数据。
大数据应用与案例分析 当下，”大数据”几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势，也是革命技术的创新。大数据对于行业的用户也越来越重要。掌握了核心数据，不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。 大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。 一、大数据应用案例之：医疗行业 Seton Healthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，
通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类App。也许未来数年后，它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药。 二、大数据应用案例之：能源行业 智能电网现在欧洲已经做到了终端，也就是所谓的智能电表。在德国，为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来。通过电网收集每隔五分钟或十分钟收集一次数据，收集来的这些数据可以用来预测客户的用电习惯等，从而推断出在未来2~3个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电。因为电有点像期货一样，如果提前买就会比较便宜，买现货就比较贵。通过这个预测后，可以降低采购成本。 维斯塔斯风力系统，依靠的是BigInsights软件和IBM超级计算机，然后对气象数据进行分析，找出安装风力涡轮机和整个风电场最佳的地点。利用大数据，以往需要数周的分析工作，现在仅需要不足1小时便可完成。
大数据应用分析案例分析大数据应用与案例分析当下，”大数据"几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势,也是革命技术的创新.大数据对于行业的用户也越来越重要。掌握了核心数据,不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体.大数据真能改变企业的运作方式吗?答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用,帮助人们真正从中获益.大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。...感谢聆听... 大数据应用的关键，也是其必要条件,就在于＂IT”与”经营"的融合,当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业,不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。
一、大数据应用案例之：医疗行业 ＳetｏｎＨｅaｌｔhcare是采用ＩBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息,通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过30０0次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施,避免早产婴儿夭折. ...感谢聆听... 它让更多的创业者更方便地开发产品，比如通过社交网络来收集数据的健康类Apｐ。也许未来数年后,它们搜集的数据能让医生给你的诊断变得更为精确，比方说不是通用的成人每日三次一次一片，而是检测到你的血液中药剂已经代谢完成会自动提醒你再次服药. 二、大数据应用案例之:能源行业 智能电网现在欧洲已经做到了终端,也就是所谓的智能电表。在德国,为了鼓励利用太阳能，会在家庭安装太阳能，除了卖电给你，当你的太阳能有多余电的时候还可以买回来.通过电网收集每隔五分钟或十分钟收集一次数据,收集来的这些数据可以用来预测客户的用电习惯等,从而推断出在未来2~３个月时间里，整个电网大概需要多少电。有了这个预测后，就可以向发电或者供电企业购买一定数量的电.因为电有点像期货一样，如果提前买就会比较便
在如今这个大数据的时代里，人人都希望能够借助大数据的力量：电商希望能够借助大数据进一步获悉用户的消费需求，实现更为精准的营销;网络安全从业者希望通过大数据更早洞悉恶意攻击者的意图，实现主动、超前的安全防护;而骇客们也在利用大数据，更加详尽的挖掘出被攻击目标信息，降低攻击发起的难度。 大数据应用最为典型的案例是国外某著名零售商，通过对用户购买物品等数据的分析，向该用户——一位少女寄送了婴儿床和衣服的优惠券，而少女的家人在此前对少女怀孕的事情一无所知。大数据的威力正在逐步显现，银行、保险公司、医院、零售商等等诸多企业都愈发动力十足的开始搜集整理自己用户的各类数据资料。但与之相比极度落后的数据安全防护措施，却让骇客们乐了：如此重要的数据不仅可以轻松偷盗，而且还是整理好的，凭借这些数据骇客能够发起更具“真实性”的欺诈攻击。好在安全防御者们也开始发现利用大数据抵抗各类恶意攻击的方法了。 扰动安全的大数据 2014年IDC在“未来全球安全行业的展望报告”中指出，预计到2020年信息安全市场规模将达到500亿美元。与此同时，安全威胁的不断变化、IT交付模式的多样性、复杂性以及数据量的剧增，针对信息安全的传统以控制为中心的方法将站不住脚。预计到2020年，60%的企业信息化安全预算将会分配到以大数据分析为基础的快速检测和响应的产品上。 瀚思(HanSight)联合创始人董昕认为，借助大数据技术网络安全即将开启“上帝之眼”模式。“你不能保护你所不知道的”已经成为安全圈的一句名言，即使部署再多的安全防御设备仍然会产生“不为人知”的信息，在各种不同设备产生的海量日志中发现安全事件的蛛丝马迹非常困难。而大数据技术能将不同设备产生的海量日志进行集中存储，通过数据格式的统一规整、自动归并、关联分析、机器学习等方法，自动发现威胁和异常行为，让安全分析更简单。同时通过丰富的可视化技术，将威胁及异常行为可视化呈现出来，让安全看得见。 爱加密CEO高磊提出，基于大数据技术能够从海量数据中分析已经发生的安全问题、病毒样本、攻击策略等，对于安全问题的分析能够以宏观角度和微观思路双管齐下找到问题根本的存在。所以，在安全领域使用大数据技术，可以使原
数据分析方法、数据处理流程实战案例 大数据时代，我们人人都逐渐开始用数据的眼光来看待每一个事情、事物。确实，数据的直观明了传达出来的信息让人一下子就能领略且毫无疑点，不过前提是数据本身的真实性和准确度要有保证。今天就来和大家分享一下关于数据分析方法、数据处理流程的实战案例，让大家对于数据分析师这个岗位的工作内容有更多的理解和认识，让可以趁机了解了解咱们平时看似轻松便捷的数据可视化的背后都是有多专业的流程在支撑着。 一、大数据思维 在2011年、2012年大数据概念火了之后，可以说这几年许多传统企业也好，互联网企业也好，都把自己的业务给大数据靠一靠，并且提的比较多的大数据思维。
那么大数据思维是怎么回事我们来看两个例子： 案例1：输入法 首先，我们来看一下输入法的例子。 我2001年上大学，那时用的输入法比较多的是智能ABC，还有微软拼音，还有五笔。那时候的输入法比现在来说要慢的很多，许多时候输一个词都要选好几次，去选词还是调整才能把这个字打出来，效率是非常低的。
到了2002年，2003年出了一种新的输出法——紫光拼音，感觉真的很快，键盘没有按下去字就已经跳出来了。但是，后来很快发现紫光拼音输入法也有它的问题，比如当时互联网发展已经比较快了，
会经常出现一些新的词汇，这些词汇在它的词库里没有的话，就很难敲出来这个词。 在2006年左右，搜狗输入法出现了。搜狗输入法基于搜狗本身是一个搜索，它积累了一些用户输入的检索词这些数据，用户用输入法时候产生的这些词的信息，将它们进行统计分析，把一些新的词汇逐步添加到词库里去，通过云的方式进行管理。 比如，去年流行一个词叫“然并卵”，这样的一个词如果用传统的方式，因为它是一个重新构造的词，在输入法是没办法通过拼音“ran bing luan”直接把它找出来的。然而，在大数据思维下那就不一样了，换句话说，我们先不知道有这么一个词汇，但是我们发现有许多人在输入了这个词汇，于是，我们可以通过统计发现最近新出现的一个高频词汇，把它加到司库里面并更新给所有人，大家在使用的时候可以直接找到这个词了。 案例2：地图
如有人问你什么是大数据？不妨说说这10个典型的大数据案例(-from 互联网) 在听Gartner的分析师Doug Laney用55分钟讲述55个大数据应用案例之前，你可能对于大数据是否落地还心存疑虑。Laney的演讲如同莎士比亚的全集一样，不过可能“缺乏娱乐性而更具信息量”（也许对于技术人员来说是这样的）。这个演讲是对大数据3v 特性的全面阐释：variety（类型）、velocity（产生速度）和volume（规模）。术语的发明者就是用这种方式来描述大数据的–可以追溯到2001年。 这55个例子不是用来虚张声势，Laney的意图是说明大数据的实际应用前景，听众们应该思考如何在自己公司里让大数据落地并促进业务的发展。“也许有些例子并非来自于你当前所处的行业，但是你需要考虑如何做到他山之石可以攻玉。”Laney表示。 下面是其中的10个典型案例： 1. 梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。 2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。“SAP想通过这次收购来扭转其长久以来在预测分析方面的劣势。”Laney分析到。 3. 沃尔玛的搜索。这家零售业寡头为其网站https://www.doczj.com/doc/d815044762.html,自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。 4. 快餐业的视频分析（Laney没有说出这家公司的名字）。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。 5. Morton牛排店的品牌认知。当一位顾客开玩笑地通过推特向这家位于芝加哥的牛排连锁店订餐送到纽约Newark机场（他将在一天工作之后抵达该处）时，Morton就开始了自己的社交秀。首先，分析推特数据，发现该顾客是本店的常客，也是推特的常用者。根据客户以往的订单，推测出其所乘的航班，然后派出一位身着燕尾服的侍者为客户提
大数据应用分析案例分 析 Company Document number：WTUT-WT88Y-W8BBGB-BWYTT-19998
大数据应用与案例分析 当下，”大数据”几乎是每个IT人都在谈论的一个词汇，不单单是时代发展的趋势，也是革命技术的创新。大数据对于行业的用户也越来越重要。掌握了核心数据，不单单可以进行智能化的决策，还可以在竞争激烈的行业当中脱颖而出，所以对于大数据的战略布局让越来越多的企业引起了重视，并重新定义了自己的在行业的核心竞争。 在当前的互联网领域，大数据的应用已十分广泛，尤其以企业为主，企业成为大数据应用的主体。大数据真能改变企业的运作方式吗答案毋庸置疑是肯定的。随着企业开始利用大数据，我们每天都会看到大数据新的奇妙的应用，帮助人们真正从中获益。大数据的应用已广泛深入我们生活的方方面面，涵盖医疗、交通、金融、教育、体育、零售等各行各业。 大数据应用的关键，也是其必要条件，就在于"IT"与"经营"的融合，当然，这里的经营的内涵可以非常广泛，小至一个零售门店的经营，大至一个城市的经营。以下是关于各行各业，不同的组织机构在大数据方面的应用的案例，并在此基础上作简单的梳理和分类。 一、大数据应用案例之：医疗行业 SetonHealthcare是采用IBM最新沃森技术医疗保健内容分析预测的首个客户。该技术允许企业找到大量病人相关的临床医疗信息，通过大数据处理，更好地分析病人的信息。在加拿大多伦多的一家医院，针对早产婴儿，每秒钟有超过3000次的数据读取。通过这些数据分析，医院能够提前知道哪些早产儿出现问题并且有针对性地采取措施，避免早产婴儿夭折。
汽车行业大数据应用案例 在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。 凯文凯利认为：“在未来，各个产业都将成为数据产业，汽车也将如此。目前，互联网所掌握的消费者喜好、生活习惯等数据信息如果应用到汽车行业，将使汽车产品更加智能，大数据的应用甚至能够影响到汽车产业的生产制造，帮助汽车企业生产出更加符合消费者需求的产品。” 在贵阳大数据论坛上，马凯副总理提出：大数据是国家战略资源，部分公共数据资源也将逐步开放，让企业用互联网+更好的服务社会。
基于汽车行业超长的产业链，从不同的层面看，汽车大数据必然是多维度的，有不同的理解和看法，我们试从各行业角度试加分析： 先看一组数据： 中国有3亿驾驶员，1.5亿车主，100多个品牌6000多款车，24000多家4S店，44万家维修厂，600万家洗车行...... 主机厂：汽车大数据的顶层和基础
主机厂是汽车的制造者，他们领先的设计、技术及制造能力和知识产权，使其在整个汽车生态链中起绝对主导作用——所有的零部件设计及软件系统，都由主机厂主导，所有衍伸产品都以主机厂的产品设计规格为标准（适配软件、模具、型号、规格尺寸乃至汽车改装和汽车电子产品以及汽车用品等等）。 同时，主机厂有完善的零部件配套、物流配送、销售体系，所有该体系内的企业都要按照其标准化模式运行；原始汽车维修技术资料以及CRM和ERP 系统：4S店的后台管理系统由主机厂提供，能够调取车主的姓名、住址、行驶证数据及通联、保险、维修保养记录（车主脱离4S店体系之前）。 主机厂零部件数据包括包括字段：配件名称、配件代码、品牌、型号、年代、替代配件、替代关系、图示、价格等等。
数据可视化常用的五种方式及案例分析 概念借助于图形化的手段，清晰、快捷有效的传达与沟通信息。从用户的角度，数据可视化可以让用户快速抓住要点信息，让关键的数据点从人类的眼睛快速通往心灵深处。数据可视化一般会具备以下几个特点：准确性、创新性和简洁性。 常用五种可视化方法 下面从最常用和实用的维度总结了如下5种数据可视化方法，让我们来一一看一下： 一、面积&尺寸可视化对同一类图形（例如柱状、圆环和蜘蛛图等）的长度、高度或面积加以区别，来清晰的表达不同指标对应的指标值之间的对比。 这种方法会让浏览者对数据及其之间的对比一目了然。制作这类数据可视化图形时，要用数学公式计算，来表达准确的尺度和比例。 a: 天猫的店铺动态评分天猫店铺动态评分模块右侧的条状图按精确的比例清晰的表达了不同评分用户的占比。从下图中我们第一眼就可以强烈的感知到5分动态评分的用户占绝对的比例。 b: 联邦预算图如下图，在美国联邦预算剖面图里，用不同高度的货币流清晰的表达了资金的来源去向，及每一项所占金额的比重。
c: 公司黄页-企业能力模型蜘蛛图如下图，通过蜘蛛图的表现，公司综合实力与同行平均水平的对比便一目了然。 二、颜色可视化
通过颜色的深浅来表达指标值的强弱和大小，是数据可视化设计的常用方法，用户一眼看上去便可整体的看出哪一部分指标的数据值更突出。a: 点击频次热力图比如下面这张眼球热力图，通过颜色的差异，我们可以直观的看到用户的关注点。 b: 2013年美国失业率统计在图中可以看到，通过对美国地图以州为单位的划分，用不同的颜色来代表不同的失业率等级范围，整个的全美失业率状况便尽收眼底了。
大数据智慧旅游案例分析 来源：数据观?时间：2016-03-07 11:57:38?作者： 随着“互联网+”被写入政府工作报告、国家旅游局局长李金早对于“旅游+” 发展战略的提出，酝酿多年的“互联网+”和“大数据思维”以“旅游+大数据”的智慧旅游形式开始在全国范围内推进，并逐渐在一些地区形成了“政府主导、企业运作、产业化推进”的发展模式。大数据智慧旅游服务具有充分收集、分析、整合 大数据，以调配旅游服务资源的功能。旅游业相关主体依据搜集到的游客消费 动向、旅游资源状况、自然环境变化等数据进行量化分析，并及时调整、制定 相应的策略，可为游客提供更好的服务。 收集、分析、整合大数据 小编觉得大数据智慧旅在需要搜集到的游客消费动向、通讯数据，互联网 数据，自然环境变化等数据进行量化分析的同时，也会用大数据理念重新审视一些东西。例如： 以大数据理念重新审视公共WIFI：可以获取游客的手机号码，可以针对游 客进行线上市场调研问卷，可以推送旅游APP资讯。免费WIFI服务不再只是一个营销卖点;以大数据理念重新审视一卡通：可以将旅游一卡通服务看做是最直接获得旅游消费清单的工具，一种便捷的游客旅游消费轨迹数据采集方式。而 不只是促销手段;以大数据理念重新审视旅游手机应用：它是游客信息关注行为、 游客旅行轨迹数据采集平台和进行游客满意度调研与促进反馈的途径之一。而 不仅仅是传统智慧旅游倡导的为游客导游、导览、导购、导航服务的移动终端; 以大数据理念重新审视旅游资讯网，高效的消费者旅游信息关注数据采集、高 效的旅游网络营销效果评估工具、智慧化的旅游信息服务提供平台。而传统意 义上的旅游资讯网是旅游目的地品牌形象，旅游信息服务平台。 旅游资讯网只能宣传推广旅游目的地;以大数据理念重新审视旅游呼叫中心，高效的游客需求数据采集工具、高效的旅游CRM维护平台、高效的旅游新产品
大数据应用案例：改善人们生活 大数据现在正在逐渐地升温，因为它确实能给人们的生产生活带来便利，现在就带大家看看大数据应用在哪些方面。 大数据应用的几个典型案例 什么是大数据？不要再举例说啤酒和尿布的例子了，Gartner的分析师Doug Laney在讲解大数据案例时提到过几个更有新意更典型的案例，可帮助更清晰的理解大数据时代的到来。 1. 梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。 2. Tipp24 AG针对欧洲博彩业构建的下注和预测平台。该公司用KXEN软件来分析数十亿计的交易以及客户的特性，然后通过预测模型对特定用户进行动态的营销活动。这项举措减少了90%的预测模型构建时间。SAP公司正在试图收购KXEN。 3. 沃尔玛的搜索。这家零售业寡头为其网站https://www.doczj.com/doc/d815044762.html,自行设计了最新的搜索引擎Polaris，利用语义数据进行文本分析、机器学习和同义词挖掘等。根据沃尔玛的说法，语义搜索技术的运用使得在线购物的完成率提升了10%到15%。“对沃尔玛来说，这就意味着数十亿美元的金额。”Laney说。 4. 快餐业的视频分析。该公司通过视频分析等候队列的长度，然后自动变化电子菜单显示的内容。如果队列较长，则显示可以快速供给的食物;如果队列较短，则显示那些利润较高但准备时间相对长的食品。查看原文 大数据应用的领域 大数据应用在生活中可以帮助我们获取到有用的价值。 随着大数据的应用越来越广泛，应用的行业也越来越低，我们每日都可以看到大数据的一些新颖的应用，从而帮助人们从中获取到真正有用的价值。许多组织或者个人都会受到大数据的剖析影响，但是
大数据的大价值：大数据五大成功案例 深度解析 作者：Cashcow 星期四, 四月11, 2013 大数据,航空,零售 暂无评论 大数据的热潮并未有消褪迹象，相反，包括航空、金融、电商、政府、电信、电力甚至F1赛车等各个行业的企业都在纷纷掘金大数据。可以看出，在推动大数据企业应用方面，真正看到大数据潜在商业价值的企业比大数据技术厂商还要着急。例如IT经理网曾经报道过沃尔玛大数据实验室直接参与到大数据工具的开发和开源工作中。但是在国内，虽然管理学界和财经媒体对大数据推崇备至，认为大数据是信息技术改变商业世界的杀手应用，但是关于大数据中国企业的成功案例的报道却出奇地少。 最近《中国企业家》的“大数据专题”特别报道采访了农夫山泉、阿迪达斯中国和数家航班信息移动服务商（前两家为SAP客户），为我们带来了详实的大数据案例报道，非常有参考价值，原文转载如下：就在制作这期“大数据专题”时，编辑部发生热烈讨论：什么是大数据？编辑记者们旁征博引，试图将数据堆砌的商业案例剔除，真正的、实用性强的数据挖掘故事留下。
我们报道的是伪大数据公司？我们是否成为《驾驭大数据》一书的作者Bill Franks所称的“大数据骗局”中的一股力量？同样的质疑发生在阿里巴巴身上。有消息称，3月23日，阿里巴巴以7000万美元收购了一家移动开发者数据统计平台。这引发了专家们热烈讨论，它收购的真是一家大数据公司吗？ 这些质疑并非没有道理。 中国确实没有大数据的土壤。“差不多先生”、“大概齐”的文化标签一直存在。很多时候，各级政府不太需 要“大数据”，形成决策的关键性数据只有一个数字比率（GDP）而已；其二，对于行业主管机构来说，它们拥有大量原始数据，但它们还在试探、摸索数据开放的尺度，比如说，是开放原始数据，还是开放经过 各种加工的数据？是转让给拥有更高级计算和储存能力的大型数据公司，还是将数据开源，与各种各样 的企业共享？其三，数据挖掘的工具价值并没有完全被认同。在这个领域，硬件和软件的发展并不十分 成熟。 即便如此，没有人否认数据革命的到来，尤其在互联网行业。阿里巴巴的马云将大数据作为战略方向，百度的李彦宏用“框计算”来谋划未来。即便是CBA（中国男子篮球职业联赛）也学起了NBA（美国男篮职业联赛）五花八门的数据统计、分析与挖掘。 在过去两年间，大量的资本投资一些新型数据工具公司，根据美国道琼斯风险资源（Dow Jones VentureSource）的数据，在过去的两年时间里，11.7亿美元流向了119家数据库软件公司。去年，SAP 市值已经超过西门子，成为德国市值最高的上市公司，而这样的业绩部分得益于其数据库软件HANA的 商业化，去年一年时间里HANA带给SAP3.92亿欧元的收入，增长了142%。 但是，大数据还没法分析、挖掘出自己的直接变现能力。在截稿日时，我们再重新读维克托·迈尔-舍恩伯格（Viktor Mayer-Sch鰊berger）的《大数据时代：生活、工作与思维的大变革》一书，作者相信，未来，数据会成为有价值的资产。假以时日，它会大摇大摆地进入资产负债表里。 案例1：农夫山泉用大数据卖矿泉水
智慧教育 数据分类 可将其分为四类: 一是学生管理类大数据，包括学生基本信息数据、学生考勤数据、学生作业数据、学生成绩数据、学生在学校的各类表现数据等; 二是教师管理类大数据，包括教师基本信息数据、教师备课教案数据、教师课堂教学数据、教师批改作业数据、教师辅助学生数据等; 三是综合管理类大数据，包括学校基本信息数据、学校各项评比类数据等; 四是第三方应用类大数据，包括 GPS、地图、天气、安全、网上课堂、教学资源等。 数据采集 校通大数据采集途径目前可来自个人 PC 端录入、手机校通 APP 应用程序、移动 PAD 应用程大数据时代的教育管理变革序、第三方应用数据等。例如，PC 端主要采集基础信息类数据，手机校通 APP 应用程序主要采集学生日常表现数据、作业数据、成绩数据、家校沟通数据等。 校通大数据应用分为五个阶段: 数据存储，数据预处理，数据转换，数据建模，数据应用。 1、数据存储阶段是从各种数据源采集到数据的统一存储，采用HDFS 的分布式存储技术; 2、数据预处理阶段是依据一定的规则对采集到的脏数据、垃圾数据进行必要的清洗处理，减少不必要的工作量; 3、数据转换阶段是将采集来源不一、格式不一的数据按照约定的格式进行统一的转换，为数据建模扫清障碍; 4、数据建模阶段是根据各种不同的主题分析模型、数据挖掘模型的需求进行对应数据模型的搭建，并能满足各种商业智能应用，这是校通大数据应用的最核心之处; 5、数据应用阶段是在数据模型的基础上进行的各类统计分析、报表分析、图形分析、商业智能BI 应用和深度数据挖掘服务等。 他们还通过设计评论等互动环节来建立自己的信用，通过收藏等环节增加用户黏性。 学习分析就是利用数据和模型来预测学生在学习中的进步情况以及未来的表现和潜在的问题。 例如，相对单个学生而言，学生答题停留时间、对错状况、回头复习情况、网络提问、参与讨论等，计算机和网络都可以对此进行记忆分析，再以此为基础对学生的学习进行评价和诱导。由美国麦格劳－希尔教育出版集团开发的一种预测评估工具，就能帮助学生评估自己的所学知识与达标测验所需要求之间的差距，进而分析判断学习中有待提高的地方。 智慧校园产生的大数据也能为教育舆情监控提供天然的服务，能及时反映教育舆情的主流观点、传播趋势及相关的重要人物等信息。
国内外大数据经典案例研究
大数据时代的来临使得产生的数据量呈爆炸式增长，各行各业均面临着海量数据的分析、处理问题。如何运用大数据技术从海量数据中挖掘出有价值的信息，将是今后企业发展的一个巨大挑战。点评收集研究了国内外大数据应用的经典案例，希望可以对读者有所启示。 1、塔吉特百货孕妇营销分析 最早关于大数据的故事发生在美国第二大超市塔吉特百货。孕妇对零售商来说是个含金量很高的顾客群体，但是她们一般会去专门的孕妇商店。人们一提起塔吉特，往往想到的都是日常生活用品，却忽视了塔吉特有孕妇需要的一切。在美国，出生记录是公开的，等孩子出生了，新生儿母亲就会被铺天盖地的产品优惠广告包围，那时候再行动就晚了，因此必须赶在孕妇怀孕前期就行动起来。 塔吉特的顾客数据分析部门发现，怀孕的妇女一般在怀孕第三个月的时候会购买很多无香乳液。几个月后，她们会购买镁、钙、锌等营养补充剂。根据数据分析部门提供的模型，塔吉特制订了全新的广告营销方案，在孕期的每个阶段给客户寄送相应的优惠券。结果，孕期用品销售呈现了爆炸性的增长。2002年到2010年间，塔吉特的销售额从440亿美元增长到了670亿美元。大数据的巨大威力轰动了全美。 点评：这个案例说明大数据在企业营销上的成功，利用大数据技术分析客户消费习惯，判断其消费需求，从而进行精确营销。这种营销方式的关键在于其时机的把握上，要正好在客户有相关需求时才进行营销活动，这样才能保证较高的成功率。 2、沃尔玛“啤酒加尿布”经典案例 总部位于美国阿肯色州的世界著名商业零售连锁企业沃尔玛拥有世界上最
大的数据仓库系统，为了能够准确了解顾客在其门店的购买习惯，沃尔玛对其顾客的购物行为进行购物篮分析。沃尔玛数据仓库里集中了其各门店的详细原始交易数据，在这些原始交易数据的基础上，沃尔玛利用NCR数据挖掘工具对这些数据进行分析和挖掘，可以很轻松地知道顾客经常一起购买的商品有哪些。一个意外的发现是：“跟尿布一起购买最多的商品竟是啤酒！” 这是数据挖掘技术对历史数据进行分析的结果，反映数据内在的规律。沃尔玛派出市场调查人员和分析师对这一数据挖掘结果进行调查分析，经过大量实际调查和分析，揭示了隐藏在“尿布与啤酒”背后的美国人的一种行为模式：在美国，一些年轻的父亲下班后经常要到超市去买婴儿尿布，而他们中有30%～40%的人同时也为自己买一些啤酒。产生这一现象的原因是：美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买尿布后又随手带回了他们喜欢的啤酒。 既然尿布与啤酒一起被购买的机会很多，于是沃尔玛就在其一个个门店将尿布与啤酒摆放在一起，结果是尿布与啤酒的销售量双双增长。 点评：无论“啤酒加尿布”仅仅是一个传说，还是一个真的发生过，它都已经成为大数据技术应用的一个经典案例。这个故事的意义在于将看似不相关的商品数据放在一起进行分析，找到他们之间的相关性，从而进行交叉营销，促进商品的销量。这种思维方式才是成功的关键。 3、试衣间的大数据应用 传统奢侈品牌PRADA正在向大数据时代迈进。她在纽约及一些旗舰店里开始了大数据时代行动。在纽约旗舰店里，每件衣服上都有RFID码，每当顾客拿起衣服进试衣间时，这件衣服上的RFID会被自动识别，试衣间里的屏幕会自动